Vous êtes sur la page 1sur 77

M1 Analyse numérique des EDP, éléments finis

Roland Becker
13 juin 2020

Table des matières


1 Espaces de fonctions 4
1.1 Espaces de Banach et de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Equations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Espaces de Sobolov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Espaces discrets 19
2.1 Maillages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Coordonnées barycentriques et transformations affines . . . . . . . . . . 20
2.3 Espaces de polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Espaces subordonnés à un maillage . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Lemme de Céa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3 Interpolation 34
3.1 Interpolation dans les espaces höldériens . . . . . . . . . . . . . . . . . . 34
3.2 Interpolation dans les espaces de Sobolev . . . . . . . . . . . . . . . . . . 35
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4 Problèmes elliptiques 43
4.1 Équations d’ordre deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Discretization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.3 Estimation d’erreur a priori . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4 Aubin-Nitsche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5 Estimation d’erreur a posteriori . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Approximation non-conforme . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.7 Méthodes mixtes et volumes finis . . . . . . . . . . . . . . . . . . . . . . . 50
4.8 L’équation de convection-diffusion . . . . . . . . . . . . . . . . . . . . . . 53
4.9 L’équation biharmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

Appendices 58

1
A Solutions d’exercices 58

Index alphabétique 77

Introduction
Équations aux dérivées partielles
Les équations aux dérivées partielles (EDP) linéaires d’ordre deux sont classifiées
en équations elliptiques, paraboliques et hyperboliques, dont des examples sont

∂u(x, t) ∂2 u(x, t)
− div(k∇u(x)) = f(x), − div(k∇u(x, t)) = f(x, t), − div(k∇u(x, t)) = f(x, t),
∂t ∂t2
où x ∈ Ω avec Ω ⊂ Rd (d ∈ N) un domaine borné et t ∈ I =]0, T [, et k et f sont
des fonctions données. Ces équations sont complétées par des conditions aux bord (et
conditions initiales). Une des difficultés des EDP est qu’il n’est en général possible de
trouver des fonctions suffisamment régulières (C2 ) pour vérifier ces équations point
par point. Une autre interprétation est donc indispensable (distributions).
Comme pour les équations différentielles ordinaires, il est opportun de considé-
rer ces équations dans le cadre des espaces de fonctions pour l’inconnue u. En tenant
compte de la linéarité et en renommant u par x, on arrive à des équations abstraites de
type
 
dx
Ax = b, ou + Ax = b ,
dt

Avec A : X → Y un opérateur linéaire entre deux espaces vectoriels X et Y, dont les


éléments sont des fonctions définies sur Ω.
L’analyse fonctionnele a pour objectif de définir des espaces appropriés, étudier
leurs propriétés et d’analyser des opérateurs linéaires comme A. Ce n’est pas le conte-
nue de ce cours, mais la connaissances de certains éléments indispensables font l’object
de la section 1.

Éléments finis
L’objectif de la méthode des éléments finis est de construire des sous-espaces dis-
cret (de dimension finie) de certains espaces fonctionnelles, basée sur des partitions
du domaine Ω (maillages). C’est l’objet de la section 2. Ensuite, ces espaces sont uti-
lisés pour définir des solutions discrètes, censées approcher la solution du problème
continue. Pour majorer la différence entre les solutions continue et discrète (erreur)
en fonction de la finesse du maillage h > 0, on construit des opérateurs d’interpola-
tion et l’on étudie l’erreur d’interpolation, la différence entre une fonction donnée (pas
nécessairement solution de l’équation) et son interpolée, section 3.
Dans les sections suivantes, nous nous intéressons à l’approximation des solutions
de quelques EDP, et notamment à l’erreur, la différence entre la solution et son appro-
chée. Il y a deux types d’estimation d’erreur. L’estimation d’erreur a priori suppose

2
que la solution est suffisamment régulière et fait apparaître une certaine puissance de
h, ce qui permet de démontrer la convergence et la vitesse de convergence des solu-
tions discrètes correspondant à un suite de maillage h → 0. L’estimation a posteriori
évite l’hypothèse de régularité et majore au lieu de cela l’erreur en fonction de termes
qui dépendent des données et des solutions discrètes (estimateurs). Comme ces termes
sont calculables, on peut alors contrôler les erreurs sans hypothèse supplémentaire sur
la solution continue du problème. Ces estimations sont la base des algorithmes adap-
tatifs qui cherche à adapter les maillages de façon automatique.

Objectifs de ce cours
1. Rappels de notions et de quelques résultats de l’analyse fonctionnelle
2. Énoncés de quelques résultats concernant les espaces de Sobolev
3. Définition de quelques espaces d’éléments finis
4. Estimation d’erreur d’interpolation
5. Application aux équations elliptiques et paraboliques

Quelques notations
On note par N = les entiers naturel 1, 2 . . . et N0 = {0} ∪ N. Pour un multi-index
P
d
α ∈ Nd0 , on pose |α| = αi . On a
i=1

Y
d
∂|α| β!
xβ−α α6β
xα = xαi
i , Dα = αi , Dα xβ = (α−β)!
(0.1)
i=1
∂xi 0 sinon.
Qd
ou nous avons α! = i=1 αi ! et α 6 β ssi αi 6 βi pour tout i ∈ J1, dK. Nous avons
pour k > 0

 
d−1+k
# α ∈ Nd0 |α| = k =

(0.2)
k
Pour un espace de fonction X(Ω) d’éléments f : Ω → R, on note l’espace des fonc-
tions vectorielles F : Ω → Rk , k ∈ N, par X(Ω, Rk ) = {F = (f1 , . . . , fk ) | fi ∈ X(Ω) ∀1 6 i 6 k}.
La norme euclidienne de x ∈ Rd et la norme de Frobenius de A ∈ Rd×d sont écrites
comme
v v
uX uX
u d u d
kxk = kxkRd = t x2i , |||A|||F = t A2i,j .
i=1 i,j=1

On rappelle que toutes les norme sur un espace en dimension finie sont équivalentes,
car elles sont des fonctions continue qui atteignent ses bornes sur les boules fermés,
qui sont des compactes.
On utilise |·| pour la longueur d’un multi-indice, pour la mesure de Lebesgue d’un
ensemble mesurable U ⊂ Rd (ou la mesure induite d’une variété), mais parfois aussi
pour la norme euclidienne d’un vecteur.

3
Références
[1] A. E RN et J.-L. G UERMOND. Theory and practice of finite elements. T. 159. Applied
Mathematical Sciences. Springer-Verlag, New York, 2004, p. xiv+524.
[2] S. B RENNER et R. S COTT. The mathematical theory of finite element methods. 3e éd.
Texts in applied mathematics 15. Springer-Verlag New York, 2008.
[3] P.-A. R AVIART et J.-M. T HOMAS. Introduction à l’analyse numérique des équations aux
dérivées partielles. Collection Mathématiques Appliquées pour la Maîtrise. [Collec-
tion of Applied Mathematics for the Master’s Degree]. Masson, Paris, 1983, p. 224.
[4] V. G IRAULT et P.-A. R AVIART. Finite Elements for the Navier Stokes Equations. Sprin-
ger, Berlin, 1986.

1 Espaces de fonctions
On considère une équation abstraite

Ax = b (1.1)

avec deux espaces vectoriels X, Y un opérateur linéaire A : X → Y, b ∈ Y et on cherche


à établir des conditions de sorte que (1.1), pour tout b donné,
1. admette une solution ,
2. cette solution soit unique.
La première question est équivalente à la surjectivité de A, tandis que la deuxième
est équivalente à l’injectivité. Malheureusement, la situation est bien plus compliqué
dans le cas des espaces fonctionnelle de dimension infinie que dans la cas de la dimen-
sion finie. Rappelons ce dernier cas : ayant choisie une base (ej )16j6n de X et une base
(fi )16i6m de Y, A est représenté par une matrice de Rm×n = M(m, n, R). Comme n est
égal à la somme de la dimension du noyau et de la dimension du rang, une condition
nécessaire est n = m et l’injectivité implique la surjectivité (ou vice versa). De plus,
Rn est équipé de la norme euclidienne, et toutes les autres normes sont équivalentes à
celle-là. Il est facile à voir qu’en dimension finie, tout application linéaire est continue
(pour n’importe quelle norme) et même lipschitzienne. Alors, si A est bijective, on ob-
tient immédiatement le résultat suivant. Soit δb ∈ Y et x + δx la solution correspondant
au second membre b + δb, alors on a

kδxk 6 C kδbk ,

où C est la norme de l’inverse de A. Clairement, cette propriété est très souhaitable :


si elle n’est pas vérifiée, une perturbation δb des données aussi petite quelle soit, peut
mener à un changement arbitrairement grand de la solution. De plus, cette propriété de
stabilité est indispensable pour n’importe quelle approximation. Supposons que pour
tout réel h > 0, nous avons un problème approché

Ah xh = bh , (1.2)

4
dont on suppose, comme pour (1.1), qu’il existe une unique solution. On voit alors que

A(x − xh ) = b − Axh = R(xh ) (Rh (xh ) = b − bh + (Ah − A)xh )

Une bonne approximation du problème va rendre le résidu R(xh ) petit, mais il nous
faut la stabilité pour que cela implique que l’erreur x − xh soit petit.
Dans le cas de la dimension quelconque il nous faut donc :
1. Des espaces de fonctions (appropriés au problème considéré)
2. Définitions de normes
3. Conditions pour qu’un opérateur soit une bijection avec une inverse continue.

1.1 Espaces de Banach et de Hilbert

Définition 1.1. Un espace de Banach réel (X,k·kX ) est un espace vectoriel (vérifiant les
axiomes correspondant) avec une norme X → R+ vérifiant

 kλxkX = |λ| kxkX ∀x ∈ X, ∀λ ∈ R,

kx1 + x2 kX 6 kx1 kX + kx1 + x2 kX ∀x1 , x2 ∈ X, (1.3)

 kxk = 0 ⇒ x = 0.
X

De plus, on demande que X soit complet : toute suite de Cauchy converge : pour toute
suite (xn )n∈N de X

∀ε > 0 ∃N(ε) : kxn − xm kX 6 ε ∀n, m > N(ε)


⇒ ∃x ∈ X : ∀ε > 0 ∃N(ε) : kx − xn kX 6 ε ∀n > N(ε).

On dit que k·kX est une semi-norme sur X si (1.3) sont satisfaits à l’exception de
kxkX = 0 ⇒ x = 0.
K ⊂ X est compacte, si pour toute suite (xn )n∈N ⊂ K, il existe x ∈ K et une sous-suite
(xnk )k∈N qui converge vers x.

Définition 1.2. Soit (X,k·kX ), (Y,k·kY ) deux espaces de Banach, U ⊂ X et T : U → Y. S’il


existe λ ∈ R+ tel que kT x2 − T x1 kY 6 λ kx2 − x1 kX pour tout x1 , x2 ∈ X, T est lipschitizen.
Théorème 1.3. Soit (X,k·kX ) un espace de Banach et T : X → X une contraction : il existe
ρ < 1 tel que

kT x1 − T x2 kX 6 ρ kx1 − x2 kX ∀x1 , x2 ∈ X.

Alors il existe un unique point fixe x ∈ X, T x = x. La suite (T n x0 )n∈N converge de façon


géométrique vers x.
Exemple 1.4. Soit K ⊂ Rd un compacte. On dénote par C(K) l’espace des fonctions continues
avec la norme

kukC(K) := sup |u(x)|.


x∈K

5
De façon analogue on définit pour k ∈ N l’espace des fonctions k-fois continûment dérivable
Ck (K). Soit α ∈ Nd un multi-index. On a la norme

kukCk (K) := sup kDα ukC(K) .


|α|6k

Exemple 1.5. Soit K ⊂ Rd un compacte. Pour 0 < α 6 1 un définit l’espace C0,α (K) comme
les fonctions continues qui vérifie de plus

|u(x1 ) − u(x2 )|
|u|C0,α (K) := sup < +∞.
x1 ,x2 ∈K |x1 − x2 |α
x1 6=x2

Une norme est donnée par

kukC0,α (K) := kukC(K) + |u|C0,α (K) .

Pour α = 1, c’est l’espace des fonctions lipschitziennes. Pour k ∈ N l’espaces höldérien


C (K) est définit par les fonctions u de Ck−1 (K) qui vérifient Dβ u ∈ C0,α (K) pour tout β
k,α

avec |β| = k.

Exemple 1.6. Espaces de Lebesgue Lp (Ω) sur un Ω ⊂ Rd pour 1 6 p 6 ∞. Avec 1/p +


1/p 0 = 1 nous avons l’inégalité de Hölder :
Z
0
fg 6 kfkLp (Ω) kgkLp 0 (Ω) ∀f ∈ Lp (Ω), g ∈ Lp (Ω). (1.4)

Exemple 1.7. Espaces de Sobolev W m,p (Ω) sur un Ω ⊂ Rd pour 1 6 p 6 ∞, m > 1. Nous
avons sa norme et une semi-norme
  p1   p1
X X
kukW m,p (Ω) :=  kDα ukpLp (Ω)  , |u|W m,p (Ω) :=  kDα ukpLp (Ω)  .
|α|6m |α|=m

En particuliers pour p = 2 on écrit souvent


Z d Z
X ∂u 2

|u|H1 (Ω) = k∇uk2Rd = ∂xi = k∇uk ,

Ω i=1 Ω
Z X d Z
∂2 u 2 2

|u|H2 (Ω) 2
= |||∇ u|||F =
2
∂xi ∂xj = ∇ u .

Ω i,j=1 Ω

Exemple 1.8. Soit Ω ⊂ Rd un ouvert. L’espace des "fonctions test" des distributions

D(Ω) = {φ ∈ C∞ (Ω) | supp(φ) est comacte}

forment bien un espace vectoriel, mais ce n’est pas un espace de Banch (il n’existe pas de norme,
mais bien une métrique).

On rappelle deux résultats fondamentaux de le théorie des distributions.

6
Théorème 1.9. Pour 1 6 p < ∞, D(Ω) est dense dans Lp (Ω). Soit f ∈ L1loc (Ω). Alors
Z
fφ = 0 ∀φ ∈ D(Ω) ⇒ f = 0 presque partout.

Soit X, Y deux espaces de Banach. L’ensemble des applications linéaires A : X → Y


est encore un espace vectoriel. Sur le sous-espace des applications continues L(X, Y)
on définit une norme par
kAxkY
kAk = sup . (1.5)
x∈X\{0} kxkX

L(X, Y) est encore un espace de Banach. Un cas particulier est X∗ := L(X, R), l’espace
dual. On écrit

hx, x∗ iX×X∗ := x∗ (x) ∀x ∈ X, x∗ ∈ X∗ .

Une conséquence du théorème de Hahn-Banach est que (même pour tout espace vec-
toriel normé X)
hx, x∗ iX×X∗
kxkX = sup (1.6)
x∗ ∈X∗ \{0} kx∗ kX∗
Nous avons l’injection J : X → X∗∗ J(x)(x∗ ) = x∗ (x). Un espace de Banach est réflexif si
J est une bijection.

Remarque 1.10. L’inégalité de Hölder montre que Lp∗ (Ω) ⊂ (Lp (Ω))∗ pour 1 6 p 6 ∞. Le
théorème de représentation de Riesz montre que (Lp (Ω))∗ = Lp∗ (Ω) pour 1 6 p < ∞.
Un exemple d’un espace de Banach non-réfléxif est X = L1 (Ω). Nous avons X∗ = L∞ (Ω),
mais L1 (Ω) 6= (L∞ (Ω))∗ . Ce dernier contient des objets qui ne sont pas des fonctions.

Soit (xn )n∈N . On dit que la suite converge faiblement (xn * x), si pour tout x∗ ∈
X la suite des réels x∗ (xn ) converge vers x. Si la boule unité de X est compacte, la

dimensions de X est finie. Par contre, un corollaire du théorème de Banach-Alaoglu


dit que la boule unité de X est compacte pour la topologie faible, si X est réflexif. Pour
A ∈ L(X, Y) on définit AT ∈ L(Y ∗ , X∗ ) par

T ∗
A y , x X∗ ×X := hy∗ , AxiY ∗ ×Y . (1.7)

Définition 1.11. On dit que A ∈ L(X, Y) est compacte si pour toute suite bornée (xn )n∈N
on peut extraire une sous-suite (xnk )k∈N tel que la suite (Axnk )k∈N est convergente.

Remarque 1.12. Si X ⊂ Y avec injection compacte, on peut extraire de toute suite bornée
(xn )n∈N une sous-suite qui converge pour la norme de Y.

Définition 1.13. Soit X, Y deux espaces de Banach, Q ⊂ X. Une fonction f : Q → Y est


différentiable (au sens de Fréchet) an x ∈ A s’il existe un A ∈ L(X, Y) tel que pour tout
x+h∈Q

f(x + h) = f(x) + Ah + o(khkX ) (la notation « o() » cache la norme de Y) . (1.8)

A est alors unique et on note A = f 0 (x) = Df(x).

7
Théorème 1.14. (Fermat) Soit X un espaces de Banach, U ⊂ X ouvert, et fonction f : U → Y
différentiable. S’il existe x∗ ∈ U tel que f(x∗ ) = inf {f(x) | x ∈ U}, alors f 0 (x∗ ) = 0. Comme
f 0 (x∗ ) ∈ X∗ , cela signifie que
f 0 (x∗ )(h) = 0 ∀h ∈ X. (1.9)
Alors (1.9) s’appelle une équation variationnelle.

Définition 1.15. Un espace de Hilbert réelp(X,h·, ·iX ) est un espace Banach dont la
norme provient d’un produit scalaire kxk = hx, xi.

Exemple 1.16. Espaces de Lebesgue L2 (Ω) sur un Ω ⊂ Rd . Nous écrivons également

kfkL2 (Ω) = kfkΩ = kfk .

Exemple 1.17. Espaces de Sobolev Hm (Ω) sur un Ω ⊂ Rd pour m > 1.

Lemme 1.18. Dans un espace de Hilbert X, la norme est dérivable sur X \ {0}.

Démonstration. Le produit scalaire est bilinéaire et continue par définition. Nous avons
donc

kx + hk2X = kxk2X + 2 hx, hiX + khk2X ,

ce qui montre que la dérivée de x → kxk2X est h → 2 hx, hiX . On compose alors avec la
racine carré.

Lemme 1.19. Dans un espace de Hilbert (X,h·, ·iX ) nous avons les inégalités remar-
quables
kx1 + λx2 k2X = kx1 k2X + 2λ hx1 , x2 iX + λ2 kx2 k2X , (1.10)
l’inégalité de Cauchy-Schwarz :

hx1 , x2 iX 6 kx1 kX kx2 kX , (1.11)

et l’inégalité de Young pour λ > 0

λ 1
hx1 , x2 iX 6 kx1 k2X + kx2 k2X . (1.12)
2 2λ

Démonstration. Nous avons l’identité pour x1 , x2 ∈ X \ {0}


2
kx1 kX kx2 kX x1 x2
kx1 kX kx2 kX − hx1 , x2 iX = kx1 k − kx2 k .

2 X X

8
Théorème 1.20. (Riesz) Tout espace de Hilbert (X,h·, ·iX ) est réflexif. Si x∗ ∈ X∗ , alors
il existe x ∈ X tel que x∗ (h) = hx, hiX .

Théorème 1.21. Soit (X,h·, ·iX ) un espace de Hilbert et Y un sous-espace fermé. Alors
il existe le projecteur orthogonal P : X → Y tel que

hPx, yiX = hx, yiX ∀y ∈ Y ⇔ kx − PxkX = min kx − ykX . (1.13)


y∈Y

1.2 Equations linéaires


On revient à (1.1). On cherche des conditions sous lesquelles l’équation admet une
solution unique 1 De plus on demande que

Ax =b
⇒ kδxkX 6 κ(A) kδykY , κ(A) = |||A||||||A−1 |||. (1.14)
A(x + δx) =b + δb

Lemme 1.22. Si A ∈ L(X, Y) est bijective, son inverse est continue.


Démonstration. Cela est une conséquence du théorème de Banach de l’application ou-
verte.
Théorème 1.23. Soit A ∈ L(X, Y). Alors sont équivalents
i) A est bijectif
ii) AT est injective et il y a une constante α > 0 telle que
kAxkY > α kxkX ∀x ∈ X. (1.15)

ii) AT est injective et il y a une constante α > 0 telle que


hAx, y∗ iY×Y ∗
inf sup > α. (1.16)
x∈X\{0} y∗ ∈Y ∗ \{0} kxkX ky∗ kY ∗

Démonstration. Cela est une conséquence du théorème de Banach du rang fermé. L’équi-
valence entre (1.15) et (1.16) s’obtient par (1.6).
Remarque 1.24. Si α est la meilleure constante dans (1.16) et C = |||A||| on obtient alors (1.14)
avec κ(A) = C
α
.
On suppose que Y = Z∗ avec un espace de Banach Z (si Y est réfléxif, on peut
prendre Z = Y ∗ ). Alors on peut associer à A la forme bilinéaire a : X × Z → R
a(x, z) := hAx, ziZ∗ ×Z . (1.17)
On peut équiper l’espace des formes bilinéaires continues de la norme
a(z, z)
kak := sup = kAkL(X,Z∗ )
x∈X\{0} kxkX kzkZ
z∈Z\{0}

1. c’est à dire A bijective ou encoure A−1 existe.

9
De l’autre côté, étant donne une forme bilinéaire continue a : X × Z → R, on peut lui
associer A ∈ L(X, Z∗ ) par
hAx, ziZ∗ ×Z := a(x, z). (1.18)
Nous avons donc
Ax = b ⇔ a(x, z) = b(z) ∀z ∈ Z.

Théorème 1.25. (Lax-Milgram) Soit (X,h·, ·iX ) un espace de Hilbert et a : X × X → R


une forme bilinéaire continue et coercive, c’est-à-dire il y a des constante C et α > 0 tels
que
a(x1 , x2 ) 6C kx1 kX kx2 kX ∀x1 , x2 ∈ X,
(1.19)
a(x, x) >α kxk2X ∀x ∈ X.
Alors l’équation variationnelle (généralisée)

x ∈ X : a(x, v) = b(v) ∀v ∈ X (1.20)


1
possède une solution unique qui vérifie de plus kxkX 6 α
kbkX∗

Démonstration. On peut associer à la forme bilinéaire a l’opérateur A ∈ L(X, X∗ ) par


(1.18). Par la coercivité (1.19) on verifie (1.16)
hAx, viX∗ ×X a(x, v) a(x, x)
inf sup = inf sup > inf 2 > α.
x∈X\{0} v∈X\{0} kxkX kvkX x∈X\{0} v∈X\{0} kxkX kvkX x∈X\{0} kxk
X

On obtient l’injectivité de AT par le même biais :


A x, x X∗ ×X = hx, AxiX×X∗ = a(x, x) > α kxk2X

T
AT x

⇒ ⇒ x=0
et on applique le théorème 1.23.
Il existe une démonstration plus directe via le théorème de point fixe de Banach.
Pour l’unicité : soit x1 et x2 deux solution. On a alors
α kx1 − x2 k2X 6 a(x1 − x2 , x1 − x2 ) = 0.
Donc x1 = x2 .
Pour démontrer l’existence, on observe que pour x fixé, l’application v 7→ a(x, v)
est une forme linéaire continue. D’après le théorème de Riesz, il existe φx ∈ V tel que
a(x, v) = hφx , viX pour tout v. On note par A : V → V l’application x 7→ φx qui
est linéaire et continue. De même il existe f ∈ V tel que b(v) = hf, viV pour tout v.
L’équation variationnelle est alors équivalente à l’équation Ax = f. Pour δ > 0 cela est
équivalent à T x = x avec l’application affine-linéaire et continue T x = x + δ(f − Ax).
On veut appliquer le théorème de Banach pour l’existence d’un point fixe. Pour cela,
soient x1 , x2 ∈ V donnés et w := x1 − x2 . Alors
kT x1 − T x2 k2V = kw − δAwk2X = kwk2X + δ2 kAwk2V − 2δ hw, AwiX
6 kwk2X + δ2 kAwk2V − 2δα kwk2X
6 kwk2X + C2 δ2 kwk2V − 2δα kwk2X = φ(δ) kwk2X
6 φ(δ) kx1 − x2 k2X

10
où C est la constante de continuité de a et φ(δ) = 1 + C2 δ2 − 2δα. Comme φ(0) = 1
et φ 0 (0) = −2α < 0 il existe δ∗ tel que φ(δ∗ ) < 1. Pout δ > 0 suffisamment petit, T est
alors une contraction.
 
2 T 0 1
Remarque 1.26. L’exemple X = Y = R et a(x, y) := x Ay avec A = montre que la
1 0
coercivité n’est pas une condition nécessaire pour la bijectivité de A.

1.3 Espaces de Sobolov


Lemme 1.27. Soit Ω connexe et v ∈ W 1,p (Ω) avec 1 6 p 6 ∞. Alors

∇v = 0 ⇒ v est constant. (1.21)

Théorème 1.28. (Densité) Si le bord du domaine Ω est lipschitzien, les restrictions de D(Rd )
à Ω sont dense dans W 1,p (Ω) pour tout 1 6 p < ∞.
Théorème 1.29. (Sobolev) Soit Ω un domaine à bord lipschitzien. Pour 1 6 p, q 6 ∞ et
1
p∗
= p1 − dk .


 d
 Lq (Ω)
 si 1 6 p 6 et p 6 q 6 p∗ ,

 k
 d
k,p
W (Ω) ⊂ q
L (Ω) si p = et p 6 q < ∞, (1.22)

 k



 d d
C0,α (Ω) si p > et α = 1 − .
k kp

Corollaire 1.30. Pour d = 1, H1 (Ω) ⊂ C(Ω), et pour d = 2, 3 H2 (Ω) ⊂ C(Ω).


Théorème 1.31. (Rellich) Soit Ω un domaine à bord lipschitzien. Pour 1 6 p 6 ∞ et 1
p∗
=
1
p
− ds . Les injections suivantes sont compactes

s,p
Lq (Ω) si sp 6 d et 1 6 q < p∗ ,
W (Ω) ⊂ (1.23)
C(Ω) si sp > d.

Soit γ : C(Ω) → C(∂Ω) l’opérateur de restriction γ(u) = u ∂Ω.
Théorème 1.32. (Traces) Soit Ω un domaine à bord lipschitzien. Pour 1 6 p < ∞ on peut
1
définir une extension γ : W 1,p (Ω) → W p 0 ,p (∂Ω) ( p1 + p10 = 1) de la restriction. Le noyau de
1
γ est W01,p (Ω). De plus, pour q ∈ W p 0 ,p (∂Ω) il existe u ∈ W 1,p (Ω) telle que γ(u) = q et

kukW 1,p (Ω) 6 C kqk 1 ,p . (1.24)


W p0 (∂Ω)

Idée de la démonstration. Soit γ : C(Ω) → C(∂Ω). Par densité on peut l’étendre à une
application continue γ : W 1,p (Ω) → Lp (Ω) 2 .
(1.24) est une conséquence du théorème de l’application ouverte.
2. Il faut alors montrer que cette application est bien définie, continue, et que les traces sont dans
l’espace annoncé...

11
Remarque 1.33. L’application q → u est un opérateur de relèvement (ou une inverse à droite
de l’opérateur de trace).
1
∂u
Remarque 1.34. De façon similaire, si u ∈ W 2,p (Ω), il existe la trace normale ∂n ∈ W p 0 ,p (∂Ω).
On définit pour 1 6 p < ∞ et s > 0 comme la fermeture de D(Ω)


W0s,p (Ω) = W s,p (Ω) ∃(un )n∈N ⊂ D(Ω), ku − un kW s,p (Ω) → 0 (1.25)

Nous avons également


W01,p (Ω) = ker γ. (1.26)
Remarque 1.35. Pour Γ ⊂ ∂Ω suffisamment régulier, il existe un opérateur de trace γ = γΓ :
1
W 1,p (Ω) → W p 0 ,p (Γ ) avec les mêmes propriétés.

1
Corollaire 1.36. Pour tout u ∈ H1 (Ω), γ(u) ∈ H 2 (∂Ω) et

kγ(u)kH 12 (∂Ω) 6 C kukH1 (Ω) . (1.27)

Théorème 1.37. (Lemme de Poincaré) Soit Ω un domaine à bord lipschitzien. Pour


1 6 p < ∞ il existe une constante CΩ telle que pour tout u ∈ W01,p (Ω) on a

kukLp (Ω) 6 CΩ k∇ukLp (Ω) (1.28)

Corollaire 1.38. Sur W01,p (Ω), la semi-norme

|u|W 1,p (Ω) = k∇ukLp (Ω) (1.29)

est une norme équivalente à k·kW 1,p (Ω) .

Définition 1.39. Pour 1 6 p 6 ∞ et k ∈ N on définit


 ∗ φ(u)
−k,p∗ k,p
W (Ω) := W0 (Ω) , kφkW −k,p∗ (Ω) = sup . (1.30)
u∈W k,p (Ω)\{0} kukW k,p (Ω)

Lemme 1.40. Soit f ∈ H−1 (Ω). Alors exists f0 ∈ L2 (Ω) et f1 ∈ L2 (Ω, Rd ) tels que f =
f0 + div f1 .
On peut généraliser le lemme de Poincaré de la façon suivante. Soit f ∈ W 1,p (Ω)∗ ,
l’espace dual de W 1,p (Ω). On suppose de plus que f(1) 6= 0. Alors

W := v ∈ W 1,p (Ω) f(v) = 0 = f−1 (0) = ker f (1.31)

est un sous-espace fermé et il existe une constante C telle que

kvkW 1,p (Ω) 6 C k∇vkLp (Ω) ∀v ∈ W. (1.32)


R
Le cas de la moyenne F(u) = Ω u donne une constante sympathique.

12
R
Théorème 1.41. Soit Ω un domaine convexe. Si u ∈ H1 (Ω) avec Ω u = 0, alors

diam(Ω)
kukL2 (Ω) 6 k∇ukL2 (Ω) . (1.33)
π

Finalement, on peut généraliser les formules d’intégration par parties aux espaces
de Soboloev. On suppose que Ω est un domaine à bord lipschitzien et lisse par mor-
ceaux, et 1 6 p < ∞.

Théorème 1.42. Soit F ∈ C1 (Ω, Rd ). Alors


Z Z
div F = F · n. (1.34)
Ω ∂Ω

Corollaire 1.43. Soit u ∈ L2 (Ω, Rd ) avec div u ∈ L2 (Ω), et q ∈ H1 (Ω). Alors un ∈


1
H− 2 (∂Ω) et Z Z
q div u + ∇q · u = hq, un iH 21 (∂Ω)×H− 12 (∂Ω) . (1.35)
Ω Ω

Corollaire 1.44. Soit d = 3, u ∈ L2 (Ω, R3 ) avec rot u ∈ L2 (Ω, R3 ), et v ∈ H1 (Ω, R3 ). Alors


Z Z
rot v · u − v · rot u = hv, u × niH 12 (∂Ω)×H− 21 (∂Ω) . (1.36)
Ω Ω

Corollaire 1.45. Soit σ ∈ L∞ (Ω, Rd×d ), u ∈ W 1,p (Ω, Rd ) avec div(σu) ∈ Lp (Ω), et
0 1
v ∈ W 1,p (Ω). Alors n · σ∇u ∈ H− 2 (∂Ω) et
Z Z
div (σ∇u) v + σ∇u · ∇v = hv, n · σ∇uiH 21 (∂Ω)×H− 21 (∂Ω) . (1.37)
Ω Ω

Remarque 1.46. Parfois les produits de dualités dans (1.35), (1.36) et (1.37) sont écrites
comme des intégrales de bord, mais cela n’est justifié que si les deux integrands sont dans
L2 (∂Ω).

1.4 Exercices

Exercice 1.1
1
R
1. Soit Ω un domaine convexe. Déduire de (1.33) que avec πu := |Ω| Ω u

diam(Ω)
ku − πukL2 (Ω) 6 k∇ukL2 (Ω) .
π

13
2. Soit I =]0, 1[ et
Z Z
2 2
1

L0 (I) := u ∈ L (I) u dx = 0 ,
H := u ∈ H (I) u dx = 0 .

I I

Démontrer que L20 (I) est un sous-espace fermé de L2 (I).


R
3. Démontrer que (H, h·, ·iH avec hu, viH := I u 0 v 0 est un espace de Hilbert.

On admet que (wn )n>0 , wn (x) = cos(nπx) est dense dans L20 (I).
4. (wn )n>1 est dense dans H.
5. La plus petite valeur λmin ∈ R du problème aux valeurs propres : chercher u ∈ H
et λ ∈ R tels que pour tout v ∈ H
Z Z
0 0
u v dx = λ uv dx (1.38)
I I

est λmin = π2 .
6. Nous avons
ku 0 k2L2 (I)
λmin = inf . (1.39)
u∈H\{0} kuk2L2 (I)
R
1
7. Soit π0 u := |I| I u dx. Démontrer que pour tout u ∈ H
ku − π0 ukL2 (I) 6 1
π
ku 0 k2L2 (I) .
La constante est-elle optimale ?

Exercice 1.2
Soit X un espace normé (vérifiant les axiomes d’un espace de Banach à l’exception
de la complétude). Alors X est un espace de Banach si et seulement si toute série abso-
lumment convergeante admet une limite dans X.

Exercice 1.3
Soit X un espace normé (vérifiant les axiomes d’un espace de Banach à l’exception
de la complétude). Alors X est un espace de Banach si et seulement si toute série abso-
lumment convergeante admet une limite dans X.

Exercice 1.4
1. Démontrer que dans un espace de Hilbert X, h·, ·iX pour tout x1 , x2 ∈ X \ {0}
2
kx1 kX kx2 kX x1 x2
kx1 kX kx2 kX − hx1 , x2 iX = − .
2 kx1 kX kx2 kX

14
2. Démontrer l’inégalité arithmétique-géométrique pour ai ∈ R+
! n1
Yn
1X
n
ai 6 ai (1.40)
i=1
n i=1

3. Démontrer l’inégalité de Young pour λ > 0


λ 1
hx1 , x2 iX 6 kx1 k2X + kx2 k2X . (1.41)
2 2λ

Exercice 1.5
Soit (X, k·k) un espace de Banach.
1. Si la norme est dérivable en 0, on a X = {0}.
2. Si le carré de la norme est deux-fois continûment dérivable, X est (isomorphe à)
un espace de Hilbert.
 
3. Si pour tout x ∈ X, l’application φx (y) := 14 kx + yk2 − kx − yk2 est linéaire,
alors (X, h·, ·i) avec hx, yi = φx (y) est un espace de Hilbert.

Exercice 1.6
1. Démontrer l’existence du projecteur orthogonal à l’aide du théorème de Lax-
Milgram.

Exercice 1.7 Théorème du point fixe de Banach (1.3)


1. T est continue.
2. La suite (xn )n∈N avec xn = T n x0 est une suite de Cauchy.
3. Il existe un point fixe x.
4. Majorer kx − xn k.

Exercice 1.8 Sobolev


1. Soit Ω ⊂ Rd un domain lipschitzien. Démontrer que
u ∈ Hs (Ω) ⇒ u ∈ C(Ω̄) si s >?
u ∈ W s,p (Ω) ⇒ u ∈ C(Ω̄) si s >?
u ∈ H1 (Ω) ⇒ u ∈ Lq (Ω) si q 6?
u ∈ W 1,p (Ω) ⇒ u ∈ Lq (Ω) si q 6?

15
Exercice 1.9
1. Soit I =]0, 1[ et u ∈ L2 (I)). Que peut-on déduire pour u si
Z
u(x)φ(x) dx = 0 ∀φ ∈ C∞ (I) ?

Peut-on dire de plus si u est continue ?


2. Soit I =] − 2, 2[ et pour a ∈ R

+ a a>0
a :=
0 sinon.

On considère la fonction φ(x) = (1 − |x|)+ pour x ∈ I. A-t-on φ ∈ C(I) ∩ C1 (I) ?


Calculer les dérivées de φ et démontrer que φ, φ0 ∈ Lp (I), 1 6 p 6 ∞.
3. Soit Ω ⊂ R2 un domaine borné. Démontrer que

Lp (Ω) ⊂ Lq (Ω), pour p > q > 1.

Exercice 1.10
1. Démontrer que dans un espace de Hilbert X, h·, ·iX pour tout x1 , x2 ∈ X \ {0}
2
kx1 kX kx2 kX x1 x2
kx1 kX kx2 kX − hx1 , x2 iX =
kx1 k − .
2 X kx2 k X

2. Démontrer l’inégalité arithmétique-géométrique pour ai ∈ R+


! n1
Y
n
1X
n
ai 6 ai (1.42)
i=1
n i=1

3. Démontrer l’inégalité de Young pour λ > 0


λ 1
hx1 , x2 iX 6 kx1 k2X + kx2 k2X . (1.43)
2 2λ

Exercice 1.11
1. Vérifier que la fonction u(x) = log(|x|) est harmonique sur

Ω := x ∈ R2 : 0 < |x| < 1 ,

i.e. ∆u(x) = 0 pour x ∈ Ω. Pour quel 1 6 p 6 ∞ a-t-on ∇u ∈ Lp (Ω) ?

16
2. Pour un nombre réel α, 0 < α < 1, et 0 6 x 6 1 on définit la fonction u(x) = xα .
On a u ∈ C∞ (0, 1). Pour quelles valeurs de p a-t-on u ∈ W 1,p (0, 1) ?
√ 
3. Soit r = x2 + y2 et Ω = (x, y) ∈ R2 : r2 6 41 . On considère v(x, y) := log | log(r)|.
Démontrer que w ∈ H1 (Ω), mais w ∈ / C(Ω).
4. En une dimension d’espace, peut-il exister une fonction semblable à celle de la
question précédente ?

Exercice 1.12
p
1. Soit (H, h·, ·i) un espace de Hilbert avec norme associée k·k = h·, ·i. Démontrer
que
hu, vi
kuk = sup = sup hu, vi .
v∈H\{0} kvk v∈H,kvk=1

2. Soit V un espace de Hilbert avec produit scalaire a(·, ·). Soit U ⊂ V un sous-
espace fermé et F ∈ V ∗ .
(i) Démontrer l’équivalence de :
a) u minimise 21 a(v, v) − F(v) sur U.
b) u ∈ U est solution de l’équation variationnelle a(u, v) = F(v) ∀v ∈ U.
(ii) Pour g ∈ V on définit Ug := {v + g | v ∈ U} = g + U. Démontrer l’équiva-
lence de :
a) u minimise 12 a(v, v) − F(v) sur Ug .
b) u ∈ Ug est solution de l’équation variationnelle a(u, v) = F(v) ∀v ∈
U0 .

Exercice 1.13
1. Démontrer le théorème de Fermat 1.14.
2. Soient I =]0, 1[ et
Z
V := {v ∈ C(I) : v(0) = 1}, E : V → R E(v) := v(t)2 dt.
I

On considère le problème de minimisation

inf E(v)
v∈V

On suppose qu’il existe une solution unique. Quelle équation variationnelle doit
satisfaire cette solution ? Qu’est-ce qu’on peut en déduire ? Quel est la valeur de
inf E(v) ? Qu’est-ce qu’il ne va pas dans la formulation du problème de minimi-
v∈V
sation ?

17
Exercice 1.14
Soit (X, k·k) un espace de Banach.
1. Si la norme est dérivable en 0, on a X = {0}.
2. Si le carré de la norme est deux-fois continûment dérivable, X est (isomorphe à)
un espace de Hilbert.
 
3. Si pour tout x ∈ X, l’application φx (y) := 14 kx + yk2 − kx − yk2 est linéaire,
alors (X, h·, ·i) avec hx, yi = φx (y) est un espace de Hilbert.

Exercice 1.15 Théorème du point fixe de Banach (1.3)


1. T est continue.
2. La suite (xn )n∈N avec xn = T n x0 est une suite de Cauchy.
3. Il existe un point fixe x.
4. Majorer kx − xn k.

Exercice 1.16
1. Démontrer l’existence du projecteur orthogonal à l’aide du théorème de Lax-
Milgram.

Exercice 1.17 Sobolev


1. Soit Ω ⊂ Rd un domain lipschitzien. Démontrer que

u ∈ Hs (Ω) ⇒ u ∈ C(Ω̄) si s >?


s,p
u ∈ W (Ω) ⇒ u ∈ C(Ω̄) si s >?
u ∈ H1 (Ω) ⇒ u ∈ Lq (Ω) si q 6?
u ∈ W 1,p (Ω) ⇒ u ∈ Lq (Ω) si q 6?

Exercice 1.18
Soit Ω = {x : kxk < 1} = {(r, θ) : 0 6 r < 1, 0 6 θ < 2π} et u ∈ C1 (Ω̄).
1. Démontrer l’estimation kuk2L2 (∂Ω) 6 c kukL2 (Ω) kukH1 (Ω) , en partant de l’iden-
R1
tité u(1, θ) = 0 ∂r (r2 u(r, θ)) dr.
2. Déduire de l’estimation un théorème de traces.

18
2 Espaces discrets
On suppose dans toute la suite que Ω ⊂ Rd est un domaine polyédrique (pas né-
cessairement convexe).

2.1 Maillages
Un maillage (simplicial) h est une partition disjointe Kh du domaine Ω ⊂ Rd en
simplex ouvert et non-dégénéré K de dimension d, soit un intervalle (d = 1), triangle
(d = 2), tétraèdre (d = 3), ..., vérifiant les conditions données ci-dessous, et sera noté
par un paramètre abstrait h. Pour établir des résultats asymptotiques, nous supposons
une famille de maillages H donnée.
Soit K ∈ Kh , K = conv {xi | 0 6 i 6 d}. Les faces de K sont
[
Si := conv {x0 , . . . , 
xi , . . . , xd } 0 6 i 6 d, ∂K := {Si | 0 6 i 6 d} . (2.1)



j d−j
∂ K := conv xα0 , . . . , xαd−j α ∈ N0 , 0 6 α0 < . . . < αd−j 6 d , 0 6 j 6 d.

Ensuite on définit l’ensemble de toutes les faces du maillage par


[
∂j Kh := ∂j K K ∈ Kh , 0 6 j 6 d.

(2.2)

De façon similaire on note pour 0 6 j 6 d par ∂j K les faces de dimension d − j de K et


∂j Kh les faces de dimension d − j de h. En particuliers nous avons les faces et sommets
d’un simplexe
Sh (K) = ∂K, Nh (K) = ∂d K. (2.3)

Définition 2.1. On dit que h (ou Kh ) est un maillage, si


S
1. Ω = K,
K∈Kh

2. pour tout A1 , A2 ∈ ∂j Kh , A1 6= A2 on a soit Ā1 ∩ Ā2 = ∅, soit Ā1 ∩ Ā2 ∈ ∂k Kh pour


k 6 j.
Pour simplifier on pose

Nh := ∂d Kh , Eh := ∂d−1 Kh , Sh := ∂Kh , S∂h := {S ∈ S : S ⊂ ∂Ω} , Sint


h := Sh \Sh .

(2.4)

Remarque 2.2. Il découle de la définition qu’un maillage est conforme, c’est à dire pour tout
A1 , A2 ∈ ∂j Kh

A1 ⊂ A2 ⇒ A1 = A2 .

• En dimension d = 1, nous avons Kh et Nh .


• En dimension d = 2, nous avons Kh , Sh (arêtes ou faces) et Nh .
• En dimension d = 3, nous avons Kh , Sh , Eh (arêtes uni-dimensionnelles) et Nh .

19
Pour finir, on définit les voisins d’un simplexe, d’une face et d’un sommet par
  
Kh (K) := L ∈ Kh L̄ ∩ K̄ 6= ∅ , Kh (S) := K ∈ Kh K̄ ∩ S 6= ∅ , Kh (N) := K ∈ Kh N ∈ K̄ .

Finalement, on a besoin de décrire la géométrie d’une cellule K ∈ Kh . D’abord on


introduit pour caractériser la taille d’une cellule

hK := diam(K) = max kx − yk , (2.5)


x,y∈K̄

et pour caractériser la finesse globale du maillage

h := max hK (à ne pas confondre avec le maillage h). (2.6)


K∈Kh

Ensuite on introduit une mesure pour la rondeur d’une cellule. Avec

ρK := max diam(B) (2.7)


boule B⊂K

nous avons ρK 6 hK .

Définition 2.3. On dit qu’une famille de maillage est régulière, si

hK
sup max = CH < ∞. (2.8)
h∈H K∈Kh ρK

On dit qu’elle est quasi-uniforme si de plus

maxK∈Kh hK
sup < ∞. (2.9)
h∈H minK∈Kh hK

Exemple 2.4. Comment construire une famille de maillage ? Nous considérons le cas le plus
simple d’un maillage en triangles en d = 2. Partant d’un maillage h0 au sens de la section
précédente, on définit le raffinement global en coupant tous les triangles en joignant les mi-
arêtes.

Remarque 2.5. Si Ω n’est pas à faces planes, il faut considérer des éléments courbes. Nous
négligeons cet aspect dans ce cours, mais on trouve la théorie dans les références.

Finalement, nous aurons besoin de quelques notions supplémentaires. D’abord,


pour tout S ∈ S∂h on note nS la normale extérieure unitaire nS = n∂Ω . Pour S ∈ Sint h ,
nous avons S = K1 ∩ K2 avec K1 , K2 ∈ Kh . Nous choisissons (de façon arbitraire) la
normale extérieure unitaire de K1 , nS = nK1 . On définit alors Kin ex
S := K1 et KS := K2 , de
sorte que nS = nKin
S
= −nKexS
.

2.2 Coordonnées barycentriques et transformations affines


Nous considérons essentiellement le cas de maillages simpliciaux, tous les K ∈ Kh
sont des simplexes.

20
F IGURE 2.1 – Définition de Kin
S etc.

Définition 2.6. Un simplexe K estl’enveloppe


de d+1 point (sommets) {Pi | 0 6 i 6 d}.
convexe
Il est non-dégénéré, si les vecteurs Pi P0 1 6 i 6 d sont libres. Dans ce cas, avec ai := Pi O

(O est l’origine)  d 
X X
d

K= λi ai λi > 0, λi = 1 . (2.10)


i=0 i=0

Les λi sont les coordonnées barycentriques de K.

Exemple 2.7. Le d-simplexe standard (simplexe de référence, ou élément de référence) est


 
X

d
b = Sd = s ∈ Rd si > 0,
K si 6 1 . (2.11)

i=1

Il s’écrit comme (2.10) avec ai = ei , 0 6 i 6 d avec e0 = 0Rd et la base canonique de Rd ,


ei (j) = δij (1 6 i, j 6 d).
P
Les coordonnée barycentriques sont λi = si pour 1 6 i 6 d et λ0 = 1 − di=1 si .

Lemme 2.8. Tout simplexe K est l’image du simplexe standard par une application affine. Il
est non-dégénéré ssi cette application est une bijection.
b → K par
Démonstration. On définit TK : K

X X X
d
! d d
TK (s) =: 1 − s i a0 + si ai = a0 + si (ai − a0 )
i=1 i=1 i=1

L’application est bijective ssi les colonnes (ai − a0 )16i6d sont libres, ce qui équivaut à
la non-dégénérescence de K.

Lemme 2.9. Pour un simplexe non-dégénéré, les coordonnées barycentriques sont uniques.
L’application x → (λK
i (x))16i6d est l’inverse de TK .

On suppose que TK : K b → K est donné par TK (b x, de sorte que DTK (b


x) = bK + AKb x) =
∂xi d×d
AK (ou (AK )ij = ∂bxj ), avec AK ∈ R régulière, JK := det AK 6= 0. En échangeant
éventuellement la numérotation des sommets de K, on peut supposer JK > 0.

Lemme 2.10.
|K| hK hKb
JK = , |||AK ||| 6 , |||A−1
K ||| 6 . (2.12)
|K|
b ρKb ρK

21
Démonstration. Nous avons
kAKbxk 1
|||AK ||| = sup = sup kAKb
xk
b ∈Rd \{0} kb
x xk ρKb kbxk=ρKb

Soit b
x1 le centre du cercle inscrit de K x2 ∈ K
b et b b de sorte que b x = bx1 − bx2 . Alors
AK b
x = TK b
x1 − TKbx2 et kAKb
xk 6 hK . En échangeant les rôle de K et K on obtient l’autre
b
majoration.

Lemme 2.11. Pour tout m ∈ N0 et 1 6 p 6 ∞ l’application TK] : W m,p (K) → W m,p (K) b
]
défini par TK v = v ◦ TK = bv est un isomorphisme.
Si H est une famille de maillage. Il existe une constant C telle que pour tout h ∈ H, K ∈ Kh
1 1
−p
|b
v|W m,p (K)
b 6 C|||AK ||| |JK |
m
|v|W m,p (K) , |v|W m,p (K) 6 C|||A−1
K ||| |JK | |b
m p
v|W m,p (K)
b (2.13)

Démonstration. Soit α ∈ Nd0 avec |α| = m. Nous avons avec Aij l’élément i, j de AK par
∂x
la dérivée composée avec bv = v ◦ TK et ∂bxij = Aji

x) X ∂v X X
d bm b d d
∂b
bv(b ∂ v(b x) ∂m v
= ◦ TK Aji ⇒ = ··· Aj1 ,i1 · · · Ajm im .
∂b
bxi ∂xj bxi · · · ∂b
∂b bxi ∂xj1 · · · ∂xjm
j=1 1 m j1 =1 jm =1

Cela montre bien que v ∈ W m,p (K) implique b


v ∈ W m,p (K)
b (et vice versa).
De plus, comme toutes les normes sur les matrices sont équivalentes, nous avons
  p1
X X X
d d
m m

b b v(b x)
m ∂ v
Dβ v p  .
6 C|||AK ||| v 6 C|||AK |||m 

··· ⇒ Db αb
∂xj1 · · · ∂xjm

bxi · · · ∂b
∂b bxi
1 m 1j =1 j =1
m |β|=m

Par la formule de transformation d’une intégrale nous avons ensuite


Z X Z X Z
b α p

mp β p mp Dβ v p J−1 dx
x 6C|||AK ||| D v = C|||AK |||

D b v db
K
K
b
|β|=m K
b
|β|=m K

En prenant la somme sur tous les α et ensuite la racine on obtient le résultat.

2.3 Espaces de polynômes


On denote Pk (Rd ) = R[X1 , . . . , Xd ] l’espace des polynômes en d variables de degré
maximal k ∈ N0 . Nous avons
 
X 



Pk (Rd ) = aα xα aα ∈ R .
 
|α|6k

Pour un ouvert non vide U ⊂ Rd on définit



Pk (U) := p U p ∈ Pk (Rd ) , dim Pk (U) = dim Pk (Rd ) .


22
Lemme 2.12. Soit H un hyperplan
d’équation q ∈ P1 (Rd ), c’est à dire H = q−1 (0).
Alors si p ∈ P (R ) tel que p H = 0, il existe r ∈ Pk−1 (Rd ) tel que
k d

p(x) = r(x)q(x).

Démonstration. On peut supposer que q(x) = xd . Alors


X X X
p(x) = cα xα = cα xα + cα xα = p1 (x) + p2 (x)
|α|6k |α|6k |α|6k
αd =0 αd >0

Pour x = (x̃, 0) avec x̃ ∈ Rd−1 , nous avons p1 (x̃) = p1 (x) = p(x) = 0, donc p1 = 0.
Finalement
X Y
d−1 X
p2 (x) = xd cα xαi αd −1
i xd = xd cβ xβ =: q(x)r(x).
|α|6k i=1 |β|6k−1
αd >0

Lemme 2.13. Nous avons



   
d+k d+k
dim P (R ) = dim P (U) = # α ∈ Nd0 |α| 6 k =
k d k

= .
d k
(2.14)

Démonstration. D’abord, U contient une boule ouverte. Deux polynômes qui sont iden-
tiques sur une boule, le sont partout (par développement de Taylor par exemple). Donc
la base des monômes de Pk (Rd ) reste libre sur Pk (U). D’où la première égalité. La
deuxième égalité vient du fait que les monômes de Pk (Rd ) forment une base. Finale-
ment, la formule avec le coefficient polynomial est classique en combinatoire. Voici une
démonstration.

• # α ∈ Nd0 |α| = k = k+d−1

k
On peut s’imaginer qu’on a d cases alignées et k boules identiques, αi , 1 6 i 6 d
est alors le nombre de boules dans la case i. Ensuite, une répartition de boules
correspond à un protocole xooxoxx... où x signifie « mettre une boule » et o signi-
fie « avancer d’une case ». Alors le nombre de x est k le nombre de o est d − 1.

• # α ∈ Nd0 |α| 6 k = k+d

k
Par récurrence sur k. On a
  
# α ∈ Nd0 |α| 6 k =# α ∈ Nd0 |α| 6 k − 1 + # α ∈ Nd0 |α| = k

     
k+d−1 k+d−1 k+d
= + =
k−1 k k

23
Nous allons avoir besoin d’espaces polynomiaux sur des hyperplan et d’intersec-
tions d’hyperplans indépendants. Pour un hyperplan non-trivial H ⊂ Rd , nous avons
une application bijective affine T : Rd−1 → H. Alors nous avons l’espace
 
Pk (H) = T ◦ p p ∈ Pk (Rd−1 ) = p H p ∈ Pk (Rd ) .

Le cas des intersections d’hyperplans est similaire.

Définition 2.14. Soit k ∈ N0 et d ∈ N. L’espace des polynômes de degré total k est défini par
 
 X 


aα xα aα ∈ R , |α|∞ := max {αi | 1 6 ı 6 d} .

Qk (Rd ) := (2.15)
 
|α|∞ 6k

2.4 Espaces subordonnés à un maillage


Pour un maillage donné h et k ∈ N, l ∈ N∗ on définit l’espace des fonctions Ck par
morceaux.
Définition 2.15.

Ckh (Ω) := v : Ω → R v K ∈ Ck (K) ∀K ∈ Kh .

Pour k > 1 on définit le gradient par morceaux et la divergence par morceaux

∇h : Ckh (Ω) → Ck−1 ∀K ∈ Kh , ∀q ∈ Ckh (Ω),


d

h (Ω, R ) : ∇h q K := ∇ q K
divh : Ck (Ω, Rd ) → Ck−1 (Ω) : divh v := div v ∀K ∈ Kh , ∀v ∈ Ck (Ω, Rd ).

h h K K h

Ensuite on définit le saut et la moyenne d’une fonction u ∈ C0h (Ω, Rl ) sur une face S et
x ∈ S.
uinS (x) := lim u(x − tnS ), uex
S (x) := lim u(x + tnS ),
t&0 t&0

uin ex (2.16)
S (x) + uS (x)
[u]S (x) := uin ex
S (x) − uS (x), {u}S (x) := .
2
Lemme 2.16. Pour u, v ∈ C0h (Ω)

[uv]S = [u]S {v}S + {u}S [v]S ∀S ∈ Sh . (2.17)

Nous avons alors la formule de Stokes par morceaux.

24
Lemme 2.17. Pour F ∈ C1h (Ω, Rd ) nous avons (avec F · n = Fn )
Z Z Z
divh F = [Fn ] + Fn . (2.18)
Ω Sint
h S∂
h

Démonstration. Par définition et la formule de Stokes sur chaque K :


Z X Z X Z XZ X Z
divh F = div F = F · nK = F · nS + F · nK
Ω K∈Kh K K∈Kh ∂K S K∈Kh ∂K\∂Ω
S∈S∂
X Z X Z X Z Z
h

F · nK = Fin
S · nKin
S
+ Fex
S ·n Kex
S
= [Fn ] .
K∈Kh ∂K\∂Ω S S Sint
S∈Sint
h S∈Sint
h
h

Corollaire 2.18. Soit q ∈ C1h (Ω), v ∈ C1h (Ω, Rd ), nous avons


Z Z Z Z
∇h qv + q divh v = ([q] {vn } + {q} [vn ]) + qvn , (2.19)
Ω Ω Sint
h S∂
h

Définition 2.19.

Dkh (Ω) := v : Ω → R v K ∈ Pk (K) ∀K ∈ Kh ,

(2.20)
Pkh (Ω) :=Dkh (Ω) ∩ C(Ω).

Théorème 2.20. Soit v ∈ Dkh (Ω). Alors

v ∈ H1 (Ω) ⇔ v ∈ Pkh (Ω). (2.21)

Démonstration. La dérivée distributionnelle de v vérifie pour φ ∈ D(Ω, Rd )


Z X Z X Z Z 
h∇v, φiD 0 (Ω)×D(Ω) = − v div φ = − v div φ = ∇v · φ − vφn
Ω K∈Kh K K∈Kh K ∂K
Z Z Z Z
= ∇h v · φ − [vφn ] = ∇h v · φ − [v] φn
Ω Sint
h Ω Sint
h

Cela veut dire que le gradient distributionnel est dans L2 (Ω) si et seulement si [v]S = 0
pour tout S ∈ Sint
h , c’est à dire que v est continue.

De la même façon on obtient le résultat suivant


Théorème 2.21. Soit v ∈ Dkh (Ω). Alors pour l ∈ N

v ∈ Hl (Ω) ⇔ v ∈ Cl−1 (Ω). (2.22)

Pour le moment, nous ne savons pas que Pkh (Ω) 6= {0}, mais nous allons voir une
définition constructive plus tard.

25
Nous avons l’opérateur de projection orthogonale πkh : L2 (Ω) → Dkh (Ω), défini
par Z Z
k
πh u q = uq ∀q ∈ Dkh (Ω). (2.23)
Ω Ω

Lemme 2.22. Soit u ∈ H1 (Ω) et H une famille régulière. Alors


X h2
u − π0 u 2 2 k∇uk2L2 (K) .
K
h L (Ω)
6 2
(2.24)
K∈K
π
h

Lemme 2.23. Soit H simplicial et régulier. Alors il existe une constante C telle que pour
h ∈ H et pour tout K ∈ Kh , et toute face S de K nous avons le théorème de trace
 
kvk2L2 (S) 6 C h−1K kvk 2
2
L (K) + h K |v|2
1
H (K) ∀v ∈ H1 (K). (2.25)

Démonstration. La transformation affine TK : Kb → K transforme une face S b en S. Nous


avons donc avec le théorème de trace sur Kb et |||AK ||| 6 ChK
Z Z b Z Z 2  b Z Z
|S|

C|S| C|S||
b K| 2
2
v = 2
v 6 2
v + ∇b v 6 v + hK |∇v|
2 2
b
|S| |S| |S||K|
b b
S b Sb b K
b K
b b K K

2.5 Lemme de Céa


Soit V un espace de Hilbert et (Vh )h>0 une famille de sous-espaces de dimension fi-
nie, Vh ⊂ V. On se met dans le cadre du théorème de Lax-Milgram. On veut approcher
la solution du problème abstrait

Chercher u ∈ V telle que pour tout v ∈ V : a(u, v) = l(v). (2.26)

par les problèmes discrets (en dimension finie)

Chercher uh ∈ Vh telle que pour tout vh ∈ Vh : a(uh , vh ) = l(vh ). (2.27)

D’abord on constate que le problème discret admet une solution unique.


Théorème 2.24. Sous les hypothèse du théorème 1.25 (Lax-Milgram), l’équation (2.27) admet
une solution unique.
Démonstration. On applique Lax-Milgram à Vh , ah := a|Vh et lh := l|Vh . La continuité
de ah et lh ainsi que la coercivité de ah s’obtiennent par la conformité Vh ⊂ V.
On s’intéresse maintenant à majorer l’erreur, la distance entre u et uh . On note
d’abord que grâce à la conformité l’erreur satisfait la relation de Galerkin (’orthogo-
nalité’ de Galerkin)

a(u − uh , vh ) = l(v) − l(vh ) = 0 ∀vh ∈ Vh . (2.28)

26
Si a est symétrique, les hypothèses de Lax-Milgram reviennent à dire que a est un
produit scalaire sur V. Dans ce cas, (2.28) exprime le fait que uh est la projection ortho-
gonale de u sur Vh . On l’appelle la projection de Ritz.
Pour majorer l’erreur, on dispose du lemme de Céa.

Théorème 2.25. (Lemme de Céa) Sous les hypothèse du théorème de Lax-Milgram, on


a avec les constantes de continuité C et de coercivité α de a
C
ku − uh kV 6 inf ku − vh kV . (2.29)
α vh ∈Vh
De plus, si a est symétrique on a
r
C
ku − uh kV 6 inf ku − vh kV . (2.30)
α vh ∈Vh

Démonstration. (2.28) implique

γ ku − uh k2V 6 a(u − uh , u − uh )
= a(u − uh , u − vh ) 6 C ku − uh kV ku − vh kV .

Si u = uh il n’y a rien à démontrer. Sinon on divise par ku − uh kV , et on obtient (2.29).


Dansple cas symétrique, a est un produit scalaire, qui enduit la norme d’énergie
kvka := a(v, v). Le résultat précédent donne

ku − uh ka 6 inf ku − vh ka .
vh ∈Vh

√ √
La continuité est coercivité de a donnent γ kvkV 6 kvka 6 C kvkV , ce qui donne
(2.30).

2.6 Éléments finis


La méthode des éléments finis permet non seulement de construire des espaces
discrets, mais également des bases et des opérateurs d’interpolations. La construction
se fait d’abord localement.

27
Définition 2.26. Un élément fini est un triple (K, P, Σ) avec un domain K ⊂ Rd ,
un espace P de fonctions réels sur K de dimension n, ainsi qu’un ensemble Σ =
{σi | 1 6 i 6 n} ⊂ P∗ (degrés de liberté), qui vérifient la condition d’unisolvence

σ(p) = 0 ∀σ ∈ Σ ⇒ p = 0. (2.31)

Si Σ utilise les valeurs de fonction, on dit que l’élément fini est lagrangien, s’il utilise des
dérivées, il est hermitien.

Lemme 2.27. Soit (K, P, Σ) un élément fini et VK un espace fonctionnel tel que Σ ⊂ VK∗ .
Il existe une base canonique (φσ )σ∈Σ telle que
 !
1 σ=τ
τ(φσ ) = δσ,τ ∀τ ∈ Σ δσ,τ = , (2.32)
0 σ 6= τ

ainsi que l’opérateur d’interpolation canonique IK : VK → P défini par


X
IK (v) = σ(v)φσ . (2.33)
σ∈Σ

L’opérateur IK : VK → VK est continu si P ⊂ VK .

L’exemple le plus classique est le suivant.

Exemple 2.28. Soit K un simplexe non-dégénéré K = conv {ai | 0 6 i 6 d} et k > 1 et


P = Pk (K). On définit les points et fonctionnelles de Lagrange par

X
d
(α) (α) αi 
, |α| = k .

xα := λ i ai , λi := , Σlag := δxα α ∈ Nd+1 (2.34)
i=0
|α| 0

Lemme 2.29. (K, Pk (K), Σlag ) de l’exemple 2.28 est un éléments fini. La dimension de
P est

 
k d+k |α| = k .

dim P (K) = = # α ∈ Nd+1 0 (2.35)
d
La base canonique vérifie alors φα (xβ ) = δα,β et l’opérateur canonique d’interpolation
est X
IK : C(K) → Pk (K) IK v = v(xα )φα . (2.36)
|α|6k

Remarque 2.30. Pour k = 1 les fonctions de base sont les (λK


i )06i6d .

Exemple 2.31. Soit K = conv {ai | 0 6 i 6 2} un triangle non dégénéré. Soit bi := 1



2
ai + a(i+1)%3
les mi-arêtes. Alors ΣCR := {σi | 0 6 2} avec σi := δbi définit un élément fini.

Exemple 2.32. Soit K = conv {ai | 0 6 i 6 2} un triangle non dégénéré et aK := 13 (a0 + a1 +


a2 ) son barycentre. La dimension de P3 (K) est 2 = 10. On définit Σherm = {δai | 0 6 i 6 2}∪
5


28
F IGURE 2.2 – Les points de Lagrange pour Pk (K), 1 6 k 6 3, 2 6 d 6 3.


{δaK } ∪ ∂j δai 0 6 i 6 2, 0 6 j 6 1 avec

∂p
∂j δa (p) := (a).
∂xj
Il s’agit d’un élément de Hermite, car il utilise des dérivées.

Lemme 2.33. K, P3 (K), Σherm de l’exemple 2.32 est un élément fini.
Démonstration. Soit p ∈ P3 (K) tel que σ(p) = 0 pour tout σ ∈ Σherm . La restriction de
p a une arête est un polynôme cubique unidimensionnel, qui a des racines double aux
extrémités. Il est donc nul. Donc si qi est l’équation de l’arête i, on a avec une constante
c que p = cq1 q2 q3 ∈ P3 (R2 ) d’après le lemme 2.13. Comme qi (aK ) > 0, il s’en suit que
c = 0, donc p = 0.
Exemple 2.34. Soit K = conv {ai | 0 6 i 6 2} un triangle non dégénéré, {bi | 0 6 i 6 2}les
mi-arêtes et {ni | 0 6 i 6 2} les normales extérieurs

unitaires. La
2 4
dimension de P (K) est 2 =
6. On définit Σherm = {δai | 0 6 i 6 2} ∪ ∂n ∂
δbi 0 6 i 6 2 avec

i

∂ ∂p
δa (p) := (a).
∂n ∂n
C’est l’élément fini de Morley.
Exemple 2.35. Soit K = conv {ai | 0 6 i 6 3} ⊂ R2 un parallélogramme non dégénéré, P :=
{1, x, y, xy} = Q1 (R2 ) et Σ := {δai | 0 6 i 6 3}. La dimension de P est quatre, comme la
cardinalité de Σ. C’est l’élément fini Q1 (K). Soit p ∈ P tel que σ(p) = 0 pour tout σ ∈ Σ.
Comme sur une arête S la restriction de p est dans P1 (S). Par conséquent p ∈ P2 (K) factorise
d’après le lemme 2.13 les quatres équations d’arêtes. Donc p = 0 est nous avons l’unisolvence.

 Un élément fini (K, P, Σ) est défini par la transformation TK : K → K et


Définition 2.36. b
l’élément fini K,
b P, b si
b Σ



K = TK (K), P= pb ◦ TK−1 p
b∈P
b , b(p ◦ TK ) σ
Σ = σ(p) = σ b∈Σ
b .
b

Il s’en suit que

IK (v) = bIKb (b
v), v = v ◦ TK .
b

29
Si TK est affine, on dit que les deux éléments finis (K, P, Σ) et (K, b P, b sont affine-
b Σ)
équivalents.
b(p ◦ TK ) avec
Plus généralement, on peut remettre à l’échelle les fonctionnelles : σ(p) = cσ σ
cσ 6= 0. Cela n’est pas nécessaire pour les éléments lagrangiens.

F IGURE 2.3 – Transformation TK .

k
Remarque 2.37. PK peut être défini de façon équivalente par la transformation TK donnée par
les coordonnées barycentriques.

Définition 2.38. (Définition globale Soit h ∈ H. On suppose don-


nés des éléments finis (K, P K , ΣK ) pour chaque K ∈ Kh et un es-
pace V tel que V ⊂ v : Ω → R v ∈ VK ∀K ∈ Kh et Wh :=
 K
v : Ω → R v K ∈ PK ∀K ∈ Kh et σK (v K ) = σ K 0 (v K 0 ) On définit alors l’opé-


rateur d’interpolation Ih : V → Wh par Ih v K = IK (v K ) et on définit l’espace
Vh = Vh ({(K, PK , ΣK )}) comme image de Ih : Vh = Ih (V).
Pour un espace de fonctions W, on dit que l’élément fini est W-conforme si Vh ⊂ W.

Cette définition implique en général une certaine continuité des fonctions de Vh .


Supposons que nous avons une numérotation indK : J1, nK K → J1, nK (application
injective) et que les fonctionnelles locales sont la restriction de fonctionnelles globales
au sens
indK (i) = I ⇒ σK i (v K ) = σI (v).
(2.37)
Comme
K0
indK (i) = I = indK 0 (i 0 )

⇒ σK
i (v K ) = σi 0 (v K 0 ) ∀v ∈ V.
(2.38)
nous pouvons définir des fonctions de base globales par

φKi I = indK (i)
φI K = (2.39)
0 I 6∈ indK (J1, nK K)

Cela donne σJ (φI ) = δIJ et l’opérateur d’interpolation s’écrit comme

X
n
Ih : V → Vh Ih (v) = σi (v)φI . (2.40)
I=1

Exemple 2.39. Pour (K, Pk (K), ΣlagK ), nous avons avec une numérotation locale indK des
K
points de Lagrange σi = δaKi = δaI si indK (i) = I.

30
Définition 2.40. Soit H une famille de maillages simpliciaux. On considère (K, Pk (K),
K ) pour chaque K ∈ Kh et l’on prend V = C(Ω). Alors Ph (Ω) := Vh est l’espace
Σlag k

éléments finis lagrangiens.

Lemme 2.41. L’espace Pkh (Ω) est C(Ω̄)-conforme. Dé façon équivalente :



Pkh (Ω) = v ∈ C(Ω) v K ∈ Pk (K) ∀K ∈ Kh .

(2.41)

Démonstration. Il faut montrer que les fonctions définies par (2.39) sont continue. Soit
S ∈ Sint in
h et S = K ∩ K
0ex
. D’après (2.38) les deux polynômes d’ordre k en d − 1 variables
k+d−1

φI Kin et φI Kex ont la même valeur dans les d−1 points de Lagrange sur S. On

obtient le résultat par récurrence sur d.

Définition 2.42. Soit d = 2. On considère (K, P1 (K), ΣCRK ) et l’on prend V = C(Ω).
L’espace CR1h (Ω) := Vh est constitué de fonctions qui sont continues en moyenne sur
chaque arête,
Z
CRh (Ω) = v : Ω → R v K ∈ P (K) ∀K ∈ Kh et
1
[v] = 0 ∀S ∈ Sh .
1 int

S

C’est l’élément fini de Crouzeix-Raviart. Comme CR1h (Ω) 6⊂ C(Ω) on parle d’éléments
finis non-conformes.

2.7 Exercices

Exercice 2.1

Soit H = x ∈ Rd nT (xH − x) = 0 avec xH ∈ H, n ∈ Rd et knk = 1. Le projecteur
PH : Rd → H est défini par le problème de minimisation kPH x − xk = inf {ky − xk | y ∈ H}.

1. PH est bien défini. On a d(x, H) = kPH x − xk.


2. Montrer que PH x = x + d(x, H)n.
3. Soit xP 6∈ H et xH . On définit

nT (xH − x)
λ(x) = . (2.42)
nT (xH − xp )

Montrer que
d(x, H)
λ(x) = . (2.43)
d(xp , H)

31
4. Montrer que
−n
∇λ = . (2.44)
d(xp , H)

Exercice 2.2
Soit K = conv {a0 , a1 , . . . , ad } ⊂ Rd un simplexe non-dégénéré et x∗K le centre de
gravité de K. On dénote par λi (x) les coordonnées barycentriques de x ∈ Rd et par
Si la face opposée au sommet ai , Si = conv {a0 , a1 , . . . , ad } \ {ai }, hi := d(ai , Si ) =
inf {ky − ai k | y ∈ Si } et ni la normale unitaire extérieure de Si . Montrer que
1.
d(x, Si )
λ(x) = . (2.45)
hi

2. Montrer que
−ni
∇λi = . (2.46)
hi

Exercice 2.3
1. En une dimension d’espace, toutes les familles de maillages sont régulières.
2. Soit H une famille de maillages en triangles. Les conditions suivantes sont-elles
équivalentes ?
(i) Il existe une constante α0 > 0 telle que pour tout h ∈ H et K ∈ Kh l’angle
minimal de K soit supérieur à α0 (“minimum angle condition”).
(ii) Il existe une constante C telle que
hK
sup sup 6C « régularité de la famille de maillages ».
h∈H K∈Kh ρK

(iii) Il existe une constante c0 telle que pour tout h ∈ H et K ∈ Kh on ait

max {|S| | S ∈ S(K)} 6 C2 min {|S| | S ∈ S(K)} .

Exercice 2.4
Soit K un simplexe non-dégénéré de sommets ai ∈ K, 0 6 i 6 d, et {λi | 0 6 i 6 d}
les coordonnées barycentriques de K. Soit {bi | 1 6 i 6 d} un autre ensemble de points.

1. Sous quelle condition (K, P1 (K), {δbi | 0 6 i 6 d}) est un élément fini ?
2. Exprimer la base canonique {φi | 0 6 i 6 d} de (K, P1 (K), {δbi | 0 6 i 6 3}) en fonc-
tion de λi (x) et de λi (bj ).

32
Exercice 2.5
Soit d ∈ N et K ⊂ Rd un simplexe non-dégénéré de faces Si , 0 6 i 6 d. On définit
pour l ∈ N0
Z
l
σp,i (u) := pu ∀p ∈ Pl (Si ).
Si

1. Quelle est la dimension de P2 (K) ?


2. Trouver la base canonique de (K, P2 (K), Σlag ) en fonction des coordonnées bary-
centriques λi , 0 6 i 6 d. A partir d’ici on suppose d = 2.
3. Pour α ∈ [0, 1] on considère les six points {bi | 1 6 i 6 6} de coordonnées bary-
P
centriques (0, α, 1 − α) et ses permutations. Calculer 2j=0 λj (bi )2 , 1 6 i 6 6.

4. Est-ce que (K, P2 (K), (δbi )16i66 ) est un élément fini ?


5. Est-ce que (K, P2 (K), (σ1p,i )) est un élément fini ? Indication : points de Gauss
6. Est-ce que (K, P2 (K), (δai )06i62 ∪ (σ0p,i )) est un élément fini ?

Exercice 2.6
Soit h ∈ H et K, P3 (K), Σherm

l’élement finis de l’exemple 2.32. On considère Vh =
Vh ({(K, PK , ΣK )})
1. Démontrer que les fonctions de Vh sont continues.
2. Est-ce que les fonctions de Vh ont des dérivées continues ?

3. Soit K un tetraèdre non-dégénéré. Peut-on définir un élément fini K, P3 (K), Σherm
similaire ?

Exercice 2.7
1. Démontrer que l’élément finis de l’exemple 2.34 est unisolvent.
2. Est-ce que l’espace Vh est C(Ω)-conforme ?
3. Que peut-on dire des dérivées normales sur les arêtes intérieures ?

Exercice 2.8
Soit K = [−1, 1]2 et P := Vect(1, x, y, xy). On définit les fonctionnelles

Σ := {σ(v) := v(a) : a ∈ A := {(0, −1), (1, 0), (0, 1), (−1, 0)}}.

33
1. Démontrer que (K, P, Σ) n’est pas unisolvent (donc ce n’est pas un élément fini).

e := Vect(1, x, y, x2 − y2 ) ?
2. Et si l’on remplace P par P
3. Trouver la base canonique de (K, P,
e Σ).

Exercice 2.9 Transformation non-affine


Le but de cet exercice est de généraliserles lemmes 2.10
 et 2.11. On considère le sim-
b ⊂ Rd , l’élément fini K,
plexe de reference K b Σlag , et une application bijective
b Pk (K),
K
b
b → K.
FK : K
 
1. Définir un élément fini K, PK , Σlag
K par transformation (de façon analogue au
cas où FK est affine, mais on ne peut plus prendre PK = Pk (K)).
2. Exprimer la base canonique φK K
i en fonction de φi .
b

3. On suppose dans la suite que pour m > 1 FK ∈ Cm (K,


b Rd ) avec JK (x) =
det(DFK (x)) > J0 > 0.

3 Interpolation
3.1 Interpolation dans les espaces höldériens
Théorème 3.1. Soit H une famille régulière, 0 < λ < 1 et Ih l’opérateur d’interpolation
canonique de P1h (Ω).

kv − Ih vkC0 (Ω̄) 6 max h1+α


K kvkC1,α (K) . (3.1)
K∈K

Démonstration. Soit K = conv(ai ) et x ∈ K. On a


Z1
i
v(x) − v(a ) = ∇v(ai + s(x − ai )) · (x − ai ) ds.
0

P
3
On multiplie par λi et on somme en utilisant (x − ai )λi (x) = 0 pour
i=1

X
3
v(x) − Ih v(x) = λi (v(x) − v(ai ))
i=1
X3 Z1
= λi ∇v(ai + s(x − ai )) · (x − ai ) ds
i=1 0
X3 Z1

= λi ∇v(ai + s(x − ai )) − ∇v(xK ) · (x − ai ) ds,
i=1 0

34
ce qui donne
3 Z1
X 
|v(x) − Ih v(x)| 6 λi ∇v(ai + s(x − ai )) − ∇v(xK ) · (x − ai ) ds
i=1 0
X3
6 λi |v|C1,α h1+α
K .
i=1

3.2 Interpolation dans les espaces de Sobolev


Nous aurons besoin d’une généralisation de l’inégalité de Poincaré-Friedrich, le
théorème de Deny-Lions. D’abord on a le lemme suivant.
Lemme 3.2. Soit v ∈ W m,p (Ω). Alors

|v|W m,p (Ω) = 0 ⇒ v ∈ Pm−1 (Ω). (3.2)

De plus, pour v ∈ W m,p (Ω), il existe un unique q ∈ Pm (Ω) tel que


Z Z
α
D q= Dα v |α| 6 m. (3.3)
Ω Ω

Démonstration. Si |v|W m,p (Ω) = 0, on a v ∈ ∞ l,p


(Ω) ⊂ C∞ (Ω) avec l’injection de
T
l=1 W
Sobolev. On obtient alors (3.2) avec le développement R de αTaylor.

Pour (3.3), il suffit de savoir que la matrice carré Ω D xβ |α|6m,|β|6m est régulière.

Pour cela on démontre par récurrence sur m, que avec Im := α ∈ Nd0 |α| 6 m

Z
m
q ∈ P (Ω) et Dα q = 0 ∀α ∈ Im ⇒ q = 0
ZΩ
m = 0 : |Ω| q = q=0 ⇒ q=0
Ω Z Z
m − 1 → m : β ∈ I1 , α ∈ Im−1 ⇒ α β
Dα+β q = 0 ⇒ Dβ q = 0 ⇒ q ∈ P0

D D q =
Ω Ω

Théorème 3.3. (Deny-Lions) Soit Ω un domaine à bord lipschitzien et 1 6 p 6 ∞, l ∈ N.


Alors il existe une constante C telle que

inf kv − qkW l+1,p (Ω) 6 C |v|W l+1,p (Ω) ∀v ∈ W l+1,p (Ω). (3.4)
q∈P l (Ω)

Démonstration. Soit v ∈ WRl+1,p (Ω). Soit n := dim Pl (Ω). On considère les forme li-
néaire continues fα (v) := Ω Dα v pour tout multi-indice α tel que |α| 6 l. D’après le
lemme 3.2 il existe r ∈ Pl (Ω) de façon unique par
\
fα (r) = fα (v) ∀|α| 6 l, W := f−1
α (0).
|α|6l

35
Nous avons donc w := v − r ∈ W, qui est un sous-espace fermé. On prétend que

kwkW l+1,p (Ω) 6 C |w|W l+1,p (Ω) ∀w ∈ W. (3.5)

Cela implique (3.4), car |r|W l+1,p (Ω) = 0.


Supposons que (3.5) est faux. Alors pour tout n ∈ N il existe vn ∈ W tel que

1 vn
kvn kW l+1,p (Ω) > n |vn |W l+1,p (Ω) ⇒ |wn |W l+1,p (Ω) 6 , wn := .
n kvn kW l+1,p (Ω)

Il existe alors une suite (wn )n∈N ⊂ W telle que

kwn kW l+1,p (Ω) = 1 et |wn |W l+1,p (Ω) → 0.

D’après le théorème de Rellich (injection compacte) W l+1,p (Ω) ,→,→ W l,p (Ω) on peut
extraire une sous-suite (wnk )k∈N telle que limk→∞ kw∗ − wnk kW l,p (Ω) = 0 pour w∗ ∈
W l,p (Ω). Comme limk→∞ |wnk |W l+1,p (Ω) = 0, la sous-suite est une suite de Cauchy
dans W l+1,p (Ω) 4 et par unicité de la limite w∗ ∈ W l+1,p (Ω) et |w∗ |W l+1,p (Ω) = 0. Le
lemme 3.2 implique que w∗ est un polynôme de Pl (R). Comme nous avons aussi pour
tout |α| 6 l

fα (w∗ ) = lim fα (wnk ) = 0,


k→∞

il s’en suit que w∗ = 0, ce qui contredit kwn kW l+1,p (Ω) = 1 et l’hypothèse est fausse.

Théorème 3.4. (Bramble-Hilbert) Soit Ω un domaine à bord lipschitzien et 1 6 p 6 ∞,


l ∈ N. Alors il existe une constante C telle que pour tout f : W l+1,p (Ω) → R+ vérifiant
1. bornitude : f(c) 6 C1 kvkW l+1,p (Ω) ∀v ∈ W l+1,p (Ω),
2. sublinéarité : f(v + w) 6 C2 (f(v) + f(w)) ∀v, w ∈ W l+1,p (Ω),
3. invariance : f(q) = 0 ∀q ∈ Pl (Ω),
nous avons
|f(v)| 6 C |v|W l+1,p (Ω) ∀v ∈ W l+1,p (Ω). (3.6)

Démonstration. Pour q ∈ Pl (Ω) on a par hypothèse

f(v) 6 C2 (f(v − q) + f(q)) = C2 f(v − q) 6 C1 C2 kv − qkW l+1,p (Ω) 6 C |v|W l+1,p (Ω)

et Deny-Lions dans la dernière inégalité.

Corollaire 3.5. Soit (K, P, Σ) un élément fini et Pk (K) ⊂ P pour k ∈ N0 . Alors si Σ ⊂



W k+1,p (K) , nous avons pour toute semi-norme continue |·| sur W k+1,p (K)


|v − Ik v| 6 C(K) |v|W k+1,p (K) ∀v ∈ W k+1,p (K). (3.7)


4. et pas seulement une suite de Cauchy dans W l,p (Ω). Car pour ε > 0 donné, nous avons K(ε)
tel que pour tout k > K(ε) nous avons |wnk |W l+1,p (Ω) 6 ε2 . Alors pour k, k 0 > K(ε) nous avons

wn − wn 0 l+1,p
k k W (Ω)
6 ε par inégalité triangulaire.

36
Remarque 3.6. Comme la constante dans (3.7) dépend de K, on applique le plus souvent le
corolaire avec K = K
b pour des éléments finis définis par transformation.

Démonstration. On définit f(v) := |v − IK v| et on applique le théorème 3.4 avec l = k.


Pour vérifier les hypothèses, on commence par la continuité de IK : W k+1,p (K) →
W k+1,p (K). Comme pour tout σ ∈ Σ nous avons |σ(v)| 6 |||σ||| kvkW k+1,p (K) , nous avons

X



kIK vkW k+1,p (K) = σ(v)φσ 6 max |||σ||| kφσ kW k+1,p (K) σ ∈ Σ kvkW k+1,p (K) .


σ∈Σ
|
W k+1,p (K) {z }
=|||IK |||

Il s’en suit qu’avec la constante de continuité de la semi-norme |·|

|f(v)| = |v − IK v| 6 C kv − IK vkW k+1,p (K) 6 C(1 + |||IK |||) kvkW k+1,p (K) ,

la première hypothèse du théorème. Ensuite la deuxième hypothèse est vraie par l’in-
égalité triangulaire :

f(v + w) = |v − IK v + w − Ik w| 6 |v − IK v| + |w − IK w| = f(v) + f(w).

Finalement, soit p ∈ Pk (K), donc par hypothèse p ∈ P. Cela implique IK p = p et donc


la troisième hypothèse :

f(p) = f(p − Ip ) = 0.

Le théorème donne alors (3.6)

|v − IK v| = |f(v)| 6 C |v|W k+1,p (Ω) ∀v ∈ W k+1,p (Ω).

 
Théorème 3.7. (Erreur d’interpolation locale) Soit K,
b P,
b Σb un élément fini associé à V(K)
b
et (K, P, Σ) défini par transformation affine. Si

Pk (K) b ⊂ W k+1,p (K)


b ⊂P b ⊂ V(K)
b (3.8)

on a pour m 6 k + 1

|v − IK v|W m,p (K) 6 Chk+1−m


K |v|W k+1,p (K) ∀v ∈ W k+1,p (K). (3.9)

Démonstration. On applique les Lemmes 2.11, 2.10 et le corollaire 3.5 sur K.


b

1

|v − IK v|W m,p (K) 6C|||A−1 |||m
|J | p b
v − bI b b
v

K K K m,p b
W (K)
1

K |||
6C|||A−1 m
|JK | |b
p
v|W k+1,p (K)
b
1 1
−q
K ||| |JK | |JK | |||AK |||k+1 |v|W k+1,p (K)
m
6C|||A−1 p

6Chk+1−m
K |v|W k+1,p (K)

37
Remarque 3.8. Comme montre la démonstration, le résultat reste vrai, si l’on remplace la semi-
norme de W m,p (K) par n’importe quelle semi-norme continue sur W m,p (K) (comme dans le
corollaire 3.5). Voir aussi l’exercice 3.4.

Corollaire 3.9. Soit d 6 3, k ∈ N, m 6 k + 1, H régulier, et Ih bien défini sur


Hk+1 (Ω). Alors il existe une constante C telle que pour tout h ∈ H et K ∈ Kh

|v − Ih v|Hm (K) 6 Chk+1−m


K |v|Hk+1 (K) ∀v ∈ Hk+1 (K). (3.10)

¯
Remarque 3.10. Comme pour Pkh (Ω) nous avons V(K) b = C(K),b la condition (3.8) implique
(par Sobolev) pour p = 2 que k + 1 > d2 . Par conséquent, k = 1 est exclut pour d > 3.
Corollaire 3.11. (Erreur d’interpolation globale) Soit H une famille régulière de maillage.
Sous les hypothèse de théorème 3.7 nous avons
|v − IK v|W m,p (Ω) 6 Chk+1−m |v|W k+1,p (Ω) ∀v ∈ W k+1,p (Ω). (3.11)
 
Théorème 3.12. (Estimation inverse) Soit H une famille régulière, h ∈ H, K, b P,
b Σb un
b et (K, P, Σ) défini par transformation affine. Soit l ∈ N0 tel que
élément fini associé à V(K)
b ⊂ W l,∞ (K)
P b ∀K ∈ Kh . (3.12)
Pour 0 6 m 6 l et 1 6 p, q 6 ∞ on a
1 1
m−l+d( p −q )
|v|W l,p (K) 6 ChK |v|W m,q (K) ∀v ∈ P(K), ∀K ∈ Kh . (3.13)

Démonstration. Comme P b est un espace de dimension fini, donc toutes les normes sont
équivalentes. En particuliers, nous avons (m 6 l)

|b b 6 C |b
v|W l,p (K) v|W m,q (K)
b ∀b
v ∈ P.
b (3.14)
Comme pour la démonstration du théorème d’interpolation locale et en observant que
JK ' hdK
1 1

K |JK | |b
|v|W l,p (K) 6Ch−l p
v|W l,p (K)
b 6 ChK |JK | |b
−l p
v|W m,q (K)
b
1 1
1
−q m 1 d( p −q )
K |JK | |JK |
6Ch−l hK |v|W m,q (K) 6 Chm−l hK |v|W m,q (K)
p
K

Parfois on souhaite interpoler des fonctions qui ne vérifient pas la condition (3.8),
notamment quand elles ne sont pas suffisamment régulières. Il faut alors modifier
l’opérateur d’interpolation. Si l’on considère P1h (Ω) et la base lagrangienne {φi | 1 6 i 6 n},
l’opérateur canonique est donné par
X
n
Ih v := σi (v)φi , σi (v) = v(xi ).
i=1

Comme on cherche à interpoler des fonctions, qui ne sont pas supposées continues, on
remplace alors σi par une certaine moyenne.

38
Théorème 3.13. Il existe un opérateur d’interpolation Ch : L1 (Ω) → Pkh (Ω) tel que pour
tout K ∈ Kh et S ∈ Sh et v ∈ H1 (Ω)
1
|Ch v|H1 (Ω) 6 C |v|H1 (Ω) , kv − Ch vkL2 (K) 6 ChK |v|H1 (ωK ) , kv − Ch vkL2 (S) 6 ChK2 |v|H1 (ωS ) ,
 0  (3.15)
où ωK = K ∈ Kh K̄ ∩ K̄ 6= ∅ et ωS = K ∈ Kh K̄ ∩ S̄ 6= ∅ .
0


L’opérateur Ch peut être modifié de sorte que Ch : H10 (Ω) → Pkh (Ω) ∩ H10 (Ω) si le maillage
est consistent avec le bord. On note cette modification toujours par Ch .

Remarque 3.14. Un opérateur qui vérifient (3.15) est l’opérateur de Clément, qui utilise une
certaine moyenne (intégrale) de la fonction sur les simplexes autour d’un sommet. Pour inter-
poler dans Pkh (Ω) ∩ H10 (Ω), il nécessite une modification. Une autre approche, introduite par
Scott et Zhang, consiste à utiliser des intégrales sur des faces.

3.3 Exercices

Exercice 3.1
Soit u ∈ C2 (K̄), K =]0, 1[. On défini son interpolée Iu := t u(1) + (1 − t) u(0).
1. I : C(K) → C(K) est un opérateur linéaire et continu.
2. Démontrer l’estimation ku − IukL∞ (K) 6 18 ku00 kL∞ (K) .
3. Est-elle optimale ? Quelle est la classe de fonction la plus large pour laquelle
cette estimation est valable ?
4. Soit Ĩ : C(K) → C(K) un autre opérateur d’interpolation linéaire et continu
avec la propriété Ĩv = v pour tout v affine-linéaire. Démontrer qu’il existe une
constante C telle que u − Ĩu L∞ (K) 6 C ku00 kL∞ (K) .
5. Démontrer que k(u − Iu)0 kL∞ (K) 6 C ku00 kL∞ (K) . La valeur C = 1
2
est optimale.

Exercice 3.2
Soit d > 1, K ⊂ Rd un simplexe non-dégénéré et λi ses coordonnées barycentriques.
b d ⊂ Rd on dénote le simplexe de référence. On utilise les notations de multi-
Par K
indices, c’est à dire pour α ∈ Nd+1
0 , on a

Y
d+1 X
d+1 Y
d+1
λα = λαi
i , |α| = αi , α! = αi !.
i=0 i=0 i=0

Le but de cet exercice est de démontrer la formule


Z
α!
λα dx = d!|K|. (3.16)
K (|α| + d)!

39
1. Écrire la formule explicitement pour d = 1, 2, 3.
2. Démontrer que pour m, n ∈ N0
Z1
m!n!
tm (1 − t)n dx = . (3.17)
0 (m + n + 1)!

Remarque : c’est la formule de la fonction beta pour valeurs entières.


Indication : On peut faire une récurrence sur n (ou sur m).
3. Pour b > 0 on a
Zb
m!n!
tm (b − t)n dx = bm+n+1 . (3.18)
0 (m + n + 1)!

P
4. Avec t = (t1 , . . . , td ), et = (t1 , . . . , td−1 ), et = d−1

i=1 ti , α
e = (α1 , . . . αd−1 ) (on a
enlevé α0 aussi) nous avons
Z Y
d Z Z 1−|et|
α0 α0 αe αd
(1 − |t|) tα

i
i
dt = 1 − et − td et td dtd det. (3.19)
K
bd
i=1 K
b d−1 0

5.
Z 1−|et|
α0 αd α0 +αd +1 α0 !α1 !
1 − et − td td dtd = 1 − et (3.20)
0 (α0 + αd + 1)!

6. Démontrer par récurrence sur d que


Z Y
d
α0 α!
(1 − |t|) tα
i dt =
i
. (3.21)
K
bd
i=1
(|α| + d)!

7. (3.21) est (3.16) dans le cas du simplexe de référence.


b d → K la transformation affine qui envoie les sommets en sommets et
8. Soit T : K
JK = det DT son jacobien. On a
Z
α!
λ(x)α dx = JK .
K (|α| + d)!

9. Soit ai , 0 6 i 6 d les sommets de K. Nous avons


 
a0 a1 . . . ad
JK = det(a1 − a0 , . . . , ad − a0 ) = det . (3.22)
1 1 ... 1

10. Finalement, on a
JK = d! |K| . (3.23)
On trouve (3.16).

40
Exercice 3.3
Soit Ω ⊂ Rd un domaine polyhédral et H une famille régulière de maillages sim-
pliciaux. Soit h ∈ H et {xi }16i6nh les coordonnées des sommets Nh (donc nh = #Nh ).
On note par φi , 1 6 i 6 n, les fonctions de base de P1h (Ω). De plus, on note par ωi la
réunion des simplexes qui partage le sommet i.
Soit K ∈ Kh et indK la numérotation locale, de sorte que Nh (K) = {aii | 0 6 ii 6 d}
et aii = xind K (ii) . De façon similaire, on a avec la base locale φK ii , 0 6 ii 6 d le lien
K
suivant
: φi K = φii si i = indK (ii) (s’il n’existe pas de ii avec i = indK (ii), nous avons

φi K = 0).

Notre premier objectif est de démontrer l’existence de C1 , C2 , telles que pour h ∈
H, v ∈ P1h :
2
X
nh
|ωi |
C1 kvkL2 (Ω) 6 |v(xi )|2 6 C2 kvk2L2 (Ω) . (3.24)
i=1
d + 1

b = conv {b
1. Démontrer que pour le simplexe de référence K ai | 0 6 i 6 d} et v ∈
1 b
P (K)

Z Z

K X
b d
2 2
C3 v (ξ) dξ 6 ai ) 6 C 4
v (b v2 (ξ) dξ.
K
b d+1 i=0 K
b

2. Démontrer que pour v ∈ P1h (Ω)


Z Z
|K| X 2
d
2
C5 v (x) dx 6 v (aii ) 6 C6 v2 (x) dx.
K d + 1 ii=0 K

3. Démontrer (3.24).
4. Le produit scalaire de L2 (Ω), h·, ·iL2 (Ω) , et

X
nh
|ωi |
(v, w) → hv, wih := v(xi )w(xi )
i=1
d + 1

sont deux produits scalaires équivalents sur P1h (Ω) (c’est à dire que les normes
induites sont équivalentes).
5. Soit Ih : C(Ω)
R → P1h (Ω) l’opérateur d’interpolation canonique. Nous avons
hv, wih = Ω Ih (vw) pour tout v, w ∈ P1h (Ω).
6. Avec la question précédente, montrer que la matrice de masse ’lumping’ M fij =
hφi , φj ih est diagonale. Calculer ses éléments diagonaux.

K K
7. Calculer les matrices locales MK ii,jj = φii , φjj L2 (K) .

8. On définit pour 1 6 i, j 6 nh l’ensemble Kh (i, j) := K xi , xj ∈ K, K ∈ Kh .
Calculer la matrice Mij = hφi , φj iL2 (Ω) .

41
Pd
9. Calculer jj=0 MK
ii,jj et en déduire que

X
nh
Mij = M
fii ∀1 6 i 6 nh . (3.25)
j=1

Exercice 3.4
Soit k > 1, d > 1, K ⊂ Rd un simplexe non dégénéré, (K, Pk (K), Σlag ) l’élément fini
de Lagrange et IK l’opérateur d’interpolation canonique. Soit S ∈ S(K) une face de K.
La transformation affine TK : K b ∈ S(K)
b → K envoie une face S b dans S ; plus précisément,

soit TS := TK Sb , alors S = TS (S).
b Nous avons alors la formule de changement de variable
Z Z
|S|
f(s) ds = f(TS (b
s)) db
s. (3.26)
S S
b S
b

On admet l’inégalité suivante :


|S| 6 C1 hd−1
K . (3.27)
1. Démontrer qu’il existe une constante C indépendante de K telle que
3
kv − IK vk∂K 6 C hK2 |v|H2 (K) ∀v ∈ H2 (K).

2. L’estimation suivante est-elle valable pour v ∈ H1 (K) ∩ C(Ω̄)


1
kv − IK vk∂K 6 C hK2 k∇vkK ?

3. Donner les meilleures puissances si dans les estimations suivantes pour l’inter-
polation de Lagrange de P2 (K) :
i) k∇2 (v − IK v)kK 6 C hsK1 k∇3 vkK ,
ii) k∂n (v − IK v)k∂K 6 C hsK2 k∇3 vkK ,
iii) kv − IK vkK 6 C hsK3 k∇2 vkK ,
iv) k(v − IK v)(a)kK 6 C hsK4 k∇3 vkK .

Exercice 3.5
Soit d > 1, Ω ⊂ Rd un domaine polyhedral et H une famille de triangulation régu-
lière. Soit P1h (Ω) l’espace de Courant associé à h ∈ H. Soit {φi : 1 S
6 i 6 N} la base ca-
nonique de Ph (Ω) et ωi = supp(φi ). Pour K ∈ Kh on pose ωK := {K 0 | K 0 ∈ Kh (K)}.
1

42
h : H (Ω) → Ph (Ω) pour lequel il
On cherche à définir un opérateur d’interpolation IC 1 1

existe une constante C indépendante de H telle que



u − IC u 6 C hK k∇uk ∀K ∈ h, ∀u ∈ H1 (ωK ). (3.29)
h K ωK

Remarque : La démonstration de (3.29) n’est pas l’objet de l’exercice. Toutefois, vous êtes invités
d’y réfléchir.
1. Pour d = 1, démontrer

u − IC u 6 C hK k∇uk , ∀K ∈ h.
h K K

2. Pourquoi ne peut-on pas utiliser IC


h = Ih (l’opérateur d’interpolation canonique)
pour d > 1 ?
(i)
3. Soit Nh (i) := {j | ωi ∩ ωj 6= ∅}. Soit (ψj )j∈Nh (i) la base duale (ou base bi-orthogonale)
(i)
associée à φi , c’est-à-dire que ψj ∈ P1h (ωi ) telle que
Z
(i)
φk ψl = δkl ∀l, k ∈ Nh (i).
ωi

Démontrer que la base duale est unique.


4. On définit :
X Z
(i)
IC
h (u) = φi ci (u), ci (u) := ψi u dx.
16i6N ωi

Démontrer que IC h (vh ) = vh pour tout vh ∈ Ph .


1

5. Pour quelle classe de fonctions IC


h est-il défini ? (Et Ih ?)
6. En supposonant
C
I v 2
h L (K)
6 C kvk 2 ∀K ∈ h, ∀v ∈ H1 (ωK ).
L (ωK ) (3.30)
démontrer
u − IC u 6 C h2 |u| 2

h K K H (ωK ) ∀K ∈ h, ∀u ∈ H2 (ωK ). (3.31)

h pour l’interpolation de H0 (Ω) dans Ph (Ω)∩H0 (Ω) ?


7. Est-ce qu’on peut utiliser IC 1 1 1

4 Problèmes elliptiques
4.1 Équations d’ordre deux
Pour des fonctions A = (aij ) ∈ L∞ (Ω, Rd×d ), b ∈ L∞ (Ω, Rd ), c ∈ L∞ (Ω) et f ∈
1
L2 (Ω), g ∈ L2 (∂Ω), uD ∈ H 2 (∂Ω) on considère le problème aux limites


 X d


∂u(x)
 X d
∂u(x)

 − a (x) + b (x) + c(x)u(x) = f(x) x ∈ Ω,

 ∂x i
ij
∂x j
i
∂xi
i,j=1 i=1
(4.1)

 Xd

 u(x) = uD (x) ou
∂u(x)

 ni (x)aij (x) = g(x) x ∈ ∂Ω.
i,j=1
∂xj

43
Les deux conditions aux limites dans (4.1) sont les conditions de Dirichlet et de Neu-
mann. On les traîtera séparément.
On commence avec la condition de Dirichlet homogène uD = 0. Notre première
tache consiste à trouver une formulation variationnelle de (4.1). Si u ∈ C2 (Ω) est une
solution de (4.1), en multipliant par une fonction φ ∈ D(Ω), et en intégrant (et par
parties) on obtient
Z X ! Z
∂u(x) ∂φ(x) X
d d
∂u(x)
aij (x) + bi (x) φ(x) + c(x)u(x)φ(x) = f(x)φ(x).
Ω i,j=1 ∂xj ∂xi i=1
∂xi Ω

Pour que les intégrales ont un sens, il suffit que u, φ ∈ H10 (Ω) et f ∈ L2 (Ω). On définit
alors (on omettant les arguments « (x) » comme d’habitude)
 Z Z
 X X
d d
!

V := H1 (Ω), l(v) := ∂u ∂v ∂u
0 fv, a(u, v) := aij + bi v + cuv
Ω Ω ∂xj ∂xi ∂xi


i,j=1 i=1

u ∈ V : a(u, v) = l(v) ∀v ∈ V.
(4.2)
Donc, si u est une solution régulière de l’« équation forte » (4.1) avec condition de
Dirichlet homogène (uD = 0), alors elle vérifie l’« équation faible » (variationnelle) (4.2).
Dans ce sens, il s’agit alors d’une généralisation. L’équation (4.2) a le grand avantage
suivant.

Théorème 4.1. Sous l’hypothèse d’existence de a0 > 0

div b
ξT a(x)ξ > a0 |ξ|2 (« condition d’ellipticité »), c(x) > presque partout (x) (4.3)
2
(4.2) admet une solution unique u. De plus il existe une constante C = C(a0 , Ω) telle que

kukH1 (Ω) 6 C kfkL2 (Ω) . (4.4)

Démonstration. Par le théorème 1.25 (Lax-Milgram).

Remarque 4.2. En définissant l(v) := hf, viH−1 (Ω)×H10 (Ω) on généralise le problème varia-
tionnel à f ∈ H−1 (Ω). Avec la même démonstration on obtient l’estimation kukH1 (Ω) 6
C kfkH−1 (Ω) qui paraît naturel. Si f ∈ L2 (Ω), on peut espérer que u ∈ H2 (Ω), mais cela
est faux en général. Toutefois nous avons le résultat suivant.

Théorème 4.3. Sous les hypothèse du théorème 4.1, si de plus Ω est convexe, nous avons
u ∈ H2 (Ω) et il existe une (autre) constante C dépendant que du domaine telle que

kukH2 (Ω) 6 C kfkL2 (Ω) . (4.5)

4.2 Discretization
Pour éviter l’approximation d’un bord courbe, on suppose que Ω est un polyèdre.
Pour le problème de Dirichlet non-homogène on considère une famille de maillages

44
régulière H et pour tout h ∈ H on définit le problème approché suivant avec la forme
bilinéaire a(·, ·) et la forme linéaire l(·) définies en (4.2).

Vh := Pkh (Ω) ∩ H10 (Ω), uh ∈ Vh : a(uh , v) = l(v) ∀v ∈ Vh . (4.6)

Nous avons défini la base lagrangienne {φi } de Pkh (Ω). On obtient alors une base de
Vh en éliminant toutes les fonctions de base associées à des noeds
P de maillage sur ∂Ω,
que l’on dénote par {φi | 1 6 i 6 n}. Alors on écrivant uh = n j=1 xj φj et en prenant
v = φi , le problème discret devient une équation matricielle

Ax = b, Aij = a(φj , φi ), bi = l(φi ). (4.7)

Remarque 4.4. Dans la pratique, l’élimination des inconnues correspondant au bord est réa-
lisée e la manière suivante. On écrit Pkh (Ω) = Vh ⊕ Vh∂ , où ce dernier espace est engendré
par les fonctions de base qui ne s’annulent pas sur le bord. Alors uh ∈ Pkh (Ω) s’écrit de façon
unique comme uh = uin ex
h + uh et la matrice correspondant à la forme bilinéaire et le vecteur b
s’écrivent comme
   
Ain,in Ain,ex bin
, .
Aex,in Aex,ex bex

L’élimination consiste alors à réécrire le système comme


    
Ain,in Ain,ex uin b
= in .
0 I uex 0

Pour obtenir une matrice symétrique, on peut remplacer Ain,ex par zéro.
Théorème 4.5. Sous les hypothèse du théorème 4.1, léquation (4.6) admet une solution unique
qui vérifie de plus
kuh kH1 (Ω) 6 C kfkL2 (Ω) . (4.8)
Démonstration. On applique le théorème1.25 (Lax-Milgram) à Vh et (les restrictions sur
Vh de) a et l.
On termine avec deux résultats classiques.
Proposition 4.6. La matrice A de (4.7) pour le Laplacien (coefficients a = I, b = c = 0) et P1h
est une M-matrice en dimension d = 2, si tous les angles θ du maillage vérifient θ 6 π2 . Cela
signifie pour (4.7) que b > 0 implique x > 0.
Proposition 4.7. Soit H une Rfamille quasi-uniforme et M et A les matrices de masse Mij :=
R
Ω φi φj et de rigidité Aij := Ω ∇φi · ∇φj de Ph (Ω). Alors nous avons
1

 
−2 λmax (A)
κ(A) ' O(h ), κ(M) ' O(1), κ(A) := . (4.9)
λmin (A)

Si f ∈ L2 (Ω) et λmin la plus petite valeur propre du problème continu, nous avons

kδxk κ(M) kfkL2 (Ω) kδbk


Ax = b, A(x + δx) = b + δb ⇒ 6 . (4.10)
kxk λmin kuh kL2 (Ω) kbk

45
Démonstration. L’estimation du conditionnement de matrice de masse s’obtient par
« mise à l’échelle ». Cela signifie que κ(A) ' eλλmax avec eλ les valeurs propres de Ax =
e
max

Mx. Avec Poincaré on trouve eλmax > CΩ et avec l’estimation inverse eλmax . h−2 .
De l’équation pour la perturbation Aδx = δb on obtient :

hAξ, ξi hMξ, ξi hAξ, ξi


λmin (A) = minn > minn minn > λmin λmin (M)
ξ∈R kξk ξ∈R kξk ξ∈R hMξ, ξi
kδbkRN
kδxkRN 6 A−1 δb RN = λmin (A)−1 kδbkRN 6 ,
λmin λmin (M)
kuh k2L2 (Ω) = hMx, xi 6 λmax (M) kxk2RN
Xn Z Z X n X

n


2
kbkRN = bi fφi = f bi φi 6 kfkL2 (Ω) I, I := bi φi

i=1 Ω Ω i=1

i=1

L2 (Ω)
X
n Z
I2 = bi bj φi φj = bT Mb 6 λmax (M) kbk2Rn
i,j=1 Ω
1
⇒ kbkRN 6 kfkL2 (Ω) λmax (M) 2

de sorte que
1
kδxkRN λmax (M) 2 kδbkRN λmax (M) kδbkRN kfkL2 (Ω)
6 6
kxkRN λmin λmin (M) kuh kL2 (Ω) λmin λmin (M) kbkRN kuh kL2 (Ω)

4.3 Estimation d’erreur a priori


Théorème 4.8. Soit k ∈ N et d < 2k + 2. Sous les hypothèses du théorème 4.1, si de plus pour
k ∈ N u ∈ Hk+1 (Ω)
X
ku − uh kH1 (Ω) 6 C hkK |u|Hk+1 (K) 6 Chk |u|Hk+1 (Ω) . (4.11)
K∈Kh

Démonstration. Par le théorème 2.25 (lemme de Céa) nous avons

ku − uh kH1 (Ω) 6 C inf ku − vh kH1 (Ω) . (4.12)


vh ∈Vh

On adapte ensuite l’opérateur d’interpolation Ih (qui est bien défini d’après Sobolev
et l’hypothèse). Par hypothèse sur le maillage nous avons Ih : Hk (Ω) ∩ H10 (Ω) → Vh
et on se rend compte que l’estimation d’erreur d’interpolation locale (3.9) est encore
valable.

Remarque 4.9. Pour d > 2k + 2, on obtient le même résultat en remplaçant Ih par Ch et en


utilisant le théorème 3.13.

46
Remarque 4.10. On peut procéder de façon plus directe. Soit u − uh = (u − Ih u) − (uh −
Ih u) = η − ξ. La fonction η = u − Ih u est l’erreur d’interpolation et peut être majorer. Il reste
alors à majorer ξ = uh − Ih u ∈ Vh . Pour cela nous avons :
α |ξ|2H1 (Ω) 6a(ξ, ξ) = a(uh − Ih u, ξ) = l(ξ) − a(Ih u, ξ)
=a(u − Ih u, ξ) = a(η, ξ) 6 C |η|H1 (Ω) |ξ|H1 (Ω)
C
⇒ |ξ|H1 (Ω) 6 |η|H1 (Ω) .
α

4.4 Aubin-Nitsche
Théorème 4.11. Soit Ω convexe et H quasi-uniforme. Sous les hypothèse du théorème 4.1, si
de plus pour k ∈ N u ∈ Hk+1 (Ω) nous avons
ku − uh kL2 (Ω) 6 Chk+1 |h|Hk+1 (Ω) . (4.13)
Démonstration. On considère le problème auxiliaire
z ∈ V : a(v, z) = hu − uh , viL2 (Ω) ∀v ∈ V, (4.14)
qui admet une solution unique. La convexité du domain et le théorème 4.3 donnent
kzkH2 (Ω) 6 C ku − uh kL2 (Ω) . (4.15)
On a alors avec zh ∈ Vh
ku − uh k2L2 (Ω) =a(u − uh , z) = a(u − uh , z − Ih z)
6C ku − uh kH1 (Ω) kz − Ih zkH1(Ω) 6 C ku − uh kH1 (Ω) h kzkH2 (Ω)
6Ch ku − uh kH1 (Ω) ku − uh kL2 (Ω) .

4.5 Estimation d’erreur a posteriori


L’estimation d’erreur a priori suppose que u est suffisamment régulière (et des
normes de Sobolev de u interviennent). Une autre approche fait apparaître le résidu
R ∈ H−1 (Ω) défini par R(v) := l(v) − ah (uh , v). Avec w = u − uh nous avons alors
α ku − uh k2V 6 a(u − uh , u − uh ) = l(u − uh ) − a(uh , u − uh ) = R(w) 6 ku − uh kV kRkH−1 (Ω) .
Toutefois, kRkH−1 (Ω) n’est pas calculable. Il est pourtant possible de le majorer.
Pour cela on constate que R(vh ) = 0 pour tout vh ∈ Vh . Une intégration par parties
(2.19) donne alors avec v − vh ∈ H10 (Ω)
Z Z X ∂uh ∂(v − vh ) X ∂uh
d d
!
R(v) =R(v − vh ) = fv − aij + bi (v − vh ) + cuh (v − vh )
Ω Ω i,j=1
∂xj ∂xi
i
∂x i
Z Z
 T 
= (f + div(a∇uh ) − b · ∇uh − cuh ) (v − vh ) + n a∇uh (v − vh )
Kh Sint
X h
X 
nT a∇uh kv − vh k

6 kf + div(a∇uh ) − b · ∇uh − ch kK kv − vh kK + S S
K∈Kh S∈Sint
h

47
Maintenant on prend vh = Ch v l’interpolée de Clément et on applique le théorème 3.13.

kf + div(a∇uh ) − b · ∇uh − ch kK kv − vh kK 6hK kf + div(a∇uh ) − b · ∇uh − ch kK k∇vkωK


 T 1 
n a∇uh kv − vh k 6h 2 nT a∇uh k∇vk
 
S S S S ωS

On utilisant Cauchy-Schwarz, on trouve


! 21 ! 12
X X
R(v) 6 h2K kf + div(a∇uh ) − b · ∇uh − ch k2K k∇vk2ωK
K∈Kh K∈Kh
  12   21
X  2 X
k∇vk2ωS 

+ hS nT a∇uh S  
S∈Sint
h S∈Sint
h

Par régularité des maillages, un K 0 ∈ Kh n’appartient qu’à un nombre fini de ωK et


qu’à un nombre fini de ωS . Nous avons donc
  21 

 X
! 12 
X 

2 2
max k∇vkωK , k∇vkωS  6 C kvkV

 K∈Kh int


S∈S h

Ensuite un S ∈ Sint
h appartient à deux K ∈ Kh . On définissons ∂K = ∂K \ ∂Ω nous

arrivons au résultat suivant.

Théorème 4.12. Soit H une famille régulière, f ∈ L2 (Ω). Alors il existe une constante C telle
que pour tout h ∈ H
 X

 ku − u k 6C η (u , f), η2
(u , f) = η2h (K, uh , f),
 h V h h h h
K∈Kh
(4.16)


η2h (K, uh , f) :=h2K kf + div(a∇uh ) − b · ∇uh − ch k2 + hK nT a∇uh 2 ∗ .
 
K ∂K
2

4.6 Approximation non-conforme


Dans l’analyse pour Pkh , nous avons utilisé de façon cruciale Vh ⊂ V.

Théorème 4.13. (Lemme de Strang) Soit (V∗ = V + Vh , h·, ·i∗ ) un espace de Hilbert et a ∈
L(V∗ , V∗ ) une forme bilinéaire continue et coercive et l ∈ V∗∗ . Alors les problèmes

u ∈ V : a(u, v) = l(v) ∀v ∈ V, uh ∈ Vh : a(uh , v) = l(v) ∀v ∈ Vh (4.17)

admettent une unique solution et

C 1 a(u − uh , wh )
ku − uh k∗ 6 inf ku − vh k∗ + sup (4.18)
α h h
v ∈V α wh ∈Vh \{0} kwh k∗

48
Démonstration. Pour la première assertion on remarque que les restrictions de a et l à
V et Vh vérifient les hypothèse de Lax-Milgram. De même on obtient l’existence de

e h ∈ Vh : a(e
u uh , v) = a(u, v) ∀v ∈ Vh (4.19)

et pour vh ∈ Vh

e h k2∗ 6a(u − u
α ku − u eh, u − u
e h ) = a(u − ue h , u − vh ) 6 C ku − u
e h k∗ ku − vh k∗
C
⇒ ku − u e h k∗ 6 inf ku − vh k∗ .
α vh ∈Vh
e h − uh ∈ Vh
En outre nous avons avec wh = u
1 a(u − uh , wh )
uh − uh k2∗ 6 a(e
α ke uh − uh , wh ) = a(u − uh , wh ) ⇒ uh − uh k∗ 6
ke
α kwh k∗

Par conséquent on obtient le résultat avec l’inégalité triangulaire.

ku − uh k∗ 6 ku − u
e h k∗ + ke
u h − u h k∗ .

Nous appliquons ce résultat à l’approximation de l’équation de Poisson par


Z
Vh := v ∈ CRh v = 0 ∀S ∈ Sh .
1

(4.20)
S
R
On a alors V∗ = Vh + H10 (Ω) et l’on définit hv, wi∗ := Ω ∇h v · ∇h wh . Nous avons
hv, wi∗ = h∇v, ∇wi pour v, w ∈ H1 (Ω). Le lemme suivant implique qu’il s’agit d’un
espace de Hilbert.

Lemme 4.14. (Poincaré nonconforme) Soit H régulier. Nous avons une constante C telle que
pour tout h ∈ H
kvh kL2 (Ω) 6 C k∇h vh kL2 (Ω) ∀vh ∈ Vh . (4.21)

Finalement on définit la forme bilinéaire


Z Z Z
a(u, v) := ∇h u · ∇v + b · ∇h uv + cuv. (4.22)
Ω Ω Ω

On obtient la coercivité et la continuité comme dans le cas conforme. Alors le problème


discret possède une solution unique et par (4.18) nous avons

C 1 a(u − uh , wh )
k∇h (u − uh )k 6 inf k∇h (u − vh )k + sup
α vh ∈Vh α wh ∈Vh \{0} k∇h wh k

Lemme 4.15. Soit u ∈ H2 (Ω). Alors

a(u − uh , wh )
sup 6 Ch |u|H2 (Ω) .
wh ∈Wh \{0} k∇h wh k

49
Démonstration. Soit wh ∈ Vh .
Z Z
∂u
a(u − uh , wh ) = a(u, wh ) − l(wh ) = [wh ] − (f + ∆u − b · ∇u − cu) wh
Sint
h
∂n Kh

Comme wh ∈ CR1h , sa moyenne sur chaque S s’annule en nous avons avec des cS ∈ R
arbitraire
Z   X 1 ∂u

∂u −1
a(u − uh , wh ) = − cs [wh ] 6 hS hS k[wh ]kS
2
− cs 2

Sh
int ∂n ∂n S
int Sh
 1   21
2 2
X ∂u X

2

6 hS
∂n − cs
  h−1
S k[wh ]kS
int Sh S int Sh

Avec (2.25) nous avons pour S ∈ Sint h et K ∈ Kh (S) par Bramble-Hilbert


 
∂u − 1 ∂u 1 1
|v| K |v|H2 (K) .


∂n − cs
6 C h 2
K − cS
+ h 2
K 2
H (K) 6 Ch 2

S ∂n
K
P 2 2
Comme Sint
h
h−1
K k[wh ]kS 6 C k∇h wh k on conclut.

4.7 Méthodes mixtes et volumes finis


On suppose ici que b = c = 0 et que a vérifie la condition d’ellipticité (4.3). On
ne considère uniquemenet les conditions de Dirichlet homogènes. En posant le flux
σ := a∇u ∈ L2 (Ω, Rd ) l’équation s’écrit comme

div σ = −f dans Ω. (4.23)

Remarque 4.16. L’équation (4.23) n’admet pas de solution unique, car div rot u = 0 pour
u ∈ C2 (Ω̄). Mais on sait que pour f ∈ L2 (Ω) il existe au moins une solution σ ∈ H1 (Ω, Rd )
(et même si f est à moyenne nulle, la trace normale de σ peut être choisie égale à zéro)[4].

Pour donner un sens à (4.23), on définit l’espace



H(div, Ω) := τ ∈ L2 (Ω, Rd ) div τ ∈ L2 (Ω) , hσ, τiH(div,Ω) := hσ, τiL2 (Ω,Rd ) +hdiv σ, div τiL2 (Ω) .
(4.24)

Lemme 4.17. H(div, Ω) est un espace de Hilbert. Nous avons un opérateur continue de trace
1
normale γn : H(div, Ω) → H− 2 (∂Ω) et la formule d’intégration par partie :
Z Z
∇u · σ + u div σ = hu, σn iH 12 (∂Ω)×H− 12 (∂Ω) (σn := σ · n). (4.25)
Ω Ω

Démonstration. Il suffit de démontrer que H(div, Ω) est fermé. Soit (σn )n∈N ⊂ H(div, Ω)
une suite de Cauchy. Alors (σn )n∈N ⊂ H(div, Ω) est une suite de Cauchy dans L2 (Ω, Rd )
et (div σn )n∈N ⊂ H(div, Ω) une suite de Cauchy dans L2 (Ω). Par conséquent il existe

50
des limites σ∗ ∈ L2 (Ω, Rd ) et y∗ ∈ L2 (Ω) telles que limn→∞ kσ∗ − σn kL2 (Ω,Rd ) = 0 =
limn→∞ ky∗ − div σn kL2 (Ω) . Soit φ ∈ D(Ω), alors
hdiv σ∗ , φiD 0 (Ω)×D(Ω) = − hσ∗ , ∇φiL2 (Ω) = − lim hσn , ∇φiL2 (Ω)
n→∞
= lim hdiv σn , φiL2 (Ω) = hy∗ , φiL2 (Ω) ,
n→∞
2
ce qui montre que div σ∗ ∈ L (Ω) et div σ∗ = y∗ , donc σ∗ ∈ H(div, Ω).
(4.25) et vrai pour u ∈ H1 (Ω) et σ ∈ H1 (Ω, Rd ). Il faut alors passer à la limite. On
omet les détails.
Lemme 4.18. Soit τ ∈ Dkh (Ω, Rd ). Alors τ ∈ H(div, Ω) ssi [τnS ]S = 0 pour tout S ∈ Sint
h .

Nous allons maintenant définir un élément fini simple pour l’approximation dans
H(div, Ω). Le lemme 4.18 suggère d’utiliser des points sur les faces d’un simplexe
pour évaluer la composante normale. Si l’espace polynomial a des traces normales
constantes sur chaque face, il suffit d’avoir un point par arête, c’est à dire d + 1 fonc-
tionnelles. Soit K un simplexe non-dégénéré. En définissant δn x (τ) = τn (x), et avec xS
le centre de gravité de S ∈ S(K), on définit
  
 c1 



xS S ∈ S(K) .

PRT (K) := . . . + c0 x ci ∈ R , ΣRT (K) := δn (4.26)
 

cd

Lemme 4.19. K, PRT (K), ΣRT (K) est un élément fini. De plus, nous avons div PRT (K) =
P0 (K) et
p ∈ PRT (K) ⇒ pnS ∈ P0 (S) ∀S ∈ S(K). (4.27)
Démonstration. On démontre d’abord (4.27). Soit S ∈ S(K). L’hyperplan défini par S
vérifie une équation de la forme nS T x = a ∈ R. Soit c := (c1 , · · · , cd )T et p(x) = c + c0 x
nous avons pour x ∈ S pnS (x) = cT nS +c0 nS T x = cT nS +c0 a ∈ R. Ensuite on remarque
que div p = dc0 . Supposons que σ(p) = 0 pour tout σ ∈ ΣRT (K). Cela implique
Z Z
div p = pn∂K = 0 ⇒ c0 = 0.
K ∂K

Cela implique que p ∈ P0 (K, Rd ) et p · nS = 0 pour S ∈ S(K). Comme les nS


R
Remarque 4.20. Au lieu de δn xS , on peut prendre comme fonctionnelle p → S pnS .
 
RT b RT b
Remarque 4.21. On peut définir à partir de K, P (K), Σ (K) un élément fini par trans-
b
formation FK : Kb → K. Toutefois, cela nécessiterait que la transformation envoie les normales
des faces de K
b en normales de K, ce qui n’est pas vrai pour la transformation affine.
Nous pouvons alors définir l’espace global des éléments finis de Raviart-Thomas
(de plus bas degré)

RT 0h (Ω) := τ : Ω → Rd τ K ∈ PRT (K) ∀K ∈ Kh et [τnS ] = 0 ∀S ∈ Sint

h . (4.28)
L’espace RT 0h (Ω) admet donc une base {ΦS | S ∈ Sh } telle que ΦS · nS 0 = δSS 0 (= 1 si
S 0 = S et = 0 sinon) et l’opérateur d’interpolation est défini par
X1 Z 
Ih : H (Ω) → RT h (Ω) Ih τ =
1 0
τn ΦS . (4.29)
S∈S
|S| S
h

51
Remarque 4.22. L’opérateur Ih n’est pas défini sur H(div, Ω), car ses traces normales ne sont
pas dans L2 (S).

Lemme 4.23. Soit σ ∈ H1 (Ω, Rd ). Alors

div (Ih σ) = π0h div σ. (4.30)

Démonstration. Par construction, nous avons div (Ih σ) ∈ D0h (Ω) et pour ξh ∈ D0h (Ω)
Z Z Z
div (Ih σ) ξh = (Ih σ)n [ξh ] + (Ih σ)n ξh
Ω Sint S ∂
Z h Z h
Z Z
= σn [ξh ] + σn ξh = div σξh = π0h (div σ) ξh .
Sint
h S∂
h Ω Ω

Sans démonstration on donne une estimation de l’erreur d’interpolation.

Théorème 4.24. Soit H une famille régulière. Alors il existe une constante C telle que pour
tout h ∈ H

kσ − Ih σkL2 (Ω,Rd ) 6Ch |σ|H1 (Ω,Rd ) ∀σ ∈ H1 (Ω, Rd ),
(4.31)
kdiv (σ − Ih σ)kL2 (Ω) 6Ch |div σ|H1 (Ω,Rd ) ∀ div σ ∈ H1 (Ω).

On peut alors discrétiser (4.23) par


Z Z
σh ∈ RT h (Ω) :
0
div σh q = − fq ∀q ∈ D0h (Ω) ⇔ div σh = −π0h f. (4.32)
Ω Ω

Cela nous donne Nh = #Kh équations. Il paraît alors logique d’exprimer σh par uh ∈
D0h (Ω) pour traduire σ = a∇u

σh = gh (uh ), gh : D0h (Ω) → RT 0h (Ω). (4.33)

Le choix de l’opérateur gh (« formule de flux ») correspond à une méthode de volumes


finis. Un exemple est donné par la suite. On suppose d’abord que a ∈ D0h (Ω). On écrit
avec la base ΦS de RT 0h (Ω)
X X d
gh (uh ) = gS Φs ⇒ gS = −πK f.
S∈Sh
hS,K
S∈Sh (K)

Soit e
xK le centre du cercles circonscrit de K, voir figure 4.4. On suppose que tous les
angles sont inférieur à π/2, ce qui garanti que e
xK se trouve à l’intérieur de K. On peut
alors raisonner comme suit

u(x∗S ) − u(e
xKin ) ≈ (x∗S − e xKin − x∗S k a−1
xKin ) · ∇u = ke Kin
σ · nS
∗ ∗ ∗ −1
u(xS ) − u(exKex ) ≈ (xS − exKex ) · ∇u = − ke
xKex − xS k aKex σ · nS
uKex − uKin
⇒ gS ≈ σ · nS = −1
aKin kexKin − x∗S k + a−1 xKin − x∗S k
Kex ke

52
F IGURE 4.4 – Cercle circonscrit.

ce qui donne le schéma volumes finis à quatre points


X Z
uKex (S) − uKin (S)
|S| = − f.
S∈Sh (K) K
xKin − x∗S k + a−1
a−1in ke Kex kexKin − x∗S k K

Une autre possibilité de formule de flux est le choix des éléments finis mixtes
Z Z
−1
a gh (u) · τ = − uh div τ ∀τ ∈ RT 0h (Ω). (4.34)
Ω Ω

4.8 L’équation de convection-diffusion


Soit ∂Ω = ΓD ∪ ΓN avec |ΓD | > 0, β ∈ W 1,∞ (Ω, Rd ) et ε > 0. Pour a = εI, b = β,
c = div β dans (4.1) on obtient l’équation de convection-diffusion.

 − ε∆u + div(βu) = f dans Ω,
∂u (4.35)
u = uD sur ΓD , = 0 sur ΓN .
∂n
Pour simplifier, on suppose ici que ΓD = ∂Ω et uD = 0, et que div β = 0. Le cas général
sera traité en exercice. R
On définit alors V := {v ∈ H1 (Ω) | γΓD = 0}, hu, viV := h∇u, ∇vi, l(v) := Ω fv et
Z Z
a(u, v) := ε ∇u · ∇v − βu · ∇v ⇒ a(u, u) = ε kuk2V , a(u, v) 6 Ca kukV kvkV ,
Ω Ω


avec Ca = max ε, CΩ kβkL∞ (Ω,Rd ) .

Pour la discrétisation par élément finis lagrangien on définit Vh := v ∈ Pkh γD (v) = 0

et
uh ∈ Vh : a(uh , v) = l(v) ∀v ∈ Vh . (4.36)
Le lemme de Céa et l’estimation d’interpolation nous donne alors sous la condition
u ∈ W k+1 (Ω) l’estimation d’erreur
 
C Ω kβk ∞ d
L (Ω,R )
k∇(u − uh )k 6 Chk kukW k+1 (Ω) , C = max 1, . (4.37)
ε

53
Lkβk ∞
L (Ω,R )d
La constante C est lié au nombre de Péclet Pe := ε
et se dégrade pour Pe
6
grand (qui est de l’ordere 10 dans beaucoup d’applications). La situation est en réalité
encore pire, car la solution u dépend elle-même en général de manière négative de Pe.
Pour améliorer l’estimation d’erreur, il faut alors modifier la méthode d’approxi-
mation. D’abord, le problème (4.35) est un exemple pour une perturbation singulière.
Dans le cas limite ε = 0 nous ne pouvons pas travailler avec un sous-espace de H1 (Ω),
car le forme bilinéaire associée ne peut être coercive. De plus, les conditions aux limites
son différentes pour ε > 0 et ε = 0.

Exemple 4.25. Pour d = 1, Ω = I =]0, 1[, β = f = 1, uD (0) = 1 et uD (1) = 0 on obtient la


solution
1 − exp(− 1−x
ε
)
uε (x) = 1 ⇒ lim uε (x) = 1 (0 6 x < 1). (4.38)
1 − exp(− ε ) ε&0

On constate le phénomène d’une couche limite. Pour ε → 0, on perd la condition limite u(1) =
0.

Pour obtenir une discrétisation robuste, c’est à dire que le problème discret possède
des propriétés uniformes en ε, il est nécessaire d’étudier le problème limite ε = 0,
l’équation du transport linéaire. Toutefois, on se contente ici de présenter une méthode
pour l’équation

u + β · ∇u = f dans Ω, β− D
n (u − u ) = 0 sur ∂Ω. (4.39)

On rappelle que pour x ∈ R nous avons x− = min {x, 0}. Comme dans l’example 4.25,
la condition aux limites ne peut être imposer que sur la partie de bord où βn < 0, ce
qui signifie que le champ de vecteur β est rentrant.
La méthode SUPG utilise la forme bilinéaire a : Pkh (Ω) × Pkh (Ω) → R
Z Z
a(u, v) := (u + β · ∇u) (v + δβ · ∇v) − β−n uv, (4.40)
Ω ∂Ω
R
avec une fonction δ qui dépend de h. On définit la fonctionnelle l(v) :=
R Ω f (v + δβ · ∇v)−
− D
∂Ω βn u v et le problème discret s’écrit

uh ∈ Pkh (Ω) : a(uh , v) = l(v) ∀v ∈ Pkh (Ω). (4.41)

Pour δ = 0 on obtient la discrétisation dite « Galerkin pur » qui correspond au diffé-


rences finis centrées (pour k = 1 en d = 1) et qui généralement produit des résultats
indésirables.
L’idée d’introduire δ > 0 est que a est coercive par rapport à
Z Z Z
2 2 |βn | 2
kukδ := u + δ(β · ∇u) + u, (4.42)
Ω Ω ∂Ω 2

en gardant la consistence de la méthode : si u est une assez régulière, elle vérifie égale-
ment (4.41).

54
4.9 L’équation biharmonique
Comme exemple d’une équation elliptique d’ordre plus élevé, on considère pour
un domaine polyédrique Ω ⊂ R2 et f ∈ L2 (Ω)
∂u
∆2 u = f dans Ω, u= = 0 sur ∂Ω. (4.43)
∂n
 ∂u

Un cadre fonctionnel approprié est H20 (Ω) := u ∈ H2 (Ω) u = ∂n = 0 sur ∂Ω . Pour
que cette définition ait un sens, il faut s’assurer que les traces existent. Comme H2 (Ω) ⊂
1
H1 (Ω), cela est évident pour la fonction, γ(u) ∈ H 2 (∂Ω). Pour la trace de la dérivée
normale nous avons

u ∈ H2 (Ω) ⇒ ∇u ∈ H1 (Ω, R2 ) ⇒ γ(∇u) ∈ L2 (∂Ω, R2 ) ⇒ γ(∇u) · n ∈ L2 (∂Ω).

Ensuite, il faut trouver une forme bilinéaire appropriés. Soit u, v ∈ C4 (Ω). On note
par D2 u la matrice hessienne de u et par A : B = tr(AT B) le produit scalaire de Rn×n .
Nous avons
Z X d Z X d Z Xd Z
2 2 ∂2 u ∂2 v ∂3 u ∂v ∂2 u ∂v
D u:D v= =− 2
+ ni
Ω i,j=1 Ω
∂xi ∂xj ∂xi ∂xj i,j=1 Ω
∂xi ∂xj ∂xj i,j=1 ∂Ω ∂xi ∂xj ∂xj
Z Z Z Z Z
∂u 2 ∂∆u ∂u
=− ∇∆u · ∇v + ∇ · ∇v = ∆ uv − v+ ∇ · ∇v.
Ω ∂Ω ∂n Ω ∂Ω ∂n ∂Ω ∂n
∂v
Si v et ∂n s’annulent sur ∂Ω, tous le gradient s’annule sur le bord et les deux intégrales
de bord précédentes disparaissent. Par conséquent, dans la suite on considère alors la
formulation variationnele
Z Z
2 2 2
u ∈ H0 (Ω) : D u:D v= fv ∀v ∈ H20 (Ω). (4.44)
Ω Ω

La continuité de la forme bilinéaire a : H20 (Ω) × H20 (Ω) →pR, qui apparaît dans (4.44),
est évidente, mais pour sa coercivité, il faut savoir que a(u, u) est une norme sur
H20 (Ω), c’est à dire il faut l’équivalent de l’inégalité de Poincaré pour le laplacien.
Lemme 4.26. Soit u ∈ H20 (Ω). Alors

kukL2 (Ω) + k∇ukL2 (Ω) 6 C |u|H2 (Ω) .

Pour la discrétisation, supposons d’abord d’avoir des espaces d’éléments finis conformes
Vh ⊂ H20 (Ω) pour h ∈ H. La définition d’un tel espace utilise certainement des Dirac
des dérivées. D’après l’injection de Sobolev 1.22 nous avons Hl−1 (Ω, Rd ) ⊂ C(Ω, Rd )
si l − 1 > d2 et donc Hl (Ω) ⊂ C1 (Ω) si l > 1 + d2 et l’opérateur d’interpolation Ih est
défini sur Hl (Ω) si l > 1 + d2 .
On définit alors le problème discret
Z Z
2 2
uh ∈ Vh : D uh : D v = fv ∀v ∈ Vh . (4.45)
Ω Ω

D’abord, le lemme de Lax-Milgram appliqué à Vh et les formes bilinéaire et linéaire


apparaîssant dans (4.44) montre l’existence et l’unicité de la solution uh de (4.45).

55
L’application du lemme de Céa nous donne alors


|u − uh |H2 (Ω) 6 C inf |u − vh |H2 (Ω) vh ∈ Vh .

En supposant que la solution u de (4.44) est dans Hl (Ω) avec l > 1 + d2 et que Vh est un
espace contenant localement Pk , k ∈ N avec k > l, nous obtenons l’estimation d’erreur

|u − uh |H2 (Ω) 6 Chk−1 |u|Hk+1 (Ω) . (4.46)

Si l’on souhaite une méthode conforme, Vh ⊂ H2 (Ω), d’après le théorème 2.21, il


faut que Vh ⊂ C1 (Ω).
Pour d = 1 on peut utiliser des splines quadratiques. Nous avons l > 2 et k = 2 et
(4.46) donne

|u − uh |H2 (Ω) 6 Ch |u|H3 (Ω) .

Toutefois, pour d > 1, il n’existe pas de sous-espace de Ph2 (Ω) conforme ; les espaces
d’éléments finis C1 (Ω)-conforme sont bien plus compliqués à cause des contraintes
imposées sur les gradients.
Il y a deux techniques pour pallier à cette difficulté, soit les méthodes mixtes, soit
les éléments finis nonconformes, dont l’example le plus simple est l’élément fini de
Morley, voir l’example 2.34. Par construction ni les fonctions ni leur gradients sont
continues.

4.10 Exercices

Exercice 4.1
Soit Ω un domain polyhedral convexe et H une famille de maillages régulière. Soit
V := H10 (Ω). On considère l’équation de Poisson discrétisée par Vh := H10 (Ω) ∩ Pkh (Ω).
On note par u ∈ V = H10 (Ω) et uh ∈ Vh les solutions continue et discrète. On utilise
kvkV := k∇vkL2 (Ω,Rd ) pour tout v ∈ V. L’objectif est de démontrer que la méthode est
convergeante
lim ku − uh kV = 0. (4.47)
h→0

1. Pour ε > 0 il existe uε ∈ V ∩ H2 (Ω) tel que kuε − ukV 6 ε.


2. On considère le problème auxiliare
Z Z
ε ε
uh ∈ Vh : ∇uh · ∇v = ∇uε · ∇v ∀v ∈ Vh . (4.48)
Ω Ω

Montrer que kuεh − uh kV 6 ku − uε kV .


3. Pour h assez petit nous avons kuε − uεh kV 6 ε.
4. Conclure.

56
Exercice 4.2
Soit Ω un domain polyhedral convexe. On considère l’approximation du problème
de Poisson avec condition de Dirichlet homogène par les éléments finis non-conformes
CR1h sur une famille régulière H. On suppose que le second membre est f ∈ L2 (Ω).
1. Rappeler l’espace discret Vh .
2. Rappeler le lemme de Strang et l’estimation d’erreur en norme énergie sous
l’hypothèse que la solution continue vérifie u ∈ H2 (Ω).
3. Faire une estimation d’erreur en L2 (Ω) en supposant que Ω est convexe et u ∈
H2 (Ω).

Exercice 4.3
Soit c, k ∈ L∞ (Ω) tels que c(x) > c0 et k(x) > k0 presque partout. Soit H une famille
régulière. On considère l’équation
cu − div (k∇u) = f dans Ω, u = 0 sur ∂Ω. (4.50)

1. Donner une formulation variationnelle de (4.50) dans V = H10 (Ω).


2. Démontrer qu’elle est bien posée.
3. Définir une approximation basée sur Pkh , k > 1.
4. Démontrer qu’elle est bien posée.
5. Faire une estimation d’erreur en norme H1 (Ω).
6. Donner la dépendance explicite de la constante dans votre estimation par rap-
port à c0 , k0 , c1 = kckL∞ (Ω) , k1 = kkkL∞ (Ω) .
7. Démontrer que
  12
|||u||| := c0 kuk2 + k0 k∇uk2 (4.51)
est une norme sur V.
8. Faire une estimation d’erreur en |||·|||.

Exercice 4.4
On rappelle qu’en coordonnées polaires (r, θ) ∈ R+ × [0, 2π]
∂2 −1 ∂ −2 ∂
2
∆= + r + r
∂r2 ∂r ∂θ2
Pour ω ∈]0, 2π] on définit
π π
Sω := {(r, θ) | r > 0 et 0 < θ < ω} ∩ B1 (0), sω (r, θ) := r ω sin( θ).
ω

57
1. Dessiner Ω et montrer que ∆sω = 0.
2. De quel problème de Dirichlet dans Sω est sω la solution ?
3. Pour quelles valeurs de p ∈ R+ a-t-on sω ∈ Lp (Ω) ?
4. Démontrer que la fonction f(r, θ) := rα définie sur B1 (0) ⊂ Rd vérifie
d
f ∈ W k,p (B1 (0)) ⇔ α>k− . (4.52)
p
On admet que ce résultat reste vrai pour tout k ∈ R+ .
5. Pour quelles valeurs de p, k ∈ R+ a-t-on sω ∈ W k,p (Ω) ? En particuliers, pour
quelle valeur de k ∈ N a-t-on sω ∈ Hk (Ω) pour tout ω > 0 ?

Exercice 4.5
1. Soient I =]0, 1[ et f ∈ L2 (I). Donner, pour chacune des équations différentielles
suivantes, une formulation variationnelle bien posée :
1) −u00 + u = f, x ∈ I, u(0) = 0, u(1) = 0,
2) −u00 + u = f, x ∈ I, u(0) = 0, u0 (1) = 0,
3) −u00 + u = f, x ∈ I, u(0) = 0, u(1) + u0 (1) = 0,
4) −u00 = f, x ∈ I, u 0 (0) = 0, u0 (1) = 0.
Ecrire l’énergie correspondante et démontrer l’existence d’une solution et son
unicité. Pour la partie 4) trouver d’abord une condition nécessaire sur f.

Appendices
A Solutions d’exercices

Solution de l’exercice 1.1


1.

Solution de l’exercice 1.2


Supposons X complet etP soit (xn )n∈N une série absolumment convergeante. La suite
des somme partielle sn := n k=1 xk est alors une suite de Cauchy et donc converge.
Soit (xn )n∈N une suite de Cauchy. On peut alors extraire une sous-suite telle que kxm − xn k 6
2k pour tout m, n > nk . Soit y1 = xn1 et yk := xnk − xnk−1 pour k > 2. (yk )k∈N est alors
absolument convergeante et admet une limite S. Cela implique que
X
k
xnk = xn1 + yl → xn1 + S =: x.
l=2

58
Mais alors toute la suite converge car

kx − xk k 6 kx − xnk k + kxk − xnk k → 0.

Solution de l’exercice 1.3


Supposons X complet etP soit (xn )n∈N une série absolumment convergeante. La suite
des somme partielle sn := n k=1 xk est alors une suite de Cauchy et donc converge.
Soit (xn )n∈N une suite de Cauchy. On peut alors extraire une sous-suite telle que kxm − xn k 6
2k pour tout m, n > nk . Soit y1 = xn1 et yk := xnk − xnk−1 pour k > 2. (yk )k∈N est alors
absolument convergeante et admet une limite S. Cela implique que

X
k
xnk = xn1 + yl → xn1 + S =: x.
l=2

Mais alors toute la suite converge car

kx − xk k 6 kx − xnk k + kxk − xnk k → 0.

Solution de l’exercice 1.4


1. On peut supposer que kx1 kX = kx2 kX = 1. Nous avons avec l’identité remar-
quable

kx1 − x2 k2X = 2 − hx1 , x2 iX .

2. Par la concavité du logarithme


! n1 ! n1
Y
n Y
n
1X
n
1X
n
ai = exp log ai = exp log ai 6 exp log ai
i=1 i=1
n i=1 n i=1

3. Avec l’inégalité arithmétique-géométrique

(a1 + a2 )2 a1 a2 a2 + a22 a2 + a22


a1 a2 6 ⇒ 6 1 ⇒ a1 a2 6 1
4 2 4 2

√ 1
 X √
d 
 1 
hx1 , x2 iX = λx1 , √ x2 = λx1 (i) √ x2 (i)
λ X i=1
λ
Xd 
λ
 X d 
1

λ 1
6 2
x1 (i) + x2 (i) = kx1 k2X + kx2 k2X .
i=1
2 i=1
2λ 2 2λ

Solution de l’exercice 1.5

59
1. Si la norme est dérivable en 0, on a l ∈ X∗ tel que pour tout h ∈ X

khk = l(h) + o(khk) ⇒ 2 khk = khk + k−hk = o(khk) ⇒ h = 0.

2. Si le carré de la norme est deux-fois continûment dérivable, on a pour tout x ∈ X


existence de lx ∈ X∗ et de Lx ∈ L(X, X, R) symétrique tel que pour tout h ∈ X

kx + hk2 = kxk2 + lx (h) + Lx (h, h) + o(khk2 ).

Pour x = 0, on obtient l0 = 0 car avec h = te tl0 (e) = O(t2 ). Ensuite L0 (h, h) =


khk2 + o(khk2 ), donc L0 (h, h) = 0 implique h = 0. L0 est un produit scalaire.
3. La symétrie φy (x) = φx (y) est évidente. On écrit donc φ(x, y) = φx (y). Par
hypothèse ‘ φ est bilinéaire. On a φ(x, x) = kxk.

Solution de l’exercice 1.6


1. Soit Y ⊂ X un sous-espace fermé. y∗ = PY x est défini par

hy∗ , yiX = hx, yiX ∀ y ∈ Y.

On applique LM avec espace (Y, h·, ·iX ), a(·, ·) = h·, ·iX et l(y) := hx, yiX . On
obtient donc une solution unique.

Solution de l’exercice 1.7


1. Contraction implique Lipschitz implique continue.
2. On a xn+1 = T xn et par récurrence xn+p = T p xn . Comme xn+2 −xn+1 = T (xn+1 −
xn ) et par récurrence xn+p+1 − xn+p = T p (xn+1 − xn ) et kxn+p+1 − xn+p k 6
ρp kxn+1 − xn k. Cela implique
X X X
m−1 m−1 m−1
kxn+m − xn k = xn+k+1 − xn+k 6 kxn+k+1 − xn+k k 6 ρk kxn+1 − xn k


k=0 k=0 k=0
n
1 ρ kx1 − x0 k
6 ρn kx1 − x0 k = .
1−ρ 1−ρ
Donc la suite est de Cauchy.
3. Comme X est complet, il existe x ∈ X, x = limn xn . Donc, T étant continue,
x = T (x).
4. Il suffit de m → ∞ dans l’inégalité au-dessus.

Solution de l’exercice 1.8


1.

Solution de l’exercice 1.9

60
1.

Solution de l’exercice 1.10


1. On peut supposer que kx1 kX = kx2 kX = 1. Nous avons avec l’identité remar-
quable
kx1 − x2 k2X = 2 − hx1 , x2 iX .

2. Par la concavité du logarithme


! n1 ! n1
Yn Yn
1X
n
1X
n
ai = exp log ai = exp log ai 6 exp log ai
i=1 i=1
n i=1 n i=1

3. Avec l’inégalité arithmétique-géométrique


(a1 + a2 )2 a1 a2 a2 + a22 a2 + a22
a1 a2 6 ⇒ 6 1 ⇒ a1 a2 6 1
4 2 4 2

√ 1
 X d 
√  
1

hx1 , x2 iX = λx1 , √ x2 = λx1 (i) √ x2 (i)
λ X i=1
λ
Xd 
λ
 Xd 
1

λ 1
6 2
x1 (i) + x2 (i) = kx1 k2X + kx2 k2X .
i=1
2 i=1
2λ 2 2λ

Solution de l’exercice 1.11


1.

Solution de l’exercice 1.12


1.

Solution de l’exercice 1.13


1.

Solution de l’exercice 1.14


1. Si la norme est dérivable en 0, on a l ∈ X∗ tel que pour tout h ∈ X
khk = l(h) + o(khk) ⇒ 2 khk = khk + k−hk = o(khk) ⇒ h = 0.

2. Si le carré de la norme est deux-fois continûment dérivable, on a pour tout x ∈ X


existence de lx ∈ X∗ et de Lx ∈ L(X, X, R) symétrique tel que pour tout h ∈ X
kx + hk2 = kxk2 + lx (h) + Lx (h, h) + o(khk2 ).
Pour x = 0, on obtient l0 = 0 car avec h = te tl0 (e) = O(t2 ). Ensuite L0 (h, h) =
khk2 + o(khk2 ), donc L0 (h, h) = 0 implique h = 0. L0 est un produit scalaire.

61
3. La symétrie φy (x) = φx (y) est évidente. On écrit donc φ(x, y) = φx (y). Par
hypothèse ‘ φ est bilinéaire. On a φ(x, x) = kxk.

Solution de l’exercice 1.15


1. Contraction implique Lipschitz implique continue.
2. On a xn+1 = T xn et par récurrence xn+p = T p xn . Comme xn+2 −xn+1 = T (xn+1 −
xn ) et par récurrence xn+p+1 − xn+p = T p (xn+1 − xn ) et kxn+p+1 − xn+p k 6
ρp kxn+1 − xn k. Cela implique
X X X
m−1 m−1 m−1
kxn+m − xn k = xn+k+1 − xn+k 6 kxn+k+1 − xn+k k 6 ρk kxn+1 − xn k


k=0 k=0 k=0
1 ρn kx1 − x0 k
6 ρn kx1 − x0 k = .
1−ρ 1−ρ
Donc la suite est de Cauchy.
3. Comme X est complet, il existe x ∈ X, x = limn xn . Donc, T étant continue,
x = T (x).
4. Il suffit de m → ∞ dans l’inégalité au-dessus.

Solution de l’exercice 1.16


1. Soit Y ⊂ X un sous-espace fermé. y∗ = PY x est défini par

hy∗ , yiX = hx, yiX ∀ y ∈ Y.

On applique LM avec espace (Y, h·, ·iX ), a(·, ·) = h·, ·iX et l(y) := hx, yiX . On
obtient donc une solution unique.

Solution de l’exercice 1.17


1.

Solution de l’exercice 1.18


1.

Solution de l’exercice 2.1


1. H est un convexe fermé, et y → ky − xk une fonction strictement convexe. Alors
il existe une unique solution à inf {ky − xk | y ∈ H}. On a d(x, H) = kPH x − xk
par la définition de la distance.
2. Nous avons hPH x − x, yi = 0 pour tout y ∈ H. Alors par la définition de la
normale PH x − x = αn avec α ∈ R. Or, comme knk = 1, d(x, H) = kPH x − xk =
α.

62
3. Nous avons d’après la question deux

nT (xH − x) nT (PH x − x) d(x, H) knk


λ(x) = T
= T
=
n (xH − xp ) n (PH xp − xp ) d(xp , H) knk

4. Dérivation de (2.42) par rapport à x donne le résultat. Les composantes de ∇λ(x)


sont
Pd
∂λ ∂ j=1 nj (xH − x)j ni
= = −
∂xi ∂xi nT (xH − xp ) d(xp , H)

Solution de l’exercice 2.2


1.

Solution de l’exercice 2.3


1. Pour d = 1 nous avons hK = ρK = b − a, si K =]a, b[.
2. Oui. Nous avons les relations suivantes

c2 = a2 + b2 − 2ab cos γ (« Al-Kashi ») (2.47)


a sin α
= (« Loi des sinus ») (2.48)
b sin β
|K| = ab sin γ (« Formule de l’aire ») (2.49)
ρK 2 |K|
r= = (« Formule du périmètre ») 3 (2.50)
2 a+b+c
On peut supposer a > b > c.
i) → ii) D’après l’hypothèse l’angle maximal est inféreieur à π − θ0 et donc nous
avons min {sin α, sin β, sin γ} > sin θ0 (avec les propriétés de sin)
ρK 2ab sin γ 2ab sin α0
= >
2 a+b+c a+b+c
et
hK a a a(a + b + c)
= 6 6
ρK ρK ρK 4ab sin α0
et donc
hK a a(a + b + c) 3 a 3
= 6 6 6 =: C1 .
ρK ρK 2ab sin θ0 2 sin θ0 b 2 sin2 θ0

ii) → iii)
iii) → i) On peut supposer α > β > γ. Comme α > π/3, nous avons

sin α a sin α 3
= 6 C2 ⇒ sin γ > =
sin γ c C2 2C2

63
Solution de l’exercice 2.4
1. Il faut et suffit que le simplexe Kb de sommets {bi | 0 6 i 6 d} soit non-dégénéré.
 bb, P (Kb ), {δbi | 0 6 i 6 d}) est un élément fini, nous avons sa dbase ca-
1
Comme (K
nonique λi 0 6 i 6 d , dont les fonctions de base sont définie sur R . Alors
{φi | 0 6 i 6 d} avec φi := λi K est la base canonique de (K, P (K), {δbi | 0 6 i 6 d}).
b 1

Pd
2. Avec φi (x) = j=0 αij λj (x) on a

X
d
δij = φi (bj ) = αik λk (bj )
k=0

Donc α est la matrice inverse de (λk (bj ))06i,j6d .

Solution de l’exercice 2.5


d+2
 (d+2)(d+1))
1. dim P2 (K) = =
d+2
d d+2
 2 d+1 d+1

2. Comme d = 2
= 2
+ 1
= #E(K) + #N(K), nous avons les
fonctions de base
1
φi = 2λi (λi − ) 0 6 i 6 d, φij = 4λi λj i 6= j.
2
Elle vérifient clairement les relations de Lagrange.
3. Comme λj est affine sur chaque arête et s’annule sur Sj
X
3
λj (bi )2 = 2α2 + 2(1 − α)2
j=1

4. Pour α ∈ {0, 1} nous n’avons pas assez de fonctionnelles. Pour 0 < α < 1, le
P
polynôme q = 3j=1 λj (x)2 − 2α2 + 2(1 − α)2 s’annule aux six points différents
bi , mais il est non-nul.
5. Pour r ∈ P2 (K), la fonctionnelle σ1p,i (r) est une intégrale d’un polynôme d’ordre
trois. Cette intégrale peut être calculée par deux points de Gauss. Si l’on choisit
α correspondant à ces points de Gauss, le polynôme q de la question précédente
s’annule pour toutes les fonctionnelle. Donc nous n’avons pas un élément fini.

6. Soit p ∈ P2 (K). Sur chaque arête S, la restriction p S est un polynôme d’ordre
deux uni-dimensionnel, qui s’annule aux extrémités et possède une moyenne
nulle. Cela implique que p S = 0. Alors d’après le lemme 2.13 p factorise les
trois équations d’arête. Comme ce produit est d’ordre trois, nous avons p = 0.

Solution de l’exercice 2.6

v ∈ Vh et S ∈ Sh l’arête commune
int in ex in/ex
1. Soit de K et de K . Alors pour v :=
in/ex
v Kin/ex les deux restrictions à l’arête v

S
sont des polynômes
d’ordre
trois
et il faut démontrer qu’elles sont identiques. Soit q := vin S − vex S ∈ P3 (S).
Ce polynôme et ses dérivées s’annulent aux extrémités de l’arête. Il donc deux
double racines distinctes. Comme il est d’ordre trois, q est identiquement nul.

64
2. Nous avons ∇vin/ex ∈ P2 (Kin/ex , R2 ) et la difference de leurs restrictions à S est
donc un élément de P2 (S, R2 ), qui est nul aux deux extrémités, mais cela ne suffit
pas pour garantir sa continuité.
3. Nous avons dim P3 (K) = 3+3
 6×5×4
3
= 3×2×1 = 20. Si l’on prend l’équivalent des
fonctionnelles, on a #Σ = 4 + 4 × 3 = 16. Donc, sans autre modification, cela ne
donne pas un élément finis.

Solution de l’exercice 2.7


1. Soit p ∈ P2 (K) et S une arête de K, xS son point au milieu, x1 , x2 ses extrémités
dp 1
et n et t sa normale et sa tangente. Comme dt S ∈ P (S) nous avons
Z
dp dp
|S| (xS ) = = |S| (p(x1 ) − p(x2 ) = 0.
dt S S dt S

Comme nous avons aussi dp



(x ) = 0, ∇p ∈ P1 (K, R2 ) s’annule aux trois points
dt S S
des milieux des arêtes. Comme pour l’unisolvence du P1 -lagrangien, nous avons
donc ∇p, ce qui entraîne p ∈ P0 (K). Comme p(x1 ) = 0, nous avons p = 0.
v ∈ Vh et S ∈ Sh l’arête commune de K et de Kin/ex
int in ex
2. Soit . Alors
pour vin/ex :=
v Kin/ex , la différence q de leurs restrictions à l’arête v est un polynôme
S
d’ordre deux, qui s’annule aux extrémités, mais cela n’implique pas qu’il s’an-
nule. En général, ces fonctions de sont pas continues et nous n’avons Vh 6⊂ C(Ω).

3. La dérivée normale de v ∈ Vh sur une arête S est continue au point milieu.

Solution de l’exercice 2.8


1. La fonction xy s’annule dans tous points de A = {b1 , b2 , b3 , b4 }. Donc (K, P, Σ)
n’est pas unisolvent.
2. Soit p ∈ P.e Les diagonales s’écrivent sous la forme y = σ1 + σ2 x avec σi ∈
{−1, +1}, i = 1, 2. La restriction du polynôme x2 − y2 sur une diagonale D est
donc égale à

x2 − (σ1 + σ2 x)2 = −1 − 2σ1 σ2 x ∈ P1 .



Cela implique que p D ∈ P1 (D). Comme elle s’annule aux extrémités, d’après le
lemme 2.13 p factorise toutes les diagonales. Cela implique p = 0.
3. Pour 1 6 i 6 4 soit ik , il ∈ J1, 4K les deux diagonales, qui ne contiennent pas bi .
Alors avec b ∈ R

bφi :=(y − (σi1k + σi2k )x)(y − (σi1l + σi2l x))


=y2 + σi2k σi2l x2 + σi1k σi1l − (σi1k + σi1l )y − (σi1l σi2k + σi1k σi2l )x − (σi2l + σi2k ) xy.
| {z } | {z }
=−1 =0

Le terme croisé s’annule, car les deux diagonales ont des pentes de signes oppo-
sés. Le facteur b est le produit des distances de ai aux diagonales. Ces distances

65

valent toutes 2, par conséquent
y2 − x2 + σi1k σi1l − (σi1k + σi1l )y − σi2k (σi1l − σi1k )x
φi = .
2
Par exemple pour a4 , σ41k = 1,σ42k = −1, σ41l = −1,σ42l = 1,
y2 − (x + 1)2
φ4 = .
2

Solution de l’exercice 2.9




1. PK = p ◦ F−1 p ∈ Pk (K)
b , σK (p) := σKb (p ◦ FK ).

K
−1
2. On a φK K
i = φi ◦ FK , car
b

σK K K K K K
i (φj ) = σi (φj ◦ FK ) = σi (φj ) = δij .
b b b

Solution de l’exercice 3.1


1. I est certainement linéaire, car pour λ ∈ R et u, v ∈
I(v + λu)(t) = · · · = Iv(u) + λIu(t).
I est continu avec constante 1, car
kIukC(K) = sup |t u(1) + (1 − t) u(0)| 6 max {|u(0)| , |u(1)|} 6 kukC(K) .
06t61

2. Pour t ∈ K, on a, avec s = tξ, donc ds = tdξ et s = t+(1−t)η, donc ds = (1−t)dη


(u − Iu) (t) =u(t) − tu(1) − (1 − t)u(0) = (1 − t)(u(t) − u(0)) − t(u(1) − u(t))
Zt Z1
0
=(1 − t) u (s) ds − t u 0 (s) ds
0 t
Z1 Z1
=(1 − t)t u (tξ) dξ − t(1 − t) u 0 (t + (1 − t)η) dη
0

0Z 1 Z1
0

0 0
=(1 − t)t u (tξ) dξ − u (t + (1 − t)ξ) dξ
0 0
Z1
=(1 − t)t (u 0 (tξ) − u 0 (t + (1 − t)ξ)) dξ
0
Z 1 Z tξ
=(1 − t)t u 00 (η) dη dξ.
0 t+(1−t)ξ

Comme t + (1 − t)ξ − tξ = (1 − ξ)t + (1 − t)ξ > 0, nous avons


Z1
|(u − Iu) (t)| 6(1 − t)t ((1 − ξ)t + (1 − t)ξ) dξ ku 00 kL∞ (K)
0 
(1 − 2t) (1 − t)t 00
=(1 − t)t t + ku 00 kL∞ (K) = ku kL∞ (K)
2 2

66
et
1 00
ku − IukL∞ (K) 6 max {(1 − t)t | 0 6 t 6 1} ku 00 kL∞ (K) = ku kL∞ (K) .
8

3. Pour u(t) = t(1 − t), nous avons Iu = 0 de sorte que

1
ku − IukL∞ (K) = kukL∞ (K) = ; ku 00 kL∞ (K) = 2.
4

4. Nous avons

u − Ĩu = u − Iu + Iu − Ĩu = u − Iu + ĨIu − Ĩu = (u − Iu) − Ĩ(u − Iu),

de sorte que

6 1 + |||Ĩ||| ku − IukL∞ (K)



u − Ĩu
L∞ (K)

et l’on obtient le résultat avec C := 1+|||8 Ĩ||| .


5. Pour t ∈ K, on a avec ξ = s + (t − s)η
Z1 Z1
0 0 0 0
(u − Iu) (t) =u (t) − (u(1) − u(0)) = u (t) − u (s) ds = (u 0 (t) − u 0 (s)) ds
0 0
Z1 Zt Z1 Z1
= u 00 (ξ) dξ ds = (t − s) u 00 (s + (t − s)η) dη ds,
0 s 0 0

de sorte que
Z1
|(u − Iu) (t)| 6
0
|t − s| ds ku 00 kL∞ (K)
0

Comme
Z1 Zt Z1 0  1
(t − s)2 (t − s)2 t2 + (1 − t)2

|t − s| ds = (t − s) ds + (s − t) ds = + = .
0 0 t 2 t 2 t 2
2 2
et la fonction φ(t) := t +(1−t)
2
atteint son max en t = 0, t = 1 avec valeur 12 , on
obtient le résultat.
Pour u(t) = t(1 − t), nous avons Iu = 0 de sorte que

k(u − Iu) 0 kL∞ (K) = ku 0 kL∞ (K) = 1; ku 00 kL∞ (K) = 2,


1
donc la constante C = 2
est optimale.

Solution de l’exercice 3.2

67
1. On a
Zb  α  β
b−x x−a α!β!
dx = (b − a) ,
b−a b−a (α + β + 1)!
Z a
α0 !α1 !α2 !
λ0 (x)α0 λ1 (x)α1 λ2 (x)α2 dx = 2 |K|
K (α0 + α1 + α2 + 2)!
R1 1
2. Pour n = 0 nous avons 0 xm dx = m+1 . Pour n > 1
Z1 Z 1  m+1  0
m n t
t (1 − t) dx = (1 − t)n dx
0 0 m + 1
Z 1 m+1  m+1 1
t n−1 x n
= n(1 − t) + (1 − t)
0 m+1 m+1 0
Z1
n
= tm+1 (1 − t)n−1
m+1 0
Par hypothèse de récurrence nous avons alors
Z1
n (m + 1)!(n − 1)! m!n!
tm (1 − t)n dx = = .
0 m + 1 (m + n + 1)! (m + n + 1)!

3. Le changement t = bs nous ramène au cas précédent.



4. Nous avons t ∈ K
b d ssi et ∈ K
b d−1 et td 6 1 − et .
5. On applique (3.18) avec b = 1 − |e α|.
6. Pour d = 1 la formule (3.21) est
Z1
α0 !α1 !
(1 − t1 )α0 tα 1
1 dt1 = .
0 (α0 + α1 + 1)!
ce qui est (3.17), donc la formule est vraie pour d = 1.
Supposons la formule vraie pour d − 1. Alors avec (3.19) et (3.20)
Z Y
d Z Z 1−|et| !
α
(1 − |t|)α0 tα
0 αd

td dtd etαe det

i dt =
i
1 − et − td
K
bd
i=1 K
b d−1 0
Z  
α0 +αd +1 α0 !α1 ! etαe det
= 1 − et
K (α0 + αd + 1)!
Z
b d−1

α0 !α1 ! α0 +αd +1 αe


= 1 − et et det.
(α0 + αd + 1)! K
b d−1

Maintenant, on applique l’hypothèse de récurrence pour


Z
α0 +αd +1 αe (α0 + αd + 1)!eα!
1 − et et det = .
Kb d−1 (α0 + αd + 1 + |e
α| + d − 1)!
Avec
α0 !α1 ! (α0 + αd + 1)!eα! α0 !α1 !e
α! α!
= =
(α0 + αd + 1)! (α0 + αd + 1 + |e
α| + d − 1)! (α0 + αd + |eα| + d)! (|α| + d)!
on trouve le résultat.

68
Pd
7. Nous avons (voir l’exemple 2.7) λi = ti pour 1 6 i 6 d et λ0 = 1 − i=1 si .
8. On a
Z Z
α
λ(x) dx = x)α JK db
bλ(b x=
K K
bd

 
9. T (b
x) = a0 + Abx avec A = a1 − a0 . . . ad − a0 . Alors on a bien la première
formule. Ensuite par multi-linéarité du déterminant
   
a0 a1 . . . ad a0 a1 − a0 . . . ad − a0  
det = det = det a1 − a0 , . . . , ad − a0
1 1 ... 1 1 0 ... 0

10. Par le changement de variable et (3.21) avec α = 0 (rappel 0! = 1)


Z Z Z
|K| 1
dx = JK x ⇒ JK = ,
db Kd = db
x=
b
K Kbd
Kb d Kbd d!

Solution de l’exercice 3.3


1. P1 (K)
b est un espace de dimension finie. La norme L2 (K)
b est une norme sur cet
sous-espace de L2 (K).
b Mais la somme de carrés des valeurs aussi, car (P1 K,
b Σlag )
est un élément fini,

X
d
v2 (b
ai ) = 0 ⇒ v(ai ) = 0 ∀0 6 i 6 d ⇒ v = 0.
i=0

Comme deux normes sur un espace vectoriel de dimension finie sont équiva-
lente, on a le résultat.
2. Nous avons avec TK : K b → K la transformation affine et JK = det DTK et (3.23)
Z Z Z Z
2
v (x) dx = b 2
v (ξ) JK dξ = JK bv (ξ) dξ = d! |K| b
2
v2 (ξ) dξ.
K K
b K
b K
b

Donc avec la question précédente et le fait que b v2 (b


ai ) = v(aii ) (TK envoie les
sommets de K en sommets de K)
b

Z Z

K X
b d
2 2
C3 b v (ξ) dξ 6 v (b
b ai ) 6 C4 b v2 (ξ) dξ
Kb d + 1 i=0 K
b

Z Z

K X
b d
⇒ C3 d! |K| b v (ξ) dξ 6 d! |K|
2
v (aii ) 6 C4 d! |K| b
2
v2 (ξ) dξ
Kb d + 1 i=0 Kb

Z Z
|K| X 2
d
2
⇒ C3 v (x) dx 6 v (aii ) 6 C4 v2 (x) dx.
K d + 1 i=0 K

69
3. En prenant la somme sur K dans le résultat de la dernière question, on obtient
Z Z
|K| X 2
d
2
C5 v (x) dx 6 v (aii ) 6 C6 v2 (x) dx
K d + 1 ii=0 K
Z X |K| X d Z
2 2
⇒ C5 v (x) dx 6 v (aii ) 6 C6 v2 (x) dx.
Ω K∈K
d + 1 ii=0 Ω
h

Ensuite nous avons


X X
d X
nh
|K| 2
v (aii ) = |ωi | v2 (xi )
K∈Kh ii=0 i=1

et par conséquent
Z X Z
|K| X 2
d
C5 v2 (x) dx 6 v (aii ) 6 C6 v2 (x) dx
Ω K∈Kh
d + 1 ii=0 Ω
Z Xnh Z
2 |ωi | 2
⇒ C5 v (x) dx 6 v (xi ) 6 C6 v2 (x) dx.
Ω i=1
d+1 Ω

4. (3.24) exprime l’équivalence des deux produits scalaires.


5. Comme Ih (vw) ∈ P1h (Ω) nous avons avec la formule d’integration sur un sim-
plexe
Z
|K| X
d
Ih (vw) = v(aii )w(aii )
K d + 1 ii=0
et le résultat suit comme avant.
6. Nous avons pour i 6= j
Z
fij = hφi , φj i =
M Ih (φi φj ) = 0,
h

car Ih (φi φj ) = 0.
Pour la diagonale, nous avons
X
nh
|ωk | 2 |ωi |
M
fii = φi (xk ) = .
k=1
d + 1 d + 1

7. Avec la formule d’integration sur un simplexe et le fait que la base locale sont
les coordonnées barycentriques, nous avons pour i 6= j et K ∈ Kh avec xi , xj ∈ K
Z Z
1 d! |K|
Mii,jj = φii φjj = λ1ii λ1jj = d! |K|
K K K
= |K| = ,
K K (2 + d)! (2 + d)! (d + 2)(d + 1)
Pour la diagonale
Z Z
2 d! 2 |K|
Mii,ii = φii φii = λ2ii = d! |K|
K K K
= 2 |K| = .
K K (2 + d)! (2 + d)! (d + 2)(d + 1)

70
8. Pour 1 6 i, j 6 nh on a
X
Mij = MK
ii,jj
K∈Kh (i,j)
i=indK (ii), j=indK (jj)

9. Nous avons
X
d
2 |K| |K| |K|
MK
ii,jj = +d = .
jj=0
(d + 2)(d + 1) (d + 2)(d + 1) d+1

et
X
nh X
nh X X X
d X |K| |ωi |
Mi,j = MK
ii,jj = MK
ii,jj = = .
j=1 j=1 K∈Kh (i,j) K∈Kh (i,i) jj=0 K∈Kh (i,i)
d+1 d+1
i=indK (ii), j=indK (jj) i=indK (ii) i=indK (ii)

Solution de l’exercice 3.4


1. Les éléments finis de Lagrange sont définis par transformation. Soit TK : K b→K
−1
la transformation affine, b
v := v◦TK etc. On applique le corollaire 3.5 de Bramble-
Hilbert avec

|b
v| := bv − bIKb b
v .

b ∂K

b ⊂ Pk (K)
Cela nous donne, car P1 (K) b


bv − bIKb b
b |b
v 6 C(K) v|H2 (K)
b . (3.28)
b ∂K

Avec (3.26) on a
Z X Z X |S| Z 2
2 2
|v − IK v| = |v − IK v| = v − IKb b
v
b
b
∂K S∈S(K) S b S S

b b
S∈S( K)
 
b

 |S| Z

2
6 max S ∈ S(K) v − IKb b
v

 S  ∂Kb
b b b b
b

Avec (3.27) nous avons


 
 |S| 

max {|S| | S ∈ S(K)}
b ∈ S(K)
max S 6
6 C2 hd−1
 S 
b
K
b min S
b ∈ S(K)
b S b


avec C2 := C1 / min S S ∈ S(K) .
b b b
Alors avec (3.28)
2
kv − IK vk2L2 (∂K) 6C2 hd−1 v − bI b b
v v|2H2 (K)
b 2 hd−1 |b
6 C2 C(K) b .

K b K 2 K
L (∂K)
b

71
On poursuit comme dans la démonstration du théorème 3.7, on applique les
Lemmes 2.11, 2.10.

K h2 2
b
2 2
|b
v|H2 (K)
b 6 CJK |||AK ||| |v|H2 (K) 6 C
−1 4 K
|v| 2
|K| ρKb H (K)
4

Cela donne avec une constante, toujours appelé C,


kv − IK vk2L2 (∂K) 6 Chd−1 2 2
K hK hK |v|H2 (K) = ChK |v|H2 (K)
−d 4 3

et on trouve le résultat en prenant la racine carré.


2. La majoration correspond à k = 0, mais cela n’est pas admis pour l’élément finis

de Lagrange. En effet, nous n’avons pas Σ ⊂ (H1 (K)) pour d > 1.
3. Avec les arguments désormais familiers, nous avons

3 3 d<6
s1 = 1, s2 = , s3 = 2, s4 =
2 +∞ d > 6
Pour le dernier cas, il faut que les fonctionnelles de Lagrange (Dirac) soient bien
définit. Or nous avons d’après (1.22) H3 (K) ⊂ C(K) si 2 > d3 .

Solution de l’exercice 3.5



1. Pour d = 1, nous avons H1 (K) ⊂ C(K), donc Σ ⊂ (H1 (K)) et l’on peut appliquer
le corollaire 3.9 avec k = m = 0.

2. Pour d > 1 nous avons Σ 6⊂ (H1 (K)) .
(i)
3. Comme ψj ∈ P1h , nous avons bien
(i)
X
ψj = αj,k φk
k∈Nh (i)

La condition de bi-orthogonalité donne


Z X Z
(i)
δkl = φk ψl = αl,j φk φj = αM,
ωi ω
j∈Nh (i) | {z }
i

Mj,k

M est la matrice de masse associés à P1h (ωi ). Elle est donc régulière et α est
donné de façon unique comme α = M−1 .
4. Soit j ∈ Nh . Nous avons ci (φj ) = 0 si j 6∈ Nh (i) et j ∈ Nh (i) ⇔ i ∈ Nh (j). Donc
X X
IC
h (φj ) = φi ci (φj ) = φi ci (φj )
16i6N i∈Nh (j)

Pour i ∈ Nh (j) on a par définition


Z
(i)
ci (φj ) = ψi φj = δij ⇒ IC
h (φj ) = φj .
ωi

h sur Ph (Ω).
Comme φj est une base, on à l’invariance de IC 1

72
5. IC 1
h est défini sur L (Ω) (et Ih sur C(Ω)).
6. Nous avons
v − IC C C
h v = v − Ih v + Ih v − Ih v = v − Ih v + Ih (Ih v − v)

et donc avec (3.30)


+ C kv − Ih vkL2 (ωK ) 6 C max {hL | L ⊂ ωK } |u|H2 (ωK )

v − IC v 2 6 kv − Ih vk
h L (K) L2 (K)

Comme H est régulier, nous avons


max {hL | L ⊂ ωK } 6 ChK .

7. Non, si u ∈ H10 ()Ω, IC 1


h u 6∈ H0 ()Ω.

Solution de l’exercice 4.1


1. Par densité de C∞ 1
0 (Ω) ⊂ H0 (Ω).
2. Nous avons avec v = uεh − uh dans (4.48)
Z Z
ε 2 ε
kuh − uh kV = ∇ (uh − uh ) · ∇v = ∇ (uε − u) · ∇v 6 kuε − ukV kuεh − uh kV
Ω Ω

3. Par l’estimation d’erreur a priori nous avons


kuε − uεh kV 6 Ch |uε |H2 (Ω) .
Alors, pour ε choisi, nous pouvons prendre h ∈ H tel que Ch |uε |H2 (Ω) 6 ε.
4. Soit ε > 0 donné. On choisit h ∈ H tel que (question précédente) kuε − uεh kV 6
ε. Alors avec les deux premières questions
ku − uh kV 6 ku − uε kV + kuε − uεh kV + kuεh − uh kV
6 ku − uε kV + kuε − uεh kV + ku − uε kV 6 3ε.
Donc uh → u.

Solution de l’exercice 4.2


1.
Z Z
D1h (Ω) [v] = 0 ∀S ∈ Sint , S∂h

Vh = v∈ h v = 0 ∀S ∈ .
S S

2.
R
C 1 Ω ∇h (u − uh ) · ∇wh
k∇h (u − uh )k 6 inf k∇h (u − vh )k + sup
α vh ∈Vh α wh ∈Wh \{0} k∇h wh k
Sous l’hypothèse u ∈ H2 (Ω), on peut majorer de terme de nonconformité comme
l’erreur d’interpolation et l’on obtient
k∇h (u − uh )k 6 Ch |u|H2 (Ω) .

73
3. On définit les problèmes auxiliaires
 Z Z


 z∈V: ∇v · ∇z = (u − uh )v ∀v ∈ V,
Z Ω ZΩ (4.49)


zh ∈ Vh : ∇h v · ∇h zh = (u − uh )v ∀v ∈ Vh .
Ω Ω

En prenant v = u dans la première et v = uh dans la deuxième équation de


(4.49) on obtient
Z Z Z
2
(u − uh ) = ∇u · ∇z − ∇h uh · ∇h zh
Ω ZΩ Ω Z Z
= ∇h (u − uh ) · ∇h (z − Ih z) + ∇h (u − uh ) · ∇h Ih z + ∇h uh · ∇h (z − zh )
|Ω
{z } | Ω
{z } Ω

Z =:I
Z =:II

=I + II + ∇h Ih u · ∇h (z − zh ) + ∇h (uh − Ih u) · ∇h (z − zh )
|Ω
{z } | Ω
{z }
=:III =:IV

L’estimation d’erreur en norme énergie pour l’approximation nonconforme et


l’hypothèse de convexité de Ω donnent

I 6 k∇h (u − uh )kL2 (Ω),Rd k∇h (z − zh )kL2 (Ω),Rd


6Ch |u|H2 (Ω) Ch |z|H2 (Ω) 6 Ch2 |u|H2 (Ω) ku − uh kL2 (Ω)

et par interpolation
Z
IV = −I + ∇h (u − Ih u) · ∇h (z − zh ) 6 Ch2 |u|H2 (Ω) ku − uh kL2 (Ω) .

Les deux autres termes se majorent de façon similaire. Par exemple


Z Z Z Z
∂u ∂u
II = ∇h (u − uh ) · ∇h Ih z = − (f + ∆u)Ih z + [Ih z] + Ih z
Ω Kh Sint ∂n S∂ ∂n
Z Z X Z ∂u
h h
X Z ∂u
∂u ∂u
= [Ih z − z] + (Ih z − z) = ( − cS ) [Ih z − z] + ( − cS )(Ih z − z)
Sint ∂n S ∂ ∂n S ∂n S ∂n
h h Sh
int Sh
int

6Ch |u|H2 (Ω) Ch |z|H2 (Ω)

comme dans l’estimation de la nonconformité. On obtient le résultat.

Solution de l’exercice 4.3


1.

Solution de l’exercice 4.4


1. Il s’agit d’un camembert entamé.

74
2. Nous avons
∂sω (r, θ) π π−ω π ∂2 sω (r, θ) π π − ω π−2ω π
= r ω sin( θ), 2
= r ω sin( θ),
∂r ω ω ∂r ω ω ω
2 2
∂sω (r, θ) π ωπ π ∂ sω (r, θ) π π π
= r cos( θ), 2
= − 2 r ω sin( θ).
∂θ ω ω ∂θ ω ω
Donc
π π − ω π−2ω π π π−2ω π π2 π π
∆sω (r, θ) = r ω sin( θ) + r ω sin( θ) − 2 r ω −2 sin( θ)
ω ω ω ω  ω ω ω
π π−2ω π π − ω π
= r ω sin( θ) +1− = 0.
ω ω ω ω
Alors sω (r, θ) est solution du problème de Dirichlet non-homogène
π
∆u = 0 in Sω , u = 0 sur ∂Sω \ B1 (0), u = sin( θ) sur ∂Sω ∩ B1 (0).
ω

3. La question revient à savoir pour quelles valeurs de p ∈ R+ l’intégrale suivante


est finie.
Z Z1 Zω

p π pπ π
r ω sin ( θ)dx = r ω sinp ( θ) dθ rdr
Sω ω 0 0 ω

Donc la condition est



+ 1 < −1
ω
donc pour tout p > 0.
∂f
4. Nous avons ∂x i
= αrα−1 xri , donc |∇f| = αrα−1 . Par conséquent pour le cas k = 1
Z Z1
p
|∇f| dx = α p
rp(α−1) rd−1 dr
B1 (0) 0

Cette intégrale est finie, si et seulement si


d
p(α − 1) + d − 1 > −1 ⇔ α>1−
p
Le cas général est similaire.
5. Avec la question précédente, la condition d’appartenance à W k,p (Sω ) et Hk (Sω )
dévient
2 π π
k< + , k<1+ .
p ω ω
3
Pour ω → 2π, on voit que k = 2
− ε avec ε > 0 arbitraire.

Solution de l’exercice 4.5

75
1. Les quatres problèmes donnent lieu à des formulations avec des formes bili-
néaires symétriques a : V × V → R et la forme linéaire et continue l : V → R
R1
l(v) = 0 f(x)v(x) dx. Donc
u ∈ V : a(u, v) = l(v) ∀v ∈ V.
Seulement, l’espace V et la forme linéaire changent à chaque fois.
Une forme bilinéaire symétrique est forcément la dérivée (au sens de Fréchet)
d’une énergie quadratique E : V → R, a(u, v) = E 0 (u)(v).
Pour s’amuser, exprimons le lemme de Lax-Milgram en fonction de E. La conti-
nuité de a fait partie de la définition de la dérivabilité (au sens de Fréchet) de E
(qu’il faudrait vérifier). Reste à voir la coercivité :
E 0 (u)(u) = a(u, u) > α kvk2V ∀v ∈ V.
Comme E est quadratique, le développement de Taylor en 0 à l’ordre deux
montre que
1
E(v) = E(0) + E 0 (0)(v) + E 00 (0)(v, v)
2
et la condition de coercivité devient
α
E(v) > E(0) + kvk2V ∀v ∈ V.
2
Z Z
1 1
1) 1
V = H0 (I), E(u) = 2
u + (u 0 )2 ,
2 I 2 I
Z Z
1 1
2) V = {v ∈ H (I) | v(0) = 0} ,
1
E(u) = 2
u + (u 0 )2 ,
2 I 2 I
Z Z
1 1
3) V = {v ∈ H (I) | v(0) = 0} ,
1
E(u) = 2
u + (u 0 )2 + u(1)v(1),
2 I 2 I
Z
 R 1
4) 1
V = v ∈ H (I) I v(x) dx = 0 ,
E(u) = (u 0 )2 .
2 I
Pour 1), nous avons la coercivité par le fait que E(u) = 12 kuk2V
Pour 2) et 3), le théorème des traces montre que V est bien défini. La coercivité
est comme pour 1). Pour 3), il faut rajouter que le théorème des traces montre la
continuité de E 0 (u)(v). R
Finalement, pour 4), V est bien défini, car c’est le noyau de v → I v(x) dx qui
est une forme linéaire continue. Par le théorème de Poincaré-Friedrich, la semi-
norme est une norme sur V. Si u est une solution, on a forcément
Z Z
− f = u 00 = u 0 (1) − u 0 (0) = 0.
I I
R
Remarque. Soit v := I v(x) dx. Si f 6= 0, on peut toujours résoudre le problème
variationnelle. Comme v = 0 pour v ∈ V
Z Z Z Z
fv = f(v − v) == (f − f)(v − v) = (f − f)v.
I I I I

La solution du problème variationnelle, supposée suffisamment régulière, véri-


fie −u 00 = f − f.

76
Index alphabétique
Éléments finis Sobolev (injection), 11
Pk , 28
Crouzeix-Raviart, 31 Interpolation
définition globale, 30 Bramble-Hilbert, 36
définition locale, 28, 29 Clément, 39
définition par transformation, 29 erreur d’interpolation locale, 37
dimension Pk , 23 estimation inverse, 38
division euclidienne sans reste, 23
Maillages
points de Lagrange, 28
formule de la divergence par
Analyse fonctionnelle morceaux, 25
Inégalité de Poincaré, 12 régularité, 20
Lax-Milgram, 10 Transformation affine (estimations),
lemme de Céa, 27 21

77