1 • INTRODUCTION

A
Pour mener à bien un projet technique, l’ingénieur ou technicien de bureau
d’études doit concevoir puis dimensionner l’ouvrage de manière à fournir à l’entre-
prise exécutante les plans nécessaires à sa réalisation. Très souvent, celui-ci utilisera
un outil de calcul basé sur la méthode dite des éléments finis dont l’utilisation s’est
généralisée dans l’industrie depuis une vingtaine d’années.
Cette méthode, qui n’est pas uniquement dédiée aux problèmes de structures lui
permettra de résoudre un éventail très large de problèmes : structurels, thermiques,
électromagnétiques, fluidiques, avec des aspects linéaires ou non linéaires, station-
naires ou transitoires.
Différents éditeurs de logiciels se sont imposés sur ce marché. Ils proposent géné-
ralement plusieurs modules permettant d’aborder des problèmes multi physiques.
La structure de ces codes comporte habituellement un pré-processeur, un ou plu-
sieurs solveurs, un ou plusieurs post-processeurs. Le pré-processeur est une interface
graphique permettant à l’utilisateur de décrire la géométrie et le type de problème à
résoudre. Le ou les solveurs intègrent les bases des méthodes de résolution (linéaire
ou non linéaire, stationnaire ou transitoire, etc.) spécifiques au cas étudié. Le ou les
post-processeurs permettent de visualiser les résultats sous forme de courbes (évo-
lution en fonction du temps, des charges, des déplacements, etc.) ou d’isovaleurs
matérialisant le comportement de la structure par une échelle de couleurs variant
du bleu au rouge généralement.
Mais avant d’utiliser un tel code de calcul de manière opérationnelle, il est essen-
tiel d’explorer ses capacités et surtout ses limites. Pour ce faire, le futur utilisateur
devra maîtriser un minimum de prérequis théoriques dans le secteur visé (méca-
nique, génie civil, etc.) mais également dans le domaine de la méthode des élé-
ments finis. Toujours dans ce même domaine et au niveau pratique, il devra être
© Dunod – La photocopie non autorisée est un délit.

capable de résoudre des problèmes simples avec le logiciel mis à sa disposition.

Généralement, les éditeurs de ces logiciels joignent au produit un manuel dit de
vérification permettant de comparer les résultats obtenus à un référentiel souvent
issu de bases théoriques. Dans le cadre de la mise en œuvre d’une nouvelle tech-
nique ou peut-être même lors d’une première utilisation, l’opérateur pourra aussi
utiliser ce manuel comme base de formation à l’outil. C’est la démarche que nous
avons essayé de reproduire en basant nos développements sur des résultats connus.
Cet ouvrage a donc pour but de familiariser les ingénieurs et techniciens mais éga-
lement les étudiants à cette méthode en abordant sa problématique par la pratique.
16 exemples traitant les aspects théoriques et pratiques de manière graduelle sont

LQGE 
 1 • Introduction

ainsi proposés. Quand cela s’avère nécessaire, ceux-ci sont accompagnés de rap-
pels sur les théories des poutres, des plaques ou des coques. Leurs résultats seront
d’ailleurs, comme indiqué précédemment, très souvent utilisés comme référentiels.
Ceci étant, cet ouvrage ne prétend pas couvrir la méthode de manière exhaustive
car les techniques numériques abordées font partie des plus courantes dans les
codes de calcul commerciaux.
Partant de pré requis en mathématiques et mécanique du solide, le principe d’ap-
proximation élémentaire utilisé par cette méthode est tout d’abord appliqué en
statique aux structures filaires en barres et poutres. La problématique du maillage
et de la validation des modèles de calcul est ensuite abordée lors de l’étude des
modélisations surfaciques avec des éléments membranes, plaques ou coques. Enfin,
ces éléments sont ensuite utilisés dans le cadre de l’étude de la non linéarité géomé-
trique et des méthodes de résolution associées telles que celles de Newton-Raphson
ou de longueur d’arc. Ces différents aspects sont ensuite appliqués aux instabilités
des structures comme le flambement, le déversement ou le voilement des âmes.
Afin de bien décrire la méthodologie utilisée, la grande majorité de ces exemples
est traitée pas à pas par des calculs manuels ou semi automatiques avec le logiciel
Mathcad™ développé par la société Parametric Technology Corporation et dont
les résultats sont recoupés avec les codes de calcul Advance Structure/Effel™ ou
Abaqus™ édités respectivement par les sociétés Graitec SA et Dassault Systèmes
Simulia Corporation. Nous remercions d’ailleurs très sincèrement ces trois éditeurs
pour nous avoir permis d’utiliser leurs logiciels pour illustrer nos exemples.

LQGE 
 2 • RAPPELS SUR LE CALCUL MATRICIEL

A
Le calcul par éléments finis nécessitant le maniement de nombreuses valeurs numé-
riques, il est plus aisé d’exprimer celles-ci sous forme matricielle.
En regroupant des termes de même nature au sein d’une seule et même variable,
cette écriture plus synthétique permet en effet une meilleure compréhension des
différentes phases de construction de la méthode.
Ceci nécessite néanmoins la maîtrise des opérations de base associées à ce type de
calcul : l’addition ou le produit de plusieurs matrices, la résolution de systèmes
linéaires, etc.

2.1 Notion de matrice

Soit la fonction polynomiale suivante :
v( x ) = b0 + b1 x + b2 x 2 + b3 x 3 avec x Π[0, L ] (2.1)
Et sa dérivée :
v ʹ( x ) = b1 + 2b2 x + 3b3 x 2 (2.2)
Supposant que v( x ) et v ʹ( x ) valent v1 et E1 en x  0 , v2 et E 2 en x  L , on
peut aisément établir le système de 4 équations suivant :
⎧v1 = v ( 0 ) = b0
⎪ E1 = v ʹ ( 0 ) = b1
⎪
⎨ (2.3)
⎪v2 = v ( L ) = b0 + b1L + b2 L + b3 L
2 3

⎪ E 2 = v ʹ ( L ) = b1 + 2b2 L + 3b3 L2
⎩
© Dunod – La photocopie non autorisée est un délit.

Cependant, ce système peut être exprimé de manière plus synthétique sous

⎧ v1 ⎫
⎪E ⎪
⎪ 1⎪
forme matricielle en posant que le vecteur {v} = ⎨ ⎬ peut être relié au vecteur
⎪ v2 ⎪
⎧b0 ⎫ ⎪⎩ E 2 ⎪⎭
⎪b ⎪
⎪ 1⎪
{b} = ⎨ ⎬ via une matrice [ R ] .
⎪b2 ⎪
⎪⎩b3 ⎪⎭

LQGE 
 2 • Rappels sur le calcul matriciel 2.2 Opérations de base

Anticipant sur les règles relatives au produit des matrices (cf. § 2.2.2), On a donc :

⎧ v1 ⎫ ⎡1 0 0 0 ⎤ ⎧b0 ⎫
⎪ E ⎪ ⎢0 1 0 0 ⎥ ⎪⎪b1 ⎪⎪
⎪ 1⎪
{v} = ⎨ ⎬ = ⎢⎢ ⎥ ⋅ ⎨ ⎬ = [ R ] ⋅ {b}
⎪ v 2 ⎪ ⎢1 L L2 L3 ⎥ ⎪b2 ⎪
⎪⎩ E 2 ⎪⎭ ⎣0 ⎥
1 2 L 3L2 ⎦ ⎪⎩b3 ⎪⎭

équivalent au système d’équations (2.3).

Dans ce cas {v} et {b} sont des vecteurs « colonne » à 4 lignes alors que la matrice
[ R ] est une matrice dite carrée à 4 lignes et 4 colonnes. De manière générale, une
matrice peut être caractérisée par un ensemble de nombres ordonnés et regroupés
en n lignes et m colonnes.
On aura alors une matrice de dimensions n ¥ m :

⎡ a11 a12 a13 . a1 j . a1m ⎤

⎢a a22 a23 . a2 j . a2m ⎥
⎢ 21 ⎥
⎢ a31 a32 a33 . a3 j . a3m ⎥
⎢ ⎥
[ A] = ⎢ . . . . . . . ⎥ (2.4)
⎢ ai1 ai 2 ai 3 . aij . aim ⎥
⎢ ⎥
⎢ . . . . . . . ⎥
⎢a an 2 an 3 . anj . anm ⎥⎦
⎣ n1
aij caractérisant le terme des i ème ligne et j ème colonne de la matrice [ A ] . Si n = 1
ou m = 1, la matrice sera associée suivant le cas, soit à un vecteur ligne, soit à un
vecteur colonne qui sont généralement notés { } . De plus et spécifiquement pour
les matrices dites carrées (n = m), les termes aii seront appelés termes diagonaux et
formeront la diagonale de la matrice.

2.2 Opérations de base

2.2.1 Addition
Soit deux matrices [ A ] et [ B ] de dimensions n ¥ m construites à partir de (2.4), la
matrice [C ] de mêmes dimensions, somme des matrices [ A ] et [ B ] , sera obtenue
en posant que chacun des termes cij est égal à aij bij . On aura alors :

LQGE 
 2 • Rappels sur le calcul matriciel 2.2 Opérations de base

⎡ c11 c12 c13 . c1 j . c1m ⎤

⎢c c c 23 . c2 j . c 2m ⎥
⎢ 21 22 ⎥
⎢c31 c32 c33 . c3 j . c 3m ⎥
⎢ ⎥
[C ] = ⎢ . . . . . . . ⎥=
⎢ c i1 c i 2 ci 3 . cij . cim ⎥
⎢ ⎥
⎢ . . . . . . . ⎥
⎢c
⎣ n1 cn 2 cn 3 . cnj . cnm ⎥⎦ A

⎡ a11 + b11 a12 + b12 a13 + b13 . a1 j + b1 j . a1m + b1m ⎤ (2.5)

⎢a + b a22 + b22 a23 + b23 . a2 j + b2 j . a2m + b2m ⎥
⎢ 21 21 ⎥
⎢ a31 + b31 a32 + b32 a33 + b33 . a3 j + b3 j . a3m + b3m ⎥
⎢ ⎥
⎢ . . . . . . . ⎥ = [ A] + [B ]
⎢ ai1 + bi1 ai 2 + bi 2 ai 3 + bi 3 . aij + bij . aim + bim ⎥
⎢ ⎥
⎢ . . . . . . . ⎥
⎢a + b an 2 + bn 2 an 3 + bn 3 . anj + bnj . anm + bnm ⎥⎦
⎣ n1 n1

Dans le cas d’une différence des matrices [ A ] et [ B ] , on posera de la même façon :

cij = aij − bij (2.6)

⎡1 0 2 3 ⎤ ⎡3 4 7 2 ⎤
Exemples : Soit les matrices [ A ] = ⎢ ⎥ et [ B ] = ⎢ ⎥
⎣3 1 0 5 ⎦ ⎣1 6 2 3 ⎦

⎡ 4 4 9 5⎤ ⎡ −2 −4 −5 1 ⎤
[C ] = [ A ] + [ B ] = ⎢ 4 ⎥ [C ] = [ A ] − [ B ] = ⎢ 2 −5 −2 2 ⎥⎦
.
⎣ 7 2 8⎦ ⎣

2.2.2 Produit
© Dunod – La photocopie non autorisée est un délit.

■ Produit d’une matrice par un scalaire

Soit une matrice [ A ] de dimensions n ¥ m, la matrice [C ] , produit de la matrice

[ A ] par le scalaire l sera obtenue en multipliant chacun des termes de la matrice
[ A ] par l. On aura donc :
cij = O ⋅ aij (2.7)

⎡1 0 2 3 ⎤ ⎡ 3 0 6 9 ⎤
Exemple : [C ] = 3 ⋅ [ A ] = 3 ⋅ ⎢3 ⎥=⎢ ⎥
⎣ 1 0 5 ⎦ ⎣9 3 0 15⎦

LQGE 
 2 • Rappels sur le calcul matriciel 2.2 Opérations de base

■ Produit de 2 matrices
Soit deux matrices [ A ] et [ B ] de dimensions respectives n ¥ m et m ¥ l, la matrice
[C ], produit des matrices [ A ] et [ B ] 1, de dimensions n ¥ l, sera obtenue en posant
que les termes cij sont égaux à :
k =m
cij = ∑ aik × bkj (2.8)
k =1
Par exemple, on trouvera pour le premier terme :
c11 = a11 ⋅ b11 + a12 ⋅ b21 + ..... + a1m ⋅ bm1
Cependant et pour que ce produit soit possible, il est important de noter que le
nombre de colonnes de la matrice [ A ] doit être égal au nombre de lignes de la
matrice [ B ] .
⎡4 9⎤
⎢3 1 ⎥
⎡1 0 2 3 ⎤ ⎢ ⎥
Exemple : Soit les matrices [ A ] = ⎢ ⎥ et [ B ] = ⎢1 6 ⎥
⎣ 3 1 0 5 ⎦
⎢ ⎥
⎣7 5 ⎦
⎡1 ⋅ 4 + 0 ⋅ 3 + 2 ⋅1 + 3 ⋅ 7 1 ⋅ 9 + 0 ⋅1 + 2 ⋅ 6 + 3 ⋅ 5⎤ ⎡27 36 ⎤
[C ] = [ A ] ⋅ [ B ] = ⎢ 3 ⋅ 4 + 1 ⋅ 3 + 0 ⋅1 + 5 ⋅ 7 3 ⋅ 9 + 1 ⋅1 + 0 ⋅ 6 + 5 ⋅ 5 ⎥ = ⎢50 53 ⎥
⎣ ⎦ ⎣ ⎦
■ Produit de 3 matrices
Soit trois matrices [ A ] , [ B ] et [C ] de dimensions respectives n ¥ m, m ¥ l et l ¥ p,
la matrice [ F ] , produit des matrices [ A ] , [ B ] et [C ] , de dimensions n ¥ p sera
obtenue en effectuant dans un premier temps soit le produit [ A ] ⋅ [ B ] soit celui de
[ B ] ⋅ [C ] , les deux approches amenant au même résultat.
⎛ [D ] ⎞ ⎛ [E ] ⎞
[ F ] = [ A ] ⋅ [ B ] ⋅ [C ] = [ A ] ⋅ ⎜⎜ [ B ] ⋅ [C ] ⎟⎟ = [ A ] ⋅ [ D ] = ⎜⎜ [ A ] ⋅ [ B ] ⎟⎟ ⋅ [C ] = [ E ] ⋅ [C ]
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
⎡4 9⎤
⎢3 1⎥
⎡1 0 2 3 ⎤ ⎢ ⎥ et [C ] = ⎡
27 36 ⎤
Exemple : Soit les matrices [ A ] = ⎢ ⎥ , [ B ] = ⎢ ⎥
⎣ 3 1 0 5 ⎦ ⎢1 6⎥ ⎣50 53 ⎦
⎢ ⎥
⎣7 5⎦
⎛ ⎡4 9⎤ ⎞
⎜ ⎢ ⎥⎟
⎜ ⎡1 0 2 3 ⎤ ⎢ 3 1 ⎥ ⎟ ⎡27 36 ⎤
([ A ] ⋅ [ B ]) ⋅ [C ] = ⎜ ⎢3 1 0 5⎥ ⋅ ⎢1 6 ⎥ ⎟ ⋅ ⎢50 53 ⎥ =
⎜⎜ ⎣ ⎦ ⎣ ⎦
⎢ ⎥ ⎟⎟
⎝ ⎣ 7 5 ⎦⎠
27 36 ⎤ ⎡27 36 ⎤ ⎡27 36 ⎤ ⎡ 2529 28880 ⎤
= ⋅ =
50 53 ⎥⎦ ⎢⎣50 53 ⎥⎦ ⎢⎣50 53 ⎥⎦ ⎢⎣ 4000 4609 ⎥⎦
1. Le produit matriciel n’est pas commutatif. Généralement, [A] ◊ [B] ≠ [B] ◊ [A].

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

⎛ ⎡4 9⎤ ⎞
⎜⎢ ⎥ ⎟
⎡1 0 2 3 ⎤ ⎜ ⎢ 3 1 ⎡27 36 ⎤ ⎟
⎥⋅
[ A ] ⋅ ([ B ] ⋅ [C ]) = ⎢3 1 0 5 ⎥ ⋅ ⎜ ⎢1 6 ⎥ ⎢⎣50 53 ⎥⎦ ⎟
=
⎣ ⎦ ⎜ ⎟
⎜ ⎢7 5⎦
⎥ ⎟
⎝⎣ ⎠
⎞ ⎡558 621⎤
⎟ ⎢
⎤ ⎟ ⎡1 0 2 3 ⎤ ⎢131 161 ⎥ ⎡ 2529 2880 ⎤
= ⎥= A
⎥ ⎟ ⎢3 1 0 5 ⎥ ⎢327 354 ⎥ ⎢⎣ 4000 4609 ⎥⎦
⎦⎟ ⎣ ⎦
⎟ ⎢ ⎥
⎠ ⎣ 439 3117 ⎦

2.2.3 Matrice transposée

Soit la matrice [ A ] de dimensions n ¥ m, la matrice [ B ] de dimensions m ¥ n
T
transposée de [ A ] (notée [ A ] ) sera obtenue en posant pour chacun des termes
de [ B ] que bij  a ji . Pratiquement, ce calcul revient à échanger les lignes et les
colonnes de la matrice [ A ] .

⎡1 3⎤
⎢0 1⎥
⎡1 0 2 3 ⎤
=⎢ ⎥.
T
Exemple : soit la matrice [ A ] = ⎢ ⎥ [ B ] = [ A]
⎣3 1 0 5 ⎦ ⎢2 0⎥
⎢ ⎥
⎣3 5⎦
On notera par ailleurs que :
T T T
([ A ] ⋅ [ B ]) = [B ] ⋅ [ A] (2.9)

2.3 Matrices carrées

2.3.1 Matrice identité
La matrice identité, notée [ I ] , est une matrice carrée dont les termes diagonaux
© Dunod – La photocopie non autorisée est un délit.

sont égaux à 1, tous les autres étant nuls. De ce fait, le produit de la matrice iden-
tité par une matrice [ A ] quelconque (ou inversement) est égal à la matrice [ A ]
elle-même.
⎡1 0 0 . 0⎤
⎢0 1 0 . 0⎥
⎢ ⎥
[ I ] = ⎢0 0 1 . 0 ⎥ et [ I ] ⋅ [ A ] = [ A ] ⋅ [ I ] = [ A ] (2.10)
⎢ ⎥
⎢. . . . .⎥
⎢0 0 0 . 1 ⎥⎦
⎣

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

2.3.2 Matrice inverse

−1 −1 −1
La matrice inverse de [ A ] notée [ A ] est définie telle que [ A ] ⋅ [ A ] = [ A ] ⋅ [ A ]
1
= [ I ] et peut être calculée en posant :
1
[ A ]−1 = ⋅ Com [ A ]
T
(2.11)
det [ A ]
où Com [ A ] et det [ A ] sont respectivement la comatrice et le déterminant de la
matrice [ A ] .
La matrice [ A ] sera donc inversible à condition que son déterminant soit différent
de 0.
■ Calcul du déterminant

– 2 dimensions :
⎡ a11 a12 ⎤ a11 a12
det ⎢ = = a11 ⋅ a22 − a12 ⋅ a21 (2.12)
⎣ a21 a22 ⎥⎦ a21 a22
– 3 dimensions :
⎡ a11 a12 a13 ⎤ a11 a12 a13
⎢ ⎥
det ⎢ a21 a22 a23 ⎥ = a21 a22 a23 (2.13)
⎢ a31 a32 a33 ⎥⎦ a31 a32 a33
⎣
Qui peut être calculé grâce à la règle de Sarrus :
a11 a12 a13
+ Produit des 3 termes
a21 a22 a23
a31 a32 a33
– Produit des 3 termes
a11 a12 a13
a21 a22 a33

= a11 ⋅ a22 ⋅ a33 + a21 ⋅ a32 ⋅ a13 + a31 ⋅ a12 ⋅ a33

− a13 ⋅ a22 ⋅ a31 − a23 ⋅ a32 ⋅ a11 − a33 ⋅ a12 ⋅ a21

■ Calcul de la comatrice et la matrice inverse

La comatrice de [ A ] , notée Com [ A ] , correspond à la matrice des cofacteurs de
[ A ] .i +Lej cofacteur du terme i, j de la matrice [ A ] est obtenu en multipliant par
( −1) le déterminant de la sous-matrice issue de la suppression des ligne i et
colonne j.
– 1 dimension :
1
[ A ] = a11 ⇒ [ A ]−1 = (2.14)
a11

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

– 2 dimensions :
⎡ a11 a12 ⎤ ⎡ a22 −a21 ⎤
[ A] = ⎢a ⎥ ⇒ Com [ A ] = ⎢
a11 ⎥⎦
⎣ 21 a22 ⎦ ⎣ −a12
(2.15)
−1 1 ⎡ a22 −a12 ⎤
⇒ [ A] = ⋅⎢
det [ A ] ⎣ − a21 a11 ⎥⎦
– 3 dimensions :
⎡ a22 a23 a21 a23 a21 a22 ⎤ A
⎢+ − + ⎥
⎢ a322 a33 a31 a33 a31 a32 ⎥
⎡ a11 a12 a13 ⎤ ⎢ a12 a13 ⎥
⎢ ⎥ a11 a13 a11 a12
[ ] ⎢ 21 22 23 ⎥
A = a a a ⇒ Com [ ] ⎢− a a + a a − a a
A = ⎥
⎢ 32 33 31 33 31 32 ⎥
⎢ a31 a32 a33 ⎥ ⎢ ⎥
⎣ ⎦
⎢ + a12 a13 − a11 a13 + a11 a12 ⎥ (2.16)
⎢ ⎥
⎣ a22 a23 a21 a23 a21 a22 ⎦
⎡ a22 a33 − a23 a32 a23 a31 − a21a33 a21a32 − a22 a31 ⎤
−1 1 ⎢ ⎥
⇒ [ A] = ⎢ a13 a32 − a12 a33 a11a33 − a13 a31 a12 a31 − a11a32 ⎥
det [ A ]
⎢ a12 a23 − a13 a22 a13 a21 − a11a23 a11a22 − a12 a21 ⎥
⎣ ⎦

2.3.3 Méthodes de résolution de systèmes linéaires

Considérant n équations à n inconnues (qui sont regroupées dans le vecteur {q} ),
la résolution du système linéaire de type [ K ] ⋅ {q} = {F } amène à isoler le vecteur
{q} de manière à obtenir :
−1 −1 −1
[ K ] ⋅ {q} = {F } ⇔ [1
K ] ⋅ [ K ] ⋅ {q} = [ K ] ⋅ {F } ⇒ {q} = [ K ] ⋅ {F }
4243
(2.17)
[I ]
Ceci suppose bien sûr que le déterminant de la matrice [ K ] est différent de 0.
Dans le cas contraire, on parlera de système singulier. Nous verrons d’ailleurs par la
suite qu’en éléments finis la singularité de la matrice de rigidité [ K ] est souvent à
associer à un problème de conditions d’appui.
De plus, la méthode de calcul par éléments finis amenant dans la plupart des cas
© Dunod – La photocopie non autorisée est un délit.

à la résolution d’un système de n équations à n inconnues de grandes dimensions,

l’inversion conventionnelle vue au chapitre précédent s’avérera peu efficace.
Les outils de calcul par éléments finis font donc très souvent appel à des méthodes
plus pertinentes telles que celles par élimination de Gauss, de Cholesky ou frontale.
Il existe deux grandes familles de méthodes de résolution : les méthodes directes
(Gauss, Cholesky, frontale, etc.) et les méthodes itératives (gradients conjugués).
Leur efficacité sera directement liée aux performances du ou des processeurs de
l’ordinateur utilisé, de la vitesse d’accès au disque dur mais surtout de la quantité
de mémoire vive (RAM) disponible.
Généralement, les méthodes de gradients conjugués se révèlent moins gourmandes
en terme de mémoire. Ceci étant et spécifiquement pour les problèmes linaires

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

élastiques comportant plusieurs cas de charges, leur utilisation apparaît moins per-
tinente dans la mesure où celles-ci nécessitent une résolution complète à chaque
changement d’état de charges.
En effet et dans le cas des méthodes directes appliquées aux problèmes linéaires
élastiques, seul le premier cas de charges nécessite une inversion de la matrice de
rigidité, les résultats des cas suivants étant obtenus par linéarité après stockage de la
matrice inversée en mémoire (uniquement si les conditions d’appui ou de tempé-
rature ne varient pas).
■ Résolution par la méthode par élimination de Gauss

Soit le système à résoudre [ K ] ⋅ {q} = {F } (n équations à n inconnues) :

⎧k11q1 + k12 q2 + k13 q3 + ................. + k1n qn = F1

⎪k q + k q + k q + ................. + k q = F
⎪ 21 1 22 2 23 3 2n n 2
⎪⎪ . . . . .
⎨ (2.18)
⎪ . . . . .
⎪ . . . . .
⎪
⎪⎩kn1q1 + kn 2 q2 + kn 3 q3 + ................. + knn qn = Fn
Pour éliminer la 1re inconnue, la méthode consistera à exprimer q1 en fonction des
autres inconnues et à la remplacer dans les (n –1) équations restantes :
1
q1 = ( F1 − k12 q2 − k13q3 − ................ − k1n qn ) (2.19)
k11
Donc et en remplaçant (2.19) dans (2.18), le système devient :

⎧k11q1 + k12 q2 + k13 q3 + ................. + k1n qn = F1

⎪ 1 q + k1 q + ................. + k1 q = F 1
⎪ k22 2 23 3 2n n 2
⎪⎪ . . . .
⎨ (2.20)
⎪ . . . .
⎪ . . . .
⎪ 1 1
⎪⎩ kn 2 q2 + kn 3 q3 + ................. + knn qn = Fn1
1

⎧ s k s −1ksjs−1
s −1 − is
k
⎪ ij = kij
⎪ ksss−1
avec ⎨ s −1 s −1
⎪ F s = F s −1 − kis Fs
i i
⎪⎩ ksss−1

Au terme de la nième élimination, le système s’écrit sous forme triangulaire ce qui

rend aisée sa résolution :

10

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

⎧k11q1 + k12 q2 + k13 q3 + ................. + k1n qn = F1

⎪ 1 q + k1 q + ................. + k1 q = F 1
⎪ k22 2 23 3 2n n 2
⎪⎪ 2 2
k33 q3 + ................. + k3n qn = F32
⎨ (2.21)
⎪ . .
⎪ . .
⎪ n−−1q = F n −1 ⇒ q
⎪⎩ knn n n n
A
Ceci étant, l’utilisation de la méthode par élimination n’est envisageable que si
les termes diagonaux de la matrice [ K ] sont non nuls. Dans le cas contraire, un
ou plusieurs pivots nuls rendront l’inversion de la matrice [ K ] impossible. Bien
évidemment, tous ces pivots doivent être différents de zéro et nous verrons même
qu’en éléments finis, ceux-ci doivent être positifs.
■ Exemple de résolution par la méthode de Gauss
Soit le système d’équations suivant :

⎡ 3 0 −1 −1 0 ⎤ ⎧U 2 ⎫ ⎧ 0 ⎫
⎢ 0 2 −1 0 0 ⎥ ⎪V ⎪ ⎪ 0 ⎪
ES ⎢ ⎥⎪ 2 ⎪ ⎪ ⎪
⎢ −1 −1 2 1 −1⎥ ⎪⎨V3 ⎪⎬ = ⎪⎨− P ⎪⎬ (2.22)
2L ⎢ ⎥⎪ ⎪ ⎪ ⎪
⎢ −1 0 1 3 0 ⎥ ⎪U 4 ⎪ ⎪ 0 ⎪
⎢ 0 0 −1 0 2 ⎥ ⎪V4 ⎪ ⎪ 0 ⎪
⎣ ⎦⎩ ⎭ ⎩ ⎭
□ 1re étape : élimination de U2
De la 1re équation de (2.22), on déduit que :

V3 + U 4
U2 = (2.23)
3
En remplaçant (2.23) dans (2.22), la nouvelle expression du système fait apparaître
quatre équations indépendantes de U 2 :
© Dunod – La photocopie non autorisée est un délit.

⎡3 0 −1 −1 0⎤ ⎡3 0 −1 −1 0 ⎤
⎢0 2 −1 0 ⎥
0 ⎧U 2 ⎫ ⎢0 2 −1 0 0 ⎥ ⎧U 2 ⎫ ⎧ 0 ⎫
⎢ ⎥⎪ ⎪ ⎢ ⎥⎪ ⎪ ⎪ ⎪
⎢ 1 1 ⎥ ⎪V 2 ⎪ ⎢ 5 2 ⎥ V2 0
ES ⎢0 −1 2 − 1− −1⎥ ⎪V ⎪ ES ⎢0 −1 −1⎥ ⎪⎪V ⎪⎪ ⎪⎪− P ⎪⎪
3 3 ⎨ 3⎬= 3 3 ⎨ 3⎬=⎨ ⎬
2L ⎢ ⎥ ⎪ ⎪ 2L ⎢ ⎥⎪ ⎪ ⎪ ⎪
⎢0 0 1 − 1
3−
1 U
0 ⎥⎪ 4⎪ ⎢0 0 2 8 0 ⎥ ⎪U 4 ⎪ ⎪ 0 ⎪
⎢ 3 3 ⎥ ⎪V ⎪ ⎢ 3 3 ⎥ ⎪V ⎪ ⎪ 0 ⎪
⎢0 0 ⎥⎩ 4 ⎭ ⎢ ⎥⎩ 4 ⎭ ⎩ ⎭
⎣ − 1 0 2⎦ ⎣0 0 −1 0 2 ⎦
(2.24)

11

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

□ 2e étape : élimination de V2
Pour éliminer V2 , on répète l’opération en considérant cette fois la deuxième équa-
tion de (2.24) d’où :
V
V2  3 (2.25)
2
Le système devient alors :

⎡3 0 −1 −1 0 ⎤ ⎡3 0 −1 −1 0 ⎤
⎢0 2 −1 ⎥
0 0 ⎧U 2 ⎫ ⎢0 2 −1 0 0 ⎥ ⎧U 2 ⎫ ⎧ 0 ⎫
⎢ ⎥⎪ ⎪ ⎢ ⎥⎪ ⎪ ⎪ ⎪
⎢ 5 1 2 ⎥ ⎪V 2 ⎪ ⎢ 7 2 ⎥ V2 0
ES ⎢0 0 − −1⎥ ⎪V ⎪ ES ⎢0 0 −1⎥ ⎪⎪V ⎪⎪ ⎪⎪− P ⎪⎪
3 2 3 ⎨ 3⎬= 6 3 ⎨ 3⎬=⎨ ⎬
2L ⎢ ⎥ ⎪ ⎪ 2L ⎢ ⎥⎪ ⎪ ⎪ ⎪
⎢0 0
2 8 U
0 ⎥⎪ 4⎪ ⎢0 0 2 8 0 ⎥ ⎪U 4 ⎪ ⎪ 0 ⎪
⎢ 3 3 ⎥ ⎪V ⎪ ⎢ 3 3 ⎥ ⎪V ⎪ ⎪ 0 ⎪
⎢0 ⎥⎩ 4 ⎭ ⎢0 0 −1 0 2 ⎥ ⎩ 4 ⎭ ⎩ ⎭
⎣ 0 −1 0 2⎦ ⎣ ⎦
(2.26)
Et ainsi de suite…
□ 3e étape : élimination de V3

6 ⎛ 2 PL 2 ⎞
V3 = ⎜ − − U 4 + V4 ⎟ (2.27)
7 ⎝ ES 3 ⎠
⎡3 0 −1 −1 0 ⎤
⎢0 ⎧ 0 ⎫
2 −1 0 0 ⎥ ⎧U ⎫ ⎪
⎢ ⎥ 2 0 ⎪
⎢ 7 2 ⎥⎪ ⎪ ⎪ ⎪
0 0 −1 ⎥ ⎪V2 ⎪ ⎪ − P ⎪
ES ⎢ 6 3 ⎪ ⎪ ⎪ ⎪
⎢ ⎥ ⎨V3 ⎬ = ⎨ ⎬
2L ⎢ 8 2 6 ⎛ 2 ⎞ 2 6 ⎥ ⎪ ⎪ ⎪2 ⋅ 6 P ⎪
⎢0 0 0 + ⋅ ⋅⎜− ⎟ ⋅ ⎥ U4
3 3 7 ⎝ 3 ⎠ 3 7 ⎪ ⎪ ⎪3 7 ⎪
⎢ ⎥ ⎪V ⎪ ⎪ 6 ⎪
⎢0 6 ⎛ 2⎞ 6⎥⎩ 4 ⎭ ⎪ − P ⎪
0 0 − ⋅⎜− ⎟ 2− ⎩ 7 ⎭
⎢⎣ 7 ⎝ 3⎠ 7 ⎥⎦
(2.28)
⎡3 0 −1 −1 0 ⎤
⎢0 ⎧ 0 ⎫
2 −1 0 0 ⎥ ⎧U 2 ⎫ ⎪
⎢ ⎥ 0 ⎪
⎢ 7 2 ⎥ ⎪ ⎪ ⎪ ⎪
ES ⎢0 0 −1⎥ ⎪V2 ⎪ ⎪ − P ⎪
6 3 ⎪ ⎪ ⎪ ⎪
⎢ ⎥ ⎨V3 ⎬ = ⎨ 4 ⎬
2L ⎢ 16 4 ⎥ ⎪ ⎪ ⎪ P ⎪
0 0 0 U4 7 ⎪
⎢ 7 7 ⎥⎪ ⎪ ⎪
⎢ ⎥ ⎪⎩V4 ⎪⎭ ⎪ 6 ⎪
⎢0 4 8⎥ ⎪⎩− 7 P ⎪⎭
0 0
⎢⎣ 7 7 ⎥⎦

12

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

□ 4e étape : élimination de U4

PL V4
U4 = − (2.29)
2 ES 4
⎡3 0 −1 −1 0 ⎤
⎢0 ⎥ ⎧ 0 ⎫
2 −1 0 0
⎢ ⎥ ⎧U 2 ⎫ ⎪ 0 ⎪
⎢ 7 2 ⎥ ⎪V ⎪ ⎪ ⎪
0 0 −1 ⎪ 2⎪ ⎪ − P ⎪
ES ⎢
⎢ 6 3 ⎥⎪ ⎪ ⎪
⎥ ⎨V3 ⎬ = ⎨
⎪
⎬ (2.30)
A
2L ⎢ 16 4 4
0 0 0 ⎥ ⎪U ⎪ ⎪ P ⎪
⎢ 7 7 ⎥ ⎪ 4
⎪ ⎪ 7 ⎪
⎢ ⎥ ⎪⎩V4 ⎪⎭ ⎪ 6 1 ⎪
⎢0 8 4 ⎛ 1 ⎞⎥ ⎪⎩− 7 P − 7 ⋅ P ⎪⎭
0 0 0 + ⎜− ⎟
⎣⎢ 7 7 ⎝ 4 ⎠ ⎥⎦
Soit finalement :

⎡3 0 −1 −1 0 ⎤
⎧ 0 ⎫
⎢0 2 −1 0 0 ⎥ ⎧U 2 ⎫ ⎪
⎢ ⎥ 0 ⎪
⎢ 7 2 ⎥ ⎪V 2 ⎪ ⎪ ⎪
ES ⎢0 0 −1 ⎥ ⎪ ⎪ ⎪ −P ⎪
6 3 ⎪ ⎪ ⎪ ⎪
⎢ V
⎥⎨ 3 ⎬ ⎨ = 4 ⎬ (2.31)
2L ⎢ 16 4 ⎥⎪ ⎪ ⎪ P ⎪
0 0 0 U4 7
⎢ 7 7 ⎥ ⎪ ⎪ ⎪ ⎪
⎢ ⎥ ⎪⎩V4 ⎪⎭ ⎪ 6 1 ⎪
⎢0 8 1⎥ ⎪⎩− 7 P − 7 ⋅ P ⎪⎭
0 0 0 −
⎢⎣ 7 7 ⎦⎥

On déduit de la 5e équation :

ES 2 PL
⋅V4 = − P ⇒ V4 = − (2.32)
2L ES
D’où à partir de (2.23), (2.25), (2.27) et (2.29), les valeurs des autres inconnues :
© Dunod – La photocopie non autorisée est un délit.

PL V4 PL
U4 = − =
2 ES 4 ES
6 ⎛ 2 PL 2 ⎞ 4 PL
V3 = ⎜ − − U 4 + V4 ⎟ = −
7 ⎝ ES 3 ⎠ ES
(2.33)
V 2 PL
V2 = 3 = −
2 ES
V3 + U 4 PL
U2 = =−
3 ES

13

LQGE 
 2 • Rappels sur le calcul matriciel 2.3 Matrices carrées

Bien évidemment, la méthode par élimination de Gauss s’avère dans ce cas bien
compliquée comparée à une approche plus classique telle que celle décrite ci-des-
sous.
Reprenant le système (2.22), les 2e et 5e équations permettent de déduire respecti-
vement que 2V2  V3 et 2V4  V3 d’où V2  V4 .
De la somme des 1re et 4e équations résulte que 2U 2 + 2U 4 = 0 ⇒ U 2 = −U 4 .
D’où à partir de la 1re : 3U 2 − V3 − U 4 = 0 ⇒ V3 = 4U 2 .
En remplaçant ces différents résultats dans la 3e équation, on obtient finalement :
2 PL 2 PL 4 PL
−U 2 − V2 + 2V3 + U 4 − V4 = − ⇒ −2U 2 + V3 = − ⇒ V3 = −
ES ES ES
PL 2 PL
Soit U 2 = −U 4 = − et V2 = V4 = − .
ES ES

14

LQGE