M1 Analyse numérique des EDP, éléments finis

Cours 3 : Interpolation(Bramble-Hilbert) en
d=2
Roland Becker
30 mars 2020

Il s’agit du chapitre 3 du script. Lisez le une fois avant et une fois après la lecture
de ces notes.
Tout d’abord que-est-ce que c’est une estimation d’interpolation ? On se donne une
fonction (suffisamment régulière) u et on cherche à majorer l’erreur d’interpolation u−
uh , avec uh = Ih u et Ih l’opérateur d’interpolation de l’élément fini. Par conséquent,
il faut d’abord que u se trouve dans l’espace sur lequel est défini Ih . Ensuite, dans
l’estimation de l’erreur d’interpolation, on cherche à majorer une norme de l’erreur par
le produit de trois facteur. Le premier est la constante (d’interpolation) qui ne doit pas
dépendre de la fonction à interpoler ni des paramètres de discrétisation ; le deuxième
facteur contient les paramètres de discrétisation, le diamètre du simplexe hK et l’ordre
polynomial ; le troisième facteur est une norme de dérivées de u. En quelque sorte, on
« paie » le facteur contenant hK par des dérivées de u.
Le mécanisme général est une mise à l’échelle (’scaling’). Voir les exemples qui
suient.
On va d’abord majorer la norme L2 (K) (ou L∞ (K)) et ensuite la semi-norme H1 (K).
Toutes ces majoration sont locale, c’est à dire qu’un simplexe K n’intervient. Évidem-
ment, on peut faire la somme sur tous les K d’un maillage pour obtenir une estimation
globale.

1 Le cas d = 1
Exemple 1. Soit K =]a, a + h[, K b =]0, 1[ et TK (b
x) = a + b xh. On considère l’élément fini
(K, P (K), Σ), Σ := {δa }. Nous avons alors Ih u = u(a)χK (χK la fonction caractéristique de
0

K, est en même la fonction de base canonique).

On fait une estimation en L∞ (K). Nous avons pour x ∈ K et u ∈ C1 (K) (ou u ∈ W 1,∞ (K))
Zx Zx Zx
u(x) − Ih u(x) =u(x) − u(a) = u (s) ds 6 |u (s)| ds 6 max |u (s)|
0 0 0
ds
a a s∈]a,x[ a
Z a+h
6 max |u (s)| 0
ds = ku 0 kL∞ (K) hK .
s∈]a,a+h[ a

1
Comme x ∈ K était arbitraire, on en déduit

ku − Ih ukL∞ (K) 6 ku 0 kL∞ (K) hK ∀u ∈ W 1,∞ (K). (1)

On voit que l’on gagne une puissance pour une dérivée (il y a une dérivée de plus à droite
de (1). On voit également que la constante d’interpolation vaut 1. Ensuite on se demande si
l’estimation (1) est précise (peut-être nous avons utilisé des majoration trop grossières ?). La
réponse est non, prenons u(x) = x − a. Alors nous avons

ku − Ih ukL∞ (K) = kukL∞ (K) = hK , ku 0 kL∞ (K) = k1kL∞ (K) = 1.

Donc nous avons égalité dans (1).

Ensuite, on s’intéresse à une estimation en L2 (K). Supposons u ∈ C1 (K) (ou u ∈ H1 (K)).
Alors, comme avant
Zx Z x  12 Z x  21
0 0 2
u(x) − Ih u(x) =u(x) − u(a) = u (s) ds 6 (u (s)) ds 1 ds
a a a
Z a+h  21
1 1
0 2
6 (x − a) 2 6 ku 0 kL2 (K) hK2
(u (s)) ds
a
Z a+h Z a+h
2 2
⇒ (u(x) − Ih u(x)) 6 ku 0 kL2 (K) hK
a a
⇒ ku − Ih ukL2 (K) 6 hK ku 0 kL2 (K) .

On a les mêmes remarques que dans le cas de la norme L∞ (K).

De façon analogue, démontrer que l’estimation est optimale.
La majoration ci-dessus est simple et efficace. Mais cela est dû à la simplicité de d = 1. Pour
comprendre, comment on peut généraliser à des domaines en d > 1, on va refaire l’estimation
d’une façon différente. Soit w(x) = u(x) − Ih (x) et w(b
b x) := w(TK (b x)). On constate que

b 0 (b
w x) = hK w 0 (TK (b
x)). (2)

Alors
Z a+h Z1 Z1
2 2
(w(x)) dx = (w(b
b x)) JK db
x = JK b x))2 db
(w(b x
a 0 0

b est une fonction qui s’annule en 0. Soit φ ∈ C1 (]0, 1[) avec φ(0) = 0. Alors
Maintenant w
Z1 Z1 Z1
φ(s) ds = 0
φ 0 (s)(s − 1) ds + [φ(s)(1 − s)]10
φ(s)(s − 1) ds = −
0 0 0 | {z }
=0
Z1 Z1
6 |φ (s)| (1 − s) ds 6 max {1 − s | 0 6 s 6 1} |φ 0 (s)| ds
0
0 0

ce qui donne
Z1 Z1
φ(s) ds 6 |φ 0 (s)| ds, si φ(0) = 0. (3)
0 0

2
 b 2 , cela donne
On applique (4) à φ = (w)
Z1 Z1
2
b x)) 0  |(w(b
 
(w(b
b x)) db x 6 (w(b b x))| db
x
0 0

et donc
kwk
b L2 (K) b 0 kL2 (K)
b 6 kw b . (4)
Démontrer le résultat suivant, similaire à (4) :
Z1 Z1 Z1
φ(s) ds = 0 ⇒ |φ(s)| ds 6 |φ 0 (s)| ds
0 0 0

Indication : écrire
Zt
φ(t) − φ(s) = φ 0 (ξ) dξ,
s
R1
majorer l’intégrale par 0 |φ 0 (ξ)| dξ, intégrer de 0 à 1 par rapport à t,...
Maintenant il faut transformer l’intégrale sur K b de retour à K. En utilisant la formule (2)
cela donne
Z1 Z1 Z
0 2 2 0 2 h2K a+h 0 2
(w
b (bx)) dbx = hK (w (TK (b x))) db x= (w (x)) dx
0 0 JK a
et donc finalement
Z a+h Z a+h
2 h2 2 2
(w(x)) dx 6JK K (w 0 (x)) dx = h2K kw 0 kL2 (K) ,
a JK a

le même résultat qu’auparavent.


Exemple 2. On change la fonctionnelle Σ := δa+ h2 .
Faire des estimations comme dans l’exemple précédent (la formule de Taylor se complique un
peu). Attention, cette fois on devrait avoir des estimations d’ordre deux !
Exemple 3. Pour les éléments finis d’ordre plus élevé, disons k > 1, on introduit les k + 1
points de Lagrange comme en (2.32) du script. Soit encore K =]a, a + h[
α
xα = a + h, 0 6 α 6 k.
k
La base canonique est alors donnée par les polynôme de Lagrange (Vérifiez !)

Yk
x − xα
φβ (x) := , 0 6 β 6 k. (5)
α=0
xβ − xα
α6=β

Par conséquent, pour u ∈ C(K) son interpolé est

X
k
Ih u(x) = u(xα )φα (x). (6)
α=0

3
En utilisant la formule de Taylor, le résultat suivant est classique (vous l’avez certainement vu
en L2 ou en L3)
hk+1
u ∈ Ck+1 (K) ⇒ ku − Ih ukL∞ (K) 6 uk+1 ∞
L (K)
(7)
(k + 1)!
Cette estimation d’erreur d’interpolation est en norme max, mais on peut aussi bien (avec les
techniques que vous connaissez désormais) la faire en L2 (K) ou en Lp (K). Elle est remarquable
à plusieurs égards. D’abord on connaît précisément la constante d’interpolation. Ensuite, il
y a deux possibilités de rendre l’erreur petite. Soit on fait décroître h, soit on augmente k.
Dans
k+1le dernier cas on a une décroissance exponentielle de l’erreur. Petit calcul. Supposons que
u ∞
L (K)
= 1 pour tout k (qu’est-ce que cela veut dire ?). Pour ε > 0 et k donnés, calculer
h pour que l’erreur soit inférieure à ε, en suite, pour ε > 0 et h donnés, calculer k pour que
l’erreur soit inférieure à ε.
Toutefois, si la fonction à interpoler n’est pas C∞ (K), on ne peut s’attendre à une décrois-
sance exponentielle en k. Pour des fonctions discontinues, le polynôme d’interpolation se met à
osciller autour de la discontinuité.

2 Le cas d = 2 et k = 1
L’idée principale de la théorie d’interpolation de Bramble-Hilbert est d’utiliser les
transformations TK : K b → K. La raison est que les estimations que l’on va utiliser
(par exemple (3.4)) dépendent du domaine. En passant par les transformation, elle ne
dépendent que de K.b
Deux remarques. D’abord, cette théorie est faite pour les espaces d’éléments finis
qui sont construits par transformation (définition 2.34). Ensuite, il y a d’autres théorie
d’interpolation. Comme example, j’ai mis une estimation de l’erreur d’interpolation
dans les espace hölderien dans la sous-section 3.1.
La procédure suit la deuxième approche de l’exemple 1. La majeure difficulté est de
remplacer la majoration (4).
Essayons de suivre la procédure de l’exemple 1. Commençons comme avant par
poser

w(x) = u(x) − Ih (x), w(b

b x) := w(TK (b
x)), TK (b
x) = AKb
x + bK .

Alors par la dérivée composée (rassurez vous de bien comprendre pourquoi il y a la

transposée)

∇ b x) = ATK ∇w(TK (b
b w(b x)), ∇ b x) = ATK ∇2 w(TK (b
c2 w(b x))AK . (8)

Ici, le ∇ x, comme ∇ signifie dérivation par rapport

b signifie dérivation par rapport à b
2 2
à x; ∇ b et ∇ signifient les matrices hessiennes. (Écrire en détail la formule pour la
hessienne.)
Alors avec JK = det AK
Z Z Z
2 2
(w(x)) dx = (w(b b x)) JK db b x))2 db
x = JK (w(b x
K K
b K
b

4
Maintenant il nous faut l’équivalent de (4), c’est à dire

kwk b 6 C |w|
b L2 (K) b ,
b H2 (K) (9)

où on s’est permit d’admettre une constante C ne dépendant que de K

b mais pas de w.
Supposons cela pour le moment !
Alors on a
Z XZ  2
2 2
(w(b
b x)) dbx 6 C |w|H2 (K)
2
b b = C
2 α
∂ w db
b b x.
K
b
|α|=2 K
b

Écrire explicitement la dernière somme, sans signe de somme en tenant compte de

d = 2.

2.1 Petit détour sur les matrices

Soit n ∈ N et A, B ∈ Rn×n . La norme de Frobenius d’une matrice est définie par
! 12
X
n
kAkF := A2ij .
i,j=1

On introduit en plus

kAkF,∞ := max {|Aij | | i, j} = tr(AT A).

Nous avons avec Cauchy-Schwarz

!2
X X X X X X X
! ! !
kABk2F = Aik Bkj 6 A2ik B2kj 6n A2ik kBk2F,∞
i,j k i,j k k i,j k

6n2
kAkF kBk2F,∞
2
,

donc
kABkF 6 n kAkF kBkF,∞ . (10)
Finalement, on rappelle que Rn×n est de dimension finie et par conqéquent toutes les
normes matricielle sont équivalentes.

2.2 Retour à l’estimation

Maintenant, avec (10) et (8)
XZ  2 Z 2 Z
2
b dξ = AK T ∇2 w(TK (ξ))AK F dξ
α b2
∂ (wb dξ = ∇ w(ξ)
b
F
|α|=2 K K K
b b b
Z Z
64 kAK k4F,∞ ∇ w(TK (ξ)) 2 dξ = 4 kAK k4 ∇ w(x) 2 J−1 dx
2 2
F F,∞ F K
K
b K

5
Si l’on met tout ensemble, nous avons
Z
Ih uk2L2 (K) = kwk2L2 (K) 4 kAK k4F,∞ ∇ w(x) 2 J−1 dx
2
2
ku − 6 JK C F K
K
=C 2
4 kAK k4F,∞ |w|H2 (K) = C 4 kAK k4F,∞ |u|H2 (K) .
2

(Très important : pourquoi la dernière égalité ?)

Finalement, on utilise le lemme 2.10 su script pour obtenir
h2K
ku − Ih ukL2 (K) 6 2C |u|H2 (K) ∀u ∈ H2 (K), (11)
ρ2Kb

c’est à dire (??) du corollaire ?? dans le cas de la sémi-norme |·| = k·kL2 (K) .
Remarque 4. Comme nous l’avons vu, dans ce cas k = 1 il est crucial d’avoir u ∈ H2 (K)
et la semi-norm H2 à droite dans (11) ! ! Pour le moment, nous n’avons pour k = 1 aucune
estimation si l’on suppose u ∈ H1 (K) seulement.

2.3 Retour à (9)

Les précédents calculs paraissent peut-être compliqués, mais il ne sont que pure-
ment technique (une fois qu’on s’est habitué à manipuler les intégrales, dérivées et
différentes normes, cela pourrait se faire automatiquement).
On se rend alors compte que l’étape essentielle est la majoration (9)

⇒ kwk b 6 C |w|
bI b w
b =0 b L2 (K) b ,
b H2 (K)
K

et ce n’est pas étonnant que cela était un sujet de recherche important pendant un
certain temps.
Par rapport au cas d = 1, l’hypothèse signifie que la fonction w b s’annule seumle-
ment aux sommets du triangle de référence et pas sur un côté comme c’était le cas pour
d = 1.
Le coeur de la réponse est le « lemme » de Denis-Lions, que j’ai plutôt appelé théo-
rème 3.3.
Essayer d’obtenir (9) par ce théorème. On applique (9) avec p = 2, l = k = 1 et
b ce qui donne
Ω = K,

inf b 6 C |v|H2 (K)

kv − qkH2 (K) ∀v ∈ H2 (K). (12)
b
b
q∈P 1 (K)
b

En se souvenant que IK ◦ IK = IK et don bIKb ◦ bIKb = bIKb nous avons pour q ∈ P1 (K)
b

w
b =
|{z} w
b − q + q − bIKb w =
|{z} b − q − bIKb (w
w b − q)
par hypothèse car q ∈ P1 (K)
b

Rappelons que bIKb : H2 (K)

b → H2 (K)
b est continue, car (en omettant les chapeaux) :
X

3

kIK vkH2 (K) = σi (v)φi 6 3 max {kσi k | 1 6 i 6 3} kφi kH2 (K)  1 6 i 6 3 kvkH2 (K) .


i=1
2 |
H (K) {z }
=:CIK

6
Donc

kwk b 6 kw
b − qkL2 (K)
b + IKb (w
b − q) 6 (1 + CbI b ) kw
b − qkL2 (K)
b
b L2 (K) b
L2 (K)
b K

Comme q est arbitraire et à l’aide de (12)

kwk b 6(1 + Cb
I b ) inf kw I b ) |w|H2 (K)
b 6 C(1 + Cb
b L2 (K) b − qkL2 (K) b b .
K K
q∈P 1 (K
b

Remarque 5. Nous avons essentiellement utilisé k = 1 pour IK q = q pour q ∈ P1 (K).

b Mais
cela reste vrai pour k > 1.

2.4 Estimation en |·|H1 (K)

De (8) on obtient
∇w(x) = A−T b b −1 (x)).
K ∇w(T K (13)
Cela implique
Z Z  2
k∇wk2L2 (K) 2
= |∇w(x)| dx = A−T ∇
b w(T −1
(x))  dx
 
K b K
K Z  K
2 Z  2
−T −1
−T
6 AK F,∞ ∇w(Tb K (x)) dx = AK F,∞ ∇ w(b
b x) JK db
x
b  b 
K K
b

Avec le même argument (Denis-Lions) comme auparavant, nous avons (avec une autre
constante C)
|w| b 6 C |w|
b H1 (K) b ,
b H2 (K) (14)
et avec les calcul comme avant
h2K hKb
|u − Ih u|H1 (K) 6 2C |u| 2 ∀u ∈ H2 (K),
ρ2Kb ρ2K H (K)

le facteur supplémentaire provient de la majoration de A−T K
.
F,∞
Si l’on utilise maintenant la régularité du maillage, on obtient
|u − Ih u|H1 (K) 6 ChK |u|H2 (K) ∀u ∈ H2 (K). (15)
Écrire les détails.

3 Le cas général
Comme H2 (Ω) ⊂ C(K) seulement pour d 6 3 (pourquoi ?), les argument précé-
dents ne s’appliquent plus. Rassurez-vous, d > 3 est généralement considéré comme
exotique...
Par contre, pour k > 1, on peut, de la même façon, démontrer que
|u − Ih u|H1 (K) 6 ChkK |u|Hk+1 (K) ∀u ∈ Hk+1 (K) (16)
et
ku − Ih ukL2 (K) 6 Chk+1
K |u|Hk+1 (K) ∀u ∈ Hk+1 (K). (17)
Pour encore vous embêter avec la dimension, pour k donné, pour quel d sont ces esti-
mations valables ?