Notes du cours d'équations aux Dérivées Partielles de l'isima, troisième année

Dimension: px
Commencer à balayer dès la page:

Download "Notes du cours d'équations aux Dérivées Partielles de l'isima, troisième année http://www.isima.fr/leborgne"

Transcription

1 Notes du cours d'équations aux Dérivées Partielles de l'isima, troisième année Comprendre la condition inf-sup numérique : application aux problèmes sous contrainte. Exemples du problème de Stokes, du problème des conditions aux limites, du locking de type KirchhoLove ou MindlinReissner Gilles Leborgne 4 août 2006 Table des matières C'est quoi la condition inf-sup? 2. Notations Injectivité (et image dense) et condition inf-sup Condition inf-sup " k" : isomorphisme Rappels 4 2. Fonction à valeurs scalaires Matrice jacobienne et gradient Matrice hessienne et laplacien Fonction à valeurs vectorielles Problème formel du laplacien pour les fonctions vectorielles Remarque : notation de la double contraction Exemple : problème de Stokes 7 3. Le problème de Stokes formel Le problème de Stokes numérique : les projections Cas div h surjectif Sinon : une correction par les projections Méthode de Brezzi et Pitkäranta Méthode de Hughes, Franca et Balestra Méthode de Douglas et Wang La pression : multiplicateur de Lagrange et condition inf-sup Multiplicateur de Lagrange La condition inf-sup Conditions aux limites de Dirichlet 4 4. Introduction Espaces fonctionnels et condition inf-sup Problème approché Éléments nis P k : non stables Problème stabilisé Barbosa et Hughes Elimination du multiplicateur : méthode de Nitsche [23] Locking Le problème type Coercivité nie en p Le problème discrétisé : explosion éventuelle de la constante de coercivité en p h, d'où le locking Une correction du locking Traitement classique du locking : problème continu Problème continu Problème discrétisé août 2006

2 2. C'est quoi la condition inf-sup? A Singular value decomposition (SVD) 25 B Application à la condition inf-sup 27 C'est quoi la condition inf-sup? Ω est un ouvert régulier de R n de bord Ω = Γ.. Notations Soit E un espace de Banach (espace vectoriel normé complet), et on note. E sa norme. On note E = L(E; R) son dual, i.e. l'espace des formes linéaires continues sur E. Il est muni de la norme, pour l E : l(v) l E = sup = sup l(v), v E, v 0 v E v E, v E = qui en fait un espace de Banach. Soit F un second espace de Banach,. F sa norme, F son dual et. F la norme associée. Soit B L(E, F ) un opérateur borné (i.e. une application linéaire continue) de E dans F. L'opérateur B est caractérisé par ses valeurs Bv F pour tout v E, i.e. par les valeurs réelles (Bv)(w) = Bv, w F,F pour tout w F. On note : b(v, w) déf = Bv, w F,F R. On a ainsi déni une application bilinéaire b(, ) : E F R qui est continue (vérication immédiate). Et on dispose de l'adjoint, l'opérateur B T L(F, E ), caractérisé par, pour tout (v, w) E F : B T w, v E,F = Bv, w F,F (= b(v, w)). (.) Remarque. On rappelle que (.) détermine B T de manière unique, sa construction étant la suivante : pour w F xé, on dénit g w (v) = Bv, w pour tout w F. L'application g w ainsi dénie est trivialement linéaire et continue sur E (avec g w E B L(E,F ) w F ). Et on pose alors B T w = g w pour tout w F. Et B T est trivialement linéaire et continu sur F (avec B T L(F,E ) B L(E,F )). Exemple.2 E = R n, F = R m. Toutes les normes sont équivalentes en dimension nie. On choisit pour simplier les normes euclidiennes. Et on peut identier E et E et F et F (on dispose du produit scalaire euclidien et du théorème de représentation de Riesz). On se donne des bases, et un opérateur B : R n R m peut être représenté par une matrice m n. Et l'opérateur adjoint peut être représenté par la matrice transposée n m et on a : ([B]. x) T. y = ([B]. x, y) R m = ([B] T. y, x) R n = x T.([B] T. y), (.2) qui est encore noté = b( x, y). Exemple.3 B = div : (H0 (Ω)) n L 2 (Ω), opérateur divergence. Ici E = (H0 (Ω)) n, F = L 2 (Ω), et avec lorsque L 2 (Ω) est identié à son dual on a b( v, q) = (div v, q) L 2 (Ω) pour tout v (H0 (Ω)) n et tout q L 2 (Ω). Son dual est l'opérateur grad : L 2 (Ω) (H (Ω)) n (opérateur gradient) : b( v, q) = (div v, q) L 2 (Ω) = div v, q L 2 (Ω),L 2 (Ω) = v, gradq H 0 (Ω),H (Ω), (.3) pour tout v H 0 (Ω) et tout q L 2 (Ω). Et lors d'une discrétisation par éléments nis, on retrouve l'égalité sous forme calcul matriciel (.2). Exemple.4 B = γ 0 : H (Ω) H 2 (Γ), opérateur trace sur Γ, avec H 2 (Γ) = γ 0 (H (Ω)) (espace image de l'application trace). Ici E = H (Ω), F = H 2 (Γ) et F = H 2 (Γ). Avec son dual 2 4 août 2006

3 3. C'est quoi la condition inf-sup? γ T 0 : H 2 (Γ) H (Ω), on a, pour tout v H (Ω) et tout w H 2 (Γ) : b(v, w) = γ 0 v, w H 2 (Γ),H 2 (Γ) = γt 0 w, v (H (Ω)),H (Ω). En particulier lorsque w L 2 (Γ) (i.e. w susamment régulier), on a : b(v, w) = Γ v( x)w( x) dγ. N.B. : ici l'espace F est le dual H 2 (Γ) = (H 2 (Γ)) de H 2 (Γ), et donc le dual F est le bidual (H 2 (Γ)) de H 2 (Γ), canoniquement isomorphe à H 2 (Γ), et donc identié à H 2 (Γ), i.e. F = H 2 (Γ)..2 Injectivité (et image dense) et condition inf-sup B T : F E étant linéaire, il est injectif ssi KerB T = {0} = (ImB), où KerB T = {w F : B T w = 0} est le noyau de B T, et ImB l'image de B (en eet, KerB T = {w F : Bv, w F,F = 0, v E} = (ImB) ). Donc B T est injectif ssi ImB = F, i.e. ssi ImB est dense dans F. Exemple.5 En dimension nie, tout sous-espace vectoriel est fermé, et donc, ImB est dense dans F équivaut à ImB = F, i.e. B surjectif. C'est faux en dimension innie. Exemple.6 Soit l 2 l'ensemble des suites de carré sommable : l 2 = {(x n ) R N : x 2 n < }. n N On prend E = F = l 2. Soit T : l 2 l 2 l'opérateur de multiplication par la suite (λ n ) = ( n ), i.e. T ((x n ) N ) = ( xn n ) pour tout N (x n) l 2. Cet opérateur est injectif car KerT = {0} (immédiat). Et son image est dense dans l 2 (pour une suite (y n ) N dans l'image considérer la suite tronquée dont l'antécédent est dans l 2...). Cependant il n'est pas surjectif (l'image n'est pas fermée). Par exemple, la suite ( n ) n'a pas d'antécédant dans N. C'est la généralisation de l'exemple.5 au cas l2 R n = R m et matrice diagonale B = diag( n quand ) n. On a B T (linéaire) injectif équivaut à : ou encore à (avec B T w E ) : w 0 B T w 0, w F t.q. w F =, v E, B T w, v E,E > 0, ou encore à (en prenant v E = ) : w F t.q. w F =, sup B T w, v E,E > 0. (.4) v E v E = Maintenant deux cas peuvent se présenter : er cas : inf w F w F = sup B T w, v E,E = 0. v E v E = Exemple.7 On reprend l'exemple.6 où on prend B T = T, et ici T w, v = (T w, v) l 2 le produit scalaire dans l 2. On prend w = e n le n-ième vecteur de base canonique (toutes les composantes sont nulles sauf la n-ième). On a T (e n ) = n e n, et T w, v = (T w, v) l 2 le produit scalaire dans l 2. Et par Cauchy-Schwarz, le donc sup (T e n, v) l2 = v l 2 v l 2 = sup (T e n, v) l2 est atteint pour v = T en v l 2 v l 2 = 0. On se contente donc de la caractérisation (.4). Noter qu'ici n n l'opérateur T n'est pas à image fermé. 2ème cas : k > 0, cas traité au paragraphe suivant. inf w F w F = T e n i.e. pour v = e n. On a sup B T w, v E,E > k, (.5) v E v E = 3 4 août 2006

4 4 2. Rappels.3 Condition inf-sup " k" : isomorphisme On traite le cas (.5), i.e. la condition (.4) dans le cas favorable : k > 0, w F t.q. w F =, sup B T w, v E,E k. (.6) v E v E = (Minoration sur la boule unité.) La condition inf-sup (.5) s'écrit aussi : k 0, inf w F w F = sup Bv, w F,F k, (.7) v E v E = Et le théorème de l'application ouverte nous dit que B est surjectif (voir cours de 3ème année, ou bien Brézis [6]). Donc, si la condition inf-sup (.5) (i.e. (.7)) est satisfaite, on a : - B est surjectif, et B : E/KerE F est un isomorphisme (i.e. linéaire continu inversible d'inverse continu), et 2- B T est injectif, et B T : F Im(B T ) est un isomorphisme. Remarque.8 Dans la pratique, si k > 0 pas trop petit alors la matrice sous-jacente (pour le problème approché) sera bien conditionnée. Par contre, si k = 0 (ou bien k plus petit que la précision machine), alors la matrice sousjacente (pour le problème approché) sera mal conditionnée, i.e. non inversible numériquement. Remarque.9 La condition inf-sup (.5) est bien sûr non satisfaite si B T n'est pas injective (trivial). Exemple.0 On reprend l'exemple.3. L'opérateur divergence div est surjectif de (H0 (Ω)) n dans L 2 (Ω)/R. Et son transposé qui est l'opérateur gradient est injectif de L 2 (Ω)/R dans (H (Ω)) n. Voir GiraultRaviart [5] ou cours de 3ème année. Exemple. Cf exemple.4. L'opérateur trace γ 0 est surjectif de H (Ω) dans H 2 (Γ). Et son transposé est injectif de H 2 (Γ) dans le dual de H (Ω). 2 Rappels 2. Fonction à valeurs scalaires 2.. Matrice jacobienne et gradient Soit f : Ω R n R une fonction diérentiable (ou dérivable) à valeurs scalaires, i.e. qui en tout point x Ω admet un plan tangent, i.e. telle qu'en tout point x Ω il existe une application linéaire df( x) : R n R telle que pour tout v R n : f( x + h v) = f( x) + h df( x). v + o(h). L'application linéaire df( x) L(R n ; R) est appelée diérentielle de f en x. Si df : Ω L(R n ; R) est de plus continue dans Ω, on dit que f est C (Ω; R). On travaillera avec la base canonique ( e i ) i=,...,n de R n. Dans cette base, l'application linéaire df( x) est représentée par la matrice ligne [df( x)] = ( f f x ( x)... x n ( x) ) où par dénition f. La matrice ligne est appelée matrice jacobienne de f f( x+h e x i ( x) = df( x). e i = lim i) f( x) h 0 h en x, et on utilise le calcul matriciel usuel, si v = i v i e i = v. : v n f( x + h v) = f( x) + h [df( x)]. v + o(h). Et f est C ssi toutes les f x i : Ω R sont continues. 4 4 août 2006

5 5 2. Rappels Utilisant le produit scalaire euclidien de R n et le théorème de représentation de Riesz, l'application linéaire df( x) peut être représentée par un vecteur appelé vecteur gradient : Et dans la base canonique, on a gradf( x) = df( x). v = ( gradf( x), v) R n. f x ( x). f colonne associée après choix d'une base). On a alors : x n ( x) f( x + h v) = f( x) + h gradf( x) T. v + o(h), où la notation M T désigne la matrice transposée de la matrice M. (représentation d'un vecteur par la matrice 2..2 Matrice hessienne et laplacien Si f est deux fois dérivables, i.e. si df : Ω L(R n ; R) est une fois dérivable, on note d(df)( x) : R n L(R n ; R) la diérentielle de df en x. On dispose alors du développement limité de f à l'ordre 2 en chaque point x Ω : f( x + h v) = f( x) + h df( x). v + 2 h2 (d(df)( x). v). v + o(h 2 ). Et f est dite C 2 (Ω; R) ssi d(df) est continue sur Ω. Avec la base canonique de R n, on peut alors représenter l'application linéaire d(df)( x) par la matrice [d(df)( x)] = [ 2 f x i x j ] i=,...,n j=,...,n, dite matrice hessienne. Cette matrice est symétrique (quand f est C 2, théorème de Schwarz), et notée [d 2 f( x)]. On a donc : On pose alors : f( x + h v) = f( x) + h [df( x)]. v + h2 2 vt.[d 2 f( x)]. v + o(h 2 ). f( x) = Tr([d 2 f( x)]) = n i= 2 f x 2 ( x). i (Trace de l'application linéaire donnée par la somme des termes diagonaux de la matrice la représentant.) Si de plus on se sert du produit scalaire euclidien de R n et du théorème de représentation de Riesz, on a : f( x) = div( gradf)( x). 2.2 Fonction à valeurs vectorielles Soit maintenant f : Ω R n R m une fonction dérivable (à valeurs vectorielles), i.e. telle qu'en tout point x Ω il existe une application linéaire d f( x) : R n R m telle que pour tout v R n : f( x + h v) = f( x) + h d f( x). v + o(h). L'application linéaire df( x) est appelée diérentielle de f en x. On travaillera avec la base canonique ( e i ) i=,...,m de R m (attention, même notation que pour la base canonique de l'ensemble de départ R n, ce pour alléger les notations). Dans cette base, notant f( x) = [ f i x j ] i=,...,m f ( x). f m ( x), l'application linéaire d f( x) est représentée par la matrice [d f( x)] =, où i l'indice de ligne et j l'indice de colonnes (travaillant toujours avec la base j=,...,n canonique de R n ). Cette matrice est appelée matrice jacobienne de f en x. On a donc : f ( x + h v). f m ( x + h v) = f ( x). f m ( x) + h [ f i ] i=,...,m. x j j=,...,n v. v n + o(h), soit encore, après utilisation du produit scalaire et du théorème de représentation de Riesz, pour 5 4 août 2006

6 6 2. Rappels tout i =,..., m : f i ( x + h v) = f i ( x) + h gradf i ( x) T. v + o(h), Attention : la matrice jacobienne [df( x)] est aussi appelée matrice gradient de f en x! Et on note gradf( x) = [df( x)] = [ f i x j ( x)] i=,...,m. (On n'a donc pas besoin du théorème de représentation j=,...,n de Riesz pour parler de matrice gradient.) Si on utilise le produit scalaire euclidien de R n et le théorème de représentation de Riesz, la matrice gradient a donc ses lignes données par gradf i T (les transposés des vecteurs gradients). Dans la suite on aura m = n, i.e. R m = R n, et les matrices gradients (i.e. les matrices jacobiennes) seront des matrices n n. 2.3 Problème formel du laplacien pour les fonctions vectorielles Soit f : Ω R n R n une fonction donnée. Regardons formellement l'équation vectorielle où l'inconnue est une fonction u : Ω R n R n : u = f. Soit une fonction v : Ω R n R n ; prenant la valeur en un point x Ω, multipliant au sens du produit scalaire de R n, on obtient : ( u( x), v( x)) R n = ( f( x), v( x)) R n. (2.) Intégrons (2.3) dans Ω : ( u( x), v( x)) R n dω = ( f( x), v( x)) R n dω, (2.2) Ω Ω On travaille avec la base canonique de R n. Les inconnues sont n fonctions u i composantes de u, et on a le système à résoudre : soit encore, cf. (2.2) : n i= Ω u i = f i, i =,..., n, u i ( x)v i ( x) dω = n i= Ω f i ( x)v i ( x) dω. (2.3) Supposera les fonctions v i nulles sur le bord Γ (pour simplier la présentation). Intégrons (2.3) par parties : n n n f i ( x)v i ( x) dω, (2.4) soit : n i= i= et qui sera noté dans la suite : Ω Ω j= u i x j ( x) v i x j ( x) dω = i= ( gradu i ( x), gradv i ( x) R n dω = ( f( x), v( x)) R n dω, Ω Ω (grad u, grad v) L 2 = ( f, v) L 2. (2.5) Si M, N L 2 (Ω) n2 sont deux fonctions à valeurs matricielles (dont les coecients sont des fonctions de L 2 (Ω)), dans L 2 (Ω) n2 on utilise le produit scalaire (produit terme à terme) : (M, N) L 2 (Ω) = Ω avec la norme associée M L2 (Ω) = (M, M) L2 (Ω) = ( Ω ij M ij ( x)n ij ( x) dω, (2.6) ij M 2 ij ( x) dω) août 2006

7 7 3. Exemple : problème de Stokes 2.4 Remarque : notation de la double contraction Etant données deux matrices M, N R n2, la double contraction (M, N) M : N R est le résultat intrinsèque donnée par la trace du produit M.N (simple contraction qui correspond à la composition M N des applications linéaires sous-jacentes). Sachant que M.N est la matrice = [ k M ikn jk ] i=,...,n j=,...,n, on a donc : M : N = Tr(M.N) = n M ik N ki i,k= (ce n'est pas le produit terme à terme). Cette opération de double contraction correspondant à la trace de l'endomorphisme M N sousjacent est intrinsèque. Et donc (2.6) s'écrit : (grad u, grad v) L 2 (Ω) = Ω grad u( x) : grad v T ( x) dω. (2.7) Remarque 2. On rappelle qu'à l'aide du théorème de représentation de Riesz, si l est une forme linéaire et z un vecteur on représente l( z) dans une base par le produit matriciel w T. z (ligne * colonne) où w représente la forme l, et en terme de produit scalaire par ( w, z) (produit terme à terme). Et ici on a (2.7) (on laisse l'intégrale sur Ω à l'extérieur). 3 Exemple : problème de Stokes On se donne un domaine Ω R n de frontière Γ = Ω régulière. 3. Le problème de Stokes formel On considère le mouvement stationnaire d'un uide incompressible dans ce domaine, soumis à une force volumique f : Ω R n et une condition d'adhérence aux parois. Le problème à résoudre est : trouver u et p t.q. : u + gradp = f dans Ω, div u = 0 dans Ω, u = 0 sur Γ. ( u : Ω R n est le champ de vitesses et p : Ω R le champ de pressions.) La diculté numérique est de satisfaire la contrainte div u = 0. Remarque 3. On travaille ici en dimension innie (les inconnues sont des fonctions). Pour les problèmes sous-contrainte en dimension nie, on renvoie au cours de 2ème année sur les multiplicateurs de Lagrange. Pour la programmation (en vue de la résolution) de (3.) à l'aide de la méthode des éléments nis, on réécrit formellement (3.) sous la forme (intégration par parties) : trouver u t.q. u Γ = 0 et p t.q. : ( grad u, grad v) L 2 (p, div v) L 2 = ( f, v) L 2, v t.q. v Γ = 0, (div u, q) L 2 = 0, q. Une première idée consiste à chercher des éléments nis pour la vitesse qui satisfont exactement la condition div v = 0 (condition d'incompressibilité); on s'intéresse donc au problème : { trouver u t.q. u Γ = 0 et div u = 0 t.q. : ( grad u, grad v) L 2 = ( f, v) L 2, pour tout v t.q. v Γ = 0 et div v = 0, la pression étant calculée a posteriori en résolvant gradp = f + u. Fortin [4] a trouvé des éléments nis satisfaisant la condition d'incompressibilité, mais malheureusement ce ne sont pas des éléments nis d'utilisation simple. L'utilisation d'éléments nis usuels (P 0, P, Q, P 2...) nécessite la résolution de (3.2). (3.) (3.2) 7 4 août 2006

8 8 3. Exemple : problème de Stokes 3.2 Le problème de Stokes numérique : les projections On considère toujours le problème formel (3.2). On considère sa discrétisation : trouver u h V h et p h Q h t.q. : (grad u h, grad v h ) L 2 (p h, div v h ) L 2 = ( f, v h ) L 2, v h V h, (div u h, q h ) L 2 = 0, q h Q h, où V h et Q h sont des espaces vectoriels de dimension nie (éléments nis P, P 2...), les éléments de V h satisfaisant la condition v hγ = 0. Une fois les bases d'éléments nis choisies, le problème se met sous la forme de résolution du problème matriciel : ( A B t B 0 ). ( u p ) ( f = 0 (3.3) ). (3.4) La méthode des éléments nis est une méthode de projection : on dispose de l'équation (3.), on se donne une fonction v, et on projette l'équation sur la fonction v grâce au produit scalaire L 2 (Ω) : ( u, v) L 2 + ( gradp, v) L 2 = ( f, v) L 2. Pour un v donné, c'est équivalent à, avec v Γ = 0 : ( grad u, grad v) L 2 (p, div v) L 2 = ( f, v) L 2. D'où l'équation discrétisée (3.3). Et dans (3.3) on ne retient donc de f que sa partie projetée dans V h, i.e. la fonction discrétisée f h V h donnée par : ( f h, v h ) = ( f, v h ), v h V h. (Méthode d'éléments nis). Le premier terme ( grad u h, grad v h ) L 2 dans (3.3) ne pose pas de problème quand on choisit u h et v h dans le même espace V h : dès qu'on prend une base dans V h (supposé de dimension nie), on prend pour v h les fonctions de base, et les composantes de u h sur cette base sont en bon nombre : il y a autant d'équations que d'inconnues. Par contre, le second terme (p h, div v h ) L 2 va poser de sérieux problèmes. La pression approchée p h ne peut être calculée qu'à l'aide de ce terme (le seul où apparaît p h dans (3.3)). Le problème sous-jacent à résoudre est donc (supposant u h connu) : { trouver ph Q h t.q. : (3.5) (p h, div v h ) L 2 = (g, v h ) L 2, v h V h, où on a posé (g, v h ) L 2 = ( grad u h, grad v h ) L 2 ( f, v h ) L 2. D'où 2 cas : - Cas qui semble favorable : il y a assez de fonctions v h pour qu'il y ait (au moins) autant d'équations que d'inconnues (les composantes de p h dans une base de Q h ). C'est le cas si on prend par exemple V h espace des éléments nis P 2 et Q h espace des éléments nis P. Le fait qu'il y ait trop d'équations n'est pas gênant car pour le problème (3.3), grâce au terme ( grad u h, grad v h ) L 2, la matrice ( A B t ) aura ses lignes indépendantes, et la matrice ( ) A B t B 0 sera inversible. Par contre, ce cas n'est pas toujours aussi favorable qu'il en a l'air : la matrice peut être très mal conditionnée; cela correspond au cas de la condition inf-sup : k h > 0, inf p h Q h (div v h, p h ) L2(Ω) sup v h V h v h H 0 p h L 2 k h, (3.6) avec k h h 0 0. Dans ce cas la matrice, si la matrice est mathématiquement inversible, elle ne l'est plus numériquement. 2- Cas toujours défavorable. Il n'y a pas assez de fonctions v h pour qu'il y ait (au moins) autant d'équations (indépendantes) que d'inconnues. I.e. c'est le cas B T = grad non injectif. On prend par exemple V h espace des éléments nis P et Q h espace des éléments nis P 0 : on obtient un problème sous dimensionné, i.e. il y a plus d'inconnues (les composantes de p h dans une base de Q h ) que d'équations. Donc non unicité de la solution; l'exemple classique est donné par l'instabilité 8 4 août 2006

9 9 3. Exemple : problème de Stokes en cherckerboard (échiquier) donnée en 2-D par les éléments nis Q -continus en vitesse, Q 0 en pression. Analyse pour corriger l'approche et rendre les cas à nouveau favorables. Le problème (3.5) étant linéaire, on commence par regarder le problème homogène : { trouver ph Q h t.q. : (3.7) (p h, div v h ) L 2 = 0, v h V h, i.e. : { trouver p h Q h t.q. : ( gradp h, v h ) L 2 = 0, v h V h. On ne veut pas qu'il y ait des p h 0 qui puissent satisfaire ces équations. Cette analyse nécessite Q h H (Ω) pour que gradp h L 2 (Ω). Ici on ne regarde que les projections de gradp h sur l'espace V h. Quand V h est trop petit, on perd beaucoup d'information sur gradp h : on ne récupère que Π Vh gradp h où Π Vh est l'opérateur de projection de L 2 (Ω) dans V h (opérateur de projection orthogonal pour le produit scalaire (, ) L 2) déni par : f L 2 (Ω), Π Vh f Vh, (Π Vh f, vh ) L 2 déf = ( f, v h ) L 2 v h V h. L'opérateur fautif est ici l'opérateur discrétisé du gradient déni par : { Qh V grad h = (Π Vh grad) h : p h Π Vh gradp h, où (Π Vh gradp h, v h ) L 2 (3.8) déf = ( gradp h, v h ), v h V h. I.e. grad h p h = Π Vh gradp h est la projection orthogonale de gradp h sur V h (relativement au produit scalaire (, ) L 2). Donc on a retenu de gradp h (champ de vecteurs discontinus par exemple dans le cas p h Q h = P -continus) que la partie Π Vh gradp h (champ de vecteurs continus dans le cas V h = (P ) n -continus puisqu'on projette dans V h qui est un espace de fonctions continues). Et, dans le cas P -continu en vitesse et pression, l'opérateur Π Vh de projection sur V h est trop brutal (il tue trop de composantes). Il se trouve que dans le cas P 2 -P -continus en vitesse et pression, l'opérateur Π Vh est sympathique (l'espace V h est susamment grand). 3.3 Cas div h surjectif On note Π Qh : p Q p h = Π Qh p Q h l'opérateur de projection orthogonal sur Q h (pour le produit scalaire (, ) L 2) déni par, si p Q alors p h = Π Qh p Q h est donné par : (p h, q h ) = (p, q h ), q h q h. L'équation (3.7) admet la solution nulle (triviale) pour unique solution ssi l'opérateur : div h = Π Qh div : V h Q h est surjectif : en eet dans ce cas (3.7) implique (p h, q h ) L 2 = 0 pour tout q h et donc pour q h = p h, et donc p h = 0. C'est le sens de la condition inf-sup (3.6) qui doit être satisfaite. De plus, il faut que k h ne s'approche pas de 0 pour avoir un problème bien conditionné : il faut ce qui est appelé la condition inf-sup discrète (N.B. : k ne dépend pas de h) : k > 0, inf p h Q h (div v h, p h ) L2(Ω) sup v h V h v h H 0 p h L 2 k, (3.9) avec k supérieur à la précision machine. N.B. : on travaille ici en dimension nie, et l'espace div h (V h ) = Π Qh (divv h ) est un sous-espace réel de dimension nie dans Q h et est donc un sous-espace fermé. Si div h n'était pas sujectif, alors il existerait un vecteur q 0 Q h (non nul) orthogonal à div h (V h ), ce vecteur vériant (3.7). Sachant que la fonction nulle p h = 0 est solution (trivial), on aurait alors 2 solutions distinctes. On ne pourrait pas dans ce cas avoir l'unicité de la solution en pression. 9 4 août 2006

10 0 3. Exemple : problème de Stokes Exemples où la condition inf-sup discrète (3.9) est satisfaite : Eléments nis continus P 2 P en vitesse et pression, appelés éléments nis de TaylorHood. Voir Bercovier et Pironneau [4]. Eléments nis continus P -bullesp en vitesse et pression, appelés éléments nis minis. Voir Arnold, Brezzi et Fortin []. Eléments nis P 2 -continus en vitesse, P 0 en pression, appelés éléments nis de Crouzeix et Raviart. Eléments nis non conforme P P 0 discontinus en vitesse et pression de CrouzeixRaviart [2] Sinon : une correction par les projections On se place ici dans le cadre div h non surjectif, comme dans le cas éléments nis P en vitesse et pression. On va récupérer l'information perdue par la projection (, ) L 2 (perdue car l'espace V h est ici trop petit). Comme ( gradp h, v h ) L 2 = (Π Vh gradp h, v h ) L 2, de gradp h on dispose uniquement de sa projection Π Vh gradp h : on a perdu gradp h Π Vh gradp h. Il sut de mettre ce terme dans (3.3) pour obtenir : trouver u h V h et p h Q h t.q. : ( grad u h, grad v h ) L 2 (p h, div v h ) L 2 = ( f, v h ) L 2, v h V h, (3.0) (div u h, q h ) L 2 h 2 ( gradp h Π Vh gradp h, gradq h Π Vh gradq h ) L 2 = 0, q h Q h, On a mis un signe - devant (div u h, q h ) L 2 pour avoir un problème symétrique, un signe - devant le terme ajouté pour avoir un problème type pénalisé, et le coecient h 2 (où h est la taille moyenne d'une maille, par exemple h = aire de la maille en 2-D) pour des problèmes de dimensionnement et de convergence optimale (c'est p h qui nous intéresse et qui est contrôlé par son gradient, et on dispose des estimations de type p h h gradp h dans le cas de maillages réguliers). Voir Leborgne [20]. Remarque 3.2 Le problème initial était de trouver un point selle du lagrangien : L( v h, p h ) = 2 grad v h 2 L 2 (p h, div v h ) L 2 (f, v h ) L 2. (3.) Et on a modié ce problème : on cherche maintenant un point selle du lagrangien : L mod ( v h, p h ) = 2 grad v h 2 L (p h, div v 2 h ) L 2 (f, v h ) L 2 2 h2 gradp h Π Vh gradp h 2 L 2. (3.2) Pour des éléments nis P en vitesse et pression, on obtient des résultats de convergence à l'ordre (comme classiquement pour des éléments nis P ). Noter que l'équation (3.0) s'écrit plus simplement : trouver u h V h et p h Q h t.q. : ( grad u h, grad v h ) L 2 (p h, div v h ) L 2 = ( f, v h ) L 2, v h V h, (div u h, q h ) L 2 h 2 ( gradp h Π Vh gradp h, gradq h ) L 2 = 0, q h Q h, (3.3) puisque ( gradp h Π Vh gradp h, w h ) = 0 pour tout w h V h par dénition de la projection, en particulier pour w h = Π Vh gradq h. Il faut cependant calculer une nouvelle inconnues z h = Π Vh gradp h V h, i.e. résoudre : trouver u h, z h V h et p h Q h t.q. : ( grad u h, grad v h ) L 2 (p h, div v h ) L 2 = ( f, v h ) L 2, v h V h, (div u h, q h ) L 2 h 2 ( gradp h z h, gradq h ) L 2 = 0, q h Q h, ( z h, v h ) L 2 ( gradp h, v h ) L 2 = 0, v h V h. (3.4) Mais cette équation nouvelle en z h est presque gratuite avec des éléments nis P en vitesse et pression car la matrice (de masse) relative à l'équation en z h peut être rendue diagonale à l'aide 0 4 août 2006

11 3. Exemple : problème de Stokes de la méthode de mass lumping (matrice de masse rendue diagonale qui donne explicement z h en fonction de gradp h ). 3.5 Méthode de Brezzi et Pitkäranta Une méthode antérieure proposée par Brezzi et Pitkäranta [7] consiste à supprimer Π Vh gradp h, i.e. à pénaliser plus fortement : trouver u h V h et p h Q h t.q. : (3.5) ( grad u h, grad v h ) L 2 (p h, div v h ) L 2 = ( f, v h ) L 2, v h V h, (div u h, q h ) L 2 εh 2 ( gradp h, gradq h ) L 2 = 0, q h Q h, où ε > 0 est petit. La programmation montre cependant une condition aux limites naturelle pour la pression p n = 0 non souhaitée : c'est la condition aux limites attendue pour le terme ( gradp h, gradq h ) L 2 qui est une discrétisation du laplacien ( p, q) L 2 : prendre la formulation continue de (3.5) 2, faire une intégration par parties, et il reste div u + εh 2 p = 0 et p n Γ C'est cette dernière condition qu'on récupère numériquement. Cette condition aux limites = est 0. atténuée dans le cas de la programmation de (3.4). Remarque 3.3 L'intérêt d'une correction de type (3.5) (ou (3.0)) peut se comprendre par exemple en observant les oscillations numériques non contrôlées de la pression (phénomène de type checkerboard) dans le cas P : pour contrôler les variations de pressions, on contrôle son gradient par l'intermédiare de la norme gradq 2 L. Au lieu de considérer le lagragien : 2 L( v, q) = 2 grad u 2 (div v, q) f, dont la dériviation donne (3.) (recherche d'un extremum), on considère le lagrangien pénalisé : L ε ( v, q) = 2 grad u 2 (div v, q) f 2 ε gradq 2. L'extremum de L ε est alors donné par : trouver u V et p Q t.q. : ( grad u, grad v) L 2 (p, div v) L 2 = ( f, v) L 2, v V, (div u, q) L 2 ε( gradp, gradq) L 2 = 0, q Q, (3.6) d'où la discrétisation (3.5) avec ε remplacé par εh 2 pour avoir un résultat de convergence optimale en norme p h L 2 (Ω). 3.6 Méthode de Hughes, Franca et Balestra Cette méthode dite de Galerkin Least-squares [9] consiste à stabiliser à l'aide de l'équation satisfaite par la solution (méthode naturellement consistante) : au lieu de (3.), on considère : L( v, p) = 2 grad v 2 L 2 (Ω) (p, div v) L 2 (Ω) (f, v) L 2 (Ω) ε 2 K h 2 u+ gradp f 2 L 2 (K). (3.7) Cette méthode nécessite une valeur de ε susamment petite pour ne pas détruire l'ellipticité en u (ellipticité du terme ( gradu, gradv) L 2 (Ω) ε k h2 ( u, v) L (K)) : à l'aide de l'inégalité inverse 2 u h L 2 Ch gradu h L 2, u h V h, on supposera donc que 0 < ε < C. Et la méthode est programmée à l'aide de : ( gradu, gradv) L 2 (p, divv) (q, divu) εh 2 ( u + gradp f, v + gradq) L 2 = (f, v) L 2, (3.8) pour tout v et tout q (donc deux équations). Remarque 3.4 Dans le cas V h = P, cette méthode s'apparente à celle de BrezziPitakäranta (il n'y a plus de terme en u et l'analyse de stabilité est la même). 4 août 2006

12 2 3. Exemple : problème de Stokes 3.7 Méthode de Douglas et Wang Cette méthode [3] est inconditionnellement stable, mais non symétrique. Pour ne pas détruire l'ellipticité en u, l'équation (3.8) est modiée : ( gradu, gradv) L 2 (p, divv) (q, divu) εh 2 ( u + gradp f, v + gradq) L 2 = (f, v) L 2, pour tout v et q, où si on préfère (en changeant q en q) : ( gradu, gradv) L 2 (p, divv) + (q, divu) + εh 2 ( u + gradp f, v + gradq) L 2 = (f, v) L 2. (3.9) En particulier, en prenant v=u et q=p, la forme bilinéaire b((u, p), (v, q)) associée vérie b((u, p), (u, p)) = : ( gradu, gradu) L 2 (p, divu) + (p, divu) + εh 2 ( u + gradp, u + gradp) L 2 = gradu 2 L + 2 εh2 u + gradp L 2, et la coercivité en u ne dépend plus de ε>0. Cette méthode est particulière adaptée aux modiciations des équations de Stokes, comme les équations de NavierSotkes, lorsque le problème est de nature non symétrique. Remarque 3.5 Même remarque que remarque La pression : multiplicateur de Lagrange et condition inf-sup 3.8. Multiplicateur de Lagrange L'équation (3.2) fait apparaître p comme un multiplicateur de Lagrange relativement à la contrainte div u = 0. La démarche pour introduire le multiplicateur de Lagrange est similaire à la démarche en dimension nie (voir cours sur les multiplicateurs de Lagrange). Pour sortir du cadre formel et donner un sens aux équations, on a besoin des espaces vectoriels : L 2 (Ω) = {f : Ω R mesurable t.q. Ω f 2 ( x) dω < }, L 2 0(Ω) = {f L 2 (Ω)t.q. Ω f( x) dω = 0 (de moyenne nulle)}, H (Ω) = {f L 2 (Ω) t.q. gradf (L 2 (Ω)) n }, H 0 (Ω) = {f H (Ω) t.q. f Γ = 0}, H0,div0(Ω) = { u (H0 (Ω)) n t.q. div u = 0}, H (Ω) = L(H0 (Ω); R) espace des formes linéaires et continues sur H0 (Ω). Continues sur H0 (Ω) signie continues pour la norme. H qui fait de H0 (Ω) un Hilbert, avec f H = ( f 2 L + gradf 2 L ) 2. On supposera ici Ω ouvert borné dans R n, et on prendra : 2 f H 0 = gradf L 2, qui fait de H0 (Ω) un Hilbert (produit scalaire associé (f, g) H 0 = ( Ici, le problème pour la vitesse est : trouver u H0,div0 (Ω) tel que : Ω grad u : grad v dω = i.e. : trouver u H0,div0 (Ω) tel que : Ω u + f, v H,H 0 = 0, v H 0,div0(Ω). La solution u est donc telle que u + f (H 0,div0 (Ω)) où : gradf, gradg) L 2). f. v dω, v H 0,div0(Ω), (3.20) (H 0,div0(Ω)) = { g H (Ω) n t.q. v H 0,div0(Ω), g, v H,H 0 = 0}. (Orthogonal au sens de la dualité.) 2 4 août 2006

13 3 3. Exemple : problème de Stokes Or on montre que toute fonction g : Ω R de H (Ω) n qui appartient à (H0,div0 est de (Ω)) la forme g = gradp où p L 2 (Ω) (théorème de De Rham, voir GiraultRaviart [5]) : (H 0,div0(Ω)) grad(l 2 (Ω)). (3.2) Il existe donc p L 2 (Ω) (encore appelé multiplicateur de Lagrange) tel que : u + f = gradp, et le problème (3.20) se met sous la forme (3.). Noter que le gradient étant déni à une constante près, on a grad(l 2 (Ω)) = grad(l 2 0(Ω)) La condition inf-sup Et si p L 2 (Ω), on a gradp, v H,H0 = (div v, p) et est nul pour tout L 2 v H 0,div0 grad(l 2 (Ω)) (H0,div0 et donc avec (3.2) : (Ω)) L'opérateur gradient est donc surjectif : (H 0,div0(Ω)) = grad(l 2 (Ω)). grad : L 2 (Ω) (H 0,div0(Ω)) Son noyau étant réduit aux fonctions constantes : surjectif. (Ω). Donc grad : L 2 0(Ω) (H0,div0(Ω)) bijectif. (3.22) En particulier, (H (Ω)) n étant fermé (espace de Banach), grad a son image fermé (c'est un orthogonal dans un Banach) et (3.22) équivaut à (théorème de l'application ouverte, voir Brézis [6] ou cours de troisième année) : I.e. à : I.e. à : k > 0, p L 2 0(Ω), gradp H k p L 2 0 (Ω). (3.23) k > 0, p L 2 0(Ω), sup v gradp, v (H 0 v H,H k p (Ω))n H 0 L 2 0 (Ω). 0 k > 0, inf sup p L 2 0 (Ω) v (H 0 (Ω))n (p, div v) L2 v H 0 p L 2 k. (3.24) C'est LA condition inf-sup. (Pour la démonstration basée sur la compacité, voir Girault Raviart [5] ou cours de troisième année.) Par dualité, l'opérateur div est également surjectif : div : (H 0 (Ω)) n L 2 0(Ω) surjectif. (Car (H 0,div0 (Ω)) (H (Ω)) n et (H (Ω)) n = (H 0 (Ω)) n.) Remarque 3.6 On dit souvent que la condition inf-sup est la condition de surjectivité de l'opérateur divergence. Voir à ce propos le paragraphe 3.3. Remarque 3.7 Identiant L 2 (Ω) à son dual L 2 (Ω) = L(L 2 (Ω), R) grâce au produit scalaire L 2 (Ω) (théorème de représentation de Riesz dans L 2 (Ω)), on obtient également : div : (H 0 (Ω)) n /Ker(div) L 2 0(Ω) isomorphisme hilbertien. 3 4 août 2006

14 4 4. Conditions aux limites de Dirichlet 4 Conditions aux limites de Dirichlet L'article de référence est celui de Babu²ka [2]. Voir également Pitkäranta [24], Stenberg [27], Barbosa et Hughes [3]. 4. Introduction On considère le problème, pour f L 2 (Ω) et u d H 2 (Γ) donnés : trouver u H (Ω) t.q. : u + u = f dans Ω, u Γ = u d sur Γ. Cherchant u u d + H0 (Ω) (espace ane d'espace vectoriel associé H0 (Ω)), la démarche classique consiste à écrire la formulation variationnelle dans H0 (Ω) : { trouver u u d + H0 (Ω) t.q. : (4.2) ( gradu, gradv) L 2 (Ω) + (u, v) L 2 (Ω) = (f, v) L 2 (Ω), v H 0 (Ω). Ici on souhaite imposer la condition aux limites de Dirichlet u Γ = u d à l'aide d'un multiplicateur de Lagrange. On s'intéresse donc formellement au point selle du Lagrangien : (4.) L(u, λ) = 2 gradu 2 L 2 (Ω) + 2 u 2 L 2 (Ω) + (u, λ) L 2 (Γ) (f, u) L 2 (Ω) (u d, λ) L 2 (Γ), (4.3) un éventuel point selle vériant : { ( gradu, gradv) L 2 (Ω) + (u, v) L 2 (Ω) + (v, λ) L 2 (Γ) = (f, v) L 2 (Ω), (u, µ) L 2 (Γ) = (u d, µ) L 2 (Γ), Quand cela a un sens, l'interprétation de ce problème donne (par intégration par parties) : µ. u + u = f dans Ω, u = u d sur Γ, (4.5) λ = u sur n Γ. L'interprétation du multiplicateur de Lagrange apparaît : c'est la force (au signe près) qu'il faut appliquer sur le bord Γ pour que la position u y vale bien u d. Remarque 4. - Le calcul de λ en lui-même peut être important. 2- Cette approche conduit aux problèmes de transmission aux parois traités par la méthode des éléments nis avec joints (mortar nite elements) de Bernardi, Maday et Patera. 4.2 Espaces fonctionnels et condition inf-sup Il s'agit de donner un sens aux problèmes formels (4.3) et (4.4). Pour u H (Ω) on a γ 0 (u) = u Γ H 2 (Γ), et imposer une condition sur u Γ H 2 (Γ) est équivalent à imposer une condition sur les λ(u) = λ, u H 2 (Γ),H R pour tout λ 2 (Γ) (H 2 (Γ)) = H 2 (Γ) (dual topologique de H 2 (Γ)). On cherchera donc : u H (Ω), Le problème formel (4.4) à résoudre devient : λ H 2 (Γ). v, (4.4) trouver (u, λ) H (Ω) H 2 (Γ) t.q. : ( gradu, gradv) L 2 (Ω) + (u, v) L 2 (Ω) + v, λ H 2 (Γ),H = (f, v) 2 (Γ) L 2 (Ω), v H (Ω), (4.6) u, µ H 2 (Γ),H = u d, µ 2 (Γ) H 2 (Γ),H, µ 2 (Γ) H 2 (Γ). 4 4 août 2006

15 5 4. Conditions aux limites de Dirichlet Ce problème est de la forme : où : où γ 0 est l'application trace : trouver (u, λ) V Λ t.q. a(u, v) + b(v, λ) = l (v), v V, b(u, µ) = l 2 (µ), µ Λ, V = H (Ω), Λ = H 2 (Γ), a(u, v) = ( gradu, gradv) L 2 (Ω) + (u, v) L 2 (Ω) b(v, λ) = γ 0 (v), λ H 2 (Γ),H 2 (Γ) l (v) = (f, v) L 2 (Ω), l 2 (µ) = u d, µ H 2 (Γ),H 2 (Γ), γ 0 : { H (Ω) H 2 (Γ) (= (u, v) H (Ω)), noté = v, λ H 2 (Γ),H 2 (Γ), u γ 0 (u) = u Γ. La forme bilinéaire a(, ) est bien continue et coercitive sur H (Ω) (c'est le produit scalaire), et : Théorème 4.2 (Babu²ka) La forme b(, ) vérie la condition inf-sup : k > 0, inf sup λ H 2 (Γ) v H (Ω) v λ b(, v H (Ω) λ H 2 (Γ) (4.7) (4.8) (4.9) ) k, (4.0) et le problème (4.6) est bien posé (existence et unicité de la solution (u, λ) H (Ω) H 2 (Γ), solution qui dépend continûment des données f et u d ). Preuve. (Babu²ka [2]) On veut montrer (relation équivalente à (4.0)) : On xe un λ Λ. On a : k > 0, λ Λ, λ H 2 (Γ) k λ H 2 (Γ) déf = sup z H 2 (Γ) sup v H (Ω) λ, z z H 2 (Γ). γ 0 (v) v H (Ω), λ. (4.) Soit w = w(z) H (Ω) la solution du problème de Dirichlet (le relèvement de z H 2 (Γ) donné par) : { w + w = 0 dans Ω, γ 0 (w) = z sur (4.2) Γ. Ce problème est bien posé dans H (Ω) (application du théorème de Lax-Milgram à la formulation faible), et on a : w H (Ω) C z H 2, (Γ) (4.3) où C est une constante indépendante de z (dépend du domaine Ω supposé borné), voir cours d'éléments nis. Et donc z C w H (Ω) et donc : H 2 (Γ) λ H 2 (Γ) C sup λ, γ 0 (w) w H (Ω) w H (Ω) w+w=0 C sup v H (Ω) γ 0 (v) v H (Ω), λ. (4.4) Et k = C convient. N.B. : en fait, on peut dénir z H 2 (Γ) par déf z H 2 = w(z) (Γ) H (Ω) où w(z) est solution de (4.2), voir cours d'éléments nis. Et ainsi au lieu de (4.3), on a w H (Ω) = z H 2 (Γ), i.e. on peut prendre C =. 5 4 août 2006

16 6 4. Conditions aux limites de Dirichlet Remarque 4.3 Un relèvement w = w(λ) H (Ω) de λ H 2 (Γ) dans H (Ω) donné par la solution de : i.e. par la solution de : w + w = 0 dans Ω, w n = λ sur (4.5) Γ, ( gradw, gradv) L 2 (Ω) + (w, v) L 2 (Ω) = λ, γ 0 (v) Λ,Λ, v H (Ω). (4.6) Ce problème de Neumann est bien posé dans H (Ω) (application du théorème de LaxMilgram) avec (4.6) qui donne immédiatement : w 2 H (Ω) = λ, γ 0(w) Λ,Λ et donc le relèvement w H (Ω) de λ H 2 (Γ) vérie : ( noté = w H (Ω) γ 0 λ H 2 (Γ), Γ λw dγ), puisque γ 0 (w) H 2 (Γ) γ 0 w H (Ω). Si on calcule w, et si pose u 0 = u w H 0 (Ω), le problème (4.6) à résoudre devient, grâce à (4.6) : touver u 0 H 0 (Ω) t.q. : ( gradu 0, gradv) L 2 (Ω) + (u 0, v) L 2 (Ω) = (f, v) L 2 (Ω), d'où u. Remarque 4.4 La forme bilinéaire b(, ) : H (Ω) H 2 (Γ) R est déterminée par b(u, λ) = λ, γ 0 u H 2 (Γ),H 2 (Γ) (et plus simplement si on se restreint aux λ L2 (Γ) par b(u, λ) = Γ λu Γ dγ). On peut alors déterminer γ t 0 le dual de l'opérateur de trace γ 0 : H (Ω) H 2 (Γ). Il est déterminé par γ t 0 : H 2 (Γ) (H (Ω)), pour tout λ H 2 (Γ) et tout v H (Ω) : γ t 0λ, v (H (Ω)),H (Ω) = λ, γ 0 v H 2 (Γ),H 2 (Γ), qui est également noté formellement Ω (γt 0λ) v dω = Γ λ v dγ. Soit maintenant w solution de (4.5) ou de (4.6); on obtient : (γ t 0λ, v) L 2 (Ω) = (w, v) H (Ω), non formel dès que γ t 0λ L 2 (Ω). Cela peut servir de caractérisation de γ t 0. Rem : on sait qu'un élément de (H (Ω)), donc γ t 0λ, est de la forme f 0 + div f où f 0 L 2 (Ω) et f L 2 (Ω) n. 4.3 Problème approché On se donne des espaces éléments nis V h H (Ω) et Λ h H 2 (Γ); dans les applications on prend V h = P k -continues (avec k N ) et Λ h P l (avec l N). Et le problème approché à résoudre (correspondant à (4.6)) est : trouver (u h, λ h ) V h Λ h t.q. : (u h, v h ) H (Ω) + v h, λ h H 2 (Γ),H 2 (Γ) = (f, v h) L 2 (Ω), v h V h, u h, µ h H 2 (Γ),H 2 (Γ) = u d, µ h H 2 (Γ),H 2 (Γ), µ h Λ h. On obtient un problème numérique à résoudre sous la forme (3.4) : ( A B t B 0 ) ( ) u λ. ( f = g (4.7) ). (4.8) 6 4 août 2006

17 7 4. Conditions aux limites de Dirichlet 4.4 Éléments nis P k : non stables L'approche élémentaire consiste à prendre pour Λ h (approximation sur le bord) les traces des éléments de V h : Λ h = Tr(V h ). Et l'opérateur Tr : V h Λ h est donc surjectif. Exemple 4.5 On prend comme maillage sur le bord le maillage de Ω restreint au bord (choix le plus simple). On prend Λ h = P k (Γ) (sur le bord), et en prend V h = P k (Ω) (dans Ω); on a alors Λ h = Tr(V h ). En eet, toute fonction de base dans Λ h est une fonction de base de V h restreinte à Γ. Proposition 4.6 Si on prend des éléments nis V h = P k (Ω) dans Ω, et si on prend des éléments nis λ h = P k (Γ) = γ 0 (P k (Ω)) sur Γ (choix le plus simple), alors on a la condition inf-sup (car surjectivité) : k h > 0, inf λ h Λ h 2 (Γ),H 2 (Γ) γ 0 v h, λ h H sup v V h λ h H v h 2 (Γ) H (Ω) k h. (4.9) Remarque 4.7 Malheureusement, ce choix P k pour V h et Λ h conduit à : k h 0, h 0 (4.20) et le problème devient mal conditionné (instable numériquement). D'où l'article initial de Babu²ka [2]. La vérication numérique est simple, voir annexe et calcul des valeurs singulères de la matrice B. Remarque 4.8 Cf. Pitkäranta [24]. Dans le cadre des éléments nis, à l'aide de l'inégalité inverse (cas d'un maillage quasi-uniforme) : la condition inf-sup (4.9) se comprend : γ > 0, λ h Λ h, h 2 λh L 2 (Γ) γ λ h H 2 (Γ), k h > 0, inf sup λ h Λ h v V h Γ v h λ h dγ k h λ h L 2 (Γ) v h H (Ω) γ h 2, (4.2) plus précisément, si on a (4.2) (condition numériquement vériable), alors on a (4.9). Et pour avoir une condition inf-sup numérique stable (cas k h > k > 0), on s'intéresse à la vérication de (4.2) avec un k h indépendant de h. 4.5 Problème stabilisé 4.5. Barbosa et Hughes (Voir Barbosa et Hughes [3], Pitkäranta [24], Stenberg [27]). On veut utiliser comme maillage sur Γ la trace du maillage T h déni sur Ω. L'idée de Barbosa et Hughes est de stabiliser le multiplicateur de Lagrange λ h à l'aide de sa valeur souhaitée λ h = u h n sur Γ. Pour ce, le lagrangien formel initial (4.3) est transformé en (cf. Stenberg [27]) : L h (u, λ) = L(u, λ) α(h u 2 λ+ n L 2 (Γ)) 2, (4.22) pour α une constante à déterminer. I.e. le problème approché (4.7) est transformé en le problème : trouver (u h, λ h ) V h Λ h t.q. pour tout (v h, µ h ) V h Λ h : (u h, v h ) H (Ω) + v h λ h dγ αh (λ h + u h Γ Γ n ) v h n dγ = (f, v h) L 2 (Ω), u h µ h dγ αh (λ h + u h n )µ h dγ = u d µ h dγ. Γ Γ Et le problème est ainsi transformé en le problème matriciel sous forme pénalisée : ( ) ( ) ( A B t u f. = B αc p g Γ (4.23) ). (4.24) 7 4 août 2006

18 8 4. Conditions aux limites de Dirichlet Théorème 4.9 (Barbosa et Hughes [3], Pitkäranta [24].) On suppose que le maillage T h est quasiuniforme, ou plus précisement qu'il est tel que l'inégalité inverse suivante est satisfaite : C i > 0, v h V h, h 2 v h n L 2 (Γ) C i gradv h L 2 (Ω). (4.25) On suppose dans (4.22) que α est assez petit (pour ne pas détruire la coercivité en u), à savoir : 0 < α < C i. (4.26) Alors le problème approché stabilisé (4.23) est bien posé, et de plus on a l'estimation d'erreur optimale, dès que la solution exacte u H k+ (Ω) : où C est une constante indépendante de h. u u h H (Ω) Ch k u H k+ (Ω), Preuve. Voir Barbosa et Hughes [3] et Stenberg [27]. Remarque 4.0 L'inégalité (4.25) se réécrit : h ( gradv. n) 2 dγ Ci 2 Γ Ω gradv 2 R n dω, et le facteur h est attendu : (h Γ ) a même dimension que ( ), dimension d'un volume. Ω Elimination du multiplicateur : méthode de Nitsche [23] Stenberg [27] a montré que la Méthode de Barbosa et Hughes [3] était équivalente à la méthode plus ancienne de Nitsche [23], dans le cas où Λ h = P 0 (Γ h ) et V h = P (Ω h ) (quand Γ h est la trace de Ω h ) : i.e. trouver u h V h t.q. v h V h : (u h, v h ) H (Ω) u h n, v h Γ v h n, u h u d Γ + γ E E h h E u h u d, v h E = (f, v h ) L 2 (Ω), trouver u h V h t.q. v h V h : (u h, v h ) H (Ω) u h n, v h Γ v h n, u h Γ + γ E E h h E u h, v h E = (f, v h ) L 2 (Ω) v h n, u d Γ + γ E E h h E u d, v h E. (4.27) On retrouve alors u Γ = u d. Cette méthode est plus simple à programmer car sans multiplicateur de Lagrange. Proposition 4. Sous l'hypothèse (4.25), quand γ > C i, le problème (4.27) est bien posé : u u h H (Ω) Ch k u H k+ (Ω), pour une approximation P k quand u H k+ (Ω). Preuve. Voir Stenberg [27]. 8 4 août 2006

19 9 4. Conditions aux limites de Dirichlet Comparaison de la méthode de Nitsche et de la méthode de Barbosa et Hughes : on cherche à éliminer λ h dans (4.23). A partir de (4.23) 2 on obtient : Reporté dans (4.23), on obtient : λ h = Π Λh ( u h n ) + αh (u h u d ). (u h, v h ) H (Ω) Π Λh ( u h Γ n )v h dγ Π Λh ( v h Γ n )u h dγ + u h v h dγ αh Γ u h v h αh( Γ n n Π u h Λ h n Π v h Λ h n dγ) v h = (f, v h ) L2 (Ω) g Π Λh n dγ + gv h dγ, αh Γ On se place alors dans le cas Λ h = P 0 et V h = P : on a alors Π Λh ( u h n ) = u h n. Et on retrouve (4.27). Γ 9 4 août 2006

20 20 5. Locking 5 Locking Le locking est un phénomène très diérent du problème de l'instabilité inf-sup (bien qu'en modiant les équations on puisse se ramener à un problème de multiplicateur de Lagrange et donc d'inf-sup). Le locking intervient quand l'ellipticité numérique explose (alors que l'ellipticité du problème initiale est nie) : dans ce cas, la solution numérique trouvée est proche de la solution identiquement nulle, et le problème numérique est bloqué. 5. Le problème type Soit Ω un ouvert borné de R n. On cherche un champ de vecteurs u : Ω R n et un champ de scalaires p : Ω R qui minimisent sur X = H 0 (Ω) n H 0 (Ω) la fonctionnelle : M( v, q) = 2 grad v 2 L 2 (Ω) + λ 2 v gradq L 2 (Ω) ( f, v) L 2 (Ω) (g, q) L 2 (Ω), (5.) où λ R est très grand (mais xé). Remarque 5. Pour les notations, voir les paragraphes 2.3 et 2.4. Remarque 5.2 A la place de grad v 2 L 2 (Ω) on peut mettre d'importe expression a( v, v) où a(, ) : (H 0 (Ω)) n (H 0 (Ω)) n R est une forme bilinéaire coercitive sur H 0 (Ω), comme c'est le cas pour les équations de MindlinReissner. On a supposé Ω borné, et on dispose donc de l'inégalité de Poincaré : β > 0, z H 0 (Ω), gradz L 2 (Ω) β z L 2 (Ω). (5.2) Et H0 (Ω) est alors muni de sa norme z H 0 (Ω) = gradz L 2 (pour tout z H0 (Ω)). De même pour H0 (Ω) n. On munit X = H0 (Ω) n H0 (Ω) du produit scalaire associé à la norme : ( v, q) X = ( grad v 2 L 2 + gradq 2 L 2) 2. Et il est immédiat que X est un Hilbert. La solution ( u, p) X réalisant le min de M vérie : { (grad u, grad v)l 2 + λ( u gradp, v) L 2 = ( f, v), v H0 (Ω) n, (5.3) λ( u gradp, gradq) L 2 = (g, q), q H (Ω). On va regarder ce problème sous la forme LaxMigram en posant : Φ(( u, p), ( v, q)) = (grad u, grad v) L 2 + λ( u gradp, v et en cherchant ( u, p) X tel que pour tout ( v, q) X on ait (réécriture de (5.3)) : gradq) L 2, (5.4) Φ(( u, p), ( v, q)) = ( f, v) L 2 + (g, q) L 2. (5.5) Proposition 5.3 La forme bilinéaire Φ : X X R coercitive et continue sur X : on a, il existe α Φ > 0 t.q. pour tout ( v, q) X : Φ(( v, q), ( v, q)) α Φ ( v, q) 2 X, où α Φ β et, il existe C > 0, pour tout ( u, p) X et ( v, q) X : au vois de λ =, (5.6) Φ(( u, p), ( v, q)) C ( u, p) X ( v, q) X, où C = O(λ) au vois de λ =. Et le problème (5.5) est bien posé août 2006

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

208. Espaces vectoriels normés. Applications linéaires continues. Exemples.

208. Espaces vectoriels normés. Applications linéaires continues. Exemples. 208. Espaces vectoriels normés. Applications linéaires continues. Exemples. Pierre Lissy May 29, 2010 Dans totue la suite, E désigne un espace vectoriel sur R ou C. 1 Norme. Espace vectoriel normé 1.1

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

19. APPLICATIONS LINÉAIRES

19. APPLICATIONS LINÉAIRES 19. APPLICATIONS LINÉAIRES 1 Dénitions générales. 1. 1 Applications linéaires. On dit qu'une application d'un espace vectoriel E dans un espace vectoriel F est linéaire si elle est compatible avec les

Plus en détail

208 - Espaces vectoriels normés, applications linéaires continues. Exemples

208 - Espaces vectoriels normés, applications linéaires continues. Exemples 208 - Espaces vectoriels normés, applications linéaires continues. Exemples On se xe un corps K = R ou C. Tous les espaces vectoriels considérés auront K comme corps de base. 1 Généralités Remarque. Tout

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

Mesure de compatibilité et application aux problèmes de sous-structuration

Mesure de compatibilité et application aux problèmes de sous-structuration Mesure de compatibilité et application aux problèmes de sous-structuration H. Ben Dhia, E. Balmès LMSS-Mat, École Centrale Paris Grande voie des vignes 92290 Châtenay-Malabry bendhia@mssmat.ecp.fr ; balmes@mssmat.ecp.fr

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie 133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie Pierre Lissy March 8, 2010 On considère un espace vectoriel euclidien de dimension nie n, le produit scalaire sera noté

Plus en détail

Travaux dirigés. Résolution numérique des équations diérentielles ordinaires. Département MIDO année 2013/2014 Master MMDMA

Travaux dirigés. Résolution numérique des équations diérentielles ordinaires. Département MIDO année 2013/2014 Master MMDMA Université Paris-Dauphine Méthodes numériques Département MIDO année 03/04 Master MMDMA Travaux dirigés Résolution numérique des équations diérentielles ordinaires Exercice. Pour α > 0, on considère le

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

202 - Exemples de parties denses et applications

202 - Exemples de parties denses et applications 202 - Exemples de parties denses et applications 1 Généralités et premiers exemples 1.1 Parties denses On xe un espace métrique (X, d). Dénition 1. Soit D X. On dit que D est dense dans X si D = X. Exemple.

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Mathématiques des modèles multi-échelles. Frédéric Legoll et Mathieu Lewin

Mathématiques des modèles multi-échelles. Frédéric Legoll et Mathieu Lewin Mathématiques des modèles multi-échelles Frédéric Legoll et Mathieu Lewin Mars 213 Table des matières Introduction v 1 Rappels et compléments d analyse 1 1.1 Applications linéaires...........................

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½

Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

TD 5- Applications linéaires

TD 5- Applications linéaires TD 5- Applications linéaires Exercice 1. Soit f l'application dénie sur R 2 par f(x, y) = (2x y, 3x + y). 1. Montrer que f est un endomorphisme de R 2. 2. Montrer que f est injective. 3. Montrer que f

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q 1 Codes linéaires Un code de longueur n est une partie de F n q. Un code linéaire C de longueur n sur le corps ni F q est un sous-espace vectoriel de F n q. Par défaut, un code sera supposé linéaire. La

Plus en détail

Méthodes de décomposition de domaine pour des problèmes hétérogènes

Méthodes de décomposition de domaine pour des problèmes hétérogènes Méthodes de décomposition de domaine pour des problèmes hétérogènes SMA - Projet de semestre - Analyse Numérique Sous la direction du Dr. Marco Discacciati Rime Mathias automne 2008 Remerciements Je remercie

Plus en détail

Équations de Navier-Stokes dans des domaines quelconques

Équations de Navier-Stokes dans des domaines quelconques Équations de Navier-Stokes dans des domaines quelconques Sylvie Monniaux Univ. Paul Cézanne Aix-Marseille 3, France Séminaire EDP, Rennes 2008 Sylvie Monniaux (Univ. P. Cézanne) NS dans Ω qcq Rennes, mars

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités PC* Devoir 6: Corrigé 20 202 Partie I : Généralités I.A - Questions préliminaires a b c I.A.) M S M = b l m avec (a, b, c, l, m, t) R 6. c m t Les éléments de S sont les matrices de la forme : M = ae +

Plus en détail

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Chapitre 5 ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Exercice 5.2.1 A l aide de l approche variationnelle démontrer l existence et l unicité de la solution de { u + u = f dans (5.1) u = 0 sur où est

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Scientifique (ECS) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Isométries d'un espace euclidien.

Isométries d'un espace euclidien. Isométries d'un espace euclidien. Dans ce chapitre, le corps des scalaires est R et l'espace (E ; ) est un espace euclidien de dimension finie n. 1. Isométries vectorielles d'un espace euclidien...p.1

Plus en détail

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f Université Lyon 1 Algèbre générale S.P. Groupes III I. Groupe symétrique et géométrie. On se donne un ensemble E (souvent un espace euclidien ou une partie de cet espace) et une bijection f : E E (souvent

Plus en détail

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3.

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3. Algèbre 2 - L1 MIASHS/Lettres-Maths AMIRI Aboubacar UFR MIME, Université Lille 3. 10 avril 2015. Université Lille 3 1 Définitions et notations Quelques matrices particulières Matrice d une famille sur

Plus en détail

Université de Provence, C.M.I. Master de Mathématiques. T.E.R Equations Elliptiques Couplées

Université de Provence, C.M.I. Master de Mathématiques. T.E.R Equations Elliptiques Couplées Université de Provence, C.M.I. Master de Mathématiques T.E.R Equations Elliptiques Couplées Vincent BLAIN, Alain DOURDIL Mars 2005 Table des matières Introduction Outils d Analyse 3. Espaces L p ().............................

Plus en détail

Plan du cours. Espaces métriques. Espaces vectoriels normés

Plan du cours. Espaces métriques. Espaces vectoriels normés L3 Maths, 1 er semestre 20112012 Espaces métriques Plan du cours On suppose connues les propriétés élémentaires des nombres réels et des espaces vectoriels et, uniquement pour les exemples, quelques propriétés

Plus en détail

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Frédéric Messine Introduction Dans ce chapitre, nous allons étudier une application de la dérivation des fonctions de plusieurs variables

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries Chapitre 4 Adjoints Opérateurs auto-adjoints et isométries I. Adjoint : Cas général d une forme { bilinéaire symétrique sesquilinéaire hermitienne On suppose dans tout I que E est un espace vectoriel de

Plus en détail

ANALYSE FONCTIONELLE ET THÉORIE DES OPÉRATEURS. COURS et EXERCICES

ANALYSE FONCTIONELLE ET THÉORIE DES OPÉRATEURS. COURS et EXERCICES MASTER (MATHÉMATIQUES PURES) ANALYSE FONCTIONELLE ET THÉORIE DES OPÉRATEURS COURS et EXERCICES Emmanuel Fricain - 2009-2010 - 2 Table des matières 1 Opérateurs bornés... 7 1.1 Adjoint d une application

Plus en détail

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé LICENCE DE MATHÉMATIQUES FONDAMENTALES Calcul Différentiel et Équations Différentielles D. Azé Université Paul Sabatier Toulouse 2008 Table des matières 1 Généralités sur les espaces normés 3 1.1 Espaces

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes

Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes Notes de cours - Préparation à l agrégation Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes Yannick Privat ENS Cachan Bretagne, CNRS, Univ. Rennes 1, IRMAR,

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en détail

COURS OPTIMISATION. Cours à l ISFA, en M1SAF. Ionel Sorin CIUPERCA

COURS OPTIMISATION. Cours à l ISFA, en M1SAF. Ionel Sorin CIUPERCA COURS OPTIMISATION Cours à l ISFA, en M1SAF Ionel Sorin CIUPERCA 1 Table des matières 1 Introduction 4 1.1 Motivation.................................... 4 1.2 Le problème général d optimisation......................

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

Décomposition de domaine pour un milieu poreux fracturé

Décomposition de domaine pour un milieu poreux fracturé Décomposition de domaine pour un milieu poreux fracturé Laila AMIR 1, Michel KERN 2, Vincent MARTIN 3, Jean E ROBERTS 4 1 INRIA-Rocquencourt, B.P. 105, F-78153 Le Chesnay Cedex Email: laila.amir@inria.fr

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Implémentation de Nouveaux Elements Finis dans Life et Applications

Implémentation de Nouveaux Elements Finis dans Life et Applications 1 Département Informatique et Mathématiques Appliquées Année Universitaire 29-21 Rapport de stage Implémentation de Nouveaux Elements Finis dans Life et Applications Présenté par Abdoulaye Samake M1 Mathématiques

Plus en détail

Master de mathématiques Analyse numérique matricielle

Master de mathématiques Analyse numérique matricielle Master de mathématiques Analyse numérique matricielle 2009 2010 CHAPITRE 1 Méthodes itératives de résolution de systèmes linéaires On veut résoudre un système linéaire Ax = b, où A est une matrice inversible

Plus en détail

Optimisation numérique. Outline. Introduction et exemples. Daniele Di Pietro A.A. 2012-2013. 1 Dénitions et notations

Optimisation numérique. Outline. Introduction et exemples. Daniele Di Pietro A.A. 2012-2013. 1 Dénitions et notations Optimisation numérique Introduction et exemples Daniele Di Pietro A.A. 2012-2013 Outline 1 Dénitions et notations 2 Applications Exemples en recherche opérationnelle Exemples en algèbre linéaire Exemples

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

La méthode des éléments finis et le contrôle des calculs

La méthode des éléments finis et le contrôle des calculs Table des matières Techniques Avancées en Calcul des Structures Cours d option La méthode des éléments finis et le contrôle des calculs J.-P. Pelle ENS - Cachan Master MIS Parcours TACS Année universitaire

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Fonctions de plusieurs variables et changements de variables

Fonctions de plusieurs variables et changements de variables Notes du cours d'équations aux Dérivées Partielles de l'isima, première année http://wwwisimafr/leborgne Fonctions de plusieurs variables et changements de variables Gilles Leborgne juin 006 Table des

Plus en détail

Élu Correspondant le 11 mai 1987, puis Membre le 29 novembre 2005 dans la section de Sciences mécaniques et informatiques

Élu Correspondant le 11 mai 1987, puis Membre le 29 novembre 2005 dans la section de Sciences mécaniques et informatiques Roland Glowinski Élu Correspondant le 11 mai 1987, puis Membre le 29 novembre 2005 dans la section de Sciences mécaniques et informatiques Roland Glowinski, né le 9 mars 1937, ancien élève de l École polytechnique

Plus en détail

Opérateurs non-bornés

Opérateurs non-bornés Master Mathématiques Analyse spectrale Chapitre 4. Opérateurs non-bornés 1 Domaine, graphe et fermeture Soit H un espace de Hilbert. On rappelle que H H est l espace de Hilbert H H muni du produit scalaire

Plus en détail

TD 2 Exercice 1. Un bûcheron a 100 hectares de bois de feuillus. Couper un hectare de bois et laisser la zone se régénérer naturellement coûte 10 kf par hectares, et rapporte 50 kf. Alternativement, couper

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6 Table des matières -1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes.......................................... 5 2 Anneaux.......................................... 5 3 Corps...........................................

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

1 Formalisme de la Mécanique Quantique

1 Formalisme de la Mécanique Quantique Théorie Spectrale et Mécanique Quantique Christian Gérard Département de Mathématiques, Bât. 425 UMR 8628 du CNRS Université de Paris-Sud F-91405 Orsay Cédex FRANCE email : Christian.Gerard@math.u-psud.fr

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R 2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications

Plus en détail

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 Voici une fiche contenant 100 exercices de difficulté raisonable, plutôt techniques, qui recouvrent l ensemble du programme étudié cette année. A raison

Plus en détail

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m 1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.

Plus en détail

Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse. Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs

Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse. Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs Marie Hélène Vignal Université Paul Sabatier, UPS,

Plus en détail

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27 Table des matières 1 Calcul matriciel 3 11 Dénitions et propriétés 3 12 Opérations sur les matrices 4 121 Addition 4 122 Multiplication par un scalaire 5 123 Multiplication des matrices 5 13 Matrices élémentaires

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U CHAPITRE V FIBRÉS VECTORIELS 1. Fibrés vectoriels 1. Cartes et atlas vectoriels Soit B une variété différentielle. Considérons un B -ensemble, c est à-dire un ensemble M muni d une application p : M B.

Plus en détail

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali LUISS, Libera Università Internazionale degli Studi Sociali Université Paris 13 Laboratoire Analyse, Géométrie et Applications UMR 7539 GOUTTE Analyse Statistique des Données Cours 4 Master 2 EID goutte@math.univ-paris13.fr

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

Plus en détail