Approximation des

équations aux
dérivées partielles
M. Lamnii

25 novembre 2019
Avant-propos

Il y a ...
C’est ainsi que ...
L’objectif ici est de proposer ...

J’espère que c....

M. Lamnii

ii
Table des matières

1 Méthode des différences finies 1

2 Méthode des éléments finis 2

I. Approximation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I. 1. Approximation interne et système matriciel équivalent . . . . . . . . . . 2
I. 2. Convergence de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II. Méthode des éléments finis en dimension 1 . . . . . . . . . . . . . . . . . . . . . 5
II. 1. Éléments finis P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II. 2. Convergence et estimation d’erreur pour la méthode P1 . . . . . . . . . . 9
III. Méthode des éléments finis en dimension d ≥ 2 . . . . . . . . . . . . . . . . . . . 12
III. 1. Maillages triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III. 2. Éléments finis Pk en dimension d ≥ 2 . . . . . . . . . . . . . . . . . . . . . 16

iii
iv
 1 Méthode des diérences nies
CHAPITRE

Plan de ce chapitre

1
 2 Méthode des éléments nis
CHAPITRE

Plan de ce chapitre
I. Approximation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I. 1. Approximation interne et système matriciel équivalent . . . . . . . . . 2
I. 2. Convergence de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II. Méthode des éléments finis en dimension 1 . . . . . . . . . . . . . . . . . . . 5
II. 1. Éléments finis P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II. 2. Convergence et estimation d’erreur pour la méthode P1 . . . . . . . . . 9
III. Méthode des éléments finis en dimension d ≥ 2 . . . . . . . . . . . . . . . . . 12
III. 1. Maillages triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III. 2. Éléments finis Pk en dimension d ≥ 2 . . . . . . . . . . . . . . . . . . . . 16

I. Approximation variationnelle
Dans ce chapitre, on décrit la méthode générale d’approximation d’une formulation varia-
tionnelle définie dans un espace de Hilbert qui servira de base pour l’élaboration de la mé-
thode des éléments finis.

I. 1. Approximation interne et système matriciel équi-

valent
Soit V un espace de Hilbert réel muni du produit scalaire (·, ·)V et de la norme associée
k · kV . Soient a(·, ·) une forme bilinéaire continue et coercive sur V et f ∈ V. On considère la
formulation variationnelle générale
½
Trouver u ∈ V tel que :
∀v ∈ V, a(u, v) = ( f , v)V

L’existence et l’unicité de la solution u ∈ V de ce problème est assurée par le théorème de

Lax-Milgram. Dans cette section, on cherche à déterminer une suite (u h )h de V telle que
ku − u h kV tend vers 0 quand h tend vers 0.

L’approximation interne consiste à considérer une suite Vh de sous-espaces fermés de V de

dimension finie (qui sont des espaces de Hilbert car fermés dans V ). On s’intéresse alors aux
problèmes approchés :
½
Trouver u h ∈ Vh tel que¡: ¢
∀v h ∈ Vh , a (u h , v h ) = f , v h V

2
La forme bilinéaire a(·, ·) étant encore coercive et continue sur les sous-espaces Vh , par le
théorème de Lax-Milgram, ª on a existence et unicité de la solution u h ∈ Vh de du problème
h h
approché. Soit φ1 , . . . , φN une base de Vh . Alors, il existe u 1 , . . . , u N ∈ R tels que la solution
©

u h ∈ Vh s’écrit
N
u hj φ j .
X
uh =
j =1

Pour que l’égalité a(u h , v h ) = ( f , v h )V ait lieu pour tout v h ∈ Vh , il faut et il suffit qu’elle ait
lieu pour tous les vecteurs de base φ1 , . . . , φN . En utilisant la bilinéarité de a(·, ·), le problème
approché s’écrit alors

h h
 Trouver u 1 , . . . , u N ∈ R tels que :


N
u hj a φ j , φi = f , φi V
X ¡ ¢ ¡ ¢

 ∀i = 1, . . . , N ,
j =1

h T
En posant Uh := u 1h , . . . , u N ∈ RN , on obtient que notre problème est équivalent au pro-
¡ ¢

blème matriciel K h Uh = b h , où K h ∈ RN ×N et b h ∈ RN sont définis par

K h := a φ j , φi 1≤i , j ≤N f , φi
¡ ¡ ¢¢ ¡¡ ¢ ¢
et b h := V 1≤i ≤N .

Pour la suite, on note m et M les constantes de coercivité et de continuité de a(·, ·), i.e.

∀u ∈ V, a(u, u) ≥ mkukV2 ,

et

∀u, v ∈ V, |a(u, v)| ≤ M kukV kvkV .

Proposition 1
On suppose de plus que a(·, ·) est symétrique. Alors, la matrice K h est définie positive.
En particulier, K h est inversible et donc le système K h Uh = b h admet une solution
unique Uh ∈ RN .

Démonstration
Par définition de K h , il est clair que si a(·, ·) est symétrique alors K h aussi. Soit
ξ ∈ RN \{0}, ξ := (ξ1 , . . . , ξN )T . On pose ξ̃ := ξ1 φ1 + · · · + ξN φN ∈ Vh . Puisque a(·, ·) est
bilinéaire et coercive, on a
N N
Kh ξ · ξ = a φi , φ j ξi ξ j = a ξi φi , ξ j φ j = a(ξ̃, ξ̃) ≥ mkξ̃kV2 > 0,
X ¡ ¢ X ¡ ¢
i , j =1 i , j =1

donc K h est définie positive.

3
I. 2. Convergence de la méthode
Il reste à montrer que la solution u h ∈ Vh est bien une approximation de u. Pour cela, on
utilise le résultat suivant :

Lemme 1 (Lemme de Céa)

Soit u ∈ V la solution exacte et u h ∈ Vh la solution approchée de notre problème , alors
on a
M
ku − u h kV ≤ inf ku − v h kV ,
m v h ∈Vh
où m et M les constantes de coercivité et de continuité de a(·, ·).

Démonstration
Si w h ∈ Vh , en prenant w h comme fonction test, on obtient
¡ ¢
a (u, w h ) = f , w h V = a (u h , w h )

d’où, par bilinéarité de a(·, ·), a (u − u h , w h ) = 0. Soit v h ∈ Vh , alors w h := v h − u h ∈ Vh

donc a (u − u h , v h − u h ) = 0. On en déduit

m ku − u h kV2 ≤ a (u − u h , u − u h ) = a (u − u h , u − v h ) + a (u − u h , v h − u h )
= a (u − u h , u − v h ) ≤ M ku − u h kV ku − v h kV

donc on a
M
∀v h ∈ Vh , ku − u h kV ≤ ku − v h kV ,
m
ce qui donne le résultat.

Théorème 1 (Théorème de convergence)

On suppose qu’il existe un sous-espace V de V dense dans V tel qu’il existe une appli-
cation linéaire r h de V dans Vh vérifiant

∀v ∈ V , lim kv − r h vkV = 0
h→0

L’application r h est appelée opérateur d’interpolation de V sur Vh . Alors, la solution

u h ∈ Vh converge vers la solution u ∈ V , au sens où on a

lim ku − u h kV = 0.
h→0

Remarque : Le point important du Théorème de convergence est l’existence d’un opérateur

d’interpolation. Celle-ci n’est pas immédiate et suivant le problème considéré, en particu-

lier suivant les espaces de Hilbert V et Vh considérés, il est nécessaire de montrer l’existence
de cet opérateur. On appellera les résultats de ce type des lemmes d’interpolation. Le théo-
rème de convergence est l’analogue du théorème de Lax pour la méthode des différences
finies. Ici la notion de stabilité correspond à la coercivité de a(·, ·) et la notion de consistance
correspond au lemme d’interpolation.

4
Démonstration
Soit ε > 0. Puisque V est dense, il existe v ∈ V tel que ku − vkV ≤ ε. De plus, l’existence
de l’opérateur d’interpolation vérifiant ∀v ∈ V , limh→0 kv − r h vkV = 0 entraîne qu’il
existe h 0 > 0 tel que si h ≤ h 0 alors kv − r h vkV ≤ ε. Puisque r h v h ∈ Vh , on a d’après le
lemme de Céa :
M M
ku − u h kV ≤ inf ku − v h kV ≤ ku − r h vkV
m v h ∈Vh m
,
M M 2M
≤ ku − vkV + kv − r h vkV ≤ ε
m m m
ce qui donne le résultat.

En résumé l’approximation ©variationnelle consiste à construire des sous-espace Vh de V

dont on détermine une base φ1 , . . . , φN pour aboutir au système matriciel K h Uh = b h . Pour
ª

avoir convergence de la méthode et aboutir à un système matriciel simple, il faut que l’es-
pace Vh vérifie :
1. qu’il existe un sous-espace dense V sur lequel est défini un opérateur d’interpolation
r h vérifiant ∀v ∈ V , limh→0 kv − r h vkV = 0,
2. qu’il existe une base φ1 , . . . , φN telle que la résolution du système matriciel K h Uh =
© ª

b h soit économique (typiquement que la matrice K h soit creuse).

La méthode des éléments finis repose sur le choix d’espaces Vh constitués de fonctions conti-
nues localement polynomiales et qui vérifient les deux points précédents.

II. Méthode des éléments nis en di-

mension 1
Dans cette section, on décrit la méthode des éléments finis en dimension 1 pour le problème
modèle de Dirichlet homogène

−u 00 = f dans ]0, 1[
(

u(0) = u(1) = 0
2
où f¡ ∈ L
¢ (0, 1). La première étape de discrétisation consiste à choisir un maillage de [0, 1] :
soit x j j =0,...,N +1 une subdivision de [0, 1] telle que

x 0 = 0 < x 1 < · · · < x N < x N +1 = 1.

1
Pour simplifier, on suppose le pas d’espace uniforme donné par h := N +1
= x j +1 − x j , où
j = 1, . . . , N . La formulation variationnelle du problème est

Trouver u ∈ H01 (0, 1) telle que :

½
R1 0 0 R1
∀v ∈ H01 (0, 1), 0 u v d x = 0 f vd x

On note Pk l’espace des polynômes sur P à coefficients réels de degré inférieur ou égal à k. La
méthode des éléments finis consiste à définir comme espace d’approximation de H 1 (0, 1) :
n o
Vh := v ∈ C (0, 1), v|[x j ,x j +1 ] ∈ Pk , ∀ j = 0, . . . , N .

Suivant le choix de k ∈ N∗ , on parle de méthode des éléments finis Pk .

5
II. 1. Éléments nis P1
On pose
n o
Vh := v ∈ C (0, 1), v|[x j ,x j +1 ] ∈ P1 , ∀ j = 0, . . . , N .

et

V0h := {v ∈ Vh |v(0) = v(1) = 0}

L’espace Vh est l’espace d’approximation de H 1 (0, 1) par la méthode des éléments finis P1
tandis que V0h est l’espace d’approximation de H01 (0, 1). D’après la section précédente, il faut
montrer que ce sont des sous-espaces de, respectivement, H 1 (0, 1) et H01 (0, 1), en déterminer
une base et montrer l’existence d’un opérateur d’interpolation défini sur un sous-espace
dense de H 1 (0, 1) respectivement de H01 (0, 1), et à valeurs dans Vh respectivement dans V0h.
On pose
½
1 − |x| si |x| ≤ 1
φ(x) :=
0 sinon.

Puis on définit, pour j = 0, · · · , N + 1, les fonctions φ j par

³x − xj ´
φ j (x) := φ
h

Les fonctions φ j sont des fonctions “chapeau” (voir Figure 2.1 ), elles vérifient φ j (x i ) = δi j et
φ j ∈ Vh . De plus, supp(φ j ) =]x j −1 , x j +1 [ et on peut encore écrire φ j sur son support par

φj

xj−1 xj xj+1

F IGURE 2.1 – Graphe de la fonction φ j

( x−x j −1 £ ¤
h
si x ∈ x j −1 , x j
φ j (x) = x j +1 −x £ ¤
h si x ∈ x j , x j +1

6
 Proposition 2

©L’espace vectoriel Vh est un sous-espace de H 1 (0, 1) de dimension N + 2 et la famille

φ0 , . . . , φN +1 en est une base. En particulier, pour toute v ∈ Vh , on a
ª

NX
+1
v x j φ j (x).
¡ ¢
∀x ∈ [0, 1], v(x) =
j =0

1
© l’espaceª vectoriel V0h est un sous-espace de H0 (0, 1) de dimension N et la
De même,
famille φ1 , . . . , φN en est une base. En particulier, pour toute v ∈ V0h , on a

N
v x j φ j (x).
X ¡ ¢
∀x ∈ [0, 1], v(x) =
j =1

Démonstration
On montre d’abord que Vh est un sous-espace de H 1 (0, 1). Si v ∈ Vh alors v ∈ C ([0, 1]) ⊂
L 2 (0, 1), il suffit donc de montrer que v0 ∈ L 2 (0, 1). Soit ϕ ∈ C c∞ (0, 1), on a
Z 1 N Z x j +1
< v 0 , ϕ >= − vϕ0 d x = − v|[x j ,x j +1 ] ϕ0 d x
X
0 j =0 x j

Or v |[x j ,x j +1 ] ∈ P1 ⊂ C ([0, 1]) donc, d’après la formule de Green, on obtient

N Z x j +1 N ¡ ¡ ¢ ¡ ¢
0 0
< v , ϕ >= ϕd x − v x j ϕ x j − v x j +1 ϕ x j +1 .
X X ¡ ¢ ¡ ¢¢
v kx j ,x j +1
j =0 x j j =0

D’autre part, on a

N ¡ ¡ ¢ ¡ ¢ N N
v x j ϕ x j − v x j +1 ϕ x j +1 = v xj ϕ xj − v x j +1 ϕ x j +1
X ¡ ¢ ¡ ¢¢ X ¡ ¢ ¡ ¢ X ¡ ¢ ¡ ¢
j =0 j =0 j =0
N ¡ ¢ ¡ ¢ NX +1 ¡
v xj ϕ xj − v x j +1 ϕ x j +1
X ¢ ¡ ¢
=
j =0 j =1

= v (x 0 ) ϕ (x 0 ) − v (x N +1 ) ϕ (x N +1 ) = 0

car ϕ(1) = ϕ(0) = 0. On en déduit

N Z x j +1
0 0
< v , ϕ >= ϕd x
X
v kx j ,x j +1
j =0 x j

NX
+1
d’où v 0 = v 0 |[x j ,x j +1 ] χ[x j ,x j +1 ] ∈ L 2 (0, 1).
j =0
Il reste à montrer que Vh a pour base φ0 , . . . , φN +1 . Pour cela voir le cours des splines
© ª

de l’année dernière.

L’approximation de la formulation variationnelle du problème modèle de Dirichlet homo-

7
gène
−u 00 = f
(
dans ]0, 1[
u(0) = u(1) = 0
est ½
Trouver u h ∈ V0h telle que :
R1 0 0 R1
∀v h ∈ V0h , 0 uh v h d x = 0 f v h d x

Puisque u h = u h (x 1 ) φ1 + · · · + u h (x N ) φN le problème s’écrit

(
Trouver u h (x 1 ) , . . . , u h (x N ) ∈ R tels que :
PN ¡ ¢R 1 0 0 R1
∀i = 1, . . . , N , j =1 u h x j 0 φi φ j d x = 0 f φi d x

En posant Uh := (u h (x1), · · · , u h (x N ))T ∈ RN , on obtient K h Uh = b h où K h ∈ RN ×N et b h ∈ RN

sont donnés par
µZ 1 ¶ µZ 1 ¶
K h := φ0i φ0j d x et b h := f φi d x
0 1≤i , j ≤N 0 1≤i ≤N

La matrice K h est appelée matrice de rigidité du système. Puisque supp(φi )∩supp(φ j ) = ; ;

si |i − j | > 1, la matrice K h est creuse. En particulier, on a (K h )i j = 0 si |i − j | > 1 et pour
|i − j | ≤ 1, on a Z xi +1 Z xi Z xi +1
0 0 1 1 2
(K h )i i = φi φi d x = 2
dx + 2
dx =
x i −1 x i −1 h xi h h
et Z x i +1 Z x i +1 µ ¶
1 1 1
(K h )i i +1 = φ0i φ0i +1 d x = − d x = − = (K h )i i −1
xi xi h h h
Autrement dit, K h est la matrice tridiagonale suivante
 
2 −1 0 . . . 0

 −1 2 −1 . . . 0 

1 .. .. .. ..
Kh = 

. . . . 
h
 .. .. ..


 . . . −1 
0 . . . . . . −1 2

qui est la matrice de discrétisation du Laplacien (au coefficient h −1 près) obtenue par la mé-
thode des différences finies du schéma à 5 points (cela est dû au choix d’un pas de maillage
uniforme). Pour calculer le second membre b h , lorsque la fonction f est compliquée, il faut
utiliser une formule de quadrature (appelée aussi intégration numérique) dont on donne
quelques exemples :
- Formule du rectangle
Z b
ψ(x)d x ' (b − a)ψ(a) ' (b − a)ψ(b).
a

- Formule du point milieu

Z b a +b
¶ µ
ψ(x)d x ' (b − a)ψ .
a 2

- Formule du trapèze
Z b 1
ψ(x)d x ' (b − a)(ψ(a) + ψ(b)).
a 2

8
 - Formule de Simpson
Z b
a +b
· µ ¶ ¸
1
ψ(x)d x ' (b − a) ψ(a) + ψ + ψ(b)
a 6 2
Les formules de rectangle et point milieu sont exactes pour les fonctions constantes, la for-
mule du trapèze est exacte pour les fonctions affines, et la formule de Simpson est exacte
pour les polynômes de second degré. Pour les fonctions régulières, ces formules sont appro-
chées avec un reste d’ordre O(h), O(h 2 ) et O(h 3 ) respectivement.
Remarque Par hypothèse on sait seulement que f ∈ L 2 (0, 1) donc f n’est défini que presque
partout. Mais, dans la pratique, f est une donnée donc connue en tout point, ce qui justifie
l’emploi des formules de quadrature ci-dessus.

II. 2. Convergence et estimation d'erreur pour la mé-

thode P1
Pour obtenir la convergence de la méthode P1 , il suffit qu’il existe un sous-espace dense V de
H01 (0, 1) sur lequel est défini un opérateur d’interpolation à valeur dans Vh . En dimension 1,
le fait que H 1 (0, 1) est un sous-espace de C (0, 1) permet de prendre pour V l’espaceH 1 (0, 1)
tout entier.
L’opérateur d’interpolation P1 est l’application r h définie de H 1 (0, 1) dans Vh par :

NX
+1
∀v ∈ H 1 (0, 1), v x j φ j (x)
¡ ¢
r h v(x) :=
j =0
Définition 1

où les fonctions φ0 sont les fonctions chapeaux définies auparavant . En particulier, sur
H01 (0, 1) l’opérateur r h vérifie

N
∀v ∈ H01 (0, 1), v x j φ j (x)
X ¡ ¢
r h v(x) :=
j =1

Remarque :
1- Il est clair que r h v ∈ Vh de plus, si v ∈ Vh , alors r h v = v.
2- La définition a un sens car H 1 (0, 1) est un sous-espace de C (0, 1) et donc toute fonction
de H 1 (0, 1) est définie en tout point de ]0, 1[. En dimension supérieure, les fonctions H 1
ne sont pas nécessairement continues et donc définies seulement presque partout et
la définition précédente n’a plus de sens. Pour définir un opérateur d’interpolation, il
sera nécessaire de considérer un sous-espace V dense dans H 1 et constitué de fonc-
tions régulières.

Lemme 2 (Lemme d’interpolation P1 )

1. Pour toute v ∈ H 2 (0, 1), il existe une constante c > 0 indépendante de h telle que

kv − r h vkH 1 (0,1) ≤ ch °v 00 °L 2 (0,1) .

° °

2. Pour toute v ∈ H 1 (0, 1), on a

lim kv − r h vkH 1 (0,1) = 0.

h→0

9
Démonstration
2 2
1)- On montre l’inégalité pour v ∈ ° C0 ([0, 1]),0 °par densité on en déduit pour v ∈ H (0, 1).
Il faut estimer kv − r h vkL 2 (0,1) et °v − (r h v) °L 2 (0,1) en fonction de h. Soit x ∈ [x j , x j +1 ].
Comme r h v ∈ Vh , on a r h v(x) = αx + β. De plus, r h v(x j ) = v(x j ) et r h v(x j +1 ) = v(x j +1 )
donc ¡ ¢ ¡ ¢
¡ ¢ v x j +1 − v x j ¡ ¢
r h v(x) = v x j + x − xj
h
On obtient ¡ ¢ ¡ ¢
¡ ¢ v x j +1 − v x j ¡ ¢
v(x) − r h v(x) = v(x) − v x j − x − xj
Z x Z h
0
x − x j x j +1 0
= v (t )d t − v (t )d t
xj h xj

D’après première formule de la moyenne, il existe y ∈ [x j , x] et z ∈ [x j , x j +1 ] tels que

Z y
0 0
v 00 (t )d t
¡ ¢ ¡ ¢ ¡ ¢
v(x) − r h v(x) = x − x j v (y) − x − x j v (z) = x − x j
z

Alors, d’après l’inégalité de Cauchy-Schwarz, on a

¶2 ÃZ !2
µZ y x j +1 ¯
|v(x) − r h v(x)|2 ≤ h 2 v 00 (t )d t ≤ h2 ¯v 00 (t )¯ d t
¯
z xj
ÃÃZ !1/2 ÃZ !1/2 !2
x j +1 x j +1 ¯
2 ¯v (t )¯2 d t
00
¯
≤h dt
xj xj
Z x j +1 ¯
≤ h3 ¯v 00 (t )¯2 d t
¯
xj

On intègre x sur [x j , x j +1 ]
Z x j +1 Z x j +1 ¯
2 4 ¯v 00 (t )¯2 d t .
¯
|v(x) − r h v(x)| d x ≤ h
xj xj

En sommant sur j = 0, · · · , N , on obtient

kv − r h vkL 2 (0,1) ≤ h 2 °v 00 °L 2 (0,1) .

° °

Il reste à obtenir une estimation sur les dérivées. Pour x ∈ [x j , x j +1 ], on a

¡ ¢ ¡ ¢
1 x j +1 0
v x j +1 − v x j
Z
0 0 0 0
v (x) − (r h v) (x) = v (x) − = v (x) − v (t )d t
h h xj
1 x j +1 0 1 x j +1 x 00
Z Z Z
0
= v (x) − v (t )d t = v (y)d yd t
h xj h xj t

Par l’inégalité de Cauchy-Schwarz, on obtient donc

ÃZ !2 ÃZ !2
x j +1 Z x x j +1 Z x j +1 ¯
¯v (x) − (r h v)0 (x)¯2 ≤ 1 1
¯ 0 ¯ 00 00
¯
v (y)d yd t ≤ 2 ¯v (y)¯ d yd t
h2 xj t h xj xj
Z x j +1 ¯
¯v 00 (y)¯2 d y.
¯
≤h
xj

10
Démonstration (suite)
En intégrant x sur [x j , x j +1 ], on a
Z x j +1 Z x j +1 ¯
¯v (x) − (r h v)0 (x)¯2 d x ≤ h 2 ¯v 00 (y)¯2 d y
¯ 0 ¯ ¯
xj xj

On en déduit °v 0 − (r h v)0 ° ≤ h °v 00 °
° ° ° °
L 2 (0,1) L 2 (0,1) , d’où
°2
kv − r h vk2H 1 (0,1) = kv − r h vk2L 2 (0,1) + °v 0 − (r h v)0 °L 2 (0,1)
°
° °2 ° °2 ° °2
≤ h 4 °v 00 °L 2 (0,1) + h 2 °v 00 °L 2 (0,1) ≤ ch 2 °v 00 °L 2 (0,1) .

2)- On montre l’inégalité pour v ∈ C 1 ([0, 1]). Le raisonnement est le même que pour 1).
On montre tout d’abord que kv − r h vkL 2 (0,1) converge vers 0. Soit x ∈ [x j , x j +1 ], on a
Z x x − xj
Z x j +1
0
v(x) − r h v(x) = v (t )d t − v 0 (t )d t .
xj h xj

d’où Z x j +1 ¯ Z x j +1 ¯ Z x j +1 ¯
¯v 0 (t )¯ d t + ¯v 0 (t )¯ d t = 2 ¯v 0 (t )¯ d t .
¯ ¯ ¯
|v(x) − r h v(x)| ≤
xi xi xi

D’après l’inégalité de Cauchy-Schwarz, on obtient

Z x j +1 Z x j +1 ¯
|v(x) − r h v(x)|2 d x ≤ 2h 2 ¯v 0 (t )¯2 d t .
¯
xj xj

p ° 0°
2h °v °L 2 (0,1) −→ 0.
donc kv − r h vkL 2 (0,1) ≤
° h→0
Il reste à montrer que °v − (r h v)0 °L 2 (0,1) −→ 0. Soit ε > 0. Puisque C 2 ([0, 1]) est
° 0
h→0
dense dans C 1 ([0, 1]), il existe φ ∈ C 2 ([0, 1]) telle que
° 0
°v − φ0 ° ≤ε
°
L 2 (0,1)

Pour u ∈ C 1 ([0, 1]), on a

ÃZ !2
x j +1 ¯ x j +1
¯(r h u)0 (x)¯2 d x = 1 u x j +1 − u x j 2 = 1
Z
u 0 (t )d t
¯ ¡ ¡ ¢ ¡ ¢¢
xj h h xj
Z x j +1
¯ 0 ¯2
≤ ¯u (t )¯ d t
xj

donc °(r h u)0 °L 2 (0,1) ≤ °u 0 °L 2 (0,1) . Alors, on en déduit

° ° ° °

° ¢0 ° °¡ ¢0 °
°(r h v)0 − r h φ ° = ° r h (v − φ) ° ≤ °v 0 − φ0 °L 2 (0,1) ≤ ε.
° ¡ ° ° ° ° °
L 2 (0,1) L 2 (0,1)

En appliquant l’inégalité (1) à φ, on obtient

° ¢0 °
° 0 ¡
°φ − r h φ ° 2 ≤ ch °φ00 °L 2 (0,1) ≤ ε
° ° °
L (0,1)

d’où
° 0 ° ¢0 ° °¡ ¢0 °
°v − (r h v)0 °
° 0 0° ° 0 ¡
φ φ + ° r h φ − (r h v)0 °
° °
≤ v − + − r
° ° °
h
°
L 2 (0,1) L 2 (0,1) °φ °
L 2 (0,1) L 2 (0,1)
≤ c ε −→ 0.
ε→0

ce qui donne le résultat. 11

Théorème 2 (Convergence de la méthode P1 )
Soient u ∈ H01 (0, 1) la solution exacte du problème et u h ∈ Vh la solution approchée.
Alors, on a
lim ku − u h kH 1 (0,1) = 0.
h→0

Autrement dit, la méthodes des éléments finis P1 converge. De plus, si u ∈ H 2 (0, 1) alors
il existe une constante c > 0 telle que

ku − u h kH 1 (0,1) ≤ chk f kL 2 (0,1) .

On dit que la convergence est linéaire.

Démonstration
La convergence est la conséquence du Lemme d’interpolation P1 et du Théorème de
convergence. L’estimation de l’erreur s’obtient à partir du lemme de Céa et du Lemme
d’interpolation P1

ku − u h kH 1 (0,1) ≤ c inf ku − v h kH 1 (0,1) ≤ c ku − r h ukH 1 (0,1)

v h ∈Vh

≤ ch °u 00 °L 2 (0,1) = chk f kL 2 (0,1)

° °

car −u 00 = f p.p. dans ]0, 1[.

III. Méthode des éléments nis en di-

mension d ≥ 2
III. 1. Maillages triangulaires

En dimension 2 (resp. dimension 3) une triangulation d’un domaine Ω est une subdivision
de Ω en triangles (resp. tétraèdre). Dans ce cas, le maillage ne peut remplir entièrement Ω
que si Ω est une réunion finie de polyèdres, on dit que Ω est polyédrique. On donnera à la
fin de cette section une rapide description de la méthode lorsque le domaine Ω n’est pas
polyédrique.

Dans la suite, on supposera toujours que Ω est un domaine polyédrique de Rd , d = 2, 3. Afin

d’énoncer les résultats en dimension quelconque d = 2 ou 3, on introduit la notion de d-
simplexe non dégénéré qui correspond à un triangle en dimension 2 et à un tétraèdre en

12
dimension 3 (non dégénérés au sens non vides).
¡ ¢d
Soient d + 1 points a j := a i j i =1 , 1 ≤ j ≤ d + 1, non situés dans un même hyperplan de
Rd , c’est à dire tels que la matrice d’ordre d + 1

a 11 a 12 . . . . . . a 1d +1
 
Définition 2

 a 21 a 22 . . . . . . a 2d +1 
.. .. ..
 
A := 
 
 . . ... ... . 

 a d 1 a d 2 . . . . . . a d d +1 
1 1 ... ... 1
¡ ¢
est inversible. On appelle d-simplexe non dégénéré K de sommets a j 1≤ j ≤d +1 l’enve-
loppe convexe des points a j , 1 ≤ j ≤ d + 1.

Une triangulation admissible de Ω est une famille Th := {K i }1≤i ≤N constituée de d -

simplexes non dégénérés tels que
1 K i ⊂ Ω et Ω̄ = ∪iN=1 K i
2 l’intersection K i ∩ K j est soit vide, soit un m-simplexe, avec 0 ≤ m ≤ d − 1, dont les
Définition 3

sommets sont des sommets de K i et K j .

Le paramètre h est défini par
© ª
h := max diam (K i ) , où diam (K i ) := sup |x − y|, x, y ∈ K i
1≤i ≤N

où |.| désigne la norme euclidienne. Les sommets ou noeuds de la triangulation Th sont

les sommets des d-simplexes K i .

Remarque : Précisons la signification du deuxième point de la définition dans les cas d = 2

et d = 3.
1. En dimension 2, 2. signifie que l’intersection de deux triangles non égaux est soit vide,
soit réduite à un sommet commun, soit une arête commune entière.
2. En dimension 3, 2. signifie que l’intersection de deux tétraèdres non égaux est soit
vide, soit réduite à un sommet commun, soit une arête commune entière, soit une
face commune entière.

F IGURE 2.2 – Exemples de maillages non admissible à gauche et admissible à droite, en di-
mension 2

13
 Soient K un d-simplexe non dégénéré de Rd de sommets a j , 1 ≤ j ≤ d + 1 et x ∈ Rd .
Définition 4 Alors, x est caractérisé par ses coordonnées barycentriques λKj (x) ∈ R où 1 ≤ j ≤ d + 1,
par rapport à K , définies comme solutions du système linéaire

dX
+1 dX
+1
Les
λKj (x) = 1 et x= λKj (x)a j .
j =1 j =1

coordonnées barycentriques permettent de donner une caractérisation simple du d -simplexe

K: n o
d K
K = x ∈ R | 0 ≤ λi (x) ≤ 1, ∀i = 1, . . . , d + 1 .

De plus, on remarque l’on a λKi (a j ) = δi j .

Soit K un d -simplexe non dégénéré de Rd de coordonnées barycentriques associées

Définition 5

λKj ∈ R, où 1 ≤ j ≤ d + 1. On appelle treillis d’ordre k ∈ N∗ de K l’ensemble

k −1
½ ½ ¾ ¾
1
Σk := x ∈ K | λ j (x) ∈ 0, , . . . , , 1 , ∀ j = 1, . . . , d − 1 .
k k

Comme vu dans le cas de la dimension 1, celle-ci sera nécessaire dans l’étude la méthode
des éléments finis Pk pour k > 1. On peut aussi définir Σ0 comme étant le singleton réduit au
barycentre de K .
Exemple :
1. Pour k = 1, on a
Σ1 := x ∈ K | λ j (x) ∈ {0, 1} , ∀ j = 1, . . . , d − 1 .
© ª

2. Pour k = 2, Σ2 est l’ensemble des sommets et des points milieux (i.e. les centres des
arêtes).

F IGURE 2.3 – Treillis d’ordre 2 pour un triangle à gauche et pour un tétraèdre à droite

Notation : On note Pk , l’espace des polynômes à coefficients réels de Rd de degré inférieur

ou égal à k, i.e. tout polynôme p de Pk est de la forme :

i i
∀x ∈ Rd , αi 1 ,...,i d x 11 . . . x dd
X
p(x) =
i 1 ≥0,...,i d ≥0
i 1 +···+i d ≤k

où αi 1 ,...,i d ∈ R.

14
On peut montrer facilement que l’on a :

Card (Σk ) = dim (Pk ) .

Lemme 3 (admis)
Soient K un d -simplexe non dégénéré de Rd et, pour k ∈ N∗ , Σk le treillis d’ordre k de K .
On désigne par σ j 1≤ j ≤N les points de Σk . Alors, tout polynôme de Pk est déterminé
¡ ¢
k
de manière unique par ses valeurs aux points σ j 1≤ j ≤N . Plus précisément, il existe une
¡ ¢
k
base ψ j 1≤ j ≤N de Pk telle que :
¡ ¢
k

ψ j (σ j ) = δi j pour tout 1 ≤ j ≤ Nk .

Dans la suite, ce lemme a essentiellement deux applications importantes. Tout d’abord, celui-
ci permettra de construire une base de l’espace d’approximation. Ensuite, celui-ci permet de
montrer le résultat suivant :

Lemme 4
Soient K et K 0 d -simplexes non dégénérés de Rd ayant une face commune Γ := ∂K ∩∂K 0 .
Soit un entier k ≥ 1. Alors, leurs treillis d’ordre k, Σk . et Σ0k coïncident sur cette face Γ.
De plus, étant donné p K et p K 0 deux polynômes de Pk , la fonction v définie par
½
p K (x) si x ∈ K
v(x) :=
p K 0 (x) si x ∈ K 0

est continue sur K ∪ K 0 si et seulement si les valeurs de p K et p K 0 coïncident aux points

des treillis sur la face commune Γ.

Démonstration
Si v est continue sur K ∪ K 0 alors p K = p K 0 sur Γ. Réciproquement, supposons que
p K et p K 0 coïncident aux points des treillis sur Γ. Donc , p K et p K 0 sont uniquement
déterminés sur Γ par leurs valeurs sur Σk ∩ Γ (en étant des polynômes 1 d )donc, si
celles-ci coïncident, on a nécessairement p K = p K 0 sur Γ donc v est continue sur K ∪
K 0.

15
III. 2. Éléments nis Pk en dimension d ≥2

Dans toute la suite Ω est un domaine polyédrique. On donne tout d’abord la définition des
espaces d’approximation de H 1 (Ω) et H01 (Ω) associés à une triangulation Th de Ω.

Soit Th une triangulation de Ω.

1 La méthode des éléments finis triangulaire de Lagrange d’ordre k ∈ N∗
est définie comme étant la méthode pour laquelle l’espace H 1 (Ω) est approché par
l’espace
Vh := v ∈ C (Ω̄)|v |K ∈ Pk , ∀K ∈ Th
© ª
Définition 6

2 Les nœuds de degrés de liberté sont les points σi , 1 ≤ i ≤ Nd l , des treillis d’ordre k
de chaque K de Th . Le nombre de degrés de liberté Nd l ne compte qu’une fois les
points communs de deux treillis.
3 Les degrés de liberté d’une fonction v ∈ Vh sont les la valeurs v (σi ) de v aux points
σi .
4 L’espace H01 (Ω) est approché par l’espace

V0h := {v ∈ Vh |v = 0 sur ∂Ω} .

Notation : Dans la suite, on note Nbor d le nombre de nœuds de degrés de liberté appartenant
à ∂Ω et N := Nd l − Nbor d . De plus, on suppose les nœuds σi , 1 ≤ i ≤ Nd l , rangés de sorte
que les σi , pour i = 1, . . . , N , sont des points intérieurs de Ω tandis que les σi pour i = N +
1, . . . , Nd l , sont sur ∂Ω.

Proposition 3
L’espace Vh est un sous-espace de H 1 (Ω) de dimension finie Nd l . De plus, il existe une
base φi , 1 ≤ i ≤ Nd l de Vh définie par

φi σ j = δi j pour tout 1 ≤ i , j ≤ Nd l
¡ ¢

où les σ j sont les nœuds de degrés de liberté, et pour toute v ∈ Vh , on a

N dl
v (σi ) φi .
X
v=
i =1

De même, l’espace V0h est un sous-espace de H01 (Ω) de dimension finie N = Nd l −Nbor d ,
où Nbor d est le nombre nœuds sur ∂Ω. De plus, pour toute v ∈ V0h , on a

N
v (σi ) φi .
X
v=
i =1

16
Démonstration
Soit v h ∈ Vh . Comme v h est continue sur Ω borné, v h ∈ L 2 (Ω). Ainsi, pour montrer
que v h ∈ H 1 (Ω), il suffit de montrer que, pour tout i = 1, . . . , d , ∂xi v h ∈ L 2 (Ω). Soient
i ∈ {1, . . . , d } et ϕ ∈ C c∞ (Ω). On a

∂ϕ ∂ϕ
Z X Z
∂x i v h , ϕ = − v h
­ ®
dx = − v h|K dx
Ω ∂x i K ∈Th K ∂x i

Puisque v h ∈ Vh , v h|K ∈ P1 pour tout K ∈ Th , d’après la formule de Green on en déduit

X Z ∂v h|K X Z
∂x i v h , ϕ = ϕd x − v h|K ϕνKi d x
­ ®
K ∈Th K ∂x i K ∈Th ∂K

¢T
où νK := νK1 , . . . , νKd est la normale extérieure unitaire de ∂K . Or. K m , K n ∈ Th sont
¡

tels que Γ := ∂K m ∩ ∂K n est une face commune alors νK n = −νK m sur Γ. Ainsi, comme
v h et ϕ sont continues dans Ω̄, on obtient
Z Z
K K
v h|K ϕνi n d x + v h|K ϕνi m d x = 0
∂K n ∂K m

On en déduit que la somme des intégrales de bord de réduit à une intégrale sur le bord
de Ω qui s’annule car ϕ ∈ C c∞ (Ω). Finalement, on a

X ∂v h|K
∂x i v h , ϕ = ϕd x
­ ®
K ∈Th ∂x i

On en déduit que la somme des intégrales de bord de se réduit à une intégrale d’où
∂xi v h = K ∈Th ∂xi v h|K ∈ L 2 (Ω), donc v h ∈ H 1 (Ω).
P

17