Vous êtes sur la page 1sur 106

UNIVERSITE ABDELMALEK ESSAADI

FACULTE DES SCIENCES ET TECHNIQUES


TANGER

MASTERS
MECANIQUE NUMERIQUE & GENIE CIVIL

INTRODUCTION A LA METHODE
DES ELEMENTS FINIS

2006/2007 Pr. M. MABSSOUT

1
SOMMAIRE

Chapitre 1 :
Les éléments et leurs fonctions de forme

Chapitre 2 :
Eléments finis pour des problèmes elliptiques

Chapitre 3 :
Méthodes numériques pour des problèmes
paraboliques

Chapitre 4 :
Méthodes numériques pour des problèmes
hyperboliques

2
INTRODUCTION

La modélisation mathématique et la simulation numérique ont pris une


importance considérable ces dernières décennies dans tous les domaines de la
science et des applications industrielles ou sciences de l’ingénieur
( mécanique, génie civil, aéronautiques, physique, production d’énergie, finance,
environnements, télécommunications, médecine etc).

La modélisation est l’art de représenter une réalité physique en des modèles


abstraits accessibles à l’analyse et au calcul.

La simulation numérique est le processus qui permet de calculer et d’analyser


sur ordinateur les solutions de ces modèles et donc de simuler la réalité
physique. Depuis leur apparition au lendemain de la seconde guerre mondiale,
les ordinateurs ont profondément transformé les mathématiques en en faisant
une science expérimentale : on fait des « expériences numériques » comme
d’autres font des expériences physiques. La simulation numérique permet aux
chercheurs de s’attaquer à des problèmes beaucoup plus complexes issus de
motivations industrielles ou scientifiques.

La modélisation mathématique des problèmes physiques (mécanique des


milieux continus, transfert de chaleur, etc.) se présente souvent sous forme des
équations aux dérivées partielles (EDP) (équations différentielles à plusieurs
variables t ; x)

Des conditions aux limites et des conditions initiales sont nécessaires pour
compléter le modèle mathématique.

La résolution de ces EDP peut parfois être obtenue analytiquement, toutefois


dans la plupart des cas, cela n’est pas possible.
⇒ Simulation numérique : calculer une solution approchée au moyen des
méthodes numériques.

Parmi ces méthodes numériques, on peut citer :

(i) méthode des différences finies (MDF)


(ii) méthode des éléments finis (MEF)
(iii) méthode des volumes finis
(iv) méthode des éléments frontières

3
La méthode des éléments finis (MEF) est la méthode numérique de référence
pour la résolution des EDP.
Elle consiste à chercher une solution approchée de la solution exacte d’un
champ défini sur un domaines Ω . Elle est un des outils les plus efficaces et les
plus généraux de la simulation numérique.

La résolution des EDP par la MEF se fait en plusieurs étapes :

1. Discrétisation (maillage) du domaine Ω en sous domaines Ωi appelés


éléments. Les sommets des éléments sont appelés nœuds.
2. Formulation variationnelle du problème : on construit une formulation
intégrale des EDP.
3. Choix des fonctions de base (fonctions de forme) pour représenter la
variation du champ sur chaque élément. Ici, les fonctions d’interpolations
sont des polynômes. Ce choix est motivé par le fait que ces fonctions sont
faciles à manipuler (dériver , intégrer…).
4. Discrétisation du problème continu. Les inconnues sont les valeurs du
champ sur chaque nœud.
5. Assemblage: Pour obtenir la solution globale, on fait l’assemblage des
contributions de tous les éléments.
6. Imposer les CL au système d’équations déterminées en 5.
7. Résolution du système d’équations obtenues.
8. Faire des calculs supplémentaires si nécessaire.

4
CHAPITRE 1
LES ELEMENTS ET LEURS FONCTIONS DE FORME

1. INTRODUCTION

Soit un élément Ω e de forme géométrique quelconque appartenant à un


domaine discrétisé Ω . L’élément Ω e est caractérisé par :

- Nœuds : on distingue les nœuds extérieurs qui joignent


l’élément Ωe aux éléments adjacents et les nœuds intérieurs de
l’élément.
- Degré de liberté de l’élément (ddl) = nombre d’inconnues par
nœud x nombre de nœuds par élément.
- Fonctions de forme (fonctions d’interpolations):
Généralement sont des polynômes (peuvent être aussi des
fonctions trigonométriques). S’il y a plusieurs variables par
nœud, on doit chercher les fonctions de forme pour chaque
variable.

Les fonctions de forme ne peuvent pas être choisies au hasard; elles


doivent vérifiées certaines conditions pour assurer la convergence
vers la solution exacte quand la taille de la maille diminue. Supposons
qu’on veut évaluer une intégrale qui fait intervenir les dérivées d’ordre
m des fonctions de forme. Pour assurer la convergence quand la taille
des éléments tend vers 0, il faut que:

5
C1: Sur l’interface Γe de Ω e , les fonctions de forme soient de classe

C
m−1
⇒ On dit que l’ élément est conforme ou compatible.

e2
e1

e2
e2

Situations interdites dans un maillage triangulaire

 φ (vide)


ei I e j =  1 sommet commun


1 arrête commune entière

C2: A l’intérieur de l’élément Ω e , les fonctions de forme soient de classe C


m

⇒ les fonctions de forme sont des polynômes complètes jusqu’à l’ordre m.

Dans le cas du problème de l’élasticité, la formulation variationnelle contient


des dérivées d’ordre m=1. Les fonctions de forme sont de type C o aux interfaces
des éléments. Donc le champ déplacement est de type C o sur l’interface de Γe .
Au niveau de l’élément, une base de l’espace des polynômes complètes d’ordre
1 est {1, x, y, z} . Sur un élément, cette base permet de représenter les états de
déformation nulles (ou mouvements de corps rigide) et les états de déformation
constantes.
Ici, on développera les fonctions de forme pour des problèmes de type C o .

6
2. RAPPEL SUR LES POLYNOMES

2a. Une variable indépendante

Un polynôme complet de degré n s’écrit sous la forme:

Tn1
Pn ( x) = ∑α k xi 0≤i ≤ n (1.1)
k =1

1
avec Tn = n +1

2 3
Exemple: Pour n=3, P3 ( x) =α1 +α 2 x +α 3 x +α 4 x

{ 1, x, x , x } est la base canonique de l’espace vectoriel P


2 3
3 des polynômes de
degré 3 . dim P3=4

2b. Deux variables indépendantes

En 2D, un polynôme complet de degré n s’écrit:

(2)
Tn
Pn (x, y)= ∑αk x y
i j
; i + j ≤n (1.2)
k=1

(2) ( n + 1 )( n + 2 )
avec Tn =
2

2 2
Exemple: n=2; P2 ( x, y ) =α1 +α 2 x +α 3 y +α 4 xy +α 5 x +α 6 y
{1, x, y, x , y ,xy} est la base canonique des polynômes à 2 variables de degré 2.
2 2

les termes de la base de ces polynômes peuvent être représentés à l’aide du


triangle de Pascal (Fig.1.1).

7
1 Constant (n=0)

x y Linéaire (n=1)

2 2
x xy y Quadratique (n=2)

3 2 2 3
x x y xy y Cubique (n=3)

Fig.1.1 Eléments de base de l’espace vectoriel Pk des polynômes complets à 2


variables

2c. Trois variables indépendantes

En 3D, un polynôme complet de degré n est donné par :

(3)
Tn
∑α l x
i j k
Pn ( x, y, z ) = y z ; i+ j +k ≤n (1.3)
l =1
( 2) (n +1)(n + 2)(n + 3)
avec Tn =
6

Rappel : Pk= espace des polynômes à coefficients réels de IRN dans IR de


( N + k )!
degré inférieur ou égal à k ; dim Pk = (N= 1 ; 2 ou 3)
k !N !

3. TYPES D’ELEMENTS

La 1ère étape de la méthode des éléments finis est la discrétisation du domaine


Ω en éléments. Les éléments couramment utilisés pour les problèmes à 1 , 2 ou 3
dimensions sont représentés sur les Fig.[1.2a-f]:

3a. Eléments à 1D

Élément à Élément à Élément à


2 nœuds 3 nœuds 4 nœuds

Fig.1.2a Exemples d’éléments 1D

8
3b. Eléments à 2D

Contrairement au cas unidimensionnel, ici on a le choix de la forme géométrique


des éléments. Le plus souvent, on utilise des triangles ou des quadrilatères.

(i) Eléments triangulaires

Élément à Élément à
Élément à 10 nœuds
3 nœuds
6 nœuds
Fig.1.2b Exemples d’éléments 2D triangulaires

(ii) Eléments quadrilatéraux

Élément à Élément à Élément à


4 nœuds 9 nœuds 16 nœuds
Fig.1.2c Exemples d’éléments 2D quadrilatéraux

3c. Eléments à 3D

(i) Eléments tétraédriques

4 nœuds 10 nœuds

Fig.1.2d Exemples d’éléments 3D tétraédriques

9
(ii) Eléments hexaédriques

(a) (b)
Fig.1.2e Exemples d’éléments 3D hexaédriques

NB : L’élément hexaédrique (b) est un élément Serendip, ( l’élément de


Lagrange correspondant contient 27 nœuds ( 1 au milieu de chaque face + 1
centre).

(iii) Eléments prismatiques

6 nœuds 15 nœuds

Fig.1.2f Exemples d’éléments 3D prismatiques

4. ELEMENTS DE REFERENCE ET FONCTIONS DE FORME

Dans un maillage, les éléments ont des dimensions différentes et les fonctions de
forme dépendent de chaque élément.

Dans le but d’uniformiser et d’automatiser les calculs, on introduit un autre


système de coordonnées: coordonnées barycentriques.

Dans cette nouvelle configuration, toutes les fonctions de forme sont égales.
L’élément résultant s’appelle élément de référence.

10
4.1 Elément de référence à 1 dimension (N=1)

On considère un domaine Ω =[0, L] et on divise ce domaine en n segments,


(Fig.1.3).

e1 e2 en

1 2 3 n+1
Fig.1.3 Maillage 1D

On considère un élément réel ej=[xj,xj+1], l’élément de référence correspondant


est défini par un seul paramètre ξ ∈ [0 ,1 ] (Fig.1.4).

L=x j+1-xj
x ξ
xj ej xj+1 0 1
Élément réel Élément de référence

Fig.1.4 Transformation d’un élément réel à un élément de référence

Fonctions de forme 1D:

Tout d’abord, on défint l’espace discret, Vh, des fonctions globalement continues
et affines sur chaque maille :

 
Vh = φ h ∈C [0, L ] tel que φ h ∈P1 pour tout 0≤ j ≤ n
 [ ]
x j , x j +1 

On peut représenter les fonctions de Vh, affines par morceaux à l’aide des
fonctions de base N= (N1 N2) = (Nj-1 Nj) définies par :

x j−x x − x j −1
N j −1 = N j= (1.4)
x j − x j −1 x j − x j −1

Dans l’élément ej [xj-1, xj], le champ φe ∈Vh peut s’écrire sous la forme:

11
φ e ( x) = N j −1 ( x)φ j −1 + N j ( x)φ j = Nφˆ (1.5)

avec N= (N1 N2)= fonctions de base appartenant à IP1 (polynômes à coefficients


 φ1 
 
réels de degré 1) et φ   = valeurs nodales de φ
ˆ
φ 
 2
Les fonctions de forme 1D sont représentées sur la Fig.1.5:

ej

j-1 j

N1 N2

xj-1 xj xj-1 xj

Fig.1.5 Fonctions de forme locale de l’élément ej

Remarques:
! N1(xj-1)=1 ; N2(xj-1)=0 et N1(xj) =0 ; N2(xj) =1 ;

ou bien N j ( xi ) =δ ij

! φ e ( x j −1 ) = N1 ( x j −1 )φ j −1 + N 2 ( x j −1 )φ j =φ j −1

! φ e ( x j ) = N1 ( x j )φ j −1 + N 2 ( x j )φ j =φ j

o
! N i ( x) est de classe C

h
! L’approximation globale φ de φ dans le domaine Ω s’écrit sous la
forme:

n+1 n+1
φ h ( x) = ∑ N ig ( x)φ h ( xi ) = ∑ N ig ( x)φˆi ∀x∈[0, L ]
i =1 i =1

(1.6)

12
! IRappel : Les fonctions continues et de classe C1 par morceaux
appartiennent à H 1[0, L] .
 ∂v 2 
avec H 1 (Ω) = v∈L2 (Ω) tel que ∀i∈{1,2,..., N } ∈L (Ω) = espace de Sobolev
 ∂xi 
⇒ l’espace Vh est un sous espace de l’espace de Sobolev H 1[0, L] .

! ( N ig )1≤i≤ N forme une base de Vh et permet de définir toute fonction


φ h (x) ∈Vh par ses valeurs aux nœuds ⇒ on parle d’éléments finis de
Lagrange.

! On peut introduire d’autres espaces Vh pour lesquelles une fonction sera


caractérisée par ses valeurs aux nœuds et de sa dérivée aux nœuds ⇒ on
parle d’éléments finis de Hermite.
 
Vh = φ h ∈C 1 [0, L ] tel que φ h ∈P3 pour tout 0≤ j ≤ n
 [
x j , x j +1 ] 

n+1 n+1
et φ h ( x) = ∑ N i ( x)φ h ( xi ) + ∑ψ i ( x)(φ h )′( xi ) ∀x∈[0, L ]
i =1 i =1

g
La fonction de forme globale Ni est représentée sur la Fig.1.6:

1 2 3 4 5

N1

N2

N3

Fig.1.6 Fonctions de forme globales

13
Sur le domaine Ω , l’approximation de φ s’écrit:

φ h ≈ Nφˆ

avec
 φˆ1 
 
 ) 
 φ2 
N = ( N1 , N 2 , N 3 , ...N n+1 )  
; φˆ =  
 
 
 
) 
φn+1 

Si on introduit le paramètre ξ ∈ [0,1 ] tel que :

x − x j −1
ξ= (1.7)
x j − x j −1

Les fonctions de forme (1.4) deviennent alors :

N1 =1−ξ (1.8a)

N2 =ξ (1.8b)

(1.7) ⇒ x = x j −1 + ( x j − x j −1 )ξ = (1−ξ ) x j −1 +ξx j

⇒ x = N1 x j −1 + N 2 x j ⇒ l’élément ej est isoparamétrique.

Définition:
n
Soit x: ∆ → Ω tel que x(ξ ) = ∑ N i (ξ ) x i . Si la fonction φ s’écrit sous la forme :
e h

i =1

φ (ξ ) = ∑ N i (ξ )φˆi alors l’élément est dit isoparamétrique.


h

4.2 Elément de référence à deux dimensions

14
Ici, la transformation d’un élément réel défini dans le plan (x,y) à un élément de
référence, défini dans le plan barycentrique (ξ , η ) .

4.2.1 Elément triangulaires linéaires

Soit un domaine Ω ⊂ IR2, on discrétise Ω par des éléments triangulaires


linéaires (T3) qui sont les éléments les plus simples en 2D (Fig.1.7).

∂Ω
η
3 (0,1)
e

1 (0,0) 2 (1,0) ξ
h
∂Ω

Fig.1.7 Maille triangulaire

e
L’approximation φˆ( x, y ) dans l’élément Ω s’écrit:

n
∑ N iφˆi = Nφˆ
e
φˆ = N1φˆ1 + N 2φˆ2 + N 3φˆ3 = (1.9)
i =1

avec φˆi = valeurs nodales; Ni = fonction de forme

4.2.1a Expressions des fonctions de forme

On note par i,j et k les nœuds d’un élément triangulaire réel T3 (Fig.1.8).

15
k
y

x
Fig.1.8 Elément T3

 k −1  
Soit ∑ k =  x∈IR 2 tel que ξ ( x),η ( x)∈0, ,...,
1
,1 
  k k  

Pour k=1, Σ1= sommets du triangle T3.

⇒ Tout polynôme de IPk est déterminé de manière unique par ses valeurs aux
nœuds (xi,yj).

⇒ Ni (x j , y j )=δij 1≤i, j ≤nk

( N + k )!
card (Σ k ) = dim( Pk ) =
N !k!

(k + 2)(k +1)
Pour T3 ; =3⇒ k =1 (IP1)
2

⇒ les fonctions de forme sont des polynômes complets de premier degré:

e
N i ( x, y ) = ai + bi x + ci y

Les fonctions Ni doivent vérifier :

 N i ( xi , yi ) =1  ai + bi xi + ci yi =1 1 xi yi  ai  1
      
      
Ni (x j , y j ) =0 ⇒ ai + bi x j + ci y j = 0 ⇒ 1 xj y j   bi  = 0 (1.10a)
      
      
 N i ( xk , y k ) = 0 ai + bi xk + ci yk = 0 1 xk y k   ci  0

16
 x j y k − xk y j
 ai = 1 xi yi
 2∆e
 y j − yk
⇒  bi = avec 2∆e = 1 xj y j = 2 x aire de l'élément e (1.10b)
 2∆e
 xk − x j
 ci = 1 xk yk
 2∆e

Sur la Fig.1.9 est représentée la fonction de forme N1. Il s’agit d’un «plan sur
Ωe», les dérivées partielles par rapport à x et y sont constantes.

N1
1

2 3

Fig.1.9 Fonction de forme N1 pour un triangle linéaire

Sur la Fig.1.10 est représentée la fonction de forme globale (pyramide).


NA

Fig.1.10 Fonction de forme global pour un triangle linéaire

4.2.1b Interprétation géométrique des fonctions de forme

17
L’interprétation géométrique des fonctions de forme Ni est obtenue directement
à partir de la Fig.1.11. En effet, soit un point P(x,y) du triangle (123), la fonction
de forme Ni(x,y) est donnée par le rapport entre l’aire Si et l’aire du triangle
(123).
1 x y

1 1
Par exemple : S1 = P 2 ∧ P3 = 1 x2 y2
2 2

1 x3 y3

y
N3=1
3 S
Ni = i

∆=aire (123)

S2 P S1

N1=1 S3 N2=1

1 2
x

Fig.1.11 Fonctions de forme pour un triangle linéaire

4.2.1c Fonctions de forme en coordonnées barycentriques

Les expressions (1.10b) montrent que les fonctions de forme dépendent des
coordonnées cartésiennes x , y et donc dépendent de l’élément considéré du
maillage. Cependant dans le système de coordonnées barycentriques (ξ,η), le
triangle original Ωe est transformé en un élément standard 123 (élément de
référence) (Fig.1.12) ⇒ les fonctions de forme sont les mêmes pour tous
les éléments.
Puisque les fonctions de forme sont des polynômes de degré 1 alors la base
de l’espace vectoriel engendré par ces polynômes est {1,ξ ,η }. En utilisant la
propriété N j (ξ i ,ηi ) =δ ij , on déduit directement les expressions des fonctions
de forme pour un triangle linéaire.

18
η
Les fonctions de forme:
3 e
N1 =1−ξ −η
(0,1)
e
N 2 =ξ
e
N 3 =η

ξ
1 2
(0,0) (1,0)

Fig.1.12 Triangle linéaire normalisé et fonctions de forme dans le plan (ξ,η)

Remarque: La transformation entre l’élément quelconque Ωe et l’élément de


3
référence Ω̂ est donnée par : x(ξ ,η ) = ∑ N i (ξ ,η ) xi = Nx
i =1

4.2.2 Elément quadrilatère à 4 nœuds

e
Soit Ω un élément quadrilatère quelconque d’un maillage défini dans le plan
(x,y) et soit Ω̂ l’élément de référence carré défini dans le plan (ξ,η)
(Fig.1.13). Le carré parent est défini par les coordonnées de ses 4 sommets
qui sont (-1,-1) ; (1,-1), (1,1) et (-1,1).

η
y

4 3
3
4 (-1,1) (1,1)
Ω̂Ω̂
ξ
Ωe 0

1 2
(-1,-1) (1,-1)
1 2
x
Elément réel Elément de référence Q4

Fig.1.13 Transformation entre l’élément quadrilatère bilinéaire et l’élément de


référence carré

On définit l’ensemble Qk des polynômes à coefficients réels de IRN dans IR de


degré inférieur ou égal à k par rapport à chaque variable :

19
i i
p∈Qk ⇒ p ( x ) = ∑
1
α i1....i N x1 ...x N
N avec x = ( x1 ,..., x N )
0≤i1 ≤k ,...,0≤i N ≤k

NB : Le degré total de p peut être supérieur à k.

dimQk = (k +1) N = cardΣ k ;


avec Σk= est l’ensemble des nœuds de l’élément.

Ici : N=2 et k=1 (Q1)⇒ dº(p(x))=1 ⇒ les fonctions de forme sont des
polynômes de degré 1 en chacune des variables dont la base est {1,ξ ,η ,ξη } . En
utilisant les quatre sommets de l’élément carré de référence, on obtient les 4
fonctions de forme (fonctions bilinéaires):

1
N i = (1+ξiξ )(1+ηiη ) i=1,4 (1.11)
4

où ξi et ηi sont les coordonnées du nœud i.


Les fonctions de forme bilinéaires (1.11) sont aussi appelées des fonctions de
Lagrange d’ordre 1.

Remarque: N1(ξ,η) est le produit des équations des droites (23), (34) et par un
facteur C=1/4 tel que N1(1,1)=1. Même remarque pour les autres fonctions de
forme Ni(ξ,η).

Sur la Fig.1.14 est représentée la fonction de forme N3(ξ,η).


N3(ξ,η)

1
4
3

1 2
Fig.1.14 Fonction de forme bilinéaire

On peut construire la fonction de forme globale N ig obtenue par contribution des


éléments qui ont le nœud i en commun. La Fig.1.16 représente la fonction de
forme globale N ig sur le domaine Ω.

20
Fig.1.15 Fonction de forme globale

Remarque:
- l’approximation globale du champ φ est continue sur Ω
- les dérivées premières sont discontinues

4.3 Eléments de référence à 3 dimensions

4.3.a Tétraèdre à 4 nœuds

On introduit une transformation entre un élément tétraèdre en fonction des


coordonnées cartésiennes x, y et z et un élément de référence défini en fonction
des coordonnées barycentriques ξ , η et ζ (Fig.1.16).

21
ζ

4 (0,0,1)
4

1
η
3
1 2 (0,1,0)
2
(1,0,0)
ξ

Elément réel Elément de référence

Fig.1.16 Transformation du tétraèdre quelconque au tétraèdre de référence

D’après (1.3), on remarque que les fonctions de forme sont des polynômes de
degré 1. La base de l’espace vectoriel est {1,ξ ,η ,ζ }. En utilisant la relation
N j (ξ i ,ηi ,ζ i ) =δ ij , on déduit les expressions des fonctions de forme:

 N1 =1−ξ −η −ζ


 N 2 =ξ

 (1.12)
 N 3 =η



 N 4 =ζ

4.3.b Hexaèdre à 8 nœuds

L’élément hexaèdre à 8 nœuds est une généralisation de l’élément quadrilatère


bilinéaire. Sous une transformation trilinéaire, l’élément de référence (cube
unité) (Fig.1.17) défini dans l’espace ξ ,η ,ζ est l’image du domaine Ωe défini
dans l’espace x, y et z. La base de l’espace vectoriel engendré par les polynômes
de degré 1 est : {1,ξ ,η ,ζ ,ξη ,ηζ ,ξζ ,ξηζ }. En utilisant les propriétés des fonctions
de forme, on déduit les expressions des fonctions de forme.

22
x=(x,y,z)
ζ
5
5 8
8
6
6 7 7
Ωe
1
4
η 3
2
1 4

2 3

ξ
ξ=(ξ,η,ζ)
Fig.1.17 Elément hexaèdre trilinéaire

Les fonctions de forme trilinéaires sont données par:

1
N i = (1+ξξ i )(1+ηη i )(1+ ζζ i ) ; i=1,8 (1.13)
8

ξi, ηi et ζi sont les coordonnées du nœud i.

5. Eléments d’ordre supérieurs

Jusqu’ á présent , on a considéré que les éléments dont les fonctions de forme
sont linéaires ou des produits des fonctions linéaires. Dans ce paragraphe, on va
étudier les éléments d’ordre supérieurs qui donnent une meilleure précision de la
solution. Certaines fonctions de forme des éléments d’ordre supérieurs sont
déterminées à l’aide des polynômes de Lagrange.

5.1 Polynômes de Lagrange

Les polynômes de Lagrange sont définis par:


n
∏ (ξ − ξ m )
m = 1; m ≠ k
L nk−1 ( ξ )= (1.14)
n
∏ (ξ k − ξ m )
m = 1; m ≠ k
ou encore
(ξ −ξ1 )(ξ −ξ 2 )...(ξ −ξ k −1 )(ξ −ξ k +1 )...(ξ −ξ n )
Lnk−1 (ξ ) =
(ξ k −ξ1 )(ξ k −ξ 2 )...(ξ k −ξ k −1 )ξ k −ξ k +1 )...(ξ k −ξ n )

23
Remarque
- degré [ Lk(ξ)]=n−1.
- Lk(ξk)=1,
- si m≠k alors Lk(ξm)=0

Lk(ξm)=δkm
(1.15)

5.2 Problèmes unidimensionnels

Les polynômes de Lagrange vérifient les propriétés d’une fonction de forme


⇒ on peut définir les fonctions de forme d’un élément 1D de n nœuds par:

n −1
Nk =Lk (1.16)

Exemples :

- Cas d’un élément à 2 nœuds : e=[0,1]

1 ξ −ξ 2
N1 = L1 (ξ ) = =1−ξ (1.17a)
ξ1 −ξ 2
ξ −ξ1
N 2 = L12 (ξ ) = =ξ (1.17b)
ξ 2 −ξ1

Ces fonctions sont les mêmes que (1.8a) et (1.8b).

- Cas d’un élément à 3 nœuds: e=[-1,1]

2 (ξ −ξ 2 )(ξ −ξ 3 ) 1
N1 (ξ ) = L1 (ξ ) = = ξ (ξ −1) (1.18a)
(ξ1 −ξ 2 )(ξ1 −ξ 3 ) 2

2 (ξ −ξ1 )(ξ −ξ 3 ) 2
N 2 (ξ ) =L 2 (ξ ) = =1−ξ (1.18b)
(ξ 2 −ξ1 )(ξ 2 −ξ 3 )

2 (ξ −ξ1 )(ξ −ξ 2 ) 1
N 3 (ξ ) =L 3 (ξ ) = = ξ (1+ ξ ) (1.18c)
(ξ 3 −ξ1 )(ξ 3 −ξ 2 ) 2

24
Ces fonctions sont représentées sur la Fig.1.18.
N2 N3
N1

1 1
1

ξ
-1 0 1

Fig.1.18 Fonctions de forme quadratiques ( ∈ IP2)

Exercice: Trouver les fonctions de forme pour un élément à 4 nœuds (cubique).


Les nœuds ont pour coordonnées ξ=-1 ; -1/3 ; 1/3 ; 1.

5.3 Eléments d’ordre supérieurs bidimensionnels

5.3a Eléments triangulaires


y
y y
3
3 3

8 7

6 5
9 10 6

1 4 5 2
1 2 1 4 2
x
x x

Linéaire (T3) Quadratique (T6) Cubique (T10)

Fig.1.19

Soit un polynôme de degré n, on choisit un triplet (α,β,γ) tel que α+β+γ=n.


La formule générale pour déterminer les fonctions de forme d’ordre n est donnée
par (Fig.1.20):

Nαβγ (ξ1 ,ξ 2 ,ξ 3 ) = Nα (ξ1 ) N β (ξ 2 ) N γ (ξ 3 ) (1.19)

avec

25
ξ1 =1−ξ −η ; ξ 2 =ξ ; ξ 3 =η

 α
nξ1 − i +1
 α 1 ∏
N (ξ ) = ; α ≥1
 i =1 i (1.20a)

 =1 ; α =0

De même

 β
nξ 2 −i +1
 N β (ξ 2 ) = ∏ ; β ≥1
 i =1 i (1.20b)

 =1 ; β =0

 γ
nξ 3 − i +1
 N γ (ξ 3 ) = ∏ ; γ ≥1
 i =1 i (1.20c)

 =1 ; γ =0

y
α=0

α=1
3 γ= 2

6 γ= 1
α=2 5

γ= 0
1 4 2

β=0 β=2
β=1 x

Fig.1.20 Identification des nœuds du triangle T6

On a α+β+γ = n = 2

Les fonctions de forme sont:

Sommets: N200, N020 et N002


Autres nœuds: N110, N011 et N101

Nα = N 2 =ξ1 (2ξ1 −1) ; N β = N 0 =1 et Nγ = N 0 =1

26
⇒ N 2 00 =ξ1 (2ξ1 −1)

de même N 020 = ξ ( 2 ξ − 1 ) , N 002 = η ( 2 η − 1 )

D’où les fonctions de forme pour un triangle T6 sont (Fig.1.22):

N i =ξ i (2ξ i −1),i =1, 2, 3 , N 4 = 4ξ1ξ 2 , N 5 = 4ξ 2ξ 3 , N 6 = 4ξ1ξ 3 (1.21)

On pose:ξ1=λ=1−
=λ=1−ξ−η

3 N1=λ(2λ−
λ(2λ−1) N4=4λξ
N2=ξ(2ξ−
ξ(2ξ−1) N5=4ξη
6 5 N3=η(2η−
η(2η−1) N6=4ηλ

ξ
1 4 2

Fig.1.21 Triangle T6 normalisé

Les fonctions de forme N3 et N4 sont représentées sur la Fig.1.22.

Ν Ν
3 4
1 3
6
4 6
5
3 1
1 4
5 2 2

Fig.1.22 Fonctions de forme N3 et N4

Exercice: Déterminer les fonctions de forme pour un triangle à 10 nœuds.

27
5.3b Eléments quadrilatères

(i) Eléments de Lagrange

! Nous avons vu que les fonctions de forme pour un élément Q4 s’écrivent


en fonction des polynômes de Lagrange sous la forme :

1 1
N k (ξ ,η ) = Lk (ξ ) Lk (η ) (1.22)

! Pour un élément Q9 (Fig.1.23), les fonctions de forme sont données par:

2 2
N k (ξ ,η ) = Lk (ξ ) Lk (η ) (1.23)
2 2 1
N1 (ξ ,η ) = L1 (ξ ) L1 (η ) = ξη (ξ −1)(η −1)
4
2 2 1 2
N 2 (ξ ,η ) = L2 (ξ ) L2 (η ) = η (1−ξ )(η −1)
2
N 9 (ξ ,η ) = L22 (ξ ) L22 (η ) = (1−ξ 2 )(1−η 2 )

η
6
7 5
ξ
8
9 4

1 2 3

Fig.1.23 Elément Q9

Remarque: Les éléments dont les fonctions de forme sont obtenues à partir des
produits simples des polynômes de Lagrange sont appelés: Eléments de
Lagrange.

(ii) Eléments de Serendip

Dans les éléments quadrilatéraux, on peut éliminer les nœuds intérieurs ce qui
engendre une famille des éléments finis appelée famille de Serendip (Fig.1.24).

28
η

η=1
ξ=1
ξ=−1 ξ

η=−1

Q4 (linéaire) Q8 (Quadratique) Q12 (cubique)

Fig.1.24 Eléments de la famille de Serendip

Famille Serendip : On se donne des nœuds additionnels d’interface de façon à pouvoir


définir une variation quadratique ou cubique aux interfaces. On complète ces nœuds
éventuellement par un ou deux nœuds internes de façon à pouvoir définir l’approximation
sous forme des polynômes symétriques. On s’efforce de minimiser le nombre de nœuds
internes chaque fois que c’est possible.

Fonctions de forme:

Elément Q4: (idem. la famille de Lagrange)

1
N i (ξ ,η ) = (1+ξξ i ) (1+ηη i ) (1.24)
4

Elément Q8 (Fig.1.25):

η
6
7 5
ξ
8
9
0 4

1 2

Fig.1.25

1
N i = (1+ξξ i ) (1+ηη i ) (ξξ i +ηη i −1) , ξ = ±1 ; η = ±1 (1.25a)
4
1 2
N i = (1−ξ ) (1+ηη i ) , ξ = 0 ; η = ±1 (1.25b)
2
1 2
N i = (1+ξξ i )(1−η ) , ξ = ±1 ; η = 0 (1.25c)
2

29
La Fig.1.26 donne les fonctions de forme N1 et N2 pour l’élément Q8.

Fig.1.26 Fonctions de forme locale

6. INTEGRATION NUMERIQUE: TECHNIQUE DE GAUSS


LEGENDRE

Dans le cadre de la MEF, souvent l’évaluation des équations élémentaires


(matrice de rigidité, matrice de masse,…) nécessite de calculer des intégrales sur
l’élément Ωe. S’il est toujours préférable d’utiliser l’intégration exacte lorsque
cela est possible, on doit toutefois recourir fréquemment à l’intégration
numérique si l’on souhaite développer des méthodes d’éléments finis
relativement générales.

6.1. Problème 1D

Nous choisissons l’intervalle [-1,1] qui est l’intervalle de référence pour les
problèmes 1D. On cherche à évaluer l’expression suivante:
1
I = ∫ f (ξ )dξ (1.26)
−1
Dans la plupart des codes en EF, on utilise les quadratures de Gauss qui
consiste à approcher l’intégrale I par :

ng
I = ∫ f (ξ )dξ ≈ ∑ωi f (ξ i )
1
(1.27)
−1
i =1

ng = nombre total de points d’intégration sur l’élément de référence


ξi = points d’intégration
ωi = poids d’intégration
Remarque: La quadrature de Gauss à ng points est exacte pour les polynômes de
degré (2ng-1).

Le tableau suivant résume les premières quadratures de Gauss en 1D.

30
ng Points d’intégration Poids d’intégration 2ng-1
ξi ωi

1 0 2 1
1
±
3
2 1 3
0 8
9
3 3 5
± 5
5
9

3− 2 6/5 1 1
± +
7 2 6 6/5
4 7
1 1
3+ 2 6/5 −
± 2 6 6/5
7

Tableau 1.1 Intégration numérique de Gauss à une dimension sur l’intervalle de


référence

Remarque:

1 0 si i est impair


∫−1ξ dξ =  2
i
si i est pair (1.28)
 i + 1

x2 α β α !β !
Montrer que ∫x1 N 1 N 2 dx = (α + β +1)!( x2 − x1 )

6.2 Problèmes 2D ou 3D

6.2.a Sur les quadrilatères

C’est le cas le plus simple puisqu’on peut utiliser directement les techniques
d’intégration numérique développées en dimension 1. L’élément de référence
dans ce cas est : [-1,1]2:

31
ng1ng 2
f (ξ ,η )dξdη ≈ ∑ ∑ωiω j f (ξ i ,η j )
1 1
∫−1∫−1 (1.29)
i = j =1

ng1= nombre de points d’intégration dans la direction ξ


ng2= nombre de points d’intégration dans la direction η
En général, on prend ng1=ng2=ng. Le nombre de points d’intégration NPI=ng2

Exemple: cas où ng=2, donc NPI=4:

 ξ1 = −1/ 3   ξ 2 =1/ 3   ξ 3 =1/ 3   ξ 4 = −1/ 3 


       
  ;   ; ;  et ωi =1
       
η1 = −1/ 3  η 2 = −1/ 3  η 3 =1/ 3   η 4 =1/ 3 

En dimension 3, l’élément de référence est [-1,1]3:

ng ng ng
f (ξ ,η ,ζ )dξdηdζ ≈ ∑∑∑ωiω jω k f (ξ i ,η j ,ζ k )
1 1 1
∫−1∫−1∫−1 (1.30)
i = j =1k =1

Nombre de points d’intégration est NPI=ng3

Remarques:

! Dans ce cas, on n’a pas besoin de développer des méthodes particulières


d’intégration numérique. Si la fonction à intégrer est un polynôme
appartenant à l’espace Qk, c’est à dire un polynôme de degré k en chacune
des variables d’espace (dimQk= (k+1)n), il suffit de choisir une quadrature
de Gauss 1D qui soit exacte pour des polynômes de degré k et utiliser les
formules d’intégration ci dessus (29) ou (30).

 0 si i ou j est impair

1 1
! ∫−1 −∫1 ξ η ξ η =
i j
d d  4
si i et j sont pairs
(1.31a)
 (i + 1) ( j + 1)

 0 si i ou j ou k est impair
1 1 1 

! ∫ ∫ ∫ξ iη j ζ k dξdηdζ =  (1.31b)
8
−1−1−1  si i , j et k sont pairs
 (i +1) ( j +1) (k +1)

32
6.2.b Sur les triangles

Dans le cas d’un triangle, on ne peut plus utiliser les formules en dimension 1.
On utilise les quadratures dites de Hammer.

1 1−ξ n
∫0 ∫0 f (ξ ,η )dξdη = ∑ωi f (ξ i ,ηi ) (1.32)
i =1

où les ωi, ξi et ηi sont donnés sur le tableau suivant.

Ordre Nombre des points Coordonnées des Poids d’intégration


d’intégration points
d’intégration
m n ξi ηi ωi

1 1 1/3 1/3 ½

1/6 1/6
2 3 2/3 1/6 1/6
1/6 2/3
1/3 1/3 -27/96
3 4 1/5 1/5 25/96
3/5 1/5 25/96
1/5 3/5 25/96

Tableau 1.2 Intégration numérique sur le triangle de référence: Quadrature de


Hammer

Remarques:

! Ces formules intègrent exactement des monômes ξiηj d’ordre m tel que
i+j ≤ m.

33
1 1−ξ i j i! j!
! ∫0 ∫0 ξ η dξ dη =
(i + j + 2)!
(1.33a)

i! j!
∫Ωξ
i
! η j dΩ = 2A (1.33b)
(i + j + 2)!

1 1−ξ 1−ξ −η i j k i! j!k!


! ∫∫ ∫
0 0 0
ξ η ζ dξ dηdζ =
(i + j + k + 3)!
(1.34)

! On parlera d’intégration réduite lorsque le nombre de points NPI retenu


ne permet pas une intégration exacte. Le choix de NPI dépend du type
d’élément utilisé et de l’intégrale à évaluer.

7. DERIVEES DES FONCTIONS DE FORME

Soit un champ Φ tel que:

n
Φ=∑Ni Φ
ˆ i = NΦ
ˆ (1.35)
i =1

 ∂Φ 
 
r  ∂x 
∇Φ̂ =  = B.Φˆ (1.36)
∂Φ
 
 ∂y 

La matrice B est donnée par:

 ∂ ∂ ∂ 
 N1 (ξ ,η ) N 2 (ξ ,η ) . . . N n (ξ ,η ) 
 ∂x ∂x ∂x 
B =  (1.37)
∂ ∂ ∂
 N1 (ξ ,η ) N 2 (ξ ,η ) . . . N n ξ η 
( , )
 ∂y ∂y ∂y 

Les dérivées partielles des fonctions de forme sont:

 ∂N i ∂N i ∂ξ ∂N i ∂η
 ∂x = +
 ∂ξ ∂x ∂η ∂x
 (1.38)
 ∂N i ∂N ∂ξ ∂N i ∂η
= i +
 ∂y ∂ξ ∂y ∂η ∂y

34
Soit

 ∂N i   ∂ξ ∂η  ∂N i 
    
 ∂x   ∂x ∂x  ∂ξ 
 ∂N  =  ∂ξ ∂η  ∂N i  i=1,2,…n (1.39)
 i    
 ∂y   ∂y ∂y  ∂η 

Les dérivées de Ni par rapport à ξ et η peuvent être obtenues explicitement,


cependant les éléments de la matrice ne peuvent pas être calculés directement
puisqu’on n’a pas les expressions de ξ=ξ(x,y) et η=η(x,y).
Or pour un élément isoparamétrique à n nœuds, la transformation entre
l’élément de référence ∆ et l’élément quelconque Ωe s’écrit :

 n


x (ξ ,η ) = ∑ N i (ξ ,η ) xi
i =1
 n
(1.40)
 y (ξ ,η ) = N (ξ ,η ) y
 ∑ i i
 i =1

La matrice jacobienne de cette transformation est donnée par:

 ∂x ∂y 
 
∂ξ ∂ξ 
J =  (1.41)
∂x ∂y 
 
 ∂η ∂η 

ou encore

 n ∂N i n
∂N i 
∑ xi ∑ ∂ξ yi 
 i =1 ∂ξ i =1
J = n  (1.42)
 ∂N i x ∂N i 
n
 ∑ ∂η i ∑ ∂η xi 
 i =1 i =1 

La matrice (1.41) est l’inverse de la matrice dans (1.39):

 ∂ξ ∂η   ∂y ∂y 
   − 
 ∂x ∂x  −1 1  ∂η ∂ξ 
 ∂ξ =J =  (1.43)
∂η  J ∂x ∂x 
   − 
 ∂y ∂y   ∂η ∂ξ 

Le gradient des fonctions de forme s’écrit:

35
 ∂N i   ∂N i 
   
 ∂x  −1  ∂ξ 
 ∂N  = J  ∂N  i=1,2,..n (1.44)
 i   i 
 ∂y   ∂η 
Gradient de Φ:

D’après les expressions (1.36) et (1.37)


 
 Φ1 
 ∂Φ   ∂N1 ∂N 2 ∂N n   
 ∂x   ∂x ...
r ∂x ∂x   
∇Φ =  =  Φ 2  (1.45)
 ∂Φ   ∂N1 ∂N 2 ∂N n   . 
   ... 
 ∂y   ∂y ∂y ∂y   .. 
 
Φ n 

En utilisant la relation (1.44), l’expression (1.45) devient

 
 Φ1 
 ∂Φ   ∂N1 ∂N 2 ∂N n   
 ∂x   ∂ξ ...
∂ξ ∂ξ   
  = J −1   Φ 2  (1.46)
 ∂Φ   ∂N1 ∂N 2 ∂N n   . 
   ... 
 ∂y   ∂η ∂η ∂η   .. 
 
Φ n 

Remarque: dxdy = J dξdη

∫∫Ω e f ( x, y )dxdy = ∫∫Ωˆ f (ξ ,η ) J dξdη (1.47)

Exercice: Calculer la matrice B pour un élément triangulaire linéaire T3.

36
RAPPEL
Classification des équations aux dérivées partielles
( On ne cherche pas à effectuer une classification systématique de toutes les EDP)

On appelle ordre d’une équation aux dérivées partielles l’ordre de la plus grande dérivée
présente dans l’équation.
Considérons une EDP linéaires du deuxième ordre portant sur des fonctions réelles u(x,y) :

2 2 2
∂ u ∂ u ∂ u ∂u ∂u (R1.1)
A +B +C +D +E + Fu = G
∂x
2 ∂x∂y ∂y
2 ∂x ∂y
Pour simplifier nous supposons A, B, C ,D et F sont constants.

! B 2 − 4 AC < 0 ⇒ EDP (R1.1) est elliptique

L’exemple classique d’une telle équation est l’équation de Laplace: ∆u = 0

! B 2 − 4 AC = 0 ⇒ EDP (R1.1) est parabolique

∂u ∂ 2u
L’exemple classique d’une telle équation est l’équation de la chaleur : =k
∂t ∂x 2
! B 2 − 4 AC > 0 ⇒ EDP (R1.1) est hyperbolique

∂ 2u 2∂
2
u
L’exemple classique est l’équation d’onde: =0−c
2
∂t ∂x 2
NB : L’origine de ce vocabulaire vient de la classification des coniques du plan. (l’équation
du conique Ax 2 + Bxy + cy 2 + Dx + Ey + F = 0 définit une courbe plane qui est une ellipse si
2 2 2
B − 4 AC < 0 , une parabole si B − 4 AC = 0 et un hyperbole si B − 4 AC > 0 ).

En général, les problèmes stationnaires sont modélisés par des EDP elliptiques tandis que les problèmes
d’évolution sont modélisés par des EDP paraboliques ou hyperboliques.
- Conditions aux limites
Rappelons tout d’abord qu’un problème (EDP+ CL+CI) est bien posé si la solution existe,
unique et dépend continûment des données.

Les différentes manières d’imposer les conditions aux limites:

- Condition de Dirichlet: u = u
- Condition de Neumann: u,n = f
- Condition de Cauchy: u,n = f ; u =u
- Condition de Robin: u,n + ku = f

37
CHAPITRE 2

ELEMENTS FINIS POUR DES PROBLEMES


ELLIPTIQUES

1. PROBLEME ELLIPTIQUE MODELE: EQUATION DE POISSON


1.1 Formulation forte

2
Soit un domaine Ω ⊂ R de frontière ∂Ω tel que: ∂Ω = ΓDUΓN et ΓD ∩ΓN = Ø
La formulation forte d’un problème elliptique aux conditions aux limites s’écrit:

 Trouver φ : Ω → R tel que



 r r
 ∇(k∇φ ) + s = 0 ∀x∈Ω

(SF) 
 φ =φ ∀x∈ΓD (Type Dirichlet )


 r r
 n.(k∇φ ) + q = 0 ∀x∈ΓN (Type Neumann)

n=(nx,ny) est la normale à la courbe Γ . La fonction φ est de classe C ( Ω ) .


2

Remarque: Ce problème peut modéliser la conduction de chaleur où k


représente la conductivité thermique, s est la source de chaleur et φ est le
champ de température.

1.2 Formulation faible

Tout d’abord, introduisons les ensembles suivants:

! Espace de Sobolev:

1
{ 2 2
H ( Ω ) = u : Ω → R / u∈L ( Ω ), u, x ∈L ( Ω ) }

! Espace des fonctions tests:

33
U = {φ : Ω → R / φ ∈H 1 ( Ω ) et φ =φ sur ΓD }

! Espace des fonctions pondérées

V ={ψ : Ω → R / ψ ∈H 1 ( Ω ) et ψ = 0 sur ΓD }

Multiplions l’équation (SF) par une fonction ψ ∈ V:


r r
∫Ω ψ∇(k∇φ )dΩ + ∫ ψsdΩ = 0

(2.1)

Formule de Green :Si u et v sont des fonctions de H1(Ω), elles vérifient :

∫Ωu.(∇v)dΩ = ∫∂Ωu.(v.n)dΓ − ∫Ω v.∇udΩ (2.2)


n= normale unité extérieure à Γ.

Appliquons cette formule à l’équation (2.1), on obtient


r r r r
∫Γψ n (k∇φ )dΓ − ∫ ∇ψ k ∇φ dΩ + ∫ ψ sdΩ = 0
Ω Ω
(2.3)

Puisque ψ ∈V , ψ =0 sur ΓD.


La formulation faible ou variationnelle est donnée par:

Trouver φ∈U tel que


(WF) r r
∫ ∇ψ k ∇φ dΩ = ∫ ψ sdΩ − ∫
Ω Ω ΓN
ψ qdΓ ∀ψ ∈V

On pose
r r
a (ψ ,ϕ ) = ∫ ∇ψ k ∇ϕ dΩ et b(ψ ) = ∫ ψsdΩ − ∫ ψqdΓ (2.4)
Ω Ω ΓN

La formulation faible devient:

Trouver φ∈U tel que


(WF)
a (ψ ,φ ) = b(ψ ) ∀ψ ∈V
(2.5)

Remarque:

! a(.,.) est une forme bilinéaire symétrique.

34
! Dans la formulation variationnelle (WF), la dérivée de φ est d’ordre 1
1
φ∈C ( Ω ) , d’où le nom de formulation faible.
! Condition de Dirichlet est appelée condition essentielle. Cette condition
est imposée a priori à l’espace fonctionnelle U.
! Condition de Neumann est appelée condition naturelle. Cette condition est
incluse naturellement dans l’écriture de la formulation variationnelle.

1.3 Problème de minimisation

Une autre alternative équivalente à la formulation faible est le problème de


minimisation défini comme suit:

Trouver φ∈V tel que


1 
J (φ ) = min ψ ∈V J (ψ ) = minψ ∈V  a (ψ ,ψ ) − b(ψ )
2 
(2.6)
La fonction φ rend stationnaire la fonctionnelle J(ψ) par rapport à toute variation
δψ .

Dans le cas de l’équation de Poisson:

1 r r
2 ∫Ω
J (ψ ) = ∇ ψ k ∇ ψ dΩ − ∫ ψ sdΩ + ∫ ψ qdΓ ∀ψ ∈V (2.7)
Ω ΓN
1
ou encore J (ψ ) = a (ψ ,ψ ) − b(ψ ) ∀ψ ∈V
2

Une fonction φ rend stationnaire la fonctionnelle (2.7) si:

d
J (φ + εψ ) =0 (2.8)
dε ε =0

1
g (ε ) = J (φ + εψ ) = a (φ + εψ ,φ + εψ ) − b(φ + εψ )
2
2
ε
g (ε ) = J (φ ) + ε [a (φ ,ψ ) − b(ψ )]+ a (ψ ,ψ )
2

d
J (φ + εψ ) = a(φ ,ψ ) − b(ψ ) = 0
dε ε =0

35
On observe donc que la condition (2.8) correspond exactement à la formulation
faible .
La condition (2.8) est nécessaire pour que la fonctionnelle atteint un extremum
en la solution φ, mais n’est pas suffisante. Il faut donc encore vérifier que φ est
bien un minimum.

Soit ϕ =φ + (ϕ −φ ) =φ +ϕ1 (2.9)

D’après (2.7)

1
J (ϕ ) = J (φ +ϕ1 ) = a (φ +ϕ1 ,φ +ϕ1 ) −b(φ +ϕ1 )
2

Puisque a(.,.) est une forme bilinéaire symétrique et b(.) est symétrique, on a:

1 
[ ] 1
J (ϕ ) =  a (φ ,φ ) − b(φ ) + a (φ ,ϕ1)−b(ϕ1) + a (ϕ1 ,ϕ1 )
2  2

1
J (ϕ ) = J (φ ) + a (ϕ1 ,ϕ1 ) ≥ J (φ ) car k>0 (2.10)
2
Donc si φ est solution de la formulation variationnelle (2.5) alors φ minimise
forcément la fonctionnelle J sur V.
En conclusion, la formulation faible et le problème de minimisation sont
équivalentes.

2. METHODE DES ELEMENTS FINIS


2.1 Méthode de Galerkin (Bubnov- Galerkin)

h h
Tout d’abord, on a besoin de construire 2 espaces U ⊂U et V ⊂V de dimension
finie tels que:

h
U = { φ h ∈H 1 ( Ω ) /φ h =φ sur ΓD }

V ={ ψ ∈H ( Ω ) et ψ = 0 sur ΓD
h h h
1
} , dim Vh=n

La formulation faible s’écrit :

a(ψ h ,φ h ) = b(ψ h ) ∀ψ h ∈V h (2.11)

h h h h h
On pose φ =ϕ +ϕ d h avec ϕ ∈V et ϕ d =φ sur ΓD,

36
D’où

a(ψ h ,φ h ) = a(ψ h ,ϕ h ) + a (ψ h ,ϕ dh ) =b(ψ h ) (2.12)

La méthode de (Bubnov-) Galerkin du problème est donnée par:

h h h h h
(GF) Trouver φ =ϕ +ϕ d , ϕ ∈V tel que
h h h h h h h
a (ψ ,ϕ ) = b(ψ ) − a (ψ ,ϕ d ) ∀ψ ∈V
(2.13)

Remarque
! La formulation (GF) est une version de (WF) mais écrite dans l’espace de
dimension fini Vh.
h h
! Si ϕ ∉V , on parle de la méthode de Petrov-Galerkin.

n
h h h h
Si ψ i = N i , ϕ = ∑ N iϕˆi et ϕ d =φ N n+1 (N n+1(x)=1 sur ΓD, donc N n+1∉V ).
i =1
L’équation (GF) devient:

n
a( N i , ∑ N jϕˆ j ) = ( N i , s ) − ( N i , q) Γ N − a( N i ,φ N n+1 )
j =1
ou encore

n
∑ a( N i , N j )ϕˆ j =( Ni , s) −( N i , q) ΓN − a( Ni , N n+1 )φ
j =1
(2.14)
Si on pose:

K ij = a( N i , N j )
f i = ( N i , s ) − ( N i , q) ΓN − a( N i , N n+1)

L’équation (2.14) devient:

n
∑ K ijϕ̂ j = fi (2.15)
i =1

37
On obtient la formulation matricielle de la méthode de Galerkin:

K ϕ̂ = f
(2.16)
K = matrice de rigidité ; f = vecteur de force et ϕ̂ = vecteur inconnu

Remarque:

! La matrice K est symétrique (Kij=a(Ni,Nj)=a(Nj,Ni)=Kji)

! La solution de (2.16) est ϕ̂ =K−1 f (K-1 existe), d’où la solution de (GF)

n
φˆ = ∑ N iϕˆi +φ N n+1 (2.17)
i =1

2.2 Méthode des résidus pondérés

Il existe une autre alternative pour obtenir la formulation discrète (matricielle).


Supposons qu’un problème est décrit par les EDP suivantes:

L(u ) + s = 0 dans Ω
u −u = 0 sur Γu (2.18)
M (u ) + q = 0 sur Γq

avec Γu ∪ Γq=Γ ; Γu ∩ Γq= Ø

n
h h h
Soit u ∈U tel que u = ∑ N i ui , on définit le résidu RΩ dans Ω par (approche
i =1
intérieure):

h
RΩ = L(u ) + s ≠ 0 dans Ω (2.19)

La méthode des résidus pondérés consiste à rendre le résidu RΩ aussi


négligeables que possible:

h
∫Ω wi RΩ dΩ =0 ∀wi ∈U
soit

38
∫Ω wi ( L(u) + s)dΩ = 0 (2.20)

2.3 Variantes de la méthode des résidus pondérés:

Ces méthodes se distinguent par le choix des fonctions de pondération w.

2.3.a Méthode de collocation

Les fonctions wi sont les distributions Delta de Dirac: wi ( x ) =δ ( x − x i )


L’expression (2.20) s’écrit:
∫Ωδ (x − x i ) RΩ dΩ = RΩ ( x i ) =0 (2.21)

Ceci revient à annuler le résidu en n points à l’intérieur de Ω.

2.3.b Méthode de collocation par sous domaines

Au lieu de définir une série de points xi, on définit une série de sous domaines
Ωi de Ω, et les fonctions wi sont définies par:

1 si x∈Ω i

wi ( x ) =  (2.22)
0 si x ∉Ω i

Ceci conduit à ∫Ωi R dΩ =0 ∀i

2.3.c Méthode de Galerkin

Les fonctions de forme sont les mêmes que les fonctions de pondération.

wi = N i (2.23)

3. APPLICATION A L’EQUATION DE POISSON


On considère le problème décrit par les équations (SF). Le résidu est donné par:
r r
RΩ =∇(k∇φ ) + s ≠ 0 (2.24)

Méthode de Galerkin donne:

39
∫ N
T
RΩ dΩ = N
T r r
[
∫ ∇(k∇φ ) + s dΩ = 0 ] (2.25)
Ω Ω
Tr r T
∫N ∇(k∇φ )dΩ + ∫ N s dΩ = 0 , par application de la formule de Green, on obtient:
Ω Ω

r T r T T r T
− ∫ (∇N) k∇φ dΩ + ∫ N .n .k∇φ dΓ + ∫ N s dΩ = 0
Ω Γ Ω

n
En substituant φ ≈φˆ = ∑ N iφˆi dans l’expression précédente on a:
i =1
n r T r ∂φ
∑ ∫Ω (∇N i ) k ∇N j dΩφˆ j = ∫ N i s dΩ − ∫
Ω Γq
N i qdΓ + ∫
Γφ
Ni k
∂n
dΓ ; i=1,…, n
j =1

T r
si on suppose que: n k∇φ + q = 0 sur Γφ alors:

n
∑ K ijφˆ j = fi
j =1
avec
r T r ou encore K φ=f
K ij = ∫ (∇N i ) k∇N j dΩ

f i = ∫ N i s dΩ − ∫ N i qdΓ − ∫ N i q dΓ
Ω Γ q Γ φ
(2.26)

4. ELEMENTS FINIS UNIDIMENSIONNELS


Afin d’illustrer ce que nous avons vu dans la section précédente, nous allons
nous restreindre au cas 1D de l’équation de Poisson. Supposons donc que
nous ayons à résoudre le problème suivant:

2
Trouver u ( x)∈C (Ω) tel que

d dφ
(k ) + s = 0, ∀x∈Ω = ]0, L[
dx dx
φ (0) =φ

k + q =0 pour x = L
dn
(2.27)
Méthode de Galerkin:

40
 d dφˆ 
∫Ω  dx (k dx ) dx + ∫Ω N i s dx = 0
N i (2.28)
 

En intégrant par parties, on obtient:

L
dN i dφˆ  dφˆ 
−∫ k dx +  N i k  + ∫ N i s dx = 0
Ω dx dx dx  Ω
 0

n
En substituant la valeur de φˆ ≈ ∑ N iφˆi dans l’expression précédente
i =1
n 
dN i dN j ˆ j = N i s dx −[N i q ] dφˆ 
∑ ∫Ω dx dx
k dxφ ∫Ω −
x= L  iN k
dx 

j =1  x =0

Sous forme compacte:

n
∑ K ijφˆ j = fi
j =1
ou bien

K φ=f (2.29)

avec:

L dN i dN j
K ij = ∫ k dx (2.30a)
0 dx dx

L  dφˆ 
f i = ∫ N i s dx −[N i q ]x= L −  N i k  (2.30b)
0
 dx 
x =0

L dN1 dN1 L dN1 dN 2


K11 = ∫ k dx ; K12 = ∫ k dx
0 dx dx 0 dx dx

L dN 2 dN1 L dN 2 dN 2
K 21 = ∫ k dx ; K 22 = ∫ k dx
0 dx dx 0 dx dx

41
 dN1 dN1 dN1 dN 2 
 k k 
L  dx dx dx dx 
K =∫ dx (2.31)

0 dN dN dN 2 dN 2 
 2k 1 k 
 dx dx dx dx 
 dN1 
 
L  dx   dN1 dN 2  L T
K =∫ k dx = ∫ B kBdx
0  dN   dx dx  0
 2

 dx 

B= 
dN1 dN 2 
avec  =SN (2.32)
 dx dx 

Les fonctions de forme sont:

x
N1 =1− (2.33)
L
x
N2 =
L

Donc
−1
B= 
1

L L

La matrice de rigidité K:

1 −1
k 
K=  
L
 −1 1 

Le vecteur de force fi:

L  dφˆ 
f i = ∫ N i s dx −[N i q ]x= L −  N i k  (2.34)
0
 dx 
x =0

Pour: φ = 0 , k + q = 0 , q=0 et s constant on a:
dx x=0
1 
 sL + q 
f = 
2
 1 
 sL 
 2 

42
Le système d’équation s´écrit sous la forme:

1 
1 −1 φˆ1 = 0  sL + q 
k   2 

L
  = 
1   φˆ2   sL 
1
 −1
 2 

2
sL
La solution est: φˆ2 =
2k

Le flux est donné par:

 φˆ1 = 0 
ˆ = − k  − 1 1   1
q = −kBΦ   = − sL
 L L 
ˆ2 
2
 φ 

En comparant la solution obtenue avec la solution analytique donnée par

sL s 2 dφ
φ ( x) = x − x et q ( x) = −k = s ( x − L) , on observe que les valeurs obtenues
k 2k dx
aux nœuds sont exactes ainsi la valeur du flux au milieu de l’élément (barre).

Exercice: Calculer la matrice de rigidité et le vecteur de force dans le cas d’un


élément triangulaire linéaire ABC tel que A(0,0), B(1,0) et C(0,1). Les flux sont
supposés nuls et le terme de source s est constant sur Ωe.

5. TECHNIQUE D’ASSEMBLAGE
Dans les exemples précédents, un seul élément a été utilisé pour la
discrétisation du domaine Ω. En général, on utilise plusieurs éléments pour le
maillage. L’étape de l’assemblage consiste à prendre en compte les
contributions de toutes les matrices élémentaires pour construire la matrice
globale (matrice de rigidité et vecteur de force).
Les seuls coefficients non nuls K ije [nxn], de l’élément Ωe, sont ceux qui sont
associés à des nœuds i et j qui apparaissent simultanément dans l’élément Ωe.
Donc la contribution de cet élément à la matrice globale sera les termes non nuls
de position i,j.

nelem nelem
K= ∑ K (e) et f= ∑ f (e) (2.35)
e=1 e=1

43
5.1 Problème 1D

Les coefficients de la matrice K sont donnés par :

nelem nelem
dN i dN j dN dN j
K ij = ∫ k dx = ∑ ∫ e i k dx = ∑ K ije (2.36)
Ω dx dx Ω dx dx
e=1 e=1

Ni= fonction de forme globale


nelem = nombre total des éléments du domaine Ω.

Soit l’élément (e) de nœuds j-1 et j. Les termes non nuls de Keij correspondent
aux couples (j-1,j-1),(j-1,j),(j,j-1) et (j,j):

e
K j −1, j −1 = ∫ e N1, x kN1, x dx

e e
K j −1, j = K j , j −1 = ∫ e N1, x kN 2, x dx (2.37)

e
K j , j = ∫ e N 2, x kN 2, x dx

La contribution de cet élément à la matrice globale sera donc:

nœuds 0 1 … … N
0


e e
K j −1, j −1 K j −1, j
e e
K j , j −1 K j, j

Contribution de l’élément (Ωe) à la matrice globale.

44
Résumé:

! Calculer la contribution de chaque élément: K (e) = ∫ e BT .k .BdΩ



! Placer ses composantes dans la position correspondante dans la matrice
globale en utilisant la connectivité des nœuds de l’élément Ωe:

Numérotation locale Numérotation globale


1 j-1
2 j

Le terme (1,2) de la matrice locale correspond au terme (j-1,j) de la matrice


globale.

Exercice:

Résoudre le problème de transfert de chaleur dans une barre de longueur L en


utilisant 2 éléments 1D. T(0)= 0 et kT,x(L)+q=0.

5.2 Cas général

Dans le cas général, les coefficients de la matrice K sont données par:

nelem nelem
K ij = ∫ BiT kB j dΩ =
Ω ∑ ∫Ω e BiT kB j dΩ = ∑ K ije (2.38)
e=1 e=1

NB: Les fonctions de forme utilisées sont des fonctions de forme globales.

Soit un élément e de nœuds i, j et k. Seules les fonctions de forme associées aux


nœuds i, j, k sont non nulles. Ce qui entraîne que seules les termes (i, i), (i, j), (i,
k), (j, j), (j, k), (k, k) et la partie symétrique sont non nuls. La contribution de cet
élément à la matrice globale de rigidité est donc:

(α , β )∈{i, j , k }
(e) T T
Kαβ = ∫ e Bα kBβ dΩ (2.39)

45
nœuds 1 2 …i … j … k … N
1
Les autres coefficients sont nuls
2

i K ii(e) (e)
K ij
(e)
K ik
… (e)
K ji
(e)
K jj
(e)
K jk
j (e) (e) (e)
… K ki K kj K kk
k


N

Résumé:

- Calculer la contribution de chaque élément: K (e) = ∫ e BT .k .BdΩ



- Placer ses composantes dans la position correspondante dans la
matrice globale en utilisant les connectivités des nœuds de
l’élément Ωe:

Numérotation locale Numérotation globale


1 i
2 j
3 k

Exercice:
On considère une plaque carrée de côté unité soumises aux conditions aux
limites suivantes:
Calculer la distribution de température dans la plaque en utilisant 2 éléments
triangulaires linéaires. La conductivité thermique k est constante.

46
F lu x n o rm a l = 0

F lu x n o rm a l = 1
Τ=0

F lu x n o rm a l = 0

6. PRISE EN COMPTE DES CONDITIONS AUX LIMITES


La matrice de rigidité K et le vecteur de force f définis dans l’opération
d’assemblage ne tiennent pas en compte des conditions aux limites associées
aux variables φ. En général, on cherche le vecteur φ tel que:

Kφ = f (2.41)
φ i =φ i (2.42)

La condition au limite (2.42) peut être introduite directement dans le système


d’équations (2.41) en modifiant la matrice K et le vecteur φ. Ici, on présentera
deux méthodes pour tenir en compte des conditions aux limites tout en
conservant les dimensions de K et φ.

6a. Méthode directe

En introduisant (2.42) dans (2.41, on trouve:

 K11 ... K1i ... K1n  φ1   f1 


    
 .    
 .. .. .. .. ..   ...   .. 
 . . . .    . 
    
 K i1 ... K ii ... K in φi = f i + Ri 
    (2.43)
    
    
 .. .. ..   ..   .. 
 . . .  .   . 
    
K K ni K nn  φ n   f n 
   
 n1 ... ...

où fi+Ri représente les forces externes garantissant l’équilibre au nœud i lorsque


φi =φi . Ri est la réaction et fi est la composante des forces équivalentes.

47
Le système (2.43) fait intervenir n inconnues: n-1 variables φi + la réaction Ri.
Ces inconnues peuvent être obtenue de la façon suivante:

! A partir du système d’équations (2.43), on peut calculer les n-1


inconnues φi à l’aide du système suivant:

 K11 ... 0 ... K1n  φ1   f1 − K1iφi 


    
 .    
 .. .. .. .. ..   ...   .. 
 . . . .    . 
    
 0 ... 1 ... 0   φi  =  φi  (2.44)
    
    
 .. .. ..   ..   .. 
 . . .  .   . 
    
K
 n1 ... 0 ...    
K nn  φ n   f n − K niφi 

n
! Calcul de la réaction Ri = ∑ K ij φ j − f i
j =1

6c. Méthode de pénalité

Cette méthode consiste à représenter les expressions (2.41-2.42) par la forme


suivante:

 K11 ... K1i ... K1n  φ1   f1 


    
 .    
 .. .. .. .. ..   .   . 
.. .
 . . . .    . 
    
 K i1 ... K ii ... K in   φi  =  f i + Ri  (2.45)
    
    
 .. .. ..   ..   . 
.
 . . .  .   . 
    
K K ni    
K nn  φ n   f n 
 n1 ... ...

avec Ri = G (φi −φi ) (2.46)


R
Soit φ i −φ i = i ,
G
quand G est relativement grand, φi tend vers φi .
G est appelé terme de pénalisation.

48
Méthode de résolution:

- En substituant (2.46) dans (2.45), on obtient:

 K11 ... K1i ... K1n  φ1   f1 


    
 .    
 .. .. .. .. ..   ...   .. 
 . . . .    . 
    
 K i1 ... K ii + G ...    
K in φi = f i + Gφi  (2.47)
    
    
 .. .. ..   ..   .. 
 . . .  .   . 
    
K K ni    
K nn  φ n   f n 
 n1 ... ...

avec G>>Kii (par exemple G=1010 Kii)

- La deuxième étape consiste à calculer la réaction Ri à partir de (2.46).

Les opérations associées à cette technique sont les suivantes:

- modifier le vecteur f: f i ⇒ f i + Gφi


- modifier la matrice K (diagonale): K ii ⇒ K ii + G
- Résoudre le système d’équations (2.47)
- Pour chaque composante «i» imposée, calculer la réaction Ri.

7. PROBLEMES D’ELASTOSTATIQUE
7.1 Formulation forte

Considérons un corps élastique homogène occupant un domaine Ω ⊂ R 3 dont la


frontière peut être décomposée en deux parties ΓN et ΓD .
La formulation forte du problème de l’élasticité linéaire en termes de
déplacement s’écrit sous la forme suivante:

Trouver ui (x) tel que

σ ij , j + f i = 0 i, j =1, 3 dans Ω
σ ij n j = t i i, j =1, 3 sur Γ N
ui = u i i =1, 3 sur ΓD

(2.48)

49
avec

u = vecteur déplacement
f =efforts volumiques appliquées à Ω
n = normale à ΓN
t = efforts surfaciques
σij est le tenseur des contraintes donné par la loi de Hooke :

σ ij = Dijkl ε kl (2.49)
εij= tenseur des déformations linéarisées (HPP):

1
ε ij = (ui, j + u j ,i ) (2.50)
2

Ecriture sous forme matricielle:

• Equation d’équilibre

S Tσ + f = 0 (2.51)
avec

∂ x 0 0
 
 
0 ∂y 0
 
 
0 0 ∂z 
 
S=  (2.52)
∂ y ∂x 0
 
 
∂ 0 ∂x 
 z 
 
 
0 ∂z ∂y

σ T = [σ x ,σ y ,σ z ,τ xy ,τ xz ,τ yz ]

• Tenseur des déformations:


ε =S u (2.53)

50
u 
 
 
u = v 
 
 
 w
 

• Loi de comportement

σ = Dε = DSu (2.54)

Le champ de déplacement sur un élément peut s’écrire sous la forme:

 n 
 ∑ N i ui 
 i =1 
 n 
u e ≈  ∑ N i vi  = Nuˆ e (2.55)
 i =1 
n 
∑ N i wi 
 i =1 

N étant une matrice qui s’écrit en fonction des fonctions de forme

 N1 0 0 N2 0 0 . . . Nn 0 0 
 
 
N 0
= N1 0 0 N2 0 . . . 0 Nn 0 
 
 
 0 0 N1 0 0 N2 . . . 0 0 N n 
(2.56)

Que l’on peut écrire sous la forme:

N = [N 1 N2 ... Nn ]

avec N i = N i I 3 où I3 est la matrice unité d’ordre 3.

Donc la déformation sur un élément s’écrit

ε e = SNuˆ e = Buˆ e (2.57)

où B est une matrice d’ordre 6x3n.

51
7.2 Formulation faible

Multiplions l’équation d’équilibre (2.51) par une fonction de pondération W ∈V :

T T T
∫Ωw S DSudΩ + ∫ w fdΩ = 0

(2.58)

Appliquons la formule de Green, on obtient:

∫Ω (Sw )
T
DSu dΩ − ∫ w T fdΩ − ∫ w T tdΩ = 0 (2.59)
Ω ΓN

avec
t = nDSu

La formulation faible du problème d’élasticité s’écrit alors:

 Trouver u∈U , tel que ∀w∈V




 a (w ,u) = b(w )
 (2.60)

 a (w ,u) = ∫ (Sw )T DSu dΩ
 Ω

b(w ) = w T fdΩ − T
 ∫Ω ∫ΓN w t dΓ

7.3 Formulation de Galerkin

On définit deux espaces finis U h ⊂U et V h ⊂V , la formulation de Galerkin du


problème d’élasticité s’écrit (ui = 0) :
 Trouver u h ∈U h , tel que ∀w∈V h


 a ( w h , u h ) = b( w h )

 (2.61)
 a(w h ,u h ) = (Sw h )T DSu h dΩ
 ∫Ω

b(w h ) = w hT fdΩ + hT
 ∫ Ω ∫ ΓN
w t dΓ

52
7.4 Formulation matricielle

Pour un élément Ωe du domaine Ω, l’expression (2.59) s’écrit pour w = N :

T
∫Ω e B D BdΩuˆ e − ∫Ω e N
T
f dΩ − ∫ N T t e dΓ = 0 (2.62a)
ΓN

Sous forme matricielle:

K e uˆ e =f e (2.62b)

Ke =∫ B T DB dΩ (3nx3n)
Ωe

T
uˆ e = [u1 v1 w1 . . . un vn wn ] (3nx1)

fe = ∫Ω e N
T
f dΩ + ∫ N T t e dΓ (3nx1)
ΓN

Après assemblage sur tout le domaine Ω, la formulation matricielle s’écrit:

Kuˆ =f (2.63)

7.5 Problème de minimisation

La fonctionnelle J associée au problème (2.48) est donnée par:

1 T T T
J (u) =
2 ∫Ω
ε DεdΩ − ∫ u fdΩ − ∫ u tdΓ
Ω Γ N
(2.64)

J est l’énergie potentielle du système.

m
J = ∑J e (2.65)
e=1
e 1 eT e e T e e T e
J (u) = ∫
2 Ωe
ε Dε dΩ − ∫ (Nuˆ ) f dΩ − ∫ e (Nuˆ ) t dΓ
Ωe Γ
(2.66)

La fonctionnelle J est minimale si:

m
δJ = ∑δJ e = 0 (2.67)
e=1

53
avec
n e n e n e
∂J ∂J ∂J
δJ e = ∑ δui + ∑ δvi + ∑ δwi (2.68)
i =1 ∂u i i =1 ∂v i i =1 ∂w i

or les variations δui , δvi et δwi sont des variations indépendantes , donc
∂J e ∂J e ∂J e
= = = 0, i =1, 2,..., n
∂ui ∂vi ∂wi

ou encore
∂J e
=0 (2.69)
∂uˆ e
On arrive à

T
∫Ω e B DBdΩ uˆ e − ∫ N T f e dΩ − ∫ e N T t e dΓ = 0 (2.70)
Ωe Γ

ou encore:
K euˆ e =f e (2.71)

7.6 Principe des travaux virtuels

Le PTV appliqué á l’équation (2.48) donne:

T
∫Ωδε σdΩ − ∫ δu T fdΩ − ∫ δu T tdΓ = 0 (2.72)
Ω ΓN

avec
δu = Nδuˆ = déplacement virtuel

δε = Bδuˆ

T
∫ΩB DBdΩuˆ − ∫ N T fdΩ − ∫ N T tdΓ = 0 (2.73)
Ω ΓN
Soit

K e uˆ e =f e (2.74a)

Après assemblage, on obtient:

Kuˆ =f (2.74b)

54
8. PROBLEMES A CONTRAINTE PLANE
Dans cette section, on présentera la méthode des éléments finis pour les
problèmes d’élasticité à contrainte plane ( σ i3 = 0 ). Supposons que le domaine Ω
est discrétisé à l’aide des éléments triangulaires linéaires T3.

Pour un élément linéaire T3, le vecteur déplacement s’écrit:

e e
u   N1u1 + N 2 u 2 + N 3u 3 
e  
u = =  (2.75)
   
 v   N1v1 + N 2 v 2 + N 3 v3 

ou encore u = Nuˆ

avec N = [N1I 2 N 2I 2 N 3I 2 ] (2x6)

uˆ = [u1 v1 u2 v2 u3 v3 ]T

On rappelle les expressions des fonctions de forme données dans le chapitre I


(2.10b):

N i = ai + bi x + ci y ; i =1,2,3

x j yk − xk y j y j − yk xk − x j
avec ai = ; bi = ; ci =
2∆ 2∆ 2∆

1 x1 y1

2∆ = 1 x2 y2

1 x3 y3

8.1 Calcul de la matrice de rigidité élémentaire:

Tout d’abord, on calcule la matrice B:

55
b1 0 b2 0 b3 0
 
 
B e =SN =  0 c1 0 c2 0 c3  (2.76)
 
 
c1 b1 c2 b2 c3 b3 

Pour un milieu isotrope, la matrice d’élasticité D pour un problème à contrainte


plane s’écrit:

1 ν 0 

 
E  
D=
2
ν 1 0  (2.77)
1−ν  
 1−ν 
0 0 
 2 

E= Module d’Young , ν= coefficient de Poisson

La matrice de rigidité élémentaire pour un problème à contrainte plane s’écrit:

e T T e
K = ∫ B DBdΩ = B DB ∫ e t dxdy (2.78)
Ω S

si l’épaisseur te est constant alors K e = t e .∆. BT DB

Si te n’est pas constant, on approche l’épaisseur sur l’élément de la manière


suivante

t e ≈ N1t1e + N 2 t 2e + N 3t 3e (2.79)

∫S e
e
t dS ≈ (
∆ e e e
t +t +t
3 1 2 3
)
8.2 Calcul du vecteur force élémentaire

8.2.1 Contribution des forces de volume

On suppose que l’épaisseur t(e) est constant, la contribution des forces de volume
au vecteur de forces est donnée par:

56
 N1 0   fx 
   
   
 0 N1   fy 
   
   
N 2  f x 
0  fx 
t ∆
e
T   
∫Ω e N fdΩ = ∫Ω e   dΩ = 
3 


(2.80)
 0 N 2  
fy   fy 
 
   
N  
0   fx 
 3 
   
   
N3   f y 
 0 

Cette expression montre que la résultante des forces de volume sur un triangle
linéaire est répartie d’une manière équivalente sur les 3 nœuds du triangle.

8.2.2. Contribution des forces de surface

La contribution des forces de surface au vecteur de forces s’écrit:

t x 
 
FTe = e N T tdΓ = e N T
∫ ∫  dΓ (2.81)
Γ Γ
t y 

Sur la figure suivante est représenté un élément (e) de la frontière Γoù la force
de traction est prescrite:
y
j
lij
e
k
i
Γ
x

Figure

57
 Ni 0 
 
 
 x
t  0 N i  t x 
e l ij T   e l ij    e
FT = ∫ N   t ds = ∫     t ds
0 0
t y  N j 0  t y 
 
 
 0 N j 

s s
avec N i =1− ; Nj=
lij lij
Pour t(e) constant et pour une force de traction uniforme sur la frontière, on
obtient:

 tx 
 
 
 
e ty 
t lij
FTe =   (2.82)
2  
 tx 
 
 
ty 
9. PROGRAMME EN ELEMENTS FINIS
On a vu que la résolution d’un problème elliptique par la méthode des éléments
finis conduit au système d’équations: KU = f . En tenant compte des conditions
aux limites, la résolution de ce système donne le vecteur inconnu U.
Un programme de calcul par éléments finis est constitué de différents modules:

Lecture des données:


- coordonnées des nœuds
DONNEES - éléments et leurs connectivités
- propriétés physiques des matériaux
- variables prescrites
- calcul des matrices et des vecteurs
élémentaires: matrice de rigidité; vecteur
CALCULS des forces nodales
- assemblage
- prise en compte des C.L
- résolution du système
- calcul des dérivées, flux,…
visualisation des résultats: déplacements,
RESULTATS contrainte, déformations, etc…

58
CHAPITRE 3

METHODES NUMERIQUES POUR EQUATIONS


AUX DERIVEES PARTIELLES DE TYPE
PARABOLIQUE

1. Introduction


Définition: Si l’opérateur L est elliptique alors l’opérateur +L est dit
∂t
parabolique.

Exemples de problèmes qui peuvent s’écrire sous forme des Equations aux
Dérivées Partielles de type parabolique :

- conduction de chaleur
- filtration dans un milieux poreux
- écoulement de Stokes instationnaires
- problème de consolidation
- etc..

L’équation de la chaleur est le problème type des EDP type parabolique. Dans le
cas du problème unidimensionnel de conduction de chaleur, la formulation forte
du problème s’écrit :

Trouver φ: Ωx[0,T ]→ R tel que


 ∂φ ∂ ∂φ
 ρc ∂t = ∂x ( D ∂x ) + s dans Ωx[0,T ]


 φ ( x,t o ) =φo ( x) dans Ω

 (3.1)
 φ =φ sur Γφ x [0,T ]


 ∂φ
 D + q = 0 sur Γq x [0,T ]
∂n

D= conductivité thermique; c=chaleur spécifique; s = terme de source que l’on


supposera nul dans la suite

Supposons que la solution de (3.1) est de la forme:

67
φ ( x,t ) = Aexp(ikx − iωt )
avec k=nombre d’onde et ω= pulsation.
D 2
En substituant φ(x,t) dans (3.1), on obtient : iω = k .
ρc
La fonction solution devient alors:

D 2
φ = Aexp(− k t )exp(ikx) (3.3)
ρc

On remarque que:

D 2
• la solution s’amortit en fonction du temps à cause du terme exp(− k t) .
ρc
• l’amortissement croit avec le vecteur d’onde k (faibles longueurs d’onde).
• Si les conditions initiales présentent des discontinuités alors elles
disparaissent en fonction du temps (Figures 3.1 et 3.2).

φ ( t=0 ) φ ( t>0 )

Fig.3.1 Amortissement de la solution

φ ( t=0 ) φ ( t>0 )

Fig.3.2 Amortissement des discontinuités

Formulation faible: on définit deux espaces U et V tels que:

Espace des fonctions solutions U :

68
U ={φ (.,t )∈H 1 (Ω) / φ ( x,t ) =φ ( x,t ) , x∈Γφ }

V l’espace des fonctions pondérées

V ={ψ :Ω → R / ψ ∈H 1 (Ω) et ψ = 0 sur Γφ }

Remarque : les éléments de l’espace V ne dépendent pas du temps.

La formulation faible de (3.1) s’écrit sous la forme:

 Trouver φ(x,t)∈U tel que




(ψ , ρ c ∂φ ) + a (ψ ,φ ) = (ψ ,s ) − ψq dx (3.2)
 ∂t ∫Γq


avec a(ψ ,φ ) = ∫ ∇ψ ∇φ dΩ et (ψ ,φ ) = ∫ ψ φ dΩ
Ω Ω

2. Méthodes des différences finies

La méthode des différences finies consiste à:


• construire une maille dans le domaine Ωx[0,T ]. Dans le cas du problème de
conduction de chaleur dans une barre 1D de longueur L pendant un
intervalle t∈[t o ,t f ] , la maille est représentée sur la figure suivante.

tn A

X
(xo,to) h Xj

Fig.3.3 Maille en différences finies

Un point xj=xo+j ∆x; tn=to+n∆t est identifié par le couple (j,n)

• approcher les dérivées partielles temporelles et spatiales à l’aide des


valeurs aux nœuds.

69
n
∂φ ∂φ
La dérivée dans le temps = ( x = x j ,t = t n ) peut être approchée par:
∂t j ∂t

n φ n+1 −φ n
∂φ j j
= + O(∆t ) (3.4a)
∂t j ∆t
ou bien par
n φ n+1 −φ n−1
∂φ j j
= + O(∆t 2 ) (3.4b)
∂t j 2∆t

De même, la dérivée seconde dans l’espace peut être approchée par :

n
∂ 2φ φ nj+1 − 2φ nj +φ nj−1
= + O(∆x) 2 (3.5)
2 2
∂x j
∆x

En substituant (3.4a) et (3.5) dans (3.1) (D est constant), on obtient:

φ nj+1 −φ nj
n n n
D φ j +1 − 2φ j +φ j −1
= (3.6)
∆t ρc ∆x 2

ou encore

φ nj+1 =φ nj + D * (φ nj+1 − 2φ nj +φ nj−1 ) (3.7)

D∆t
avec D * =
ρc∆x 2

(j,n+1)

(j-1,n) (j,n) (j+1,n)

Fig.3.4 Schéma explicite en différences finies

Le schéma des différences finies (3.7) est un schéma explicite puisque la


solution au temps t n+1 est obtenue directement sans passer par la résolution d’un
système d’équations. Ce schéma est conditionnellement stable puisque le pas de

70
temps ∆t doit être inférieure à une valeur critique ∆tc pour que la solution
numérique ne présente pas des oscillations.

2 Analyse de la stabilité: Méthode de Von Neumann

Supposons que le schéma en différences finies s’écrit sous la forme:

n+1 n n
L(φ ) = L(φ j ,φ j −1 ,φ j ,...) = 0 (3.8)
où L est un opérateur linéaire.

La solution du schéma φ vérifie aussi la relation (3.8):

n+1 n n
L(φ ) = L(φ j ,φ j −1 ,φ j ,...) = 0 (3.9)
On introduit l’erreur ε nj au point A( xj=xo+j ∆x ; tn=to+n∆t) :

ε nj =φ nj −φ jn (3.10)

donc L(φ ) − L(φ ) = L(φ −φ ) = 0

n
soit L(ε j ) = 0 (3.11)

⇒ l’erreur satisfait aussi l’équation en différences finies.

Supposons que l’erreur au temps tn peut être écrite en série de Fourier sous la
forme :

ε nj = ∑ Emn exp( I .k m . j∆x) (3.12)


m

où I = −1 et E mn est l’amplitude de l’harmonique m à l’instant n∆t. Vu le


caractère linéaire du schéma, on peut analyser le comportement d’un terme
particulier E n exp( I .k . j∆x) .

L’erreur peut s’écrire sous la forme:


ε nj = E n exp( I .k . j∆x) = E n exp( I . jϕ )
avec ϕ = k∆x est le déphasage entre 2 points consécutifs de la maille.

71
Les expressions de l’erreur aux nœuds de la maille (j, n+1), (j−1,n), (j, n) et (j+1,
n) s’écrivent alors:

ε nj+1 = E n+1 exp( I . jϕ )

ε nj+1 = E n exp( I .( j +1)ϕ ) (3.13)

ε nj = E n exp( I . jϕ )

ε nj−1 = E n exp( I .( j −1)ϕ )

Substituons ces expressions dans le schéma en différences finies (3.7):

ε nj+1 =ε nj + D * (ε nj+1 − 2ε nj + ε nj−1 )

[
E n+1 = E n 1+ D * (exp( Iϕ ) − 2 + exp(− Iϕ )) ]
[
E n+1 = E n 1− 2 D * + 2 D * cosϕ ]
soit finalement
n+1 n * 2ϕ 
E = E 1− 4 D sin 
 2

Si on introduit un coefficient ξ n qui mesure la variation de l’erreur entre tn+1 et


tn:
n E n+1
ξ = (facteur d’amplification) (3.14a)
En

ϕ
ξ n =1− 4 D * sin 2 (3.14b)
2

Le critère de stabilité est donné par : |ξ n| ≤1 (3.15)

* 2ϕ * 1
−1≤1− 4 D sin ≤1 ⇒ 0 ≤ D ≤
2 2ϕ
2sin
2

La condition de stabilité est donc:

72
* 1
0≤ D ≤ (3.16)
2

Remarque : La condition de stabilité (3.16) porte le nom de condition CFL ou


condition de Courant, Friedrichs, et Levy ( elle fut découverte en 1928 avant
l’apparition des ordinateurs !)

Exercice:

Une barre de longueur L=10 est soumise aux CL suivantes: φ (0,t ) =φ ( L,t ) = 0 . La
distribution de la température à t=0 est:
φ ( x,0) = x /10 , 0 ≤ x ≤ 5 et φ ( x,0) =1− x /10 , 5≤ x ≤10
Déterminer l’évolution de la température de la barre en utilisant un schéma
explicite en différences finies. Prendre ∆x=1, ρ=1, c=1 et k=1.

Solution:

On utilise le schéma en DF donné par l’équation (3.7):

φ nj+1 =φ nj + D * (φ nj+1 − 2φ nj +φ nj−1 ) , j=1,9

0 1 2 ∆ x=1.0 10
Fig.3.5 Maille 1D

Les Figures 3.6 et 3.7 donnent les résultats obtenus pour 2 cas:
Schéma explicite D* = 0.49

0.5
n=0
1
0.4
Température

2
0.3
10
0.2
20
0.1 30
40
0.
4.
2. 2.
4. 6. 8. 10.
X

a)

73
Schéma explicite D* = 0.60

0.5 n=0
1
0.4 4

Température
0.3 10

0.2
20
0.1

0.
2. 4. 6. 8. 10.
X

b) apparition des oscillations non bornées de la solution numérique

Fig.3.6 Schéma explicite en différences finies: a) schéma stable;


b) schéma instable

Remarque:

On peut appliquer la même méthode pour analyser l’atténuation des harmoniques. Soit la
Dk 2
solution fondamentale: φ = exp(− t )exp(ikx) ,
ρc

φ n+1 Dk 2
On a: ξ n= = exp(− ∆t ) = exp(− D *ϕ 2 )
φn ρc

Le rapport entre l’amortissement numérique et analytique est donné par:

ϕ
n 1− 4 D * sin 2
ξ 2
= (3.17)
n * 2
ξ exp(− D ϕ )

Après développement en série de Taylor de (3.17), on arrive à:

ξn D 2k 4 Dk 4
=1− ∆t 2 + ∆t∆x 2 (3.18)
ξn 2ρ 2 c 2 12 ρc

On remarque que l’erreur est minimale pour D*=1/6.

74
3. Méthode des éléments finis dans le cas parabolique

Dans cette section, on montre comment la méthode des éléments finis s’adapte à
la résolution numérique de l’équation de la chaleur : on utilise des éléments finis
pour la discrétisation spatiale, et des différences finies pour la discrétisation
temporelle.

3.1. Semi-discrétisation en espace

Il s’agit de discrétiser en espace seulement la formulation variationnelle (3.2) de


l’équation de la chaleur. Comme dans le cas des problèmes elliptiques, on utilise
la méthode standard de Galerkin. On suppose que φ = 0 .
Soit l’espace des fonctions pondérées: V h = ψ h ∈H 1 (Ω) ψ h = 0 sur Γφ } {
Soit {N j } une base de Vh (dim Vh = n), Vh sera un sous-espace de Pk sur un
maillage triangulaire ou Qk pour un maillage rectangulaire.
La solution approchée φh s’écrit sous la forme:
n
φ ( x,t ) = ∑ϕˆ j (t )N j ( x)
h
(3.19)
j =1
La formulation (3.2) devient:

 Trouver ϕˆ h(t) tel que



 n n
 ( N i , ρc ∑ϕˆ& h (t ) N j ( x)) + a( N i , ∑ϕˆ j (t )N j ( x)) = ( N i , s ) − ∫ N i q dΓ
 Γq
 j =1 j =1

(3.20)
ou encore
dΦˆ T
∫Ω N T ρcNdΩ + ∫ B T DBdΩΦ
dt Ω ∫
ˆ = N T sdΩ −
Ω ∫Γq
N q dΓ (3.21)
ou encore
ˆ
ˆ (t ) + C dΦ (t ) =f (t )
KΦ (3.22a)
dt
n
ˆ ( x,0) = ∑ N j ( x)ϕ j (0)
Φ (3.22b)
j =1
avec
K = ∫ B DBdΩ
T
(matrice de rigidité) (3.23a)

C = ∫ N ρcNdΩ
T
(matrice symétrique définie positive) (3.23b)

f = ∫ N sdΩ − ∫ N q dΓ
T T
(3.23c)
Ω Γq

75
3.2. Discrétisation totale en espace – temps

Après avoir discrétisé l’équation de la chaleur en espace par une méthode d’éléments finis, on
termine la discrétisation du problème en utilisant une méthode de différences finies en temps.

Le problème à résoudre est transformé en équations différentielles ordinaires


(ODE) (3.22). La deuxième étape de la résolution est donc la discrétisation dans
le temps de ce système. Le schéma le plus simple est le schéma décentré aval
(schéma d’Euler progressif (Forward Euler)) où la dérivée première par rapport au
temps est approchée par:

ˆ (t n ) Φ
dΦ ˆ n+1 −Φ
ˆn
= (3.24)
dt ∆t

Le système (3.22a) devient

ˆ n+1 = Φ
Φ ˆ n + ∆t C −1 ( f n − K Φ
ˆ n) (3.25)

Ce schéma est explicite puisqu’il donne immédiatement les valeurs Φn+1 en


fonction des Φn. C’est un schéma conditionnellement stable. Il y a bien sûr une
donnée initiale Φo pour démarrer les itérations en n.

Exercice:
Une barre unidimensionnelle de longueur L ,de section constante A, est soumise
aux conditions suivantes:
φ(x=0)=1 oC et φ(x, t=0)=1-x/L; la partie droite (x=L) est isolée.
Trouver l’équation en éléments finis en utilisant 3 éléments linéaires et la forme
diagonale de la matrice C.

4. Schéma de Newmark

Le schéma en éléments finis présenté ci-dessus est un cas particulier d’une


famille de schémas appelés schémas généralisés de type Newmark:

ˆ n+1 = Φ &ˆ n &ˆ n


Φ ˆ n + ∆t Φ + β ∆t ∆Φ (3.26)

&ˆ n+1 &ˆ n &ˆ n


Φ =Φ + ∆Φ (3.27)

β est un paramètre tel que: 0 ≤ β ≤1


L’équation semi-discrétisée dans l’espace (3.22a) s’écrit à l’instant tn+1 :

76
&ˆ n+1
ˆ n+1 + C Φ
KΦ = f n+1 (3.28)

Substituons (3.26), (3.27) dans (3.28), on obtient:

&ˆ n n+1  &ˆ n &ˆ n  


(C + β ∆t K ) ∆Φ =f −  C Φ + K  Φ
ˆ n + ∆tΦ  (3.29)
  

Sous forme compacte:

&ˆ n
(C + β ∆t K ) ∆Φ = Ψ n+1 (3.30)
avec

Ψ n+1 = f n+1 − K Φ ˆ& n+1, pred


ˆ n+1, pred − C Φ (3.31)

&ˆ n+1, pred


ˆ n+1, pred et Φ
Φ sont des valeurs approchées de Φ et de sa dérivée
temporelle à l’instant n+1:
ˆ n+1, pred = Φ &ˆ n
ˆ n + ∆tΦ
Φ (3.32a)

&ˆ n+1, pred &ˆ n


Φ =Φ (3.32b)

En choisissant certaines valeurs de β, on obtient les schémas particuliers


suivants:

β Schémas

0 Forward Euler

1 Backward Euler

1 Crank-Nicolson
2
1 Galerkin (temps)
3

Remarques:

! Pour β ≥ 0,5 ; le schéma est inconditionnellement stable.


! Pour β=0, on obtient le schéma explicite d’Euler (Forward Euler). Dans
ce cas la matrice C peut être inversée facilement si on utilise la matrice
diagonale (Lumped matrix) associée à C.

77
! L’utilisation de cet algorithme de résolution nécessite les valeurs initiales:
&ˆ &ˆ −1
Φˆ o et Φ o . Cette dernière peut être obtenue à partir de Φ o = C (f o − KΦ
ˆ o)

5. Analyse matricielle de la stabilité

Le critère de stabilité d’un schéma en éléments finis peut être obtenue en


étudiant les valeurs propres de la matrice d’amplification du schéma. En effet,
considérons un problème 1D de conduction de chaleur dans une barre de
longueur L avec les conditions suivantes: φ(0,t)=φ(L,t)=0, φ(x,0)=φo(x). Ce
problème est décrit par le système d’équations suivants:

dΦˆ
C + KΦ
ˆ =0
dt

On utilise le schéma explicite d’Euler pour approcher les dérivées temporelles:

ˆ n+1 = Φ
Φ ˆ n − ∆t C −1 K Φ
ˆn
ou encore
ˆ n+1 = A Φ
Φ ˆn (3.33)

avec A = I − ∆t C −1 K = matrice d’amplification

Si Φ n et Φ n+1 sont des solutions exactes du schéma à tn et t n+1, on a:

Φ n+1 = A Φ n (3.34)

Entre les instants tn et tn+1, l’erreur vérifie l’équation suivante:

ε n+1 = A ε n (3.35a)
ou encore

ε n+1 = A n+1 ε 0 (3.35b)

Pour éviter l’amplification de l’erreur, il faut que les valeurs propres de A


vérifient:

λ A ≤1 ⇔ −1≤ λ A ≤1 (3.36)

Les valeurs propres de la matrice A sont données par λ A =1− ∆tλC −1K .

78
La condition de stabilité s’écrit donc:

0≤ ∆t λ −1 ≤ 2 (3.37)
C K

6. Schémas de Runge Kutta

6.1 Schéma de Runge - Kutta de second ordre

On suppose que l’équation semi-discrétisée dans l’espace peut s’écrire sous la


forme suivante:
 dΦ ˆ
 = H (Φ ˆ ,t
 dt (3.38)

 Φ(to ) = Φ o

où H(Φ,t) est un opérateur qui dans le cas de l’équation de chaleur prend la


forme suivante :

( )
dΦˆ
ˆ ,t ) = C −1. f − KΦ
= H (Φ ˆ (t ) (3.39)
dt

Par simplification, on suppose que Φ̂ et H sont des fonctions scalaires


Φ(t ) et H (Φ,t ) .

En série de Taylor, la fonction Φ s’écrit:


d 1 d2 1 d3
Φ(t + ∆t ) = Φ(t ) + ∆t Φ (t ) + ∆t 2 Φ (t ) + ∆t 3 Φ (t ) +... (3.40)
dt 2 dt 2 3! dt 3
Les dérivées par rapport au temps sont données par:


= H (Φ,t ) (3.41)
dt
d 2 Φ ∂H ∂H dΦ
= + (3.42)
dt 2 ∂t ∂Φ dt

Substituons les expressions (3.41 ; 3.42) dans (3.40), on obtient:

Φ(t + ∆t ) = Φ(t ) + ∆tH + ∆t (H t + H Φ H )+ O(∆t )


1 2 3
2
Φ(t + ∆t ) = Φ(t ) + ∆t H + ∆t (H + ∆tH t + ∆tHH Φ )+ O(∆t )
1 1 3
2 2
or

79
H (t + ∆t ,Φ + ∆tH ) = H (t ,Φ ) + ∆tH t + ∆tHH Φ + O(∆t 2 )
On arrive finalement à:
1 1
Φ(t + ∆t ) = Φ (t ) + ∆t H + ∆t H (t + ∆t ,Φ + ∆tH ) (3.43)
2 2
ou encore
Φ(t + ∆t ) = Φ(t ) +
1
(F1 + F2 ) (3.44a)
2
avec F1 = ∆tH (t ,Φ ) (3.44b)
F2 = ∆t H (t + ∆t , Φ + ∆tH ) (3.44c)

Les équations (3.44) constituent le schéma de Runge -Kutta de second ordre.

6.2 Schéma de Runge-Kutta d’ordre 4

Le schéma de Runge Kutta d’ordre 4 est donné par:

Φ(t + ∆t ) = Φ(t ) +
1
(F1 + 2 F2 + 2 F3 + F4 ) (3.45a)
6
avec
F1 = ∆tH (3.45b)

1 1
F2 = ∆t H (t + ∆t , Φ + F1 ) (3.45c)
2 2

1 1
F3 = ∆t H (t + ∆t , Φ + F2 ) (3.45d)
2 2

F4 = ∆t H (t + ∆t , Φ + F3 ) (3.45e)

Dans le cas du problème de conduction de la chaleur:

n+1 ˆ n + 1 (F1 + 2F2 + 2F3 + F4 )


ˆ
CΦ = CΦ
6
avec
F1 = ∆t (f n − KΦ
ˆ n)
1
n+
F2 = ∆t (f 2 ˆ n + 1 F1 )
− K (Φ
2
1
n+
F3 = ∆t (f ˆ n + 1 F2 )
− K (Φ
2
2
n+1 n
F4 = ∆t (f − K (Φ
ˆ + F3 ))

80
CHAPITRE 4

METHODES NUMERIQUES POUR LES PROBLEMES


HYPERBOLIQUES

1. INTRODUCTION: EXEMPLES DES EQUATIONS HYPERBOLIQUES

- Equations hyperboliques linéaires de premier ordre :


Equation d’advection ( équation de transport convectif ):
∂φ ∂φ
+ a = 0 ; a∈ℜ* (4.1a)
∂t ∂x

Ce sont des équations hyperboliques les plus simples qu’on peut rencontrer
en physique ou dans le domaine d’ingénieur.

- Equations hyperboliques non linéaires de premier ordre:


Equation de Bürgers:
∂u ∂u
+u =0 (4.1b)
∂t ∂x
- Equations hyperboliques linéaires de second ordre:
Ces équations s’écrivent sous la forme:

∂ 2u
+ Lu = f (4.1c)
2
∂t
où L est un opérateur elliptique.

La résolution numérique des équations hyperboliques présente quelques


difficultés :

(i) les termes convectifs nécessitent des méthodes de discrétisation

83
spéciales différentes de la méthode standard de Galerkin puisqu’il
s’agit d’un opérateur qui n’est pas auto adjoint.
(ii) apparition des phénomènes de diffusion et d’amortissement
numériques.
(iii) apparition des phénomènes de dispersion : la vitesse de la propagation
de l’onde du schéma numérique dépend de la longueur d’onde.
(iv) Problème des conditions à la frontière quand il s’agit de traiter un
problème de propagation d’onde dans un domaine infini.

Remarque 1:
Les équations hyperboliques peuvent s’écrire sous deux formes :
(i) Equation ou système d’équations de premier ordre
(ii) Equation ou système d’équations de second ordre.
Pour les problèmes hyperboliques du second ordre, la technique de résolution est
la même que celle développée pour les problèmes paraboliques. La première
étape consiste à discrétiser ces équations dans l’espace et la deuxième étape
consiste à intégrer pas à pas dans le temps. L’inconvénient de cette formulation
est que le schéma nécessite plusieurs incréments de temps pour converger.
Remarque 2 :
Le rôle du temps est fondamentalement différent selon qu’on traite l’équation de
la chaleur (parabolique) ou l’équation d’advection (hyperbolique). En effet , si
on change le signe du temps t et celui de la vitesse, l’équation d’advection (4.1a)
est inchangée. Au contraire, un changement de signe du temps dans l’équation
de la chaleur ne peut pas être compensé par une quelconque variation du signe
des données.
On dit que l’équation d’advection est réversible en temps, tandis que l’équation
de la chaleur est irréversible en temps (Certains phénomènes physiques sont
réversibles en temps , d’autres non).

84
Remarque 3 :
Une autre différence fondamentale entre les équations l’équation de la chaleur et
l’équation d’advection porte sur les propriétés d’invariance par changement
d’échelle. En effet si φ(x,t) est solution de l’équation de la chaleur alors
x t
φ ( , ) est aussi solution de la même équation. De même si φ(x,t) est une
λ λ2

x t
solution de l’équation d’advection (4.1a) alors φ ( , ) est aussi solution. On voit
λ λ
bien que la mise à l’échelle de la variable de temps n’est pas la même dans les
deux cas.

2. EQUATIONS HYPERBOLIQUES DE PREMIER ORDRE

2.1 Equations hyperboliques linéaires de premier ordre

L’exemple type des équations hyperboliques linéaires de premier ordre est


l’équation linéaire de transport convectif en une dimension:

 Trouver φ ( x,t ) tel que



 ∂φ ∂φ
pour (x,t)∈[0;1]xIR*
+
a + b = c
 ∂t ∂x (4.2)

 φ (0, x) =φo ( x) pour x∈[0;1]

φ est une fonction scalaire; a, b et c sont des constantes non nulles.

2.1.1 Courbes caractéristiques

La méthode des caractéristiques peut être utilisée pour résoudre l’équation (4.2).
Soit une courbe Γ dans le plan (x,t), la variation de φ le long de Γ s’écrit:

∂φ ∂φ
dφ = dx + dt (4.3)
∂x ∂t

A partir de (4.2),

85
∂φ 1 ∂φ
= (c − b ) (4.4)
∂t a ∂x

En substituant (4.4) dans (4.3), on obtient:

c  b  ∂φ
dφ = dt +  dx − dt  (4.5)
a  a  ∂x

b
Si sur la courbe Γ, on a: dx= dt (4.6)
a

alors l’expression (4.6) s’écrit:


c
dφ = dt (4.7)
a
qui est une équation différentielle ordinaire.

Les courbes Γ sont appelées lignes caractéristiques de l’EDP.

La résolution du problème par la méthode des caractéristiques se fait en deux


étapes:
- Trouver les familles de courbes caractéristiques dans le plan (x,t)
dx dt
en intégrant l’équation (4.6) : =
b a
- Intégrer le long des lignes caractéristiques l’équation (4.7):
dφ dt
=
c a
Remarque: Pour intégrer l’équation (4.7), on a besoin des valeurs initiales de φ
sur une courbe C qui n’appartient pas à la famille des lignes caractéristiques
(Fig.4.1).

86
t
Γ1
Γ2

Γ3

Γ4
C x

Fig.4.1

Exemple: Résoudre à l’aide de la méthode des caractéristiques le problème


suivant:

∂φ ∂φ
+ u = 0 ; x∈R
∂t ∂x
φ ( x,0) =φo ( x)

Solution: Les lignes caractéristiques ont pour équation:

 dx
 dt = u


 x ( 0) = x o

Les caractéristiques sont des droites de pente 1/u et le long de ces lignes, φ est
constante (Fig.4.2). Soient deux points (xa,ta) et (xo,0) de la ligne caractéristique,
donc:

φ ( xa ,t a ) =φ ( xo ,0) =φo ( xo ) =φo ( xa −ut a )

En général la solution du problème est une onde qui se propage à la vitesse u le


long de la ligne caractéristique (Fig.4.3):

φ ( x,t ) =φo ( x − ut ) (4.8)

87
t
(xa,ta)

x
xo=xa-uta

Fig.4.2 Ligne caractéristique

Φ
t

Φ ( x, t 2 )

Φ ( x, t1 )

Φ ( x, t0 ) x

Fig.4.3 Translation le long de la ligne des caractéristiques

2.1.2 Discontinuités: Solutions faibles de l’équation de convection

On considère le problème suivant où la condition initiale est discontinue:

 ∂φ ∂
 ∂t + ∂x uφ = 0


φ (0,t ) =φ L t∈[0,∞]
 (4.9)

φ ( x,0) =φ L x ≤ xo


φ ( x,0) =φ R xo < x

où u est une constante positive.

88
En utilisant la méthode des caractéristiques, la solution de l’équation (4.9) est
donnée par:

φ ( x,t ) =φ L si x ≤ xo + ut
(4.10)
φ ( x,t ) =φ R si x f xo + ut

La fonction φ présente des discontinuités au point xo, l’équation (4.9) n’a plus de
sens puisque la dérivée spatiale n’existe plus. Pour surmonter ce problème, on
doit présenter le problème sous sa forme variationnelle. En effet, on multiplie
l’équation (4.9) par une fonction ψ(x,t) de classe C1(R2) et à support borné. La
formulation faible du problème s’écrit:

+∞ ∞  ∂ψ ∂ψ  +∞
∫ ∫ φ
−∞ 0  ∂t
+φu
∂x 

dxdt + ∫−∞ψ ( x,0)φo ( x)dx = 0 (4.11)

qui a bien un sens même pour une fonction φ non dérivable.

2.2 Equations hyperboliques non linéaires de premier ordre

L’exemple type des équations hyperboliques non linéaires de premier ordre est
l’équation de Bürgers qui est donnée par:

∂u ∂u
+u =0 (4.12a)
∂t ∂x

∂u ∂  u 2 
ou bien sous sa forme conservative + =0 (4.12b)
∂t ∂x  2 

Cette équation a été utilisée pour étudier la formation d’ondes de choc en


dynamique des gaz.
dx
Les lignes caractéristiques sont données par: = u . La vitesse de propagation de
dt
l’onde varie dans le temps et dans l’espace et dépend des conditions initiales et
aux limites, ce qui donne naissance à des ondes de choc.

Exemple : Résoudre l’équation suivante en utilisant la méthode des caractéristiques:

89
 ∂u ∂u
 ∂t + u ∂x = 0 , x∈]0,4 [ et t∈]0,4[


 u ( x,0) = u o ( x) =1/ 4 x∈[0,1]


 u o ( x) = (3 x − 2)/ 4 x∈]1,2]


 u o ( x) =1 x∈]2,4]


 u( 0,t)= f (x)=1/ 4 t∈]0,4]
 o

Solution:
On divise le domaine Ω en 3 régions: (Fig.4.4)

(i) Région ΩL:

Dans cette région, l’équation des lignes caractéristiques est: x − t / 4 = xo ;


xo ∈[0,1] .
Dans le cas où xo<0, la ligne caractéristique a pour équation: t −4 x = t o ;
t o ∈]0,4] .

(ii) Région ΩR:

Les lignes caractéristiques sont données par: x − t = xo ; xo ∈]2,4] .

(iii) Région ΩF:

L’équation des lignes caractéristiques est: x − u o ( xo )t = xo


3 xo − 2
soit x − t = xo ; d’où on tire la valeur de xo intersection de l’axe Ox
4
4 x + 2t
avec la caractéristique passant par le point (x,t): xo = .
4 + 3t

90
t
D A4 E

ΩL ΩF
A2 B2

ΩR
x
O A B C

Fig.4.4

En conclusion

 x − t / 4 ≤1 u (x,t) =1/4

 4x + 2t
1p ≤2 u (x,t) = (3x - 2)/(3t + 4)
 4 + 3t

 2< x −t u (x,t) =1

3. EQUATION DE CONVECTION-DIFFUSION

La formulation forte d’un problème de convection-diffusion peut s’écrire sous la


forme:

91
 Trouver φ ( x,t ) tel que

 ∂φ ∂φ ∂ 2φ +
 +u − D = f dans ΩxR*
 ∂t ∂x ∂x
2
 (4.14)
 φ =0 sur ∂ΩxR*+



 φ ( x,0) =φo ( x) dans Ω

On définit le nombre de Péclet pour un tel problème par :


uh
Pe =
D
où h est une longueur caractéristique du problème. Ce nombre mesure
l’importance relative du terme de convection par rapport au terme de diffusion.

Simplifications possibles:

Pe<<1, on obtient l’équation de la chaleur (équation parabolique).


Pe>>1, on obtient l’équation d’advection (équation hyperbolique).

Sur la figure 4.11 est représenté la solution d’un problème de transport convectif
et d’un problème de diffusion.

Convection Diffusion

Fig.4.11

Le comportement typique d’un schéma diffusif est sa tendance à étaler


artificiellement les données initiales au cours du temps. Les schémas diffusifs
sont donc de mauvais schémas.

4. SYSTEME D’EQUATIONS HYPERBOLIQUES DE PREMIER ORDRE

On considère le système linéaire suivant:

92
∂Φ ∂Φ
+A =0 , t>0 , x∈R (4.15)
∂t ∂x

Φ est le vecteur inconnu Φ:Rx[0,+∞ )→ R n et A∈R nxn est une matrice constante.

On note par λi (1≤ i≤ n) les valeurs propres de A, si λi sont réelles alors le


système (4.10) est dit hyperbolique.

Soient x (i ) (1≤ i≤ n) les vecteurs propres de la matrice A.

On a: Ax (i ) = λi x (i ) i=1,n

{ }
Soit la matrice P définie par: P= x (1) , x ( 2) ,..., x (n) , on introduit un vecteur ψ
tel que Φ= PΨ , l’équation (4.15) devient:

∂Ψ ∂Ψ
+Λ =0 (4.16)
∂t ∂x

avec Λ = P −1 AP est une matrice diagonale tel que Λ kk = λ k

le système (4.16) peut s’écrire sous la forme de n équations scalaires


indépendantes:

∂Ψ (i ) ∂Ψ (i )
+ λi =0 ; i=1,...n (4.17)
∂t ∂x

Les équations (4.17) sont des équations scalaires de transport convectif dont la
solution est:

Ψ (i ) ( x,t ) = Ψ (i ) ( x − λi t ,0)
(4.18)

Finalement la solution est donnée par:

Φ= PΨ (4.19)

93
Remarque: Dans le plan (x,t), les courbes X (t ) = xo + λk t sont les k-
caractéristiques et Ψk est constant le long de la caractéristique k.

Exemple: Un exemple classique d’une équation hyperbolique de second ordre


est l’équation des ondes. Dans le cas d’une onde se propageant dans une barre
1D, l’équation s’écrit:

- Formulation en termes de déplacements:


2 2
∂ u 2∂ u
pour (x, t)∈[0,1]xIR*
+
=c (4.20a)
2 2
∂t ∂x

u ( x,0) = u o ( x ) pour x∈[0,1] (4.20b)


∂u
( x,0) = v o ( x ) pour x∈[0,1] (4.20c)
∂t

E
où c= est la vitesse de propagation de l’onde.
ρ
- Formulation mixte en termes de vitesse - contrainte

 ∂σ ∂v
 ∂x = ρ ∂t
 (4.21)
 ∂σ = E ∂v
 ∂t ∂x
ou encore
 σ   0 − E  σ   0 
    
∂    ∂   = 
 + (4.22)
∂t    − 1 0  ∂x  v   0 
 v   ρ     

sous forme compacte

∂ ∂
Φ + A Φ=0 (4.23)
∂t ∂x
avec
σ   0 −E 
   
Φ =   = vecteur inconnu; et A =  
v − 1 0 
   ρ
 

94
E E
Les valeurs propres de A sont: λ1 = et λ2 = − (vitesses de l’onde)
ρ ρ
 − ρE   ρE 
(1)   ( 2)  
Les vecteurs propres correspondants sont: x =  et x =  
   
 1   1 

Les équations scalaires indépendantes sont:

∂Ψ (1) ∂Ψ (1)
+c =0 (4.24a)
∂t ∂x

∂Ψ ( 2) ∂Ψ ( 2)
−c =0 (4.24b)
∂t ∂x

Le système (4.24) donne le vecteur ψ et la solution finale est obtenue à partir de


 − ρE ρE 

la relation (4.19) où la matrice P est donnée par: P =  
 
 1 1 

5. SCHEMAS NUMERIQUES EN DIFFERENCES FINIES

on va introduire quelques schémas en différences finies pour traiter l’équation


scalaire de transport convectif 1D.

5.1 Schéma FTBS (Forward in Time & Backward in Space)


(Aval dans le temps et amont dans l’espace)

On considère l’équation de transport convectif 1D:

∂Φ ∂Φ
+u =0 (4.25)
∂t ∂x

Les dérivées partielles sont approchées par:

n Φ n+1 − Φ n
∂Φ j j
= + O(∆t ) (4.26)
∂t j ∆t

n n
∂Φ
n Φ j − Φ j −1
= + O(∆x) (4.27)
∂x j ∆x

95
Substituons (4.26) et (4.27) dans (4.25), on obtient le schéma FTBS:

(
Φ nj+1 = Φ nj − C Φ nj − Φ nj−1 ) (4.28)

C est appelé nombre de courant et il est donné par:

u∆t
C= (4.29)
∆x

Remarque :
- C est le rapport entre la vitesse physique u et la vitesse numérique ∆x / ∆t .
- Le schéma FTBS est explicite du premier ordre.

Exercice : Utiliser le schéma FTBS pour résoudre le problème de transport


convectif défini sur [0,2] par: vitesse u=1m/s, el les conditions initiales sont

 x ≤ 0.8 Φ( x,0) = 0

 x − 0.8
 0.8≤ x ≤1 Φ( x,0) =
 0.2

1≤ x ≤1.2 1.2 − x
Φ ( x,0) =
 0.2


 1.2 ≤ x Φ ( x,0) = 0

Φ(0,t ) = 0
On prendra ∆x=0.1 et étudier les cas pour les 3 valeurs du nombre de Courant
C=0.5; 1; 1.5. Conclure.

5.2 Schéma FTCS (Forward in Time & Centred in Space)

Les dérivées spatiales et temporelles sont approchées par:

n Φ n+1 − Φ n
∂Φ j j
= + O(∆t )
∂t j ∆t

n Φ n n
∂Φ j +1 − Φ j −1 2
= + O(∆x ) (4.30)
∂x j 2∆x

96
Substituons ces deux expressions dans l’équation (4.25), on obtient le schéma
FTCS:

n+1
Φj
n
=Φ j − (
C n n
Φ − Φ j −1
2 j +1
) (4.31)

C est le nombre de Courant. Ce schéma est explicite et d’ordre 1

Exercice: Reprendre l’exemple précédent (§ 5.2) en utilisant le schéma FTCS.


Conclure.

5.3 Schéma de Lax-Wendroff

5.3.1 Discrétisation dans le temps

Cette méthode est basée sur le développement en série de Taylor de Φ autour de


(j,n):
n n
∂Φ ∆t 2 ∂ 2 Φ
Φ nj+1 = Φ nj + ∆t + + O(∆t ) 3 (4.32)
∂t j 2 ∂t 2
j

Les dérivées temporelles sont données par:

∂Φ ∂Φ
= −u (4.33)
∂t ∂x
∂ 2Φ ∂ 2Φ
=u 2 (4.34)
2 2
∂t ∂x
On remplace les expressions (4.33) et (4.34) dans (4.32), on arrive à

n n
∂Φ ∆t 2 2 ∂ 2 Φ
Φ nj+1 = Φ nj − ∆tu + u (4.35)
∂x j 2 ∂x 2 j

L’expression (4.35) contient seulement les dérivées spatiales.

5.3.2 Discrétisation dans l’espace

On peut discrétiser l’équation (4.35) dans l’espace en utilisant la méthode des


différences finies ou bien la méthode des éléments finis. Utilisons un schéma en
différences finies centré dans l’espace:

97
n Φ n n
∂Φ j +1 − Φ j −1 2
= + O(∆x ) (4.36)
∂x j 2∆x

n
∂ 2Φ Φ nj+1 − 2Φ nj + Φ nj−1
= + O(∆x 2 ) (4.37)
2 2
∂x j
∆x

Substituons (4.36) et (4.37) dans (4.35), on obtient le schéma de Lax-Wendroff

Φj
n+1 1
2
n
( 2
)
= C (1+ C )Φ j −1 + 1− C Φ j − C (1− C )Φ j +1
2 n 1 n
(4.38)

C’est un schéma explicite mais de second ordre. La stabilité de ce schéma n’est


garantie que sous une condition qu’on verra dans la suite.

Exercice: Reprendre l’exemple précédent (§ 5.1) en utilisant le schéma de Lax-Wendroff.

6. METHODE DE TAYLOR-GALERKIN

Il est bien connu que la méthode de Galerkin est bien adaptée à la résolution des
EDP elliptiques. Cependant l’utilisation de cette méthode pour résoudre les
équations de conservation où apparaissent des termes convectifs pose des
difficultés numériques (apparition des oscillations numériques parasites) liées au
caractère non symétrique de l’opérateur de convection.
Pour surmonter ce problème, plusieurs techniques ont été proposées. On peut
citer les schémas décentrés en différences finies; méthode de Petrov-Galerkin
appliquée au problème de convection-diffusion stationnaire. Cependant ces
méthodes ne sont pas adaptées dans le cas des problèmes multidimensionnelles.

Parmi les méthodes qui ont montré leurs efficacité pour résoudre les problèmes
hyperboliques, est la méthode de Taylor-Galerkin.

Soit l’équation scalaire unidimensionnelle:

∂ ∂
φ + Fx + S = 0 (4.39)
∂t ∂x

6.1 Discrétisation dans le temps

Le développement de Taylor de φ autour de tn à l’ordre 2 donne:

98
n n
n+1 n ∂φ ∆t 2 ∂ 2φ
φ =φ + ∆t + + Ο(∆t ) 3 (4.40)
∂t 2 ∂t 2

or
n n
∂φ ∂ 
= −  Fx + S  (4.41a)
∂t  ∂x 
et
n n
∂ 2φ ∂ ∂ 
= −  Fx + S  (4.41b)
∂t 2 ∂t  ∂x 

∂ ∂F ∂φ ∂φ  ∂F 
d’autre part Fx = x = A = − A x + S  (4.42a)
∂t ∂φ ∂t ∂t  ∂x 
∂ ∂S ∂φ ∂φ  ∂F 
S= = B = − B x + S  (4.43b)
∂t ∂φ ∂t ∂t  ∂x 

A et B sont 2 matrices dont les éléments sont respectivement les dérivées par
rapport à φ des vecteurs flux et source.
En tenant compte des relations (4.41) et (4.42), l’expression (4.40) s’écrit:

n n
n+1 n  ∂F  ∆t 2  ∂   ∂Fx   ∂F 
φ =φ − ∆t  x + S  +   A + S  + B x + S  + Ο(∆t ) 3 (4.44)
 ∂x  2  ∂x   ∂x   ∂x 

On peut arrêter la discrétisation dans le temps à ce stade et discrétiser dans


l’espace l’expression (4.44). Cependant le présence des matrices A et B rend le
calcul cher. Une autre alternative est d’appliquer un algorithme à deux étapes.
Le développement de Taylor à l’ordre 1 du vecteur φ au temps t n+1/ 2 donne

n
n+1/ 2 ∆t  ∂F
n 
φ =φ −  x + S  (4.45)
2  ∂x 

Connaissant les valeurs de φ au temps t n+1/ 2 , on peut calculer les valeurs des
vecteurs F et S au temps t n+1/ 2 :

n
∆t  ∂Fx 
Fxn+1/ 2 = Fxn − A +S  (4.46a)
2  ∂x 
n
n+1/ 2 ∆t  ∂F
n 
S = S − B x + S  (4.46b)
2  ∂x 

99
A partir de ces expressions, on obtient:

n n+1/ 2 n
 ∂F  F − Fx
A x + S  = − x (4.47a)
 ∂x  ∆t / 2
n n+1/ 2 n
 ∂F  S −S
B x + S  = − (4.47b)
 ∂x  ∆t / 2

En tenant compte de ces deux relations, l’expression (4.44) devient:

n+1
 ∂Fxn+1/ 2 
φ =φ − ∆t 
n
+ S n+1/ 2  (4.48)
 ∂x 
 

6.2 Discrétisation dans l’espace

La discrétisation dans l’espace de l’équation (4.43) peut se faire à l’aide de la


méthode standard de Galerkin:

φ = N iφˆi (4.49)

φˆi est la valeur du vecteur inconnu au nœud i et Ni est la fonction de forme


correspondante.

(N ,φ )=(N ,φ )− ∆t N , ∂F ∂x ( )
n+1/ 2 
n+1 n x  − ∆t N i ,S n+1/ 2
i i i (4.50)

 
où ( f , g )= ∫Ω f g dΩ

En utilisant la relation (4.49) et le théorème de Green, on arrive à

Mφˆ
n+1 n
= Mφˆ + ∆t {∫ (∇N )

T
Fx
n+1/ 2
dΩ − ∫ N S

T n+1/ 2
dΩ − ∫
∂Ω
N Fx
T n+1/ 2
.ndΓ }
avec M = ∫ N T NdΩ est la matrice de masse consistante et n étant la normale à la

frontière ∂Ω .

Remarque:

Le système d’équations ci-dessus est de la forme:

100
Mx = f

Il peut être résolu en utilisant le schéma de Jacobi:

x k +1 = x k + M L−1 ( f − Mx k )

où M L−1 est la forme diagonale de la matrice de masse M et k est le nombre


d’itérations. En général, on a besoin moins de 6 itérations pour atteindre la
convergence.

7. CONSISTANCE, STABILITE ET CONVERGENCE D’UN SCHEMA NUMERIQUE

7.1 Consistance

Un schéma numérique est dit consistant si la différence entre l’opérateur


différentiel exacte et l’opérateur discrétisé tend vers 0 quand ∆r et ∆t tendent
vers 0 simultanément.

Etudions la consistance du schéma FTBS (4.28):

Φj
n+1 n
( n n
= Φ j − C Φ j − Φ j −1 ) (4.51)

Un développement de Taylor de Φ nj+1 et Φ nj−1 autour de (j,n) donne

n
2
n+1 n n ∆t
Φ j = Φ j + ∆tΦ ,t j + Φ ,tt + O(∆t ) 3 (4.52)
2
j
et
n
2
n ∆x
Φ nj−1 = Φ nj − ∆xΦ , x j + Φ , xx + O(∆x) 3 (4.53)
2
j

En substituant les expressions (4.52) et (4.53) dans (4.51), on obtient:

n n n
2 2
 ∂Φ ∂Φ  C ∆x ∂ Φ ∆t ∂ 2 Φ
 + u  = − (4.54)
 ∂t ∂x  j 2 ∆t ∂x 2 2 ∂t 2
j j
or

101
∂ 2Φ ∂ 2Φ
=u 2
∂t 2 ∂x 2

La relation (4.54) peut s’écrire sous la forme

n n
 ∂Φ ∂Φ  u∆x ∂ 2Φ
 + u  = (1− C ) (4.55)
 ∂t ∂x  j 2 ∂x 2 j
Remarque :

• Le schéma est consistant: quand ∆x et ∆t tendent vers 0, le schéma


numérique tend vers l’EDP.

• Le schéma est de premier ordre dans le temps et dans l’espace.

• D’après (4.55), le schéma (4.51) introduit un terme de diffusion


numérique qui tend vers 0 pour C=1.

• Pour C>1 , le schéma introduit une diffusion négative qui n’a aucun sens
physique ⇒ présence des oscillations dans la solution numérique.
n
u∆x ∂ 2Φ
Le terme (1− C ) est l’erreur de troncature du schéma.
2 ∂x 2
j
Donc un schéma est dit consistant si l’erreur de troncature tend vers 0 quand ∆r
et ∆t tendent vers 0.

7. 2 Etude de la Stabilité par la méthode de Von Neumann

7.2.1 Analyse de la stabilité du schéma FTBS

L’erreur ε du schéma vérifie l’équation discrétisée (4.51):

(
ε nj+1 = ε nj − C ε nj − ε nj−1 ) (4.56)
En écrivant les relations suivantes

 ε n = E n exp(ijϕ )
 j

 n
ε j −1 = E exp(i ( j −1)ϕ )
n

 n+1 n+1
ε j = E exp(ijϕ )

102
En substituant ces expressions dans (4.56), on obtient le facteur d’amplification:

E n+1
ξn = =1− C (1− exp(−iϕ ) )
En

ξ n ={(1− C )+ C cosϕ }− iC sinϕ

La condition de stabilité: ξ n ≤1

u∆t
C= ≤1
ou encore
∆x (4.57)

La relation (4.57) est appelée condition de Courant-Friedrichs-Lewy (CFL).

7.2.2 Analyse de la stabilité du schéma FTCS

L’erreur ε du schéma vérifie l’équation discrétisée suivante:

ε nj+1 =ε nj −
2
(
C n
ε j +1 −ε nj−1 ) (4.58)
En tenant compte des relations suivantes

 ε n+1 = E n+1 exp(ijϕ )


 j

 ε n = E n exp(i ( j +1)ϕ )
 j +1

 ε n = E n exp(ijϕ )
 j

 n
ε j −1 = E exp(i ( j −1)ϕ )
n

On obtient le facteur d’amplification:

E n+1
ξn = =1− iC sinϕ
En
2
E n+1
et =1+ C 2 sin 2 ϕ (4.59)
n
E
C’est un schéma inconditionnellement instable.

103
8. EQUATIONS HYPERBOLIQUES DE SECOND ORDRE

Soit un domaine Ω ⊂ ℜ N , N=2, 3; les équations hyperboliques de second ordre


s’écrivent sous la forme suivante:

 ∂ 2u
 + Lu = f dans Ωx (0,T)
 ∂t 2

u =0 sur Γ D x( 0,T)


 ∂u
 =0 sur Γ N x( 0 ,T) (4.60)
 ∂n

 u t =0 = u o dans Ω

 ∂u
 = u1 dans Ω
 ∂t t =0

où L est un opérateur elliptique.

8.1 Equation des ondes

Soit Ω un ouvert borné de IRN de frontière ∂Ω . Pour des conditions aux limites
de Dirichlet, l’équation s’écrit :

 ∂ 2u
 − ∆u = f dans ΩxIR *+
2
 ∂t

 u =0 sur∂ΩxIR *+

 (4.61)

 u (t = 0) = u o ( x) dans Ω

 ∂u
 (t = 0) = u1 ( x) dans Ω
 ∂t

Le problème aux limites (4.61) peut modéliser la propagation au cours du temps


du déplacement vertical d’une membrane élastique.

Remarque : On peut ajouter à l’équation (4.61) un terme du premier ordre en


temps, ce qui donne :

104
∂ 2u ∂u
+η − ∆u = f dans ΩxIR *+
∂t 2 ∂t

η est un coefficient d’amortissement positif.

8.1.1 Formulation variationnelle de (4.61)

d2
dt

2 Ω
u ( x,t )v( x)dx + ∫ ∇u ( x,t ).∇v( x,t )dx = ∫ f ( x,t )v( x)dx ; v∈H o1 (Ω) (4.62)
Ω Ω

On introduit :

(w,v )L2 (Ω) = ∫Ωw( x)v( x)dx (produit scalaire dans L2(Ω)
a( w,v = ∫ ∇w( x)∇v( x)dx

La formulation variationnelle (4.62) s’écrit :

d2
 (u,v )L2 (Ω) + a(u,v) = ( f ,v )L2 (Ω) ∀v∈H o1 (Ω); 0 p t pT
 dt 2
 (4.63)
 du
 u (t = 0) = u o ; (t = 0) = u1
dt

Remarque :

Une des conséquences du caractère réversible en temps de l’équation des ondes


est qu’il n’y a aucun effet régularisant pour l’équation des ondes. Par
conséquent, il n’y a ni gain ni perte de régularité pour la solution de l’équation
des ondes par rapport aux données initiales. Donc, la régularité de la solution de
l’équation des ondes est directement liée à celle des données.

8.1.2 Semi-discrétisation en espace

On discrétise en espace seulement la formulation variationnelle (4.63). Pour cela


on introduit un sous espace Voh ⊂ H o1 (Ω) de dimension finie. La semi-
discrétisation s’écrit :

105
Trouver uh(t) telle que
d2
 (u h ,vh )L2 (Ω) + a(u h ,vh ) = ( f ,vh )L2 (Ω) ∀v h ∈Voh ; 0 p t pT
 dt 2
 (4.64)
 du h
 u h (t = 0) = u o,h ; (t = 0) = u1,h
dt

On introduit une base (φi )1≤i≤n = ( N i )1≤i≤n ∈Voh et on écrit l’approximation


suivante ( par simplification, on supprime h) :
n
u ( x,t ) = ∑U i (t ) N i ( x) (4.65)
i =1
avec U = (U i )1≤i≤n =vecteur des coordonnées de u.

En posant :

n n
u o = ∑U io N i ; u1 = ∑U i1 N i et f i (t ) = ( f , N i )L2 (Ω) , 1≤ i≤ n
i =1 i =1

L’approximation variationnelle (4.64) est équivalente au système linéaire


d’équations différentielles ordinaires d’ordre 2 à coefficients constants :

 d 2U
 M + KU = f
 dt
2
 (4.65)
 o dU 1
U (t = 0) =U ; (t = 0) =U
dt
avec

M ij = ∫ N i N j dΩ = matrice de masse

K ij = ∫ ∇N i ∇N j dΩ =matrice de rigidité

8.1.3 Discrétisation totale en espace temps

On utilise soit une méthode des différences finies en temps soit le schéma de
Newmark pour résoudre le système d’équations différentielles (4.65).
(voir le paragraphe suivant)

8.2 Problème de l’élastodynamique

8.2.1 Formulation forte

106
Soit Ω ⊂ IR 3 un domaine occupé par un milieu élastique homogène, de frontière
∂Ω = Γu ∪ Γn et Γu ∩ Γn = Ø.

La formulation d’un problème de l’élasticité en 3D s’écrit:

∂ 2u
ST σ + b = ρ dans Ω x (0,T )
∂t 2
(4.66a)
u(x,t ) − u (t ) = 0 sur Γu x (0,T )
(4.66b)
σ n −t =0 sur Γn x (0,T )
(4.66c)
u(x,0) = u o (x) dans Ω
(4.66d)
v(x,0) = v o (x) dans Ω (4.66e)

avec

σ=D. ε ; ε = S u (4.67)

Cette formulation peut encore s’écrire sous la forme

 Trouver ui :Ω x[0,T ]→ R tel que




 ρ u i,tt = σ ij , j + bi dans Ω x (0,T )


 ui = ui sur Γu x (0,T )

 (4.68)
 σ ij n j = t i sur Γn x (0,T )



 ui (x,0) = u oi (x) dans Ω


 ui,t (x,0) = u& oi (x) dans Ω

8.2.2 Discrétisations

8.2.2.1 Semi-discrétisation en espace

En écrivant que le champ de déplacement u s’écrit sous la forme:

107
n
u(x,t ) ≈ ∑N i (x)U i (t ) = NU
i =1

avec N= (N1 ,N 2 ,...,N n ) ; N i = N i I 3

MU&& + K U = f (4.69)
avec

T
M = ∫ N ρ NdΩ = matrice de masse

T
K = ∫ B DBdΩ = matrice de rigidité

T T
f = ∫ N b dΩ + R + ∫Γn N t dΓ =vecteur de force

Le vecteur R contient les réactions aux nœuds i ∈ Γu.

Pour tenir en compte de l’amortissement dans le matériau, on introduit la


matrice d’amortissement C = ∫ N T c NdΩ . Le système d’équations s’écrit alors:

&& + C U
MU & + KU = f (4.70)

8.2.2.2 Discrétisation dans le temps

(i) Schéma en différences finies centrées

L’accélération u&&n et la vitesse u& n sont approchées à l’aide des expressions


suivantes:
&& n ≈
u
1
2
(u n+1 − 2u n + u n−1 ) (4.71a)
∆t
u& n ≈
1
(u n+1 − u n−1 ) (4.71b)
2 ∆t

On substitue (4.71a) et (4.71b) dans (4.70) écrite au temps n∆t, on obtient:

108
( )
−1
 ∆t   2 2  ∆t  
u n+1 =  M + C  ∆t f n − K∆t − 2M u n −  M − C  u n−1  (4.72)
 2    2  

C’est une méthode explicite (il n’est en fait vraiment explicite que si la matrice
(M+∆t/2 C) est diagonale) donc conditionnellement stable. La stabilité du
schéma numérique dépend largement du pas de temps.
Le critère de stabilité est donné par:

2
∆t < ∆t cr = (4.73)
ω max
ωmax = pulsation propre maximale du système, ωi sont racines de KU = ωi2 MU

(ii) Méthode de Newmark

C’est la méthode la plus utilisée pour résoudre le système d’équations (4.70),


elle consiste à:

&& n+1 + Cu& n+1 + Ku n +1 = f n +1


Mu
(4.74a)
∆t 2
u n+1 = u n + ∆t u& n + [(1− β )u&& n + && n+1 ]
β u (4.74b)
2

u& n+1 = u& n + ∆t [(1−α )u && n+1 ]


&& n + α u (4.74c)

0 ≤α ≤1 et 0 ≤ β ≤1 . α et β sont deux paramètres qui contrôlent la stabilité du


schéma.

Si on définit les expressions suivantes (Predictors):

∆t 2
u npred
+1 = u n + ∆t u& n + (1− β )u&& n (4.75a)
2
+1 = u n + (1−α )∆t u n
u& npred & && (4.75b)

Les expressions (4.74b) et (4.74c) s’écrivent alors

∆t 2
u n+1 = u npred
+1 + β u
&& n+1 (4.76a)
2
u& n+1 = u& npred
+1 + α ∆t u n+1
&& (4.76b)

109
En substituant (4.76a,b) dans (4.74a), on obtient :

 β 2 
 M + α ∆t C + ∆t K  u
&& n+1 = Fn+1 (4.77a)
 2 

avec

(
Fn+1 = f n+1 − Cu& npred + K u npred ) (4.77b)

Pour démarrer le calcul, on a besoin de u&&o qui peut être calculée à partir de

M u&&o = f o − Cu& o − Ku o

uo et u& o sont données par les conditions initiales.

Remarque sur la stabilité du schéma de Newmark:

! Schéma inconditionnellement instable

1
αp (4.78)
2
• Schéma inconditionnellement stable

1
β ≥α ≥ (4.79)
2

• Schéma conditionnellement stable

1
α≥ et β <α (4.80)
2

Dans le cas où C = 0, le critère de stabilité est donné par:

ωmax ∆t ≤ 2 (α − β )−1/ 2
(4.81)

110
le tableau suivant donne quelques cas particuliers du schéma de Newmark:

Méthode Type β α Précision


Accélération moyenne Implicite 1/2 1/2 2
(inconditionnellement
stable)
Accélération linéaire Implicite 1/3 1/2 2
(Conditionnellement
stable)
Différences finies Explicite 0 1/2 2
centrées
(Conditionnellement
stable)

Remarque: En général, dans des situations non linéaires, on ne dispose pas


d’informations suffisantes sur l’amortissement. Un cas particulier est de
supposer que la matrice C est proportionnelle à la matrice de masse M et à la
matrice de rigidité K. Dans ce cas, C est appelée matrice d’amortissement de
Rayleigh:

C = aM + b K (4.82)

a et b sont deux paramètres.

111

Vous aimerez peut-être aussi