Methodes numeriques avances

pour la resolution
des equations aux derivees partielles
Pierre.Saramito@imag.fr
15 decembre 2006
t
n
X
n
(x)
t
n+1
x
u
1
Copyright (c) 2006 Pierre Saramito
Copyleft : cette uvre est libre, vous pouvez la redistribuer et/ou la modier selon les termes
de la Licence Art Libre. Vous trouverez un exemplaire de cette Licence sur le site dArt Libre
http://www.artlibre.org ainsi que sur dautres sites.
2
Chapitre 1
Discretisation et algorithmes
1.1 Introduction
Nous allons introduire ici quelques equations aux derivees partielles tr`es classiques qui seront
par la suite etudiees en detail. Ces equations sont selectionnees parce quelles introduisent des
dicultes speciques, par ordre croissant. Ces equations sont generalement issues de probl`emes de
physique, et le contexte est bri`evement rapelle. Dans la suite designe un ouvert borne de R
d
,
avec d = 1, 2, 3. En general d = 3 : cest notre espace physique. Pour des raisons de symetries, il est
parfois possible de reduire la dimension des calculs `a d = 1 ou 2. Dautre part, T > 0 represente
le temps nal pour lequel nous souhaitons realiser les calculs.
1.1.1 Lequation de la chaleur
Le probl`eme senonce :
trouver deni de ]0, T[ dans R tel que
C
p
_

t
+u.
_
k = f dans ]0, T[
(t =0, x) =
0
(x) dans
(t, x) =

(t, x) sur ]0, T[

Dans ce syst`eme, nous avons introduit un certain nombre de notations :
(t, x) : la temperature, inconnue du probl`eme.

0
(x) : la temperature initiale, fonction connue.

(t, x) : la temperature aux bords, fonction connue.

u(t, x) : la vitesse du milieu, fonction connue. On peut avoir u = 0 pour un solide.
f(t, x) : la source de chaleur, fonction connue.
, C
p
, k : des constantes strictement positives, connues.
On peut sans perte de generalite, supposer que , C
p
et k = 1 sont egales `a 1. Dans le cas o` u la
vitesse du milieu u = 0, on obtient le probl`eme :
(C) : trouver deni de ]0, T[ dans R tel que

t
= f dans ]0, T[
(t =0, x) =
0
(x) dans
(t, x) =

(t, x) sur ]0, T[

3
Le meme probl`eme (C) se presente dans des situations diverses :
probl`eme de concentration des poluants en faible quantite dans des ecoulements (ex. dans les
nappes phreatiques) : represente la concentration du poluant.
probl`eme de Navier-Stokes, o` u = u represente la vitesse elle-meme. Le probl`eme est alors
non-lineaire.
Dans le cas o` u la vitesse du milieu u = 0 (milieu solide) et o` u on recherche letat stationnaire

t
= 0, obtenu `a lequilibre, au bout dun temps inni, le probl`eme se reduit `a :
(C
0
) : trouver deni de dans R tel que
= f dans
=

sur
Cest le probl`eme mod`ele pour la presentation des methodes numeriques.
Dans le cas o` u la vitesse du milieu u ,= 0 (milieu uide) et que cette vitesse devient grande, il faut
faire face `a des dicultes :
couche limite, o` u la solution varie tr`es brutalement
les methodes numeriques les plus simples sont instables : la solution approchee oscille fortement
alors que la solution exacte ne presente pas ces oscillations.
On sait aujourdhui remedier `a cela.
1.1.2 Lequation de lelasticite
Le probl`eme senonce :
trouver u deni de ]0, T[ dans R
d
tel que

2
u
t
2
div(div u.I +(u)) = f dans ]0, T[
u(t =0, x) = u
0
(x) dans
u
t
(t =0, x) = g
0
(x) dans
u = u

(t, x) sur ]0, T[

avec les notations :
u = (u
1
, u
2
, u
3
) :le champs de vecteur de deplacement
(u) = (u +u
T
)/2 :le tenseur de deformation :

i,j
(u) =
1
2
_
u
i
x
j
+
u
j
x
i
_
0, > 0 : constantes positives, connues.
1.1.3 Les equations de Navier-Stokes
Le probl`eme senonce :
trouver u et p denis dans ]0, T[ tels que
_
u
t
+u.u
_
div(D(u)) +p = f dans
div u = 0 dans
u(t =0, x) = u
0
(x) dans
u(t, x) = u

(t, x) sur ]0, T[

avec les notations :
4
u = (u
1
, u
2
, u
3
) :le champs de vecteur vitesse
p :le champs de pression
D(u) = (u +u
T
)/2 :le tenseur des taux de deformation :
: viscosite, constante stritement positive, connue.
f : champs de force exterieures, connue.
1.2 Probl`emes elliptiques
On consid`ere le probl`eme mod`ele :
(P) : trouver u deni de dans R tel que
_
u = f dans
u = g sur
o` u est un ouvert regulier de R
d
, d = 1, 2, 3, et f et g sont des fonctions donnees.
1.2.1 Approximation par dierences nies
Lorsque est un segment (d = 1), une region rectangulaire (d = 2) ou cubique (d = 3), la methode
la plus simple pour approcher la solution de (P) est la methode des dierences nies.
La dimension un
Quitte `a changer de syst`eme de coordonnee, nous pouvons supposer sans perte de generalite que
=]0, 1[. Lintervalle [0, 1] est decompose en une subdivision reguli`ere de pas h = 1/(N +1), avec
N 0 le nombre de points internes de la subdivision. Lidee de la methode est de remplacer les
derivees par des dierences, en sappuyant sur un developpement limite de u :
u(x
i
+h) = u(x
i
) +hu

(x
i
) +
h
2
2
u

(x
i
) +
h
3
6
u
(3)
(xi
i
) +
h
4
24
u
(4)
(x
i
) +. . .
En changeant h en h dans le developpement precedent, il vient :
u(x
i
h) = u(x
i
) hu

(x
i
) +
h
2
2
u

(x
i
)
h
3
6
u
(3)
(xi
i
) +
h
4
24
u
(4)
(x
i
) +. . .
En faisant la dierence des deux relations precedentes, nous obtenons :
h
2
u

(x
i
+h/2) = u(x
i
+h) + 2u(x
i
) u(x
i
h) +
h
4
12
u
(4)
(x
i
) +. . .
Posons x
i
= ih et introduisons u
i
u(x
i
) lapproximation de u aux sommets de la subdivision,
denie par :
(P)
h
: trouver (u
i
)
1iN
deni de dans R tel que
_
_
_
u
i1
+ 2u
i
u
i+1
= h
2
f(x
i
), 1 i N
u
0
= g(x
0
)
u
N+1
= g(x
N+1
Pour passer du probl`eme (P) au probl`eme approche (P)
h
, nous avons remplace la derivee seconde
u(x
i
) = (u(x
i
+h)+2u(x
i
)u(x
i
h))/h
2
+O(h
2
) par la dierence (u
i+1
+2u
i
u
i1
)/h
2
.
5
Le probl`eme approche secrit encore comme un syst`eme lineaire de N equations `a N inconnues :
_
_
_
_
_
_
_
2 1 0 . . . 0
1 2 1 0
0 1 2 1
.
.
.
.
.
.
1 2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
u
1
u
2
u
3
.
.
.
u
N
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
h
2
f(x
1
) +g(x
0
)
h
2
f(x
2
)
h
2
f(x
3
)
.
.
.
h
2
f(x
N
) +g(x
N+1
)
_
_
_
_
_
_
_
Il sagit dun syst`eme lineaire tridiagonal : il se resout par une methode directe (par exemple par
pivotage de Gauss) en O(N) operations [Sar04], ce qui est optimal.
La dimension deux ou superieure
Nous supposons ici que le domaine est rectangulaire. Sans perte de generalite, nous pouvons
alors supposer que =]0, 1[
2
. Le domaine [0, 1]
2
est decompose en une partition reguli`ere de pas
h = 1/(N + 1), avec N 0 le nombre de points internes de la subdivision. Posons x
i,j
= (ih, jh)
et introduisons u
i,j
u(x
i,j
) lapproximation de u aux sommets de la subdivision, denie par :
_
_
_
u
i1,j
u
i,j1
+ 4u
i,j
u
i+1,j
u
i,j+1
= h
2
f(x
i,j
), 1 i, j N
u
i,j
= g(x
i,j
), i 0, N + 1 et 0 j N + 1
ou 1 i N et j 0, N + 1
Le probl`eme se met sous la forme dun syst`eme lineaire dont la matrice presente des elements non
nuls sur la diagonale ainsi que sur quatre parall`eles, cinq diagonales en tout. Ce type de syst`eme
lineaire se resout par une methode directe en un temps de calcul en O(N
2
log N). Lidee est un
melange de la methode precedente et danalyse de Fourier : voir [Sar04] pour un code c++ ou bien
la librairie fishpack pour un code fortran. Cette approche setend sans diculte `a la dimension
trois ou plus.
1.2.2 Approximation par elements nis
Triangulation
Fig. 1.1 Triangulation dun cercle.
Cette methode permet detendre la methode des dierences nies au cas o` u le domaine nest
pas rectangulaire (cf Fig. 1.1). Le domaine R
d
, d = 1, 2, 3 est decompose en une triangulation,
6
notee T
h
, et composee de simplexes fermes :
=
KT
h
Cela suppose en particulier que soit polygonal, bien que le principe de la methode puisse setendre
aux domaines non polygonaux. Les simplexes sont des segments pour d = 1, des triangles pour
d = 2 et des tetra`edres pour d = 3. On note diam(K) la plus longue arrete dun simplexe K. Par
analogie avec le cas des dierences nies. on introduit h, appele le pas de la triangulation, et deni
par :
h = max
KT
h
diam(K)
Formulation variationnelle
An dintroduire le probl`eme approche nous avons besoin dutiliser la formulation variationnelle
du probl`eme (P). Pour cela, multiplions la premi`ere equation par une fonction quelconque v et
integrons sur . Nous obtenons :

u v dx =
_

f v dx
Utilisons la formule de Green :
_

u v dx +
_

u.v dx =
_

n.u v ds
o` u n est la normale unitaire sortante `a sur la fronti`ere et ds est une mesure sur .
Considerons `a present la regularite requise pour que cette ecriture ait un sens. An de garantir
que le terme
_

u.v dx ait toujours un sens, nous supposerons que v H

1
0
() et que u V (g)
avec
V (g) = w H
1
(); w
|
= g
De plus, pour que g puisse etre la restriction au bord dune fonction de H
1
() il est necessaire
que g soit susamment reguli`ere : g H
1/2
() pour etre precis. Remarquons que V (0) = H
1
0
().
Enn, pour garantir que le terme
_

f v dx ait toujours un sens, nous supposerons que f H

1
()
qui est le dual de H
1
0
(), lespace decrit par les fonctions v. La formulation variationnelle du
probl`eme secrit :
(FV ) : trouver u V (g) tel que
_

u.v dx =
_

f v dx, v H
1
0
()
Formulation variationnelle approchee
Soit k un entier strictement positif et X
h
lespace des fonctions continues dont la restriction `a un
element K T
h
est un polynome de degre au plus egal `a k :
X
h
= w H
1
() C
0
(); w
|K
P
k

Notons g
h
linterpolee de Lagrange de g sur la fronti`ere et
V
h
(g) = w
h
X
h
; w
h|
= g
h

ainsi que V
0,h
= V
h
(0) = H
1
0
() X
h
. La formulation approchee sobtient en rempla cant V (g) par
V
h
(g) et H
1
0
() par V
0,h
:
(FV )
h
: trouver u
h
V
h
(g) tel que
_

u
h
.v
h
dx =
_

f v
h
dx, v
h
V
0,h
7
Il sagit dun syst`eme lineaire de dimension nie : N = dim(V
h
(g)) inconnues et autant dequations.
Ce syst`eme a donc au moins une solution. Le syst`eme etant lineaire, pour montrer lunicite, il sut
de supposer que f = g = 0 entrane u
h
= 0. Choisissons v
h
= u
h
: nous obtenons
_

[u
h
[
2
dx = 0.
Par linegalite de Poincare, nous obtenons |u
h
|
1,
= 0 et donc u
h
= 0. Do` u lexistence et lunicite
de la solution approchee.
Base des espaces approches
x
N+1
= 1 x
i1
0
1

0
(x)
N+1
(x)
x
i
x
i+1
x
N
0 = x
0
x
1

i
(x)
. . . . . .
Fig. 1.2 Fonction de base
i
en dimension d = 1.
x
y
z =
i
(x, y)
Fig. 1.3 Fonction de base
i
: representation en elevation en dimension d = 2.
Nous allons preciser la base pour k = 1 bien que ce raisonnement setende ensuite `a une valeur
quelconque de k. Dans ce cas, introduisons N
tot
= dim(X
h
) qui est egal au nombre de sommets
de la triangulation. Nous choisissons pour base de X
h
les fonctions (
i
)
1iNtot
o` u
i
vaut 1 au
i-`eme sommet de la triangulation et zero aux autres sommets. Voir les Fig. 1.2 dans le cas d = 1
et Fig. 1.3 dans le cas d = 2. Nous pouvons decomposer u
h
X
h
sur cette base :
u
h
(x) =
Ntot

j=1
u
j

j
(x), x
Pour les sommets i situes sur la fronti`ere, les valeurs u
i
de u
h
sont imposees : u
i
= g(x
i
). Notons
T lensemble des numeros des sommets situes sur la fronti`ere et 1 les sommets situees `a linterieur,
et posons N = card(1. Il vient N
f
= T = N
tot
N. Quitte `a renumeroter les sommets, nous sup-
poserons que les sommets internes sont numerotes en premiers et que ensuite suivent les sommets
de la fronti`ere.
8
Fig. 1.4 Triangulation et matrice creuse A associee pour k = 1.
Formulation matricielle
Introduisons les matrices A = (A
i,j
) et M = (M
i,j
) de taille N
tot
N
tot
:
A
i,j
=
_

i
.
j
dx
ainsi que les vecteurs F = (f
i
) avec :
F
i
=
_

f(x)
i
(x) dx
En decomposant le syst`eme AU = F sur les ensembles dindices 1 et T.
_
A
I,I
A
I,F
A
F,I
A
F,F
__
U
I
U
F
_
=
_
F
I
F
F
_
En tenant compte des valeurs imposees U
F
= G
F
il vient :
A
I,I
U
I
= F
I
A
I,F
G
F
Il sagit dun syst`eme lineaire de N equations `a N inconnues. Une methode directe de resolution,
de type pivotage de Gauss, prendrait a priori O(N
3
) operations. En fait, la matrice est tr`es creuse
(cf Fig. 1.4) et la resolution par la methode multifrontale (cf la librairie umfpack) presente un co ut
de O(N log N) operations, donc aussi ecace que dans le cas des dierences nies.
Logiciels
Extension aux degres eleves
Linteret des degres eleves est de reduire lerreur bien plus rapidement : pour une erreur souhaitee,
et lorsque la solution est reguli`ere, il est bien plus rapide delever le degre que de reduire le maillage.
9
# include "rheolef.h"
int main (int argc, char** argv) {
geo omega (argv[1]) ; soit R
N
, N = 1, 2, 3
space Xh (omega, argv[2]) ; X
h
= {v H
1
(); v
|K
P
k
, K T
h
}
Xh.block ("boundary") ; V
h
= X
h
H
1
0
()
form m (Xh, Xh, "mass") ; m(u, v) =
R

u.v dx
form a (Xh, Xh, "grad grad") ; a(u, v) =
R

u.v dx
eld fh (Xh, 1) ; f
h
= 1
(P) : trouver u
h
X
h
tel que
uh ["boundary"] = 0 ;
eld uh (Xh) ;
ssk<Float> fact = ldlt(a.uu) ;
uh.u = fact.solve ((m*fh).u) ;
cout uh ;

u
h
= 0 sur
a(u
h
, v
h
) = m(f
h
, v
h
), v
h
V
h
}
Fig. 1.5 Le logiciel delements nis rheolef.
Linterpolation de Lagrange nest ecace que pour des degres relativement modestes : k 5 ou 10
suivant les cas. Pour des degres plus eleves de polynomes, on utilise alors la methode des elements
spectraux.
Extension aux coecients non-constants
On consid`ere le probl`eme suivant :
(Q) : trouver u deni de dans R tel que
_
div (k u) = f dans
u = g sur
o` u est un ouvert regulier de R
d
, d = 1, 2, 3, et k, f et g sont des fonctions donnees. Lorsque
k = 1 nous retrouvons le probl`eme (P) precedent car div u = u.
La formulation variationnelle du probl`eme secrit :
(FV Q) : trouver u V (g) tel que
_

k u.v dx =
_

f v dx, v H
1
0
()
Le probl`eme est donc similaire au precedent : la matrice A sera sensiblement dierente.
1.3 Phenom`ene de diusion-convection
Il existe plusieurs grandes classes de methodes numeriques pour aborder ce type de probl`emes :
la methode des caracteristiques (Lagrange-Galerkin)
la methode de diusion suivnt les lignes de courant (SUPG, streamline upwind Petrov-Galerkin)
decentrage par discontinuite (Lesaint-Raviart, Tabata, Galerkin discontinu)
10
1.3.1 O` u est la diculte ?
Pour comprendre o` u est la diulte, considerons un cas probl`eme simple, pour d = 1 :
trouver :]0, 1[ dans R tel que

= 0 dans ]0, 1[
(0) = 0
(1) = 1
Ce probl`eme est commode `a etudier car la solution est explicitement donnee par (cf Fig. 1.6) :
= 0.02
= 0.05
= 0.10
= 0.20
1 0.8 0.6 0.4 0.2 0
1
0.8
0.6
0.4
0.2
0
Fig. 1.6 La solution exacte presente une couche limite.
(x) =
e
x/
1
e
1/
1
Lorsque tends vers zero, la solution est presque constante et egale `a 1, sauf dans une couche
mince au voisinage de x = 0 o` u elle decroit tr`es rapidement pour satisfaire u(0) = 0.
La discretisation par dierences nies secrit :

i+1
2
i
+
i1
h
2
+

i+1

i1
2h
= 0 pour 1 i N

0
= 0

N+1
= 1
avec h = 1/(N + 1) et
i
(ih). Ce syst`eme lineaire se met sous forme matricielle :
_
_
_
_
_
_
_
4a 1 2a 0
1 2a 4a 1 2a
0 1 2a 4a 1 2a
.
.
.
1 2a 4a
_
_
_
_
_
_
_
_
_
_
_
_
_
_

3
.
.
.

N
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
0
0
0
.
.
.
1
_
_
_
_
_
_
_
11
avec a = /h. La matrice nest `a diagonale dominante que si 4a > 1 soit encore h < 4. Lorsque
cette condition nest pas veriee, on dit quee le schema nest pas monotone et la solution presente
des oscillations dans la couche limite. Pour remedier aux oscillations le rem`ede est bien connu :
N = 20
N = 10
exacte : = 0.01
1 0.8 0.6 0.4 0.2 0
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
Fig. 1.7 La solution approchee presente des oscillations dans la couche limite.
soit on prend un maillage plus n h < 4, soit on decentre les schemas `a gauche :

i+1
2
i
+
i1
h
2
+

i

i1
h
= 0 pour 1 i N

0
= 0

N+1
= 1
soit, sous forme matricielle :
_
_
_
_
_
_
_
2a a 0
1 a 2a a
0 1 a 2a a
.
.
.
1 a 2a
_
_
_
_
_
_
_
_
_
_
_
_
_
_

3
.
.
.

N
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
0
0
0
.
.
.
a
_
_
_
_
_
_
_
Cette fois la solution ne presente plus doscillations.
1.3.2 La methode des caracteristiques
Dans lequation de la chaleur, on remplace la derivee en temps par une dierence nie.
On discretise en temps lequation de la chaleur avec t > 0 et
n
(x) (nt, x) pour n N
suivant
n = 0 : On pose
0
:=
0
.
n 0 : On suppose
n
connu, et on cherche
n+1
deni de dans R tel que
_
_
_

n+1

n
X
n
t

n+1
= f(t
n+1
) dans

n+1
=

(t
n+1
) sur
12
u
tn
x
X
n
(x)
t
n+1
Fig. 1.8 La methode des caracteristiques.
Soit t
n
= nt. Le terme X
n
(x) est la position `a t
n
de la particule qui est en x `a linstant t
n+1
(cf. Fig. 1.8). Ainsi X
n
(x) = X(t
n
, x) o` u X(x, .) est la solution de lequation dierentielle :
_
dX
dt
(x, t) = u(X(x, t), t) p.p.t ]t
n
, t
n+1
[
X(x, t
n+1
) = x
Il sagit dun syst`eme de Cauchy retrograde (avec condition nale), qui admet une solution unique
lorsque le champs de vitesse u est continu. On approche cette equation dierentielle par le schema
dEuler :
X(x, t
n+1
) X(x, t
n
)
t
= u(X(x, t
n+1
), t
n+1
) +O(t)
En utilisant X(x, t
n+1
) = x et X(x, t
n
) = X
n
(x) il vient :
X
n
(x) = x t u(t
n+1
, x) +O(t
2
)
Cette methode a ete utilisee avec succ`es par O. Pironneau (voir par exemple [Pir88]). Elle est
disponible notamment dans la librairie delements nis rheolef [SRE03]. Chaque iteration de la
methode se ramm`ene `a resoudre un probl`eme de la forme :
_
_
_
_
1
t
I
_

n+1
= f(t
n+1
) +
1
t

n
X
n
dans

n+1
=

(t
n+1
) sur
Ces probl`emes ont la meme structure que le probl`eme mod`ele : loperateur de Poisson est
remplace par un operateur de Helmholtz de la forme .I . La resolution de ces sous-probl`emes
est donc compl`etement standard.
Levaluation du second membre necessite de calculer
n
X
n
aux noeuds de discretisation, par
exemple les sommets du maillage pour k = 1. Or si x est un noeud de discretisation, il nen va pas
de meme de X
n
(x) xt u(t
n+1
, x) qui peut etre situe `a un endroit quelconque du domaine .
Pour realiser cette evaluation il sagit didentier dans quel element K T
h
est situe y = X
n
(x) :
cest un probl`eme de geometrie algorithmique (voir lannexe du cours sur les interfaces).
1.4 Lequation de lelasticite
On sinteresse au probl`eme stationnaire, qui secrit :
(P) : trouver u deni de dans R
d
tel que
div = f dans
= div u.I + 2(u) dans
u = g sur
13
1.4.1 Formulation variationnelle
Nous multiplions la deuxi`eme equation par v et integrons sur le domaine :

div().v dx =
_

f .vdx
Nous utilisons la formule de Green suivante :
_

div().v dx +
_

: (v) dx =
_

(.n).v ds
o` u n est la normale unitaire sortante `a sur . On choisis alors v H
1
0
()
d
, de sorte que le
terme de bord est nul. La solution u sera cherchee dans lespace :
V (g = w H
1
()
d
; w
|
= g
En utilisant lexpression de nous obtenons la formulation variationnelle suivante :
(FV ) : trouver u V (g) tel que
_

div(u) div(v) dx +
_

2(u) : (v) dx =
_

f .v dx, v H
1
0
()
d
1.4.2 Formulation variationnelle approchee
Soit k un entier strictement positif et X
h
lespace des fonctions continues dont la restriction `a un
element K T
h
est un polynome de degre au plus egal `a k :
X
h
= w (H
1
() C
0
())
d
; w
|K
(P
k
)
d

Notons g
h
linterpolee de Lagrange de g sur la fronti`ere et
V
h
(g) = w
h
X
h
; w
h|
= g
h

ainsi que V
0,h
= V
h
(0) = H
1
0
()
d
X
h
. La formulation approchee sobtient en rempla cant V (g)
par V
h
(g) et H
1
0
() par V
0,h
:
(FV )
h
: trouver u
h
V
h
(g) tel que

div(u
h
) div(v
h
) dx + 2
_

(u
h
) : (v
h
) dx =
_

f .v
h
dx, v V
0,h
Il sagit dun syst`eme lineaire de dimension nie : N = dim(V
h
(g)) inconnues et autant dequations.
Ce syst`eme a donc au moins une solution. Le syst`eme etant lineaire, pour montrer lunicite il sut
de supposer que si f et g sont nuls alors u
h
= 0. Choisissons v
h
= u
h
: nous obtenons :

[div(u
h
)[
2
dx + 2
_

[(u
h
)[
2
dx = 0
Or linegalite de Korn stipule que
|w|
e
=
_

[(w)[
2
dx
est une norme sur V (0) equivalente `a la norme |.|
1,
induite par H
1
(). La demonstration de
linegalite de Korn a ete un de dans les annees 50 et 60 et sa demonstration est relativement
dicile : on la trouvera par exemple dans [DL72]. Ainsi |div u
h
|
2
+ 2|u
h
|
2
1,
= 0 et donc
u
h
= 0.
14
1.4.3 Estimation derreur
Notons indiferement (., .) le produit scalaire de L
2
(), L
2
()
d
, et L
2
()
dd
, ainsi que |.| la norme
associee.
Introduisons la forme bilineaire a(., .) denie pour tout v et w H
1
() par :
a(v, w) = (div v, div w) + 2((v), (w))
On note |v|
a
=
_
a(v, v) qui constitue une norme dans H
1
0
()
d
equivalente `a la norme |.|
1,
induite par H
1
()
d
.
Posons e
h
= uu
h
o` u u est linterpolee de Lagrange de u. Ainsi e
h
V
0,h
et nous pouvons choisir
v = e
h
dans (FV ) et v
h
= e
h
dans (FV )
h
. Il vient
a(u, e
h
) = (f , e
h
) (1.1)
a(u
h
, e
h
) = (f , e
h
) (1.2)
En utilisant les relations precedentes et apr`es developpement, il vient :
|e
h
|
2
a
= a( u u
h
, e
h
)
= a( u, e
h
) a(u
h
, e
h
)
= a( u, e
h
) (f
h
, e
h
) dapr`es (1.2)
= a( u, e
h
) a(u, e
h
) dapr`es (1.1)
= a( u u, e
h
)
En utilisant lidentite (a, b) (a
2
+b
2
)/2 il vient :
a( u u, e
h
)
1
2
| u u|
2
a
+
1
2
|e
h
|
2
a
et ainsi :
|e
h
|
2
a
| u u|
2
a
Linegalite triangulaire donne :
|u u
h
|
a
| u u|
a
+|e
h
|
a
2| u u|
a
Des resultats standards dinterpolation il vient une majoration concr`ete de lerreur :
|u u
h
|
a
c(k, )|u|
k+1,
h
k
1.4.4 Le probl`eme modal
On sinteresse au probl`eme complet, avec le terme en temps :
(P) : trouver u deni de ]0, T[ dans R
d
tel que
u
t
div = f dans ]0, T[
= div u.I + 2(u) dans ]0, T[
u = g sur ]0, T[
u(0) = u
0
et
u
t
(0) = d
0
dans
15
Une question dinteret pratique, et qui motive de nombreuses etudes, est de connaitre la stabilite
des structures sous solicitations periodiques entretenues : pont sous leet des vibrations des voi-
tures qui passent, digues sous leet de la houle, immeubles lors de tremblements de terre, etc. le
syst`eme etant lineaire, on va se rammener `a une analyse des valeurs propres. Pour cela on cherche
la solution sous la forme :
u(t, x) = e
t
u(x)
o` u = a +i est un mode du syst`eme, a = Re() est le coecient damplication et = Im()
la pulsation.
Il sagit donc de trouver les valeurs et vecteurs propres du syst`eme lineaire.
Le probl`eme modal est `a valeur complexe :
(P) : trouver C et u deni de dans C
d
tels que

2
u div = 0 dans
= div u.I + 2(u) dans
u = 0 sur
La formulation variationelle secrit : (FV ) : trouver C et u V tels que

2
m(u, v) +a(u, v) = 0 v V
Apr`es discretisation en espace, le probl`eme se reduit `a
AU = MU
o` u est une approximation de
2
.
Remarque : A et M etant symetriques, les valeurs propres sont reeles. A etant positive, > 0
donc =

est reel. La partie immaginaire napparat pas... Ca nest pas au point ici !
1.4.5 Elasticite quasi-incompressible
On sinteresse au cas +. On introduit une nouvelle inconnue p = div u.
Le probl`eme secrit de fa con equivalente : (P) : trouver u deni de dans R
d
tel que
div(2(u)) +p = f dans
div u
1

p = 0 dans
u = 0 sur
On introduit les formes bilineaires :
a(u, v) = 2
_

(u) : (v) dx
b(v, p) =
_

p div v dx
c(p, q) =
_

p q dx
si bien que la formulation variationnelle secrit :
(FV E) : trouver u H
1
0
()
d
et p L
2
() tels que
_
a(u, v) + b(v, p) = (f , v), v H
1
0
()
d
b(u, q)
1

c(p, q) = 0, q L
2
()
16
Soient k et l deux entiers positifs. On introduit les espaces de dimension nie :
V
h
= v
h
(H
1
0
() C
0
())
d
; v
h|K
P
d
k
, K T
h

Q
h
= q
h
L
2
() C
0
(); q
h|K
P
l
, K T
h

et on denit le probl`eme approche :

(FV E)
h
: trouver u
h
V
h
et p
h
Q
h
tels que
_
a(u
h
, v
h
) + b(v
h
, p
h
) = (f , v
h
), v
h
V
h
b(u
h
, q
h
)
1

c(p
h
, q
h
) = 0, q L
2
()
Lorsque +, le terme en bas `a droite, dit de stabilisation disparait : le probl`eme obtenu
sappelle le probl`eme de Stokes. On etudiera dans le cadre des equations de Navier-Stokes comment
approcher ce probl`eme : les degre k et l des polynomes espaces approches ne peuvent pas etre choisis
nimporte comment. En particulier, si on choisis k = l alors p
h
ne tends pas vers p dans L
2
lorsque
h tends vers zero.
Dans le cas o` u 1/ ,= 0, ce probl`eme sappelle par extension le probl`eme de Stokes generalise.
Dans ce cas k = l convient.
1.5 Les equations de Navier-Stokes
trouver u et p denis dans ]0, T[ tels que
_

_
u
t
+u.u
_
div(2D(u)) +p = f dans ]0, T[
div u = 0 dans ]0, T[
u(t =0, x) = u
0
(x) dans
u(t, x) = 0 sur ]0, T[
On pose t
n
= nt avec t = T/N. On approche la derivee particulaire par la methode des
caracteristiques :
_
u
t
+u.u
_
(t
n
, x)
u(t
n+1
, x) u(t
n
, X
n
(x))
t
+O(t)
o` u X
n
(x) = x t u(t
n
, x) +O(
2
). Avec la methode des caracteristiques et un schema dEuler
implicite, le probl`eme se reduit `a :
n = 0 : u
0
:= u
0
.
n 0 : u
n
etant connu, trouver u
n+1
et p
n+1
tels que
_

t
u
n+1
div(2D(u
n+1
)) +p
n+1
= f (t
n+1
) +
1
t
u
n
X
n
dans
div u
n+1
= 0 dans
u
n+1
= 0 sur
Le schema semi-discretise en temps conduit `a resoudre une succession de probl`emes continus en
espace de la forme :
(S) : trouver u et p tels que
_
_
_
u div(2D(u)) +p = f dans
div u = 0 dans
u = 0 sur
17
Ce probl`eme est appele probl`eme de Stokes generalise. Le probl`eme de Stokes correspond `a = 0.
On introduit les formes bilineaires :
a(u, v) =
_

u.v dx +
_

2D(u) : D(v) dx
b(v, q) =
_

p div vdx
si bien que la formulation variationnelle secrit :
(FV S) : trouver u H
1
0
()
d
et p L
2
() tels que
_
a(u, v) + b(v, p) = (f , v), v H
1
0
()
d
b(u, q) = 0, q L
2
()
Soient k et l deux entiers positifs. On introduit les espaces de dimension nie :
V
h
= v
h
(H
1
0
() C
0
())
d
; v
h|K
P
d
k
, K T
h

Q
h
= q
h
L
2
() C
0
(); q
h|K
P
l
, K T
h

et on denit le probl`eme approche :

(FV S)
h
: trouver u
h
V
h
et p
h
Q
h
tels que
_
a(u
h
, v
h
) + b(v
h
, p
h
) = (f , v
h
), v
h
V
h
b(u
h
, q
h
) = 0, q L
2
()
Les degre k et l des polynomes espaces approches ne peuvent pas etre choisis nimporte comment.
En particulier, si on choisis k = l alors p
h
ne tends pas vers p dans L
2
lorsque h tends vers zero.
Un bon choix est k = 2 et l = 1, ou plus generalement k = l + 1 pour l 1 : cest lelement de
Hood et Taylor [HT74] propose en 1974. Lestimation derreur en a ete etablie en 1977 par M.
Fortin.
1.5.1 Resolution du probl`eme de Stokes discret
Soit (
i
)
1iN
une base de V
h
et (
i
)
1iM
une base de Q
h
. Decomposons u
h
et p
h
sur ces bases
respectives :
u
h
=
N

j=1
u
j

j
p
h
=
M

j=1
q
j

j
et posons :
A
ij
= a(
j
,
i
), 1 i, j N
B
ij
= b(
j
,
i
), 1 i N, 1 j M
f
i
= (f ,
i
), 1 i N
Le probl`eme de Stokes discret se ram`ene `a resoudre le syst`eme lineaire suivant :
(S)
h
: trouver u = (u
i
)
1in
et p = (p
i
)
1im
tels que
18
_
A B
T
B 0
__
u
p
_
=
_
f
0
_
o` u la matrice A est symetrique denie positive N N et B est rectangulaire N M.

Etendons le
probl`eme precedent en introduisant g Im(B) R
M
:
Au + B
T
p = f
Bu = g
De la premi`ere equation, il vient
u = A
1
(f B
T
p)
et alors de la seconde :
(BA
1
B
T
)p = BA
1
f g
En posant / = BA
1
B
T
et = BA
1
f g, ceci secrit encore :
/p =
La solution p R
m
est caracterisee comme etant lunique minimum de la fonctionnelle convexe
(q) =
1
2
(/q, q) (, q)
q
2
q
1
p
p
(k+1)
w
(k)
(q)
p
(k)
Fig. 1.9 Algorithme de descente.
Le minimum de peut etre obtenu par un algorithme de type descente et est represente sur la
gure 1.9 :
19
Algorithme 1.1 (descente version abstraite)
k = 0 : p
(0)
R
M
donne, quelconque.
k 0 : p
(k)
connu, calculer
p
(k+1)
:= p
(k)

k
w
(k)
o` u

k
est le pas de descente
w
(k)
est la direction de descente
Lalgorithme de plus profonde descente `a pas xe, appele aussi algorithme dUzawa, consiste `a
choisir pour le pas de descente une valeur constante
k
= > 0 et pour la direction de descente
w
(k)
, lopposee du gradient,
w
(k)
= /p
(k)

= BA
1
B
T
p
(k)
BA
1
f +g
= BA
1
(B
T
p
(k)
f) +g
= Bu
(k)
+g
o` u nous avons pose
u
(k)
= A
1
(f B
T
p
(k)
)
Ainsi, w
(k)
represente le residu de la deuxi`eme equation du syst`eme lineaire.
Algorithme 1.2 (Uzawa)
k = 0 : p
(0)
R
M
etant donne, trouver u
(0)
R
n
tel que
Au
(0)
= f B
T
p
(0)
k 0 : (u
(k)
, p
(k)
) etant connu, calculer successivement :
w
(k)
:= g B
T
u
(k)
p
(k+1)
:= p
(k)
w
(k)
puis trouver u
(k)
R
n
tel que
Au
(k+1)
= f B
T
p
(k+1)
Le pas de descente > 0 est un param`etre de cet algorithme. Le test darret peut etre eectue
sur le residu : |w
(k)
| < , o` u est une tolerance.
Lorsque le probl`eme est de grande taille, lalgorithme converge tr`es lentement. Pour accelerer la
convergence, rempla cons le syst`eme lineaire par le probl`eme equivalent suivant :
(A +rB
T
B)u + B
T
p = f +rB
T
g
Bu = g
o` u r > 0 est appele param`etre daugmentation. Appliquons alors lalgorithme dUzawa avec un pas
= r. Lalgorithme converge alors dautant plus vite que r est grand [FG83]. Dans la pratique, an
deviter les erreurs d ues aux propagations darrondis, nous choisirons r = 1/

mach
o` u
mach
est
la precision de la machine pour les calculs en virgule ottante. La matrice A pourra etre factorisee
une fois pour toute sous la forme LDL
T
lors de linitialisation de lalgorithme dUzawa.
De plus, remarquons que lors de des iterations de lalgorithme dEuler implicite, seuls les second
membres des probl`emes de Stokes changent. Ainsi, cette factorisation de la matrice A pourra etre
20
eectuee une seule fois lors de linitialisation de la version discr`ete de lalgorithme dEuler implicite
pour resolution du probl`eme de Navier-Stokes.
Voir le code rheolef [SR01a, SR01b] pour la programmation de ces algorithmes dans un contexte
delements nis en dimension 1, 2 et 3.
21
Chapitre 2
Estimations derreur
2.1 Estimation derreur a priori
2.1.1 Probl`eme elliptique (chaleur, elasticite, etc)
Soit w un element arbitraire de H
1
(). Posons w linterpole de Lagrange de w dans X
h
. Par
exemple, pour k = 1, il est simplement deni par :
w(x) =
Ntot

j=1
w(x
j
)
j
(x), x
En particulier, w w est appelle lerreur dinterpolation. Si w H
k+1
() alors cette erreur verie :
|(w w)| c|w|
k+1,
h
k
(2.1)
o` u c = c(k, ) est une constante independante de h et u, qui ne depend que de k et . Posons
e
h
= u u
h
V
0,h
. Notons (., .) le produit scalaire de L
2
()et celui de L
2
()
d
ainsi que |.| la
norme associee.
Nous pouvons choisir v = e
h
dans (FV ) et v
h
= e
h
dans (FV )
h
:
(u, e
h
) = (f, e
h
) (2.2)
(u
h
, e
h
) = (f, e
h
) (2.3)
Nous avons :
|e
h
|
2
= ( u, e
h
) (u
h
, e
h
)
= ( u, e
h
) (f, e
h
) avec (2.3)
= ( u, e
h
) (u, e
h
) avec (2.2)
= (( u u), e
h
) (2.4)
Dautre part, lidentite (a, b) (a
2
+b
2
)/2 donne :
(( u u), e
h
)
1
2
|( u u)|
2
+
1
2
|e
h
|
2
et ainsi (2.4) devient :
|e
h
|
2
|( u u)|
2
22
Linegalite triangulaire donne :
|(u u
h
)| = |(u u)| +|e
h
|
2|(u u)| avec linegalite precedente
Il reste `a utiliser (2.1) avec w = u pour obtenir :
|(u u
h
)| 2c(k, )|u|
k+1,
h
k
Linegalite de Poincare donne :
c
0
|u|
1,
|u|
o` u c
0
ne depend que de . Ceci permet dexperimer lestimation derreur en norme H
1
:
|u u
h
|
1,

2c(k, )
c
0
()
|u|
k+1,
h
k
2.1.2 Probl`eme mixte (Stokes, etc)
Toute la diculte tourne autour de la forme bilineaire b(., .) en tant que fonction de de V
h
Q
h
dans R. On introduit le noyau Z de loperateur div et son analogue discret Z
h
, denis par :
Z = v H
1
0
()
3
; b(v, q) = 0, q L
2
()
Z
h
= v
h
V
h
; b(v
h
, q
h
) = 0, q
h
Q
h

On suppose que Z
h
,= 0 : cela est necessaire pour que le probl`eme discret admette au moins
une solution. Regardons ce qui se passe au niveau matriciel, si (
i
)
1iN
et (
i
)
1iM
sont
respectivement des bases de V
h
et Q
h
, on introduit
A
i,j
= a(
j
,
i
), 1 i, j N
B
i,j
= b(
j
,
i
), 1 i M et 1 j N
Supposer que Z
h
,= 0 : cela suppose que le syst`eme lineaire BV = 0 admette une innite de
solution. En particulier, cela est verie lorsque M N, bien que cette condition ne soit pas
necessaire. Dans le cas k = l = 1, le maillage de la Fig. 2.1 conduit `a M = 5 equations pour
N = 2 inconnues. On peut verier que dans ce cas, Z
h
= 0. Ainsi, d`es que f ,= 0, le probl`eme
(P)
h
nadmet aucune solution. Une solution pour palier `a cette difgiculte est daugmenter N en
augmentant la dimension de V
h
: on augmente par exemple le degre des polynomes k. Avec k = 2
on obtient N = 10 M = 5. On peut verier que dans ce cas, Z
h
ne se reduit pas `a 0. Ainsi la
condition Z
h
,= 0 sexpime comme une condition liant les espaces V
h
et Q
h
.
Soit u la projection orthogonale pour la norme H
1
de u sur Z
h
. Posons e
h
= u u
h
Z
h
.
|e
h
|
2
a
= a(e
h
, e
h
)
= a( u, e
h
) a(u
h
, e
h
)
= a( u, e
h
) b(e
h
, p
h
) + (f , e
h
) du probl`eme approche
= a( u, e
h
) b(e
h
, p
h
) +b(e
h
, p) a(ue
h
) du probl`eme continu
= a( u u, e
h
) +b(e
h
, p p
h
)
Or b(e
h
, p
h
) = 0 car e
h
Z
h
. De meme, pour tout q
h
Q
h
on a b(e
h
, q
h
) = 0. En particulier, on
peut choisir q
h
= p linterpolee de Largrange de p. Si bien que
|e
h
|
2
a
= a( u u, e
h
) +b(e
h
, p p)
| u u|
1,
|e
h
|
1,
+|p p||e
h
|
1,
23
N = 2 N = 10
M = 5 M = 5
k = l = 1 k = 2, l = 1
Fig. 2.1 Dimension des espaces approches.
u H
1
0
()
d
la solution exacte
erreur de projection
erreur dapproximation
V
h
Z
h
H
1
0
()
d
u Z
h
orthogonale pour la norme H
1
de la solution exacte u
u
h
Z
h
la solution approchee la projection sur Z
h
e
h
= u u
h
Fig. 2.2 Representation geometrique de lerreur.
24
De linegalite de Korn, il vient :
|e
h
|
1,
= | u u|
1,
+| p p|
et de linegalitre triangulaire (cf Fig. 2.2) :
|u u
h
|
1,
|e
h
|
1,
+| u u|
1,
(2.5)
2| u u|
1,
+| p p| (2.6)
Si la majoration de |p p| est classique par les resultats dinterpolation polynomiales standard,
il nen va pas de meme de | u u|
1,
quil convient detudier nement. En eet, on projette la
solution exacte dans un espace Z
h
beaucoup plujs plus reduit que lespace polynomial V
h
habituel,
et il convient de verier que Z
h
soit susament grand pour approcher convenablement u.
On pose :

h
:= inf
q
h
Q
h
sup
v
h
V
h
b(v
h
, q
h
)
|v
h
|
1,
|q
h
|
(2.7)
o` u
h
est appellee la constante inf-sup discr`ete.
Lemme 2.1 Soit u linterpolee de Lagrange de u. Alors
| u u|
1,
(1 + 1/
h
) | u u|
1,
(2.8)
Demonstration : On trouvera cette demonbstration classique dans dans [GR86, p. 115], theor`eme 1.1
ainsi que dans [BF91, p. 55], proposition .5.
Puisque u est la projection pour la norme H
1
de u sur Z
h
, on a, par denition :
| u u|
1,
:= inf
z
h
Z
h
|z
h
u|
1,
|z
h
u|
1,
, z
h
Z
h
(2.9)
Introduisons loperateur B : H
1
0
()
d
L
2
() denit pour tout q L
2
() et v H
1
()
d
par
Bv, q) = b(v, q). Introduisons son analogue discret, loperateur B
h
: V
h
Q
h
denit pour tout
q
h
Q
h
et v
h
V
h
par B
h
v
h
, q
h
) = b(v
h
, q
h
). Puisque b(u, q) = 0 pour tout q L
2
() et que
Q
h
L
2
(), nous avons
b( u u, q
h
) = b( u, q
h
), q
h
Q
h
ce qui secrit encore
B( u u) = B
h
u Im(B
h
)
Lespace vectoriel V
h
se decompose en somme directe suivant V
h
= Z
h
Z

h
. Dune part Z
h
=
Ker(B
h
) et dautre part Z

h
= Ker(B
h
)

est isomorphe `a Im(B

h
). Lapplication lineaire B
h
est
un isomorphisme en tant quapplication de Ker(B
h
)

V
h
dans Im(B
h
) Q
h
. Il existe donc un
unique y
h
Ker(B
h
)

tel que :
B
h
y
h
= B
h
u
Linverse, note B
1
h
, est une application continue de (Im(B
h
), |.|) dans (Ker(B
h
)

, |.|). On a : Voir [GR86,

p. 58],
lemme 4.1
|B
1
h
q
h
|
1,
(1/
h
)|q
h
|, q
h
Im(B
h
)
En particulier, pour q
h
= B
h
y
h
Im(B
h
) il vient
|y
h
|
1,
(1/
h
)|B
h
y
h
|
=
1

h
|B( u u)|
=
1

h
|div( u u)|
=
1

h
| u u|
1,
25
u H
1
0
()
d
V
h
Z
h
H
1
0
()
d
u Z
h
Z

h
z
h
Z
h
y
h
Z

h
u V
h
Fig. 2.3 Lerreur decomposee `a partir du noyau.
Posons z
h
= u y
h
. Nous avons z
h
Z
h
car, pour tout q
h
Q
h
:
b(z
h
, q
h
) = b( u, q
h
) b(y
h
, q
h
)
= b( u, q
h
) b( u u, q
h
) par denition de y
h
= b(u, q
h
)
= 0
Nous avons ainsi decompose u V
h
en u = y
h
+z
h
avec y
h
Z

h
et z
h
Z
h
(voir Fig. 2.3). Ainsi
(2.9) devient
| u u|
1,
|z
h
u|
1,
= | u y
h
u|
1,
|y
h
|
1,
+| u u|
1,
(1 + 1/
h
) | u u|
1,
do` u le resultat.
De (2.6) et (2.8) nous obtenons
|u u
h
|
1,
2 (1 + 1/
h
) | u u|
1,
+| p p| (2.10)
Il reste ensuite `a estimer lerreur |p p
h
| sur la pression. Posons
h
= p p
h
. De (2.7) :
|
h
|
1

h
sup
v
h
V
h
b(v
h
,
h
)
|v
h
|
1,
26
Or
b(v
h
,
h
) = b(v
h
, p) b(v
h
, p
h
)
= b(v
h
, p) +a(u
h
, v
h
), (f , v
h
) dapr`es le probl`eme discret
= b(v
h
, p) +a(u
h
, v
h
), a(u, v
h
), b(v
h
, p) dapr`es le probl`eme continu
= a(u
h
u, v
h
), +b(v
h
, p p)
Si bien que linequation precedente devient :
|
h
|
1

h
sup
v
h
V
h
a(u
h
u, v
h
), +b(v
h
, p p)
|v
h
|
1,

h
sup
v
h
V
h
|u
h
u|
1,
|v
h
|
1,
+|v
h
|
1,
| p p|
|v
h
|
1,
=
1

h
(|u
h
u|
1,
+| p p|)
=
2

h
((1 + 1/
h
) | u u|
1,
+| p p|)
De linegalite triangulaire :
|p
h
p| | p
h
p| +|
h
|

h
(1 + 1/
h
) | u u|
1,
+
_
1 +
2

h
(1 + 1/
h
)
_
| p p|
Pour que les majorations (2.11) et (2.11) soient utilisables, il faut que
h
ne tende pas vers zero
lorsque h 0. Plus precisement, supposons quil existe une constante telle que

> 0
Cette condition nest pas veriee par tous les espaces V
h
et Q
h
. Elle est vraie pour k = 2 et l = 1
et plus generalement pour k = l + 1 et l 1. La demonstration en est relativement dicile.
2.2 Adaptation de la triangulation
2.2.1 Algorithme dadaptation isotrope
On suppose quon est capable destimer lerreur locale e
h
(x) = [u(x) u
h
(x)[ en chaque point
x . On note e
h
= |e
h
|
0,
/mes() la valeur moyenne de lerreur sur . Il sagit de faire le lien
entre lerreur et la taille locale des aretes an dadapter la triangulation `a lerreur.
On denit la carte de taille des aretes de la triangulation h(x), denie dans chaque element et
interpretee comme un champs continu. Les generateurs de triangulation sont capables de generer
des triangulations 2D qui respectent une carte de taille h(x) donnee.
On se donne une erreur `a ne pas depasser et ]0, 1[ un coecient de progresion geometrique
des tailles des aretes de la triangulation.
Lalgorithme dadaptation est le suivant :
n = 0 : soit T
(0)
h
une triangulation initiale, par exemple associee `a une carte locale h
(0)
=
constante.
n 0 : on suppose la triangulation T
(n)
h
connue.
27

Etape 1 : resoudre le probl`eme pour la triangulation T
(n)
h
: on note u
(n)
h
la solution associee.

Etape 2 : estimer lerreur e
(n)
h
(x) dans et sa valeur moyenne e
(n)
h
.
si e
(n)
h
< |u
h
|
0,2,
alors stop.

Etape 3 : calculer la nouvelle carte de taille suivant :
h
(n+1)
(x) :=
e
(n)
h
(x)
e
(n)
h
h
(n)
(x) pp x

Etape 4 : generer la nouvelle triangulation T
(n+1)
h
associee `a la carte de taille h
(n+1)
.
On observe que la sequence converge vers une triangulation qui equidistribue lerreur :
e
(n)
h
e
(n)
h
1 pp x
Lorsque ce regime asymptotique est atteint, la taille des elements diminue alors dun facteur
]0, 1[ uniformement sur . La triangulation etant de plus en plus ne, dapr`es lestimation
derreur a priori, lerreur diminue et lalgorithme sarete lorsquelle est inferieure `a . Pour que cet
algorithme marche bien, il reste `a estimer lerreur e
h
(x).
2.2.2 Estimation de lerreur locale
Babuska et Miller en 1987 montrent que :
_

[(u u
h
)[
2
dx
2
:= C

KT
h
_
h
2
K
_
K
(f + u
h
)
2
dx +
h
K
2
_
K
_
u
h
n
_
2
ds
_
o` u h
K
= diam(K) et [.] designe le saut dune quantite discontinue `a la traversee de la fronti`ere
K de lelement. Cette estimation globale est tr`es ne : la constante C ne depend que du facteur
daspect de la triangulation : plus les triangles sont voisins du triangle (ou tetra`ede) isoc`ele, plus
C est proche de 1. On a = max
KT
h

K
, avec
K
le facteur daspect de K, denit par :
hK
K
K
Fig. 2.4 Cercle inscrit et cercle circonscrit dans un triangle.

K
:=
h
K

K
o` u
K
est le diam`etre du cercle (de la sph`ere) inscrit dans K, appele aussi rondeur de K. En clair,
il ne faut pas que les triangles soient trop aplatis sinon la constante C devient grande. La qualite
28
de lelement K est mesuree en le comparant au triangle isoc`ele K
iso
:
q
K
:=

K

Kiso
On remplace dans lalgorithme precedent lerreur e
h
(x) par lestimateur
h
(x) =
K
si x K avec

2
K
:= h
2
K
_
K
(f + u
h
)
2
dx +
h
K
2
_
K
_
u
h
n
_
2
ds
et on obtient un estimateur derreur local. Par exemple, pour k = 1, on a u
h
= 0 et le gradient
de u
h
est constant : il est donc facile de calculer sont saut au travers des trois aretes dun triangle
(ou des quatres faces dun tetra`edre).
En guise de test, consid`ere un probl`eme pour lequel on connait la solution exacte, et qui varie tr`es
brutalement en x mais lentement en y. Suivant [Pic03, FP00, FP01], on chosis f de sorte que :
u(x
1
, x
2
) = 4
_
1 e
x1

_
1 e

_
x
1
_
x
2
(1 x
2
)
avec = 100. Les lignes isoqleur de la solution sont representees sur la Fig. 2.2.2.a. On se donne
aussi deux familles de triangulations : lune isotrope et lautre avec des triangles tr`es etires dans
une direction. Ainsi la Fig. 2.2.2.b represente un maillage isotrope pour h
1
= h
2
= 0.1 et la
Fig. 2.2.2.c un maillage anisotrope pour h
1
= 0.025 et h
2
= 0.2.
On mesure ensuite lerreur ainsi que ce que prevoit lestimateur derreur. Pour tester lecite de
lestimateur, on mesure la quantite :
:=

|u u
h
|
a,
Lorsque Eff > 1 cest quon sur-estime la solution. Pour la famille isotrope :
Fig. 2.5 Solution anisotrope et maillage associe.
i h
1
h
2
error
1 1/100 1/100 1.36 4.71
2 1/200 1/200 0.69 4.64
3 1/400 1/400 0.35 4.74
et pour la famille anisotrope :
i h
1
h
2
error
1 1/200 4/100 1.36 4.71
2 1/400 2/100 0.69 4.64
3 1/800 1/100 0.35 4.74
Pour la famille anisotrope, le maillage de meme indexe est deux fois plus n dans la direction x
1
et quatre fois plus grossier dans la direction x
2
, soit un facteur detirement h
2
/h
1
= 8 constant.
On constate que pour les deux familles lerreur est divisee par deux `a chaque ranement, ce qui
conrme le comportement en O(h) de lerreur. La famille anisotrope fournit une erreur denviron
moitie pour un maillage de meme indice.
29
Le facteur decacite pour la premi`ere famille est voisin de 4.7 alors que celui de la seconde famille
est environ 13.5 alors quon pourrait sattendre `a ce que la seconde famille soit plus ecace que la
premi`ere. Cest simplement parce que lestimateur de lerreur ne prend pas en compte lanisotropie.
2.2.3 Anisotropie
Zienkiewicz et Zhu on propose un autre estimateur derreur directement `a partir du gradients
de u
h
. Le gradient u
h
est P
k1
et discontinu aux interfaces des elements. On note
h
(u
h
) sa
projection dans lespace des fonctions continues et P
k
par elements.
Linegalite triangulaire nous permet decrire :
|(u u
h
)|
0,2,
|u
h
(u
h
)|
0,2,
+|
h
(u
h
) u|
0,2,
On sait que |(u u
h
)|
0,2,
se comporte en O(h
k
). Or on constate que |u
h
(u
h
)|
0,2,
converge plus vite, en O(h
k+1
) sur des grilles parall`eles aux axes, et, plus generalement en O(h
k+
)
sur des gilles non structurees, avec > 0 (superconvergence). Si bien que le terme dominant lorsque
h tends vers zero est |
h
(u
h
) u|
0,2,
.
Zienkiewicz et Zhu ont propose :

K
:= |
h
(u
h
) u|
0,2,K
x
i
K
Fig. 2.6 Ensemble des elements contenant un sommet x
i
du maillage.
Par exemple pour k = 1, il est facile (voir Fig. 2.2.3) de calculer
h
(u
h
) en un sommet x
i
du
maillage `a partir de u
h
, qui est constant par elements, en faisant une moyenne ponderee :

h
(u
h
)(x
i
) =

K;xK
mes(K) u
h|K

K;xK
mes(K)
Pour la famille isotrope on obtient avec cet estimateur :
i h
1
h
2
error
1 1/100 1/100 1.36 0.81
2 1/200 1/200 0.69 0.92
3 1/400 1/400 0.35 0.97
30
et pour la famille anisotrope :
i h
1
h
2
error
1 1/200 4/100 1.36 0.94
2 1/400 2/100 0.69 0.98
3 1/800 1/100 0.35 0.99
On observe que dans les deux cas tends vers 1 par valeurs inferieures. Ainsi cet estimateur est
asymptotiquement exact, que ce soit sur familles de maillages isotropes ou anisotropes. Lorsque
les familles de maillages sont `a cote parall`eles aux axes, il est possible de prouver la propriete de
superconvergence. Mais lorsque les maillages sont non-structures, cette propriete nest pas prouvee,
bien quelle soit observee experimentalement.
On va essayer de construire un estimateur qui marche dans les deux cas et qui soit mathematiquement
fonde.
2.3 Anisotropie et residu
K
r1,K
r2,K
1,K
2,K
b
K
0
1 b x1
b x2
FK
Fig. 2.7 Transformation de lelement de reference.
En 2000, Kunert (Numer. Math. 2000) etend lestimateur `a partir des residus du cas isotrope au
cas anisotrope et montrenet que :
_

[(u u
h
)[
2
dx C

KT
h
_
|f + u
h
|
0,2,K
+
1
2
_
mes(K)

1,K
. . .
d,K
_
1/2
_
_
_
_
_
u
h
n
__
_
_
_
0,2,K
_

_
d

i=1

i,K
_
r
T
i,K
G
K
(u u
h
)r
i,K
_
_
1/2
(2.11)
avec les notations
G
K
(v) =
__
K
v
x
i
v
x
j
dx
_
1i,jd
=
_
K
v v dx, v H
1
()
tandisque (
i,K
)
1id
et (r
i,K
)
1id
designent respectivement les valeurs et les vecteurs propres
de la transformation F
K
de lelement de reference

K vers lelement K (voir Fig. 2.3). La transfor-
mation etant lineaire, elle peut secrire F( x) = B
K
x +b
K
, o` u B
K
est une matrice d d et b
K
un
31
vecteur de R
d
. On decompose B
K
selon B
K
= R
T
K

K
P
K
, o` u
K
est diagonale et R
K
et P
K
sont
unitaires. Le cercle unite x
T
x = 1 associe au triangle de reference

K est transforme en lellipse
dequation (x b
K
)
T
R
T
K

2
K
R
K
(x b
K
) = 1.
Pour que le membre de droite de (2.11) puisse conduire `a un estimateur derreur, il reste `a appro-
cher G
K
(u u
h
) par une quantite qui ne depend que de u
h
. Pour cela on utilise la propriete de
superconvergence qui permet destimer (u u
h
) `a laide de u
h
(u
h
) :
G
K
(u u
h
)
_
K
(u
h
(u
h
)) (u
h
(u
h
)) dx,
Pour la famille isotrope on obtient avec cet estimateur :
i h
1
h
2
error
1 1/100 1/100 1.36 2.22
2 1/200 1/200 0.69 2.42
3 1/400 1/400 0.35 2.54
et pour la famille anisotrope :
i h
1
h
2
error
1 1/200 4/100 1.36 2.43
2 1/400 2/100 0.69 2.62
3 1/800 1/100 0.35 2.68
Cet estimateur sugg`ere dutiliser des maillages tels que les facteurs detirement soient correles `a
lerreur :

i,K
_
r
T
i,K
G
K
(u u
h
)r
i,K
_
=
1,K
_
r
T
1,K
G
K
(u u
h
)r
1,K
_
, i = 2 . . . d, forallK T
h
cest-`a-dire dutiliser des maillages anisotropes. Il sagit dequidistribuer lerreur dans toutes les
directions. Pour cela on va essayer daligner les directions du triangle (de sont ellipse associee)
avec les vecteurs propres de G
K
(u u
h
).
2.4 Triangulations anisotropes et metriques
On va fournir au generateur de maillage non plus seulement une carte de taille h(x) en chaque
point x du domaine mais une taille dans chaque direction propre, autrement dit une metrique. On
se xe une tolerance et on it`ere jusqu`a ce quelle soit atteinte :
i N error etirement
1 1/8 854 0.25 2.70 262
2 1/16 2793 0.13 2.75 288
3 1/32 10812 0.062 2.79 425
3 1/64 42562 0.031 2.79 1199
Lerreur est divisee par deux `a chaque nouveau maillage tandisque le nombre de sommets du
maillage N augmente. Le facteur decacite de lestimateur anisotrope est assez constant tandisque
les elements deviennent de plus en plus etires. La Fig. 2.4 compare les trois familles de triangulation
utilisees pour resoudre le probl`eme : la famille de maillage adaptes anisotrope donne `a nombre
delements egal une erreur plus de dix fois plus faible. Autrement dit, `a erreur egale, elle utilise
100 fois moins delements. Cette methode est de plus compl`etement automatisable lorsque les
directions privilegiees de la solution exacte non sont pas connues a priori, et que la deuxi`eme
famille `a facteur detirement constant nest plus utilisable.
32
adapte
etire
uniforme
0.1 0.01 0.001
1
0.1
Fig. 2.8 Erreur |(u u
h
)| en fonction de N
1/2
o` u N est le nombre de sommets du maillage.
2.5 Estimation derreur a posteriori
On se restreint au cas de la dimension d = 2 pour simplier la presentation, bien que les methodes
setendent sans probl`eme aux dimensions superieures. On suppose donc que R
2
est un ouvert
borne polygonal. On part dun probl`eme mod`ele :
_
u) = f dans
u = 0 sur
(2.12)
o` u f(x) L
2
(). On pose
a(u, v) =
_

u.v dx
l(v) =
_

fv dx
V = H
1
0
()
V
h
= v
h
V ; v
h|K
P
k
, K T
h

o` u T
h
est une triangulation de et k 1 un entier strictement positif. On utilisera la norme de
lenergie :
|v|
a,
:=
_
a(v, v), v V
|v|
a,
:=
__

[v[
2
dx
_
1/2
, v H
1
(),
qui est equivalente dans V `a la norme induite par |.|
1,
(inegalite de Poincare). La formulation
variationnelle consiste `a trouver u V tel que
a(u, v) = l(v), v V
et sont analogue approche : trouver u
h
V
h
tel que
a(u
h
, v
h
) = l(v
h
), v
h
V
h
33
K
K

n
S

S
= K K

K
K

1
K

2
K

K
Fig. 2.9
`
A gauche : element K et son voisin K

`a travers une arete S du maillage ; `a droite :

voisinage
K
.
On introduit `a present lestimateur derreur suivant :

K
:=
_
_
h
2
K
|f
K
+ u
h
|
2
0,2,K
+

SK\
h
S
2
_
_
_
_
_
u
h
n
__
_
_
_
2
0,2,S
_
_
1/2
(2.13)
Cet estimateur utilise le residu sur lelement K T
h
ainsi que les sauts de la derivee normale au
travers des (d + 1) faces de K. Nous avons introduit les notations (voir Fig. 2.5) :
c
h
=
KT
h
_

SK\
S
_
: lensemble des aretes du maillage et internes `a
h
K
= diam(K), K T
h
,
h
S
= diam(S), S c
h
_
u
h
n
_
=
u
h|K
n

u
h|K

n
sur S = K K

, lorsque la normale n est orientee de K vers K

S
= K K

pour tout S = K K

c
h

K
=
SK\

S
Pour chaque element K, on a egalement note f
K
la projection L
2
(K) de f sur P
k2
:
_
K
f
K
p dx =
_
K
f p dx, p P
k2
Remarquons que pour k = 1, on a f
K
= 0 tandisque pour k = 2, f
K
est constant par element.
Theor`eme 2.1 (estimateur local de lerreur)
Il existe deux constantes c
1
et c
2
strictement positives et independantes de h telles que :
|u u
h
|
a,
C
1
_

KT
h

2
K
+h
2
K
|f f
K
|
2
0,2,K
_
1/2
(2.14)

K
C
2
_
|u u
h
|
2
a,K
+

K
h
2
K
|f f
K
|
2
0,2,K

_
1/2
, K T
h
(2.15)
34
Remarque 2.1 (encadrement de lerreur globale)
On introduit lestimateur global de lerreur :
:=
_

KT
h

2
K
_
1/2
En sommant (2.15) et en utilisant (2.14) il vient :
1
(d + 1)C
2
2

2
|u u
h
|
2
a,
+

KT
h
h
2
K
|f f
K
|
2
0,2,K
C
2
1

2
+(1+C
2
1
)

KT
h
h
2
K
|f f
K
|
2
0,2,K
Dans la pratique le terme en (f f
K
) est tr`es petit sinon nul, par exemple pour k = 1 ou bien
pour f P
k2
. Dans ce cas, on a lencadrement de lerreur :
C |u u
h
|
a,


C
Lestimateur derreur est dautant plus ecace que C et

C sont proches de 1. Lorsquon connait
la solution exacte u, on peut mesurer le coecient decacite de lestimateur :
C

(h) =
|u u
h
|
a,

Des tests numeriques montrent que

lim
h0
C

(h) = 1
ce qui valide la demarche du point de vue pratique.
Demonstration : On montre le theor`eme 2.1 en trois etapes :
1. une manipulation algebrique du residu
2. la majoration globale de lerreur (2.14)
3. la majoration inverse et locale de lerreur (2.15)

Etape 1 : transformation du residu

Pour tout v V :
a(u u
h
, v) = (f, v) a(u
h
, v)
=
_

f v dx
_

u
h
.v dx
=

KT
h
_
K
f v dx
_
K
u
h
.v dx
=

KT
h
_
K
f v dx +
_
K
u
h
v dx
_
K
u
h
n
K
v dx
=

KT
h
_
K
(f + u
h
) v dx

SE
h
_
S
_
u
h
n
_
v ds
Or, pour tout v
h
V
h
on a a(u u
h
, v
h
) = 0, do` u :
a(u u
h
, v) =

KT
h
_
K
(f + u
h
) (v v
h
) dx

SE
h
_
S
_
u
h
n
_
(v v
h
) ds
35
K

K
S
S
Fig. 2.10 Voisinages etendus
K
de lelement K et
S
de larete S.
Les faces interns du maillages etant communes `a deux elements exactement, lexpression precedente
secrit encore :
a(u u
h
, v) =

KT
h
_
_
_
_
K
(f + u
h
) (v v
h
) dx
1
2

SK\
_
S
_
u
h
n
_
(v v
h
) ds
_
_
_
(2.16)

Etape 2 : majoration globale

Pour tout element K T
h
, on note
K
lensemble des elements de T
h
ayant au moins un sommet
en commun avec K (voir Fig. 2.5). De meme, pour toute arete S c
h
, on note
S
lensemble des
elements de T
h
ayant au moins un sommet en commun avec S.
On utilise le resultat suivant, ont la demonstration de ce lemme est assez technique [BG95] :
Lemme 2.2 (projection locale)
On peut construire un operateur de projection local de R
h
: V V
h
tel que :
|v R
h
v|
0,2,K
C
3
h
K
|v|
1,2, K
|v R
h
v|
0,2,S
C
4
h
1/2
S
|v|
1,2, K
On choisis v
h
= R
h
v dans legalite (2.16), puis, avec linegalite de Cauchy-Schwartz et les inegalites
36
precedentes, il vient :
a(u u
h
, v)

KT
h
_
_
_
|f + u
h
|
0,2,K
|v R
h
v|
0,2,K
+
1
2

SK\
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
|v R
h
v|
0,2,S
_
_
_
C
5

KT
h
_
_
_
h
K
|f + u
h
|
0,2,K
|v|
1,2, K
+

SK\
_
h
S
2
_
1/2
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
|v|
1,2, S
_
_
_
C
5
_
_

KT
h
h
2
K
|f + u
h
|
2
1,2,K
+

SK\
h
S
2
_
_
_
_
_
u
h
n
__
_
_
_
2
0,2,S
_
_
1/2

_
_

KT
h
|v|
2
1,2, K
+

SK\
|v|
2
1,2, S
_
_
1/2
avec C
5
= max
_
C
3
,

2C
3
_
. Le premier facteur va faire apparaitre la somme des estimateurs locaux
(2.13) :

KT
h
h
2
K
|f + u
h
|
2
1,2,K
+

SK\
h
S
2
_
_
_
_
_
u
h
n
__
_
_
_
2
0,2,S

KT
h

2
K
+h
2
K
|f f
K
|
2
0,2,K
Le second facteur va pouvoir etre majore avec |v|
a,
. Pour cela notons N(K) (resp. N(S)) le
nombre de fois que K (resp. S) apparait dans un voisinage
K
:
N(K) = cardK

T
h
; K
K

N(S) = cardK

T
h
; S
K

Ainsi :

T
h
|v|
2
1,2,
K

KT
h
N(K)|v|
2
1,2,K

_
max
KT
h
N(K)
_
|v|
2
1,2,

T
h

SK

\
|v|
2
1,2, S
=

SE
h
N(S)

K/SK
|v|
2
1,2,K
2
_
max
SE
h
N(S)
_
|v|
2
1,2,
et donc

KT
h
|v|
2
1,2, K
+

SK\
|v|
2
1,2, S
C
6
|v|
2
1,2,
C
1
0
C
6
|v|
2
a,
o` u C
0
est la constante de linegalite de Poincarre (A.1) et
C
6
= max
KT
h
N(K) + 2 max
SE
h
N(S)
On choisis alors v = u u
h
:
|u u
h
|
2
a,
C
1/2
0
C
5
C
1/2
6
_

KT
h

2
K
+h
2
K
|f f
K
|
2
0,2,K
_
1/2
|u u
h
|
a,
ce qui donne directement (2.14) avec C
1
= C
1/2
0
C
5
C
1/2
6
.

Etape 3 : majoration inverse locale

Cette majoration inverse et locale est plus technique : elle est due `a une demonstration de Verf urth
en 1994 [Ver94].
37

Etape 3.a : majoration dans un element

Pour tout k T
h
on introduit b
K
la fonction bulle sur K telle que b
K
= 0 sur K max
xK
b
K
(x) = 1.
On choisis pour fonction-test : bulle :
details, Fig. v
K
:= (f
K
+ u
h
) b
K
On a dune part :
_
K
(f
K
+ u
h
) v
K
dx =
_
K
f v
K
dx +
_
K
u
h
v
K
dx +
_
K
(f
K
f) v
K
dx
=
_
K
u.v
K
dx
_
K
u
h
.v
K
dx +
_
K
u
h
n
v
K
dx +
_
K
(f
K
f) v
K
dx
en utilisant (P) avec v = v
k
et la formule de Green
=
_
K
(u u
h
).v
K
dx +
_
K
(f
K
f) v
K
dx
car b
K
= 0 sur K
|(u u
h
)|
0,2,K
|v
K
|
0,2,K
+|f f
K
|
0,2,K
|v
K
|
0,2,K
par linegalite de Chauchy-Schwartz
|(u u
h
)|
0,2,K
|v
K
|
0,2,K
+|f f
K
|
0,2,K
|f
K
+ u
h
|
0,2,K
car max
K
b
K
= 1

_
C
1/2
11
h
1
K
|(u u
h
)|
0,2,K
+|f f
K
|
0,2,K
_
|f
K
+ u
h
|
0,2,K
avec le lemme A.1, page 43, equation (A.3)
et dautre part :
_
K
(f
K
+ u
h
) v
K
dx =
_
K
(f
K
+ u
h
)
2
b
K
dx
C
10
|f
K
+ u
h
|
2
0,2,K
avec le lemme A.1, page 43, equation (A.2)
En regroupant les deux inegalites precedentes et en divisant par |f
K
+ u
h
|
0,2,K
il vient :
|f
K
+ u
h
|
0,2,K
C
7
_
h
1
K
|(u u
h
)|
0,2,K
+|f f
K
|
0,2,K
_
(2.17)
avec C
7
= C
1
10
max
_
1, C
1/2
11
_
.

Etape 3.b : majoration sur une arete

Soit S c
h
une arete interne du maillage et soient K et K

les deux elements de T

h
tels que
S = K K

. On pose
S
= K K

. Soit b
S
la fonction bulle associee `a S telle que b
S
= 0 sur

S
et max
xS
b
S
(x) = 1. bulle arete :
details, Fig.
On choisis pour fonction-test :
v
S
:=
_
u
h
n
_
b
S
=
_
u
h|K
n
K
+
u
h|K

n
K

_
b
S
38
avec, par convention dorientation, n = n
K
= n
K
sur S. Dune part :
_
S
_
u
h
n
_
v
S
ds =

KS
_
K
u
h
n
K
v
S
ds
car b
S
= 0 sur
S
=

KS
_
K
u
h
v
S
dx +
_
K
u
h
.v
S
dx
par la formule de Green
=

KS
_
K
(f + u
h
) v
S
dx +
_
K
u
h
.v
S
dx +
_
K
f v
S
dx
=

KS
_
K
(f + u
h
) v
S
dx +
_
K
(u
h
u).v
S
dx
en utilisant (P) avec v = v
S

_

KS
|f
K
+ u
h
|
2
0,2,K
_
1/2
_

KS
|v
S
|
2
0,2,K
_
1/2
+
_

KS
|(u u
h
)|
2
0,2,K
_
1/2
_

KS
|v
S
|
2
0,2,K
_
1/2
par linegalite de Cauchy-Schwartz
C
1/2
13
h
1/2
S
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
_

KS
|f
K
+ u
h
|
2
0,2,K
_
1/2
+ C
1/2
14
h
1/2
S
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
_

KS
|(u u
h
)|
2
0,2,K
_
1/2
avec le lemme A.2, page 44, equations (A.5)-(A.6)
et dautre part :
_
S
_
u
h
n
_
v
S
ds =
_
S
_
u
h
n
_
2
b
S
ds
C
12
_
_
_
_
_
u
h
n
__
_
_
_
2
0,2,S
avec le lemme A.2, page 44, equation (A.4)
En regroupant les deux inegalites precedentes et en divisant par
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
il vient :
_
_
_
_
_
u
h
n
__
_
_
_
0,2,S
C
8
_
_
_
h
1/2
S
|(u u
h
)|
0,2,S
+
_

KS
h
S
|f
K
+ u
h
|
2
0,2,K
_
1/2
_
_
_
(2.18)
avec C
8
= C
12
max
_
C
1/2
13
, C
1/2
14
_
.
39

Etape 3.c : majoration de lestimateur

De la denition (2.13) de lestimateur, on a :

2
K
= h
2
K
|f
K
+ u
h
|
2
0,2,K
+

SK\
h
S
2
_
_
_
_
_
u
h
n
__
_
_
_
2
0,2,S
h
2
K
|f
K
+ u
h
|
2
0,2,K
+
C
8
2

SK\
_
_
_
|(u u
h
)|
0,2,S
+h
S
_

K

S
|f
K
+ u
h
|
2
0,2,K

_
1/2
_
_
_
2
en utilisant (2.18)
h
2
K
|f
K
+ u
h
|
2
0,2,K
+ C
8

SK\
_
|(u u
h
)|
2
0,2,S
+h
2
S

S
|f
K
+ u
h
|
2
0,2,K

_
avec lidentite (a +b)
2
2(a
2
+b
2
), a, b R
(d + 1)C
8
|(u u
h
)|
2
0,2,K
+ (1 + (d + 1)C
8
)h
2
K

K
|f
K
+ u
h
|
2
0,2,K

car h
S
h
K
pour S K, et en regroupant les sommes
(d + 1)C
8
|(u u
h
)|
2
0,2,K
+C
2
7
(1 + (d + 1)C
8
)

K
_
|(u u
h
)|
0,2,K
+h
K
|f f
K
|
0,2,K
_
2
en ayant utilise (2.18)
C
9
_
|(u u
h
)|
2
0,2,K
+h
2
K

K
|f f
K
|
2
0,2,K

_
avec lidentite (a +b)
2
2(a
2
+b
2
), a, b R et en regroupant les termes
avec C
9
= 2C
2
7
+ (d + 1)(1 + 2C
2
7
)C
8
. On a donc montre (2.15) avec C
2
= C
1/2
9
.
40
Bibliographie
[BF91] F. Brezzi and M. Fortin. Mixed and hybrid nite element methods. Springer Verlag, 1991.
[BG95] C. Bernardi and V. Girault. A local regularization operator for triangular and quadri-
lateral nite elements. Technical Report 95036 de luniversite Pierre et Marie Curie,
Paris, 1995.
[DL72] G. Duvaut and J. L. Lions. Les inequations en mecanique et en physique. Dunod, 1972.
[FG83] M. Fortin and R. Glowinski. Augmented Lagrangian methods application to the nume-
rical solution of boundary-value problems. Elsevier, 1983.
[FP00] L. Formaggia and L. Perotto. Anisotropic error estimate for elliptic problems. Technical
Repport 18, Departement de Mathematiques, Ecole Polytechnique de Lausanne, Switzer-
land, 200, to appear in Numer. Math., 2000.
[FP01] L. Formaggia and L. Perotto. New anisotropic a priori error estimate. Numer. Math.,
89 :641667, 2001.
[GR86] V. Girault and P. A. Raviart. Finite element methods for the Navier-Stokes equations
Theory and algorithms. Springer Verlag, 1986.
[HT74] P. Hood and G. Taylor. Navier-Stokes equations using mixed interpolation. In Finite
element in ow problems, Oden ed., UAH Press, 1974.
[Pic03] M. Picasso. Numerical study of the eectivity index for an anisotropic error indicator
based on Zienkiewicz-Zhu error estimator. Commun. Numer. Meth. Engng., 19 :1323,
2003.
[Pir88] O. Pironneau. Methode des elements nis pour les uides. Masson, 1988.
[Sar04] P. Saramito. Language C++ et calcul scientique (99 pages). IMAG, 2004.
http://www-lmc.imag.fr/lmc-edp/Pierre.Saramito/cours-cxx.pdf.
[SR01a] P. Saramito and N. Roquet. rheolef : A nite element environment, i.e. some C++ classes
and unix commands. http://www-lmc.imag.fr/lmc-edp/Pierre.Saramito/rheolef,
2001.
[SR01b] P. Saramito and N. Roquet. rheolef : Users manual, (64 pages).
http://www-lmc.imag.fr/lmc-edp/Pierre.Saramito/rheolef/usrman.ps.gz, 2001.
[SRE03] P. Saramito, N. Roquet, and J.

Etienne. rheolef : Reference manual, (148 pages).
http://www-lmc.imag.fr/lmc-edp/Pierre.Saramito/rheolef/rheolef.ps.gz,
2003.
[Ver94] R. Verf urth. A posteriori error estimation and adaptive mesh-renement techniques. J.
Comput. Appl. Math., 50 :6780, 1994.
41
Annexe A
Resultats annexes
A.1 Inegalites de Poincare et de Korn
Les normes |.|
1,
et |.|
a
sont equivalentes. Le plus dur est de montrer quil existe une constante
C
0
> 0 ne dependant que de telle que
C
0
|v|
1,
|v|
a
|v|
1,
(A.1)
Linegalite dans lautre sens est plus facile et est atteinte avec une constante egale `a un.
A.2 Proprietes des fonctions-bulles
Pour tout element K T
h
on denit la fonction bulle b
K
par :
b
K
(x) =
_
(d + 1)
d+1

d+1
i=1

i,K
(x) si x K
0 sinon
o` u
i,K
(x), 1 i d + 1 est la i-`eme coordonee barycentrique, denie comme etant la distance
de x `a la i-`eeme face de K. On a en particulier :
supp(b
K
) = K
b
K
(x) > 0, x K
max
xK
b
K
(x) = 1
b
K
(x) = 0, x K
Par exemple, pour d = 1 on a b
K
(x) = 4x(1 x) sur le segment K = [0, 1]. Pour d = 2 (voir
Fig. A.1.a) on a b
K
(x) = 27x
1
x
2
(1 x
1
x
2
) sur le triangle K = (x
1
, x
2
) [0, 1]
2
; x
1
+x
2
1.
Pour d = 3, on a b
K
(x) = 256x
1
x
2
x
3
(1 x
1
x
2
x
3
) sur le triangle K = (x
1
, x
2
, x
3
)
[0, 1]
3
; x
1
+x
2
+ x
3
1.
De meme, pour toute face S c
h
on denit la fonction bulle b
S
par :
b
S
(x) =
_
_
_
d
d

d
i=1

i,K
(x) si x K
d
d

d
i=1

i,K
(x) si x K

0 sinon
42
avec S = K K

et o` u, quitte `a renumeroter les faces sur K et K

, nous avons suppose que S

etait la (d + 1)-`eme face de K et de K

. On a en particulier :
supp(b
S
) = int(K K

)
b
S
(x) > 0, x int(K K

)
max
xKK

b
S
(x) = 1
b
S
(x) = 0, x (K K

)
Par exemple, pour d = 1 et K =]0, 1], K

= [1, 0] alors b
S
(x) = 1x sur K et 1+x sur K

. Pour
d = 2 (voir Fig. A.1.b) on a b
S
(x) = 4x
1
x
2
sur le triangle K = (x
1
, x
2
) [0, 1]
2
; x
1
+ x
2
1 et
b
S
(x) = 4(1 x
1
)(1 x
2
) sur le triangle K

= (x
1
, x
2
) [0, 1]
2
; x
1
+x
2
1.
1
0
1
b
K
(x)
x 1 0 1
1
b
S
(x)
x
1
0
b
K
(x
1
, x
2
)
x
1
x
2
1
0
x
1
x
2
b
S
(x
1
, x
2
)
Fig. A.1 Fonction bulle pour d = 1 et 2 : (gauche) b
K
sur un element K ; (droite) b
S
sur une
face S.
Lemme A.1 (bulles elements)
Il existe deux constantes C
10
et C
11
telles que pour tout P
k2
on ait :
C
10
||
2
0,2,K

_
K
b
K

2
dx (A.2)
|(b
K
)|
2
0,2,K
C
11
h
2
K
||
2
0,2,K
(A.3)
Demonstration : By construction, b
K
is strictly positive inside K. Hence
||
b,K
=
__
K

2
(x) b
K
(x) dx
_
1/2
43
denes a norm on T
k2
. Since T
k2
is a nite dimensional space, all norms are equivalent, and
thus ||
b,K
is equivalent to the L
2
norm : there exists C and

C such that for all T
k2
:
C
_
K

2
(x) dx
_
K

2
(x) b
K
(x) dx

C
_
K

2
(x) dx
do` u (A.2). Le second resultat necessite un changement de variable de lelement de reference

K
vers K : x = F
K
( x) = B
K
x +b
K
. On note
h
= max
KT
h
et

K
:=
h
K

K
et o` u
K
est le diam`etre de la sph`ere inscrite dans K. On suppose que la famille (T
h
)
h>0
est
reguli`ere, cest-`a-dire quil existe une constante positive telle que
h
, h > 0. On a : RAPIDE! !
prop de
B
1
K
?
_
K
[(b
K
)[
2
dx =
_
b
K

b
K
).B
1
K

2
[B
K
[ d x
h
2
K
_
b
K

b
K
)

2
[B
K
[ d x
Lintegrale denit une norme sur T
k2
(

K) qui est equivalente `a celle de L

2
(

K), do` u :
_
K
[(b
K
)[
2
dx Ch
2
K
_
b
K

2
[B
K
[ d x
Ch
2
K
_
K

2
dx
ce qui montre (A.3).
Lemme A.2 (bulles faces)
Il existe trois constantes C
12
, C
13
et C
14
telles que pour tout P
k1
on ait :
C
12
||
2
0,2,S

_
S
b
S

2
ds (A.4)

KS
|b
S
|
2
0,2,K
C
13
h
S
||
2
0,2,S
(A.5)

KS
|(b
S
)|
2
0,2,K
C
14
h
1
S
||
2
0,2,S
(A.6)
Demonstration : La demonstration de (A.4) est similaire `a celle du lemme precedent : par equivalence
des normes en dimension nie. Les preuve de (A.5) et (A.6) reposent sur un argument de trans-
formation sur lelement de reference, egalement similaire `a celui du lemme precedent.
44
Table des mati`eres
1 Discretisation et algorithmes 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Lequation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Lequation de lelasticite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Les equations de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Probl`emes elliptiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Approximation par dierences nies . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Approximation par elements nis . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Phenom`ene de diusion-convection . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 O` u est la diculte ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.2 La methode des caracteristiques . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Lequation de lelasticite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 Formulation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.2 Formulation variationnelle approchee . . . . . . . . . . . . . . . . . . . . . . 14
1.4.3 Estimation derreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.4 Le probl`eme modal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.5 Elasticite quasi-incompressible . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5 Les equations de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5.1 Resolution du probl`eme de Stokes discret . . . . . . . . . . . . . . . . . . . 18
2 Estimations derreur 22
2.1 Estimation derreur a priori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.1 Probl`eme elliptique (chaleur, elasticite, etc) . . . . . . . . . . . . . . . . . . 22
45
2.1.2 Probl`eme mixte (Stokes, etc) . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Adaptation de la triangulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.1 Algorithme dadaptation isotrope . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.2 Estimation de lerreur locale . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3 Anisotropie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Anisotropie et residu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 Triangulations anisotropes et metriques . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Estimation derreur a posteriori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
A Resultats annexes 42
A.1 Inegalites de Poincare et de Korn . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
A.2 Proprietes des fonctions-bulles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
46