Académique Documents
Professionnel Documents
Culture Documents
St-Quentin en Yvelines
Département de Mécanique
9 mars 2005
Résumé
Ces notes de cours présentent les grandes méthodes d’approximation de solution
utilisées dans la résolution approchée de problèmes de la physique, de la mécanique et
des sciences pour l’ingénieur. Le principe général de l’approximation de solution est tout
d’abord exposé. Ensuite, la méthode des résidus pondérés, la méthode de Galerkin, la
méthode de Ritz et la méthode des Eléments Finis sont brièvement exposées et illustrées
chacune par un exemple.
∗
Notes de cours du module "Approximations Numériques pour la Physique", Masters Physique et SPI
1
1 Introduction
1 Introduction
1.1 Problème type
On considère un problème de physique posé sur un domaine Ω dont le bord est Γ (figure
1). On suppose que la recherche de la solution se ramène à la recherche de la fonction
vectorielle u(x) définie sur Ω.
Γ
x
Ω
F IG . 1 – Domaine d’étude
L(u) = g , ∀x ∈ Ω (1.1)
où L est un opérateur différentiel qui est en général scalaire ou vectoriel. Cette équation de
conservation est associée aux conditions aux limites condensées sous la forme :
B(u) = h , ∀x ∈ Γ (1.2)
où B est lui aussi un opérateur différentiel qui peut être scalaire ou vectoriel. Il peut cor-
respondre à plusieurs conditions aux limites de natures différentes appliquées sur des mor-
ceaux différents de la frontière.
et
UVSQ 2 L. Champaney
2 Approximation de solutions
2 Approximation de solutions
2.1 Forme générale
La méthode générale de représentation approchée de la fonction cherchée propose de
la représenter par sa projection dans un sous-espace de dimension finie N + 1 dont une
base est définie par les N + 1 fonctions φi (x) :
N
X
u(x) = qi φi (x) (2.1)
i=0
On considère pour simplifier l’approximation d’une fonction scalaire connue u(x) sur un
espace à une dimension x ∈ [0, L]. L’écart entre la fonction et son approximation dans un
espace engendré par les fonctions de base φi est noté e(x) :
N
X
e(x) = u(x) − qi φi (x), ∀x ∈ [0, L] (2.4)
i=0
Rendre cet écart nul en tout point consiste à imposer un nombre infini de conditions car
il y a une infinité de points dans le domaine [0, L].
UVSQ 3 L. Champaney
2 Approximation de solutions
Une stratégie d’approximation peut consister à minimiser l’écart au sens des moindres
carrés. Cela revient à considérer le scalaire qui représente la moyenne sur le domaine du
carré de l’écart :
Z L Z L N
!2
X
E(u) = e2 (x)dx = u(x) − qi φi (x) dx = E(qi )
0 0 i=0
et à chercher à minimiser cette quantité qui ne dépend que des composantes inconnues qi
de la fonction à approximer :
∂E
min E(qi ) ⇔ = 0, i = 0...N
∂qi
Après développement de l’écart :
Z L N X
X N N
X
E(qi ) = u2 (x) + qi qj φi (x)φj (x) − 2 qi u(x)φi (x) dx
0 i=0 j=0 i=0
Kq = f (2.6)
où :
Z L Z L
Kij = φi (x)φj (x)dx et fi = u(x)φi (x)dx (2.7)
0 0
On réalise un parallèle avec l’espace des vecteurs de Rn muni d’une base orthonormée
(~e1 . . . ~en ) telle que :
UVSQ 4 L. Champaney
2 Approximation de solutions
Cette équation 2.8 est l’équivalent de l’équation 2.5 qui donne les composantes de u
dans la base d’approximation dans le cas général où les vecteurs de base φi ne sont pas
orthonormés. On en déduit donc une définition du produit scalaire dans l’espace d’approxi-
mation :
Z L
(u(x), v(x)) = u(x)v(x)dx (2.9)
0
Dans l’espace des vecteurs de Rn , la nullité d’un vecteur est définie par le fait que son
produit scalaire avec tout autre vecteur est nul :
~u = ~0 ⇔ ~u.~v = 0, ∀~v
En utilisant le fait que pour qu’une propriété soit vraie dans un espace il faut et il suffit
qu’elle soit vraie pour tous les vecteurs de base, on obtient les n conditions classiques de
nullité des composantes :
Lorsqu’on réalise la même opération pour annuler l’écart entre la fonction u cherchée et
son approximation, on utilise le produit scalaire défini par la relation 2.9 :
Pour que cette propriété soit vraie il faut et il suffit qu’elle soit vrai pour toute fonction φi
de base :
En utilisant le produit scalaire tel qu’il est défini dans l’équation 2.9, on obtient :
Z L Z N
LX
(u(x), φi (x)) = u(x)φi (x)dx − qj φj (x)φi (x)dx = 0, i = 0...N
0 0 j=0
qui correspond à :
N Z
X L Z L
φi (x)φj (x)dx qj = u(x)φi (x)dx, i = 0...N (2.10)
j=0 0 0
Cette équation 2.10 qui permet de calculer les composantes de la solution approchée
dans la base d’approximation est la même que l’équation 2.5 obtenue par minimisation au
sens des moindres carrés. Cela veut dire cette minimisation qui nous permet de définir le
produit scalaire 2.9 est équivalente à l’expression de la nullité de l’écart par projection sur
les fonctions de base en utilisant les produit scalaire.
UVSQ 5 L. Champaney
2 Approximation de solutions
2.2.4 Généralisation
et le produit scalaire :
Z
(u(x), v(x)) = u(x).v(x)dΩ (2.11)
Ω
Kq = f (2.13)
où :
Z Z
Kij = φi (x)φj (x)dΩ et fi = u(x)φi (x)dΩ (2.14)
Ω Ω
u(x) = q0 + q1 x + q2 x2 + · · · + qN xN
UVSQ 6 L. Champaney
2 Approximation de solutions
3.00
2.50 uex
2.00
1.50
uapp
1.00
q 0 φ0
2 φ2
0.50 q
0.00
q1 φ1
x
−0.50
−1.00 −0.50 0.00 0.50 1.00
1 1
φ0 φ4
P4
P0 x x
1 1
φ1
φ5
P1 P5
x x
1 1
φ2
φ6
P2 P6
x x
1
φ0 φ1 φ2 φ3 φ4 φ5 φ6
1
φ3
P3
x x
UVSQ 7 L. Champaney
2 Approximation de solutions
Pour palier ce problème les fonctions d’interpolation dite de type éléments finis ont été
introduites. Le principe est d’utiliser des fonctions à variation simple (linéaire ou quadratique)
définies par morceaux, à support compact et à valeur non nulle autour de certains points
particuliers seulement. Ces points sont appelés points d’interpolation. La figure 3 présente
une base de fonctions linéaires avec 7 points équi-répartis.
Par exemple, pour une base de N + 1 fonctions linéaires, on défini les points d’interpola-
tion Pi (i = 0, . . . N ) de positions xi et la i-ème fonction φi (x) est définie par :
φi (xi ) = 1
φi (xj ) = 0 (2.15)
φi (x) linéaire
2.50
2.00
uex
1.50
4 φ4
q
1.00 uapp
3 φ3
q
q 0 φ0
q1 φ1
2 φ2
q
0.50
0.00 x
Il est bien évident qu’entre deux points, l’interpolation n’est pas de bonne qualité mais
la simplicité des fonctions utilisées permet d’augmenter facilement de nombre de points.
Le deuxième intérêt de ce type d’approximation est la possibilité de répartir les points d’in-
terpolation dans le domaine d’étude pour approcher au mieux une fonction présentant des
disparités de variation. Par exemple, la figure 5 présente une approximation de type élé-
ments finis d’une fonction présentant une forte pente à gauche et plus lente à droite. Les
points d’interpolation sont répartis au mieux afin de bien représenter la fonction.
UVSQ 8 L. Champaney
2 Approximation de solutions
10.00
8.00
q 0 φ0
6.00
uapp
4.00
q1 φ1
2.00
2 φ2
q uex
3 φ3 5 φ5
q q
4 φ4
q
0.00
x
0.00 0.50 1.00 1.50 2.00
φ6
φ4
2
1
6
4
5
3
8 7
La définition de ces fonctions de base ne peut se faire par la seule donnée des points
d’interpolation. Il faut aussi définir une triangulation du domaine entre les points. Cette cou-
verture du domaine par des triangles est appelée maillage du domaine. Par extension, on
appelle maillage du domaine 1D l’ensemble des segments situés entre les points d’interpo-
lation.
La figure 7 présente trois approximations de type Éléments Finis d’une même fonction à
l’aide de maillages plus ou moins raffinés.
La figure 8 présente une approximation de la même fonction à l’aide d’un maillage adapté
en tenant compte des variations de la fonction.
UVSQ 9 L. Champaney
2 Approximation de solutions
Pour un élément Dans le repère local (fig. 9) les fonctions de base d’un élément linéaire
sont :
ξ ξ
φi (ξ) = 1 − ; φj (ξ) =
l l
ϕ ϕj
i
ξ
0 l
UVSQ 10 L. Champaney
2 Approximation de solutions
Z l Z l l
ξ l ξ l
φ2i (ξ)dξ = (1 − )2 dξ = − (1 − )3 =
0 0 l 3 l 0 3
l l
l ξ 3 l
Z Z
ξ 2 l
φ2j (ξ)dξ = ( ) dξ = ( ) =
0 0 l 3 l 0 3
l l
l ξ 2 l ξ 3 l
Z Z
ξ ξ 2 l l l
φi (ξ)φj (ξ)dξ = − ( ) dξ = ( ) − ( ) = − =
0 0 l l 2 l 3 l 0 2 3 6
Ils ne dépendent que de la longueur l de l’élément. Ces calculs ne sont donc à faire
qu’une seule fois. Les résultats peuvent être utilisés pour tout élément du même type quelque
soit sa taille.
Pour plusieurs éléments Pour un domaine [0, L] découpé en trois éléments de même
taille (l = L/3).
ϕ ϕ2 ϕ3 ϕ4
1
1 e1 2 e2 3 e3 4 x
0 L
La matrice de rigidité est obtenue par addition des différents termes calculés sur chacun
des éléments. Cette procédure est appélée assemblage de la matrice globale à partir des
matrice élémentaires. Ici, comme tous les éléments ont la même longeur l = L/3, on utilise
les résultats du paragraphe précédent pour calculer chaque matrice élémentaire :
Z l Z l
2
φi (ξ)dξ φi (ξ)φj (ξ)dξ
L 2 1
0
[Ke ] = Z l 0
= 18 1 2
Z l
2
φi (ξ)φj (ξ)dξ φi (ξ)dξ
0 0
La matrice globale est obtenue par assemblage des trois matrices élémentaire :
2 1 0 0
L 1 4 1 0
[K] =
18 0 1 4 1
0 0 1 2
UVSQ 11 L. Champaney
2 Approximation de solutions
Z L
L L
φ21 (x)dx = +0 +0 =
Z0 L 9 9
L L 2L
φ22 (x)dx = + +0 =
Z0 L 9 9 9
L L 2L
φ23 (x)dx =0 + + =
Z0 L 9 9 9
L L
φ24 (x)dx =0 +0 + =
0 9 9
Z L
L L
φ1 (x)φ2 (x)dx = +0 +0 =
Z0 L 18 18
φ1 (x)φ3 (x)dx = 0 +0 +0 =0
Z0 L
φ1 (x)φ4 (x)dx = 0 +0 +0 =0
Z0 L
L L
φ2 (x)φ3 (x)dx = 0 + +0 =
Z0 L 18 18
φ2 (x)φ4 (x)dx = 0 +0 +0 =0
Z0 L
L L
φ3 (x)φ4 (x)dx = 0 +0 + =
0 18 18
Si on considère l’approximation d’un fonction u(x) sur un domaine [0, L] à l’aide d’un
maillage composé de trois éléments, l’approximation est :
4
X
uapp = qi φi (x)
i=1
ϕ ϕ2 u(x) ϕ3 ϕ4
1
1 e1 2 e2 3 e3 4 x
0 L
UVSQ 12 L. Champaney
2 Approximation de solutions
il faut l’expression des fonctions de base φi (x) dans le repère globale du maillage.
ϕ ϕj
i
x
xi xj
Dans le repère global, les fonctions de forme sur l’élément situé entre les noeuds i et j
d’abscisses respectives xi et xj sont :
1 1
φi (x) = (xj − x) ; φj (x) = (x − xi )
l l
donc le calcul du second membre se fait aussi par assemblage des termes provenant
des différents éléments :
Z L Z Z Z
dx = dx + dx + dx
0 e1 e2 e3
Z L Z L/3
3 L
φ1 (x) u(x)dx = ( − x) u(x) +0 +0
0 0 L 3
Z L Z L/3 Z 2L/3
3 3 2L
φ2 (x) u(x)dx = (x) u(x) + ( − x) u(x) +0
0 0 L L/3 L 3
Z L Z 2L/3 Z L
3 L 3
φ3 (x) u(x)dx = 0 + (x − ) u(x) + (L − x) u(x)
0 L/3 L 3 2L/3 L
Z L Z L
3 2L
φ3 (x) u(x)dx = 0 +0 + (x − ) u(x)
0 2L/3 L 3
2.5.3 Exemples
UVSQ 13 L. Champaney
2 Approximation de solutions
L’obtention de la matrice elle ne nécessite pas de calcul, mais la simple utilisation directe
des résultats des paragraphe précédents. Donc le système à résoudre est :
1 1 1 1
q1 = − 6
q
3 6 1 12
= ⇒
1 1 q2 1 q =5
2
6 3 4 6
L’approximation est donc :
1 5 1
u1 (x) = − (1 − x) + x = x −
6 6 6
Dans certaine situations, on peut préférer utiliser une approximation qui satisfasse à cer-
taines conditions aux limites. Par exemple, ici, faire une approximation qui vérifie la condition
u(0) = 0, revient à ne pas prendre en compte la fonction φ1 dans la base d’approximation,
c’est à dire à résoudre :
1 1 3
q2 = ⇒ q2 =
3 4 4
Cette équation peut aussi être obtenue à partir du système linéaire (2 × 2) précédent
dans lequel ont aurait forcé q1 à être nul en supprimant la première ligne pour signifier que
q1 n’est pas une inconnue et en supprimant la première colonne pour signifier que q1 est nul.
L’approximation est alors :
3
u2 (x) = x
4
La figure 13 présente le tracé des deux approximations u1 et u2 obtenue. u1 (x) est l’ap-
proximation stricte au sens des moindres carrés. u2 (x) est une approximation au sens des
moindres carrés mais dans un espace d’approximation plus restreint tel que u2 (0) = 0.
1
u(x)
0,8 u1
u2
0,6
0,4
0,2
-0,2
0 0,2 0,4 0,6 0,8 1
UVSQ 14 L. Champaney
2 Approximation de solutions
Z L Z 1/2
1 1
φ1 (x) u(x)dx = 2( − x)x2 dx +0 =
0 0 2 96
Z L Z 1/2 Z 1
14
φ2 (x) u(x)dx = 2xx2 dx + 2(1 − x)x2 dx =
0 0 1/2 96
Z L Z 1
1 17
φ3 (x) u(x)dx = 0 + 2(x − )x2 dx =
0 1/2 2 96
UVSQ 15 L. Champaney
3 Méthode des Résidus Pondérés
u(x)
0,8 u1
u2
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Intuitivement, on peut remarquer que l’équation d’équilibre (1.1) est équivalente à dire
que :
Z
R(x).P (x)dΩ = 0 (3.2)
Ω
est vrai quelque soit la fonction P (x). Il s’agit d’une projection de l’équation d’équilibre sur les
fonctions de projection P . On appelle maintenant résidu des équations de bord la quantité :
Intuitivement, on peut remarquer que l’équation de conditions aux limites (1.2) est équiva-
lente à dire que :
Z
R(x).P (x)dΓ = 0 (3.4)
Γ
UVSQ 16 L. Champaney
3 Méthode des Résidus Pondérés
Les espaces Ω et Γ étant disjoints, la proposition précédente reste vraie si les fonctions
P (x) et P (x) ne sont pas indépendantes. Dans la pratique, on fera le choix le plus simple
qui consiste à dire que :
Lorsqu’on recherche la solution sous forme approchée telle que présentée au para-
graphe (2), la méthode des résidus pondérés consiste à calculer les N + 1 composantes
qi de la solution approchée par projection sur N + 1 couples de fonctions de projection
(Pi (x), P i (x)) :
Z Z
R(x).Pi (x)dΩ + R(x).P i (x)dΓ = 0 (i = 0, . . . , N ). (3.7)
Ω Γ
Les fonctions (Pi (x), P i (x)) sont appelées fonctions de pondération d’où le nom de la mé-
thode.
Dans le cas usuel où les fonctions de pondération sont les mêmes sur le contour et dans
le domaine (équation 3.6), lorsqu’on développe les résidus et qu’on introduit l’approximation
de la solution telle qu’elle est définie au paragraphe 2, on obtient le système suivant :
Z Z
[L(qi φi (x))−g].Pj (x)dΩ+ [B(qi φi (x))−h].Pj (x)dΓ = 0, (j = 0, . . . , N ). (3.8)
Ω Γ
Dans le cas où les opérateurs L et B sont linéaires, la résolution du système (3.8) conduit
à la résolution du système algébrique :
Kq = f (3.9)
où
Z Z
Kij = Pi .L(φj )dΩ + Pi .B(φj )dΓ (3.10)
Ω Γ
et
Z Z
fi = Pi .gdΩ + Pi .hdΓ (3.11)
Ω Γ
Les choix possibles pour les fonctions de projection Pi (x) sont nombreux. Certains choix
particuliers correspondent à des méthodes connues dont voici certaines :
– La méthode des moments qui consiste à choisir les fonctions de projection Pi (x)
telles que :
Z
Pi (x).Pj (x)dΩ = δij (3.12)
Ω
UVSQ 17 L. Champaney
3 Méthode des Résidus Pondérés
– La méthode de collocation par sous domaines qui consiste à choisir des fonctions
de projection Pi constantes sur un sous domaine de Ω et nulles partout ailleurs.
– La méthode de collocation par points qui consiste à choisir des fonctions de projec-
tion Pi non nulles en un seul point du domaine Ω.
– La méthode des fonctions spline qui est obtenue en écrivant la formulation normale
morceau par morceau et en imposant des conditions de raccordement de la fonction
cherchée et de certaines de ces dérivées.
– La méthode de Galerkin qui est la plus utilisée et qui est développée dans le para-
graphe suivant.
Ces méthodes sont détaillées dans l’ouvrage de A. Le Pourhiet [3]
Kq = f (3.16)
où
Z Z
Kij = φi .L(φj )dΩ + φi .B(φj )dΓ (3.17)
Ω Γ
et
Z Z
fi = φi .gdΩ + φi .hdΓ (3.18)
Ω Γ
UVSQ 18 L. Champaney
3 Méthode des Résidus Pondérés
T0 c h
k
x
0 L
3.4 Exemple
3.4.1 Équation de la chaleur
∂ 2 T (x)
k = −c, x ∈ [0, L] (3.19)
∂x2
où T est la température recherchée (la température de référence est considérée nulle ici),
k est le coefficient de conductivité thermique et c est l’apport volumique de chaleur. Les
conditions aux limites considérées sont
c 2 h cL
Tex (x) = − x +( + )x x ∈ [0, L] (3.22)
2k k k
φ0 (x) = 1 ; φ1 (x) = x
T1 (x) = q0 + q1 x (3.23)
UVSQ 19 L. Champaney
3 Méthode des Résidus Pondérés
L’équation (3.19) ne pouvant pas être satisfaite, il est clair que la solution approchée qui
sera trouvée sera de très mauvaise qualité.
Le système à résoudre (équation (3.15)) est alors :
Z L 2
∂ T1 c ∂T1 h
[ 2 + ]φj (x)dx + (T1 (0) − 0)φj (0) + ( |L − )φj (L) = 0, j = 0, 1
0 ∂x k ∂x k
soit
Z L
c h
φ (x)dx + (q0 − 0)φj (0) + (q1 − )φj (L) = 0, j = 0, 1
0 k j k
qui correspond au système de deux équations à deux inconnues :
Z L
c h
cL h
dx + q0 + (q1 − ) = 0
+ q0 + (q1 − ) = 0
Z0 L k k ⇒ k2 k
c h cL h
xdx + 0 + (q1 − )L = 0 + (q1 − )L = 0
2k k
0 k k
dont la solution est :
q0 = − cL
cL h cL
2k
h cL ⇒ T1 (x) = −
2k
+( −
k 2k
)x
q1 = −
k 2k
dont on voit clairement qu’elle ne satisfait aucune des équations du problème sauf bien sur
dans le cas où c = 0 où la solution est linéaire.
T2 (x) = q0 + q1 x + q2 x2 (3.24)
La solution exacte (équation (3.22)) étant quadratique, la méthode de Galerkin doit conduire
à cette solution. Le système à résoudre (équation (3.15)) est alors :
Z L
c h
(2q2 + )φj (x)dx + (q0 − 0)φj (0) + (2q2 L + q1 − )φj (L) = 0, j = 0, 1, 2
0 k k
soit
c h
(2q2 + ) +q0 +(2q2 L + q1 − )=0
k 2 k
c L h
(2q2 + ) +(2q2 L + q1 − )L = 0
k 23 k
c L h 2
(2q +
2 ) +(2q2 L + q1 − )L = 0
k 3 k
UVSQ 20 L. Champaney
3 Méthode des Résidus Pondérés
UVSQ 21 L. Champaney
4 Formulation Faible
4 Formulation Faible
4.1 Formulation forte/faible
La formulation intégrale normale (équation 3.5) définie dans la partie précédente est
aussi appelée formulation forte de problème par opposition à la formulation faible définie
dans cette partie.
Le terme fort/faible provient des contraintes de régularité à imposer sur les fonctions de
base φi (x) employées. Dans l’équation différentielle du problème (équation 1.1), on note nk
l’ordre de dérivation le plus haut de l’opérateur L par rapport à la k-ème composante du
vecteur de variables x. Quand on cherche une solution approchée sous la forme (2.1), il est
bien évident que les fonctions de base φi (x) employées dans l’approximation doivent être nk
fois dérivables par rapport à la variable xk en tout point du domaine d’étude. Les fonctions
utilisées doivent donc être au moins de classe de continuité nk − 1.
Par exemple, les fonctions d’approximation de type éléments finis linéaire présentées au
paragraphe 2.4 sont de classe de continuité zéro seulement. Malgré leur coté pratique, leur
emploi est donc restreint dans une approximation basée sur la formulation forte du problème.
L’idée de la formulation faible part de la constatation suivante : une intégration par partie
de la formulation intégrale normale (3.5) abaisse d’une unité le degré de dérivation de la
fonction u recherchée. Cela permet d’utiliser des fonctions de base de classe nk − 2 dans
l’approximation de la fonction. Les conditions de continuité imposées sur les fonctions de
base sont donc affaiblies.
En intégrant par partie la formulation intégrale normale, on abaisse l’ordre de dériva-
tion des fonctions de base φi (x) mais en revanche on introduit une dérivation des fonctions
de projection P (x). Les méthodes de collocations qui utilisent des fonctions de projection
constantes par morceau ne pourront donc pas être appliquées à la formulation faible du
problème.
qui est bien sûr la formule de Green laquelle est la généralisation à un espace à plusieurs
dimensions de la formule d’intégration par partie :
Z b Z b
∂v ∂u
u dx = − vdx + [uv]ba (4.2)
a ∂x a ∂x
Cette obtention de la formulation faible par intégration par partie est illustrée ci-dessous
sur un exemple unidimensionnel.
UVSQ 22 L. Champaney
4 Formulation Faible
4.3 Exemple
On reprend l’exemple de conductivité thermique du paragraphe 3.4.
Z L 2
∂ T c ∂T h
[ 2 + ]P (x)dx + (T (0) − 0)P (0) + ( |L − )P (L) = 0.
0 ∂x k ∂x k
En intégrant par partie le premier terme, on obtient :
∂T L
Z L Z L
∂T ∂P c ∂T h
− dx + P (x)dx + P + T (0)P (0) + ( |L − )P (L) = 0
0 ∂x ∂x 0 k ∂x 0 ∂x k
L’équation précédente se simplifie fortement en choisissant :
P (L) = −P (L)
et aussi
P (0) = P (0) = 0
ce qui revient à ajouter une contrainte sur les fonctions de projection choisies. On obtient
alors la formulation faible du problème de conduction :
Z L Z L
∂T ∂P c h
dx − P (x)dx − P (L) = 0, ∀P (x)/P (0) = 0 (4.3)
0 ∂x ∂x 0 k k
On applique la méthode de Galerkin en prenant une approximation quadratique de la
solution. La condition P (0) = 0 impose de choisir les fonctions de forme de telle sorte que
φi (0) = 0. Les seules fonctions à prendre pour l’approximation quadratique sont donc :
φ1 (x) = x ; φ2 (x) = x2
T2 (x) = q1 x + q2 x2
UVSQ 23 L. Champaney
4 Formulation Faible
q1 = h + cL
c 2 h cL
k k ⇒ T2 (x) = − x +( + )x
q2 = − c 2k k k
2k
qui est la solution exacte du problème.
UVSQ 24 L. Champaney
5 Minimisation de Fonctionnelle
5 Minimisation de Fonctionnelle
Jusqu’ici les résolutions approchées envisagées étaient basées sur le système d’équa-
tions différentielles obtenue par écriture des équations de conservation tel que présenté
dans l’introduction.
Or, il arrive parfois que des problèmes physiques soient formulés sous forme de station-
narité d’une intégrale d’énergie. Par exemple, l’équilibre de nombreux systèmes mécaniques
correspond à la minimisation de leur énergie potentielle totale. Dans cette partie on s’inté-
resse aux méthodes d’approximation de solution pour des problèmes formulés en terme de
minimisation d’une fonctionnelle.
5.1 Principe
De manière générale, la fonctionnelle à minimiser est écrite sous la forme :
∂ku ∂ku
Z Z
J(u) = F x, u, . . . , k dΩ + F x, u, . . . , k dΓ (5.1)
Ω ∂x Γ ∂x
UVSQ 25 L. Champaney
5 Minimisation de Fonctionnelle
Comme pour la méthode des résidus pondérés, on utilise une base d’approximation :
N
X
u(x) = qi φi (x)
i=0
∂J
∂q0
∂J ..
= = Kq − f (5.5)
∂q .
∂J
∂qN
où K et f ne dépendent pas de q.
En mécanique, quand la fonctionnelle correspond à une énergie, elle peut s’écrire sous
la forme :
1
J(q) = q t Kq − q t f (5.6)
2
5.3 Exemple
5.3.1 Problème et solution exacte
Dans cet exemple, on considère un problème d’élasticité en mécanique. Une barre élas-
tique de section S et de hauteur h est suspendue et soumise uniquement à son propre poids
(figure 16). Elle est constituée d’un matériau de module d’Young E et de masse volumique ρ.
E,S,ρ
h
x
UVSQ 26 L. Champaney
5 Minimisation de Fonctionnelle
dN
+ ρgh = 0, ∀x ∈ [0, h] (5.7)
dx
et les conditions aux limites traduisent un déplacement nul à l’encastrement et un effort nul
appliqué à l’extrémité inférieure :
u(0) = 0 ; N (h) = 0
d du du
(ES ) + ρgS = 0, u(0) = 0, ES |h = 0 (5.8)
dx dx dx
qui se résume ici à :
d2 u ρg du
2
=− , u(0) = 0, |h = 0 (5.9)
dx E dx
La solution exacte de ce problème est triviale :
ρg x2
uex = (hx − ) (5.10)
E 2
1 h 1 h
Z Z
du(x) 2
Ed (u) = σdx = ES( ) dx
2 0 2 0 dx
et le travail des forces extérieures appliquées est, dans le cas de l’exemple étudié, :
Z h
T (u) = ρgSu(x)dx
0
Le problème précédent est donc : trouver u(x), tel que u(0) = 0 minimisant la fonction-
nelle :
1 h
Z Z h
dv(x) 2
v(x)/v(0) = 0 −→ Ep (v) = ES( ) dx − ρgSv(x)dx
2 0 dx 0
UVSQ 27 L. Champaney
5 Minimisation de Fonctionnelle
On applique la méthode de Ritz pour chercher une solution approchée sous forme d’un
polynôme linéaire. C’est-à-dire qu’on cherche u sous la forme :
1 h
Z h
h2
Z
2
Ep (u1 ) = ESq1 − ρgSq1 xdx = EShq12 − ρgS q1
2 0 0 2
Le minimum de la fonctionnelle dans l’espace de recherche est donné par :
∂Ep h2
= EShq1 − ρgS =0
∂q1 2
soit
ρgh ρgh
q1 = ⇒ u1 (x) = x
2E 2E
On applique cette fois la méthode de Ritz pour chercher une solution approchée sous
forme d’un polynôme quadratique. C’est-à-dire qu’on cherche u sous la forme approchée :
soit
Z h Z h
K11 = ES.1.dx = ESh K12 = ES.1.2xdx = ESh2
0 0
Z h
4
K21 = K12 K22 = ES.2x.2xdx = ESh3
0 3
et
h h
h2 h3
Z Z
f1 = ρgSx.dx = ρgS f2 = ρgSx2 dx = ρgS
0 2 0 3
UVSQ 28 L. Champaney
5 Minimisation de Fonctionnelle
h2
h h2
q1
ES = ρgS 23
h2 34 h3 q2 h
3
dont la solution est :
q1 = ρgh
ρg
E ⇒ u2 (x) = (−x2 + hx)
q2 = − ρg E
2E
qui est bien la solution exacte du problème. La figure 17 montre une comparaison entre les
solutions approchées linéaire et quadratique.
ρgh
2
2E
u2
u1
0.
h
0.
UVSQ 29 L. Champaney
5 Minimisation de Fonctionnelle
La plupart des opérateurs rencontrés dans les problèmes traités ici sont définis positifs
et auto-adjoints.
Si l’opérateur L est linéaire, défini positif et auto-adjoint, on peut montrer que la résolution
de l’équation aux dérivées partielles L(u) − g = 0 dans Ω est équivalente à la minimisation
de la fonctionnelle artificielle :
Z Z
1 t t
J(u) = u L(u) − u g + . . . dΓ (5.13)
Ω 2 Γ
où le dernier terme dépend des conditions aux limites associées (équation 1.2). L’équation
différentielle de départ (équation 1.1) est alors l’équation d’Euler correspondant à la fonc-
tionnelle J(u).
Kq = f (5.14)
où
Z Z
Kij = φti L(φj )dΩ + . . . dΓ (5.15)
Ω Γ
et
Z Z
fi = φti gdΩ + . . . dΓ (5.16)
Γ Γ
5.5 Conclusions
Pour une équation dont on ne connaît pas de fonctionnelle naturelle et qu’on souhaite
résoudre de manière approchée, deux méthodes sont possibles :
– la méthode de Galerkin appliquée à la formulation faible des résidus pondérés,
UVSQ 30 L. Champaney
5 Minimisation de Fonctionnelle
Lorsque l’une ou l’autre de ces deux méthodes est employées avec des fonctions de
base de type Éléments Finis, elle devient la méthode communément appelée Méthode des
Éléments Finis (MEF) qui fait l’objet de la dernière partie.
UVSQ 31 L. Champaney
6 Méthode des Éléments Finis
6.1 Intérêts
On a vu que la méthode de Galerkin appliquée à la formulation faible du problème ou la
méthode de Ritz appliquée à la minimisation d’une fonctionnelle conduisent à la résolution
d’un système linéaire de la forme :
Kq = f (6.1)
où les termes de la matrice K s’écrivent sous la forme :
Z
Kij = φi L(φj )dΩ
Ω
par exemple.
où M est le nombre d’éléments du maillage et ΩEi le domaine couvert par le i-ème élément.
La relation précédente n’est pas toujours une égalité car, dans le cas de domaines de forme
complexe, la couverture du domaine par les éléments n’est pas forcément exacte comme le
montre la figure 18.
Dans la pratique, les intégrales sont calculées numériquement, mais de manière exacte,
en utilisant des techniques d’intégration numérique telles que la Méthode de Gauss [1, 3],
par exemple.
Ensuite, les termes Kij ou fi sont associés à des fonctions de base φi ou φj . Les fonc-
tions étant toutes différentes (par nature), les calculs à effectuer sont tous différents. Cette
différence de traitement des termes n’est pas très pratique pour un traitement numérique du
problème.
Dans le cas de la MEF, les fonctions sont aussi toutes différentes, bien qu’elles aient des
formes (chapeau) identiques, les fonctions associées à des points d’interpolation du bord
sont différentes des fonctions associées à des points intérieurs. Par contre, on remarque
que lorsqu’on considère la trace des fonctions sur les éléments, toutes les représentations
élémentaires ont la même forme. Cela est illustré en dimension un sur la figure 19 et en
dimension deux sur la figure 20.
UVSQ 32 L. Champaney
6 Méthode des Éléments Finis
φ1 φ2 φ3 φ4 φ5
x
P1 P2 P3 P4 P5
φ1 φ2 φ2 φ3 φ3 φ4 φ4 φ5
P1 P2 P2 P3 P3 P4 P4 P5
F IG . 19 – Découpage en éléments 1D
φ2 φ3
φ4
P2
φ1 P3
P4
P5
P1
φ3
φ2 φ2
φ4 φ4
P2 P3
φ1 P2
P4
P4
P1
F IG . 20 – Découpage en éléments 2D
UVSQ 33 L. Champaney
6 Méthode des Éléments Finis
UVSQ 34 L. Champaney
6 Méthode des Éléments Finis
6.3 Exemple 1D
On s’intéresse à un problème de Résistance des Matériaux où n’intervient que la traction.
C’est un problème de barre élastique. La MEF est ici définie à partir du principe de minimum
de l’énergie potentielle et de la méthode de Ritz.
A. Géométrie de l’élément
Compte tenue de la géométrie unidimensionnelle du problème, on considère un élé-
ment finis de type segment. On considère une section S et un module d’Young E
i j x
−L/2 L/2
constants.
B. Choix des fonctions de base
On choisit ici des fonctions de base linéaires par morceau telles que celles présentées
au paragraphe 2.4. Sur l’élément, elles ont la représentation graphique donnée en
figure 22.
1
φi φj
i j x
−L/2 L/2
UVSQ 35 L. Champaney
6 Méthode des Éléments Finis
la déformation :
du(x) qi − qj
(x) = =
dx L
−1 1 qi
(x) = L L
qj
et enfin la contrainte :
qi − qj
N (x) = ES(x) = ES( )
L
−ES ES
qi
N (x) = L L qj
D. Matrice de raideur élémentaire
Énergie de déformation élémentaire :
Z L
1 2
Ed = ES2 (x)dx
2 −L
2
1 qj − qi 2 ES
Ed = ES( ) L = f rac12 (qj − qi )2
2 L L
qu’on souhaite écrire sous la forme
1 qi
Ed = qi qj [Ke ]
2 qj
soit
ES −ES
L L
ES 1 −1
[Ke ] = −ES ES =
L L L −1 1
Z L
1 2
Ed = ES(x)(x)dx
2 −L
2
L
−1
Z
1 2 −1 1
qi
Ed = qi qj ES L dx
1 L L
2 −L
L qj
2
Soit :
L
1 −1
Z
2
L2 L2
ES 1 −1
[Ke ] = ES −1 1 =
−L
L2 L2 L −1 1
2
UVSQ 36 L. Champaney
6 Méthode des Éléments Finis
Z L
2
L = Fi q i + Fj q j + f (x)u(x)dx
−L
2
fL
qi + qj
2
= f( )L = qi qj
2 f L2
soit :
fL 1
[Fe ] =
2 1
N (x) = −f (l − x) − F,
la déformation
f F
(x) = (l − x) − ,
ES ES
UVSQ 37 L. Champaney
6 Méthode des Éléments Finis
g
f
F x
et le déplacement
f x2 F
u(x) = (lx − ) − x.
ES 2 ES
I. Maillage
On utilise le maillage présenté sur la figure 24. Il est composé de trois éléments de
longueurs identiques et donc de quatre nœuds.
1 2 3
1 2 3 4
F IG . 24 – Maillage de la barre
UVSQ 38 L. Champaney
6 Méthode des Éléments Finis
Ce qui donne :
1 −1 0 0
[K] = −1
3ES 2 −1 0
l 0 −1 2 −1
0 0 −1 1
Ce qui donne :
Fl
6
Fl
[F ] = 3
Fl
3
Fl
6 −F
UVSQ 39 L. Champaney
6 Méthode des Éléments Finis
1 2 3 4
Il est intéressant de remarquer que le champ N (x) n’est pas statiquement admissible.
UVSQ 40 L. Champaney
6 Méthode des Éléments Finis
4
1 2 3
Fl
1 −1 0 0 q1 6 +R
3ES −1 Fl
2 −1 0 q2
= 3
Fl
l 0 −1 2 −1 q3
3
0 0 −1 1 q4 Fl
6 −F
Qui donne
R = F − fl
UVSQ 41 L. Champaney
7 Conclusions
7 Conclusions
UVSQ 42 L. Champaney
Références
Références
[1] Curnier A. : Méthodes Numériques en Mécanique des Solides, Presses Polytechniques et Uni-
versitaires Romanes, Lausanne, ISBN 2-88074-247-1, 1993. 32
[2] Euvrard D. : Résolution numérique des équations aux dérivées partielles de la physique, de la
mécanique et des sciences de l’ingénieur, Masson, Paris, ISBN 2-225-84509-3, 1994.
[3] Le Pourhiet A. : Résolution numérique des équations aux dérivées partielles : une première
approche, Cepadues Editions, Toulouse, ISBN 2-85428-174-6, 1988. 18, 32
[4] Nicaise S. : Analyse numérique et équations aux dérivées partielles, Dunod, Paris, ISBN 2-10-
004941-0, 2000.
[5] Raviart P.A. et Thomas J.M. : Introduction à l’analyse numérique des équations aux dérivées
partielles, Dunod, Paris, ISBN 2-10-003965-2, 1998.
UVSQ 43 L. Champaney