Vous êtes sur la page 1sur 129

Introduction la mthode des lments finis en

mcanique des fluides incompressibles


S. Gounand1
26 septembre 2012

1 Commissariat

lnergie Atomique et aux nergies Alternatives Centre de Saclay, DEN,


DM2S, STMF, LMSF, F-91191 Gif-sur-Yvette, France
mailto:stephane.gounand@cea.fr

Cours ENSTA B2-1

Table des matires


Introduction

1 Rappels de mcanique des fluides


1.1 quations de conservation . . . . . . . . . . . . . . . . . . .
1.1.1 Conservation de la masse . . . . . . . . . . . . . . . .
1.1.2 Conservation de la quantit de mouvement . . . . . .
1.1.3 Conservation de lnergie totale . . . . . . . . . . . .
1.1.4 Forme non conservative des quations de bilan . . . .
1.2 Lois de comportement . . . . . . . . . . . . . . . . . . . . .
1.2.1 Loi de comportement pour la masse volumique . . . .
1.2.2 Loi de comportement pour le tenseur des contraintes
1.2.3 Loi de comportement pour le ux de chaleur . . . . .
1.2.4 Loi de comportement pour lnergie interne massique
1.3 Simplication des quations . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

11
11
11
12
12
13
14
14
14
14
15
15

2 Construction naturelle dune mthode des


2.1 Problme de Dirichlet . . . . . . . . . . . .
2.1.1 Le problme de Dirichlet continu .
2.1.2 Le problme de Dirichlet discret . .
2.2 Exemples de solutions discrtes . . . . . .
2.2.1 Solutions rgulires . . . . . . . . .
2.2.2 Solutions singulires . . . . . . . .
2.3 Problme dlasticit linaire . . . . . . . .
2.4 Rsum . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

17
17
17
22
24
24
25
29
29

.
.
.
.
.
.

31
31
33
35
38
39
40

4 Convection-diffusion et dcentrement
4.1 Problme modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Discrtisation spatiale centre . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Equivalence des discrtisations DF centres et EF . . . . . . . . . .

41
41
42
42

3 Mthode des lments finis


3.1 Mthode des rsidus pondrs . .
3.2 Equivalence convergence-stabilit
3.3 Fonctions de base . . . . . . . . .
3.4 lments de rfrence . . . . . . .
3.5 Formules de quadrature . . . . .
3.6 Rsum . . . . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

lments
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

finis
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

Cours ENSTA B2-1

Table des matires

4.3
4.4

4.5

4.6
4.7

4.2.2 Rsultats numriques . . . . . . . . . . . . . . . . .


Discrtisation spatiale dcentre . . . . . . . . . . . . . . .
Extension multidimensionnelle . . . . . . . . . . . . . . . .
4.4.1 Problme modle convectif 2D . . . . . . . . . . . .
4.4.2 Mthode de diusion articielle . . . . . . . . . . .
4.4.3 Mthode de dcentrement amont (SUPG) . . . . . .
4.4.4 Prservation asymptotique de lordre de la mthode
Oscillations rsiduelles . . . . . . . . . . . . . . . . . . . .
4.5.1 Phnomne de Gibbs . . . . . . . . . . . . . . . . .
4.5.2 Approximation dun choc . . . . . . . . . . . . . .
4.5.3 Thorme de Godunov . . . . . . . . . . . . . . . .
Capture de choc : mthode SUPGDC . . . . . . . . . . . . .
Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Discrtisation en temps
5.1 Discrtisation en temps . . . . . . . . . . . . . .
5.1.1 Choix du type de discrtisation en temps
5.1.2 Discrtisation en temps implicite . . . .
5.2 Inuence de la condition initiale . . . . . . . . .
5.3 Rsum . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

6 Solution des EDP non linaires


6.1 Mthode de Newton : zro dune fonction . . . . . .
6.2 Mthode de Newton : zro dune EDP non linaire .
6.2.1 Problme modle . . . . . . . . . . . . . . .
6.2.2 Drive au sens des oprateurs . . . . . . . .
6.2.3 Itration de Newton . . . . . . . . . . . . .
6.2.4 Application au problme modle . . . . . . .
6.3 Mthode de point xe . . . . . . . . . . . . . . . .
6.3.1 Forme incrmentale . . . . . . . . . . . . . .
6.3.2 Forme non incrmentale . . . . . . . . . . .
6.4 Exemple numrique . . . . . . . . . . . . . . . . . .
6.5 Rsum . . . . . . . . . . . . . . . . . . . . . . . .
7 Formation de choc
7.1 quation de Burgers
7.2 Formation dun choc
7.3 Onde de rarfaction .
7.4 Rsultats numriques
7.5 Rsum . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

8 Problme de Stokes
8.1 Le problme continu . . . . . . . . . . . . . . . . .
8.1.1 Fonctionnelle de Stokes . . . . . . . . . . . .
8.1.2 Condition de point-selle . . . . . . . . . . .
8.1.3 quation aux drives partielles quivalente
8.2 Le problme discret . . . . . . . . . . . . . . . . . .
Cours ENSTA B2-1

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

44
46
47
47
48
50
51
51
51
53
56
57
58

.
.
.
.
.

59
59
59
60
61
63

.
.
.
.
.
.
.
.
.
.
.

65
65
66
67
67
68
69
69
70
70
70
73

.
.
.
.
.

75
75
76
78
79
80

.
.
.
.
.

83
83
83
84
84
85

Table des matires


8.2.1 Espaces de fonctions discrets . .
8.2.2 Condition de point-selle discrte
8.2.3 Stabilit du problme discret . .
8.2.4 lments nis compatibles . . .
8.2.5 Exemples numriques . . . . .
8.3 Rsum . . . . . . . . . . . . . . . . .

5
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

85
85
86
86
87
91

9 Conditions aux limites et conservation


9.1 Problme de Neumann avec termes sources . . . . . . . . . . . . .
9.1.1 Le problme de Neumann continu . . . . . . . . . . . . . . .
9.1.2 Le problme de Neumann discret . . . . . . . . . . . . . . .
9.1.3 Indtermination de linconnue et condition de compatibilit .
9.2 Problme de diusion gnral . . . . . . . . . . . . . . . . . . . . .
9.2.1 Variations sur les conditions aux limites . . . . . . . . . . .
9.2.2 Un exemple simple trait en dtail . . . . . . . . . . . . . .
9.2.3 Multiplicateurs de Lagrange pour les conditions de Dirichlet
9.2.4 Conditions aux limites mixtes . . . . . . . . . . . . . . . . .
9.2.5 Cas de la diusion instationnaire . . . . . . . . . . . . . . .
9.3 Problme de convection-diusion . . . . . . . . . . . . . . . . . . .
9.3.1 Formulations du problme . . . . . . . . . . . . . . . . . . .
9.3.2 Indtermination de T et condition de compatibilit . . . . .
9.3.3 Inuence du dcentrement . . . . . . . . . . . . . . . . . . .
9.3.4 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.4 Problme de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . .
9.4.1 Conditions aux limites essentielles et naturelles . . . . . . .
9.4.2 Conditions aux limites par direction . . . . . . . . . . . . . .
9.4.3 Conditions aux limites mixtes . . . . . . . . . . . . . . . . .
9.4.4 Conditions de compatibilit . . . . . . . . . . . . . . . . . .
9.4.5 Formulations direntes du problme de Stokes . . . . . . .
9.5 Problme de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . .
9.6 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

93
94
94
94
95
97
97
97
102
106
107
108
108
110
111
112
112
112
113
114
114
115
116
117

.
.
.
.
.
.
.
.
.
.

119
119
119
120
121
121
121
123
124
126
127

10 Rsolution pratique dun problme transitoire non-linaire


10.1 Description en langage Gibiane dun problme . . . . . . . . .
10.1.1 Syntaxe des oprateurs de discrtisation spatiale . . . .
10.1.2 Cration des tables dentre . . . . . . . . . . . . . . .
10.2 Algorithme transitoire non linaire . . . . . . . . . . . . . . .
10.2.1 Problme linaire stationnaire . . . . . . . . . . . . . .
10.2.2 Problme linaire transitoire . . . . . . . . . . . . . . .
10.2.3 Problme non linaire stationnaire . . . . . . . . . . . .
10.2.4 Problme non linaire transitoire . . . . . . . . . . . .
10.2.5 Gestion des paramtres importants . . . . . . . . . . .
10.3 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Bibliographie

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

128

Cours ENSTA B2-1

Cours ENSTA B2-1

Table des matires

Introduction
Il pressait sa tte dans ses deux mains, comme pour en
faire jaillir la vrit. Prciser une telle situation ntait
pas facile ; simplifier le complexe, rien de plus malais ; il
avait devant lui de redoutables chiffres dont il fallait faire
le total ; faire laddition de la destine, quel vertige ! il
lessayait ; il tchait de se rendre compte ; il sefforait de
rassembler ses ides, de discipliner les rsistances quil
sentait en lui, et de rcapituler les faits.
Quatrevingt-treize
Victor Hugo

Propos
Ce cours sadresse des tudiants en dernire anne dcole dingnieur. Il suppose que
ltudiant a dj suivi un cours de Mcanique des Fluides et a dj t familiaris la
mthode des lments nis. Toutefois, des rappels sont eectus sur ces deux sujets dans
les chapitres 1 et 3. Lobjectif de ce cours est de mettre en exergue les spcicits lies
lutilisation de la mthode des lments nis pour le calcul dcoulements newtoniens
incompressibles dcrits par les quations de Navier-Stokes.
Lapproche adopte essaie de faire comprendre avec les mains et par lexemple quelles
sont les dicults gnriques et les points importants typiquement rencontrs lors de lutilisation dun code de calcul de mcanique des uides. Cest pourquoi on ne trouvera pas
de dmonstration, mais plutt des exemples illustratifs pratiques. Pour une approche plus
complte et rigoureuse, on se rfrera, par exemple, au livre de A. Ern et J.-L. Guermond [EG02].
On considrera chaque dicult en partant dun problme modle, issu dune simplication des quations de Navier-Stokes incompressible, an den identier les causes et les
remdes. En tte de chaque chapitre, on encadre les termes des quations de Navier-Stokes
que lon regarde plus spciquement.
Le programme utilis pour les exemples de ce cours est le code de calcul par lments nis CastM, mais tout autre programme similaire utilisant les mmes mthodes (FreeFEM,
Comsol. . . ) pourrait convenir car les dicults examines sont gnriques. An que ltudiant puisse reproduire, voire exprimenter avec les exemples donns, la partie signicative
du chier de donnes CastM correspondant est reproduite. Les jeux de donnes complets
sont disponibles dans les exemples du site Internet : http://www-cast3m.cea.fr/.
Cours ENSTA B2-1

Introduction

Plan
Dans le chapitre 1, on drive le systme dquations que lon va tudier (Navier-Stokes
incompressible) partir dquations gnrales de conservation de la masse, de la quantit
de mouvement et de lnergie, en indiquant les lois de comportement et les simplications
utilises.
Le chapitre 2 propose dexaminer deux problmes dquilibre pour lesquels on a un
principe variationnel de minimisation : le problme de Dirichlet (Thermique) et un problme dlasticit linaire (Mcanique). On montrera que ces deux problmes se prtent,
de faon naturelle, une discrtisation par la mthode des lments nis.
En mcanique des uides incompressibles, deux dicults surgissent par rapport ce
cadre :
labsence de principe variationnel sous-jacent pour certains termes (convectifs) ;
la prsence dun principe variationnel, plus compliqu, qui nest plus une minimisation mais une minimisation sous contrainte (problme de Stokes).
Du fait de ces deux dicults principales, lapplication de la mthode des lments nis
la mcanique des uides incompressibles est moins naturelle.
Au chapitre 3, on gnralise la mthode des lments nis des classes dquations aux
drives partielles plus gnrales que celles drivant dun principe variationnel, laide de
la mthode des rsidus pondrs. Les notions de convergence, de consistance et de stabilit
sont abordes.
Au chapitre 4, on sintresse la discrtisation des termes convectifs et on montre quil
faut parfois utiliser des mthodes dites de dcentrement pour obtenir des solutions discrtes
non oscillantes. On tentera dexpliquer les direntes origines possibles de la prsence
doscillations : problme de stabilit du problme discret se traduisant ventuellement
par lapparition doscillations non bornes, problme dapproximation de fonctions variant
rapidement (chocs) par des fonctions continues se traduisant gnralement par lapparition
doscillations bornes (phnomne de Gibbs).
Le chapitre 5 sintresse la discrtisation en temps des problmes instationnaires. On
considrera essentiellement des discrtisations par dirences nies implicites. Limportance du choix de la condition initiale sera galement discut.
Au chapitre 6, on sattache dcrire les direntes faons possible de rsoudre des
quations aux drives partielles non linaires, telles que Navier-Stokes. Les mthodes
abordes sont les mthodes de Newton et de point xe.
Au chapitre 7, on montre comment les non linarits prsentes dans les quations
peuvent tre lorigine de phnomnes intressants dans le comportement des solutions,
tels lapparition de discontinuits (choc). Un rsum de mi-parcours est eectue la n
de ce chapitre.
Le chapitre 8 sattaque la deuxime dicult voque plus haut : le problme de
minimisation sous contraintes dans le cas du problme modle de Stokes. De cette dicult
sensuit que le choix des espaces dlments nis pour la variable principale (la vitesse) et
pour la variable charge dassurer la contrainte dincompressibilit (la pression) nest pas
libre et doit tre eectu soigneusement pour que le problme discret soit bien pos.
Le chapitre 9 est un peu technique mais important : il sattache dcrire en dtail
les conditions aux limites associes la mthode des lments nis et ses proprits de
conservation. En eet, la mthode des lments nis permet de faire apparatre, sans
artice, la notion de conditions aux limites essentielles et naturelles. Il sagit l dun atout
Cours ENSTA B2-1

Introduction

important par rapport dautres mthodes. De manire lie aux conditions aux limites,
on peut driver dimportantes proprits de conservation de la mthode des lments nis.
Enn, le chapitre 10 est un chapitre applicatif, rassemblant les mthode dcrites dans
les chapitres prcdents : on dcrit un algorithme simple de point xe relax, utilis aprs
discrtisation spatiale par la mthode des lments nis pour approcher la solution de
problmes non linaires et instationnaires de mcanique des uides incompressibles. Son
implmentation pratique dans le code de calcul CastM est aborde : il sagit de la procdure EXEC que vous utiliserez pour vos projets. Les dirents paramtres de lalgorithme
(pas de temps, coecient de relaxation. . . ) et la manire de les ajuster sont galement
dcrits dans ce chapitre.

Remerciements
Je remercie Alberto Beccantini, Serge Pascal et Matteo Bucci pour leur relecture attentive du manuscrit et leurs utiles suggestions. Elles ont t prises en compte. Frdric
Dabbne et Henri Paillre, auteurs dun cours donn lENSTA [DP00], ont t une source
dinspiration, ainsi que Jean-Paul Magnaud. Quils en soient remercis. Un certain nombre
de logiciels accessibles librement ont t utiliss pour llaboration de ce document. Parmi
ceux-ci : LATEX, Xg, Emacs, CastM. Je remercie les auteurs de ces logiciels.

Cours ENSTA B2-1

10

Cours ENSTA B2-1

Introduction

11

Chapitre 1
Rappels de mcanique des fluides
On rappelle dans ce chapitre les direntes expressions des quations de conservation
que nous allons considrer. Ce chapitre est en partie repris du livre de Bird et al. [BAH87].
Toutefois, on utilise les notations et les conventions de signe plus usuelles en mcanique
des milieux continus, reprises du livre de Gurtin [Gur81].

1.1

quations de conservation

Le mouvement dun uide est dcrit par les quations de conservation de la masse, de
la quantit de mouvement et de lnergie.

1.1.1

Conservation de la masse

Considrons tout dabord la conservation de la masse sous forme intgrale. Pour cela, on
choisit un volume arbitraire xe de frontire et n, la normale sortante la frontire.
On a alors :
Z
Z
d
=
(1.1)
un d
d
{z
}
}
| {z
|dt
Vitesse de variation de la

Flux de masse entrant par la

masse lintrieur de

frontire

o est la masse volumique du uide et u sa vitesse. En faisant rentrer la drive en temps


sous le signe intgral1 dans le terme de gauche et en utilisant le thorme de la divergence
sur le terme de droite, on obtient :
Z

+ (div u) d = 0
t

(1.2)

Finalement, en utilisant le thorme de localisation [Gur81], vu que est un volume


arbitraire, on en dduit :

= div u
(1.3)
t
Ceci est lquation de conservation de la masse encore appele quation de continuit.
1

Ceci est licite car est fixe.

Cours ENSTA B2-1

12

1.1. quations de conservation

1.1.2

Conservation de la quantit de mouvement

Sous forme intgrale :


d Z
u d
|dt {z
}

=
|

(uu)n d
{z

Vitesse de variation de la

Flux de quantit de mouve-

quantit de mouvement

ment entrant d au trans-

lintrieur de

port par le fluide la frontire

+
|

n d

{z

(1.4)
g d
{z

Flux de quantit de mouve- Force volumique exerce par


ment entrant d aux interac- la gravit sur le fluide
tions molculaires la frontire

o est le tenseur des contraintes et g la force par unit de volume due la gravit.
En utilisant les thormes de la divergence et de localisation comme prcdemment, on
obtient :
u
= div (uu) + div + g
(1.5)
t
Ceci est lquation de conservation de la quantit de mouvement et traduit le bilan des
forces par unit de volume.
En prenant le produit scalaire du bilan des forces par le vecteur vitesse, on obtient la
bilan dnergie cintique :
12 u2
1
= div u2 u + div u + gu
t
2

(1.6)

Cette quation napporte pas dinformation supplmentaire par rapport (1.5) mais est
utile car cest un bilan de puissance (travail des direntes forces par unit de temps)
par unit de volume. Il permet galement de driver des formes alternatives des bilans
dnergie.

1.1.3

Conservation de lnergie totale

Sous forme intgrale :


d
|dt

Vitesse

1 2
u + e d =
2 {z
}
|
de

variation

1
( u2 + e)un d
2
{z
}

qn d
{z

de

Flux dnergie totale entrant

Flux dnergie entrant d

lnergie totale lintrieur

d au transport par le fluide

aux

de

la frontire

laires la frontire

interactions

un d
{z

+
|

molcu-

Flux dnergie d au travail Puissance

gu d
{z

au

travail

du tenseur des contraintes exerc par la gravit sur le


la frontire

Cours ENSTA B2-1

fluide

(1.7)

1. Rappels de mcanique des fluides

13

o e est lnergie interne par unit de masse du uide et q le ux de chaleur2 d la


conduction thermique. En utilisant les thormes de divergence et de localisation comme
prcdemment, on obtient :
( 21 u2 + e)
1
= div( u2 + e)u div q + div u + gu
t
2

(1.8)

qui est lexpression locale (par unit de volume et par unit de temps) de la conservation
de lnergie totale. En soustrayant le bilan dnergie cintique et en supposant le tenseur
des contraintes symtriques, on peut obtenir le bilan dnergie interne (qui nest plus une
quation de conservation) :
e
= div eu div q + : u
t

1.1.4

(1.9)

Forme non conservative des quations de bilan

Nous venons dcrire les quations de bilan sous deux formes :


une forme intgrale (1.1, 1.4 et 1.7) qui est assez gnrale ;
une forme locale, dite conservative3 (1.3, 1.5 et 1.8) plus pratique manipuler mais
qui est moins gnrale : en eet, nous avons utilis le thorme de localisation qui
suppose la continuit de largument contenu lintrieur du signe intgral.
Une troisime forme, locale, dite non conservative, est galement pratique utiliser car
concise. Elle sobtient en dnissant loprateur de drive matrielle :
s
D
s =
+ us
Dt
t
D
v
v =
+ (v) u
Dt
t

(1.10)
(1.11)

Physiquement, il sagit de la drive en temps dune quantit vue par un observateur se


dplaant avec le uide ( la vitesse u). En partant des quations sous forme conservative,
en dveloppant les drives de produits et en utilisant lquation de conservation de la
masse, on peut obtenir :
D
= div u
Dt
D
u = div + g
Dt
D
e = div q + : u
Dt

(1.12a)
(1.12b)
(1.12c)

Ces trois formes des quations de bilan sont quivalentes (i.e. nous navons pas fait
dapproximations pour les obtenir) sous les hypothses de continuit dj voques. De
nombreuses autres formes des quations de bilan sont possibles, voir par exemple le livre
de Candel [Can01].
On devrait plutt nommer q : la densit surfacique de flux de chaleur mais ce nest pas trs concis.
On appelle forme conservative dune quation, une quation crite sous la forme : (quantittconserve) +
div(flux de la quantit) = 0
2

Cours ENSTA B2-1

14

1.2. Lois de comportement

1.2

Lois de comportement

Les quations de conservation que nous venons dcrire sont valables pour tout uide.
Nous allons maintenant nous restreindre la classe des uides Newtoniens incompressibles.

1.2.1

Loi de comportement pour la masse volumique

En gnral, la masse volumique dun uide dpend des variables dtat thermodynamiques, telles que la pression p et la temprature T . Pour les liquides, peut souvent tre
considre comme constante :
= 0 = Cste
(1.13)
On parle de uide incompressible. Ceci permet de simplier lquation locale de conservation de la masse en :
div u = 0
(1.14)
La relation (1.14) est galement utilise pour simplier certains termes des autres quations
de bilan.

1.2.2

Loi de comportement pour le tenseur des contraintes

Pour un uide Newtonien isotrope, on crit le tenseur des contraintes sous la forme :
= pI +

2
= pI + u + t u + div uI
3

(1.15)
(1.16)

o p est la pression thermodynamique, I le tenseur unit, le tenseur des contraintes


visqueuses, la viscosit dynamique et la viscosit dilatationnelle.
Gnralement, p est dtermine laide dune quation dtat thermodynamique : p =
p(, T ). Dans le cas du uide incompressible, cette quation dtat se rduit = Cste
qui ne dpend plus de la pression p. La pression p est donc indtermine et devient une
inconnue du problme4 .
La viscosit dilatationnelle est nulle dans
 le cas du gaz idal, monoatomique et, pour
2
les uides incompressibles, le terme 3 div uI contenant est nul.
Nous pouvons alors simplier lexpression du tenseur des contraintes en :


= pI + u + t u
= pI +

(1.17)
(1.18)

o = u + t u est appel tenseur des taux de dformation.

1.2.3

Loi de comportement pour le flux de chaleur

Pour les uides purs ou les mlanges non diusifs, on considre que le ux de chaleur
q suit la loi de Fourier :
q = kT
(1.19)

o k est la conductivit thermique.

Nous verrons au chapitre 8 que, dans le cas du fluide incompressible, p peut sinterprter comme le
multiplicateur de Lagrange permettant dassurer la conservation de la masse (1.14).
4

Cours ENSTA B2-1

1. Rappels de mcanique des fluides

1.2.4

15

Loi de comportement pour lnergie interne massique

Pour un uide incompressible, on utilise plutt lenthalpie massique h que lnergie


interne massique e :
p
(1.20)
h=e+

En eet, on choisit comme variables dtat (p, T ), plutt que (, T ), vu que la masse
volumique est considre comme constante. On exprime alors h en fonction de ces variables
dtat5 :
dh =

h
T

h
dT +
p
p

dp

(1.21)



dp

(1.22)

1
= cp dT + T

o cp est la capacit calorique pression


  constante. Cette expression gnrale se sim-

plie pour un uide incompressible car

1
T

= 0. On peut crire une quation de bilan

pour lenthalpie, en utilisant le bilan dnergie interne (1.12c) et la conservation de la masse


(1.3) :
D
D
h = div q + : u +
p
(1.23)
Dt
Dt

1.3

Simplification des quations

En utilisant les quations de bilan de masse (1.14), de quantit de mouvement (1.12b)


et denthalpie (1.23), les lois de comportement (1.13), (1.17), (1.19) et (1.21), en supposant
les coecients apparaissant dans ces lois (, k, cp ) constants, et en utilisant des identits
vectorielles et tensorielles donnes dans [BAH87], on arrive la forme suivante des quations de bilan :
div u = 0
(1.24a)
D
u = p + u + g
(1.24b)
Dt
1
D

(1.24c)
cp T = kT + ( : )
Dt
2
Cette forme est attractive car il ne reste plus que les trois variables u, p, T et trois quations.
La forme que lon retient nalement est obtenue en divisant (1.24b) (resp. (1.24c)) par la
masse volumique (resp. cp ) et en ngligeant la production de chaleur par dissipation
visqueuse 12 ( : )
:
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t

(1.25a)
(1.25b)
(1.25c)

On a suppos que h dpend uniquement de ces deux variables (et pas de ltat de contrainte du systme
par exemple).
5

Cours ENSTA B2-1

16

1.3. Simplification des quations

o on a dni : p = p/, = / la viscosit cinmatique, = k/(cp ) la diusivit


thermique, su un terme source pour lquation sur la vitesse et sT un terme source pour
lquation sur la temprature.
Cest cette forme simplie au maximum des quations de bilan que nous allons essayer
de rsoudre. Malgr les simplications eectues, linterdpendance des dirents termes
de ces quations est source de nombreux comportements physiques et de dicults de
modlisation numrique.
Dans la suite de ce cours, nous tudierons le systme (1.25) par petits bouts en en
slectionnant uniquement quelques termes (chapitres 2 8), le chapitre 9 sintressera aux
conditions aux limites associes au systme (1.25), ainsi que les proprits de conservation
des mthodes de discrtisation lments nis utilises. Un algorithme pour la rsolution du
systme global (1.25) et son implmentation sera donne au chapitre 10.
En tte de chaque chapitre, on rappelle lexpression du systme (1.25) en encadrant les
termes qui font lobjet du chapitre.

Cours ENSTA B2-1

17

Chapitre 2
Construction naturelle dune
mthode des lments finis
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Dans ce chapitre, nous nous intressons aux termes diusifs des quations. Nous illustrons le caractre fondamental de loprateur Laplacien en considrant le problme de
Dirichlet (section 2.1) sous la forme dun problme doptimisation dune fonction (forme
variationnelle). Nous montrons que cette forme variationnelle se prte particulirement
bien une rsolution par ordinateur, aprs discrtisation, pour donner la mthode des
lments Finis.
Nous donnons des exemples de solutions du problme de Dirichlet en section 2.2 et
discutons de leur rgularit.
Nous parlons nalement du problme de llasticit linaire en section 2.3, qui fait
galement apparatre un Laplacien, vectoriel cette fois-ci.

2.1
2.1.1

Problme de Dirichlet
Le problme de Dirichlet continu

Problme de prolongement
Intressons-nous au problme suivant, illustr sur la gure 2.1 de gauche : soit un
domaine ferm de bord et une fonction T0 dnie sur . On cherche une fonction
T , dnie sur tout le domaine , qui prolonge T0 , cest--dire telle que :
T | = T0

(2.1)

Il existe videmment une innit de telles fonctions, cest pourquoi nous allons demander
cette fonction dtre telle que son gradient T , qui caractrise ses variations spatiales,
Cours ENSTA B2-1

18

2.1. Problme de Dirichlet


T (x)

T | = T0

Tb

T?
T?

Ta

Fig. 2.1: Problme de prolongement. Gauche : en dimension 2. Droite : en dimension 1.


soit le plus petit possible, en un certain sens. An de prendre en compte T sur lensemble
du domaine , il convient de faire intervenir une intgrale sur , cest--dire de considrer
une moyenne du gradient.
La variation totale
Regardons comment formaliser mathmatiquement le problme prcdent en une dimension despace (gure 2.2 de droite). Une premire ide peut tre de considrer le problme doptimisation suivant. Il sagit de trouver une fonction T telle que le rel J(T ),
appel variation totale, soit minimum :
min J(T ) = min
1

T L1D ()

b T

T LD () a

dx

(2.2)

Ici, T (x) L1D () signie que T est une fonction dnie sur appartenant L1 (), cest-dire dont la valeur absolue de la drive est intgrable (an que J(T ) soit calculable),
et dont la valeur est donne sur le bord du domaine : T |x=a,b = Ta,b . J est appele une
fonctionnelle valeurs relles, cest--dire quil sagit dune fonction de fonction.
En fait, il est facile de voir quelles vont tre les solutions du problme (2.2) : en calculant
> 0 et T
0, on voit que J(T ) est la
sparment lintgrale sur les domaines o T
x
x
somme des dnivells montants et des dnivells descendants (gure 2.2 de gauche). J(T )
a donc pour valeur minimum |Tb Ta | et cette valeur est atteinte pour toutes les fonctions
monotones sur = [a, b]. Ces fonctions ne sont pas forcments continues et elles sont
forcment comprises dans le rectangle dni par les conditions aux limites (gure 2.2 de
droite).
Par rapport au problme de prolongement de dpart, le critre de minimisation (2.2)
a permis de slectionner un ensemble de solutions vriant une proprit de monotonie,
mais pas de trouver une solution unique.
Fonctionnelle de Dirichlet
Cest pourquoi nous allons choisir une autre norme pour mesurer le gradient qui, cette
fois-ci, va nous permettre dexhiber une solution unique. On considre donc maintenant le
Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

19

T (x)

T (x)

Tb

Tb
T 2

T 3

T 1
Ta

Ta
J(T ) = |T 1 | + |T 2 | + |T 3 |
a

Fig. 2.2: Gauche : la variation totale J(T ) est la somme des dnivells en valeur absolue.
Droite : exemples de fonctions T telles que T |x=a,b = Ta,b et minimisant la variation totale
J(T ).
problme doptimisation suivant : il sagit de trouver une fonction T telle que le rel I(T )
soit minimum :
Z

kT k2 d
(2.3)
min
I(T
)
=
min
1
1
T HD ()
T HD () 2
1
Ici, T (x) HD
() signie que T est une fonction dnie sur appartenant H1 (),
cest--dire dont le gradient est de carr intgrable (an que I(T ) soit calculable), et dont
la valeur est donne sur le bord du domaine :

T | = T0

(2.4)

Ici, est un coecient scalaire positif constant. Il ne joue pas de rle dans ce chapitre
sinon celui davoir les bonnes units physiques. Le fait que ce problme doptimisation,
appel problme de Dirichlet, soit bien pos (voir section 3.2 pour cette notion), cest-dire, en particulier, quil admette une solution unique, est dune importance fondamentale.
La dmonstration sortant du cadre de ce cours, nous nous contenterons de caractriser
cette solution.
Notion de drive fonctionnelle
Sous des hypothses de rgularit de I, une condition ncessaire pour que I soit minimum est dcrire que sa drive sannule.
La notion de drive utilise ici est la notion de drive fonctionnelle. De mme que
pour une fonction T dpendant dun vecteur x, on utilise la drive directionnelle suivant
une direction y :
T (x + y) T (x)
(2.5)
Dy T (x) = lim
0

Pour une fonctionnelle I dpendant dune fonction T , on utilise la drive fonctionnelle


suivant une direction U, qui est une fonction :
d
I(T + U)
0 d

U I(T ) = lim

(2.6)
Cours ENSTA B2-1

20

2.1. Problme de Dirichlet

T (x)

T (x)
Tb

1
Ua,

Uc,

Ta
0
aa+ c c c+

Fig. 2.3: Gauche : exemples de fonctions test U, appele fonctions chapeau. Droite :
solution T du problme de Dirichlet (2.3)(2.4) en 1D.
ce qui se lit : la drive de la fonctionnelle I au point T , dans la direction de U gale. . .
Lorsquon eectue la drivation par rapport , T et U sont xes.
La drive fonctionnelle est galement une fonctionnelle, qui, aux deux fonctions T et
U, associe une valeur relle U I(T ).
Condition de minimisation
La condition de minimisation du problme (2.3) scrit donc :
U I(T ) = 0 U H01 ()

(2.7)

comme, daprs la dnition de la drive fonctionnelle (2.6) :


d
U I(T ) = lim
0 d

Z

kT k2 d +
2

nalement :
U I(T ) =

T U d +

kUk2 d
2

T U d = 0 U H01 ()

(2.8)

(2.9)

Ici, U(x) H01 () signie que U, de mme que T , est une fonction dont le gradient est de
carr intgrable. Par contre, sa restriction au bord du domaine est nulle : U| = 0. Ceci
1
vient du fait que lon veut que T + U soit, de mme que T , dans HD
() pour tout .
Interprtation de la condition de minimisation en 1D
An dinterprter la condition de minimisation (2.9) sur notre problme de Dirichlet
en 1D, choisissons une fonction test U particulire, centre en c ]a, b[, dextension
et linaire par morceaux, note Uc, (voir gure 2.3 de gauche). Il sagit dune fonction
chapeau.
On a :
Z c+
Z c
dT 1
dT 1
dx +
dx = 0
(2.10)

Uc, I(T ) =

dx
dx
c
c
Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

21

Ceci signie que les moyennes de dT


sur [c , c] et [c, c + ] sont gales. En considrant
dx
tous les points c [a + , b ] et en passant la limite 0+ , on en dduit :

dT
= Cste
dx

sur ]a, b[

(2.11)

o Cste est une constante arbitraire. La condition (2.11) nous permet de dduire que la
solution du problme de Dirichlet en 1D est la droite reliant les points correspondant aux
conditions aux limites de Dirichlet T |x=a,b = Ta,b (gure 2.3 de droite).
Regardons galement la fonction Ua, . On ne peut pas la choisir pour le problme de
Dirichlet car elle ne sannule pas au bord et ne fait donc pas partie de H01 (). Nanmoins,
si on crit tout de mme la condition de minimisation, on obtient :
Ua, I(T ) =
Ceci signie que la moyenne de
on en dduit :

dT
dx

a+

dT 1
dx = 0
dx

(2.12)

sur [a, a + ] est nulle. En passant la limite 0+ ,


dT
= 0
dx a

(2.13)

Ceci est un deuxime type de condition la limite possible, qui apparat lorsque T nest
plus impose au bord. Elle est appele condition de Neumann ou condition naturelle.
quation aux drives partielles quivalente
En dimension quelconque, la gnralisation de linterprtation eectue en sous-section
prcdente fait intervenir lintgration par parties qui permet, partir de lquation (2.9),
de se ramener une quation aux drives partielles (EDP) correspondante. Le but est de
se ramener une quation de la forme suivante :
Z

EDP U d = 0 U

(2.14)

Do lon dduira : EDP = 0 par le thorme de localisation (galement appel Lemme


fondamental du calcul des variations, voir [Gur81]).
Appliquons la mthode en intgrant (2.9) par parties, on obtient :
Z

T U d +

T n U d = 0

(2.15)

Le deuxime terme de (2.15) sannule car U est nulle au bord du fait que T est connue
au bord (condition de Dirichlet ou essentielle). Toutefois, la forme de ce deuxime terme
permet de faire apparatre lexpression T n qui est un ux de la variable T travers
le bord. Lannulation de ce ux est un deuxime type de condition la limite possible pour
le problme que nous sommes en train dtudier : elle se nomme condition de Neumann ou
condition naturelle.
Nous reviendrons en dtail sur lexpression des conditions aux limites dans le chapitre 9.
Le premier terme de (2.15) nous permet dexprimer lEDP dont nous cherchons la
solution :
T = 0 sur \
(2.16)
Cours ENSTA B2-1

22

2.1. Problme de Dirichlet

Intrt de la mthode
Pourquoi avoir eectu toutes ces circonvolutions et introduit des outils en apparence
complexe pour aboutir lEDP (2.16) des plus simples ? On peut donner les raisons suivantes :
1. La concision du principe (2.3) dont on peut dduire, non seulement lEDP (2.16),
mais galement les conditions aux limites de Dirichlet et de Neumann licites.
2. Lapparition naturelle de lespace de fonction H1 () dans lequel on cherche la solution. Cet espace est plus tendu que celui qui apparat la seule lecture de lEDP
(2.16) et qui parat requrir des fonctions deux fois drivables. Le principe (2.3) est
en ce sens plus gnral.
3. Le principe (2.3), dont la solution T est un lment dun espace de fonctions continu,
stend trs simplement lorsquon cherche une solution approche Th discrte, cest-dire dpendant dun nombre ni de paramtres, comme nous allons le voir dans la
section suivante.
On voit galement que rsoudre un Laplacien avec conditions aux limites de Dirichlet
peut sinterprter comme la rponse la question suivante : Quelle est la fonction la plus
rgulire1 possible vriant les conditions aux limites ?
Cette interprtation est importante car elle met en vidence le fait que loprateur Laplacien est un oprateur rgularisant. Ce rle rgularisant apparatra de manire rcurrente
dans les prochains chapitres :
Dans le chapitre 4, nous verrons quun schma instable et un schma stable pour
lquation de convection-diusion dirent uniquement par un terme de type Laplacien discrtis.
Dans le chapitre 5, nous verrons quune quation de diusion instationnaire (quation
de la chaleur) ayant une condition initiale (t = 0) non rgulire, admet une solution
rgulire ds que t > 0 dans le cas continu et aprs quelques pas de temps dans le
cas discret.
Dans le chapitre 7, nous verrons que lon a besoin dun petit terme de diusion
pour obtenir la solution physique dun problme autrement mal pos (quation de
Burgers). . .

2.1.2

Le problme de Dirichlet discret

Espaces de fonctions discrets


1
Lespace de fonctions HD
() dans lequel on cherche la solution T du problme de
Dirichlet (2.3) est un espace de dimension inni. Il est donc trop grand pour pouvoir tre
reprsent par un ordinateur ! Cest pourquoi on va plutt chercher une solution approche
1
Th dans un espace de fonctions ni, sous-espace de HD
() : H1D () de dimension N. Si Ni
est une base de cet espace de fonctions, on pourra crire :

Th (x) =

N
X

Ti Ni (x)

(2.17)

i=1

ici rgularit signifie : ayant le gradient le plus petit possible au sens de la norme L2 (), i.e. la fonction
la plus constante possible.
1

Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

23

La mthode des lments nis consiste construire la base des Ni dune certaine manire
et appliquer le principe de minimisation (2.3) en cherchant une solution dans lespace
H1D ().
Pour construire la base des Ni , on sappuie sur un dcoupage du domaine (maillage)
en sous-domaine simples k (triangles, carrs, ttradres) et on construit les Ni de telle
manire quelles sexpriment simplement sur chaque sous-domaine k .
Les inconnues du problme rsoudre sont dsormais les inconnues Ti . Souvent, en
lment nis, les Ti correspondent au valeur de Th aux nuds du maillage pour peu que
Ni soit une base nodale de H1D (). Un base nodale vrie les proprits suivantes :
Au nud Pi de coordonnes xPi : Ni (xPi ) = 1 ;
Aux autres nuds j 6= i de coordonnes xj : Ni (xPj ) = 0.
Nous donnerons des exemples dune telle base dans le chapitre 3.
Condition de minimisation discrte
Le principe (2.3) exprim dans lespace de fonctions discret consiste trouver la fonction
Th minimisant le rel I(Th ) :
min
I(Th ) = min
1
1

Th HD ()

T HD ()

kTh k2 d
2

(2.18)

1
On aura forcment que : minTh H1D () I(Th ) minT H1D () I(T ) puisque H1D () HD
()
mais on peut montrer, pour le problme de Dirichlet (thorme de Lax-Milgram, cf.
[EG02]), que Th tend vers T lorsquon augmente la dimension N de H1D (), cest--dire
lorsquon rane le maillage.
La condition de minimisation (2.9) scrit alors pour le problme discret :

Ni I(Th ) =

Th Ni d = 0 Ni H10 () i.e. i \

(2.19)

Et, en dveloppant Th sur la base des Ni , on obtient le systme linaire dinconnues Tj


suivant :
Z

Th Ni d =

X
j

X
j

Tj (

Nj Ni d)

Tj Rji = RT = 0 i \

(2.20)

o T est le vecteur des inconnues Tj . La matrice Rij est souvent appele matrice de rigidit
du fait que la mthode des lments nis a t historiquement applique des problmes
de mcanique (voir section 2.3).
Pour le problme de Dirichlet, on voit donc que lon sest ramen trs simplement
un systme linaire qui se prte bien une rsolution par ordinateur, en appliquant un
principe de minimisation et en discrtisant un espace de fonction.
Le processus de discrtisation eectu est rsum au tableau 2.1.
Un point important est, quune fois la discrtisation eectue, on ne peut gnralement
plus utiliser lintgration par parties dans la condition de minimisation discrte (2.19) car
les fonctions de base Ni ne sont pas susamment rgulire (pas deux fois drivable). Cest
Cours ENSTA B2-1

24

2.2. Exemples de solutions discrtes

Continu
1
T HD
()
minT
R

2 kT k

T U d = 0 U

T = 0

Discret
P
Th = N
i=1 Ti Ni

minTi

2 kTh k

Systme
matriciel

Th Nj d = 0 Nj

RT = 0

Tab. 2.1: Discrtisation du problme de Dirichlet : suivre les doubles ches . Du problme de Dirichlet lquation de Laplace : suivre les simples ches .
P4
y
P2
1
P3
P5

P1

P0

s
1

Fig. 2.4: Gauche : reprsentation de avec des points de contrle. Droite : maillage en
triangle du domaine .
pourquoi on dit souvent que Th est une solution faible 2 du problme de Dirichlet discret.
Nous reviendrons sur ce point important dans le chapitre 9 consacr aux conditions aux
limites car on verra que les conditions de Neumann sont galement imposes de manire
faible.

2.2
2.2.1

Exemples de solutions discrtes


Solutions rgulires

Pour illustrer le comportement des solutions du problme (2.3)(2.4) en 2D, on trace


des solutions discrtes obtenues en rsolvant le systme linaire (2.20). La gure 2.4 illustre
le contour, ainsi que le maillage de domaine choisi.
Choisissons tout dabord comme condition la limite une courbe Gaussienne dpendant
de labscisse curviligne s et centre au point P1 :


Th | (s) = exp

s sP 1
0.15

2

(2.21)

Ce terme de solution faible nest pas pjoratif. Il signifie juste que la formulation faible (2.9) du
problme de Dirichlet, plus gnrale, admet plus de solutions que sa formulation forte (2.16).
2

Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

0.94
0.86
0.78
0.70
0.62
0.54
0.46
0.38
0.30
0.22
0.14
0.06

25
0.99
0.94
0.90
0.85
0.80
0.75
0.71
0.66
0.61
0.56
0.52
0.47
0.42
0.37
0.33
0.28
0.23
0.18
0.13
0.09
0.04

Fig. 2.5: Solution numrique Th du problme (2.18)(2.21). Gauche : reprsentation des


isovaleurs de Th . Droite : reprsentation en 3D de Th ; z = Th (x, y).
0.94
0.86
0.78
0.70
0.62
0.54
0.46
0.38
0.30
0.22
0.14
0.06

0.99
0.94
0.90
0.85
0.80
0.75
0.71
0.66
0.61
0.56
0.52
0.47
0.42
0.37
0.33
0.28
0.23
0.18
0.13
0.09
0.04

Fig. 2.6: Solution numrique Th du problme (2.18)(2.22). Gauche : reprsentation des


isovaleurs de Th . Droite : reprsentation en 3D de Th ; z = Th (x, y).
On obtient la solution numrique de la gure 2.5. On observe que la solution Th est rgulire
et sattnue rapidement lorsquon sloigne du point P1 de telle manire que kT k2 est
eectivement trs faible dans lessentiel de .
Si on choisit maintenant comme condition la limite une courbe Gaussienne centre
au point P3 :


s sP 3 2
Th | (s) = exp
(2.22)
0.15
On obtient la solution numrique de la gure 2.6. Cette fois-ci, on observe que la solution
Th sattnue un peu moins rapidement lorsquon sloigne du point P3 : ceci est d au fait
que P3 est situ dans une partie concave de .

2.2.2

Solutions singulires

On a dit que les solutions du problme de Dirichlet, du fait quelles sont de gradient
minimum, sont gnralement trs rgulires. Il y a nanmoins des cas dintrt o ces
solutions peuvent exhiber des singularits. Citons en trois :
1. La fonction donne au bord T | est singulire ;
2. Le bord prsente des coins rentrants ;

Cours ENSTA B2-1

26

2.2. Exemples de solutions discrtes


y
V =1

0.5

V =y

V =0

Fig. 2.7: Gauche : schma reprsentant la gomtrie et les conditions aux limites du cas
du paratonnerre. Droite : maillage en triangle du domaine .
3. Les conditions aux limites changent de nature (passage DirichletNeumann) sur le
bord .
Dans ces trois cas, la singularit vient du bord, ce qui est normal car les solutions du
problme de Dirichlet sont entirement dtermines par ce que lon impose au bord.
Singularit de pointe : le paratonnerre
Considrons donc le deuxime cas avec le domaine de la gure 2.7. Son bord
prsente une pointe trs concave ( 0). Imaginons maintenant que le bord bas reprsente un paratonnerre pos au sol au potentiel V = 0 et que le bord haut reprsente
un nuage un potentiel dirent V = 1. On suppose que le potentiel lectrique V vrie
lquation de llectrostatique V = 0, cest--dire que V est solution du problme de
Dirichlet (2.3)(2.4).
Lorsque lon calcule une solution discrte (gure 2.8), on saperoit que les isovaleurs
de V sont trs resserres prs de la pointe, signe dun gradient, donc dun champ lectrique
lev. Cest leet de pointe. Il permet dexpliquer que la foudre va prfrentiellement
tomber sur le paratonnerre : lionisation de lair va se produire prs de la pointe et ainsi
gnrer une zone de conductivit lectrique leve qui va canaliser la foudre.
Singularit Dirichlet-Neumann
Considrons maintenant le cas du paratonnerre lorsque : = 0. On note que la gomtrie et les conditions aux limites sont symtriques par rapport laxe x = 0. On peut
donc se limiter au demi-domaine montr sur la gure 2.9.
Le bord rectiligne gauche AD du domaine prsente maintenant un changement de
conditions aux limites au point E :
Condition de Dirichlet homogne V = 0 correspondant au paratonnerre sur AE ;
Condition de Neumann homogne V
= 0 sur ED. Cette condition traduit le fait que
n
le ux de linconnue V travers ED est nul du fait de la symtrie.
Les solutions prsentent, de mme que pour le paratonnerre, une singularit
E.
au point

On peut montrer [SF88] que la solution prs du point E se comporte comme r sin 2 o r
est la distance au point E. La gure 2.10 de droite illustre ce comportement sur le prol
de potentiel lectrique V selon les segments AD et EF.
La solution V est continue mais pas drivable au point E. Par contre, son gradient
V reste malgr tout de carr intgrable sur ! En eet, en passant en coordonnes
Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

27

0.98
0.92
0.88
0.83
0.77
0.73
0.67
0.63
0.58
0.52
0.47
0.43
0.38
0.32
0.28
0.22
0.18
0.13
0.08
0.03

Fig. 2.8: Isovaleurs de la solution discrte Vh du cas du paratonnerre.

V =1

V
=0
n

V =y

r
E

V =0

Fig. 2.9: Schma reprsentant un demi-domaine et les conditions aux limites associes
au cas du paratonnerre, gure 2.7, lorsque = 0.

Cours ENSTA B2-1

28

2.2. Exemples de solutions discrtes

Vh (s)

1.0

0.99
0.94
0.89
0.84
0.79
0.74
0.69
0.64
0.59
0.54
0.49
0.44
0.39
0.34
0.29
0.24
0.19
0.14
0.09
0.04

0.8

0.6

0.4

0.2

PA
PE

PE

PD
PF

0.0

0.0

0.2

0.4

0.6

0.8

1.0

Fig. 2.10: Gauche : Isovaleurs de la solution discrte Vh du problme du paratonnerre avec


= 0. Droite : prols de la solution discrte Vh en fonction de labscisse curviligne s. :
suivant le segment AD.  : suivant le segment EF.
cylindriques (r, ) centres en E, la norme H1 () de la solution est de la forme :
Z

kV (r, )k d =
=

!2

1 V
+
r

V
r

1
C()
r

!2

!2

rdrd

(2.23)

!2
r
+ D()
rdrd
r

(2.24)

qui est bien calculable.


La singularit du gradient de linconnue au changement de condition la limite peut
galement se voir de manire qualitative sur les isovaleurs de linconnue, comme le montre
la gure 2.10 de gauche :
Au-dessus du point E, les isovaleurs sont perpendiculaires la frontire AD, du fait
=0 ;
de la condition de symtrie V
n
En-dessous du point E, les isovaleurs ont tendance tre parallles la frontire AD,
le morceau de frontire AE tant lui-mme lisovaleur V = 0 .
Influence des singularits
Comme vous pourrez le voir dans le cadre de vos projets, dans la plupart des cas
pratiques, une ou plusieurs singularits seront souvent prsentes. Il est important de savoir
les localiser car les ordres de convergence et la prcision des mthodes de discrtisation
sont en gnral moindres en leur prsence. Un premier remde gnralement adopt est
de raner le maillage proximit des singularits comme nous lavons fait pour le cas du
paratonnerre (gure 2.7 de droite).
Pour une tude plus complte de linuence des singularits sur la mthode des lments
nis, on pourra consulter le chapitre 8 de Strang et Fix [SF88].
Cours ENSTA B2-1

2. Construction naturelle dune mthode des lments finis

2.3

29

Problme dlasticit linaire

Comme autre exemple, plus complexe et historiquement important, dapplication dun


principe de minimisation, on peut donner le principe suivant utilis en mcanique dans le
cadre de llasticit linaire en petites dformations :
2

1 Z u + t u
+ (u)2 f u d
min 3

min 3 I(u) =


2
u(H1D ()) 2
u(H1D ())

(2.25)

o et sont les coecients de Lam.f sont les forces volumiques appliques sur le solide
(par exemple la gravit) et u sont les dplacements du solide par rapport la conguration
de rfrence choisie. La quantit que lon veut minimiser, I(u), est appele nergie lastique.
On a pris comme conditions aux limites des dplacements imposs sur la frontire . Les
coecients de Lam sont relis au module dYoung E et au coecient de Poisson :
E=

3 + 2
+

1
2+

(2.26)

La condition de minimisation scrit alors :


v I(u) =

u : v + ( + )uv f v d = 0 u H01 ()

3

(2.27)

Cette condition est souvent voque sous le nom de principe des travaux virtuels.
De cette condition dcoulent les quations de Navier de llasticit linaire :
u + ( + )u + f = 0

(2.28)

que lon peut crire sous la forme, dite mixte, plus conventionnelle, suivante, en introduisant
le tenseur des contraintes :
+ f = 0

= (u)I + u + u

(2.29)
(2.30)

Lquation (2.29) exprime lquilibre des forces et lquation (2.30) donnant lexpression
de , est la loi de comportement.
Le problme dlasticit linaire nous servira en mcanique des uides. En eet, nous
verrons au chapitre 8 que, lorsque le premier coecient de Lam , le systme de
llasticit linaire tend vers les quations de Stokes incompressible, approximation des
quations de Navier-Stokes petit nombre de Reynolds.

2.4

Rsum

Nous avons insist dans ce chapitre sur la drivation de la mthode des lments nis
par un principe variationnel du fait de son caractre naturel. Nous reviendrons sur le
point important des conditions aux limites au chapitre 9. Il est connu que les principes
variationnels jouent un rle trs important en physique et il nous a paru utile de relier
ces principes plutt thoriques des applications concrtes : mthode des lments nis et
calcul de solutions approches par ordinateur.
Cours ENSTA B2-1

30

2.4. Rsum

On pourrait galement donner dautres exemples de phnomnes physiques sappuyant


sur un principe variationnel et trouvant des applications en mcanique des uides. Citons,
par exemple, les phnomnes de tension supercielle qui produisent des forces tendant
minimiser des surfaces. . .
En mcanique des uides incompressibles, au moins deux problmes surgissent par
rapport au cadre variationnel que nous venons dexaminer :
certains termes des quations ne drivent pas simplement dun principe variationnel :
notamment dans lquation de convection-diusion uT T = 0, le premier
terme ne drive pas simplement dun principe variationnel ;
des principes doptimisation plus complexes que la simple minimisation, tels que la
minimisation sous contraintes, peuvent tre mis en jeu comme cest le cas pour le
problme de Stokes incompressible.
Du fait de ces deux points, la mthode des lments Finis sapplique moins naturellement
la mcanique des uides incompressibles et on doit user dastuces pour lappliquer.
Au chapitre 3, on gnralise la mthode des lments nis des classes dquations
aux drives partielles plus gnrales que celles qui dcoulent dun principe variationnel.
Au chapitre 4, on examine les dicults lies au terme de convection sur une quation
de convection-diusion stationnaire dun scalaire. Enn, au chapitre 8, on examine les
dicults lies la contrainte sur la divergence pour le problme de Stokes incompressible.

Cours ENSTA B2-1

31

Chapitre 3
Mthode des lments finis

u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Dans ce chapitre, nous dcrivons comment driver une mthode de discrtisation pour
des quations aux drives partielles plus gnrales que celles vues au chapitre prcdent. Il
sagit de la mthode des rsidus pondrs (section 3.1). Nous lappliquons, titre dexemple,
lquation de convection-diusion dun scalaire qui servira de problme modle au chapitre 4.
Nous introduisons ensuite les notions de convergence et de stabilit en section 3.2 car,
contrairement au chapitre 2, la convergence des solutions discrtes obtenues par la mthode
des rsidus pondrs nest pas acquise.
Enn, en spcialisant la mthode des rsidus pondrs une base de fonctions particulires, nous obtenons la mthode des lments nis et nous rappelons brivement les outils
mathmatiques utiliss pour une implmentation pratique dans un code de calcul (sections
3.3 et suivantes).

3.1

Mthode des rsidus pondrs

On applique la mthode du chapitre prcdent lenvers : on part de lquation aux


drives partielles pour parvenir la formulation faible. Prenons lexemple de lquation
de convection-diusion stationnaire comme modle, o u est un champ de vecteurs donn :
uT T = 0

(3.1)

Lexpression gauche du signe gal se nomme le rsidu R. Cest un oprateur : une


fonction T , il associe une fonction uT T .
Rsoudre le problme revient trouver la fonction T qui annule le rsidu. Comme il a
t not au chapitre prcdent, avec un ordinateur, on est, en gnral, oblig de chercher
Cours ENSTA B2-1

32

3.1. Mthode des rsidus pondrs

une fonction Th approchant T dans un espace de fonctions de dimension nie Fpri . Soit Ni
(i [1, N]), une base de cet espace Fpri sur laquelle on peut dcomposer Th :
Th (x) =

N
X

Ti Ni (x)

(3.2)

i=1

Les inconnues du problme deviennent les N coecients Ti qui sont appels degrs de
libert. En gnral, on aura :
R(Th ) = uTh Th 6= 0

(3.3)

car Th ne reprsentera gnralement quune approximation de la solution exacte T du


problme (3.1).
An de dterminer les Ti , plusieurs mthodes sont possibles. On peut, par exemple,
demander :
que le rsidu R(Th ) sannule en N points bien choisis : il sagit dune mthode de
collocation ;
que le rsidu R(Th ) soit minimum selon une certaine norme. Dans le cas de la norme
L2 (), on aboutit des mthode dites de moindres carrs ;
que le rsidu R(Th ) soit orthogonal un espace de fonctions Fdua . Pour cela, il faut se
placer dans des espaces de fonctions munis dun produit scalaire (espace de Hilbert).
Ceci constitue la mthode des rsidus pondrs.
En gnral, on applique cette dernire mthode avec des espaces de fonctions qui sont des
sous-espaces de L2 () et avec le produit scalaire associ la norme L2 () :
hu, vi =

uv d

(3.4)

Si on choisit Fpri = Fdua , on obtient une mthode de Galerkin qui scrit :


j [1, N] hR(Th ), Nj i = 0

(3.5)

soit en exprimant R et Th , en utilisant la linarit de lintgrale et lintgration par parties


sur le Laplacien :
j [1, N]

N
X
i=1

Ti

Z

uNi Nj + Ni Nj d

Ni nNj d = 0

(3.6)

et aprs calcul des intgrales de volume (celle de bord est nulle si lon suppose que les Ti
sont xes au bord) :
(3.7)
j [1, N] (C + R)jiTi = 0

o C est la matrice de convection et R est la mme matrice de rigidit quau chapitre


prcdent (quation (2.20)). L encore, on sest ramen un systme linaire susceptible
dtre rsolu par ordinateur. Le processus de discrtisation eectu est rsum sur le tableau
3.1, comparer avec le tableau 2.1.
Par rapport la mthode vue au chapitre prcdent, la mthode des rsidus pondrs
parat plus gnrale, puisquelle peut sappliquer, a priori, nimporte quelle quation aux
drives partielles. Nanmoins, elle semble prsenter galement quelques inconvnients :
Cours ENSTA B2-1

3. Mthode des lments finis

33

Continu
1
T HD
()

Discret
P
Th = N
i=1 Ti Ni

Systme
matriciel

Pas de principe de minimisation


R

uT U d
R
+ T U d = 0 U

uT T = 0

uTh Nj d
+ Th Nj d = 0 Nj
R

(C + R) T = 0

Tab. 3.1: Discrtisation de lquation de convection-diusion par une mthode de Galerkin : suivre les doubles ches . comparer avec le tableau 2.1.

1. elle nous dit peu de choses sur les espaces primaux de fonctions dans lesquels chercher
la fonction T et son approche Th et sur les espaces duaux pour les rsidus continus
et discrets ;
2. les conditions aux limites licites pour rsoudre le problme ne sont galement pas
prcises ;
3. lutilisation de lintgration par parties sur le Laplacien, pour diminuer la rgularit
exige sur les fonctions Ni , parat assez articielle.
En outre, le fait que lon puisse appliquer la mthode ne nous garantit pas que le
systme discret obtenu soit inversible et, sil lest, que la solution Th obtenue approchera
correctement T . Pour sen assurer, il faut examiner la convergence de la mthode.

3.2

Equivalence convergence-stabilit

On crit le thorme dquivalence de Lax qui est le thorme fondamental de lanalyse


numrique, il snonce ([Str07]) :

Thorme 1 (Lax) La stabilit est quivalente la convergence, pour une approximation


consistante dun problme linaire bien pos.

Notons Lu = f , le problme linaire considr o L reprsente loprateur linaire associ


au problme, f les donnes du problme (y compris les conditions aux limites) et u les
inconnues du problme. Notons galement Lh Uh = fh le problme issu de la discrtisation.
Cours ENSTA B2-1

34

3.2. Equivalence convergence-stabilit

Consistance fh f et Lh u L
u pour des fonctions rgulires u quand h 0.
Ceci signie que lon approche correctement les donnes du problme f et le
problme L.
Problme bien pos Linverse de L est born : kuk = kL1 f k Ckf k. Ici, on a
suppos que linverse de L existe, cest--dire quil existe une solution unique u
du problme pour chaque f .


Stabilit Les inverses discrets Lh sont uniformment borns : kUh k = L1
h fh
C kfh k, h. Grossirement, ceci signie que le module de la plus petite valeur
propre des Lh , 1h , est suprieur une constante strictement positive indpendante de h.

Convergence u Uh 0 quand h 0.
On voit que la stabilit du problme discret est similaire au caractre bien pos du problme
continu avec une dicult supplmentaire due la discrtisation h : le problme discret
doit tre uniformment bien pos.
1
Une ide de la preuve du thorme consiste additionner et retrancher L1
h Lu = Lh f
u Uh :
1
u Uh = L1
h (Lh u Lu) + Lh (f fh ) 0

(3.8)

La consistance contrle les termes entre parenthses (ils tendent vers zro). La stabilit
contrle les L1
h qui agissent dessus. Le caractre bien pos contrle lapproximation des
solutions u par des fonctions rgulires u.
On note que lnonc du thorme de Lax est trs gnral : en particulier, nous navons
pas prcis le choix des espaces de fonctions et des normes. Nous verrons plus loin que
ces choix sont importants (section 4.5.2). Des rsultats plus forts que le thorme de Lax
peuvent tre obtenus dans des cas particuliers : par exemple, sur les ordres de convergence
des mthodes.
En pratique, pour des problmes linaires bien poss, comme lquation de convectiondiusion et le problme de Stokes avec des conditions aux limites adquates, la mthode
des rsidus pondrs est consistante. Par contre, la stabilit nest pas toujours acquise, ce
que montreront les exemples numriques de la suite du cours : au chapitre 4 pour lquation
de convection-diusion et au chapitre 8 pour le problme de Stokes.
Lorsque le problme approcher est non linaire, les choses peuvent se compliquer
singulirement. Nous en verrons un exemple simple sur lquation de Burgers au chapitre
7. En ce qui concerne les quations de Navier-Stokes incompressible en 3D, il nexiste pas de
thorme gnral dexistence de solutions : on ne sait pas, en gnral, si le problme continu
est bien pos. Cela ne nous empche pas den chercher des solutions numriquement ! Se
posent toutefois des questions, notamment concernant lapparition de la turbulence et sa
modlisation (qui donne peut-tre un problme mieux pos). Ces sujets sont dactualit
et des rponses partielles ces questions font lobjet dun prix (1000000$) propos par le
Clay Mathematics Institute.
A notre modeste niveau, il faut toujours se poser des questions en prsence dun rsultat
de simulation numrique en mcanique des uides et, en gnral, la confrontation des
donnes exprimentales est requise.
Cours ENSTA B2-1

3. Mthode des lments finis

3.3

35

Fonctions de base

Une fois crit le problme discret (2.20) ou (3.6), il reste choisir une base Ni particulire. En une dimension despace, de nombreux choix sont possibles : dcomposition
en srie de Fourier, base de polynmes orthogonaux (Legendre, Chebychev). . . En dimension despace plus grande, on peut tendre facilement les bases prcdentes en maillage
cartsien, mais cela est plus dicile en maillage quelconque.
La mthode des lments nis, elle, construit cette base Ni de la faon suivante :
Maillage Le domaine modliser est partitionn en lments de forme gomtrique
S
simple : = k k ;

Base nodale Les degrs de libert Ti sont les valeurs de la fonction Th en certains nuds
du maillage Pi : Th (Pi ) = Ti ;
Base polynmiale par lment. La restriction dune fonction de base Ni un lment
k est polynmiale en les coordonnes despace.
Plutt que de dtailler le calcul des fonctions de base (voir [DT84] ou [DP00]), on se
contente de tracer une fonction de base Ni des espaces discrets les plus simples en une et
deux dimensions despace, ainsi quun interpol Th dune fonction arbitraire T dans cet
espace discret.
Du fait du choix de fonctions polynmiales par lment, les sous-espaces V de L2 ()
(fonctions de carr intgrables) seront continus par lment, mais peuvent tre discontinus
aux frontires des lments. Par contre, les sous-espaces W de H1 () (fonctions dont le
gradient est de carr intgrable) devront tre continus la frontire entre lments, sinon
on ne peut pas valuer leur gradient.
Lespace discret V0 L2 () le plus simple est lespace des fonctions constantes par
lment. Une base de cet espace sont les fonctions indicatrices des lments (voir gures
3.1 et 3.2).
Lespace discret W1 H1 () le plus simple est lespace des fonctions linaires par
lment. Une base de cet espace sont les fonctions chapeaux associes aux nuds sommets
des lments (voir gures 3.3 et 3.4).
Le choix des trois proprits de la base Ni eectu par la mthode des lments nis
des consquences intressantes. La deuxime proprit (base nodale) conduit :
Ni (Pj ) = ij

(3.9)

o ij est le symbole de Kronecker valant 1 si i = j et 0 sinon. Ensuite, laide de la


troisime proprit (base polynmiale par lment), on en dduit que les fonctions Ni
sont identiquement nulles sur tous les lments qui ne contiennent pas le point Pi . Cette
proprit de localit est trs avantageuse pour le traitement subsquent par ordinateur :
les termes Aij de la matrice totale A dun problme discrtis (qui sont des intgrales
impliquant les fonctions Ni et Nj et leurs drives) seront nuls si Pi et Pj nappartiennent
pas un mme lment k . La matrice A aura donc un grand nombre de termes nuls : elle
est dite creuse. On pourra ne stocker que les termes non nuls an dconomiser la mmoire
de lordinateur.
Par contre, on peut noter que la base des Ni choisie pour lespace W1 nest pas orthogonale :
Z
Mij = hNi , Nj i = Ni Nj d 6= ij
(3.10)

Cours ENSTA B2-1

36

3.3. Fonctions de base

N3 (x)

T (x)

1.2

1.8

1.6
1.0
1.4
0.8

1.2

1.0
0.6
0.8
0.4
0.6

0.4

0.2

0.2
0.0
0.0

0.2

0.2

0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

Fig. 3.1: Exemples de fonctions de lespace V0 en 1D. Gauche : la fonction de base N3 ,


fonction indicatrice du 3e lment. Droite : une fonction T () et son interpol Th V0
().

f (x, y)
y
x

f (x, y)
y
x

Fig. 3.2: Exemples de fonctions de lespace V0 en 2D. Gauche : une fonction de base Ni ,
fonction indicatrice du ie lment. Droite : une fonction Th V0 .

Cours ENSTA B2-1

3. Mthode des lments finis

37

N4 (x)

T (x)

1.2

1.8

1.6
1.0
1.4
0.8

1.2

1.0
0.6
0.8
0.4
0.6

0.4

0.2

0.2
0.0
0.0

0.2

0.2

0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

Fig. 3.3: Exemples de fonctions de lespace W1 en 1D. Gauche : la fonction de base N4 ,


fonction chapeau associ au 4e nud du maillage. Droite : une fonction T () et son
interpol Th W1 ().

f (x, y)
y
x

f (x, y)
y
x

Fig. 3.4: Exemples de fonctions de lespace W1 en 2D. Gauche : une fonction de base Nj ,
fonction indicatrice du j e nud. Droite : une fonction Th W1 .

Cours ENSTA B2-1

38
replacemen

3.4. lments de rfrence

Gk

y
P3

P3

k
P1

P2

x
P1

P2

un lment rel k par la transformation


Fig. 3.5: Passage de llment de rfrence
gomtrique Gk
La matrice de masse M nest donc pas diagonale, ce qui a quelques inconvnients : par
exemple, mme avec une discrtisation en temps explicite, il y aura un systme linaire
impliquant la matrice masse rsoudre chaque pas de temps (cf. chapitre 5). On utilise
alors quelquefois des techniques de diagonalisation de la matrice masse ( utiliser avec
prcaution), qui sortent du cadre de ce cours.

3.4

lments de rfrence

Prenons comme exemple dintgrale calculer, celle associe


Z

uNi Nj d =

XZ
k

uNi Nj dk

uTh d :
(3.11)

On saperoit vite quil est plus facile de calculer les Ni , ainsi que les intgrales, sur chaque
lment k , sur un domaine de rfrence o le systme de coordonnes est xe, orthogonal, et o les lments sont rguliers (bord droits). Pour se ramener un tel lment de
on utilise une transformation gomtrique Gk , qui fait correspondre les points
rfrence ,
aux points de k , comme sur la gure 3.5 :
de
x
Gk : x

(3.12)

on peut associer toute fonction


En supposant Gk bective (au moins sur lintrieur de ),
valeurs scalaires f , dnie sur llment rel k , une fonction chapeau correspondante
:
dnie sur llment de rfrence
f,
x) = f (Gk (
f(
x))

(3.13)

En particulier, pour les fonctions de base :


Ni (
x) = Ni (Gk (
x))
Cours ENSTA B2-1

(3.14)

3. Mthode des lments finis

39

Les transformations gomtriques Gk peuvent tre choisies simplement, en les dnissant partir des fonctions de base de rfrence :
N
X

Gk (
x) =

xPi Ni (
x)

(3.15)

i=1

o N est le nombre de points de k et o les xPi sont les coordonnes des points Pi . Ceci
est d au fait que, comme pour les fonctions de base de lespace rel Ni , les fonctions de
base de lespace de rfrence Ni vrient :
i (
N
xPj ) = ij

(3.16)

La transformation des gradients fait intervenir la matrice jacobienne G de la transformation gomtrique Gk . En eet :
f
f X f (Gk )i
=
=
Gij
xj
j
xi
i xi x

(3.17)

f = Gt f

(3.18)

ou crit plus succintement :

Ceci est une gnralisation de la formule de drivation compose : (f g) = f g g .


Finalement, lintgrale ramene sur llment de rfrence devient :
Z

uNi Nj dk =

Ni )Nj det G d
(Gt
u

(3.19)

On voit que lon a bien spar les informations qui peuvent tre calcules une fois pour
toutes (les fonctions de base de rfrence Ni ) et celles qui vont changer pour chaque lment
k (la matrice jacobienne G).

3.5

Formules de quadrature

Une fois les intgrales exprimes sur llment de rfrence, il sagit de les valuer. Ceci
peut se faire de manire analytique exacte dans les cas simples, mais le plus souvent, on
utilise des formules de quadrature pour calculer les intgrales :
Z

f(
x) d

r
X

wi f(
xQi )

(3.20)

i=1

Ici, Qi sont des points dvaluation de la fonction sur llment de rfrence (points din Qi leurs coordonnes et wi sont les poids associs.
tgration), x
Vous connaissez sans doute de telles formules de quadrature pour approcher des intgrales en une dimension despace : mthode des rectangles, des trapzes ou mthode dite
de Simpson.
Toutefois, les formules de quadrature les plus utilises sont celles dites de Gauss 1 ,
qui permettent davoir la meilleure prcision possible (elles intgrent exactement tous les
polynmes jusqu un certain ordre sur le domaine considr) avec le nombre minimum de
points dintgration2 .
1
2

Les points dintgration de ces formules sont alors appels points de Gauss.
Dterminer de telles formules est un problme ouvert en dimension despace plus grande que 1.

Cours ENSTA B2-1

40

3.6

3.6. Rsum

Rsum

On vient de prsenter un rsum rapide de la construction dune discrtisation dun


problme par les mthodes des lments nis. On voit que la construction elle-mme de la
mthode ne fait intervenir que des outils de base trs simple : interpolation linaire (ou
polynme de Lagrange pour des lments nis dordre plus lev), formules de changement
de variable, intgration par parties, drivation des fonctions composes et formules de
quadrature.
Les dicults arrivent ensuite du fait que le problme continu, comme discret, nest
pas forcment bien pos. Ltude rigoureuse du caractre bien pos des problmes continus
est le domaine privilgi de lanalyse fonctionnelle. En ce qui concerne les problmes discrets, lanalyse fonctionnelle est galement utile, ainsi que des techniques plus algbriques :
analyse en modes propres. . . Pour notre part, nous allons nous contenter de montrer dans
les chapitres suivants, sur des exemples pratiques, lapparition des problmes, ainsi que les
manires les plus courantes de les circonvenir.

Cours ENSTA B2-1

41

Chapitre 4
Convection-diffusion et dcentrement
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Nous avons vu au chapitre prcdent comment discrtiser une EDP quelconque par la
mthode des lments nis. Nous allons maintenant regarder ce quil en est de la convergence de cette mthode sur lquation de convection-diusion. On montrera quil y a ncessit de dcentrer le schma lments nis pour obtenir la convergence sur une quation
de convection pure et pour limiter les oscillations de la solution discrte sur une quation
de convection-diusion lorsque la convection est dominante.

4.1

Problme modle

Reprenons notre problme modle de convection-diusion (3.1), cette fois-ci en dimension 1 sur le segment [0, L] avec conditions aux limites de Dirichlet :

T
2T
2 =0
x
x
T
|
=
0

x=0

T |x=L = 1
u

(4.1)

La solution exacte de ce problme est une exponentielle croissante :


T (x) =

1 exp xu

1 exp Lu

(4.2)

On reconnat au dnominateur le nombre de Pclet bas sur la longueur du domaine :


P eL = Lu
. Lorsque le nombre de Pclet est petit, la solution est quasiment une droite.
2
Lorsque le nombre de Pclet est grand, la solution est quasiment nulle, sauf prs du bord
droit o la pente est trs forte an de satisfaire la condition la limite T |x=L = 1 (voir
gure 4.1).
Cours ENSTA B2-1

42

4.2. Discrtisation spatiale centre


1.0

0.8

0.6

0.4
Pe=100
Pe=10

0.2

Pe=1
Pe=0.1

0.0
0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.1: Solution exacte T (x) du problme (4.1) en fonction du nombre de Pclet P eL .

4.2
4.2.1

Discrtisation spatiale centre


Equivalence des discrtisations DF centres et EF

Mthode des diffrences finies (DF) centres


Pour discrtiser le problme (4.1), utilisons une mthode de dirences nies centres
dordre 2 pas constant en espace x. En un certain point i, la discrtisation du problme
modle donne :
Ti+1 2Ti + Ti1
Ti+1 Ti1
=0
(4.3)

u
2x
x2
Nous savons que cette discrtisation centre du problme peut produire des solutions oscillantes (cf. [DP00]).
Exemple 3 points
Pour sen convaincre, regardons ce qui se passe si nous restreignons la discrtisation
deux lments (x = L/2). On a alors :

T3 = 1 et T1 = 0
2
1 P ex
T3 T1
(T3 2T2 + T1 ) = 0 T2 =
ux
2

(4.4)

o P ex est le nombre de Pclet de maille, calcul avec la taille de maille locale. On voit
que, lorsque P ex , alors T2 . En particulier, ds que P ex > 1, T2 < 0, hors
des bornes imposes par les conditions aux limites, soit [0, 1].
Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

43

Ni1

Ni

Ni+1

N (x)

Ti1
x

i+1

Ti
0

Ti+1
+x

Fig. 4.2: Fonctions de base autour du point i


On reconnat limportante condition (susante) pour ne pas avoir doscillations :
P ex 1 x

2
u

(4.5)

Mthode des lments finis (EF)


Malheureusement, la mthode des lments nis applique ce mme problme modle
conduit un schma identique celui obtenu par dirences nies centres.
Montrons-le sur le terme convectif. Au nud i, les intgrales calculer sont de la forme :
Z

n
X

Nj

uTj
Ni d = Ii
x
j=1

(4.6)

Cette intgrale a des contributions non nulles pour j = {i 1, i, i + 1} sur les lments i
et i+1 (cf. schma 4.2) :

Ii =

Ni1
Ni di
uTi1
x
Zi
Ni
+
uTi
Ni di
x
Zi
Ni
Ni di+1
+
uTi
x
Zi+1
Ni+1
+
uTi+1
Ni di+1
x
i+1

=
=
=
=

1 1
uTi1
x
 x  2
1 1
uTi +
x
 x  2
1 1
uTi
x
 x  2
1 1
uTi+1 +
x
x 2

=u

Ti+1 Ti1
2

(4.7)

Ce terme convectif est bien identique celui obtenu en dirences nies lquation (4.3)
au facteur x prs qui provient de lintgration.
Exercice 1 Montrer que la discrtisation par lments nis du terme diusif est identique
celle obtenue en dirences nies centres en 1D sur maillage rgulier.
Exercice 2 Refaire lexemple 3 points en discrtisant lintervalle [0, L] avec un seul
lment ni quadratique.
Cours ENSTA B2-1

44
1

10

4.2. Discrtisation spatiale centre


Peclet = 10. ;
typdec = CENTREE ;
typdec = SUPG ;
*
rv = EQEX
OPTI EF IMPL typdec
ZONE $mt OPER KONV 1. UN ALF INCO TN
OPTI EF IMPL CENTREE
ZONE $mt OPER LAPN ALF INCO TN
CLIM gau TN TIMP 0.
CLIM dro TN TIMP 1. ;
*
rv . INCO = TABLE INCO ;
rv . INCO . UN = KCHT $mt VECT SOMMET (1. 0.) ;
rv . INCO . ALF = KCHT $mt SCAL CENTRE (/ 0.5 Peclet) ;
rv . INCO . TN = KCHT $mt SCAL SOMMET 0. ;
*
EXEC rv ;

Listing 4.1: Jeu de donne convdif1d.dgibi correspondant au problme (4.3)

4.2.2

Rsultats numriques

Montrons sur le problme modle les comportements typiquement rencontrs. La partie


signicative du jeu de donne en langage Gibiane, compris par CastM, traduisant le
problme (4.1) est donne sur le listing 4.1. Nous avons choisi comme paramtres :

L=1
u=1
P eL = 10

= 0.05

(4.8)

En choisissant de discrtiser spatialement avec un maillage rgulier de 6 mailles, on obtient le rsultat illustr sur la gure 4.3. La solution exacte est en trait plein, la solution
numrique, en pointills, est oscillante. Notons que dans ce cas, le Pclet de maille vaut :
P ex = P eL /6 1.7 > 1. La gure suivante 4.4 montre ce qui se passe si on rane le
maillage 10 (resp. 40) mailles correspondant un Pclet de maille P ex de 1 (resp. 0.25).
La solution discrte se rapproche de la solution exacte et noscille plus. En pratique, sur
des cas ralistes, la condition sur le Pclet de maille (4.5) P ex < 1 est trs restrictive.
Par exemple, pour de lair 300 K, = 2.25105 m2 .s1 , en choississant comme chelle
caractristique u = 1 m.s1 et L = 1 m, on obtient P eL 2104 . Il nest pas encore
possible de mettre un tel nombre de mailles par direction despace avec nos ordinateurs.
Notons toutefois que la condition (4.5) est une condition susante mais nullement
ncessaire : la gure 4.5 (gauche) montre quil est possible, avec 6 mailles, cest--dire en
ne respectant pas la condition (4.5) davoir une solution numrique convenable. Ici, nous
avons adapt le maillage la solution cherche. Les mthodes dadaptation de maillage sont
une alternative intressante pour tenter de limiter les cots de calcul, elles ont toutefois
pour princial inconvnient daugmenter considrablement la complexit du problme
rsoudre puisque le maillage devient, lui aussi, une inconnue du problme.
Avec un maillage mal adapt, nous avons la situation reprsente gure 4.5 (droite),
qui est aussi mauvaise que sans adaptation.
Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

45

T (x)
1.0

0.8

0.6

0.4

0.2

0.0

0.2

0.4
0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.3: Problme (4.1)-(4.8) avec P eL = 10. Maillage rgulier de 6 mailles. : solution
exacte T (x). : solution numrique Th (x).

T (x)

T (x)
1.0

1.0

0.8

0.8

0.6

0.6

0.4

0.4
0.2

0.2
0.0

0.2

0.0
0.0

0.2

0.4

0.6

0.8

1.0

0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.4: Problme (4.1)-(4.8) avec P eL = 10. Gauche : maillage rgulier de 10 mailles.
Droite : maillage rgulier de 40 mailles. : solution exacte T (x). : solution numrique
Th (x).

Cours ENSTA B2-1

46

4.3. Discrtisation spatiale dcentre


T (x)

T (x)

1.0

1.0

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0.0

0.0

0.2

0.2

0.4

0.4
0.0

0.2

0.4

0.6

0.8

1.0

0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.5: Problme (4.1)-(4.8) avec P eL = 10. Maillage de 6 mailles ran dans la zone
de forte variation de la solution. Gauche : correctement ran. Droite : trop ran. :
solution exacte. : solution numrique Th (x). + : points du maillage.
En pratique, on prfre souvent utiliser des mthodes qui ont des contraintes de stabilit moins strictes, bien quayant un ordre de prcision moins lev : les mthodes dites
dcentres.

4.3

Discrtisation spatiale dcentre

Reprenons la discrtisation du problme modle (4.1) par la mthode des dirences


nies pas constant en espace x. Cette fois-ci, nous gardons la discrtisation centre
dordre 2 pour le terme diusif mais, pour le terme convectif, nous utilisons une discrtisation dcentre amont, qui est dordre 1 (nous supposons u 0) :
Ti Ti1
Ti+1 2Ti + Ti1
u

=0
(4.9)
x
x2
Cette discrtisation du problme ne produit pas doscillation. Pour sen convaincre, restreignons la discrtisation deux lments (x = L/2). On a alors :

T3 = 1 et T1 = 0
T2 T1

1
(4.10)
2 (1 + P ex )
, T2 0 et, pour tout Pclet, on a : 0 < T2 < 1, ce qui

ux

(T3 2T2 + T1 ) = 0 T2 =

Cette fois-ci, lorsque P ex


est satisfaisant.
Si on regarde de plus prs la dirence entre la discrtisation centre et la discrtisation
dcentre amont du terme de convection, avec u de signe quelconque, on observe :
"

T
u
x

"

T
u
x
dcentre amont

centre

=
"

x|u| Ti+1 2Ti + Ti1


2
x2

x |u| 2 T
=
2 x2
Cours ENSTA B2-1

centre

(4.11)

4. Convection-diffusion et dcentrement
T (x)

47
T (x)

1.0

1.0

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0.0

0.0
0.0

0.2

0.4

0.6

0.8

1.0

0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.6: Problme (4.1)-(4.8) avec P eL = 10. Mthode des lments nis + diusion
articielle
(4.11). Gauche : maillage rgulier de 6 lments ; Droite : maillage rgulier de
10 lments. : solution exacte. : solution numrique.
Ceci signie que la discrtisation dcentre du terme convectif est gale la discrtisation
centre du terme convectif auquel on a ajout un terme de diusion numrique, dont le
coecient de diusivit est gal :
= x|u|
. On remarque que ce coecient tend vers 0
2
lorsque x 0 : les discrtisations centres et dcentres sont consistantes.
Cette ide est trs importante et est la base des mthodes de diusion articielle
utilises en lments nis. Observons les rsultats obtenus avec cette mthode de diusion
articielle sur notre problme modle, pour un maillage de 6 et 10 mailles, sur la gure
4.6. Compars au rsultats prcdents (gures 4.3 et 4.4 (gauche)), on observe labsence
doscillations, mme si, pour le cas 10 lments, la solution avec diusion articielle est
moins prcise (gradient la paroi droite plus faible).

4.4
4.4.1

Extension multidimensionnelle
Problme modle convectif 2D

Essayons maintenant dtendre lide de diusion articielle au cas multidimensionnel.


Nous nous intressons au problme 2D de transport pur suivant :

uT = 0 sur = [0, L] [0, L]


T |y=0 = f (x)

T |x=0 = f (0)

(4.12)

o u est un vecteur constant donn. Ceci correspond au schma 4.7. En choisissant les
paramtres :

L = 1.5

kuk2 = 1
(4.13)

= 10

f (x) = (tanh((x0.5)/0.15))+1
2
Cours ENSTA B2-1

48

4.4. Extension multidimensionnelle

L
u

T |y=0,x=0 = f (x)

Fig. 4.7: Problme modle convectif 2D (4.12).


Ce problme est strictement hyperbolique, on sattend ce que la fonction dnie sur les
bords o la vitesse est rentrante soit simplement transporte dans la direction dnie par
u sur lensemble du domaine. En eet, uT = 0 signie que la drive de T est nulle (T
ne varie pas) dans la direction de u.
La traduction en Gibiane du problme (4.12) est donne sur le listing 4.2.
Avec la mthode des lments nis standard, on obtient le rsultat de la gure 4.8 o
la solution prsente des oscillations de trs grande amplitude.
Ceci traduit le fait que le problme discret est mal pos et que la matrice associe nest
pas inversible. Toutefois, en arithmtique virgule ottante, la matrice associe nest en
gnral pas exactement singulire, cause de la prcision limite de la reprsentation des
nombres rels. Mais comme elle en est trs proche, on obtient ces oscillations trs grandes
de la solution.

4.4.2

Mthode de diffusion artificielle

La premire ide consiste faire comme en une dimension despace : on rajoute le terme
de diusion articielle notre quation. Lquation que lon discrtise devient :
uT div

hu |u|
T = 0
2

(4.14)

o hu est une taille de maille locale selon la direction u et


= hu2|u| est le coecient de
diusivit numrique. Le rsultat obtenu est illustr la gure 4.9. Sur la partie gauche,
on observe labsence doscillations. Par contre, en comparant les prols de la fonction
transporte en entre et en sortie, droite de la gure, on observe que la mthode a
notablement dius le prol au lieu de seulement le transporter. Cela nest pas satisfaisant.
Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

10

20

49

angle = 10. ;
typdec = CENTREE ; difart = 1.D-6 ; niter = 1 ; omeg
= 1. ;
* alfa = U dx / 2 Pem avec Peclet critique de maille = 1
typdec = CENTREE ; difart = 1. / (2 * nmail) ; niter=1 ; omeg=1. ;
typdec = SUPG
; difart = 0. ; niter = 1 ; omeg
= 1. ;
typdec = SUPGDC ; difart = 0. ; niter = 15 ; omeg = 0.7 ;
*
rv = EQEX NITER niter OMEGA omeg
OPTI EF IMPL typdec
ZONE $mt OPER KONV 1. UN ALF INCO TN
OPTI EF IMPL CENTREE
ZONE $mt OPER LAPN ALF INCO TN
CLIM mclim TN TIMP cclim
;
rv . INCO = TABLE INCO ;
rv . INCO . UN = KCHT $mt VECT SOMMET
((SIN angle) (COS angle)) ;
rv . INCO . ALF = KCHT $mt SCAL CENTRE difart ;
rv . INCO . TN = KCHT $mt SCAL SOMMET 0. ;
*
EXEC rv ;

Listing 4.2: Jeu de donne conv2d.dgibi correspondant au problme (4.12).

T (x, y)
y
x

Fig. 4.8: Problme (4.12)(4.13). Mthode des lments nis standard (CENTREE).

Cours ENSTA B2-1

50

4.4. Extension multidimensionnelle


T (x)
1.0

0.8

0.6

0.4

T (x, y)
y
x

0.2

0.0
0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

Fig. 4.9: Problme (4.12)(4.13). Mthode des lments nis standard + diusion articielle (4.14). Gauche : T (x, y). Droite : prols de T en entre y = 0 () et en sortie
y = 1().

4.4.3

Mthode de dcentrement amont (SUPG)

La deuxime ide consiste nintroduire de la diusion numrique que dans la direction


de la vitesse u, le coecient de diusivit numrique
devient un tenseur dordre 2, not
A. Le problme que lon discrtise devient :
uT div AT = uT div

hu |u| u u
T = 0
2
|u|2

(4.15)

Pourquoi la diusion ne va-t-elle se faire que dans la direction de u ? Cela se voit facilement en examinant les lments principaux du tenseur uu
. En dveloppant suivant les
|u|2
composantes dune base cartsienne en dimension 2, on a :
1
uu
2 =
|u|
|u|2

u2x ux uy
uy ux u2y

(4.16)

On vrie aisment que ce tenseur une seule valeur propre non nulle gale 1 associe
u comme vecteur propre. Le produit uu
T ne va donc retenir que la partie de T
|u|2
parallle u.
Ceci est la gnralisation correcte de la mthode dcentre amont (Streamline Upwind
ou SU en anglais) en dimension despace suprieure 1. Ces mthodes ont t popularises
par Hughes et al. [Hug87] au dbut des annes 1980 sous le nom SUPG (Streamline Upwind
Petrov Galerkin, cest galement le nom utilis dans CastM) qui est une variante de la
mthode SU. Un nombre impressionnant de publications ont t faites et continuent de se
faire sur le sujet depuis.
Le rsultat obtenu avec la mthode de dcentrement amont est illustr en gure 4.10.
gauche, on observe labsence doscillations et droite que les prols en entre et en sortie
sont quasiment identiques.
Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

51
T (x)

1.0

0.8

0.6

0.4

T (x, y)
y
x

0.2

0.0
0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

Fig. 4.10: Problme (4.12)(4.13). Mthode des lments nis standard + dcentrement
amont SUPG (4.16). Gauche : T (x, y). Droite : prols de T en entre y = 0 () et en sortie
y = 1 ().

4.4.4

Prservation asymptotique de lordre de la mthode

Lorsquon sintresse au problme de convection-diusion complet :


uT div T = 0

(4.17)

dont le problme de convection pure (4.12) est un cas particulier, un ultime ranement de
la mthode SUPG est le suivant : il consiste multiplier le tenseur de diusion numrique
uu
A par un coecient J dpendant du Pclet de maille P ehu = h2
. En eet, nous avons vu
que le dcentrement amont permet de gagner en stabilit au dtriment de la prcision :
la discrtisation dcentre amont du terme convectif est dordre 1 en espace alors que la
discrtisation centre est dordre 2. Lide est alors dutiliser plutt la mthode centre si
la condition de stabilit P ehu < 1 est vrie et la mthode dcentre amont sinon. Le
problme que lon discrtise devient :
uT div B(P ehu )T div T = uT div

hu |u|
uu
T
J(P ehu )
2
|u|2

(4.18)

div T = 0

o : J(P e) 1 quand P e > 1 et J(P e) 0 quand P e 0. La gure 4.11 illustre


dirents choix possibles de la fonction J eectus par dirents auteurs.

4.5
4.5.1

Oscillations rsiduelles
Phnomne de Gibbs

La mthode SUPG est-elle alors la panace pour discrtiser les problmes de convectiondiusion en lments nis ? Pas tout fait, comme on peut le voir sur la gure 4.12 qui
Cours ENSTA B2-1

52

4.5. Oscillations rsiduelles

J(P e)

MAXIMUM :
MINIMUM :

1.0

1.00
0.00

0.8

0.6

HughesBrooks

0.4

Critical approx.
Doubly asymptotic

0.2

Johnson
Mizukami

0.0
0.0

1.0

2.0

3.0

4.0

5.0

Pe

Fig. 4.11: Choix de la fonction J(P e) (coecient multiplicateur du terme de diusivit


numrique dans (4.18)) par dirents auteurs.

T (x, y)
y
x

Fig. 4.12: Problme (4.12)(4.19). Condition la limite discontinue. Mthode des lments
nis standard + dcentrement amont SUPG (4.15).

Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

53

prsente des oscillations rsiduelles. Ici, le problme rsolu est identique (4.12) mais avec
une condition la limite moins rgulire prsentant un saut :

L = 1.5
kuk2 = 1
= 10
f (x) = 1 si x < 0.5
f (x) = 0 si x 0.5

(4.19)

En fait, il ne sagit pas dune dcience propre la mthode SUPG (nous verrons apparatre
ces oscillations dans dautres cas, par exemple aux sections 4.5.2 et 5.2) mais dun problme
dapproximation : nous essayons dapprocher une solution discontinue avec des fonctions
continues. Cette approximation est oscillante : cest le phnomne de Gibbs. Vous lavez
peut-tre dja rencontr : lapproximation dune fonction crneau par des sries de Fourier
oscille.
Ds lors, pourquoi ne pas abandonner la continuit pour approcher les solutions ? En
lments nis standard, nous ne pouvons pas abandonner la continuit car nous avons
besoin de chercher les solutions dans H1 () pour pouvoir discrtiser le Laplacien1 .
Labandon de la continuit est lapproche choisie par les mthodes de Volumes Finis o
les solutions sont gnralement approches de manire constante par maille (on calcule des
moyennes des inconnues sur les mailles) ou par les mthodes des lments nis Galerkin
Discontinues (approximation polynmiale par maille non continue entre mailles). Toutefois,
dans ces mthodes, ds que lon a besoin du gradient des inconnues, par exemple, lorsque
lon a des termes diusifs, se pose la question de lapproximation du gradient dune fonction
discontinue. . .

4.5.2

Approximation dun choc

Nous allons regarder maintenant plus prcisment le problme de lapproximation dune


fonction choc, prsentant un saut. Nous avons vu que le thorme de Lax (section 3.2) nous
laissait beaucoup de choix : celui des espaces de fonction, mais aussi celui des normes.
Dans cette sous-section, nous allons garder le choix dun espace de fonctions continues
pour lespace de discrtisation dans lequel on cherche une solution et regarder linuence
de la norme choisie pour approcher un choc.
Meilleure approximation dune fonction donne
Regardons tout dabord le problme gnral de la recherche dune meilleure approximation dune fonction g donne, en norme L2 :
min
A(T ) = min
2
2

T L ()

T L ()

1
kT gk2 d
2

(4.20)

A priori, tant donne la forme de la fonctionnelle A, il est lgitime de requrir que T et


g soient dans L2 . Comme au chapitre 2, on crit la condition de minimisation :
U A(T ) =

T U gU d = 0 U L2 ()

(4.21)

Le Laplacien nest pas prsent dans le problme (4.12) mais lest dans son approximation par la
mthode SUPG (4.15) !
1

Cours ENSTA B2-1

54

4.5. Oscillations rsiduelles

La solution de ce problme est : T = g ! Toutefois, lorsquon choisit T dans un espace


discret de fonctions continues, alors que g est discontinue, cela nest plus le cas car T et g
vivent dans des espaces dirents.
Une fois (4.21) discrtise :
Z

Th Ni gNi d =
=

Tj

X
j

Z

Nj Ni d

gNi d

Tj Mji gi = 0 i

(4.22)

On retrouve la matrice de masse Mji dans le problme rsoudre. Th est le meilleur


reprsentant discret de g au sens de la norme L2 .
Meilleure approximation dun choc par une fonction continue
Spcions maintenant le problme dapproximation au cas du choc. Pour cela, on considre le problme suivant : soit g(x) la fonction choc que lon cherche approcher :
(

g(x) = 1 si x > 1
g(x) = 0 si x < 1

(4.23)

On cherche approcher g(x) par une fonction f continue la plus simple possible. On choisit
donc ft (x) un paramtre t, dnie sur lintervalle = [0, 1], linaire par morceaux et
passant par les points (0, 0), (0.5, t) et (1, 0.5)2. On a :
(

ft (x) = 2tx si x [0, 0.5]


ft (x) = (1 2t)x + (2t 0.5) si x [0.5, 1]

(4.24)

Le schma 4.13 illustre le problme pos. Rsolvons tout dabord le problme de meilleure
approximation en norme L2 :
min I(t) = min
tR

tR

(ft g)2 d

(4.25)

Nous avons eectu la rsolution de manire graphique en traant I(t) sur la gure 4.14.
Le minimum de I est atteint pour t = 0.25, cest--dire pour une fonction f0.25 qui est
oscillante. Rsolvons ensuite le problme de meilleure approximation en norme L1 () :
min J(t) = min
tR

tR

|ft g| d

(4.26)

J(t) est galement trace sur la gure 4.14. Le minimum de J est atteint pour t = 0,
cest--dire pour une fonction f0 qui est monotone. Ces rsultats sont galement valables
si on discrtise le problme dapproximation avec plus de mailles (voir gure 4.15).
Une chose trs importante noter est que la fonctionnelle J(t) atteint son minimum en
un point o elle nest pas drivable. On ne pourra donc pas appliquer les techniques vues au
chapitre 2, utilisant la drivation fonctionnelle, pour trouver les minima de fonctionnelles
utilisant la norme L1 : on entre l dans le domaine de loptimisation non direntiable.
La norme L1 nadmet pas de produit scalaire simple et on ne va pas pouvoir formuler de
2

Ce dernier point est choisi pour raison de symtrie.

Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

55

f (x)
g

ft

x
0

1
(0.5, t)

Fig. 4.13: Problme dapproximation dune fonction choc g par une fonction continue ft
un paramtre t.

I(t)

MAXIMUM :
MINIMUM :

0.750
0.147

0.8

0.7

0.6

0.5

0.4

0.3

0.2
0.15
0.1
1.0

0.5

0.0
0.25

Fig.
4.14: Trac des fonctionnelles I(t) =
R
|f

g| d (Norme L1 () : ).
t

0.5

1.0

t
R

(ft g)2 d (Norme L2 : ) et J(t) =

Cours ENSTA B2-1

56

4.5. Oscillations rsiduelles


fh (x)

MAXIMUM : 1.134
MINIMUM : 0.134

1.2

1.0

0.8

0.6

0.4

0.2

0.0

0.2
0.0

0.2

0.4

0.6

0.8

1.0

Fig. 4.15: Meilleure approximation dun choc par une fonction discrte, continue, linaire
par morceaux, au sens des normes L1 () et L2 ().
mthode des rsidus pondrs menant un systme linaire rsoudre : le problme pos
en norme L1 est non linaire.
On peut nanmoins se ramener un problme doptimisation direntiable en rgularisant la norme L1 laide dun petit paramtre :
min K(t) = min
tR

tR

Z q

(ft g)2 + d

(4.27)

On peut nouveau utiliser les techniques de loptimisation direntiable mais le problme


reste non linaire.
Exercice 3 Reprendre le problme dapproximation du choc avec ft en norme L1 et regarder linuence du paramtre .

4.5.3

Thorme de Godunov

Les rsultats trouvs pour le petit exemple prcdent sont, en fait, assez gnraux. On
peut citer le thorme suivant, d Godunov :
Thorme 2 (Godunov) Les schmas numriques linaires pour rsoudre les quations
aux drives partielles, ayant la proprit de ne pas gnrer de nouveaux extrema (monotonie), ne sont au mieux que dordre 1.
Dans notre exemple, nous utilisons des fonctions linaires par morceaux, qui peuvent approcher les solutions lordre 2, et la solution trouve par un schma linaire (avec la
norme L2 ) nest pas monotone.
Nous avons tenu voquer ces problmes dapproximation car il est des domaines
o lutilisation de la norme L1 simpose et il faut absolument que les solutions trouves
noscillent pas hors des bornes : cest notamment le cas en traitement dimage.
Cours ENSTA B2-1

4. Convection-diffusion et dcentrement

57

En mcanique des uides, ces mthodes trouvent leur utilit dans certains problmes,
par exemple, pour lapproximation et le transport de front (mthodes de lignes de niveaux,
en anglais level set, pour capturer des interfaces entre deux phases liquides immiscibles. . . ).
Pour les mthodes dites de capture de choc, on va souvent requrir une proprit lie
la monotonie : la proprit TVD (Total Variation Diminishing). La variation totale dune
fonction f direntiable est dnie comme la norme L1 du gradient :
T V (f ) =

|f | d

(4.28)

Nous avons dj vu cette notion de variation totale en section 2.1.1 et montr quen 1D,
elle permettait de slectionner les fonctions monotones allant dun point un autre.
En ce qui nous concerne, nous resterons dans le cadre de la norme L2 () pour des
raisons pratiques : si les solutions obtenues peuvent osciller, elles sont simples obtenir
(rsolution de systmes linaires) et vrient de manire naturelle des conditions la limite
et des proprits de conservation que nous dcrirons amplement au chapitre 9.
Pour en savoir plus sur ces principes doptimisation en norme L1 , on pourra se reporter
Strang [Str07].

4.6

Capture de choc : mthode SUPGDC

Pour tenter damliorer la mthode SUPG dans le cas o il y a prsence de chocs (fortes
variations de la solution, comme sur la gure 4.12), Hughes et al. [Hug87] proposent de
rajouter un terme dit de capture de choc (DC : discontinuity capturing). Cest un terme de
diusion numrique qui agit dans la direction du gradient de la solution. On dnit uk , la
projection de la vitesse transportante sur le gradient de la solution :
uk (T ) =

uT
|T |2

(4.29)

Le problme que lon discrtise devient alors, avec la mthode SUPGDC :


uT div BT div CT div T = uT
uu
hu |u|
J(P ehu )
T
div
2
|u|2
div

huk uk
2

uk uk

(4.30)

J(P ehuk ) 2 T

uk

div T = 0

La solution obtenue sur le problme modle (4.12), o le coecient de diusion physique


= 0, est montre gure 4.16. On note quil ny a quasiment plus doscillations. Par contre,
le choc est notablement dius en sortie (sur 6 mailles).
Il est galement important de noter que le terme diusif de capture de choc est non
linaire en T puisque T intervient par le biais de uk (T ) dans le coecient. Ceci est compatible avec le thorme de Godunov que nous venons de voir puisque nous cherchons
avoir une mthode formellement dordre 2, qui ne cre pas doscillations : il sagit donc
forcment dune mthode non linaire.
Cours ENSTA B2-1

58

4.7. Rsum

T (x, y)
y
x

Fig. 4.16: Problme (4.12)(4.19). Condition la limite discontinue. Mthode des lments
nis standard + dcentrement SUPGDC (4.30).

4.7

Rsum

Le tableau suivant rsume les proprits des direntes mthodes de discrtisation du


terme linaire de convection uT que nous avons vues dans ce chapitre.
Mthode
CENTREE
SUPG
SUPGDC

Ordre de prcision
2
2 si P eh < 1
1 si P eh > 1
2 si P eh < 1
1 si P eh > 1

Absence doscillations numriques


oscillations possibles si P eh < 1
si solution sans choc

Linarit
oui
oui

oui

non linaire

ce jour, la mthode par dfaut utilise dans CastM est la mthode SUPGDC mais on
conseille plutt lutilisateur dessayer les mthodes dans lordre de complexit croissante :
CENTREE, puis SUPG et enn SUPGDC.
On conseille aussi lutilisateur dvaluer son Pclet de maille P eh tout en se rappelant
que la condition P eh < 1 nest nullement ncessaire : il est parfaitement possible davoir
une solution sans oscillations numriques mme si P eh > 1.

Cours ENSTA B2-1

59

Chapitre 5
Discrtisation en temps

u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t

Prediction is very difficult, especially


about the future.
Niels Bohr

Pour linstant, nous navons parl que de problmes stationnaires, sans terme de drive

. Dans ce chapitre, nous examinons ce qui se passe lorsque nous rajoutons ce


en temps t
terme et que nous le discrtisons. Nous nous limiterons des discrtisations en temps
implicites (section 5.1) en choisissant comme problme modle une quation de diusion
instationnaire (galement appele quation de la chaleur).
Le fait davoir un terme de drive en temps est caractristique dun problme dvolution, qui ncessite de spcier une condition initiale. Nous discutons du choix de cette
condition en section 5.2.

5.1
5.1.1

Discrtisation en temps
Choix du type de discrtisation en temps

Les discrtisations en temps explicites (voir [DP00] pour une introduction) sont plus
simples mettre en oeuvre dans un code de calcul car il ny a pas de systme linaire
rsoudre chaque pas de temps. Par contre, elles sont en gnral soumises des critres
de stabilit sur le pas de temps.
En mcanique des uides incompressibles, on choisit souvent une discrtisation en temps
implicite du systme des quations de Navier-Stokes pour les raisons suivantes :
Cours ENSTA B2-1

60

5.1. Discrtisation en temps


Lquation de conservation de la masse u = 0, na pas de terme instationnaire

en t
. Elle agit donc comme une contrainte (voir chapitre 8) et a donc, par nature,
un caractre implicite1 .
Lorsque les termes diusifs sont importants, les critres de stabilit sur le pas de
temps des mthodes explicites sont trs restrictifs.
Du fait de lutilisation de la mthode des lments nis, mme avec une discrtisation
explicite en temps, il reste une matrice de masse inverser2 .

5.1.2

Discrtisation en temps implicite

En ce qui nous concerne, nous choisirons donc toujours, par simplicit, une discrtisation en temps implicite par dirences nies dordre 1 (Euler implicite) ou une formule
de dirences nies amont dordre 2 (BDF2, en anglais Backward Dierence Formula of
order 2) :

Th k+1 Th k
T

S(T )
S(Th k+1 ) Euler implicite
t
t
(5.1)
k+1

4Th k + Th k1

k+1
T S(T ) 3Th

S(Th ) BDF2
t
2t
o S(T ) correspond la partie stationnaire (sans drives en temps) du problme considr.
La matrice du schma discrtis en temps et en espace est alors la somme de la partie
stationnaire et dune matrice masse pondre par 1/t :
Z

Th k+1 Th k
Ni S (Th k+1, Ni ) d = 0 Ni
t

(5.2)

soit en dveloppant Th k+1 et Th k (ce dernier est connu, cest la valeur de linconnue trouve
au pas de temps prcdent ou la condition initiale si k = 0) :
X
j

Tj

k+1

Z

X k
1
Tj
Nj Ni S (Nj , Ni ) d
t
j

Z

1
Nj Ni d = 0 Ni
t

(5.3)

Do le systme linaire en T k+1 rsoudre :


!

M
M k
+ S T k+1 =
T
t
t

(5.4)

avec la matrice de masse Mij = Ni Nj d et S la matrice du problme stationnaire.


M
Cette matrice T = t
+S a, en gnral, de meilleures proprits que la partie stationnaire
S seule, du fait dune plus grande dominance de la partie diagonale.
Dit autrement, si la discrtisation est stable pour le problme stationnaire, elle le sera
pour le problme instationnaire correspondant, avec discrtisation en temps par dirences
nies implicite.
On peut saffranchir partiellement de ce caractre implicite en dcouplant les quations de conservation
de la masse et de la quantit de mouvement dans le cadre des mthodes dites de projection [EG02]. Nous
naborderons pas ces mthodes ici.
2
Des techniques de diagonalisation de la matrice de masse existent, afin que son inversion soit triviale,
mais ces techniques sont dun usage dlicat.
1

Cours ENSTA B2-1

5. Discrtisation en temps

5.2

61

Influence de la condition initiale

Nous allons juste voquer ici un cas o la condition initiale donne est une condition
fortement variable (type choc), voire mme une condition qui ne vrie pas les conditions
aux limites ou les autres contraintes (par exemple, la contrainte u = 0 du problme de
Stokes ou de Navier-Stokes). Ce deuxime cas se prsente en fait assez souvent, lorsquon
ne fait pas assez attention ou lorsquil nest pas facile de construire une condition initiale
qui vrie toutes les contraintes.
Pour cela, nous allons considrer le problme suivant de diusion instationnaire, avec
constant gal 1 et des conditions de Dirichlet au bord :

T
div T = 0 sur [0, 1]
t
T |x=0 = 1

T|
x=1 = 0

(5.5)

Ce problme est un problme facile au sens o loprateur Laplacien, comme nous lavons
vu au chapitre 2, est un oprateur rgularisant.
Une fois discrtis en temps et en espace, on obtient le problme discret :
Z

Th k+1 Th k
Ni + Th k+1Ni d = 0 Ni \
t

(5.6)

Do le systme linaire en T k+1 rsoudre :


!

M
M k
+ R T k+1 =
T
t
t
R

(5.7)

avec la matrice de masse Mij = Ni Nj d et la matrice de rigidit Rij =


Prenons tout dabord comme condition initiale :
Th 0 = 0 sur [0, 1]

Ni Nj d.
(5.8)

Cette condition ne vrie pas les conditions aux limites du problme (5.5).
La traduction en Gibiane du problme (5.5) est donne sur le listing 5.1.
La gure 5.1 montre le rsultat obtenu avec un grand pas de temps gauche (t =
1
10 ) et un petit pas de temps (t = 104 ) droite. On observe labsence doscillations
avec le pas de temps lev mais la solution obtenue nest pas trs prcise en temps. Par
contre, avec un pas de temps faible, la solution obtenue oscille ds le premier pas, puis
samortit grce leet rgularisant du Laplacien.
En fait, il est facile de comprendre ce qui se passe car, quand t 0, le problme sous
forme faible au premier pas de temps scrit :
Z 

Th 1

Th 0 Ni d = 0 Ni \

Th |x=0 = 1
Th |x=1 = 0

(5.9)

Comme Th 0 = 0, on retrouve exactement le problme de lapproximation du choc de la


section 4.5.2. Les oscillations obtenues sont dues au fait que le schma lments nis cherche
Cours ENSTA B2-1

62

5.2. Influence de la condition initiale

dt = 1.D-1 ;

dt = 1.D-4 ;

....

10

rv = EQEX
OPTI
ZONE
OPTI
ZONE
CLIM
CLIM
*
rv . INCO
rv . INCO
rv . INCO

NITER 1 OMEGA 1. ITMA nitma


EF IMPL CENTREE
$mt OPER DFDT 1. CNM1 dt INCO CN
EF IMPL CENTREE
$mt OPER LAPN 1. INCO CN
gau CN TIMP 1.
dro CN TIMP 0. ;
= TABLE INCO ;
. CN = KCHT $mt SCAL SOMMET cini ;
. CNM1 = KCHT $mt SCAL SOMMET cini ;

Listing 5.1: Jeu de donne diff1d.dgibi correspondant au problme (5.5)

T (x, t)

T (x, t)

t
x

Fig. 5.1: Problme (5.5) avec condition initiale impropre (5.8). Gauche : t = 101 .
Droite : t = 104 .

Cours ENSTA B2-1

5. Discrtisation en temps

63

T (x, t)

T (x, t)

Fig. 5.2: Problme (5.5) avec condition initiale compatible avec les conditions aux limites
(5.10). Gauche : t = 101 . Droite : t = 104 .
approcher une solution choc avec des fonctions continues. La meilleure solution au sens
de la norme L2 est une fonction oscillante.
Si, maintenant, on prend une condition initiale vriant les conditions aux limites :

x
sur [0, x]
x
= 0 sur [x, 1]

Th 0 = 1

Th 0

(5.10)

o x est la taille du premier lment, on obtient les solutions de la gure 5.2. Avec un
pas de temps grand, la solution obtenue est quasiment identique la prcdente car le
Laplacien a dj eu le temps de rgulariser la discontinuit, cest--dire de loublier.
Pour le pas de temps petit, on obtient beaucoup moins doscillations avec la condition
initiale compatible avec les conditions aux limites car celle-ci est plus rgulire que la
condition initiale choc et mieux approche par les fonctions continues en norme L2 .
Dans le cas dun problme plus complexe, o la diusion nest plus dominante, ou si
le problme est non linaire, les erreurs commises sur la condition initiale peuvent tre
beaucoup plus longue samortir, voire mme fausser compltement la solution numrique
trouve.

5.3

Rsum

Loprateur de drive en temps discrtis par une mthode de dirences nies implicite fait apparatre une matrice de masse divise par t qui se rajoute la matrice du
problme stationnaire, ainsi quun second membre.
Lorsque la condition initiale est impropre (ne vrie pas les contraintes et/ou les conditions aux limites) ou peu rgulire (mal approche par les fonctions de discrtisations
choisies), il peut y avoir des oscillations.

Cours ENSTA B2-1

64

Cours ENSTA B2-1

5.3. Rsum

65

Chapitre 6
Solution des EDP non linaires
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Dans ce chapitre, nous nous intressons la rsolution dun problme non-linaire. Pour
rsoudre ce problme, nous tudions deux mthodes : la mthode de Newton et la mthode
de point xe. Ces deux mthodes consistent linariser le problme non linaire autour
dun tat donn, puis de rsoudre le problme linaire rsultant en vue de se rapprocher,
par itrations successives, de la solution du problme non linaire de dpart. Pour linariser
une quation aux drives partielles, nous utilisons la drive au sens des oprateurs.

6.1

Mthode de Newton : zro dune fonction

On rappelle le principe de la mthode de Newton pour trouver le zro dune fonction


f valeurs relles dune variable relle x. Soit rsoudre :
f (x) = 0

(6.1)

Lide de la mthode de Newton est de se ramener du problme non linaire (6.1), que lon
ne sait a priori par rsoudre exactement, une suite de problmes linaires que lon sait
rsoudre. Une itration de la mthode de Newton repose sur les tapes suivantes :
1. une estimation de dpart de la solution cherche x0 ;
2. une linarisation g de la fonction f autour de ltat de dpart x0 : g est la droite
tangente la fonction f au point dabscisse x0 :
g(x) = f (x0 )(x x0 ) + f (x0 )

(6.2)

3. la rsolution du problme tangent


g(x1 ) = 0

(6.3)

qui permet dobtenir un nouvel tat x1 , que lon espre plus proche de la solution de
(6.1) que x0 .
Cours ENSTA B2-1

66

6.2. Mthode de Newton : zro dune EDP non linaire

f (x0)

f (x)

x1

g(x) = f (x0)(x x0) + f (x0)


x0

Fig. 6.1: Une itration de la mthode de Newton. x0 : estimation initiale de la solution.


x1 : nouvelle estimation de la solution.
Une itration de la mthode de Newton est montre sur la gure 6.1.
On itre ensuite la mthode de Newton n fois jusqu ce que f (xn ) soit susamment
proche de 0. La rsolution du problme tangent (6.3) peut scrire sous deux formes algbriquement quivalentes :
une forme incrmentale o linconnue x est lincrment de la variable x :
1
1. x =
f (x0 ) ;
f (x0 )
2. x1 = x0 + x.
une forme non incrmentale o linconnue est directement ltat cherch x1 :
1. x1 = x0

6.2

f (x0 )
.
f (x0 )

Mthode de Newton : zro dune EDP non linaire

La mthode vue en sous-section prcdente stend galement aux quations aux drives partielles non linaires et plus gnralement tout problme non linaire pour lequel
on peut dnir une notion de drive pertinente, permettant dexprimer un problme linaire tangent que lon sait rsoudre.
Cours ENSTA B2-1

6. Solution des EDP non linaires

67

u(x)
1.0

0.5

0.0

Pe=45
0.5
Pe=10

Pe=1

Pe=0.1
1.0
1.0

0.5

0.0

0.5

1.0

x
Fig. 6.2: Solution exacte u(x) du problme (6.4) en fonction du nombre de Pclet P e.

6.2.1

Problme modle

On dnit le problme de convection-diusion non linaire suivant en 1D sur le segment


[1, 1] avec conditions aux limites de Dirichlet :

u
1 2u

=0
x P e x2
u|x=1 = 1

u|x=1 = 1
u

(6.4)

Ce problme est lquivalent non linaire du problme de convection-diusion (4.1). Sa


solution exacte ressemble une tangente hyperbolique dont la pente en x = 0 augmente
avec le nombre de Pclet P e, comme le montre la gure 6.2.

6.2.2

Drive au sens des oprateurs

Le problme modle peut scrire formellement :


R(u) = 0

(6.5)

o R est un oprateur, cest--dire un objet qui, une fonction, associe une autre fonction.
2
P1e xu2 . R est souvent appel
Ici, R associe la fonction inconnue u(x), la fonction u u
x
loprateur rsidu, il donne une fonction uniformment nulle lorsquon a trouv la solution u du problme. En mcanique des milieux continus, R est galement souvent appel
dsquilibre.
Cours ENSTA B2-1

68

6.2. Mthode de Newton : zro dune EDP non linaire

Au chapitre 2, on avait dni la notion de drive fonctionnelle. On dnit ici, de la


mme manire, la drive au sens des oprateurs :
d
R(u + v)
(6.6)
0 d
ce qui se lit : la drive de loprateur R au point u, dans la direction de v, gale. . .
La drive au sens des oprateurs est galement un oprateur qui, aux deux fonctions
u et v associe une fonction v R(u). Un point important est que v R(u) est linaire en v.
Si on applique la dnition (6.6) notre problme modle (6.4), on trouve :
v R(u) = lim

d
u
u
v
1 2u
1 2v
2 v
v R(u) = lim
u
+ v
+ v
+u

0 d
x
x
x
x P e x2
P e x2
soit :

(6.7)

1 2v
u
v

v R(u) = v
+u
(6.8)
x
x
P e x2
Le troisime terme de lexpression ne dpend pas du point de drivation u. Ceci carac2
trise le fait que P1e x
2 est un oprateur linaire.

6.2.3

Itration de Newton

On peut maintenant crire une itration de la mthode de Newton pour la rsolution


du problme non linaire (6.5) :
1. estimation de dpart de la solution cherche u0 ;
2. linarisation S du rsidu R autour de ltat de dpart u0 :
S(u) = (uu0 ) R(u0 ) + R(u0 )

(6.9)

3. rsolution du problme tangent


S(u1) = 0

(6.10)

qui permet dobtenir un nouvel tat u1 , que lon espre plus proche de la solution de
(6.5) que u0 .
On itre ensuite la mthode de Newton n fois jusqu ce que R(un ) soit susamment
proche de la fonction nulle. La rsolution du problme tangent (6.10) peut scrire sous
deux formes algbriquement quivalentes :
une forme incrmentale o linconnue u est lincrment de la fonction u :
1. Rsoudre u R(u0 ) = R(u0 ) ;
2. u1 = u0 + u.
une forme non incrmentale o linconnue est directement ltat cherch u1 :
1. Rsoudre u1 R(u0 ) = R(u0 ) + u0 R(u0 ).
Remarque 1 Pour passer de la forme incrmentale la forme non incrmentale, on
utilise le fait que v R(u) est linaire en v.
Remarque 2 En forme incrmentale, on voit que, dans le cas scalaire, la rsolution du
problme tangent correspondait la division par f (x0 ) du second membre f (x0 ). Dans le
cas des EDP, la rsolution du problme tangent correspond trouver la solution de lEDP
linaire avec second membre u R(u0 ) = R(u0 ).
Cours ENSTA B2-1

6. Solution des EDP non linaires

6.2.4

69

Application au problme modle

Appliquons la mthode de Newton qui vient dtre dcrite au problme modle (6.4).
Sous forme incrmentale, la premire itration scrit :
1. tant donn u0 ;
2. rsoudre lEDP linaire en linconnue u :

u
1 2 u
u0
1 2 u0

u0

+ u0

=
u

u
0
x
x
P e x2
x
P e x2
(6.11)
u|
=
1

u
|

0 x=1

x=1

u|x=1 = 1 u0 |x=1

3.
Sous
1.
2.

nouvelle estimation : u1 = u0 + u.
forme non incrmentale, la premire itration scrit :
tant donn u0 ;
rsoudre lEDP linaire en linconnue u1 :

u1
1 2 u1
u0
u0
+ u0

= +u0
2
x
x
P e x
x
u
|
=
1

x=1

u1 |x=1 = 1
u1

(6.12)

Les formes incrmentales et non incrmentales sont algbriquement quivalentes mais, en


pratique, elles ont chacune leurs avantages :
Forme non incrmentale : en gnral, il y a moins de termes calculer et on conomise
ltape dincrmentation de linconnue ;
Forme incrmentale : cette forme fait apparatre explicitement lincrment u et le
rsidu R. La norme de ces quantits permet destimer respectivement lerreur sur
linconnue (primale) et lerreur sur lquation (duale), ce qui est trs utile.
Dans CastM, en mcanique du solide, on utilise plutt la forme incrmentale (procdure
PASAPAS) et en mcanique des uides, la forme non incrmentale (procdure EXEC, voir
chapitre 10).

6.3

Mthode de point fixe

La mthode de Newton que nous venons de dcrire a lavantage de converger en gnral


rapidement vers la solution cherche lorsque lestimation de dpart est proche de la
solution cherche. Dans le cas contraire, on est souvent oblig dutiliser dautres variantes
de la mthode de Newton, plus robustes.
Cest le cas de la mthode de point xe, galement appele mthode de Picard. Celle-ci
peut tre vue comme une mthode de Newton o lon remplace la drive exacte (f (x0 )
ou R(u0 )) par une expression approche. Par exemple, dans le cas du problme modle
(6.4), la place de lexpression exacte (6.8), on peut utiliser :
1 2v
v

x P e x2
o on na gard que le deuxime terme1 de la linarisation de loprateur u u
.
x
fv R(u) = u

(6.13)

Le choix des termes garder est souvent effectu de manire heuristique (par exprience) ou dict par
dautres considrations (nombre de termes calculer. . . )
1

Cours ENSTA B2-1

70

6.4. Exemple numrique

6.3.1

Forme incrmentale

Sous forme incrmentale, une itration de la mthode de point xe scrit :


1. Rsoudre g
u R(u0 ) = R(u0 ) ;

2. u1 = u0 + u.

noter que lon na modi que le membre de gauche de ltape 1 : si la mthode de


point xe converge, elle converge vers une solution u telle que R(u) = 0, de mme que la
mthode de Newton !

6.3.2

Forme non incrmentale

Sous forme non incrmentale, pour le problme modle (6.4), la premire itration de
la mthode de point xe scrira :
1. tant donn u0 ;
2. rsoudre lEDP linaire en linconnue u1 :

1 2 u1
u1

=0
x
P e x2
u1 |x=1 = 1

u1 |x=1 = 1
u0

(6.14)

On voit quune itration de la mthode de point xe est quivalente rsoudre le problme


(6.4) pour lequel on a juste chang u u
en u0 u
: la vitesse de convection est xe la
x
x
valeur estime u0 , do le nom de mthode de point xe.
La mthode de point xe sous forme non incrmentale est la mthode utilise par la
procdure EXEC pour rsoudre les quations non linaires. On donne plus de dtails dans
le chapitre 10.

6.4

Exemple numrique

On illustre ce qui vient dtre dit en rsolvant le problme modle (6.4) par les mthodes
de Newton et de point xe en choisissant :
maillage rgulier de 100 mailles ;
discrtisation par lments nis linaires ;
P e = 10 ou P e = 45 ;
estimation initiale : u0 (x) = x.
Une fois le problme discrtis, et si on utilise, par exemple, la mthode de Newton
sous forme incrmentale (6.11), la premire itration sous forme matricielle scrit :
1. tant donn u0 ;
2. rsoudre le systme linaire en linconnue u :
Nu0 u = b(u0 )
3. nouvelle estimation : u1 = u0 + u.
Cours ENSTA B2-1

(6.15)

6. Solution des EDP non linaires

71

ui (x)

ui (x)

1.5

1.5

1.2

1.2

0.9

0.9

0.6

0.6

0.3

0.3

0.0

0.0

0.3

0.3

0.6

0.6

0.9

i=2

0.9

i=2

1.2

i=1

1.2

i=1

i=0

1.5

1.5
0.0

0.5

1.0

1.5

2.0

i=0
0.0

0.5

1.0

1.5

2.0

ui (x)

ui (x)

1.5

1.5

1.2

1.2

0.9

0.9

0.6

0.6

0.3

0.3

0.0

0.0

0.3

0.3

0.6

0.6

0.9

i=

0.9

i=

1.2

i=3

1.2

i=3

i=2

1.5

1.5
0.0

0.5

1.0

1.5

2.0

i=2
0.0

0.5

1.0

1.5

2.0

Fig. 6.3: Solution ui du problme (6.4) pour P e = 10 obtenue litration i. Gauche :


mthode de Newton. Droite : mthode de point xe. Haut : i < 3. Bas i > 2

La matrice Nu0 varie chaque itration car elle dpend de u0 .


Sur la gure 6.3, on trace la solution obtenue ui par chaque mthode en fonction du
nombre ditrations eectues i, dans le cas P e = 10. On observe la convergence des deux
mthodes vers la solution, mais on observe une dirence de comportement aux pemires
itrations o la mthode de Newton passe par des tats oscillant hors des bornes 1 et 1.
Sur la gure 6.4, on trace lerreur max |ui u | en fonction de i pour la mthode de
Newton et la mthode de point xe avec P e = 10. On observe la convergence rapide de
la mthode de Newton une fois que lon sest susamment rapproch de la solution (pour
i = 2 et plus).
Sur la gure 6.5, on trace galement lerreur pour P e = 45 : on observe que la mthode
de Newton ne converge plus, contrairement la mthode de point xe, plus robuste. Les
comportements observs dans cet exemple particulier se retrouvent dans la plupart des cas
pour dautres problmes.
Cours ENSTA B2-1

72

6.4. Exemple numrique

E(i)
1.E0
1.E1
1.E2
1.E3
1.E4
1.E5
1.E6
1.E7
1.E8
1.E9
1.E10
1.E11
1.E12
1.E13
1.E14
1.E15
0

10

15

20

25

30

35

40

Fig. 6.4: Graphe de lerreur E = max |ui u | en fonction de i pour le problme modle
(6.4) avec P e = 10.  : mthode de point fixe. : mthode de Newton.

E(i)
1.E6
1.E5
1.E4
1.E3
1.E2
1.E1
1.E0
1.E1
1.E2
1.E3
1.E4
1.E5
1.E6
1.E7
1.E8
1.E9
1.E10
1.E11
1.E12
1.E13
1.E14
1.E15
1.E16
1.E17
1.E18
0

10

15

20

25

30

35

40

Fig. 6.5: Graphe de lerreur E = max |ui u | en fonction de i pour le problme modle
(6.4) avec P e = 45.  : mthode de point fixe. : mthode de Newton.

Cours ENSTA B2-1

6. Solution des EDP non linaires

6.5

73

Rsum

Pour rsoudre un problme non linaire, on se donne une estimation de la solution du


problme, on linarise le problme autour de cette estimation et on rsoud le problme
linaire ainsi pos pour obtenir une nouvelle estimation de la solution.
Linariser implique une notion de drive : pour les EDP, nous avons vu quil sagit de
la drive au sens des oprateurs.
Lorsque la linarisation est exacte, la mthode que nous venons de dcrire sappelle
mthode de Newton. Elle se caractrise par sa convergence rapide lorsquon sapproche de
la solution du problme.
Lorsque la linarisation est approche, on obtient des mthodes drives telles la mthode de point xe. Elles se caractrisent souvent par une meilleure robustesse et un
moindre cot que la mthode de Newton au prix dune vitesse de convergence souvent
plus faible.

Cours ENSTA B2-1

74

Cours ENSTA B2-1

6.5. Rsum

75

Chapitre 7
Formation de choc

u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t

7.1

quation de Burgers

Examinons maintenant un problme non linaire et instationnaire, le plus simple possible, il sagit de lquation de Burgers instationnaire. Celle-ci peut scrire sous plusieurs
formes, en particulier, une forme dite conservative :
u
u2
u
+ =
+ f (u) = 0
t
2
t

(7.1)

o f (u) est appel le ux. Il dpend de la quantit extensive inconnue u dont on crit
la conservation. Le fait que lquation u
+ f (u) = 0 exprime la conservation de la
t
quantit u se verra mieux sous la forme intgrale faible (7.4).
Lquation de Burgers peut galement scrire sous une forme non conservative, quivalente au niveau de lEDP. En 1D, elle scrit :
u
u
+u
=0
t
x

(7.2)

montre que linconnue u joue deux rles :


Le terme de convection non linaire u u
x
u
un rle passif dinconnue transporte u
;
x
u
.
un rle actif de vitesse transportante u
x
Ce double rle est lorigine de proprits intressantes.
Cours ENSTA B2-1

76

7.2. Formation dun choc

u(x, t)
t
x

Fig. 7.1: Solution exacte u(x, t) du problme (7.2) (quation de Burgers) avec la condition
initiale (7.3). Formation dun choc.

7.2

Formation dun choc

Considrons par exemple la condition initiale continue suivante :

u0(x) = 1 si x < 0
u0(x) = 1 x si 0 x < 1

0
u (x) = 0 si x 1

(7.3)

La solution exacte de lquation de Burgers 1D instationnaire que lon obtient est reprsente en espace-temps sur la gure 7.1. On comprend assez bien ce qui se passe :
la partie de la solution, gauche, qui est u = 1 va vouloir avancer vers la droite
avec cette mme vitesse unit ;
la partie de la solution, droite, qui est u = 0 va vouloir rester sur place.
linstant o les parties gauche et droite de la solution se rejoignent, il y a formation dun
choc.
Ce choc pose un problme car la solution devient alors discontinue et on ne peut plus
donner de sens aux drives spatiales u
dans lEDP (7.2). Autour du choc, il faut alors
x
revenir la forme faible, plus gnrale, de lquation de conservation. Celle-ci sexprime en
intgrant lEDP (7.1) en temps et en espace1 pour donner :
Z t+t Z x+x
u
+ f (u)dtdx = 0 t, x, t, x
(7.4)
t
x
t
ou encore :
Z

x+x

u(t + t) u(t)dx +

t+t
t

f (u(x + x)) f (u(x))dt = 0 t, x, t, x

(7.5)

En fait, comme dans la mthode des rsidus pondrs du chapitre 3, on fait le chemin lenvers. Cest
bien la forme faible qui est le principe physique fondamental exprimant la conservation. La forme EDP
sen dduit sous des hypothses de rgularit, ici non vrifies au choc. La forme EDP prsente par contre
lavantage de scrire de manire plus concise et dtre plus facile manipuler algbriquement.
1

Cours ENSTA B2-1

7. Formation de choc

77
u(t + t)

f (u(x))

f (u(x + x))

t
u(t)
x

Fig. 7.2: Bilan de la quantit extensive u sur la maille [x, x + x] [t, t + t] (quation
(7.5)

ce qui se lit : laugmentation de la quantit extensive u, contenue dans tout intervalle


despace [x, x + x], pendant tout intervalle de temps [t, t + t], est gale la quantit de
u (le ux de u) entrant par les bords, en x et en x + x, pendant ce mme intervalle de
temps. Ceci est dessin sur la gure 7.2.
La forme faible de la conservation nous permet de prciser ce qui se passe en prsence
dun choc et, en particulier, dcrire des relations de saut reliant les tats gauche et
droite du choc la vitesse de ce choc : on les appellent conditions de Rankine-Hugoniot.
Pour cela, exprimons la conservation sur une maille espace-temps [x, x + dx] [t, t + dt]
contenant un choc, qui fait passer la solution de uL uR , et avanant la vitesse s, comme
sur la gure 7.3 :
Z

x+x

u(t + t) u(t)dx +

t+t

f (u(x + x)) f (u(x))dt = 0 t, x, t, x

dt(s(uL uR )) + dt(f (uR ) f (uL)) = 0


uL + uR
f (uL) f (uR )
=
s=
uL uR
2

(7.6)

Le choc, une fois form, avance donc la moyenne des deux vitesses, en amont et en aval
du choc. En pratique, on peut utiliser lEDP dans les zones o la solution est rgulire et,
en prsence dun choc, identi par sa position, caractriser sa vitesse laide des relations
de Rankine-Hugoniot.
Cours ENSTA B2-1

78

7.3. Onde de rarfaction

u
u(t)

uL

u(t + t)
s

uR

x + x

Fig. 7.3: Variation de la quantit extensive u sur un intervalle [x, x + x] en prsence dun
choc (quation (7.6)).

7.3

Onde de rarfaction

Toutefois, nos ennuis ne sarrtent pas l. Considrons en eet la condition initiale


suivante, qui est un choc lenvers :
(

u0 (x) = 0 si x < 0
u0 (x) = 1 si x 0

(7.7)

On peut vrier que les deux solutions traces sur la gure 7.4 sont solutions du problme
de Burgers, cest--dire de lEDP (7.2) l o la solution est continue et, dans le cas du choc
non physique, quelles vrient les relations de Rankine-Hugoniot. Ceci est caractristique
dun problme mal pos car il admet plusieurs solutions. Heuristiquement, il manque de
la physique dans le problme de Burgers tel quil est pos.
Pour rendre le problme de Burgers mieux pos et, en particulier, pour avoir une solution unique, une manire de faire est dajouter des conditions dentropie supplmentaires
[Lev02] et de considrer la limite du problme bien pos :
u
u2
lim
+ u = 0
0
t
2

(7.8)

Lorsquon considre ce problme, on obtient la solution trace sur la gure 7.4 droite qui
sappelle une onde de rarfaction.
Cours ENSTA B2-1

7. Formation de choc

79

u(x, t)
t

u(x, t)
t

Fig. 7.4: Deux solutions exactes u(x, t) du problme (7.1) (quation de Burgers) avec la
condition initiale (7.7). Gauche : choc non physique. Droite : onde de rarfaction.
1

10

typdec = CENTREE ;
typdec = SUPG ;
nmail = 10 ; cfl = 0.5 ; dt = / cfl nmail ; tfinal = 2. ;
nitma = ENTIER (/ tfinal dt) ;
*
rv = EQEX NITER niter OMEGA omeg ITMA nitma
OPTI EF IMPL CENTREE
ZONE $mt OPER DFDT 1. CNM1 dt INCO CN ;
ZONE $mt OPER MAJUN
OPTI EF IMPL typdec
ZONE $mt OPER KONV 1. UN ALF INCO CN
OPTI EF IMPL CENTREE
ZONE $mt OPER LAPN ALF INCO CN
CLIM gau CN TIMP cgau
CLIM dro CN TIMP cdro ;

Listing 7.1: Jeu de donne burgers1d.dgibi correspondant au problme (7.2)

7.4

Rsultats numriques

Considrons maintenant les solutions du problme de Burgers obtenues en discrtisant


lEDP (7.2) par la mthode des lments nis2 .
La traduction en Gibiane du problme (7.2) est donne sur le listing 7.1.
Choc Considrons tout dabord le cas de la formation du choc, obtenu avec la condition
initiale (7.3). La gure 7.5 montre les rsultats obtenus avec une discrtisation centre (
gauche) et une discrtisation dcentre SUPG ( droite) du terme convectif. La discrtisation
centre conduit une solution qui se met osciller ds la formation du choc. Le point important est que ces oscillations samplient cause de la non linarit, jusqu contaminer
tout le domaine de calcul, rendant la solution numrique inexploitable. En utilisant une
Avant dappliquer la mthode des rsidus pondrs, il y a besoin de discrtiser en temps (chapitre 5)
et de linariser le terme de convection non linaire (chapitre 6). Nous dcrivons lalgorithme complet au
chapitre 10.
2

Cours ENSTA B2-1

80

7.5. Rsum

uh (x, t)
t

uh (x, t)
t

Fig. 7.5: Solution numrique uh (x, t) du problme (7.2) (quation de Burgers) pour
la condition initiale (7.3) conduisant la formation dun choc. Gauche : discrtisation
CENTREE du terme convectif. Droite : discrtisation SUPG du terme convectif.

uh (x, t)
t
x

uh (x, t)
t
x

Fig. 7.6: Solution numrique uh (x, t) du problme (7.2) (quation de Burgers) pour la
condition initiale (7.7) conduisant une onde de dtente. Gauche : discrtisation CENTREE
du terme convectif. Droite : discrtisation SUPG du terme convectif.
discrtisation dcentre SUPG, des oscillations persistent cause du phnomne de Gibbs,
vu en section 4.5, mais ces dernires restent cantonnes aux abords du choc.
Onde de rarfaction Considrons maintenant la condition initiale (7.7). Les rsultats
numriques obtenus sont tracs sur la gure 7.6. Ici, on obtient bien londe de rarfaction.
Dans le cas de la discrtisation SUPG, ceci peut sexpliquer par le fait que le schma numrique slectionne la bonne solution (londe de rarfaction) grce la diusion numrique
ajoute. Dans le cas de la discrtisation centre, on remarque le transport dune petite
oscillation, ne sattnuant pas avec le temps, l o le choc lenvers initial tait prsent.
Ceci rejoint la remarque faite en n de la section 5.2 sur limportance des erreurs commises
sur la condition initiale, particulirement pour les problmes non linaires.
Il y aurait beaucoup dire sur la rsolution des EDP et des systmes dEDP issues
de lexpression des lois de conservation. En particulier, un systme important est celui
des quations dEuler qui correspond aux quations de Navier-Stokes sans termes diusifs.
Pour les lecteurs intresss, nous renvoyons louvrage de Leveque [Lev02].
Le point important retenir est que la non linarit rend possible lapparition de
solutions non rgulires, comme des chocs, mme avec une condition initiale rgulire.

7.5

Rsum

Rsumons certains points importants voqus dans ce chapitre et les prcdents :


Cours ENSTA B2-1

7. Formation de choc

81

1. lapproximation dun problme convectif pur par lments nis nest, en gnral, pas
stable, il y a ncessit de dcentrer cest--dire dajouter une diusion numrique
pour rendre le problme discret bien pos ;
2. la mthode des lments nis utilisant des lments nis continus approche les solutions au mieux au sens de la norme L2 : les solutions discrtes oscillent prs des
endroits o la vraie solution varie fortement, mme pour un problme discret bien
pos ;
3. loprateur Laplacien est rgularisant : il permet de rendre le problme discret de
convection pur bien pos, il permet de lisser un choc sur une certaine chelle de
temps en diusion instationnaire ;
4. les non linarits des quations peuvent produire des solutions chocs, mme partir
de conditions initiales rgulires.
Nous avons donc rencontr, en pratique, deux types de dicults avec la mthode des
lments nis pour les problmes modles regards jusqu maintenant :
1. la stabilit du problme discret. Si on ne la pas, on obtient gnralement des oscillations non bornes des solutions discrtes ;
2. lapproximation des fonctions non rgulires (choc) par des fonctions rgulires (continues). La notion de choc dpend en fait de la discrtisation utilise. Une fois le
maillage x, est un choc toutes les solutions qui ne peuvent pas tre interpoles correctement par le maillage utilis. En ce cas, on obtient des oscillations de la solution
numrique mais celles-ci restent gnralement bornes.
Les deux dicults voques sont indpendantes : il est indispensable davoir la stabilit du problme discret pour pouvoir esprer converger vers une solution, la deuxime
dicult nous renseigne sur le fait que le maillage utilis ne nous permet pas dapprocher
correctement la solution exacte si elle existe.
On voit galement limportance de regarder les chelles caractristiques de chaque phnomne et la faon dont ils vont squilibrer :
les eects convectifs vont plutt jouer sur les grandes chelles de longueur et les
petites chelles de temps, ils vont pouvoir raidir les solutions en non linaire ;
les eets diusifs vont plutt jouer sur les petites chelles de longueur et les grandes
chelles de temps, ils ont un eet rgularisant sur les solutions trouves.
Lorsque les chelles caractristiques des phnomnes sont trs direntes, on parle de
problme multi-chelles : en mcanique des uides, les formations de choc, les problmes
de couches limites et la turbulence en fournissent des exemples. La discrtisation ajoute
des chelles en plus de celles du problme tudi : une chelle de longueur due la taille
des mailles et une chelle de temps due la taille des pas de temps. Ceci va faire que lon
ne va peut-tre pas toujours pouvoir capturer toutes les chelles, donc tous les phnomnes
du problme tudi : il faudra peut-tre modliser certains phnomnes si lon nest pas
capable de les capturer, compte tenu de la discrtisation eectue.
Cest ce caractre multi-chelles qui fait tout lintrt de la mcanique des uides et
toute la dicult de sa modlisation physique et numrique.

Cours ENSTA B2-1

82

Cours ENSTA B2-1

7.5. Rsum

83

Chapitre 8
Problme de Stokes
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Dans ce chapitre, on regarde comment discrtiser le problme de Stokes. De mme que
le problme de Dirichlet au chapitre 2, le problme de Stokes peut sinterprter comme un
problme doptimisation mais, cette fois-ci, il sagit dune minimisation sous contraintes
au lieu dune minimisation sans contraintes. Ceci a des rpercussions sur la stabilit du
problme de Stokes, une fois discrtis.
Ce chapitre suit donc globalement le mme plan que celui du chapitre 2 mais avec une
sous-section 8.2.3 consacre la stabilit.

8.1

Le problme continu

8.1.1

Fonctionnelle de Stokes

Le problme de Stokes est li aux quations de Navier (2.29)-(2.30), dont nous rappelons
lexpression :
+ f = 0

= (u)I + u + t u

(8.1)
(8.2)

Lorsque le premier coecient de Lam : , du fait de la forme de la fonctionnelle


de Navier (2.25), il sensuit que : u 0. En introduisant une nouvelle inconnue :
p = u, qui peut tre identie une pression, on obtient lexpression suivante pour
le tenseur des contraintes :


= pI + u + t u

(8.3)

A noter que u a chang de signication : en lasticit linaire, il reprsentait des dplacements (supposs petits par rapport une conguration de rfrence), en mcanique des
Cours ENSTA B2-1

84

8.1. Le problme continu

uides u reprsente dsormais la vitesse locale du uide. Un solide se dforme, un uide


scoule.
Le principe doptimisation que lon va crire fait dsormais intervenir la fonctionnelle
suivante, qui dpend des deux fonctions despace u et p :
I(u, p) =

kuk2 pu d
2

(8.4)

La fonctionnelle qui vient dtre crite est la fonctionnelle associe au problme de Stokes.
Elle nadmet pas de minimum du fait de sa forme (il ne sagit plus dune somme de carrs)
mais admet un point-selle. Ceci est caractristique dunR problme de minimisation sous
contraintes. En fait, la solution (u, p) cherche minimise 2 kuk2 d sous la contrainte
u = 0. p est le multiplicateur de Lagrange qui permet dimposer cette contrainte.

8.1.2

Condition de point-selle

Une condition susante pour que (u, p) soit un point-selle est dcrire que la drive
fonctionnelle de I est nulle en ce point :
(v,q) I(u, p) = 0 (v, q)

(8.5)

comme, par dnition de la drive fonctionnelle :


d
(v,q) I(u, p) = lim [
0 d

kuk2 pu d
Z 2
+ u : v qu pv d
+ 2

(8.6)

kvk2 qv d ]
2

nalement :
(v,q) I(u, p) =

8.1.3

u : v pv qu d = 0 (v, q)

(8.7)

quation aux drives partielles quivalente

An dexpliciter la signication de lquation (8.7), on peut se ramener lquation aux


drives partielles (EDP) correspondante. Pour ce faire, on utilise lintgration par parties
pour se ramener un systme dquations de la forme suivante :
Z

EDPu v + EDPp q d = 0 (v, q)

(8.8)

Do lon dduira : EDPu = 0 et EDPp = 0.


R
R
Utilisons donc lintgration par parties sur les termes u : v d et pv d
dans lquation (8.7), on obtient :
Z

uv d +

(un) v d +

Cours ENSTA B2-1

pv d

qu d = 0

pvn d

(8.9)

8. Problme de Stokes

85

Pour simplier, on va supposer que lon a impos des conditions de Dirichlet pour u sur
lensemble de : ceci a pour eet dannuler les termes de bord dans lexpression ci-dessus
car v sannule alors sur .
Nous reviendrons sur les conditions aux limites pour le problme de Stokes au chapitre 9.
On obtient nalement le systme dEDP dont nous cherchons la solution :
(

u + p = 0
u = 0

(8.10)

La premire ligne du systme est lquation de conservation de la quantit de mouvement.


La deuxime ligne du systme est lquation de conservation de la masse.

8.2
8.2.1

Le problme discret
Espaces de fonctions discrets

An de discrtiser le problme de Stokes, nous allons choisir des espaces de fonctions


discrets lments nis pour u et p. Nous navons pas trop parl des espaces de fonctions
choisir pour le problme de Stokes, mais vu la forme de la fonctionnelle (8.4), il parat
3
1
naturel de chercher u dans un sous-espace discret de (HD
()) ( cause du terme kuk2 )
et p dans un sous-espace discret de L2 () ( cause du terme pu). Si N i est une base
de lespace de fonction pour u, de dimension nu et Pk une base de lespace de fonction
pour p, on pourra crire :
nu
X

uh (x) =

ui N i (x)

(8.11)

pk Pk (x)

(8.12)

i=1
np

ph (x) =

k=1

8.2.2

Condition de point-selle discrte

La condition de point-selle discrte quivalente (8.9) est :


(N j ,Pl) I(uh , ph ) =

uh : N j ph N j Pl uh d = 0 (N j , Pl )

(8.13)

Et, en dveloppant uh et ph sur la base de leurs fonctions test, on obtient un systme


linaire impliquant les degrs de libert ui et pk :
(N j ,Pl ) I(uh , ph ) =

X
i

ui
X

pk

ou, plus succintement, en posant Rji =


A=

R Bt
B 0

N i : N j Pl N i d

Pk N j d = 0 (N j , Pl )

N j : N i d et Bli =
!

uh
ph

0
0

(8.14)

Pl N i d :
(8.15)
Cours ENSTA B2-1

86

8.2. Le problme discret

Ah est la matrice totale associe au problme de Stokes, R est la matrice de rigidit et B


la matrice de divergence. On note la structure symtrique de la matrice A : le bloc (1, 2)
correspondant au gradient de pression dans lquation de quantit de mouvement est le
transpos du bloc (2, 1) correspondant la contrainte de divergence nulle et le bloc (2, 2)
est nul. Cette structure de Ah est caractristique dun systme associ un problme de
point-selle : le bloc diagonal correspondant aux multiplicateurs de Lagrange (ici p) est nul.
Dans le cas dun problme de minimisation, la matrice du systme discret tait symtrique
dnie positive avec toutes ses valeurs propres positives. Dans le cas du systme de pointselle, la matrice Ah est symtrique mais indnie, avec nu valeurs propres positives et np
valeurs propres ngatives.

8.2.3

Stabilit du problme discret

Pour pouvoir appliquer le thorme de Lax (section 3.2), nous devons dabord nous
assurer que le problme de Stokes continu (8.9) est bien pos et que son expression discrte (8.15) est stable, cest--dire que Ah est inversible et que sa valeur propre de plus
petite valeur absolue est uniformment borne par une constante > 0 indpendante du
paramtre de discrtisation h.
Nous neectuons pas la dmonstration du caractre bien pos du problme de Stokes
continu, qui est donne, par exemple, dans [EG02] et qui conduit devoir vrier une
condition infsup, encore appele condition LBB (LadyzhenskayaBrezziBabuska) de la
forme :
Z
qv
inf
sup
d
(8.16)
2
3 kvk 1 kqk 2
qL0 ()
H
L
v(H10 ())
La stabilit du problme discret conduit devoir vrier des conditions infsup discrtes
de la mme forme que celles ci-dessus avec uh et ph . En pratique, cela se traduit par le fait
que lon ne peut pas choisir comme on veut les espaces dlments nis pour uh et ph : il
faut quils soient compatibles.

8.2.4

lments finis compatibles

lment fini le plus simple


Llment ni conforme le plus simple que lon peut considrer fait intervenir les espaces
dlments nis que nous avons vus en section 3.3 :
uh W1 H1 ()
ph V0 L2 ()

(8.17)
(8.18)

Cet lment ni est reprsent gure 8.1. Il prsente un intrt particulier, non seulement
du fait de sa simplicit, mais galement parce quil permet dexprimer une conservation
locale de la masse. En eet, si on regarde la k e ligne de la matrice de divergence B, elle
sexprime comme :
Z
uh Pk d = 0

Or Pk est la fonction indicatrice de llment k , lintgrale prcdente devient donc, en


utilisant lintgration par parties :
Z

Cours ENSTA B2-1

uh dk =

uh n dk = 0

8. Problme de Stokes

87

Fig. 8.1: lment ni le plus simple pour le problme de Stokes. : nuds pour la vitesse.
: nud pour la pression.
Cette dernire galit exprime le fait que la solution discrte uh trouve, si elle existe,
vriera la conservation locale de la masse1 .
Malheureusement, cet lment ni nest pas stable. Ceci se traduit ici par le fait que la
matrice complte Ah nest pas inversible. Nous verrons ce que cela donne en pratique sur
un exemple numrique en section 8.2.5.
lments finis de CastM
Les principaux lments nis de CastM utiliss en mcanique des uides sont montrs
dans le tableau 8.1. La famille dlments que lon conseille dutiliser est : QUAF/CENTREP1.
Ces lments sont, en eet, stables, prcis spatialement (ordre 3 en vitesse et 2 en pression),
comprennent toutes les formes gomtriques simples en 2D et en 3D et permettent davoir
une expression de la conservation locale de la masse par lment comme llment simple
vu ci-dessus. La contrepartie est que ces lments sont coteux : les matrices sont longues
calculer et rsoudre le systme linaire impliquant Ah est dicile.

8.2.5

Exemples numriques

On considre le problme de Stokes suivant sur le domaine = [0, 1] [0, 1] :


(

u + p = 0
u = 0

(8.19)

avec les conditions aux limites de Dirichlet pour u sur le bord du domaine :
u| =

4x(1 x)y
0

(8.20)

On impose galement la pression en un point quelconque du domaine. En eet, la pression


est dnie une constante prs car nous sommes en domaine ferm. Nous explicitons cette
indtermination en section 9.4.4.
La partie signicative du jeu de donne en langage Gibiane, compris par CastM,
traduisant le problme (8.19)-(8.20) est donne sur le listing 8.1. Si on utilise llment
Nous reviendrons en dtail dans le chapitre 9 sur les proprits de conservation de la mthode des
lments finis.
1

Cours ENSTA B2-1

88

8.2. Le problme discret

lment

Interpolation uh /ph

Nom CastM

Stable

P1 /P0

LINE/CENTRE

non

Q1 /P0

LINE/CENTRE

non

4P1 /P0

MACRO/CENTREP0

oui

4Q1 /P0

MACRO/CENTREP0

oui

4P1 /Pdisc
1

MACRO/CENTREP1

non

4Q1 /Pdisc
1

MACRO/CENTREP1

oui

disc
P+
2 /P1

QUAF/CENTREP1

oui

Q2 /Pdisc
1

QUAF/CENTREP1

oui

Tab. 8.1: Principaux lments nis en 2D pour le problme de Stokes utiliss dans CastM.
: points dinterpolation pour la vitesse uh . : points dinterpolation pour la pression ph .
Cours ENSTA B2-1

8. Problme de Stokes

10

20

89

* kvit = LINE ;
kpre = CENTRE ;
kvit = QUAF ; kpre = CENTREP1 ;
*
$mt = MODE _mt NAVIER_STOKES kvit ;
*
mclim = bas ET dro ET hau ET gau ;
xm ym = COORDONNEE mclim ;
cux
= NOMC UX (xm * (- xm 1.) * ym * -4.) ;
mp1 = POIN (DOMA $mt kpre) 1 ;
*
rv = EQEX NITER 1 OMEGA 1.D0 ITMA 1
OPTI EF IMPL CENTREE kpre
ZONE $mt OPER KBBT 1. INCO UN PN
OPTI EF IMPL CENTREE
ZONE $mt OPER LAPN 1. INCO UN
CLIM UN UIMP mclim cux
CLIM UN VIMP mclim 0.
CLIM PN TIMP mp1 0. ;
*
rv . INCO = TABLE INCO ;
rv . INCO . UN = KCHT $mt VECT SOMMET (0. 0.) ;
rv . INCO . PN = KCHT $mt SCAL kpre 0. ;
*
EXEC rv ;

Listing 8.1: Jeu de donne infsup.dgibi correspondant au problme (8.19)-(8.20).

Cours ENSTA B2-1

90

8.2. Le problme discret


>4.4E+12
< 0.0E+00

1.4E+11
4.1E+11
6.9E+11
9.6E+11
1.2E+12
1.5E+12
1.8E+12
2.1E+12
2.3E+12
2.6E+12
2.9E+12
3.2E+12
3.4E+12
3.7E+12
4.0E+12
4.3E+12

Fig. 8.2: Solution numrique du problme de Stokes (8.19)-(8.20) avec des lments nis
carrs de la famille LINE/CENTRE. Gauche : vitesse uh . Droite : pression ph .
>22.3
< 21.7

20.
18.
15.
12.
9.3
6.6
3.8
1.1
1.7
4.4
7.2
9.9
13.
15.
18.
21.

Fig. 8.3: Solution numrique du problme de Stokes (8.19)-(8.20) avec des lments nis
carrs de la famille QUAF/CENTREP1. Gauche : vitesse uh . Droite : pression ph .
instable Q1 /P0 , on obtient le rsultat montr gure 8.2. Le champ de vitesses a lair correct
malgr la prsence de vitesses parasite, visibles dans le coin en bas gauche. Par contre,
lexamen du champ de pression montre que celle-ci nest pas correcte, les valeurs aux coins
obtenues tant de lordre de 1012 . Ceci est le signe dune explosion de lalgorithme de
rsolution du systme linaire : en arithmtique virgule ottante, la matrice Ah nest
pas exactement singulire, cause de la prcision limite de la reprsentation des nombres
rels. Mais comme elle en est trs proche, on obtient ces valeurs trs grandes pour les
inconnues pression.
Si on utilise llment stable Q2 /Pdisc
1 , on obtient le rsultat montr gure 8.3, qui est
correct en vitesse et en pression.
Exercice 4 Vrier numriquement quen ranant le maillage, on tend vers une solution
avec les bons ordres de convergence.

Cours ENSTA B2-1

8. Problme de Stokes

8.3

91

Rsum

Dans ce chapitre, nous avons montr la formulation du problme de Stokes comme


problme de minimisation sous contraintes (ou point-selle), faisant apparatre linconnue
p, qui est le multiplicateur de Lagrange permettant dimposer la conservation de la masse,
vue comme une contrainte u = 0.
Dun !
point de vue matriciel, le systme obtenu a une structure caractristique Ah =
t
R B
des problmes doptimisation sous contraintes.
B 0
La condition de stabilit pour le problme discret induit des contraintes sur le choix
des lments nis pour la vitesse uh et la pression ph .

Cours ENSTA B2-1

92

Cours ENSTA B2-1

8.3. Rsum

93

Chapitre 9
Conditions aux limites et
conservation
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Conditions aux limites ?
Nous consacrons ce chapitre ltude des conditions aux limites pour les dirents
problmes modles que nous avons examins jusquici.
Nous commenons par une variante du problme de Dirichlet vu au chapitre 2 : le
problme de Neumann, en section 9.1. Ce dernier nous permet dexhiber une proprit trs
importante du problme continu, qui est prserve par la mthode des lments Finis :
la notion de conservation globale dune quantit. De manire lie la conservation, on
fait apparatre une condition de compatibilit sur les ux que lon impose aux bords du
domaine.
En section 9.2, on montre comment la notion de conservation globale peut tre exprime
pour un problme de diusion stationnaire avec des conditions aux limites plus gnrales
que celles du problme de Neumann en introduisant la notion de multiplicateur de Lagrange
pour limposition des conditions aux limites de Dirichlet.
En section 9.3, consacre lquation de convection-diusion stationnaire, on montre
que lintgration par parties ou non du terme convectif donne lieu deux types de conditions aux limites naturelles direntes.
En section 9.4, les conditions aux limites essentielles, naturelles et mixtes pour le problme de Stokes sont mises en vidence, ainsi que les conditions de compatibilit ventuellement associes. Le terme visqueux peut scrire de plusieurs manires, qui sont quivalentes
pour le problme continu mais qui donnent lieu des conditions aux limites naturelles diffrentes pour le problme discret.
Enn, en section 9.5, nous donnons un exemple numrique sur les quations de NavierStokes stationnaires illustrant les dirents conditions aux limites naturelles obtenues en
variant les formulations des termes convectifs et diusifs.
Cours ENSTA B2-1

94

9.1. Problme de Neumann avec termes sources

9.1
9.1.1

Problme de Neumann avec termes sources


Le problme de Neumann continu

Reprenons le problme de Dirichlet (2.3) sous la forme suivante :


Z

min I(T ) = min


1

T H1 ()

kT k2 sT d
2

T H ()

qT d

(9.1)

1
Cette fois-ci, T (x) H1 () au lieu de T (x) HD
() pour le problme (2.3) : nous navons
pas impos de conditions aux limites de Dirichlet pour T sur le bord du domaine . s
est une fonction dnie sur qui reprsente un terme source volumique : ceci se verra
mieux sur lquation aux drives partielles quivalente. q est une fonction dnie sur
qui reprsente un terme source surfacique.
Une condition de minimisation pour I scrit :

U I(T ) =

T U d

sU d

qU d = 0 U H1 ()

(9.2)

En supposant que T , la solution du problme continu, est susament rgulire, on


utilise lintgration par parties pour obtenir :
Z

(T s) U d +

(T n q) U d = 0

(9.3)

Choisissons U dans lensemble des fonctions dnies sur qui sannulent sur : la
deuxime intgrale de (9.3) est nulle du fait du choix de U, ce qui implique que la premire
intgrale sannule galement. La seule manire pour que la premire intgrale soit nulle
quelle que soit U est davoir :
T s = 0 sur

(9.4)

Choisissons maintenant U dans lensemble des fonctions dnies sur qui sannulent
partout sauf sur : la premire intgrale de (9.3) est nulle du fait du choix de U, ce
qui implique que la deuxime intgrale sannule galement. La seule manire pour que la
deuxime intgrale soit nulle quelle que soit U est davoir :
T n q = 0 sur

(9.5)

q reprsente donc une condition de ux entrant sur . En eet, le ux thermique est


dni comme : q = T , la condition la limite (9.5) correspond donc : qn = q.
n tant dnie comme la normale sortante, q est donc un ux entrant.
La condition aux limites sur le ux (9.5) est appele condition de Neumann ou condition
naturelle du problme de Dirichlet, par opposition la condition aux limites sur linconnue
T traite au chapitre 2, appele condition de Dirichlet ou condition essentielle.

9.1.2

Le problme de Neumann discret

Le problme de Neumann discret scrit :


min I(Th ) = min
1

Th H1 ()

Cours ENSTA B2-1

Th H ()

2
kTh k sTh d
qTh d
2

(9.6)

9. Conditions aux limites et conservation

95

La condition de minimisation pour le problme discret scrit :


Ni I(Th ) =

Th Ni sNi d

qNi d = 0 Ni H1 () i.e. i (9.7)

noter quici, contrairement au cas du problme continu, on ne peut pas utiliser


lintgration par parties car Th nest pas susament rgulire : en eet, le gradient de Th
nest en gnral pas continu linterface entre deux lments (se rappeler la gure 3.3 par
R
exemple) et on ne pourrait pas donner un sens lintgrale (Th ) Ni d.
La deuxime
intgrale de (9.3) semble avoir un sens, mme pour le problme discret,
R
puisque : (Th n q) Ni d = 0 est calculable mais, en fait, ceci ne peut pas
nous servir dduire Th n q = 0 sur car Ni , mme si i est un point du bord,
nest pas nulle sur \ : cest une fonction chapeau. Rptons-le :
Th n q 6= 0 sur

(9.8)

Ds lors, peut-on vraiment dire que q est un ux entrant impos une fois que lon a discrtis
le problme ? La rponse est heureusement oui. Le fait que lon ne puisse plus utiliser
lintgration par parties dans le problme discret nempche pas que, si le problme discret
est stable, nous allons avoir la convergence de Th vers la solution du problme continu
(9.2) : T . Et, si T est susament rgulire pour que lon puisse appliquer lintgration par
parties, on a linterprtation de q comme ux de T entrant.
On dit que la condition de Neumann T n q = 0 est impose de manire faible
lorsque la formulation (9.7) est utilise. Par opposition, la condition de Dirichlet T = T0
est impose de manire forte dans la formulation discrte correspondante (2.19) : on a
exactement T = T0 sur les nuds de discrtisation qui sont sur .
Nous tentons dexpliciter ce point sur un exemple simple en section 9.2.2. Pour des
dtails supplmentaires, on pourra consulter louvrage classique de Strang et Fix [SF88].
Finalement, en dveloppant Th sur la base des Ni , on obtient le systme linaire avec
second membre b sur les inconnues Tj :
Z

Th Ni sNi d

qNi d =

Tj (

X
j

Nj Ni d) bi (s, q)

Tj Rji bi (s, q)

(9.9)

= 0 i
soit encore, sous forme matricielle :
=0
RT s q

(9.10)

Ni d, s est la contribution au second


o R est la matrice de rigidit Rji = N
R j
membre du terme source volumique si = sNi d et q est la contribution au second
R
membre du terme source surfacique (ux entrant) q i = qNi d.

9.1.3

Indtermination de linconnue et condition de compatibilit

Reprenons le problme (9.1). Celui-ci est souvent appel problme de Neumann pour
insister sur le fait quil ny a pas de conditions imposes sur la valeur de linconnue T au
Cours ENSTA B2-1

96

9.1. Problme de Neumann avec termes sources

bord. Du fait que T nest pas impose au bord et que seul T apparat dans la fonctionnelle,
on en dduit que, si T est une solution du problme, T +c o c est un constante quelconque
est galement une solution. T est indtermine une constante prs.
De manire duale cette indtermination de T , il existe une condition de compatibilit
sur les termes sources quil faut vrier. Pour la faire apparatre, crivons la condition de
minimisation (9.2) pour une variation U particulire, constante sur , il vient :
Z

s d +

(9.11)

q d = 0

Ceci est lexpression dune conservation globale : la quantit de chaleur sortant par le bord
est gale la quantit de chaleur produite dans le domaine .
Ce qui vient dtre dit sapplique galement directement au problme discret lorsque
Th est dans un espace dlments nis car les fonctions constantes sur font partie de
cet espace. En eet, la somme de toutes les fonctions de base vaut 1 sur chaque nud Pj
daprs la proprit de base nodale :
X
i

!


Ni (x)

x=Pj

(9.12)

= 1 j

et comme les Ni sont polynmiales sur chaque lment, on en dduit :


X
i

(9.13)

Ni (x) = 1 x

En sommant sur i les conditions de minimisation du problme discret (9.7), on obtient


nouveau la condition de compatibilit (9.11) car :
X Z

Th Ni sNi d

=
= 0

Th

Z

s d +

Ni s


X
i

qNi d
Ni

X
i

Ni

q d

(9.14)

soit encore, sous forme matricielle :


X
i

si +

q i = 0

(9.15)

Remarque 3 La solution discrte Th obtenue vrie donc la conservation globale de la


chaleur. Ceci est une proprit trs importante de la mthode des lments nis.
Remarque 4 Par contre, la solution discrte Th obtenue ne vrie pas de conservation
locale, sur un lment k , de la chaleur. Ceci est d au fait que les fonctions indicatrices
des lments 1k (valant 1 sur k et 0 ailleurs) ne font pas partie de lespace de fonctions
P
de Th : H1 (). Toutefois, la ie quation du systme discret (lexpression j Tj Rji bi = 0
de lquation (9.9)) est une expression de la conservation locale de la chaleur autour du
nud i.
Cours ENSTA B2-1

9. Conditions aux limites et conservation

97

Au niveau du systme linaire (9.9) rsoudre, lindtermination fait que la matrice


R
Rij = Ni Nj d a une valeur propre nulle associe au vecteur propre 1 ne contenant
que des 1. Dit autrement, R1 = 0 1, la somme des termes de chaque ligne de R est donc
nulle. La condition de compatibilit impose que le second membre b soit orthogonal 1
P
cest--dire : i bi = 0 (9.15) pour que le systme admette des solutions.
Enn, une fois la condition de compatibilit vrie, il faut lever lindtermination, par
exemple en imposant la valeur de Th en un point, pour que le systme ait une solution
unique.

9.2
9.2.1

Problme de diffusion gnral


Variations sur les conditions aux limites

En gnral, dans les problmes de diusion que lon veut rsoudre, on va avoir des
conditions aux limites de Dirichlet sur une partie de et des conditions aux limites de
Neumann sur une autre. On partitionne donc en : = D N avec D N = .
Au niveau discret, le problme devient :
Ni I(Th ) =

Th Ni sNi d

qNi dN = 0 Ni H1D ()
i.e. i ( D )
Ti = T0 (Pi ) i D

(9.16)

Dans CastM, cest la directive CLIM de loprateur EQEX qui va permettre de


prciser les conditions aux limites de Dirichlet. Elles seront imposes par le solveur de
R
systmesR linaires appel par EXEC. Les termes sources surfaciques N qNi dN et volumiques sNi d peuvent tre calculs par loprateur FIMP (Flux IMPos).
Quen est-il maintenant de la proprit de conservation globale de la mthode des
lments nis ? Ds que nous avons des conditions aux limites de Dirichlet, nous navons
P
plus i Ni = 1 sur le domaine car nous avons impos la variation dtre nulle sur le bord
P
du domaine do ( i Ni ) (Pj ) = 0 i D . De faon heureuse, nous pouvons retrouver
la proprit de conservation globale de la mthode. La faon la plus lgante est de ne plus
contraindre la variation tre nulle au bord mais dimposer les conditions de Dirichlet
laide de multiplicateurs de Lagrange.
Nous avons dj rencontr cette notion de multiplicateur lorsque nous avons parl du
problme de Stokes au chapitre 8. Le multiplicateur p servait imposer la contrainte
u = 0 et avait la signication physique dune pression.
Ici, les multiplicateurs de Lagrange serviront imposer les contraintes de Dirichlet
Ti = T0 (Pi ) et auront une signication physique de ux. Comprendre cette notion de
dualit entre les conditions aux limites essentielles (valeur impose) et naturelles (ux) est
fondamental. Cest pourquoi nous allons maintenant traiter en dtail un exemple simple et
concret, avant de dcrire de manire plus abstraite et gnrale lutilisation de la mthode
des multiplicateurs de Lagrange pour limposition des conditions aux limites de Dirichlet.

9.2.2

Un exemple simple trait en dtail

Dans cette sous-section, nous regardons un problme simple de diusion 1D stationnaire


avec terme source constant et condition la limite de Dirichlet gauche et de Neumann
Cours ENSTA B2-1

98

9.2. Problme de diffusion gnral

droite. La solution exacte de ce problme est connue. On regarde le rsultat obtenu par
la mthode des lments nis sur un maillage de deux lments en dtaillant direntes
manires dimposer la condition la limite de Dirichlet.
Problme continu
Le problme que lon regarde scrit donc :

T = s
T |x=0 = Timp
T
= fimp

x x=1

(9.17)

o le terme source s, ainsi que le coecient , sont constants en espace.


Solution exacte Le problme (9.17) admet une solution exacte parabolique en x qui
sexprime comme :

T (x) = ax2 + bx + c

a=
2
(9.18)
s fimp

b
=

c = Timp

Problme discret

La discrtisation du problme (9.17) conduit crire :


Z

Th Ni d =

Th |x=0

= Timp

fimp Ni d +

sNi d i

(9.19)

avec Th cherch sous la forme :


Th (x) = T0 N0 (x) + T1 N1 (x) + T2 N2 (x)

(9.20)

T0

Dsormais, T1 est le vecteur des inconnues recherches.


T2
En calculant les intgrales, on est conduit la formulation matricielle du problme (9.19)
suivante :

0
T0
1 1 0

2

0
(9.21)
+ sx 1
1 2 1 T1 =
x
1
fimp
T2
0 1 1
2

o nous navons pas encore impos la condition de Dirichlet T0 = Timp . On vrie bien que
la matrice du systme sans avoir impos cette condition a une valeur propre nulle, puisque
la somme des termes de chaque ligne est nul.
On remarque galement, en regardant la dernire ligne, que :
fimp =
Cours ENSTA B2-1

x
T2 T1
+s
x
2

(9.22)

9. Conditions aux limites et conservation


De plus, on a :

99

T2 T1
Th
=


x x=1
x

(9.23)

On voit bien que, dans le discret, conformment la discussion de la section 9.1.2 :


Th
6= fimp

x x=1

(9.24)

Ceci est d au fait que la condition de ux est impose


de manire faible par la mthode
h

fimp .
des lments nis. Par contre, quand x 0, T
x
x=1

Imposition des conditions aux limites

Regardons maintenant quelques mthodes pour imposer la condition de Dirichlet T0 =


Timp .
Calcul incomplet des intgrales La premire mthode est en fait celle que nous avons
utilise jusqu prsent : elle consiste ne pas calculer les intgrales impliquant les Ni pour
lesquels Ti est impos, dans la formulation (9.19). Ceci se traduit dans notre cas sur le
systme matriciel par :

1 2 1
0 1 1

T0

T1 =
T2

0
fimp

+ sx

1
1
2

(9.25)

La matrice du systme obtenue est rectangulaire. En utilisant la valeur de la condition de


Dirichlet T0 = Timp , on se ramne un systme carr sur les inconnues non imposes :

2 1
1 1

T1
T2

=
x

Timp
0

0
fimp

+ sx

1
1
2

(9.26)

La solution discrte obtenue est, en utilisant x = 0.5 :

3s
fimp
+
2
8
fimp
s

T2 = Timp
+

2
T1 = Timp

(9.27)

Une proprit remarquable est que, dans le cas particulier du problme (9.17), la solution
discrte concide avec la solution exacte aux nuds du maillage. En eet : T1 = T |x=0.5 et
T2 = T |x=1 .
La mthode de calcul incomplet des intgrales nest toutefois pas trs pratique utiliser dans un code de calcul car tous les oprateurs de discrtisation doivent connatre les
conditions aux limites de Dirichlet.
Mthode dlimination La deuxime mthode est quasiment la mme que la prcdente mais sa mise en uvre est dirente : on calcule toutes les intgrales, y compris
Cours ENSTA B2-1

100

9.2. Problme de diffusion gnral

celle impliquant les Ni pour lesquels Ti est impos. Une fois toutes les contributions calcules (systme de dpart (9.21)), on change les lignes de la matrice et les seconds membres
correspondant aux conditions de Dirichlet :

0
T0
0
1
0
0
T
imp

T
0
1
2
1
0
+ sx 1
1 =
+

x
x
1
T2
fimp
0 1 1
0
2

(9.28)

Puis, on symtrise la matrice en utilisant les valeurs connues des conditions de Dirichlet :

0
T0
0
1 0
0
T
imp

0 + sx 1
0 2 1 T1 =
Timp +

x
x
1
T2
fimp
0 1 1
0
2

(9.29)

Cette mthode est trs similaire la premire mthode et donne exactement la mme
solution. Il est toutefois dommage que lon ait calcul tous les termes de la premire ligne
du systme pour ensuite ne plus les prendre en compte. Or ceux-ci peuvent nous fournir
des informations utiles.
Mthode des multiplicateurs de Lagrange Dans cette troisime mthode, la condition la limite de Dirichlet T0 = Timp est impose, non en modiant la premire ligne
du systme, mais en introduisant une inconnue supplmentaire , le multiplicateur de Lagrange, charge dimposer la condition de Dirichlet. Sur la ligne correspondant , on crit
T0 = Timp . La colonne agissant sur est prise comme la transpose de la ligne1 , on obtient

T0
T

ainsi un systme matriciel symtrique augment quatre inconnues 1 :


T2

1 x
1 x
0

1 x 2 x 1 x

1 x
0
1 x
1
0
0

1
0
0
0

T0
T1
T2

0
0
0
Timp

0
0
fimp
0

+ sx

1
2

1
2

(9.30)

Cette mthode fournit


la mme solution que les deux mthodes prcdentes

exactement
T0

pour les inconnues T1 . Elle est algbriquement quivalente : en eet, on obtient T0 =


T2
Timp avec la quatrime ligne du systme (9.30), puis T1 , T2 sont obtenus avec les lignes 2 et
3 qui nont pas t modies par rapport aux mthodes prcdentes. Enn, est obtenu
partir de la premire ligne connaissant les Ti :
=

T0 T1
x
+s
x
2

(9.31)

Cette quation est trs similaire lquation (9.22) impliquant le ux impos fimp droite.
Et cest exactement linterprtation que lon donne : est le ux qui, impos la place
de la condition de Dirichlet T0 = Timp , aurait fourni la mme solution Th 2 .
La raison pour laquelle on prend la transpose de la ligne est due au problme doptimisation sous
contrainte sous-jacent : cf. section 8.2.
2
Ici, Th serait identique une constante prs car on naurait plus que des conditions de Neumann.
1

Cours ENSTA B2-1

9. Conditions aux limites et conservation

101

Th

x x=1

fimp
T
=


x x=1

T
Th

Th

x x=0

x
x = 0.5

x=0

x=1

T
=

x x=0

Fig. 9.1: Problme de diusion 1D 3 points (9.17).



h

Ce ux est galement un ux faible, en eet 6= T
x

x=0

. Dans notre cas



particulier, est, par contre, gal au ux de la solution exacte ! En eet : = T



.
x x=0
En sommant les trois premire lignes du systme (9.30), on retrouve une expression de
la conservation globale de la chaleur :
Z

s d = s = fimp +

(9.32)

On voit donc limportance de la mthode des multiplicateurs de Lagrange : algbriquement,


elle est quivalente aux autres mthodes et fournit donc la mme solution, par contre, elle
nous fournit de linformation supplmentaire : la valeur du ux faible aux points o lon
a impos la temprature. Ce ux est trs important puisque cest lui qui nous permet
dexprimer nouveau la proprit de conservation globale de la mthode des lments nis
en prsence de conditions de Dirichlet.
Proprits de la solution discrte La gure 9.1 illustre les proprits de la solution
discrte au problme (9.17). La solution discrte obtenue par la mthode des lments nis
est exacte aux nuds du maillage. Les ux faibles sont galement exacts, contrairement
aux ux forts.
Exercice 5 Vrier que les proprits dexactitude voques pour le problme (9.17) sont
galement vries lorsque le maillage a plus de deux lments et lorsque le maillage nest
pas rgulier.
R

Exercice 6 Tracer la valeur de la fonctionnelle ( 2 kTh k2 sTh d) en fonction de


la position du point milieu, pour un maillage de deux lments. En dduire le maillage
optimal, qui minimise cette valeur, pour ce cas.
Cours ENSTA B2-1

102

9.2. Problme de diffusion gnral

Les rsultats obtenus par la mthode des lments nis sur le problme (9.17) sont tout
fait remarquables, plus diciles obtenir simultanment avec dautres mthodes de
discrtisation :
avec une mthode de Dirences Finies, il sera dicile dimposer la condition de
T1
=
Neumann. On le fait gnralement de manire forte (par exemple avec : T2x
fimp ) mais ceci a pour eet de dgrader lordre de convergence au bord car on a ici
une dirence nie dordre 1, alors que lordre est en gnral de 2 sur le Laplacien
dans le domaine ;
avec une mthode de Volumes Finis centrs sur les mailles, on aura la proprit de
conservation locale, par maille, de la chaleur. Par contre, il sera dicile dimposer
les conditions de Dirichlet car les inconnues ne sont pas dnies au bord de faon
naturelle.
En outre, la mthode des multiplicateurs de Lagrange et la proprit de conservation
globale se gnralisent en plusieurs dimensions despace, et pour dautres quations de
conservation, ce que nous allons voir maintenant.

9.2.3

Mthode des multiplicateurs de Lagrange pour les conditions de Dirichlet

Mthode des multiplicateurs de Lagrange continue


Nous reformulons maintenant le problme de diusion (9.16) avec termes sources, conditions de Dirichlet sur D et conditions de Neumann sur N sous la forme dun problme
de minimisation sous contraintes ou de point-selle mettant en jeu la fonctionnelle :
Z

I(T, ) =

kT k2 sT d +
2

fimp T dN +

(T T0 ) dD

(9.33)

o nous avons introduit le multiplicateur de Lagrange , dni sur D , pour imposer les
conditions de Dirichlet T = T0 .
La condition pour que (T, ) soit un point-selle de I scrit :
Z

T U sU d +
+

fimp U dN

U dD +

(9.34)
(T T0 ) dD = 0 (U, )

Sous des conditions de rgularit sur T , on peut utiliser une intgration par parties
pour obtenir :
Z

(T s) U d +
+

U dD +

T nU d +
Z

fimp U dN
(9.35)

(T T0 ) dD = 0 (U, )

Ce qui nous donne lEDP avec les conditions aux limites :

Cours ENSTA B2-1

T = s
T n|N = fimp

T |D = T0

(9.36)

9. Conditions aux limites et conservation

103

On en dduit galement le sens physique de :


= T n|D

(9.37)

Il sagit dun ux sortant sur le bord du domaine D o on a impos les conditions de


Dirichlet. On a lexpression de la dualit entre les deux types de conditions aux limites :
l o T est x, on calcule le ux ; l o fimp est x, T est calcul.
On retrouve galement lexpression de la conservation globale en choisissant comme
variation particulire dans (9.34) : (U, ) = (1, 0). On obtient :
Z

s d =

fimp dN +

dD

La mthode des multiplicateurs de Lagrange continue, que nous venons dexposer, prsente toutefois quelques inconvnients :
le choix de lespace de fonctions dans lequel choisir nest pas vident. En regardant
la fonctionnelle, on peut choisir un espace prsentant une rgularit moindre que
celui pour T (puisque nest pas driv spatialement) et dni uniquement sur D ;
le choix de cet espace devra tre tel que le problme continu soit bien pos ;
il faudra trouver un sous-espace discret, lment ni, de cet espace tel que le problme
discret soit stable.
En fait, trouver un espace qui vrie ces conditions nest pas facile, particulirement si la
frontire nest pas rgulire, cest pourquoi nous allons procder autrement.
Mthode des multiplicateurs de Lagrange discrte
Nous avons vu, en traitant le problme 1D simple (9.17), que la mthode des multiplicateurs de Lagrange que nous avions introduite, aprs discrtisation spatiale du problme,
tait algbriquement quivalente la mthode dlimination des inconnues soumises aux
conditions de Dirichlet.
Cest pourquoi nous formulons nouveau le problme de diusion (9.16) sous la forme
dun problme de point-selle discret mettant en jeu la fonctionnelle :
I(Th , h ) =

kTh k2 sTh d +
2

fimp T dN +

iD

i (Ti T0 i )

(9.38)

o nous avons introduit les multiplicateurs de Lagrange discret h , pour imposer les conditions de Dirichlet T |Pi = T0 |Pi aux nuds Pi , supports de Th , appartenant la frontire
D .
La condition de point-selle scrit alors :
Z

Th Ni sNi d +

fimp Ni dN

(9.39)

+ [i + i (Ti T0i )]|iD = 0 (i, i )

On retrouve galement lexpression de la conservation globale, en sommant sur i les


P
quations (9.39), en utilisant i Ni = 1 et en choisissant i = 0 :
Z

fimp d +

iD

i =

s d

Cours ENSTA B2-1

104

9.2. Problme de diffusion gnral

noter quici, linterprtation physique de i est un peu dirente : il sagit maintenant


dun ux intgr.
Ceci est une consquence du fait suivant (cf. la section 3.1) : on utilise une mthode
des rsidus pondrs pour rsoudre lEDP sur et imposer les ux sur N . Par contre, on
utilise une mthode de collocation pour imposer, aux nuds de discrtisation, les conditions
de Dirichlet Th T0 = 0.
On peut montrer, de la mme faon que pour lexemple simple trait en section 9.2.2,
que la mthode des multiplicateurs de Lagrange discrte est algbriquement quivalente
la mthode dlimination pour imposer les conditions de Dirichlet : elle fournit exactement
la mme solution discrte Th . En particulier, la stabilit du problme discret concernant
linconnue Th est la mme pour les deux mthodes, ce qui est primordial3 .
Retour sur le problme de Neumann
Revenons sur le problme de Neumann sous forme variationnelle (9.2) :
Z

T U sU d

qU d = 0 U H1 ()

Nous avions vu que, pour ce problme, il y avait indtermination de T une constante prs et
que les termes sources donns devait vrifier la condition de compatibilit (9.11) :
Z

s d +

q d = 0

pour que le problme continu admette des solutions.


Que se passe-t-il si les donnes s et q ne vrifient pas la condition de compatibilit (9.11) ?
La mthode des multiplicateurs de Lagrange peut nous aider comprendre. Par exemple, nous
pouvons lever lindtermination sur T en imposant sa valeur T0 en un point quelconque P0 avec
un multiplicateur de Lagrange . Le problme (9.2) devient :
Z

T U sU d

qU d + U |P0 + T |P0 T0 = 0 (U, ) H1 () R

La conservation de la chaleur globale sobtient en choisissant la variation particulire (U, ) =


(1, 0), do :
Z

s d +

q d =

a la signification dun terme source intgr appliqu


au point
P0 . Si s et q vrifient la condition
R
R
de compatibilit (9.11), on aura = 0 sinon = ( s d + q d) contrebalance exactement
lcart la condition de compatibilit. Il va sans dire que la solution obtenue autour du point P0
avec le terme source non nul ne sera sans doute pas celle attendue.
Imposer la temprature en un point pour lever lindtermination nest pas la seule faon
possible. On peut, par exemple, imposer plutt la moyenne de T sur . Pour plus de dtails
sur la meilleure faon de rsoudre le problme de Neumann numriquement, on peut consulter
larticle de synthse [BL05].
Par contre, nous fermons les yeux sur une ventuelle convergence des i . . . Celle-ci nest dailleurs
pas facile dfinir puisque, lorsque le paramtre de discrtisation h varie, le nombre de multiplicateurs i
varie galement.
3

Cours ENSTA B2-1

9. Conditions aux limites et conservation

105

Prescription simultane des conditions essentielles et naturelles


Regardons maintenant ce qui se passe si on se trompe sur les conditions aux limites, par
exemple, si on impose simultanment des conditions aux limites de Dirichlet et de Neumann sur
. En utilisant la mthode des multiplicateurs de Lagrange continue (pour simplifier), on a le
problme de minimisation suivant :
I(T, ) =

kT k2 sT d +
2

fimp T d +

(T T0 ) d

(9.40)

La condition pour que (T, ) soit un point-selle de I scrit :


Z

T U sU d +
+

fimp U d
U d +

(9.41)
(T T0 ) d = 0

(U, )

On voit ce qui va se passer :


la condition de Dirichlet (forte) sera vrifie sur ;
la condition de Neumann (faible) fimp ne sera donc pas vrifie et le multiplicateur va
absorber le flux fimp que lon a ajout dans la formulation : = fimp .

Imposition des conditions aux limites dans CastM


En mcanique des uides, cest la mthode dlimination qui est utilise par dfaut
pour imposer les conditions de Dirichlet, lorsquon utilise la directive CLIM de loprateur
EQEX. Il ne vous sera donc moins vident de vrier vos bilans car les ux faibles i ne
sont pas exhibs.
En gnral dans CastM (mcanique du solide, thermique. . . ), cest la mthode des
multiplicateurs de Lagrange discrte qui est utilise pour imposer les conditions de Dirichlet
via les oprateurs BLOQ pour BLOQuer un degr de libert et DEPI (DEPlacement
Impos) pour prciser la valeur du blocage. Ces mmes oprateurs peuvent tre utiliss en
mcanique des uides.
noter que la mthode des multiplicateurs de Lagrange ne sert pas qu imposer des
conditions aux limites de Dirichlet. Nous avons dj vu quelle pouvait servir imposer
dautres types de contraintes, comme par exemple u = 0 dans le cadre du problme
de Stokes. Loprateur RELA (RELAtion) de CastM permet dimposer des contraintes
assez gnrales. Quelques exemples possibles : contraintes de priodicit sur les inconnues,
blocage de la vitesse dans une direction quelconque au bord. . .
Gnralisation aux autres problmes
Dans toute la suite du chapitre, il est possible dutiliser la mthode des multiplicateurs
pour imposer des conditions essentielles. La signication du multiplicateur correspondra
celle de la condition naturelle (intgre sur la surface dans le cas de la mthode discrte)
pour le problme considr. Cette dualit est bien connue en mcanique, par exemple, o
lorsquon impose des conditions sur le dplacement, le multiplicateur correspond une
force de raction. Cette dualit est toute aussi importante en mcanique des uides, mme
si elle est moins souvent utilise. En particulier, comme nous venons de le voir, elle permet
dexprimer simplement les proprits de conservation globale de la mthode des lments
nis.
Cours ENSTA B2-1

106

9.2. Problme de diffusion gnral

9.2.4

Conditions aux limites mixtes

Outre les conditions aux limites de Dirichlet et de Neumann, un troisime type de


condition la limite est souvent utilise en thermique, la condition la limite dchange,
dite de Robin :
T n = h (T T )
(9.42)
o h est un coecient dchange et T une temprature caractristique du milieu environnant, extrieure au domaine que lon modlise. La condition de Robin est souvent
appele condition la limite mixte car elle fait intervenir la fois linconnue T et son ux
T n sur le bord.
Un problme de Robin sans terme source volumique peut sexprimer en modiant le
problme de Dirichlet (9.1) de la manire suivante :
Z

min I(T ) = min


1

T H1 ()

T H ()

kT k2 d +
2

T2
hT T d
h
2

(9.43)

et la condition de minimisation scrit alors :


U I(T ) =

T U d +

h (T T ) U d = 0 U H1 ()

(9.44)

Une fois la discrtisation eectue :


Z

Th Ni d +

Tj (

h (Th T ) Ni d

Nj Ni d) +

soit, sous forme matricielle :

Tk (

hNk Ni d) bi (T ) = 0 i (9.45)

T = hM
T
R + hM

(9.46)

On voit que la condition


de Robin fait apparatre une matrice de masse sur le bord du
R

domaine : hM = hNk Ni d.
R
Dans CastM, le terme de masse surfacique hNk Ni d et le terme source surfacique
R
4
hT Ni d peuvent tre calculs par loprateur ECHI (ECHange Impos) .
Formellement, la condition la limite de Robin sapparente la condition de Neumann
car elle est impose de manire faible. Par contre, dans le problme de Robin, on na pas
dindtermination de linconnue (ni de condition de compatibilit vrier) car T apparat
dans la formulation du problme, par opposition au problme de Neumann o seul T
apparaissait. Au niveau de la matrice du systme linaire associe au problme de Robin,
la matrice masse de surface ajoute la matrice de rigidit fait que la matrice totale est
inversible (pas de valeur propre nulle).
La solution approche Th , de mme que la solution exacte T , vrient la proprit de
conservation de la chaleur, qui scrit, pour le problme de Robin considr :
Z

h (Th T ) d = 0

Loprateur CONV (condition dchange CONVectif) peut galement tre utilis.

Cours ENSTA B2-1

(9.47)

9. Conditions aux limites et conservation

9.2.5

107

Cas de la diffusion instationnaire

crivons lquation de la diusion instationnaire avec conditions de Neumann semidiscrtise en temps par une mthode de dirences nies (Euler implicite) :
T T
T = 0
t

(9.48)

avec les conditions aux limites :


T n = q

sur

(9.49)

T est la temprature que lon cherche linstant courant, T est la temprature linstant
prcdent et t est le pas de temps entre les deux instants.
Un tel problme peut tre interprt comme la solution du problme de Neumann
instationnaire suivant :
min I(T ) = min
1

T H1 ()

T H ()

Z
T T

T2
2

+ kT k d
qT d
2t
t
2

(9.50)

dont la condition de minimisation scrit :


U I(T ) =

T T
U + T U d
t

qU d = 0 U H1 ()

(9.51)

Une fois la discrtisation eectue :


Z
Th T
Ni + Th Ni d
qNi d
t

Z
X
1
Nj Ni + Nj Ni d) bi (T ) = 0 i
=
Tj (
t

(9.52)

soit, sous forme matricielle :


!

M
M
T + q
+R T =
t
t

(9.53)

On voit que la discrtisation en temps Euler implicite a fait apparatre une matrice de
R 1
M
masse sur le domaine : t
= t
Nj Ni d.
R 1
Dans CastM, le terme de masse volumique t
Nj Ni d et le terme source voluR

Ni
mique Tt
d peuvent tre calculs par loprateur DFDT (Drive dune Fonction
par rapport au Temps)5 .
Pour le problme de Neumann instationnaire, on na pas dindtermination de linconnue (non plus que de condition de compatibilit vrier) car T apparat dans la
formulation du problme, par opposition au problme de Neumann stationnaire o seul
T apparassait. Au niveau de la matrice du systme linaire associe au problme de
Neumann instationnaire, la matrice de masse ajoute la matrice de rigidit fait que la
matrice totale est inversible (pas de valeur propre nulle).
5

Loprateur CAPA (CAPAcit) peut galement tre utilis.

Cours ENSTA B2-1

108

9.3. Problme de convection-diffusion

La solution approche Th , de mme que la solution exacte T , vrie la proprit de


conservation globale de la chaleur, qui scrit, pour le problme de Neumann instationnaire
considr :
Z
Z
Th T d = t
q d
(9.54)

ce qui se lit : laugmentation de la quantit de chaleur contenue dans le domaine entre


linstant t et linstant t + t est gale lintgrale du ux de chaleur entrant par les bords
du domaine.
On voit galement sur cette expression que, si on dsire que le problme considr
admette une solution stationnaire o Th nvolue plus (Th = T), on va retomber sur une
condition de compatibilit ressemblant (9.11) :
Z

9.3

q d = 0

(9.55)

Problme de convection-diffusion

Le but de cette section est de montrer quil y a direntes faons de discrtiser le


terme convectif (il ne dcoule pas naturellement dun principe de minimisation) et que
ces direntes faons conduisent des conditions aux limites naturelles direntes. Cette
souplesse dans le choix des conditions aux limites est un atout de la mthode des lments
nis.

9.3.1

Formulations du problme

Formulation non conservative


Intressons-nous maintenant au cas de lquation de convection-diusion stationnaire
sans terme source, crite tout dabord sous forme non conservative et sans conditions de
Dirichlet :
uT div T = 0
(9.56)

En appliquant la mthode des rsidus pondrs et en intgrant par parties, on obtient la


formulation continue suivante :
Z

uT U + T U d

T nU d = 0 U

(9.57)

On voit que la condition la limite naturelle qui apparat dans le terme de bord est la
mme que celle du problme de Neumann en diusion pure, savoir une condition sur le
ux diusif :
T n = 0
(9.58)
Ici ce ux diusif est nul car nous navons pas ajout de terme source surfacique dans
(9.57).
Formulation conservative
Ecrivons maintenant lquation de convection-diusion stationnaire avec terme source
sous forme conservative (toujours sans conditions de Dirichlet) :
div uT div T = 0
Cours ENSTA B2-1

(9.59)

9. Conditions aux limites et conservation

109

u
Condition naturelle

T =1

Fig. 9.2: Problme de convection-diusion stationnaire 2D (9.63).


ou :
(9.60)

div (uT T ) = 0

Cette formulation est quivalente la prcdente au niveau de lEDP lorsque div u = 0.


En appliquant la mthode des rsidus pondrs et en intgrant par parties, on obtient la
formulation continue suivante :
Z

(uT + T ) U d +

(T un T n) U d = 0 U

(9.61)

Cette fois-ci, nous avons galement intgr par parties le terme convectif. La condition
la limite naturelle qui apparat est dirente de la prcdente : il sagit dune condition de
ux total nul :
T un T n = 0
(9.62)

T u est le ux convectif et T le ux diusif.


Cette libert dutiliser ou non lintgration par parties sur le terme convectif permet
une souplesse dans le choix des conditions aux limites naturelles.
Exemple numrique
Pour cette exemple, on considre le problme modle suivant :

uT div T = 0
T |\(x=1) = 1 !
4y(1 y)
u=
0

(9.63)

La gure 9.2 illustre ce problme. On note que lon a bien : div u = 0.


Cours ENSTA B2-1

110

9.3. Problme de convection-diffusion


> 1.0E+00
< 1.0E+00

> 1.0E+00
< 1.4E+00

1.0

1.4
1.3
1.3
1.3
1.3
1.2
1.2
1.2
1.2
1.2
1.1
1.1
1.1
1.1
1.0
1.0

Fig. 9.3: Solution numrique Th (lments nis linaires LINE) du problme de convectiondiusion 2D stationnaire (9.63) avec = 1 et conditions aux limites naturelles en sortie.
Gauche : condition naturelle de ux diusif nul (9.64). Droite : condition naturelle de ux
total nul (9.65).
Pour discrtiser le terme convectif, on utilise loprateur KONV avec les options NOCONS
(par dfaut) et CONS. Ces options correspondent respectivement aux formulations conservatives (9.57) et non conservatives (9.61) du terme convectif, soit respectivement deux
conditions la limite naturelles direntes :
1. option NOCONS : condition la limite de ux diusif nul
T n|x=1 = 0

(9.64)

2. option CONS : condition la limite de ux total nul


T un T n|x=1 = 0

(9.65)

Les rsultats numriques obtenus sont montrs sur la gure 9.3. Avec la condition de ux
diusif nul, la solution obtenue est constante gale 1, alors quavec la condition de ux
total, il y a apparition dun ux diusif entrant qui vient contrebalancer exactement le ux
convectif sortant.

9.3.2

Indtermination de T et condition de compatibilit

Reprenons lquation de convection-diusion sous forme conservative (9.59) et intgronsla sur . On obtient lquation suivante :
Z

div (uT T ) d =

T un T n d = 0

(9.66)

Ceci est lexpression de la conservation globale de T : le ux total sortant de est gal au


ux total entrant dans . Cette condition ne dpend pas de la faon dont on discrtise,
elle est propre lquation de conservation que lon est en train de rsoudre.
Au niveau discret, la situation est claire en formulation conservative, cest la mme que
pour le problme de Neumann : on a indtermination de T du fait que seule ses drives
Cours ENSTA B2-1

9. Conditions aux limites et conservation

111

apparaissent dans la formulation. Dautre part, en choisissant une variation U valant 1 sur
dans lquation (9.61), on obtient exactement lexpression (9.66). Ceci signie que, si
on impose des ux totaux non nuls sur lensemble du bord (toujours avec loprateur
FIMP dans CastM) :
T un T n = q
(9.67)
Ils devront vrier :

(9.68)

q d = 0

pour que le problme discret admette une solution.


Pour la formulation non-conservative, cest un peu plus compliqu : on a galement
lindtermination de T . Par contre, comme les ux que lon impose sont uniquement les
ux diusifs, il ny a pas de conditions sur ces derniers. La solution discrte obtenue
vriera nanmoins une expression de la conservation globale de T . Celle-ci sexprime,
comme toujours en choisissant une variation unit U dans (9.57). Si on impose les ux
diusifs :
T n = q
(9.69)
On aura :

uT d

q d = 0

(9.70)

En utilisant des intgrations par parties6 , cette expression devient :

T u + (T u) d +

q d = 0

(9.71)

Et, dans le cas o : T u d = 0 (si u = 0 par exemple), on obtient une expression


similaire (9.66) en utilisant le thorme de la divergence sur lintgrale volumique.

9.3.3

Influence du dcentrement

Lutilisation du dcentrement par la mthode SUPG vue en section 4.4.3 peut modier
la condition la limite naturelle car il sagit dun terme diusif que lon ajoute la
discrtisation de lquation de dpart. Plus prcisment, si on considre le problme de
convection-diusion (9.56) discrtis en formulation non-conservative et que lon applique
la mthode de dcentrement SUPG, on obtient :
(

uT div A T = 0
A = I + hu2|u| J(P ehu ) uu
|u|2

(9.72)

La condition la limite naturelle qui apparat lorsquon eectue la formulation variationnelle est une condition de Neumann similaire celle obtenue en diusion pure mais avec
une diusion modie, tensorielle qui plus est :
(A T ) n = 0

(9.73)

Cette condition se ramne la condition de Neumann scalaire :


dans deux cas :

T n = 0

(9.74)

Ici, contrairement au cas du Laplacien vu plus haut, il est possible dutiliser lintgration par parties
dans la formulation discrte, lorsque T est remplace par Th , car les fonctions de base Ni ont une rgularit
qui le permet.
6

Cours ENSTA B2-1

112

9.4. Problme de Stokes

1. lorsque J(P ehu ) = 0 cest--dire lorsque le dcentrement nagit pas ;


2. lorsque un = 0 au bord. En eet, nous avons vu en section 4.4.3 que lon ajoute de
la diusion uniquement dans la direction de u et pas dans les directions orthogonales
u.
Exercice 7 Dmontrer que lon a bien (9.74) dans le cas 2 (un = 0).

9.3.4

Rsum

Les conditions aux limites naturelles dpendent de la faon dont on crit le terme de
convection dans lquation de convection-diusion, par exemple sous forme non conservative uT ou sous forme conservative div (uT ). On a une certaine libert car le terme de
convection ne dcoule pas dune formulation variationnelle. Lutilisation du dcentrement
peut galement modier la condition naturelle.

9.4

Problme de Stokes

9.4.1

Conditions aux limites essentielles et naturelles

Comme nous avons tudi prcisment la question des conditions aux limites sur lquation de convection-diusion, nous allons passer un peu plus vite sur les problmes de Stokes
et Navier-Stokes en soulignant surtout les dirences par rapport au cas prcdent. Rappelons lexpression du problme de Stokes :
(

u + p = 0
u = 0

(9.75)

et sa formulation faible :
Z

uv d +

(un) v d +

pv d

pvn d

(9.76)

qu d = 0

Les termes de bord que nous avions annuls dans la formulation faible en supposant que
lon avait impos des conditions de Dirichlet pour u sur lensemble de sont :
Z

ou encore :

(un) v d
Z

pvn d

[(u pI) n] v d

(9.77)
(9.78)

Le premier terme (u pI) n, appel traction et que nous noterons f , a la dimension


dune force par unit de surface, il comprend une partie visqueuse et une partie pression.
Cest ce terme qui va tre la condition naturelle impose de manire faible. Le deuxime
terme v sannule lorsque on impose des conditions de Dirichlet sur u : u = u0 . Les deux
types de condition la limite, que lon va pouvoir appliquer la frontire sont donc :
Dirichlet
Neumann
Cours ENSTA B2-1

v = 0 u = u0
v varie f = f0

CLIM
TOIM

essentielle
naturelle

9. Conditions aux limites et conservation

113

n
t2
P
t1

Fig. 9.4: Repre local en un point P de .


Les conditions de Dirichlet sont prescrites, dans CastM, laide de la directive CLIM
de loprateur EQEX, tandis que loprateur TOIM ( IMpos) permet de discrtiser les
termes sources de bord apparaissant pour limposition faible des conditions aux limites
naturelles.
Cette situation est similaire la situation en mcanique du solide linaire isotrope o
lon impose, soit un dplacement (ici, remplac par une vitesse), soit une force surfacique.
Noter quici, la traction f nest pas la force surfacique au sens de la composante normale du
tenseur des contraintes n car nous avons simpli les quations aux drives partielles
du problme de Stokes pour obtenir u au lieu de en utilisant u = 0. La
formulation en donne une condition la limite naturelle dirente, en force et non
plus en traction, ce que nous verrons plus loin (section 9.4.5).

9.4.2

Conditions aux limites par direction

En fait, les conditions aux limites que lon impose sont sur des quantits vectorielles et
non plus scalaires, comme dans le cas de la convection-diusion. Il est donc possible dimposer des conditions de Dirichlet selon une ou des directions et des conditions de Neumann
dans les directions complmentaires, orthogonales celles de Dirichlet. Explicitons ceci en
introduisant un repre local sur le bord du domaine, comme sur la gure 9.4. On peut
dcomposer u et f dans ce repre local :
(

avec :

u = un n + ut1 t1 + ut2 t2
f = fn n + ft1 t1 + ft2 t2

fn = (un) n p
ft1 = (un) t1

ft2 = (un) t2
Considrons maintenant deux cas qui se prsentent frquemment :

(9.79)

(9.80)

Cours ENSTA B2-1

114

9.4. Problme de Stokes

1. Conditions la limite la sortie dun tube en rgime tabli, on va imposer par


exemple :
Dirichlet
Dirichlet
Neumann

ut1 = 0
CLIM
ut2 = 0
CLIM
fn = (un) n p = 0 TOIM

Si on suppose quon est dans un cas tel que : (un) n est ngligeable devant
p, cest--dire, soit petit, soit un ne variant plus dans la direction normale
la surface de sortie (on parle de rgime tabli), alors la condition la limite de
Neumann sapparente une condition de pression impose en sortie.
2. Conditions la limite de type traction sur une paroi, on imposera par exemple :
Dirichlet
Neumann
Neumann

9.4.3

un = 0
ft1 = f0t1
ft2 = f0t2

CLIM
TOIM
TOIM

Conditions aux limites mixtes

Comme dans le cas de la convection-diusion, vu en 9.2.4, on peut rencontrer un troisime type de conditions la limite, dites mixtes ou de Robin, de la forme :
f = k (u u )

(9.81)

Ce type de conditions la limite permet de modliser des pertes de charge dues un


frottement en paroi. Ce type de conditions est discrtis, dans CastM, par loprateur
FROT (FROTtement en paroi). On peut lutiliser, par exemple, de la mme faon que
pour la traction sur une paroi :
Dirichlet
Neumann
Neumann

9.4.4

un = 0
CLIM
ft1 = k (ut1 ut1 ) FROT
ft2 = k (ut2 ut2 ) FROT

Conditions de compatibilit

Dans le cas des problmes de Stokes et de Navier-Stokes, nous avons deux conditions
de compatibilit que lon peut tre amen vrier, qui correspondent aux deux quations
de conservation : celle de la quantit de mouvement et celle de la masse.
Conditions de compatibilit sur lquation de quantit de mouvement
Si on nimpose aucune condition de Dirichlet sur la vitesse pour le problme de Stokes
stationnaire (9.75) sans terme source, mais uniquement des conditions de Neumann : f =
f0 sur . Alors, on doit avoir :
Z
f0 d = 0
(9.82)

pour que le problme admette des solutions. De manire duale cette condition, on a que
linconnue u est indtermine un vecteur constant prs car seule ses drives apparaissent
alors dans la formulation faible (9.76). On retrouve une condition bien connue en mcanique
du point : un systme soumis des forces dont la rsultante est nulle a un mouvement
rectiligne uniforme : u = constante.

Cours ENSTA B2-1

9. Conditions aux limites et conservation

115

Conditions de compatibilit sur lquation de la masse


Cette condition est en pratique plus importante que la prcdente car elle se rencontre
beaucoup plus souvent. La conservation globale de la masse impose en eet :
Z

u d =

(9.83)

un d = 0

En particulier, ds que lon impose un sur complet, cette condition doit tre vrie
pour que lon puisse avoir des solutions au problme. Cest le cas en coulement ferm, o
lon a un = 0 sur .
Cette condition est de nature lgrement dirente des conditions de compatibilit
rencontres jusqu maintenant car elle concerne les inconnues soumises aux conditions de
Dirichlet, et non pas les ux correspondants.
De manire duale cette condition, on a que linconnue p est indtermine une
constante prs car seul son gradient apparat alors dans la formulation faible (9.76). Il
convient alors de lever cette indtermination, par exemple en imposant la valeur de p en
un point, pour slectionner une solution unique.

9.4.5

Formulations diffrentes du problme de Stokes

En fait, il existe plusieurs manires de formuler le terme visqueux des quations de


Navier-Stokes. Pour linstant, nous avons utilis la formulation en Laplacien de vitesse :
u. Cette formulation est souvent utilise car elle est pratique : en particulier, en coordonnes cartsiennes, loprateur Laplacien vectoriel se ramne un Laplacien scalaire sur
chaque composante de la vitesse.
Forme en rotationnel Il est toutefois possible dutiliser dautres formulations. Par
exemple, en utilisant lidentit vectorielle :
u = rot rot u div u

(9.84)

et en annulant le deuxime terme du fait que : div u = 0, en obtient une formulation en


rotationnel. Le point important est que, bien quau niveau de lEDP nous nayons rien
chang, au niveau de la formulation variationnelle, les conditions aux limites naturelles
obtenues sont direntes. Ici, par exemple, lintgrale de bord prend la forme :
Z

(n rot u) v d

(9.85)

Forme en tenseur des contraintes visqueuses Une autre expression, plus importante, fait intervenir la forme complte du tenseur des contraintes visqueuses pour un
uide Newtonien :


2
= u + t u (u) I
(9.86)
3
Lorsque est constant et que u = 0, il est facile de voir que la divergence du tenseur
des contraintes visqueuses se ramne un Laplacien vectoriel car on a les identits :
(

t u = div u
((u) I) = div u

(9.87)
Cours ENSTA B2-1

116

9.5. Problme de Navier-Stokes

Condition naturelle

0
4xy

u|\(y=1) =

Fig. 9.5: Problme de Navier-Stokes stationnaire 2D (9.89).


En intgrant par parties la divergence du tenseur des contraintes visqueuses et en ngligeant
le terme en div u, on obtient :

v d =

u : v + t u : v d



u + t u n v d

(9.88)

Le terme u + t u n = n est la force visqueuse sexerant sur . En y ajoutant


la force de pression pn, on obtient la force totale sexerant sur , qui est la condition
la limite naturelle pour cette formulation.

9.5

Problme de Navier-Stokes

Dans cette section, on se contente de montrer un exemple numrique sur un problme


de Navier-Stokes stationnaire, pour lequel on utilise les formulations conservatives et non
conservatives du terme convectif, et les formulations en Laplacien vectoriel ou tenseur des
contraintes du terme visqueux. Ceci correspond respectivement aux options NOCONS (par
dfaut) et CONS de loprateur KONV et aux options MUCONS (par dfaut) et FTAU
de loprateur LAPN. Le problme est dni comme suit :

1
(u) u = p + Re
u
u = 0
!
0
u|\(y=1) =
4xy

(9.89)

La gure 9.5 illustre ce problme.


On laisse le soin au lecteur de dterminer quelles sont les conditions aux limites naturelles pour chaque formulation dirente du problme, ce qui permettra dinterprter les
Cours ENSTA B2-1

9. Conditions aux limites et conservation

117

rsultats numriques de la gure 9.6, en particulier les dirences de prols de vitesse en


y = 1.

9.6

Rsum

Ce chapitre a t consacr aux conditions aux limites que lon peut imposer lorsque lon
utilise la mthode des lments nis pour discrtiser les dirents termes des quations de
Navier-Stokes. Les notions de conservation et de conditions de compatibilit ont galement
t abordes.
Quelques points dimportance pratique sur lequels on peut insister :
1. La mthode des multiplicateurs de Lagrange est une mthode intressante pour imposer les conditions aux limites de Dirichlet car le multiplicateur a une signication
physique de ux (cest lexpression de la dualit entre condition de Dirichlet et de
Neumann).
2. Cest ce ux qui permet dexprimer le plus simplement la conservation globale dune
quantit lorsquon a discrtis une quation de conservation par la mthode des
lments nis.
3. La mthode des multiplicateurs de Lagrange discrets tant algbriquement quivalente la mthode dlimination pour limposition des conditions de Dirichlet, les
solutions trouves sont les mmes et vrient le mme type de conservation.
4. Pour les quations de conservation stationnaires crites sous forme conservative, pour
lesquelles on prescrit des conditions naturelles sur lintgralit du bord du domaine,
il existe une condition de compatibilit vrier. La condition de ce type qui se
rencontre le plus frquemment est celle associe lquation deR conservation de la
masse : si on impose un sur lintgralit de , on doit avoir un d = 0.
5. Associe par dualit cette condition de compatibilit est lindtermination dune inconnue (ici, la pression p). Pour lever lindtermination, il faut, par exemple, imposer
la valeur en un point de linconnue concerne.

6. Il existe plusieurs manires dcrire les termes de convection uT , (u) u et le


terme visqueux u qui sont toutes quivalentes pour le problme continu mais qui
donnent lieu des conditions aux limites naturelles direntes une fois le problme
discrtis.

Cours ENSTA B2-1

118

9.6. Rsum

Fig. 9.6: Solution numrique uh (lments nis QUAF/CENTREP1) du problme de NavierStokes 2D (9.89) avec Re = 15. Haut : formulation en Laplacien vectoriel du terme visqueux
(MUCONS). Bas : formulation en tenseur des contraintes du terme visqueux (FTAU).
Gauche : formulation non conservative du terme convectif (NOCONS). Droite : formulation
conservative du terme convectif (CONS).

Cours ENSTA B2-1

119

Chapitre 10
Rsolution pratique dun problme
transitoire non-linaire
u
+ (u) u = p + u + su
t
u = 0
T
+ uT = T + sT
t
Dans les chapitres prcdents, nous avons list la partie signicative des jeux de donnes
CastM. Dans ce chapitre, nous dcrivons plus en dtail le fonctionnement des oprateurs
de discrtisation qui permettent de calculer les matrices et seconds membres obtenus par
le processus de discrtisation spatiale par lments nis.
La description du problme rsoudre (systme dquations aux drives partielles,
conditions aux limites et conditions initiales) se fait principalement laide de loprateur
EQEX, dcrit en section 10.1.
La rsolution du problme proprement dite fait appel la procdure EXEC. Cette dernire est limplmentation dun algorithme de point xe relax qui permet de rsoudre des
problmes transitoires non linaires. Lalgorithme utilis est dcrit en section 10.2.

10.1

Description en langage Gibiane dun problme

10.1.1

Syntaxe des oprateurs de discrtisation spatiale

Les oprateurs de discrtisation de CastM en mcanique des uides (dont une liste est
fournie dans le tableau 10.2) ont une syntaxe unie :
chpo matk = OPER RVX ;
o OPER est le nom de loprateur, RVX est un objet de type TABLE contenant toutes les
entres ncessaires loprateur, matk est un objet de type MATRIK et chpo est un objet de
type CHPOINT contenant respectivement la matrice et le second membre cr par loprateur
de discrtisation. Un des deux objets en sortie (ou les deux) peut tre vide si loprateur
nest cens cr quune matrice ou quun second membre.
Cours ENSTA B2-1

120

10.1.2

10.1. Description en langage Gibiane dun problme

Cration des tables dentre

La structure de la table dentre RVX pour chaque oprateur de discrtisation spatiale est
un peu complique, cest pourquoi on utilise gnralement un oprateur utilitaire, nomm
EQEX, qui va permettre de crer, entre autres, les tables RVX. En fait, loprateur EQEX
va permettre de dcrire lensemble des paramtres dun problme de mcanique des uides.
Sa syntaxe est :
RV = EQEX MOT1 val1 MOT2 val2 ...
OPTI motopt11 motopt12
ZONE mod1 OPER oper1
OPTI motopt21 motopt22
ZONE mod2 OPER oper2
...
CLIM nominco1 typclim1
CLIM nominco2 typclim2
...
;
RV . INCO = TABLE INCO ;
RV . INCO . nominco1 = KCHT mod1
RV . INCO . nominco2 = KCHT mod2
...

....
arg11 arg12 ... INCO nominco1
....
arg21 arg22 ... INCO nominco2
mail1 chclim1
mail2 chclim2

typinco1 disinco1 valinco1 ;


typinco2 disinco2 valinco2 ;

ici RV est un objet de type TABLE contenant toutes les informations donnes en entre,
structures dune certaine faon. Les donnes dentres sont :
1. des options globales pour le calcul donnes sous la forme de couples (MOT-cl valeur).
Le tableau 10.1 donne les principales options globales.
2. des oprateurs de discrtisation oper1, oper2. . . Loprateur oper1 va agir sur le
domaine mod1, va porter sur linconnue de nom nominco1 et a besoin des arguments
arg1i. motopt1i sont des mots-cls dcrivant les options de discrtisation pour oper1.
Le tableau 10.2 donne la liste des principaux oprateurs de discrtisation.
3. des conditions de valeur impose (Dirichlet) qui seront imposes sur les inconnues
(directives CLIM) ;
4. des valeurs initiales pour les inconnues. Ces dernires ne sont pas cres par EQEX
et doivent tre mises la main dans la table RV . INCO. Cette table est indispensable mme si lon rsoud un problme stationnaire, qui na pas besoin de conditions
initiales, car elle donne aussi des informations sur les espaces de discrtisation des
inconnues.
Remarque 5 Pour chaque oprateur de discrtisation operi, il est recommand de prciser les options de discrtisation EF (lments Finis), IMPL (IMPLicite) et CENTREE
(discrtisation spatiale CENTRE) an de surcharger dventuelles options par dfaut.
Pour loprateur KONV uniquement, on pourra prciser les options de dcentrement SUPG
ou de dcentrement avec capture de choc SUPGDC la place de CENTREE (cf. section 4.7).
Remarque 6 On peut se rfrer la notice en ligne (en tapant : INFO oper ;) pour
connatre les options disponibles et les arguments donner aux oprateurs de discrtisation.
Cours ENSTA B2-1

10. Rsolution pratique dun problme transitoire non-linaire


Mot-cl
ITMA
NITER
OMEGA

Valeur
nITMA
nNITER

121

Signication
Nombre de pas de temps
Nombre ditrations non linaires
Coecient de relaxation pour les itrations non linaires

Tab. 10.1: Principales options globales de calcul en mcanique des uides.


Pour chaque oprateur de discrtisation operi (donn aprs le mot-cl OPER), EQEX
va crer une table RVX stocke lindice RV . ioperi.
Cette table a la structure suivante :
RVX . EQEX pointe sur la table RV ;
RVX . DOMZ pointe sur le modle modi ;
RVX . ARGj contient le jme argument de operi ;
RVX . LISTINCO contient le nom de linconnue nomincoi.

10.2

Algorithme transitoire non linaire

On rappelle tout dabord, par ordre de dicult croissante, les types de problme
modle que nous avons rencontrs avant de dcrire lalgorithme de rsolution complet.

10.2.1

Problme linaire stationnaire

Dans ce type de problme, le temps nintervient pas (pas doprateur de drive par
). En outre, tous les oprateurs de lquation aux drives partielles
tielle en temps t
sont linaires par rapport linconnue considre. Un exemple de problme de ce type est
lquation de convection-diusion vue au chapitre 4 :
uT T = 0

(10.1)

Ici u est un champ vectoriel donn et T est linconnue considre. Une fois (10.1) discrtise
spatialement par la mthode des lments nis, le problme prend la forme suivante :
Lx = b

(10.2)

Ici, x reprsente le vecteur des inconnues (ici, cela correspondrait lensemble des valeurs
Ti aux nuds i [1, n] du maillage). L est une matrice carre n n, indpendante de
linconnue x, issue de la discrtisation spatiale des oprateurs u et . b est un
second membre qui contient la contribution des termes connus (terme source, gal 0 dans
(10.1), et conditions aux limites).
Rsoudre le problme (10.1) aprs discrtisation revient rsoudre un systme linaire
(10.2) en les inconnues x impliquant la matrice carre L. Dans CastM, cette rsolution se
fait laide de loprateur KRES ou de loprateur RESO.

10.2.2

Problme linaire transitoire

et tous
Dans ce type de problme, on a un oprateur de drive partielle en temps t
les oprateurs de lquation aux drives partielles sont linaires par rapport linconnue

Cours ENSTA B2-1

122

10.2. Algorithme transitoire non linaire

Oprateur
(

T
T n|
N
(
u
un|
N
(

n|
N
uT
(
uT
BT n|
N
(
uT
(B+C)T n|
N
uT
(
uT
T un|
N
(u)

u
(
uu
(uu)n|
N
u
(
p


pn|

Nom

Options

Donnes
Matrice
Termes volumiques

LAPN

LAPN

MUCONS

LAPN

FTAU

, u

KONV

CENTREE

, u

KONV

SUPG

, u,

KONV

SUPGDC

, u, , T

KONV

NOCONS

, u

KONV

CONS

, u

KONV

NOCONS

, u

KONV

CONS

, u

KMAB

KMBT

KBBT

DFDT

CENTREE

, T k , t

DFDT

CENTREE

, uk , t

FIMP

sT

TSCA

c, u, , sT

T sT
(u)u

NS

, u, , su

usu

q
h (T T )
f0
k (u u )

FIMP
ECHI
TOIM
FROT

Ni Nj

N i : N j

N i : N j

R
R

+
+

uNj Ni

uNj Ni

(N j ) uN i

(uN j )N i

N j Ni

Nj N i

N j Ni Nj N i

t Ni Nj

N i : t u

Nj C(, u, , T )Ni

uNj Ni

Nj B(, u, )Ni

0
p
u 0
T k+1 T k

t
uk+1 uk

t
sT
cuT

Second Membre

t N i N j

cuNj Ni +Ni Nj

(N j )uN i +N i N j

Termes surfaciques
q

R
h, T
hNj Ni
f0

R
kN
k, u
jN i

k
t T Ni

k
t u N i

sT Ni

sT Ni

su Ni

qN

i
R
hT
N
i
R
f
Ni
0
R

ku N i

Tab. 10.2: Principaux oprateurs de discrtisation de CastM en mcanique des uides.


Les options soulignes sont les options par dfaut.

Cours ENSTA B2-1

10. Rsolution pratique dun problme transitoire non-linaire

123

considre. Un exemple de problme de ce type est lquation de la chaleur vue en section


5.1 :
T
T = 0
(10.3)
t
On commence gnralement par discrtiser en temps cette quation par une mthode de
dirences nies. Pour cela, on discrtise lintervalle de temps [0, t] sur lequel on veut
rsoudre le problme en un nombre ni de points : {0, t, . . . , kt, (k+1)t, . . . , nITMA t}1 .
Lquation (10.3) discrtise en temps par une mthode dEuler implicite prend alors la
forme :
T k+1 T k
T k+1 = 0 k [1, nITMA ]
(10.4)
t
o T k est linconnue au temps kt.
On se ramne donc nITMA problmes linaires stationnaires rsoudre squentiellement. T 0 , la condition initiale est une donne qui permet de rsoudre T 1 . Puis, par
rcurrence, T k est connu, ce qui permet dobtenir T k+1 . Aprs discrtisation spatiale par
la mthode des lments nis, le problme (10.4) prend la forme suivante :
(

M
Mxk
+ L)xk+1 =
t
t

(10.5)

k [1, nITMA ]

Rsoudre le problme (10.3) aprs discrtisation revient rsoudre nITMA systmes liM
naires (10.5) squentiellement en les inconnues xk+1 impliquant la matrice carre ( t
+ L),
indpendante de x.

10.2.3

Problme non linaire stationnaire

Dans ce type de problme, le temps nintervient pas (pas doprateur de drive partielle

) mais au moins un des oprateurs de lquation aux drives partielles nest


en temps t
pas linaire par rapport linconnue considre. Un exemple de problme de ce type est
lquation de Burgers, dont la version instationnaire a t vue au chapitre 7 :
(u) u = 0

(10.6)

Mthode de point fixe


Une manire de rsoudre ce problme et de se ramener au cas du problme linaire
stationnaire est de le linariser. Nous avons examin ce point en dtail au chapitre 6.
Ici, nous utilisons la mthode de point xe. Pour cela, on introduit un tat initial u[0]
autour duquel on rend linaire loprateur trait. Dans notre cas particulier, on suppose
que la vitesse transportante est donne par u[0] et linconnue cherche devient la vitesse
transporte u[1] :


u[1] u[0] = 0
(10.7)
Loprateur est maintenant linaire en linconnue u[1] et on peut le discrtiser spatialement,
puis rsoudre le problme. Une fois u[1] connue, on itre le processus nNITER fois :

u[i+1] u[i] = 0 i [1, nNITER ]

(10.8)

On a choisi ici, par simplicit, de discrtiser [0, t] en (nITMA + 1) points quidistants

Cours ENSTA B2-1

124

10.2. Algorithme transitoire non linaire


i

On a convergence lorsque les itrations permettent de tendre vers un point xe : u[i]


u[] . En pratique, on eectue un nombre ni nNITER ditrations non linaires et on vrie
que ku[nNITER ] u[nNITER 1] k est petit.
On sest donc ramen nNITER problmes linaires stationnaires rsoudre squentiellement. Cette mthode de rsolution dquations non linaires sappelle itration de point
xe ou de Picard.
Aprs discrtisation spatiale par la mthode des lments nis, les problmes (10.8)
prennent la forme suivante :
h

N(x[i] ) x[i+1] = b i [1, nNITER ]

(10.9)

Rsoudre le problme (10.6), aprs discrtisation, revient rsoudre nNITER systmes


linaires (10.9) squentiellement sur les inconnues x[i+1] impliquant la matrice carre N,
qui varie chaque itration non linaire i puisquelle dpend de x[i] .
Relaxation de la mthode de point fixe
noter que lon na gnralement pas de garantie que le processus itratif dni par
(10.9) converge : cela va dpendre des proprits spectrales de la matrice N. Comme cette
matrice dpend de linconnue cherche, le point de dpart initial x[0] va galement tre
important : il est souvent prfrable quil ne soit pas trop loign de la solution cherche.
An daugmenter le rayon de convergence de litration de point xe (10.9), on introduit
souvent un paramtre de relaxation 0 < 1 et on eectue une mise jour relaxe de
linconnue :

x[i+1]

N(x[i] )
x[i+1] = b
[i+1] + (1 )x[i]
= x

i [1, nNITER ]

(10.10)
(10.11)

Linconvnient de cette mthode de relaxation est quelle peut ralentir la convergence vers
x[] lorsque cette convergence a lieu.

10.2.4

Problme non linaire transitoire

En rassemblant les mthodes vues dans les sections prcdentes, on peut nalement
crire un algorithme de Picard relax pour un problme transitoire. Une itration de lalgorithme sous forme discrtise en temps et en espace scrira :
!

M
Mxk
k+1

+ L + N(xk+1
)
+b
x
=
[i]
[i+1]
t
t

(10.12)

k+1
k+1
xk+1
[i+1] = x
[i+1] + (1 )x[i]

(k, i) [1, nITMA ] [1, nNITER ] (10.13)

, L aux oprateurs linaires et N la linarisation des


Ici, M est associe loprateur t
oprateurs non linaires. Au total, on aura rsoudre nITMA nNITER systmes linaires.
Lalgorithme complet est donne dans le tableau 10.3.
La traduction en langage Gibiane dans CastM dcoule directement de lalgorithme
10.3. Elle est eectue dans la procdure EXEC dont la partie signicative est donne sur
le listing 10.1.

Cours ENSTA B2-1

10. Rsolution pratique dun problme transitoire non-linaire


1

10

20

30

40

125

DEBPROC EXEC ;
ARGUMENT rv*TABLE
;
omeg = rv . OMEGA ;
itma = rv . ITMA ;
*
* Itrations en temps
*
REPETER bloc1 itma ;
*
* Itrations internes (non-linarits)
*
REPETER bloci (rv . NITER) ;
sf mau = KOPS MATRIK ;
*
* Construction de la matrice et du second membre au pas de temps &bloc1
* a litration interne &bloci
*
REPETER bloc2 (DIME (rv . LISTOPER)) ;
nomper = EXTRAIRE &bloc2 (rv . LISTOPER) ;
notable= CHAINE &bloc2 nomper ;
msi mai= (TEXTE nomper) (rv . notable) ;
mau = mau ET mai ;
sf = sf ET msi ;
FIN bloc2 ;
s1 = rv . CLIM ;
*
* Rsolution du systme lineaire
*
res = KRES ma1 TYPI (rv . METHINV)
CLIM s1 SMBR s2 ;
*
* Calcul de lerreur
*
eps = TCRR res omeg (rv . INCO) ;
FIN bloci ;
*
* Mise a jour des inconnues
*
irt = TCNM rv ;
SI (EGA irt 1) ;
MESSAGE Temps final atteint : (rv . PASDETPS . TPS) ;
QUITTER bloc1 ;
FINSI ;
FIN bloc1 ;
***********************
E X E C ************************************
FINPROC ;

Listing 10.1: Partie signicative de la procdure exec.procedur correspondant lalgorithme 10.3.


Cours ENSTA B2-1

126

10.2. Algorithme transitoire non linaire

Condition initiale : x0
for k = 0, nITMA 1 do {Boucle en temps}
k
xk+1
[0] x
for i = 0, nNITER 1 do {Boucle de point xe (non-linarit)}
A0 b0
for j = 1, nOPER do {Boucle
sur les oprateurs}

k+1
k
A A + Aj x[i] , x


k
b b + bj xk+1
[i] , x
end for
1
k+1
x
[i+1] = A b {Rsolution du systme linaire}

k+1
k+1
[i+1]
xk+1
{Mise jour relaxe}
xk+1
[i+1] = x[i] + x
[i]
end for
xk+1 xk+1
[nNITER 1]
k+1
k
t
t + t
end for

Tab. 10.3: Algorithme de Picard relax pour la rsolution de problmes transitoires non
linaires en mcanique des uides.
Type de problme
t
Linaire Stationnaire

Linaire Instationnaire

Non-Linaire Stationnaire

Non-Linaire Instationnaire

nITMA
1

nNITER
1
1

1.0
1.0
0.1 < 1.
0.4 < 1.

Tab. 10.4: Choix des paramtres importants de la procdure EXEC pour la rsolution dun
problme de mcanique des uides. : non applicable. : choisir.

10.2.5

Gestion des paramtres importants

En pratique, la procdure EXEC permet de rsoudre tous les types de problme, linaires
ou non, stationnaires ou transitoires, dont nous avons parl dans cette section. Le tableau
10.4 rsume les choix possibles pour les quatre paramtres importants de lalgorithme :
t, nITMA , nNITER , .
Le cas le plus courant et le plus complexe est celui du problme non linaire instationnaire o il faut choisir convenablement quatre paramtres. En pratique, il faut sassurer
qu chaque pas de temps, litration de Picard relax converge, cest--dire que la non
linarit du problme est eectivement rsolue. Lorsque ce nest pas le cas (par exemple,
lorsque ku[i+1] u[i] k ne diminue pas), deux solutions sont possibles :
1. diminuer (cest ce que nous avons vu en section 10.2.3) mais, alors, il faut augmenter
nNITER dans des proportions inverses. En pratique, on recommande de ne pas avoir
< 0.4 et, dans le cas o = 0.4, une valeur typique pour nNITER est 5.
2. diminuer t. Dans ce cas, cest nITMA qui va augmenter pour atteindre un mme
temps nal t .
En gnral, diminuer le pas de temps t est plus ecace que de diminuer car, non
seulement diminuer t amliore la convergence de litration non linaire (meilleures proCours ENSTA B2-1

10. Rsolution pratique dun problme transitoire non-linaire

127

prits spectrales de la matrice du systme linaire et solution initiale xk+1


[0] plus proche de
k+1
la solution cherche x[] ) mais, de plus, on augmente la prcision temporelle des solutions
obtenues.
Choisir un bon pas de temps fait encore partie de lart de lingnieur. Il existe des
mthodes automatiques mais qui ne sont pas satisfaisantes dans tous les cas. Le choix dun
bon pas de temps fait gnralement intervenir une analyse physique pralable du problme
(adimensionnement. . . ) ou peut se faire a posteriori en analysant le comportement des
solutions numriques obtenues (varie-t-elle beaucoup dun pas de temps au suivant, la
convergence des itrations non linaires est-elle dicile ?).
Si lon ne parvient toujours pas obtenir la convergence des itrations non linaires,
il faudra galement intervenir sur des paramtres qui ne sont pas directement impliqus
dans lalgorithme de rsolution mais dont limportance nest pas moindre :
1. les options de dcentrement ventuelles des termes convectifs (voir le chapitre 4 et
loprateur KONV dans le tableau 10.2) ;
2. le maillage : il faut quil puisse approcher spatialement les solutions cherches de
manire correcte.

10.3

Rsum

Dans ce chapitre, on a dcrit la manire de rsoudre un problme de mcanique des


uides avec CastM. Ceci seectue en quatre tapes :
1. cration du maillage sur lequel sappuie la discrtisation spatiale ;
2. description du problme laide de loprateur EQEX ;
3. rsolution du problme laide de la procdure EXEC ;
4. post-traitement et analyse des rsultats.
Seules les tapes 2 et 3 ont t vues ici, les deux autres seront vues en Travaux Dirigs.
On peut se rfrer aux jeux de donne utilise dans ce cours comme exemples complets.
Ils sont disponibles sur le site Web CastM [Cas].
Lalgorithme de rsolution implant dans la procdure EXEC est un algorithme de point
xe relax. Les paramtres importants, fournis par lutilisateur et gouvernant la rsolution,
sont le pas de temps t, le nombre de pas de temps nITMA , le nombre ditrations non
linaires nNITER et le coecient de relaxation . Le choix correct du pas de temps est en
particulier important.

Cours ENSTA B2-1

128

Cours ENSTA B2-1

10.3. Rsum

129

Bibliographie
[BAH87] Robert Byron Bird, Robert C. Armstrong, and Ole Hassager. Dynamics of Polymeric Liquids, volume 1. Fluid Mechanics. Wiley Interscience, 2nd edition,
1987.
[BL05]

Pavel Bochev and R. B. Lehoucq. On the Finite Element Solution of the Pure
Neumann Problem. SIAM Review, 47(1) :5066, 2005.

[Can01] Sbastien Candel. Mcanique des uides. Dunod, 2e edition, 2001.


[Cas]

Cast3M. Web site. http://www-cast3m.cea.fr/.

[DP00]

Frdric Dabbne and Henri Paillre.


Initiation la simulation numrique en mcanique des uides : lments danalyse numrique. Technical Report SEMT/LTMF/RT/00015/A, CEA, 2000. Cours B2-1 ENSTA,
http://www-cast3m.cea.fr/.

[DT84]

Gouri Dhatt and Gilbert Touzot. Une prsentation de la mthode des lments
nis. Collection universitaire de Compigne. MALOINE S.A., 27, rue de lEcole
deMdecine, 75006 PARIS, 2e edition, 1984.

[EG02]

Alexandre Ern and Jean-Luc Guermond. lments nis : thorie, applications,


mise en uvre. Springer, 2002.

[Gur81] Morton E. Gurtin. An Introduction to Continuum Mechanics, volume 158 of


Mathematics in Science and Engineering. Academic Press, 1981.
[Hug87] T.J.R Hughes. Recent progress in the development and understanding of SUPG
methods with special reference to the compressible Euler and Navier-Stokes equations. NMF, 7(11) :12611275, 1987.
[Lev02]

Randall J. Leveque. Finite Volume Methods for Hyperbolic Problems. Cambridge


Texts in Applied Mathematics. Cambridge University Press, rst edition, 2002.
see also http://amath.washington.edu/~rjl.

[SF88]

Gilbert Strang and George J. Fix. An Analysis of the Finite Element Method.
Wellesley-Cambridge Press, 2nd edition, 1988. http://math.mit.edu/~gs.

[Str07]

Gilbert Strang. Computational Science and Engineering. Wellesley-Cambridge


Press, 2007. See also http://math.mit.edu/cse.

Cours ENSTA B2-1