INTRODUCTION A LA METHODE DES ELEMENTS FINIS

CHAPITRE I - OUTILS D'ANALYSE FONCTIONNELLE

L'analyse fonctiontionnelle est un outil fondamental, pour une bonne
comprehension de la methode des elements finis. Nous donnons dans
ce chapitre quelques notions de base d'analyse fonctionnelle
necessaires a la construction des methodes des elements finis. Il
s'agira principalement des notion de distribution, d'espace de Hilbert,
d'espace de Sobolev, etc...
I.1- QUELQUES DEFINITIONS DE BASE
Definition 1 : Espace vectoriel Norme- Un espace vectoriele norme
est un espace vectoriel muni d'une norme.
Definition 2 : Suite de Cauchy- Soit 𝐸 un espace vectoriel norme et
(𝑥𝑛 )𝑛 une suite de 𝐸. (𝑥𝑛 )𝑛 est une suite de Cauchy dans 𝐸 ssi

∀𝜀 > 0, ∃𝑁 ∈ ℕ 𝑡𝑒𝑙 𝑞𝑢𝑒 ∀𝑝 > 𝑁 ∀𝑞 > 𝑁, ‖𝑥𝑝 − 𝑥𝑞 ‖ < 𝜀

Proposition : Toute suite convergente est de Cauchy. La reciproque

est fausse.
Definition 3 : Espace Complet- Un espace vectoriel est dit complet si
et seulement si toute suite de Cauchy de cette espace est convergente.
Definition 4: espace de Banach- On appelle espace de Banach, tout
espace vectoriel norme et complet.
Definition 5: Espace prehilbertien - Un espace prehilbertien est un
espace vectoriel muni d'un produit scalaire.
Definition 6: Espace de Hilbert - Un espace de Hilbert est un espace
prehilbertien et complet pour la norme induite.
Remarque: Un espace euclidien est un espace de Hilbert de dimension
finie.
Definition 6.1: Vecteurs orthogonaux- Soit 𝐻 un espace de Hilbert
muni du produit scalaire (. , . )𝐻 . On dit que les vecteurs 𝑢 et 𝑣 sont
orthogonaux si
(𝑢, 𝑣)𝐻 = 0.
Soit 𝑉 un sous espace vectoriel de 𝐻. Le sous espace orthogonal de 𝑉
noté 𝑉 𝑇 est défini par
𝑉 𝑇 = {𝑣 ∈ 𝐻 𝑡𝑒𝑙 𝑞𝑢𝑒 (𝑣, 𝑢)𝐻 = 0, ∀𝑢 ∈ 𝑉 }
Theoreme (Théorème de decomposition). Soit 𝐻 un espace de Hilbert
et 𝑉 un sous espace vectoriel ferme de 𝐻. Alors
𝐻 = 𝑉⨁𝑉 𝑇 .
Theoreme (Identité du Parallélogramme). Soit 𝐻 un espace de
Hilbert. Alors ∀𝑢, 𝑣 ∈ 𝐻, on a:
‖𝑢 + 𝑣‖2𝐻 + ‖𝑢 − 𝑣‖2𝐻 = 2‖𝑢‖2𝐻 + 2‖𝑣‖2𝐻 .
I.2 NOTION DE FONCTIONS MESURABLES
Definition 7: Tribu- Une tribu sur un ensemble 𝑋 est un sous
ensemble non vide de l'ensemble 𝒫 (𝑋)des parties de 𝑋 note 𝒯, stable
par passage au complémentaire et par union dénombrable (donc aussi
par intersection dénombrable), i.e.
(a)- 𝒯 ≠ ∅;
(b)- 𝐴 ∈ 𝒯 ⟹ ∁𝑋𝐴 ∈ 𝒯;
(c)- si pour tout 𝑛 ∈ ℕ, 𝐴𝑛 ∈ 𝒯, 𝑎𝑙𝑜𝑟𝑠 ⋃𝑛∈ℕ 𝐴𝑛 ∈ 𝒯.
Remarques:
1- Sur un ensemble non vide 𝑋, il existe au moins deux tribus: la tribu
𝒯0 = {∅, 𝑋} et la tribu 𝒯1 = 𝒫 (𝑋).
2- On dit qu'une la tribu 𝒯 est plus petite qu'une la tribu 𝒯 ′ , si tout
element de 𝒯 est element de 𝒯 ′ .
3- Si 𝒜 est un ensemble de parties de 𝑋, il existe une plus petite tribu
contenant 𝒜 (c’est l’intersection des tribus contenant 𝒜). Cette tribu est
dite la tribu engendree par 𝒜.
4- Soit 𝑋 un espace métrique (ou, plus généralement, topologique), on
appelle tribu borélienne de 𝑋, et on notera ℬ(𝑋 ), la tribu engendrée par
les ouverts (ou encore les fermés) de 𝑋, ces éléments sont appelés
ensembles boréliens. Prenons en particulier 𝑋 = ℝ avec sa topologie
usuelle, on sait que tout ouvert de ℝ est reunion dénombrable
d’intervalles ouverts. Donc la tribu borélienne de ℝ est aussi engendrée
par les intervalles ouverts. De même la tribu borélienne de ℝ est
engendree par les pavés ouverts (rappelons qu’un pavé est un produit
d’intervalles)
Definition 8: Espace Mesurable- Si 𝒯 est une tribu sur 𝑋, alors le
couple (𝑋, 𝒯 ) est appele ensemble mesurable.
Les parties de 𝑋 contenues dans la tribu 𝒯 sont des ensembles
mesurables.
Definition 9: Mesure- Soit (𝑋, 𝒯 ) un ensemble ensemble mesurable.
On appelle mesure sur (𝑋, 𝒯 ), toute application 𝜇 ∶ 𝒯 ⟶ [0, +∞[
ayant les propriétés suivantes:
(1) 𝜇(∅) = 0;
(2) si 𝐴 et 𝐵 sont deux ensembles mesurables disjoints, alors
𝜇(𝐴 ∪ 𝐵) = 𝜇(𝐴) + 𝜇(𝐵).
(3) si 𝐴𝑛 est une suite denombrable deux à deux disjoints de la tribu 𝒯,
alors
 +∞ +∞

𝜇 (⋃ 𝐴𝑛 ) = ∑ 𝜇( 𝐴𝑛 ).
𝑛=1 𝑛=1

Definition 10: (a) Une mesure 𝜇 est dite 𝜎 −finie, s'il existe une suite
d'ensembles mesurables deux a deux disjoints (𝐴𝑛 ) telle que
+∞

𝑋 = ⋃ 𝐴𝑛 𝑒𝑡 𝜇 (𝐴𝑛 ) < +∞, 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑒𝑛𝑡𝑖𝑒𝑟 𝑛.

𝑛=1

(b) Le nombre 𝜇(𝐴) est appelé mesure de l'ensemble 𝐴.

(c) La mesure 𝜇(𝑋) est appelée la masse totale la mesure 𝜇.
(d) Un espace mesuré est un triplet (𝑋, 𝒯, 𝜇).
(e) La mesure 𝜇 est dite finie ou bornée sur 𝑋 , si 𝜇(𝑋) < +∞.
(f) La mesure 𝜇 est une probabilité sur 𝑋, ssi 𝜇 (𝑋) = 1.
Exemples:
Fonctions intégrables
Soit (Ω, 𝒯, 𝜇) un espace mesuré.
Definition 11: Une propriété est dite vraie 𝜇 −presque partout (𝜇 −
𝑝. 𝑝) ou 𝜇 − presque surement (𝜇 − 𝑝. 𝑠), si elle est vraie sur le
complément d'un ensemble de mesure nulle.
Definitions 12:
Les fonctions intégrables vérifient les propriétés suivantes:
Intégrales au sens de Riemann et au sens de Lebesgue
I.3 ESPACES FONCTIONNELS
I.4 NOTION DE DERIVEE GENERALISEE
1- LES FONCTIONS TESTS
I.5 LES ESPACES DE SOBOLEV
1- LES ESPACES 𝑯𝒎
2- TRACE D'UNE FONCTION
3- ESPACE 𝑯𝟎𝟏 (𝛀)
I.6 QUELQUES OPERATEURS CLASSIQUES
1- CHAMPS DE VECTEURS CHAMPS DE SCALAIRES
2- Gradient, divergence, rotationnel, Laplacien et D’Alembertien
3- Normale et dérivée normale
I.7 QUELQUES RESULTATS SUR LES INTEGRALES
I-8 FORMULATION VARIATIONNELLE ET THEOREME DE LAX-
MILGRAM
1- Exemple 1
2- Exemple 2
3- Cas général
4- Theorème de Lax-Milgram (condition suffisante d’existence
et d’unicité)
5- Existence et Unicité (Condition Inf-Sup)
6- Exemples d’Application
CHAP II : METHODES DE RITZ ET DE GALERKIN POUR LES
PROBLEMES ELLIPTIQUES

Nous donnons dans ce chapitre quelques méthodes de construction

des solutions approchées des problèmes faibles issus de la formulation
variationnelles.
On considère dans ce chapitre les problèmes faibles sous la forme
abstraite suivante :
𝑇𝑟𝑜𝑢𝑣𝑒𝑟 𝑢 ∈ 𝑉, 𝑡𝑒𝑙 𝑞𝑢𝑒
(2.1) { ,
𝑎(𝑢, 𝑣 ) = 𝐿(𝑣), ∀𝑣 ∈ 𝑉
ou 𝑎(. , . ) est une forme bilinéaire et 𝑙 (. ) Est une forme linéaire. On
suppose que le problème (2.1) admet une solution unique (la forme
bilinéaire 𝑎(. , . ) est continue et coercive, et la forme linéaire 𝐿(. ) est
continue).
La dimension de l’espace 𝑉 étant infinie, le calcul numérique de la
solution de (2.1) n’est pas toujours possible. Il devient nécessaire de
projeter ce problème dans un espace de dimension finie 𝑉𝑛 ⊂ 𝑉
(dim(𝑉𝑛 ) = 𝑛). Ainsi, le problème approché s’ecrit :
𝑇𝑟𝑜𝑢𝑣𝑒𝑟 𝑢𝑛 ∈ 𝑉𝑛 , 𝑡𝑒𝑙 𝑞𝑢𝑒
(2.2) { ,
𝑎(𝑢𝑛 , 𝑣𝑛 ) = 𝐿(𝑣𝑛 ), ∀𝑣𝑛 ∈ 𝑉𝑛
On distinguera ici deux cas :
1- 𝑎(. , . ) est symétrique ;
2- 𝑎(. , . ) est non symétrique.

II.1- METHODE DE RITZ POUR LES PROBLEMES SYMETRIQUES

II.1.1 Formulation
La formulation de Ritz du problème (2.1) est donnée par la
formulation faible approchée suivante :
𝑇𝑟𝑜𝑢𝑣𝑒𝑟 𝑢𝑛 ∈ 𝑉𝑛 , 𝑡𝑒𝑙 𝑞𝑢𝑒
(2.3) { ,
𝑎(𝑢𝑛 , 𝑣𝑛 ) = 𝐿(𝑣𝑛 ), ∀𝑣𝑛 ∈ 𝑉𝑛
avec 𝑉𝑛 ⊂ 𝑉 et dim(𝑉𝑛 ) = 𝑛. la forme bilinéaire 𝒂(. , . ) est
symétrique, continue et coercive sur 𝑽 × 𝑽, et la forme linéaire
𝑳(. ) est continue.
La forme bilinéaire 𝑎(. , . ) étant symétrique, le problème (2.3) est
équivalent au problème de minimisation suivant :
𝑇𝑟𝑜𝑢𝑣𝑒𝑟 𝑢𝑛 ∈ 𝑉𝑛 ⊂ 𝑉, 𝑡𝑒𝑙 𝑞𝑢𝑒
𝐽(𝑢 ) ≤ 𝐽(𝑣𝑛 ), ∀𝑣𝑛 ∈ 𝑉𝑛
(2.4) { 𝑛 ,
1
𝐽(𝑣𝑛 ) = 𝑎(𝑣𝑛 , 𝑣𝑛 ) − 𝐿(𝑣𝑛 )
2
Le sous espace 𝑉𝑛 ⊂ 𝑉 étant de dimension finie 𝑛, la solution 𝑢𝑛 du
problème (2.4) est cherchée sous la forme
𝑛

𝑢𝑛 = ∑ 𝑢𝑗 𝜑𝑗
𝑗=1
ou (𝜑1 , 𝜑2 , ⋯ , 𝜑𝑛 ) est une base de 𝑉𝑛 .
II.1.2 Existence et unicite de la solution du probleme approchee
On suppose que
𝑛

𝑢𝑛 = ∑ 𝑢𝑗 𝜑𝑗 .
𝑗=1
On a
 𝑛 𝑛 𝑛
1
= ∑ 𝑢𝑖 ∑ 𝑎(𝜑𝑖 , 𝜑𝑗 )𝑢𝑗 − ∑ 𝑢𝑖 𝐿(𝜑𝑖 )
2
𝑖=1 𝑗=1 𝑗=1
𝑛 𝑛 𝑛
1 𝐴 = 𝑎(𝜑𝑖 , 𝜑𝑗 )
= ∑ 𝑢𝑖 ∑ 𝐴𝑖𝑗 𝑢𝑗 − ∑ 𝑢𝑖 𝑏𝑖 , { 𝑖𝑗
2 𝑏𝑖 = 𝐿(𝜑𝑖 )
𝑖=1 𝑗=1 𝑗=1
𝑛 𝑛
1
= ∑ 𝑢𝑖 (𝐴𝒖)𝑖 − ∑ 𝑢𝑖 𝑏𝑖
2
𝑖=1 𝑗=1
1 𝑡
= 𝒖 𝐴𝒖 − 𝒖𝒕 𝒃
2
On a
1 𝑡
𝐽(𝒖) = 𝒖 𝐴𝒖 − 𝒖𝒕 𝒃
2
avec
𝐴𝑖𝑗 = 𝑎(𝜑𝑖 , 𝜑𝑗 ); 𝑏𝑖 = 𝐿(𝜑𝑖 ); 𝒖𝑡 = (𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 ) ∈ 𝑅𝑛 .
Definitions : Soit 𝑓 une fonction de 𝑅𝑛 dans 𝑅.
1- 𝑓 est dite convexe si et seulement si pour tout 𝜃 ∈ [0,1] et tout
couple de vecteurs 𝒖et 𝒗 de 𝑅𝑛 , on a
𝑓 (𝜃𝒖 + (1 − 𝜃)𝒗) ≤ 𝜃𝑓 (𝒖) + (1 − 𝜃)𝑓 (𝒗).
2- 𝑓 est dite strictement convexe si et seulement si pour tout pour
tout 𝜃 ∈ [0,1] et tout couple de vecteurs 𝒖et 𝒗 de 𝑅𝑛 , on a
𝑓 (𝜃𝒖 + (1 − 𝜃)𝒗) < 𝜃𝑓 (𝒖) + (1 − 𝜃)𝑓 (𝒗)
Proposition : Si la matrice 𝐾 est symétrique et définie positive, Alors la
fonctionnelle 𝐽 définie sur 𝑅𝑛 par
1
𝐽(𝒖) = 𝒖𝑡 𝐾𝒖 − 𝒖𝒕 𝐺 + 𝐹
2
est strictement convexe si et seulement.
Proposition : Existence et unicité de la solution du problème (2.3).
Soit 𝑉 un espace de Hilbert et soit 𝑉𝑛 un sous espace vectoriel de 𝑉, de
dimension finie 𝑛. On suppose que la forme bilinéaire 𝑎(. , . ) est
symétrique, continue et coercive sur 𝑉 × 𝑉, et la forme linéaire 𝐿(. ) est
continue sur 𝑉.
Alors le problème (2.3) admet une solution unique.

Preuve : la forme bilinéaire a(. , . ) est symétrique, continue et coercive

sur V × V, la matrice 𝐴 est symétrique et définie positive. Ainsi, la
fonctionnelle
1
𝐽(𝒖) = 𝒖𝑡 𝐴𝒖 − 𝒖𝒕 𝒃
2
est strictement convexe, et le problème de minimisation (2.4) admet
une solution unique. Les problèmes (2.4) et (2.3) étant equivalent, on
déduit que (2.3) admet une solution unique.
Cette solution verifie :
∇𝐽(𝒖) = 0
et est solution du système d’équations linéaires
𝐴𝒖 = 𝒃.
II.1.3 Convergence
Il s’agit ici d’étudier la convergence de la suite des solutions discrètes
(𝑢𝑛 )𝑛≥1 avec 𝑢𝑛 ∈ 𝑉𝑛 , vers la solution du problème continue (2.1).
Pour ce faire, on considère dans 𝑉 la norme induite par la forme
bilinéaire continue, symétrique et définie positive 𝑎(. , . ).
||. ||𝑎 = 𝑎(. , . )1/2
De la continuité et la coercivité de 𝑎(. , . ), on déduit que cette norme
est équivalente à la norme ||. ||𝑉 de 𝑉. On a ∀𝑢 ∈ 𝑉,
𝛼||𝑢||2𝑉 ≤ ||𝑢||2𝑎 ≤ 𝑀||𝑢||2𝑉
avec 𝛼 > 0. Ainsi, l’espace 𝑉 muni de la norme ||. ||𝑎 est un espace de
Hilbert.
Soit 𝑃𝑉𝑛 la projection orthogonale de l’espace 𝑉 sur l’espace 𝑉𝑛 ,
relativement au produit scalaire 𝑎(. , . ).
On a
𝑎(𝑢 − 𝑃𝑉𝑛 𝑢, 𝑣𝑛 ) = 0, ∀𝑣𝑛 ∈ 𝑉𝑛 .
De plus, on a
(∗) 𝑎(𝑢, 𝑣𝑛 ) − 𝑎(𝑢𝑛 , 𝑣𝑛 ) = 𝑎(𝑢 − 𝑢𝑛 , 𝑣𝑛 ) = 𝐿(𝑣𝑛 ) − 𝐿(𝑣𝑛 ) = 0.
Ainsi, 𝑢𝑛 = 𝑃𝑉𝑛 𝑢.
D’où
||𝑢 − 𝑢𝑛 ||2𝑎 = 𝑎(𝑢 − 𝑢𝑛 , 𝑢 − 𝑢𝑛 ) = 𝑎(𝑢 − 𝑢𝑛 , 𝑢 − 𝑣𝑛 + 𝑣𝑛 − 𝑢𝑛 )
= 𝑎(𝑢 − 𝑢𝑛 , 𝑢 − 𝑣𝑛 ) + 𝑎(𝑢 − 𝑢𝑛 , 𝑢𝑛 − 𝑣𝑛 )
= 𝑎(𝑢 − 𝑢𝑛 , 𝑢 − 𝑣𝑛 )
D’apres (*), 𝑢𝑛 = 𝑃𝑉𝑛 𝑢 et 𝑎(𝑢 − 𝑢𝑛 , 𝑢𝑛 − 𝑣𝑛 ) = 0 (car 𝑢𝑛 − 𝑣𝑛 ∈ 𝑉𝑛 ).
Ainsi,
2
||𝑢 − 𝑢𝑛 ||2𝑎 = 𝑎(𝑢 − 𝑢𝑛 , 𝑢 − 𝑣𝑛 ) ≤ ||𝑢 − 𝑣𝑛 || .
𝑎
On a alors le résultat suivant :
Theoreme : (estimation de l’erreur dans la norme d’energie)
Soit 𝑢 ∈ 𝑉, la solution du problème (2.1) et soit 𝑢𝑛 ∈ 𝑉𝑛 , la solution du
problème approche (2.3). On a l’inegalité suivante :
(∗∗) ||𝑢 − 𝑢𝑛 || ≤ ||𝑢 − 𝑣𝑛 || , ∀𝑣𝑛 ∈ 𝑉𝑛 .
𝑎 𝑎

De l’équivalence entre les normes ||. ||𝑎 et ||. ||𝑉 , obtenue par la
coercivité et la continuité de la forme bilinéaire 𝑎(. , . ), on déduit de
(**) que ∀𝑣𝑛 ∈ 𝑉𝑛
2 2 2
𝛼||𝑢 − 𝑢𝑛 ||2𝑉 ≤ ||𝑢 − 𝑢𝑛 ||𝑎 ≤ ||𝑢 − 𝑣𝑛 ||𝑎 ≤ 𝑀||𝑢 − 𝑣𝑛 ||𝑉 .
Ainsi,
𝑀
||𝑢 − 𝑢𝑛 ||𝑉 ≤ √ ||𝑢 − 𝑣𝑛 ||𝑉 .
𝛼
On a alors le résultat suivant :
Lemme de Cea : (estimation de l’erreur dans la norme ||. ||𝑉 )
Soit 𝑢 ∈ 𝑉, la solution du problème (2.1) et soit 𝑢𝑛 ∈ 𝑉𝑛 , la solution du
probleme approché (2.3). On a l’inegalité suivante :
𝑀
(3 ∗) ||𝑢 − 𝑢𝑛 || ≤ √ ||𝑢 − 𝑣𝑛 ||𝑉 , ∀𝑣𝑛 ∈ 𝑉𝑛 .
𝑉 𝛼
II.1.4 Algorithme de la méthode.
On a l’algorithme suivant :
1- Choisir un espace d’approximation 𝑉𝑛 ;
2- Construire une base 𝐵 = {𝜑1 , 𝜑2 , ⋯ , 𝜑𝑛 } de 𝑉𝑛 ;
3- Assembler la matrice 𝑨 et le second membre 𝒃 du système discret ;
4- Resoudre le système 𝑨𝒖 = 𝒃 comme problème de minimisation.

II.2- METHODE DE GALERKIN

II.2.1 Formulation
La méthode de Galerkin pour la résolution du problème (2.1) est
donnée par la formulation faible approchée suivante :
𝑇𝑟𝑜𝑢𝑣𝑒𝑟 𝑢𝑛 ∈ 𝑉𝑛 , 𝑡𝑒𝑙 𝑞𝑢𝑒
(2.5) { ,
𝑎(𝑢𝑛 , 𝑣𝑛 ) = 𝐿(𝑣𝑛 ), ∀𝑣𝑛 ∈ 𝑉𝑛
avec 𝑉𝑛 ⊂ 𝑉 et dim(𝑉𝑛 ) = 𝑛. la forme bilinéaire 𝒂(. , . ) est continue
et coercive sur 𝑽 × 𝑽, et la forme linéaire 𝑳(. ) est continue.
En utilisant le Théorème de Lax-Milgram, on montre que le problème
(2.5) admet une soluion unique.

II.2.2 Convergence
Soit 𝑢 ∈ 𝑉, la solution du problème (2.1) et soit 𝑢𝑛 ∈ 𝑉𝑛 , la solution du
problème approché (2.5). De la continuité et de la coercivité de la
forme bilinéaire 𝑎(. , . ), on a:
On a l’estimation de l’erreur suivante :
Théorème : (estimation de l’erreur de la méthode de Galerkin dans
la norme ||. ||𝑉 )
Soit 𝑢 ∈ 𝑉, la solution du problème (2.1) et soit 𝑢𝑛 ∈ 𝑉𝑛 , la solution du
problème approché (2.5). On a l’inegalité suivante :
𝑀
(4 ∗) ||𝑢 − 𝑢𝑛 || ≤ ||𝑢 − 𝑣𝑛 || , ∀𝑣𝑛 ∈ 𝑉𝑛 .
𝑉 𝛼 𝑉
II.2.3 Algorithme de la méthode.
On a l’algorithme suivant :
1- Choisir un espace d’approximation 𝑉𝑛 ;
2- Construire une base 𝐵 = {𝜑1 , 𝜑2 , ⋯ , 𝜑𝑛 } de 𝑉𝑛 ;
3- Assembler la matrice 𝑨 et le second membre 𝒃 du système discret ;
4- Resoudre le système 𝑨𝒖 = 𝒃 .