Les bifurcations de l application logistique
|
|
- Xavier Cousineau
- il y a 8 ans
- Total affichages :
Transcription
1 Les bifurcations de l application logistique Seigneur Agathe sous la direction de Rechtman Ana Septembre 01 1
2 Table des matières Introduction 3 1 Historique de l application logistique 4 Conjugaison topologique 6.1 Définition Points fixes et orbites périodiques Conjugaison topologique de g a et f c Bifurcations Définition et propriétés Bifurcations et points fixes de f c Bifurcations et points fixes de g a Classification des bifurcations Bifurcation selle-nœud Bifurcation par doublement de la période Diagramme de bifurcation Le point et la constante de Feigenbaum Points fixes super attractifs et point de Feigenbaum La constante de Feigenbaum Calcul de la constante de Feigenbaum Au-delà du point de Feigenbaum Adresses du diagramme de bifurcation et comportement de g s Le diagramme de bifurcation au point de Feigenbaum L auto-similarité du diagramme de bifurcation Bibliographie 49
3 Introduction L application logistique est l application g a qui à x associe ax(1 x) avec a [0, 4]. Elle est définie sur l intervalle [0, 1] et prend ses valeurs dans [0, 1]. L ensemble de départ et l ensemble d arrivée sont identiques, l application logistique peut donc être itérée, c est-à-dire être appliquée plusieurs fois de suite. Cela permet de définir par récurrence la suite (u n ) N définie par u 0 [0, 1] et u n+1 = g a (u n ). Cette suite permet entre autres de prévoir l évolution des populations. Nous développerons, dans une première partie, l utilisation de l application logistique ainsi que son historique. Cette application est un système dynamique dont la particularité est de dépendre d un paramètre a. C est donc tout naturellement que nous étudions g a en fonction de a. Afin de simplifier cette étude, il nous semble utile d introduire une fonction équivalente à g a, ce qui nous amènera à aborder, dans une deuxième partie, la notion de conjugaison topologique. Nous remarquons ensuite que pour des valeurs de a particulières, l application logistique change de dynamique. La recherche de ces valeurs appelées bifurcations constituera la troisième partie de notre travail. Leur classification et la définition du diagramme de bifurcations seront l objet de la réflexion suivante. L étude de ce diagramme dans la cinquième section, nous fera découvrir alors deux nouveaux objets mathématiques : le point et la constante de Feigenbaum. Enfin, nous terminerons sur l étude du diagramme de bifurcation au point de Feigenbaum ainsi que sur l auto-similarité de ce diagramme. Avant toutes choses, afin d éviter toute ambiguïté dans la notation, il est nécessaire de préciser que f n représente la n-ième itérée d une application f. 3
4 1 Historique de l application logistique L application logistique g a = ax(1 x) a pour principal intérêt la modélisation de l évolution des populations. Elle a été proposée en 1838 par Pierre François Verhulst, mathématicien belge ( ), afin de modéliser de manière non exponentielle l évolution des populations. Ce nouveau modèle vient en réaction au modèle de Thomas Malthus (économiste britannique ) qui prévoit une croissance exponentielle de la population. En effet, pour Malthus, chaque année, la population augmente dans un rapport fixe : u n+1 = ru n où u n représente la population de l année n et r le taux de croissance de la population. La fonction associée à cette suite est : f(x) = rx. Ce modèle exponentiel prévoit donc une évolution infinie de la population et par conséquent, correspond mal à la réalité. Effectivement, aucun frein à l évolution (pénurie de nourriture, maladie) n est pris en compte. La correction du modèle de Malthus s impose alors en prenant en compte ces freins. C est ainsi que le modèle de Verhulst se base sur la nourriture disponible. Cela introduit une population maximum P qui est atteinte lorsque toute la nourriture est épuisée. Si une année, la population est égale à P, l année suivante la population est nulle. Cette situation se modélise par : u n+1 = ru n (P u n ) où la fonction associée est g(x) = rx(p x). Le facteur rx représente l augmentation de la population tandis que (P x) correspond à sa diminution due à des facteurs extérieurs. Cette dernière expression peut être simplifiée. Elle s écrit alors g(x) = rxp (1 x P ). En posant y = x P, on obtient : g(y) = ryp (1 y) = ay(1 y), avec a = rp. La population doit être ainsi assimilée à un nombre compris entre 0 et 1, où 0 correspond à son extinction et 1 à son maximum. De plus, la population maximale est égale à g( 1 ) = a 4. Ainis, 0 a 4 1, soit 0 a 4. L application g définie par g(y) = ay(1 y) a [0, 4] est l application logistique qui prend ses valeurs dans l intervalle [0, 1] et qui est à valeur dans [0, 1]. Après sa découverte par Pierre François Verhulst, l application logistique a été oubliée jusqu au début du XX-ième siècle. Des mathématiciens biologistes, dans les années 190, travaillent sur l évolution de différentes populations animales et constatent que les populations évoluent différemment d une espèce à l autre : certaines se stabilisent tandis que d autres suivent des cycles réguliers et enfin d autres fluctuent de manière aléatoire. De quoi dépend cette évolution? L application logistique réapparait alors pour tenter de répondre à cette question. Toujours dans le même but, dans les années 1970, James Yorke (mathématicien américain) et Robert May (physicien australien), tous deux écologistes, vont trouver la réponse. Pour eux, l évolution de chaque population animale se calcule à l aide de l application logistique g(y) = ay(1 y) et dépend de la valeur de a. En effet, pour certaines valeurs de a, le comportement de l application change de 4
5 manière significative. Plus tard, ces paramètres sont appelés bifurcations. Pour plus de clarté, May compile ses résultats dans un graphique, c est le début du diagramme de bifurcation. Il remarque que jusqu à un certain point, la population converge vers une valeur, puis deux, puis quatre, etc. Au delà de ce point, ce comportement prévisible s arrête, c est le chaos. Par ailleurs, à la même période, Mitchell Feigenbaum, physicien, s intéresse à son tour à l application logistique dans le cadre de recherche sur la turbulence. Dans un premier temps, il fait les mêmes constatations que Robert May : il existe des valeurs de a pour lesquelles le comportement de l application logistique change. Puis durant l été 1975, il assiste à une conférence sur la transition entre la périodicité et le chaos qui le pousse à étudier l application logistique sous un angle différent. Il admet les bifurcations et il se concentre sur la distance entre deux bifurcations successives. Il remarque alors que le rapport de deux distances successives converge. Il reprend son étude sur d autres applications dépendant d un paramètre et constate que le rapport entre deux périodes converge toujours vers le même nombre. C est la découverte de la constante de Feigenbaum. Finalement, dans les années 1980, la théorie du chaos et la constante de Feigenbaum se retrouvent dans des systèmes physiques notamment en hydrodynamique, en électronique, en acoustique. 5
6 Conjugaison topologique Afin d analyser l application logistique g a, il nous semble utile d introduire une fonction dont l étude est plus simple. Dans ce but, avant toute chose, il est nécessaire de définir la notion de conjugaison topologique..1 Définition Définition.1 Soient X et Y deux espaces topologiques et soient f : X X et g : Y Y deux applications continues. Les applications f et g sont topologiquement conjuguées s il existe un homéomorphisme Φ : Y X tel que f Φ = Φ g L homéomorphisme Φ peut être assimilé à un changement de variables. Les applications f et g jouent les rôles de deux matrices semblables A et B. Tout comme dans le cas des matrices, les applications f et g ont les mêmes propriétés dynamiques, énoncées par la suite. Deux applications topologiquement conjuguées ont donc le même comportement. Elles ont, entres autres, le même nombre de points fixes et d orbites périodiques.. Points fixes et orbites périodiques Définition. Un point fixe d une application f est un point invariant par f, c est-à-dire un point p tel que f(p) = p. L ensemble des points fixes est composé, entre autres, de points fixes attractifs et de points fixes répulsifs. Définition.3 Un point fixe attractif (ou stable) de f est un point fixe p de f tel qu il existe un voisinage de p tel que pour tout u 0 dans ce voisinage la suite (u n ) N, définie par u 0 et u n+1 = f(u n ), converge vers p. Proposition.4 Soient I un intervalle et f : I I une application de classe C 1 admettant un point fixe p. Si f (p) < 1, alors p est attractif. Démonstration. Par hypothèse, nous avons : f (p) = lim u 0 p f(p) f(u 0) p u 0 < 1. Pour u 0 suffisamment proche de p, on a f(p) f(u 0 ) < p u 0. Comme p est fixe, nous obtenons p f(u 0 ) < p u 0. Pour un u 0 proche de p, f(u 0 ) est encore plus proche de p. En répétant cet argument, f (u 0 ) sera encore plus proche de p, etc. Ainsi, la suite (u n ) N, définie par u 0 et u n+1 = f(u n ), converge vers p. Le point p est donc attractif. Au contraire, un point fixe peut être répulsif. 6
7 Définition.5 Un point fixe p de f est répulsif (ou instable) si : x 0 ɛ tel que si p x 0 < ɛ alors p f(x 0 ) >> 0. Proposition.6 Soit f : I I une application C 1 admettant un point fixe p. Si f (p) > 1, alors p est répulsif. La démonstration de cette propriété est une adaptation évidente de celle de la proposition.4. Remarque.7 Si f = 1, nous ne pouvons pas conclure quant à la nature du point fixe. De plus, un point fixe ni attractif, ni répulsif est dit neutre. Pour résumer, un point fixe p est attractif si la suite (f n (x)) N, x dans un voisinage de p, converge vers p tandis qu il est répulsif si cette suite s en éloigne. Cependant, on remarque que la suite (f n (x)) N ne converge pas nécessairement vers un seul point mais peut osciller entre deux ou plusieurs valeurs. On parle alors d orbites périodiques. Définition.8 Lorsque la suite (f n (x)) N oscille entre n valeurs, on dit que f a une orbite périodique de période n. Cela signifie que la suite de points u 0, u 1,..., u n 1, définie par tous les u i sont différents et f(u i ) = u i+1 pour i 0,..., n 1 avec les indices pris modulo n, vérifie f n (u i ) = u i, i. Ainsi, les n éléments d une orbite de période n correspondent aux points fixes propres de f n, c est-à-dire les points fixes qui ne sont fixes que pour f n. Comme les points fixes peuvent être attractifs ou répulsifs, une orbite périodique est soit attractive soit répulsive. Si u i, i = 0, 1,..., n sont les n points fixes de f n et si (f n ) (u i ) < 1, i, alors f a une orbite périodique attractive de période n. En revanche, si (f n ) (u i ) > 1, i, l orbite périodique est répulsive. Nous ne pouvons pas conclure si (f n ) (u i ) = 1, i..3 Conjugaison topologique de g a et f c Nous introduisons désormais l application f c définie par [ f c : a, a ] [ a, a ] x x + c, avec c R qui est topologiquement conjuguée à l application g a définie par g a : [0, 1] [0, 1] x ax(1 x), avec a [0, 4]. Cette nouvelle application va ainsi nous permettre une étude plus simple par la suite. 7
8 Proposition.9 Considérons pour un c R donné, l application f c définie par : [ f c : a, a ] [ a, a ] x x + c Les applications g a et f c sont topologiquement conjuguées par l homéomorphisme Φ défini par : [ Φ : [0, 1] a, a ] x a (1 x). Les paramètres a et c sont liés par : c = a (1 a ). Démonstration. Soit Φ : [0, 1] I où I est un intervalle. D après la définition de conjugaison topologique, et comme g a et f c sont continues, nous cherchons Φ : [0, 1] I tel que f c Φ = Φ g a. Posons Φ(x) = a (1 x). f c Φ(x) = f c ( a (1 x) ) = ( a (1 x) ) + c = a 4 ( 1 4x + 4x ) + c = a 4 a x + a x + c; Φ g a (x) = Φ (ax(1 x)) = a (1 ax(1 x)) = a a x + a x ; D où a 4 a x + a x + c = a a x + a x c = a a 4 c = a ( 1 a ). Ainsi, pour c = a (1 a ), l homéomorphisme Φ défini de [0, 1] dans I par 8
9 x a (1 x) conjugue les applications f c et g a. De plus, I = Φ([0, 1]). Comme Φ(0) = a et Φ(1) = a, nous obtenons I = [ a, a ]. Remarque.10 L application Φ est non seulement un homéomorphisme mais c est aussi un difféomorphisme. Les comportements de g a et f c sont ainsi identiques ce que nous décrivons dans les propositions suivantes. Proposition.11 Si x est un point fixe de g a, alors Φ(x) est un point fixe de f c. Démonstration. Comme f c et g a sont topologiquement conjuguées nous avons f c Φ(x) = Φ g a (x). Comme x est fixe pour g a, nous obtenons : f c Φ(x) = Φ(x). Ainsi, Φ(x) est fixe pour f c. Proposition.1 Les points fixes de g a et f c sont de même nature. Démonstration. Soit x un point fixe de g a. D après la proposition précédente, Φ(x) est un point fixe de f c. Nous avons f c Φ(x) = Φ g a (x). Comme nous l avons remarqué précédemment, Φ est un difféomorphisme ce qui nous permet d obtenir : Φ (x).f c(φ(x)) = g a(x).φ (g a (x)). Comme x est fixe pour g a nous obtenons : Φ (x).f c(φ(x)) = g a(x).φ (x) f c(φ(x)) = g a(x). Les propositions.4 et.6 permettent de conclure que Φ(x) et x sont de même nature. Ces deux propositions se généralisent évidemment et facilement. Deux applications topologiquement conjuguées ont le même nombre de points fixes et ces points fixes sont de même nature. 9
10 3 Bifurcations Désormais, nous ne considérons plus g a et f c comme de simples applications mais comme des familles d applications dépendant d un paramètre. Les variations de ce dernier vont entraîner une modification significative de la dynamique des applications, ce qui donne naissance à des bifurcations. Ici, nous nous intéressons aux paramètres a [0, 4] et c [, 1 4 ]. 3.1 Définition et propriétés Définition 3.1 Une famille d applications F c : X X dépendant d un paramètre c admet une bifurcation en c 0 si pour tout ɛ > 0, il existe c appartenant à (c 0 ɛ, c 0 + ɛ) tel que F c et F c0 ne sont pas topologiquement conjuguées. En d autres termes, une bifurcation apparait lorsqu une légère modification de la valeur du paramètre entraîne un changement du comportement de l application. Proposition 3. Soient X un espace topologique et F c : X X une famille d application dépendant d un paramètre. L ensemble B des valeurs des bifurcations de F c est un fermé. Démonstration. Afin de montrer que B est un fermé, montrons que son complémentaire est un ouvert. B C = { ensemble des valeurs c pour lesquelles F c n a pas de bifurcations } Soit c B C, d après la définition d une bifurcation, il existe un voisinage ouvert V de c où F c n a pas de bifurcations. Pour tout c de B C, V est donc contenu dans B C. Ainsi, B C est un ouvert. Deux applications topologiquement conjuguées ont, comme déjà évoqué dans la partie précédente, le même nombre de points fixes et d orbites périodiques. De plus, la nature de ces points et de ces orbites est identique. Ainsi, la naissance et le changement de nature d un point fixe ou d une orbite périodique engendrent une bifurcation. Etudions maintenant le critère d apparition d une bifurcation pour l application f c définie précédemment. Ce critère se généralise à d autres familles d applications dépendant d un paramètre, mais nous nous contentons de le démontrer pour f c. Proposition 3.3 L application f c a une bifurcation en c 0 si et seulement si il existe un point fixe p de f c0 tel que f c 0 (p) = ±1. Afin de démontrer cette proposition, nous avons besoin d introduire la norme C 1 sur l espace des fonctions continues et différentiables. Soient I un intervalle fermé et f : I I une fonction continue. Comme f est bornée, la norme infinie est une norme naturelle : f L (I) := sup{ f(x), x I}. 10
11 Supposons désormais que f est également différentiable. La norme infinie n est plus adaptée. En effet, une série de fonctions continues et différentiables peut, avec cette norme, converger vers une fonction non différentiable. Nous introduisons ainsi la norme C 1 : f C1 (I) := f L (I) + f L (I). Nous pouvons maintenant démontrer la proposition 3.3. Démonstration. Si f c a une bifurcation en c 0, alors il existe un point fixe p de f c0 tel que f c 0 (p) = ±1. Nous allons montrer cette implication par contraposée : Si tout point fixe p de f c0 est tel que f c 0 (p) ±1 ; alors c 0 n est pas une bifurcation. Soit p tel que f c0 (p) = p et f c 0 (p) ±1. Soit c proche de c 0, c [c 0 ɛ, c 0 + ɛ] pour ɛ > 0. Nous calculons dans un premier temps, la norme C 1 de l application f c0 f c. f c0 (x) f c (x) = x + c 0 x c = c 0 c On a donc : f c 0 (x) f c(x) = x x = 0 f c0 f c C 1 (I) = f c0 f c L (I) + f c 0 f c L (I) = c 0 c. Or, c est proche de c 0. Donc f c0 f c C 1 < ɛ. Les applications f c0 et f c sont C 1 proches. Cela signifie que non seulement f c0 et f c sont proches, mais que leurs dérivées le sont également. Comme f c0 et f c sont C 1 proches et que f c 0 ±1 est une condition ouverte, il existe q proche de p tel que f c(q) et f c 0 (p) soient proches. Les applications f c et f c 0 ont donc le même comportement pour les points fixes : f c(q) ±1. Il reste à montrer que f c et f c0 ont le même comportement, c est-à-dire que f c (q) = q. Comme q est proche de p, montrer qu il existe q tel que f c (q) = q revient à montrer qu il existe x suffisamment petit tel que f c (p x) = p x. Or, nous avons : f c0 (p) f c (p x) = p + c 0 (p x) c = p + c 0 p + px x c = c 0 + px x c. Nous cherchons x tel que f c0 (p) f c (p x) = p (p x) = x. Nous obtenons alors l équation suivante : c 0 + px x c = x x + (p 1)x + c 0 c = 0. = (p 1) + 4(c 0 c) 11
12 Comme c 0 est proche de c, est positif. Ainsi, les solutions sont x = (1 p) ± (p 1) + 4(c 0 c) = p 1 ± 4p 4p c 0 4c. Or, c est proche de c 0, donc 4c est proche de 4c 0 et 4c 0 4c est proche de 0. Nous obtenons x p 1± (p 1), x = 0 ou x = p 1. En considérant x = 0, nous avons trouvé un x suffisamment petit tel que f c0 (p) f c (p x) = x ; soit f c (p x) = p x. Nous avons ainsi démontré que pour tout point fixe p de f c0 tel que f c 0 (p) ±1, et pour tout c dans (c 0 ɛ, c 0 + ɛ), f c a le même comportement vis à vis des points fixes que f c0. Les applications f c et f c0 sont topologiquement conjuguées, c 0 n est donc pas une bifurcation. Il nous reste à démontrer l implication inverse de la proposition 3.3 : s il existe un point fixe p de f c0 tel que f c 0 (p) = ±1, alors c 0 est une bifurcation. Soit p tel que f c0 (p) = p et f c 0 (p) = ±1. Soit c [c 0 ɛ, c 0 + ɛ]. Comme déjà montré précédemment, f c et f c0 sont C 1 proches. Il existe donc q tel que f c (q) = q. De même, f c et f c 0 sont proches. Mais, comme f c 0 = ±1 est une condition fermée, f c 0 (q) sera proche de 1 ou de 1 mais ne sera pas égale à ces deux valeurs (En effet, f c(p) = p = ±1 et f c(q) = q, q n étant pas égal à p (q = p x, x 0), f c(q) ±1). Ces deux applications ont donc des comportements différents, elles ne sont pas topologiquement conjuguées. L application f c admet donc une bifurcation en c 0. Nous pouvons désormais nous intéresser aux différentes bifurcations de f c. 3. Bifurcations et points fixes de f c Proposition 3.4 L application f c admet une première bifurcation en 1 4 deuxième en 3 4. et une Démonstration. Nous allons tout d abord chercher les points fixes de f c. f c (x) = x + c = x x x + c = 0 = 1 4c Si c > 1 4, il n y a pas de solutions, donc pas de points fixes. Si c = 1 4, il y a une solution, donc un point fixe : p = 1. Si c < 1 4, il y a deux solutions, donc deux points fixes : p 1 = 1 1 4c 1
13 et p = c. Ainsi, pour c ( 1 4 ɛ, ɛ), f 1 et f c n ont pas le même nombre de points fixes. 4 Elles ne sont pas topologiquement conjuguées. Il y a donc une bifurcation en 1 4. Regardons la stabilité des points fixes pour c < 1 4. f c(x) = x f c(p ) = c > 1 Le point fixe p est répulsif pour toutes les valeurs de c < 1 4. Par ailleurs, p 1 est un point fixe attractif si : f c(p 1 ) = 1 1 4c < 1 1 < 1 1 4c < 1 < 1 4c < 0 4 > 1 4c > 0 3 > 4c > < c < 1 4 Le point fixe p 1 est alors attractif pour 3 4 < c < 1 4, il est répulsif pour c < 3 4. Le point fixe p 1 change de nature en 3 4, il y a donc une bifurcation en c = 3 4. Ceci est d autant plus vérifié par le critère précédent. En effet, f 3 4 (p 1 ) = 1. Décrivons maintenant le comportement pour 3 4 < c < 1 4 de la suite (u n) N définie par u n+1 = f c (u n ) et u 0 R. Proposition 3.5 [Dynamique de f c pour 3 4 < c < 1 4 ] 1. Les points p 1 et p sont fixes.. Le point p est envoyé sur p. Considérons maintenant la suite (u n ) N définie par u n+1 = f c (u n ) et u 0 R, et l intervalle I = [ p, p ]. 3. Si u 0 n appartient pas à I, la suite (u n ) N diverge. 4. Si u 0 est à l intérieur de I, la suite (u n ) N converge vers p 1. 13
14 Illustrons cette propriété par un exemple. Nous considérons l application f c pour c = 1 4. Ainsi, p 1 = 1 0, et p = 1+ 1,. Figure 1 Points fixes de l application f
15 Figure Divergence de la suite (u n ) N, u n+1 = f 1 4 (u n) et u 0 = 1, 3 Figure 3 Convergence de la suite (u n ) N, u n+1 = f 1 4 (u n) et u 0 = 0, 4 15
16 Sur ces trois figures, est représentée l application f c pour c = 1 4. Les points fixes de cette application correspondent aux points d intersection de la bissectrice y = x avec le graphe de f c. La suite (u n ) N, précédemment définie, est construite par récurrence à l aide de la bissectrice y = x. La figure 1 illustre bien les points 1 et de la proposition, la figure le point 3 et la figure 3 le point 4. Démonstration. avons : 1. D après la démonstration de la proposition, 3.4, nous f c (p ) = p, f c (p 1 ) = p 1.. f c ( p ) = ( p ) + c = p + c = f c (p ) = p 3. Nous voulons montrer que si x > p, f n c (x). Si x < p Sur ], 0], f c est décroissante, d où Il suffit donc de regarder le cas x > p. f c (x) > f c ( p ) f c (x) > p. f n c (x) f c (x) p > x p f c(x) p x p > 1 x p x p > 1 x + p > 1 Or, on a : x > p > 1. Donc x + p > 1. Dés que x > p, f n c (x). 4. Nous voulons montrer que si x ( p, p ), alors f n c (x) p 1. Ceci est prouvé dès lors que f c (x) p 1 < x p 1 et que f c (x) ( p, p ). Or, nous avons : f c (x) p 1 < x p 1 f c(x) p 1 < 1 x p 1 x p 1 < 1 x p 1 x + p 1 < 1 16
17 L inégalité de gauche donne : 1 < x + p 1 < 1. et celle de droite donne : p 3 = c x < 1 p 1 = p. = 1 p 1 < x, Remarquons tout d abord, que p 3 est négatif pour 3 4 < c < 1 4. En effet, 3 4 < c 3 > 4c 4 > 1 4c > 1 4c 1 > c 0 > 1 > c = p 3. Il faut ensuite distinguer deux cas. Le premier est pour c 0. Ainsi, p p 3. Soit x ( p, p 3 ] : p < x p 3 Comme l application f c est décroissante sur ], 0], nous obtenons : p + c > x + c p 3 + c. De plus, p est un point fixe de f c et p 3 + c p 3. D où, p 3 f c (x) < p, f c (x) [p 3, p ). En réitérant cet argument, pour les itérations de f suivantes, nous obtenons que fc n (x) = fc n 1 (f c (x)) converge vers p 1 pour x ( p, p ). Considérons le deuxième cas : c > 0, donc p 3 < p. Si x (p 3, p ], alors p 3 + c x + c > p, donc, f c (x) > p. Comme démontré dans le point 3, f n c (x) diverge. Le cas x [p 3, p ) pour c > 0 est donc à exclure. En revanche, si x ( p, p ), alors f n c (x) converge vers p 1 Proposition 3.6 L application f c a une troisième bifurcation en
18 Démonstration. Le point fixe p 1 change de stabilité en 3 4. Or, le changement de stabilité d un point fixe donne naissance à une orbite périodique. Nous nous intéressons donc aux points fixes de fc pour c < 3 4. f c (x) = (x + c) + c (x + c) + c = x x 4 + cx x + c + c = 0 (1) Or, p 1 et p sont solutions car ils sont fixes pour f c et donc aussi pour f c. De plus, nous avons : (x p 1 )(x p ) = x x + c. Nous pouvons ainsi factoriser l expression 1 : x 4 + cx x + c + c = (x x + c)(x + x + c + 1). Chercher les points fixes de f c revient à résoudre x + x + c + 1 = 0. Le discriminant de cette équation est : = 3 4c. Pour c < 3 4, il y a donc deux solutions : et q 1 = 1 3 4c q = c. Les points q 1 et q sont fixes pour f c. L application f c a une orbite périodique de période pour c < 3 4. Afin de chercher la troisième bifurcation de f c, nous allons utiliser le critère de la proposition 3.3. (f c ) (q 1 ) = f c(q 1 )f c(f c (q 1 )) (f c )(q 1 ) = ( ) 1 3 4c + c = c 3 4c 4 = + 3 4c 4 = c = q. + c 18
19 D où, (f c ) (q 1 ) = f c(q 1 )f c(q ) = ( 1 3 4c)( c) = 4 + 4c. De même, (f c ) (q ) = 4 + 4c. Ainsi, nous avons : (f c ) (q 1 ) = (f c ) (q ) = 4 + 4c. Or, d après la proposition 3.3, c est un bifurcation si et seulement si 4 + 4c = 1, soit c = 5 4. Il y a donc une bifurcation en 5 4. Comme pour les bifurcations précédentes, nous décrivons dans la proposition suivante, que nous ne démontrons pas, la dynamique de f c pour 5 4 < c < 3 4. Proposition 3.7 [Dynamique de f c pour 5 4 < c < 3 4 ] 1. Les points p 1 et p sont fixes.. Le point p est envoyé sur p, q 1 sur q et q sur q 1. L application f c a une orbite périodique de période. Considérons maintenant la suite (u n ) N définie par u n+1 = f c (u n ) et u 0 R, et l intervalle I = [ p, p ]. 3. Si u 0 est à l intérieur de I, (u n ) N tend vers l orbite périodique de période. 4. Si u 0 n appartient pas à I, (u n ) N diverge. Les figures ci-après illustrent les points 3 et 4 de cette proposition et représentent l application f c pour c = 1. Ainsi, p 1 = 1 5 0, 6, p = , 6, q 1 = 1 et q = 0. 19
20 Figure 4 Convergence vers une orbite de période de la suite (u n ) N, u n+1 = f 5 (u n) et u 0 = 0, 6 Figure 5 Divergence de la suite (u n ) N, u n+1 = f 5 (u n) et u 0 = 1, 7 La figure 4 montre que la suite (u n ) N oscille entre q 1 et q pour u 0 = 0, 6 dans I tandis que la figure 5 montre que (u n ) N diverge pour u 0 = 1, 7 à l extérieur de I. Nous connaissons désormais les premières bifurcations de f c. Comme f c et g a sont topologiquement conjuguées, nous pouvons facilement en déduire les bifurcations de l application logistique. 0
21 3.3 Bifurcations et points fixes de g a Les applications g a et f c étant conjuguées par le difféomorphisme Φ défini dans la partie précédente, nous retrouvons les bifurcations de g a grâce à celles de f c et à la relation c = a (1 a ). L application f c a une première bifurcation en 1 4, cherchons alors la première bifurcation de g a. c = 1 4 a ( 1 a ) = a + a = 0 (a 1) = 0 a = 1 La première bifurcation de g a est donc 1. De même, on obtient : Bifurcations f c g a Première Deuxième Troisième 5 4 3,44 De plus, les comportements de g a et f c sont identiques. Pour 3 4 < c < 1 4, les itérées de l application f c commençant dans l intervalle [ p, p ] convergent vers p 1. Or, [ p, p ] = [ a, a ] et f c et g a sont topologiquement conjuguées sur [ a, a ]. Donc, pour 1 < a < 3, les itérées de g a convergent vers un point fixe. De même, pour 5 4 < c < 3 4 et donc pour 3 < a < 3, 44, les itérées de g a sont proches d une orbite de période. Notons que 0 et p a = a 1 a sont les points fixes de g a. A la différence de f c, g a a toujours un point fixe, c est 0. Regardons graphiquement le comportement de g a. Tout d abord, pour a = 1, 5 ; c est-à-dire 1 < a < 3, la suite (g n a (x)), x dans le voisinage de 0,1, converge vers le point fixe. 1
22 Figure 6 Convergence de la suite (u n ) N, u n+1 = g 1,5 (u n ) et u 0 = 0, 1 Puis, pour a = 3,, c est-à-dire 3 < a < 3, 44, la suite (g n a (x)), x dans le voisinage de 0,1, oscille entre deux valeurs, g a a une orbite périodique de période. Figure 7 Convergence vers une orbite de période de la suite (u n ) N, u n+1 = g 3, (u n ) et u 0 = 0, 1
23 Il existe cependant une légère différence pour g a. En effet, il y a deux manières de converger vers le point fixe. Plaçons nous dans le cas 1 < a < 3. Tout d abord, les points fixes sont 0 (répulsif) et p a = a 1 a (attractif). On distingue alors deux comportements. Si la bissectrice y = x coupe la parabole g a avant son sommet, les itérations convergent en escalier vers p a (voir figure 8). En revanche, si elle coupe la parabole après son sommet, les itérations convergent en spirale vers p a (voir figure 9). Figure 8 Convergence en escalier Figure 9 Convergence en spirale 3
24 4 Classification des bifurcations Les applications g a et f c possèdent plusieurs bifurcations, mais elles ne sont pas toutes de même nature. On en distingue deux types, les bifurcations sellenœud qui donnent naissance à des points fixes et les bifurcations par doublement de la période qui font apparaitre des orbites périodiques. 4.1 Bifurcation selle-nœud Définition 4.1 Une application F c dépendant d un paramètre c admet une bifurcation selle-nœud (ou bifurcation tangente) en c 0 s il existe un intervalle ouvert I R tel que pour tout ɛ > 0 : 1. l application F c0 ɛ n a pas de points fixes dans I.. l application F c0 a un seul point fixe dans I. 3. l application F c0+ɛ a deux points fixes dans I, l un est attractif tandis que l autre est répulsif. Remarque 4. Intervertir c 0 ɛ et c 0 + ɛ ne modifie pas la définition. Une bifurcation selle-nœud est une bifurcation locale puisqu elle est définie uniquement sur un petit intervalle I. Pour c = c 0 le graphe de F c0 est tangent à la bissectrice y = x, d où son appellation bifurcation tangente. Une bifurcation selle-nœud est représentée par la figure suivante qui montre bien la création des points fixes. Figure 10 Bifurcation selle-nœud de F c Proposition 4.3 L application F c admet une bifurcation selle-nœud en c 0 si et seulement si il existe un point fixe p de F c0 tel que F c 0 (p) = 1. Démonstration. L application F c admet une bifurcation selle-nœud en c 0 si et seulement si F c0 ɛ n a pas de point fixe, F c0 a un unique point fixe et F c0+ɛ a deux points fixes. Ceci est illustré par la figure 10 qui justifie bien qu en c 0, l application F c a un unique point fixe p tel que F c 0 (p) = 1. Une question évidente se pose alors : quelles sont les bifurcations selle-noeud de f c et g a? 4
25 Proposition 4.4 L application f c (respectivement g a ) a une bifurcation sellenoeud en 1 4 (respectivement en 1). C est l unique bifurcation de ce type. Démonstration. On a : Donc f c(x) = x. f 1 (x) = x. 4 De plus, pour c = 1 4, le point fixe est 1. D où, f 1 ( 1 ) = 1. 4 D après la proposition 4.3, 1 4 est une bifurcation selle-nœud. En fait, nous avons déjà démontré cette propriété dans la démonstration de la propriété 3.4. En effet, f 1 4 ɛ n a pas de points fixes, f 1 a un point fixe et 4 f 1 4 +ɛ a deux points fixes. Montrons que cette bifurcation est l unique bifurcation selle-nœud. Soit x un point fixe de f c. L application f c a une bifurcation selle-nœud en c 0 si f c 0 (x) = 1. D où x = 1. Le point 1 est donc fixe pour f c 0, c est-à-dire : ( 1 ) + c0 = 1. Cette équation admet une unique solution c 0 = 1 4. Il y a donc une unique bifurcation selle-nœud en Bifurcation par doublement de la période Définition 4.5 Une application F c dépendant d un paramètre c admet une bifurcation par doublement de la période en c 1 s il existe un intervalle ouvert I R contenant exactement un point fixe p c de F c (c (c 1 ɛ, c 1 + ɛ)) et tel que : 1. le point fixe p c1 ɛ est attractif et F c1 ɛ n a pas d autres points fixes dans I.. le point fixe p c1 est neutre et F c1 n a pas d autres points fixes dans I. 3. le point fixe p c1+ɛ est répulsif et F c1+ɛ a une orbite périodique attractive de période dans I. Remarque 4.6 Intervertir c 1 ɛ et c 1 + ɛ ne modifie pas la définition. La définition reste valable pour un point fixe répulsif qui devient attractif en créant une orbite périodique répulsive de période. Lorsque l application F c a une bifurcation par doublement de la période en c 1, on dit que Fc a une bifurcation fourche en c 1. Plus généralement, on dit que F c a une bifurcation par doublement de la période en c 1, si sa n-ième itérée F n c vérifie les critères de la définition 4.5. En d autres termes, si une orbite de longueur n change de stabilité en c 1 et crée une orbite de longueur n de stabilité initiale, alors c 1 est une bifurcation par doublement de la période. 5
26 Proposition 4.7 L application F c admet une bifurcation par doublement de la période en c 1 si et seulement si il existe un point fixe p de F c1 tel que F c 1 (p) = 1. Figure 11 Bifurcation par doublement de la période de F c Figure 1 Bifurcation fourche de F c La figure 11 représente une bifurcation par doublement de la période. Nous constatons que le point fixe devient instable lorsque la dérivée de F c en ce point passe la valeur 1. Les changements de la dynamique de Fc lors de la bifurcation sont présentés dans la figure 1. Le point fixe de Fc devient répulsif en créant deux nouveaux points fixes attractifs. Qu en est-il des bifurcations de l application logistique et de f c? Proposition 4.8 L application f c (respectivement g a ) a une bifurcation par doublement de la période en 3 4 (respectivement en 3). Démonstration. Nous avons : f 3 4 (x) = x. L intervalle que nous considérons ici est I = ( p, p ). Pour c = 3 4, I = ( 3, 3 ) et le seul point fixe dans I est p 1 = 1 1 4( 3 4 ) = 1. De plus, f ( 1 3 ) = 1. 4 D après la proposition 4.7, 3 4 est une bifurcation par doublement de la période. 6
27 En fait, nous avons déjà démontré cette propriété dans la démonstration de la propriété 3.6. En effet, f 3 4 ɛ a un point fixe attractif dans I = ( p, p ), qui devient répulsif en engendrant une orbite attractive de période. Proposition 4.9 L application fc (respectivement ga) a une bifurcation par doublement de la période en 5 4 (respectivement en 3, 44). Par généralisation, c est une bifurcation par doublement de la période de f c (respectivement de g a ). Démonstration. Les points q 1 et q sont fixes pour f c. Pour c = 5 4, nous avons q 1 = 1 et q = 1+. De plus : f 5 4 (q 1 ) = f 5 4 (q 1 )f 5 4 (f 5 4 (q 1)) = f (q 5 1 )f 4 (q 5 ) 4 ( = 1 ) ( 1 + ) = 1. De même, f 5 4 (q ) = 1. Donc, 5 4 est une bifurcation par doublement de la période de f c. Cette démonstration montre de plus, que les points q 1 et q subissent la même bifurcation. Ainsi, lorsque q 1 change de stabilité, il donne naissance à deux points fixes de f 4 c. Le point q se comporte exactement de la même façon, créant lui aussi deux points fixes de f 4 c. Il y a création de 4 points fixes pour f 4 c et par conséquent d une orbite périodique de période 4 pour f c. Afin de visualiser rapidement les différentes bifurcations de l application logistique et d étudier leur dynamique, il est nécessaire d introduire la notion de diagramme de bifurcation. 4.3 Diagramme de bifurcation Le diagramme de bifurcation rend compte du comportement de l application logistique (ou de f c ou de toutes autres applications dépendant d un paramètre) en fonction du paramètre a. Sur ce diagramme, en abscisses, sont représentées les différentes valeurs du paramètre a et en ordonnées celles de g a. Nous construisons le diagramme en repérant pour chaque valeur de a le ou les points de convergence de la suite (u n ) N définie par u 0 [0, 1] et u n+1 = g a (u n ). Nous obtenons : 7
28 Figure 13 Diagramme de bifurcation de l application logistique Nous retrouvons, bien évidemment, le comportement de l application logistique décrite dans les parties précédentes. Pour 1 < a < 3, il n y a qu une seule branche. La suite (u n ) N précédemment définie converge vers le point fixe. Pour 3 < a < 3, 44, il y a deux branches. Ceci correspond au comportement périodique, l application g a a une orbite périodique de période. Quand il y a 4 branches, il y a une orbite périodique de période 4. Puis, pour 8 branches, c est une orbite périodique de période 8, etc. Cette partie du diagramme est appelée cascade ou arbre de doublement de la période. Dès lors, intéressons nous à la dynamique du diagramme de bifurcation. Dans une première partie, nous découvrons deux objets remarquables : le point et la constante de Feigenbaum. Puis, dans une seconde partie, nous étudions le diagramme de bifurcation au point de Feigenbaum avant d aborder son autosimilarité. 8
29 5 Le point et la constante de Feigenbaum Les bifurcations jouent un rôle important dans le diagramme de bifurcation puisqu elles indiquent un changement de comportement. Nous définissons alors la suite (a n ) N, suite des bifurcations par doublement de la période de l application logistique. Les premiers termes de cette suite sont a 1 = 3 et a = 3, 44. Une deuxième suite de paramètre est également fondamentale dans l étude du diagramme. Pour la définir, nous avons besoin d introduire les points fixes super attractifs. 5.1 Points fixes super attractifs et point de Feigenbaum Définition 5.1 Un point fixe p d une application f est attractif si f (p) < 1. De plus, si f (p) = 0, le point p est super attractif. Proposition 5. Dans le cas de l application logistique, lorsque la bissectrice y = x coupe la parabole exactement en son sommet, le point fixe est super attractif. Démonstration. Comme la bissectrice y = x coupe la parabole en son sommet, il y a un unique point fixe p qui est le sommet de la parabole. Donc g a(p) = 0. Le point p est un point fixe super attractif. Proposition 5.3 Pour a =, l application g a a un point fixe super attractif. Démonstration. Commençons par chercher le sommet de la parabole g a = ax(1 x). Nous avons : g a(x) = a(1 x). Cette dérivée est positive pour x < 1. Nous obtenons donc le tableau de variation suivant. x g a(x) g a (x) a 0 Le sommet de la parabole est donc g a ( 1 ) = 1 4 a. De plus, comme nous cherchons un point fixe super attractif, la bissectrice y = x coupe la parabole en son sommet. Le sommet est donc un point fixe. D où g a ( 1 ) = 1 4 a = 1. Finalement, nous obtenons a =. 9
30 Figure 14 Point fixe super attractif de l application logistique Justifions maintenant le terme super attractif pour un point fixe de l application g a. Pour rappel, nous avons : g a = ax(1 x) et p a = a 1 a son point fixe. Nous commençons l itération de g a par un point proche de p a : x 0 = a 1 a + ɛ avec ɛ > 0. Notons x i = ga(x i 0 ). Nous obtenons : x 1 = g a (x 0 ) = ax 0 (1 x 0 ) ( ) ( a 1 + aɛ = a 1 a 1 + aɛ ) a a = a 1 aɛ + ɛ aɛ a = p a aɛ + ɛ aɛ = x 0 + ɛ aɛ aɛ. De plus, ɛ aɛ aɛ < ɛ ce qui montre bien que p a est attractif. En effet, x 1 est proche de x 0 (donc de p a ), et en réitérant cet argument, x est proche de x 1, donc de x 0 et de p a. 30
31 Regardons ce qui se passe pour le cas super attractif, c est-à-dire pour a =. Ici, p a = 1 et x 0 = 1 + ɛ. Nous avons donc : x 1 = g a (x 0 ) = 1 ɛ + ɛ ɛ = 1 ɛ. Contrairement au cas précédent, il ne reste qu un terme quadratique en ɛ. Ainsi, x 1 se rapproche plus rapidement de 1. En effet, les termes en ɛ et les constantes qui atténuent l effet du terme en ɛ ne sont plus présents. Comme nous nous intéressons aux itérées de g a, il semble évident de s intéresser aux points fixes super attractifs de ga, puis à ceux de ga, 4 etc. Nous construisons ainsi une nouvelle suite de paramètres : la suite (s n ) N définie de telle sorte que pour a = s n, l application ga n 1 a un point fixe super attractif. Les termes de cette suite sont appelés paramètres super attractifs et ses premiers termes sont s 1 = et s = Proposition 5.4 Il y a toujours un paramètre super attractif entre deux bifurcations successives. Démonstration. Regardons ce qui se passe pour les premières bifurcations. La première bifurcation a 0 = 1 est une bifurcation selle-nœud. Si p 0 est le point fixe de g a0 (p 0 = 0), alors g a 0 (p 0 ) = 1. Puis, il y a création de deux points fixes p 1 (a) et p (a) (p 1 (a) = a 1 a et p (a) = 0) tel que et De plus, g a 0+ɛ(p 1 (a 0 + ɛ)) > 0. g a 0+ɛ(p (a 0 + ɛ)) = a 0 + ɛ > 1 g a 0+ɛ(p 1 (a 0 + ɛ)) = 1 a 0 + ɛ < 1. La deuxième bifurcation a 1 apparait lorsque g a 1 (p 1 (a 1 )) = 1. Comme g a 0 (p 1 (a 0 )) > 0 et g a 1 (p 1 (a 1 )) = 1, il existe s 1 tel que a 0 < s 1 < a 1 et g s 1 (p 1 (s 1 )) = 0. Le point s 1 est donc un paramètre super attractif. Cette nouvelle bifurcation donne naissance à deux points fixes q 1 (a) et q (a) de g a avec 0 < (g a 1+ɛ) (q i (a 1 + ɛ)) < 1, (i = 1, ). La troisième bifurcation apparait lorsque 0 < (g a 1+ɛ) (q i (a 1 + ɛ)) = 1, i = 1,. Il existe donc un paramètre super attractif s tel que a 1 < s < a. Ce raisonnement se généralise à toutes les bifurcations. Juste après une bifurcation, les points fixes ou les points de l orbite périodique qui ont été créés, ont une dérivée inférieure à 1 et positive. La bifurcation suivante apparait lorsque 31
32 ces points ont une dérivée égale à 1. Le changement de signe prouve que ces dérivées passent par 0 avant la nouvelle bifurcation, il y a donc un paramètre super attractif. Ceci est illustré par les figures 10 et 1 de la partie précédente. Proposition 5.5 Si la suite (s n ) N converge vers une certaine valeur, la suite (a n ) N converge vers cette même valeur. Démonstration. Nous connaissons les premiers termes des deux suites : a 1 = 3 et s 1 =. Ainsi, s 1 < a 1. De plus, d après la proposition 5.4 nous avons : Nous avons donc : s 1 < a 1 < s < a < s 3 < a 3 <... n N s n < a n < s n+1. Si la suite (s n ) N converge vers l, d après le théorème des gendarmes, la suite (a n ) N converge aussi vers l. Nous avons désormais à notre disposition les suites (a n ) N et (s n ) N. Elles convergent toutes les deux vers le même point appelé point de Feigenbaum et noté s. Ce point marque un changement radical dans la dynamique de l application logistique g a. Pour des valeurs de a supérieures à s, nous ne pouvons plus prévoir le comportement de l application logistique g a. Ce dernier ne répond plus au principe de doublement de la période comme c est le cas pour les valeurs de a inférieures à s. Figure 15 Diagramme de bifurcation et point de Feigenbaum Dorénavant, nous nous intéressons au diagramme de bifurcations pour des valeurs de a inférieures à s et plus particulièrement, au comportement des 3
33 distances entre deux bifurcations successives. De cette étude va émerger une constante remarquable, la constante de Feigenbaum. 5. La constante de Feigenbaum Notons d k = a k+1 a k, k = 1,, 3..., la distance entre deux bifurcations successives (voir figure 16). Figure 16 Distance entre deux bifurcations successives Nous constatons, graphiquement, que cette distance diminue de plus en plus rapidement. Supposons, tout d abord, que cette décroissance est géométrique et posons : d k d k+1 = δ. Proposition 5.6 Dans ce cas, la suite (a k ) N est une suite convergente. Démonstration. Montrons par récurrence que ( a k = a 1 + d δ ) δ k Pour k =, nous avons bien a = a 1 + d 1. Supposons que la propriété est vrai au rang k. Montrons alors qu elle est encore vérifiée au rang k + 1. Nous avons a k+1 = d k + a k. Par hypothèse de récurrence, nous obtenons : ( a k+1 = a 1 + d δ ) δ k + d k Or, d k+1 = d k δ. La suite (d k ) N est géométrique de raison 1 δ. D où d k = d 1 ( 1 δ )k 1. Finalement, nous obtenons : ( a k = a 1 + d δ ) ( ) k 1 1 δ k + d 1 ; δ 33 ()
34 ( a k = a 1 + d δ ) δ k 1. Par récurrence, nous avons montré la propriété. De plus, comme 1 δ < 1, nous obtenons : ( 1 lim a k = a 1 + d 1 k ) 1 1 δ ) = a 1 + d 1 ( δ δ 1 La suite (a k ) N est bien convergente. Cependant, les valeurs expérimentales montrent que la suite (d k ) n est pas exactement géométrique. Effectivement, les premiers termes vérifient : d 1 d = 4, 7514 ; d d 3 = 4, 656 ; d 3 d 4 = 4, 668 ; d 4 d 5 = 4, La suite (d k ) est dite approximativement géométrique. Le ratio de k, on note δ k sa valeur. Cette dernière converge. lim δ k = 4, k C est la constante de Feigenbaum, notée δ. d k d k+1 va dépendre La constante de Feigenbaum est dite universelle car elle est valable pour de nombreuses applications dépendant d un paramètre, par exemple g a (x) = ax sin πx. 5.3 Calcul de la constante de Feigenbaum Nous présentons ici, une méthode basée sur la suite (s n ) N, précédemment définie. Pour rappel, nous avons : δ = lim n δ n = lim n d n d n+1 = lim n a n+1 a n a n+ a n+1. 34
35 La constante de Feigenbaum s exprime également en fonction des termes de la suite (s n ) N. En effet, nous avons : s n s n 1 δ = lim. (3) n s n 1 s n Grâce à cette formule et à la méthode de Newton, nous sommes en mesure de calculer la constante de Feigenbaum. Une rapide présentation de la méthode de Newton s impose. Méthode de Newton Le but de la méthode de Newton est de trouver le zéro d une fonction. Dans un premier temps, nous choisissons une valeur proche du zéro de la fonction. Puis, nous approximons la courbe en ce point par sa droite tangente. Nous cherchons le zéro de la tangente, et nous appliquons à nouveau le procédé. Notons x 0 le point proche du zéro de la fonction f. L équation de la droite tangente en ce point est : y = f (x 0 )(x x 0 ) + f(x 0 ). Soit x 1, le zéro de la droite tangente. Ce point vérifie : f (x 0 )(x 1 x 0 ) + f(x 0 ) = 0. D où, x 1 = x 0 f(x0) f (x. 0) Par récurrence, nous construisons la suite x k+1 = x k f(x k) f (x k ). La limite de cette suite est le zéro de la fonction f. Explicitons ensuite le calcul de δ. Calcul de δ Nous connaissons les premiers termes de la suite (s n ) N. Afin de pouvoir utiliser la formule 3, nous avons besoin des termes suivants. Or, ceux ci vérifient gs n 1 n ( 1 ) = 1 (caractérisation de l existence d un point fixe super attractif). Chaque s n est donc solution de l équation suivante en a : ( ) 1 ga n 1 = 1. Il faut cependant faire attention. En effet, les termes s 1, s,.., s n 1 vérifient cette équation. Or, nous ne voulons que la solution propre à cette équation. C est pourquoi, nous utilisons la méthode de Newton avec la fonction f(a) = ga n 1 ( 1 ) 1. Nous construisons ainsi la suite (b k ) N telle que b k+1 = b k f(b k) f (b k ) et nous cherchons sa limite. Nous avons ainsi calculé s n. Nous calculons les termes suivants 35
36 par cette même méthode, et nous appliquons la formule 3 afin d obtenir δ. Deux points restent à éclaircir dans ce procédé : le calcul de f (b k ) et le choix de la valeur initiale pour initialiser la méthode de Newton. Calcul de f (b k ) Nous savons que f(a) = ga n 1 ( 1 ) 1. Définissons la suite (x n) N tel que x 0 = 1 et g a(x k ) = x k+1. Posons N = n 1. Alors f(a) = x N 1. De plus, comme x N dépend de a, nous obtenons f (a) = x N. Or, nous avons : x 0 = 0 et Ainsi, x k+1 = ax k (1 x k ). x k+1 = x k (1 x k ) + ax k(1 x k ) ax k x k, x k+1 = x k (1 x k ) + ax k(1 x k ). f(a) et f (a) se calculent donc grâce aux itérations suivantes : pour k = 0, 1,..., N 1, x k+1 = ax k (1 x k ) ; x 0 = 1 x k+1 = x k (1 x k ) + ax k(1 x k ) ; x 0 = 0 Initialisation de la méthode de Newton Nous connaissons les termes de la suite (s n ) N jusqu au rang n, ce qui nous permet de calculer : δ n = s n 1 s n. s n s n 1 D où, et s n = s n 1 + s n 1 s n δ n, s n+1 = s n + s n s n 1 δ n+1. Nous cherchons seulement une approximation de s n+1, nous considérons donc s n+1 b 0 = s n + s n s n 1 δ n. Cette valeur permet d initialiser la méthode de Newton. 36
37 6 Au-delà du point de Feigenbaum Dans un premier temps, nous étudions le diagramme de bifurcation au point s de Feigenbam, c est-à-dire que nous nous intéressons aux points du diagramme ayant pour abscisse s. Ces points sont représentés en rouge sur la figure 17. Figure 17 Diagramme de bifurcation au point de Feigenbaum Puis, dans un deuxième temps, nous nous intéressons à l auto-similarité du diagramme de bifurcation. Avant toute chose, la notion d adresses du diagramme de bifurcation est indispensable pour la suite de l étude. 6.1 Adresses du diagramme de bifurcation et comportement de g s Chaque branche du diagramme de bifurcation est repérée par une suite de lettres (appelée adresse) selon la règle suivante. Nous attribuons la lettre L (pour low) à la branche la plus basse, et la lettre H (pour high) à la plus haute. A chaque division, nous ajoutons à l adresse de la branche divisée la nouvelle lettre. 37
38 Figure 18 Adresses du diagramme de bifurcation Les premières branches du diagramme de bifurcation sont repérées par les adresses H et L puis par HH, HL, LH, et LL comme indiqué sur la figure 18. Chaque adresse correspond en réalité à un élément d une orbite de g a. Nous allons ainsi décrire la dynamique de l application logistique en terme d adresses. Proposition 6.1 Pour 3 < a < 3, 44, il y a oscillation entre les lettres H et L. On note : H L H. Démonstration. Ceci est évident. Pour 3 < a < 3, 44, l application g a a une orbite de période dont les éléments sont représentés par H et L. Figure 19 Orbite périodique de période et adresses 38
39 Nous représentons cette oscillation par le diagramme suivant : Figure 0 Diagramme d une orbite de période Proposition 6. Pour a compris entre 3,44 et 3,54 la bifurcation suivante, nous avons l oscillation : HH LL HL LH HH. Démonstration. L orbite de période 4 naît de l orbite de période. Ainsi, une adresse commençant par H doit être envoyée sur une adresse commençant par L. HH peut donc être envoyé sur LL ou LH. Si l on montre que HH est nécessairement envoyé sur LL, nous avons démontré la proposition. Fixons a tel que 3, 44 < a < 3, 54, considérons les points du diagramme ayant pour abscisse a et appelons p 1, le point de l orbite périodique correspondant à la branche d adresse HH, p celui correspondant à la branche d adresse LL, p 3 celui correspondant à la branche d adresse HL, et enfin p 4 celui correspondant à la branche d adresse LH. Pour plus de clarté, ces points sont représentés sur la figure suivante. 39
40 Figure 1 Points p 1, p, p 3, p 4 Figure Orbite périodique de période 4 et adresses L application g a est symétrique par rapport à la droite x = 1. De plus, p 1 est la plus grande valeur de l orbite, ga 1 (p 1 ) est donc la plus proche valeur de 1. D où : 1 g 1 a (p i ) > 1 g 1 a (p 1 ) ; i 1 40
41 De même, p est la plus petite valeur de l orbite, ga 1 (p ) est donc la valeur la plus éloignée de 1. D où : 1 g 1 a (p i ) < 1 g 1 a (p ) ; i (4) Supposons que g a (p 1 ) p, soit ga 1 (p ) p 1. Ainsi, g a (p 1 ) = p 4, ga 1 (p 4 ) = p 1 et ga 1 (p ) = p 3 Appliquons l inégalité 4 à i = 4 : 1 g 1 a (p 4 ) < 1 g 1 a (p ) 1 p 1 < 1 p 3 Or, p 3 > 1 et p 1 > 1. p 1 1 < p 3 1 p 1 < p 3 Ceci est une contradiction puisque p 1 > p 3. Ainsi, g a (p 1 ) = p, ce qui signifie que HH est envoyé sur LL. La démonstration est ainsi terminée. Cette orbite périodique de période 4 est représentée par : Figure 3 Diagramme d une orbite de période 4 41
Image d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détail3 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailThéorème 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailFonctions 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 détailOptimisation 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailCours 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLes équations différentielles
Les équations différentielles Equations différentielles du premier ordre avec second membre Ce cours porte exclusivement sur la résolution des équations différentielles du premier ordre avec second membre
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailCalcul 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailDifférentiabilité ; 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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailExo7. 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 détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailI. 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détail