JEUX NUMÉRIQUES AVEC LE CHAOS

Dimension: px
Commencer à balayer dès la page:

Download "JEUX NUMÉRIQUES AVEC LE CHAOS"

Transcription

1 JEUX NUMÉRIQUES AVEC LE CHAOS PIERRE PUISEUX LMA Université de Pau 1. Introduction Citons Yulij Ilyashenko dans la revue Images des Maths du CNRS En première approche, l'étude des systèmes dynamiques peut être divisée en trois périodes : celle de Newton : une équation diérentielle est donnée. Résolvez la. celle de Poincaré : une équation diérentielle est donnée. Décrivez le comportement qualitatif des solutions, sans la résoudre. celle d'andronov : aucune équation diérentielle n'est donnée. Décrivez les propriétés qualitatives des solutions. La dernière armation peut paraître paradoxale. Pourtant, elle fait référence à une branche des systèmes dynamiques très développée aujourd'hui, qui étudie non pas un système dynamique particulier, mais cherche plutôt à décrire le comportement d'un système typique. Par exemple, les équations différentielles planes ont génériquement d'importantes propriétés communes. Ces propriétés décrivent le comportement asymptotique de toutes les solutions. Dans ce cours, nous évoluons dans l'optique de Poincaré, et d'un point de vue plutôt numérique, en éludant les problèmes mathématiques les plus délicats Quelques dénitions de base. Un système dynamique est 1) soit un système d'équations diérentielles de la forme 1.1) Ẋ = F X, t; µ) où t I R + est le temps X : t I X t) U R n, sont les degrés de liberté du système, R n est l'espace des phases, et µ V R p est un ensemble de paramètres et F une application de classe C 1 sur R n R R p. 2) soit un système d'équations aux diérences système dynamique discret) X k+1 = G X k ; µ) où k N représente le temps discrétisé, X k U R n sont les degrés de liberté du système, R n est l'espace des phases, et µ V R p est un ensemble de paramètres. L'application F étant de classe C 1 l'équation diérentielle admet une solution maximale unique théorème de Cauchy- Lipschitz). Une conséquence fondamentale de ce résultat est qu'il ne peut passer qu'une trajectoire par un point donné X 0 de l'espace des phases. Lorsque F ne dépend pas explicitement du temps : F X, t; µ) = F X; µ), le système est dit autonome, il est non autonome si F dépend explicitement du temps. La solution X t) de l'équadi 1.1), satisfaisant la condition initiale X t 0 ) = X 0 donné, sera notée X X 0, t) et même éventuellement X X 0, t; µ) s'il faut faire apparaître les paramètres µ). Dans l'espace des phases, une solution de 1.1) et appelée une trajectoire ou une orbite Portrait de phase. Le portrait de phase d'un système dynamique est une représentation graphique de plusieurs trajectoires représentatives dans l'espace des phases. Étant donné un système dynamique, Ẋ = F X, t), sans résoudre les équations, on peut toujours, à un instant t donné, représenter graphiquement à l'aide de èches) le champ des Ẋ le champ des vitesses si X sont des coordonnées). La lecture de cette représentation graphique sera très utile pour se faire une idée du comportement du système. Example 1.1. Considérons le système 1.2) { ẋ ẏ = rx + y + xy = x 2 y et traçons le champ F x, y) = f x, y), g x, y)). Scilab propose pour cela une fonction appelée champ. Par utilisation de la fonction ode), on peut superposer une solution en rouge). 1

2 JEUX NUMÉRIQUES AVEC LE CHAOS 2 Fig Système dynamique 1.2), avec r = 3 16, représentation du champ et une trajectoire. Voici le code scilab correspondant : //Manneville function Y=Mannet,X) Y=[r*X1)+X2)+X1)*X2) ;-X2)-X1)*X1)] endfunction r=3./16 ; n=30 ; x=linspace-1,1,n) ; y=linspace-1,1,n) ; rect=[-1,-1,1,1] ; fx=zerosn,n) ; fy=zerosn,n) ; xbasc) ; fchampmanne,2,x,y,rect=rect) W=ode[-1+2*rand) ;-1+2*rand)],0,0 :0.1 :120,Manne) ; W=W' ; plotw :,1),W :,2),'r-') ; 1.3. Du dynamique au discret. Étant donné un système dynamique continu, on peut obtenir un système à temps discret de diérentes manières : une famille d'instants strictement croissante t 0 < t 1 < < t k <... est donnée 1) X t k+1 ) = X t k ) + t k+1 t k F X t)) dt est de la forme X k+1 = G X k ) 2) Ẋ t k ) Xt k+1) Xt k ) t k+1 t k = F X t k )) donc X k+1 est de la forme X k+1 = X k + t k+1 t k ) F X k ) 3) L'application de premier retour de Poincaré consiste l'espace des phases est supposé, par exemple en trois dimensions) à bien choisir un plan P dans R 3 et à noter X 0, X 1,... les intersections successives de la trajectoire avec P. 4) Les X t k ) sont simplement obtenus en résolvant le système dynamique Ẋ = F X), et en prenant les valeurs de la solution aux instants t k. Numériquement, c'est cette option qu'on utilisera le plus souvent car scilab propose, avec la fonction ode...), un solveur d'équations diérentielles très performant.) Ces exemples montrent que les systèmes dynamiques à temps discret ou à temps continu sont essentiellement de même nature. Les systèmes discrets sont de manière générale plus simple à étudier Oscillateur libre, solution périodique. 2. Oscillateur Les équations du mouvement. Les équations du pendule simple sans frottement peuvent s'établir de la manière suivante. Une masse m est soumise au champ de la pesanteur g, suspendue en un point O à un l rigide, de masse négligeable et de longueur l. Ce pendule oscille dans un plan vertical. Si θ t) est l'angle formé par le l et la verticale, à l'instant t, alors les forces agissant sur le pendule sont : le poids, mg dirigé vers le bas, que l'on décompose en mg sin θ dirigé dans le sens de la trajectoire et mg cos θ, composante portée par le l

3 JEUX NUMÉRIQUES AVEC LE CHAOS 3 Fig Application de premier retour Fig Le pendule simple la réaction du l, mg cos θ, dirigée vers le point O, qui s'oppose à la composante du poids portée par le l La vitesse de la masse est v = l θ, et l'accélération l θ. Le principe fondamental de la dynamique s'écrit alors : soit encore : 2.1) F = ml θ = mg sin θ θ + g l sin θ = 0 Si on suppose que l'angle θ reste faible, alors sin θ θ et l'équation 2.1) devient où ω = g l θ + ω 2 θ = 0 est la pulsation. Cette dernière équation a pour solution générique θ t) = θ 0 cos ωt + φ) φ est la phase et θ 0 l'angle maximum. Le mouvement est périodique, de période T = 2π. ω Dans certains cas plus complexes, il peut être dicile, voire impossible de résoudre eectivement l'équation diérentielle proposée. Cependant, sans la résoudre, on peut en tirer de nombreux renseignements sur le phénomène qu'elle décrit, et ses caractéristiques. Ainsi pour tout connaître du mouvement décrit par le pendule, on a besoin de deux grandeurs, par exemple angle θ t) et vitesse angulaire θ t) = dθ. dt Plutôt que d'intégrer l'équation 2.1), on peut en représenter la solution dans un référentiel θ) θ,. On obtient une orbite, qui est parfois une courbe fermée comme ici, mais pas toujours. Ce mode de représentation est capital, et on y a recours très souvent. On appelle espace des phases l'espace R 2 dans lequel évolue le couple θ, θ). L'équation 2.1) se reformule dans cet espace, après avoir posé X = x, y) = { ẋ t) = y 2.2) ẏ t) = ω 2 x θ, θ) :

4 JEUX NUMÉRIQUES AVEC LE CHAOS 4 1 qui est de la forme ẋ, ẏ) = F x, y) où f est à valeurs dans R 2. Les coordonnées dans l'espace des phases sont les degrés de liberté du mouvement. De manière analogue, un ensemble de N corps planètes par exemple) qui se déplacent dans un espace à trois dimensions possède 3N degrés de liberté. Un système dynamique 2.3) Ẋ = F X), X R n étant donné, on note U R n l'ensemble des X 0 tels qu'il existe une solution unique X X 0, t), t > 0 de 2.3) passant par X 0. Denition 2.1. On appelle alors ot du système dynamique la famille d'applications {φ t : X 0 U X X 0, t), t > 0}. Autrement dit, étant donné un point matériel) en X de l'espace des phases, le ot du système permet de préciser la position φ t X) du point x après un déplacement d'une durée t. Le ot d'un système dynamique est un point de vue global et géométrique sur les équations diérentielles. Pour t xé, le ot est représentatif de la manière dont l'application X t, X 0 ) fait évoluer un ensemble donné de points X 0 dans l'espace des phases. L'analogie avec un ot qui s'écoule est bien sûr à l'origine de la dénomination. On pourrait noter le ot X t, ) mais la notation est un peu lourde Le mouvement dans l'espace des phases. Pour toute solution θ t) de l'équation diérentielle, la courbe paramétrée x t), y t)) = θ t), t)) est appellée trajectoire ou orbite de θ dans l'espace des phases. Un point θ) x, y) = θ, de l'espace des phases étant donné, on a le moyen, du moins en principe) de déterminer la trajectoire passant par ce point, puisque l'on connaît la tangente à ce point ẋ, ẏ) = F x, y) = y, ωx 2). Dans l'exemple traité ici, une simplication importante est permise, car la quantité : E θ, θ ) = 1 2 θ 2 + ω 2 1 cosθ) est une constante du mouvement. En eet : Ė = θ + ω 2 sin θ = 0 Cette quantité représente, au facteur ml 2 près, l'énergie du pendule cinétique + potentielle). Example 2.2. Rassemblez vos souvenirs de physique pour calculer l'énergie cinétique et l'énergie potentielle du pendule à la position θ, θ) dans l'espace des phases. Energie cinétique E c = 1 2 mv2 = 1 2 m lθ)2 Energie potentielle E p = mgh = mgl 1 cos θ) = m lω) 2 On en déduit θ) que les trajectoires dans l'espace des phases sont les courbes d'isoénergie. En passant en coordonnées x, y) = θ,, la trajectoire d'énergie α a donc pour équation : y 2.4) ω2 1 cos x) α = 0 Cette équation cartésienne de la trajectoire a été obtenue sans résoudre l'équation 2.1). On est donc capable, sans résoudre d'équation diérentielle, de calculer et tracer les trajectoires dans l'espace des phases. Ce faisant, on y perd la notion de temps car étant donné un point de la trajectoire, on ne sait pas à quel instant il est associé. Example 2.3. Quelle est l'énergie E 1 = E π, 0) de la trajectoire correspondant à une vitesse nulle, et un angle de π? Ecrire un script scilab qui trace environ une dizaine de trajectoires dont celle d'énergie E 1, correspondantes à des énergies inférieures ou égales à 4ω 2. On pourra pour cela utiliser la fonction contour. On observera la forme presque circulaire des trajectoires d'énergie E < E 1. Voir la gure 2.2) Forme canonique des équations du mouvement. En introduisant le moment angulaire p θ = l θ, l'équation 2.1) du pendule peut se reformuler avec deux équations diérentielles du premier ordre : 2.5) 2.6) θ = H p θ p θ = H θ 1 Plus généralement pour une équation diérentielle qui dépend d'un ensemble de paramètres µ Ẋ t) = F X, t; µ) X U R n, t I R et µ V R p. L'espace des phases est R n, tandis que R p est l'espace des paramètres où évolue la famille de paramètres µ

5 JEUX NUMÉRIQUES AVEC LE CHAOS 5 Fig Portrait de phases du pendule simple l = 1.0, g = 9.81) Le graphe est 2π périodique. Pour des petites valeurs de l'énergie, les trajectoires sont des cercles, et sont bien approchées par l'approximation linéaire des petites oscillations. Pour des valeurs plus grandes, les cercles deviennent ellipses, et l'approximation linéaire n'est plus valide. Lorsque l'énergie dépasse le seuil de 2 g l, le pendule fait des tours complets dans un sens ou dans l'autre suivant que la vitesse angulaire θ est positive ou négative, ne s'annule plus. où H est la fonction de Hamilton du pendule : H θ, p θ ) = 1 p 2 θ 2 l 2 + g 1 cos θ) l On note que H θ, p θ ) n'est autre que l'énergie θ) E θ, du pendule. Les deux variables θ et pθ sont dites canoniquement conjuguées au sens de Hamilton-Jacobi. Comme dh = H dt θ θ + H p θ p θ = 0 On voit que l'énergie reste constante au cours du mouvement Oscillateur amorti, points attracteurs Dissipation d'énergie par frottement. Pour tenir compte du frottement visqueux frottement de l'air, ou du uide dans lequel baigne le pendule), on suppose qu'il apparaît une force γ θ, opposée à la vitesse, et d'intensité proportionnelle à la vitesse, où γ > 0 est appelé coecient d'amortissement. Le coecient ω 2 = g l est le carré de la pulsation 2.7) θ + γ θ + ω 2 sin θ = 0 On peut se ramener à une équation du premier degré dans R 2 en posant x, y) = { ẋ = y 2.8) ẏ = γy ω 2 sin x θ, θ) : Si l'on suppose θ petit, sin θ θ, alors on obtient l'équation linéarisée du pendule amorti : 2.9) θ + γ θ + ω 2 θ = 0 Qui s'écrit également, en posant X = x, y) t = θ, θ ) ) t 0 1 et A = ω 2 γ 2.10) L'énergie d'un tel pendule est donc Ẋ = AX E θ, θ ) = 1 2 θ2 + ω 2 θ 2) où l'on a tenu compte de 1 cos θ θ2 2 pour évaluer l'énergie potentielle.

6 JEUX NUMÉRIQUES AVEC LE CHAOS 6 Fig Une trajectoire qui spirale vers le point xe 0, 0), pour γ = 0.5 comparée avec des trajectoires pour γ = 0 Tenant compte de 2.7) on calcule la dérivée de E par rapport au temps : Ė = γ θ 2 ainsi, il y a conservation de l'énergie si γ = 0, diminution de l'énergie si γ > 0 et production d'énergie si γ < 0. 2 Sans résoudre l'équation diérentielle, on remarque toutefois que si γ < 0, le point d'équilibre θ = θ = 0 pour lequel l'énergie est nulle, est un équilibre instable puisque si l'on écarte légèrement le pendule de cette position, son énergie se met à croître, donc le mouvement s'amplie. Dans le cas présent, le principe de conservation des aires, pour les systèmes hamiltoniens, ne s'applique pas. Le calcul de la divergence.f = γ avec la remarque 4.7), montre qu'il y a contraction exponentielle) des aires dans l'espace des phases, l'énergie diminue Portrait de phase. Example ) En posant θ) X = x, y) = θ,, mettre 2.7) sous forme Ẋ = F X; t) puis utiliser scilab pour résoudre cette équation diérentielle fonction ode)), pour g = 9.81 ms 2, l = 1.0 m, angle initial θ 0 = π 2, vitesse angulaire initiale θ 0 = 0.0 s 1, et coecient de viscosité γ = 0. Notez les caractéristiques du pendule. essentiellement la vitesse angulaire maximale) 2) Tracer les trajectoires correspondant à γ > 0, γ = 0 puis γ < 0 dans l'espace des phases. Combien de types de trajectoires voyez-vous? on pourra tracer les trajectoires en superposition du graphique obtenu à l'exercice 2.3) Point xe, stabilité, une première approche. Sous la forme 2.10), le système se prète à une analyse poussée. Plus généralement, on considère le système autonome : Ẋ = F X), X U R n, F C r U) Denition 2.5. On appelle point xe, ou point stationnaire, ou point critique, ou point d'arret ou point singulier, tout point X de l'espace des phases tel que F X ) = 0 Example 2.6. L'équation du pendule simple amorti : θ + γ θ + ω 2 sin θ = 0 s'écrit sous forme de système dynamique en posant θ) x, y) = θ, : { ẋ t) = y 2.11) ẏ t) = γy ω 2 sin x dont les points xes sont x, y) {nπ, 0), n Z} correspondant aux deux points d'équilibre θ = kπ, θ = 0 dont l'un est stable θ = 0), l'autre instable θ = π). Si l'on écarte légèrement la masse de son point d'équilibre stable : en l'absence de frottement γ = 0, la masse va continuer à osciller indéniment, autour de la position d'équilibre, l'équilibre est dit stable, mais asymptotiquement instable 2 Si vous parvenez à fabriquer un pendule à γ négatif, votre fortune est faite!

7 JEUX NUMÉRIQUES AVEC LE CHAOS 7 en présence de frottement, γ > 0, les forces visqueuses vont amortir le mouvement et la masse va à la longue, retrouver sa position d'équilibre. L'équilibre est dit asymptotiquement stable Denition 2.7. Un point xe X R n est dit : 1) stable si pour tout ɛ > 0, il existe un δ > 0 tel que X X 0) < δ = supt X X t) < ɛ, 2) asymptotiquement stable, ou attractif, s'il existe un δ > 0 tel que X X 0) < δ = limt X t) = X, 3) instable ou répulsif s'il n'est pas stable. On voit immédiatement que si un point est asymptotiquement stable, alors il est stable. Denition 2.8. Si X est attractif, le bassin d'attraction de X est l'ensemble de X 0 R n tels que X X 0, t) converge vers X lorsque t. Étudions les points xes de l'équation 2.10).γ > 0. On suppose ici que le coecient d'amortissement γ est positif. Les valeurs propres de la matrice A sont les racines du polynôme 2.12) p λ) = λ 2 + γλ + ω 2 ) ) ) 2 ) 2 1) Si > 0 3, on l'écrit sous la forme = γ 1 2 2ω γ > 0, et les valeurs propres λ = γ 2ω 2 1 ± 1 γ sont toutes deux du signe ) de γ. La matrice A est diagonalisable, et il existe une base propre. On a A = P 1 DP λ1 0 où D = est diagonale et P est la matrice de passage de la base canonique à la base propre. 0 λ 2 L'équation 2.10) devient Ẋ = P 1 DP X et le changement de variable Y = P X montre qu'elle est équivalente à : Ẏ = DY c'est à dire ẏ 1 = λ 1 y 1 et ẏ 2 = λ 2 y 2 dont la solution générique est bien connue : y 1 t) = y 1 0) e λ1t y 2 t) = y 2 0) e λ2t comme λ 1 et λ 2 sont négatives, on a lim t Y t) = 0, 0) donc le point xe 0, 0) est attractif, et son bassin d'attraction est R 2, c'est à dire que pour toute condition initiale Y t = 0) R 2 la trajectoire solution de 2.10) converge vers le point xe. 2) si = 0, la valeur propre λ = γ 2 = ω < 0 est double et un calcul simple montre qu'il n'existe qu'une seule direction propre : e 1 ) = 1, ω), on lui associe un vecteur e 2 indépendant et dans la base e 1, e 2 ) la matrice A ω 1 devient. Par suite les équations diérentielles sont ẏ 0 ω 1 = ωy 1 + y 2 et ẏ 2 = ωy 2 dont la solution générale est : y 1 t) = y 1 0) + y 2 0) t) e ωt y 2 t) = y 2 0) e ωt Dans ce cas, on voit que le point xe 0, 0) est également attractif, le bassin d'attraction est R 2. 3) Si < 0, c'est à dire 0 γ < 2ω les valeurs propres sont complexes et conjuguées λ = γ 2 + iω 1 avec ) 2 2ω ω 1 = γ γ 1. On se plonge dans C2 où l'on sait que la matrice A admet deux vecteurs propres complexes conjugués e et e formant une base et que sur cette base, la matrice A s'exprime comme B = le système d'équations diérentielles s'écrit alors sur cette base : et la solution générale est ẏ 1 = γ 2 y 1 ω 1 y 2 ẏ 2 = ω 1 y 1 γ 2 y 2 y 1 t) = y 1 0) cos ω 1 t y 2 0) sin ω 1 t) e γ 2 t y 2 t) = y 1 0) sin ω 1 t + y 2 0) cos ω 1 t) e γ 2 t γ 2 ω 1 ω 1 γ 2 Là encore, le point xe 0, 0) est attractif, avec R 2 comme bassin d'attraction. On notera que si γ est nul, alors les trajectoires sont des ellipses. Dans ce cas le point singulier 0, 0) n'est ni attractif ni répulsif. ), 3 est positif si le coecient d'amortissement est grand devant la pulsation : γ > 2ω

8 JEUX NUMÉRIQUES AVEC LE CHAOS Oscillateur entretenu, solutions périodiques. Voir aussi sur http :// L'entretien d'un oscillateur consiste essentiellement à lui apporter continuellement de l'énergie an de compenser les pertes énergétiques dues au frottement. Un moyen de modéliser cet apport est de faire dépendre la valeur du coecient de frottement γ, de l'amplitude θ des oscillations. On choisit une amplitude de référence θ 0 > 0 et un coecient de référence γ 0 > 0. ) ) 2 θ γ θ) = γ 0 1 θ 0 Notons que lorsque θ > θ 0 le coecient de viscosité γ θ) est positif, le mouvement s'amortit si θ < θ 0 alors γ θ) < 0, le mouvement est amplié. On peut donc s'attendre à un comportement de nature diérente des oscillateurs précédents Equation de VanDerPol. On obtient ainsi l'équation de Van Der Pol : ) ) 2 θ θ γ 0 1 θ + ω 2 θ = 0 Prendre θ 0 ω γ 0 comme unité d'amplitude et 1 ω t = s ω, θ = θ 0x ω γ ) γ0 et en posant ε = ω, cette équation devient : θ 0 comme unité de temps, revient à faire le changement de variables : ẍ ε x 2) ẋ + x = 0 Que l'on transforme en posant X = x, y) = x, ẋ) : { ẋ = y 2.14) ẏ = ε x 2) y x Qui est de la forme Ẋ = F X) Points xes et portrait de phases. Le seul point xe est 0, 0) t. Pour étudier sa stabilité, on est tenté de procéder comme pour le pendule amorti. Malheureusement, l'application F n'est pas linéaire. La solution consiste à linéariser l'application F au voisinage du point xe. Soit X une perturbation autour du point xe. Le développement de F au premier ordre au voisinage du point xe s'écrit, compte tenu de F 0) = 0, 0) t : F X) = F 0) X + O X 2) ) 0 1 où F 0) = est la matrice jacobienne de F en 0, 0) t. Le système dynamique, au voisinage de 0, 0) t 1 ε peut donc être approché par 2.15) Ẋ F 0) X qui se prète bien à l'analyse déjà pratiquée ci-dessus. Le polynôme caractéristique est p λ) = λ 2 λε + 1 Si ε < 2 on pose 1 ε2 4 = α > 0 : les valeurs propres sont complexes conjuguées λ 1 = ε 2 + iα et λ 2 = ε 2 iα ce qui montre que les solutions sont de la forme y 1 t) = y 1 0) cos αt y 2 0) sin αt) e ε 2 t y 2 t) = y 1 0) sin αt + y 2 0) cos αt) e ε 2 t Donc le point xe est stable attractif) ) si ε < 0 et instable répulsif) ) si ε > 0. Si ε > 2 : λ 1 = ε ε et 2 λ2 = ε ε. Les valeurs propres sont réelles, et du signe de ε. 2 Donc le point xe est stable attractif) si ε < 0 et instable répulsif) si ε > 0. Les conclusions que l'on a obtenu lors de l'analyse du pendule amorti, concernant le bassin d'attraction, sont ici invalide puisque la linéarisation de la fonction F rend l'analyse essentiellement locale au voisinage de 0, 0). Example 2.9. Tracer les trajectoires θ, θ) dans l'espace des phases ainsi que les solutions t, θ t)) pour toutes les valeurs de ε {0, 1, 2, 3} Example On se place dans le cas où le point xe est répulsif ε > 0). Tracer les solutions dans l'espace t, θ t)) et les trajectoires dans l'espace des phases θ, θ), et et interpréter les résultats : pour ε = 0.4, X 0 = 1, 3) puis X 0 = 1, 0)

9 JEUX NUMÉRIQUES AVEC LE CHAOS 9 Fig Equation de Van der Pol, ε = 0 Le point xe ne semble pas attractif mais si l'on pousse le temps de la simulation à t = 1000, les solutions semblent s'amortir de plus en plus pour converger vers 0, 0). Il est possible que ça ne soit qu'un eet numérique. Pour le conrmer, on teste ε = ±0.01, en partant au voisinage du point xe 0.1, 0.1) et en poussant le temps de simulation à t = 1000 par exemple. On a conrmation que pour ε = 0.01 > 0 le point xe est répulsif, pour ε = 0.01 < 0, il est attractif. Cependant, voit poindre ici un nouveau mode d'attraction : ça n'est plus un point qui est attractif, mais une trajectoire. Fig Equation de Van der Pol, ε = 1 Le point xe est attractif Fig Equation de Van der Pol, ε = 2 Le point xe 0, 0) est attractif

10 JEUX NUMÉRIQUES AVEC LE CHAOS 10 Fig Equation de Van der Pol, ε = 3 Le point xe 0, 0) est attractif Fig Equation de Van der Pol, ε = 4 Le point xe 0, 0) est répulsif, mais une trajectoire semble attractive. Fig Equation de Van der Pol, ε = 0.4 Le point xe 0, 0) est répulsif, mais une trajectoire semble attractive. pour ε = 4.0 et les mêmes valeurs de X 0

11 JEUX NUMÉRIQUES AVEC LE CHAOS 11 Lorsque ε > 0, on a vu que le point xe est répulsif. On voit apparaître une nouvelle forme de convergence, vers une solution périodique 4, qui est une variété d'attracteur. L'analyse mathématique en est ardue. Nous ne l'abordons pas ici. Par contre, on dispose de quelques théorèmes utiles : Theorem Poincaré-Bendixson). Soit Ẋ = F X) un système dynamique dans R 2. Soit X X 0, t) une trajectoire bornée de ce système. Alors une des alternatives suivantes est réalisée : 1) X est une solution périodique 2) X tend vers une solution périodique 3) X tend vers un point xe Theorem critère de Bendixson). Soit Ẋ = F X) un système dynamique dans R 2. Si D R 2 est un ouvert simplement connexe sans trou), si.f n'est pas identiquement nul et ne change pas de signe, alors le système dynamique n'a pas de solution périodique dans D. Démonstration. voir [Wiggins], chap 4. Example L'oscillateur de Dung : n'a pas de solution périodique dans R 2. { ẋ ẏ 3.1. Oscillateur forcé, attracteur étrange. = y vérie = x x 3.F = δ donc le système dynamique + δy, δ > 0 3. Apparition du chaos Denition 3.1. On appelle cycle limite du système dynamique Ẋ = F X), X Rn un ensemble de points limites formant un lacet 5 dans R n. Un point A R n est appelé point limite d'une trajectoire X t) s'il existe une suite croissante d'instants t n telle que lim n X t n ) = A La dénition d'un attracteur est plus délicate. Denition 3.2. Soit un système dynamique Ẋ = F X) et φ = {φ t, t > 0} le ot associé 6. Un sous ensemble A R n de l'espace des phases est un attracteur si : A est compact A est invariant par le ot φ A est de volume nul A est inclus dans un domaine B de l'espace des phases, de volume non nul, appelé bassin d'attraction de A. Le bassin B est tel que pour X 0 B, la trajectoire passant par X 0 converge vers A au sens où la distance de A à X X 0, t) tend vers 0 lorsque t tend vers l'inni. Un attracteur est un ensemble compact qui attire les trajectoires. Le bassin d'attraction d'un attracteur peut être de forme très complexe, même si l'attracteur est simple un point par exemple) Les cycles limite, les points limites, les points singuliers attractifs, sont des attracteurs. Il existe d'autre type d'attracteurs surprenants, baptisés attracteurs étranges par Ruelle et Takens. En voici un exemple : Example 3.3. Attracteur étrange : un oscillateur forcé et amorti. À l'oscillateur de Van Der Pol, on rajoute une force extérieure d'intensité variable et périodique. On obtient l'équation θ + γ θ + sin θ = A cos ωt qui peut se mettre sous forme de système dynamique autonome 7 en posant x, y, z) = θ, θ, ωt) : ẋ = y 3.1) ẏ = sin x γy + A cos z ż = ω Traçons les trajectoires projetées dans le plan x, y), pour γ = 0.5, ω = 2 3 X 0 = 1, 1, 3) 2. Example 3.4. Attracteur de Lorenz et A {0.9, 1.07, 1.15}, passant par 4 Une trajectoire t X t) de l'espace des phases est dite périodique si il existe T > 0 tel que t > 0, X t + T ) = X t). Il est équivalent de dire que X est une trajectoire fermée, ou qu'elle passe deux fois par le même point X 0 de l'espace des phases. 5 Un lacet de R n est une application continue γ : [a, b] R R n telle que γ a) = γ b) 6 On rappelle que le ot est la famille d'applications φt : X 0 X X 0, t) où X X 0, t) est la solution du système dynamique passant par X 0 à l'intant t = 0 7 Un système dynamique Ẋ = F X; t) est dit autonome si la fonction F X; t) = F X) ne fait pas intervenir explicitement le temps.

12 JEUX NUMÉRIQUES AVEC LE CHAOS 12 Fig Des trajectoires dans l'espace des phases pour l'oscillateur forcé, γ = 0.5, ω = 2 3 et A {0.9, 1.07, 1.15}. 3.2) Le système de Lorenz est ẋ = σ y x) ẏ = xz + rx y ż = xy bz avec σ = 10, b = 8 3 et r > 0 varie de 10 à 200. Lorsque r = 30 les trajectoires convergent sur un attracteur étrange. Voir gure 3.2) Sensibilité aux conditions initiales, exposant de Lyapunov. Considérons à nouveau le système de Lorenz, σ = 10, b = 8 3 et r = 30 Example 3.5. Soient X 0 = 1, 1, 0) et Y 0 = X 0 +ɛ 1, ɛ 2, 0) deux conditions initiales voisines. Calculons les trajectoires X t) et Y t) passant par X 0 et Y 0. Représentons graphiquement le portrait de phases ainsi que la diérence e t) = X t) Y t) en fonction du temps t. On obtient la gure.

13 JEUX NUMÉRIQUES AVEC LE CHAOS 13 Fig Attracteur de Lorenz, r = 30 Le vecteur e représentant la distance euclidienne entre les deux trajectoires au cours du temps. La gure met en évidence, une loi du type log e t) λt par morceaux. Le coecient λ est appelé exposant de lyapunov et caractérise la vitesse à laquelle s'éloignent deux trajectoires initialement proches. L'exposant de Lyapunov, dans le cas d'un système dynamique discret de dimension 1 et dénit de la façon suivante : si x 0 et x 0 + ε sont deux valeurs initiales alors les n-ièmes termes des deux suites correspondantes sont f n x 0 ) et f n x 0 + ε) et l'écart relatif entre ces deux termes est f n x 0+ε) f n x 0) ε et si on suppose cet écart croît exponentiellement par rapport au temps donc par rapport à n), on écrit e λx0)n f n x 0+ε) f n x 0). On pose donc la dénition suivante : Denition 3.6. Soit x n+1 = f x n ) un système dynamique discret de dimension 1 c'est à dire que f et une application de I R dans I). On appelle exposant de Lyapunov de x 0 I le nombre s'il existe) λ x 0 ) = lim lim 1 n ε 0 n log f n x 0 + ε) f n x 0 ) 3.3) ε Proposition 3.7. Si l'exposant de Lyapunov λ x 0 ) existe, alors il vérie : 1 3.4) λ x 0 ) = lim log f x i ) n n 1 Démonstration. Dans la formule 3.3), on a λ x 0 ) = lim n n log df n dx x 0). Or df n dx x 0) = f x n 1 ) f x n 2 )... f x 0 ) d'où le résultat. Example 3.8. Calculons l'exposant de Lyapunov λ k x), pour x [0, 1] et pour l'application f k : x kx 1 x) et diverses valeurs de k. La valeur de x 0 n'est pas très importante, on prend comme valeur λ k = 1 0 λ k x) dx 1 m 1 l m x l. Avec n = 200 valeurs pour la somme 3.4) et avec une dizaine de valeurs de x pour calculer la moyenne k des λ k x), on obtient. Voici le code de la fonction qui calcule l'exposant de Lyapunov pour λ k un x donné en utilisant la formule 3.4) 0 i<n function l=lyapunovx0,f,df,n) //calcul exposant lyapunovx0) connaissant f et f'=df x=x0 ; l=0 ; for i=1 :n do, x=fx) ; l=l+logabsdfx))) ; end ε

14 JEUX NUMÉRIQUES AVEC LE CHAOS 14 Fig Attracteur de Lorenz, σ = 10, b = 8 3 et r = 30, illustration de la SCI : a) les deux trajectoires initialement proches X 0 Y au bout d'un temps t = 25s et b) le log de la distance entre ces trajectoires en fonction du temps log X t) Y t) ) sur la durée 50s. l=l/n endfunction 3.3. Bassins d'attraction. Les valeurs d'adhérence de la suite x n+1 = x n 1 π tan πx n sont les points xes de l'application F x) = x 1 π tan πx, c'est à dire les zéros de la fonction x tan πx, c'est à dire Z, ensemble des entiers relatifs. On s'intéresse au bassin d'attraction de la solution k Z, autrement dit : quel est l'ensemble des x 0 tels que la suite x n ) n>0 converge vers k? En retournant le problème, on scrute l'intervalle x 0 [0, 1] et on étudie la fonction Ou encore limite ponctuelle) ϕ x 0 ) = lim n x n) Z ϕ = lim F n n Example 3.9. Dans scilab tracer la fonction ϕ, et mettez en évidence un comportement étrange. Quel est le bassin d'attraction de 0? 3.4. L'application logistique, bifurcation. Pour simplier l'étude de l'apparition du chaos précédemment entrevu, on étudie plutôt des système dynamiques discret, c'est à dire du type : x 0 I, x n+1 = G x n ) I

15 JEUX NUMÉRIQUES AVEC LE CHAOS 15 Fig Les applications logistiques et leur point xe pour k {1, 2, 3, 4} Fig Application logistique et SCI, diérentes valeurs de k {1, 2, 3}. Sur chaque sous gure, on représente deux suites x n et y n telles que x 0 y 0 < ε, où ε est précisé sur les gures, et la diérence log x n y n en fonction de n. Pour ces valeurs de k, les suites x n et y n se rapprochent rapidement. Dans un premier temps, on se concentre sur la famille des applications logistiques : 3.5) f k x) = kx 1 x) qui dépend du paramètre k. Les points xes de f k sont donnés par f k x) = x, soit x { 0, 1 1 k }. Une étude sommaire de ces applications montre qu'elle sont toutes de [0, 1] à valeurs dans [0, 1] c'est à dire que leur graphe est inclus dans [0, 1] 2, voir gure 3.4)). Pour cette famille d'applications, on trace les itérés gures 3.5) et 3.6)) Exposant de Lyapunov. On peut calculer de manière assez précise l'exposant de Lyapunov pour l'application logistique : pour x 0 l'exposant de Lyapunov λ x 0 ) est déni par f n x 0 ) f n x 0 + ε) εe nλx0) autrement dit : e nλx0) f lim n x 0) f n x 0+ε) ε 0 ε = d dx f n x 0 ) et em passant au log, et en faisant tendre n vers l'inni : λ x 0 ) =

16 JEUX NUMÉRIQUES AVEC LE CHAOS 16 Fig Application logistique et SCI, diérentes valeurs de k {3.6, 3.8, 3.9, 4}. La sensibilité aux conditions initiales apparaît à k 3.6 avec x 0 y 0 < La fonction φ n) = log x n y n ) λn devient approximativement linéaire dans les premières itérations. 1 lim n n ln d dx f n x 0 ). On montre simplement que d dx f n x 0 ) = 0 i<n f x i ) ce qui donne nalement 3.6) 1 λ x 0 ) = lim n n 0 i<n f x i ) L'exposant de Lyapunov λ x 0, k) dépend également de k pour l'application logistique, pour tout x 0 xé, et on trouve une courbe dont l'allure est la même, celle de la gure 3.7) Analyse des itérations. Proposition Soit I R un intervalle ouvert stable par la fonction f : I I et soit x I un point xe de f, c'est à dire vériant f x ) = x. On suppose en outre f C 2 I) et on considère la suite x 0 I, x n+1 = f x n ). Alors le point xe x est stable ou attractif si f x ) < 1, super attractif si f x) = 0 instable ou répulsif si f x ) > 1 neutre si f x ) = 1 Démonstration. f x + h) = f x ) + hf x ) + hε h) avec lim ε 0 ε h) = 0. Pour h = x x n, compte tenu de x n+1 = f x n ), cette égalité devient : ce qui montre le résultat. x x n+1 = f x ) + ε x x n )) x x n ) Denition Une suite nie de points distincts x 0, x 1,..., x n 1 ) forme un cycle de longueur n pour la fonction f si : f x i ) = x i+1 pour i {1, 2,..., n 2} et f x n 1 ) = x 0 Chaque point d'un cycle est dit n-périodique, car il est point xe de f n = f f f. Un cycle est dit attractif ou répulsif) si chaque point du cycle est un point xe attractif ou répulsif). Example f x) = x a pour cycle 0.5, 1.5, 0.5)

17 JEUX NUMÉRIQUES AVEC LE CHAOS 17 Fig Exposant de Lyapunov en fonction de k pour l'application logistique. Lorsque l'exposant est positif, la sensibilité aux conditions initiales s'installe, plus l'exposant est petit négatif, voir k 2), plus les trajectoires de deux suites initialement distintces se rapprochent rapidement. On peut se demander si l'exposant de Lyapunov n'est pas un indicateur de la vitesse de convergence d'une suite. Proposition Un cycle x 0, x 1,..., x n 1 ) est attractif si le produit m n = f x 0 ) f x 1 )... f x n 1 ) vérie m n < 1. Démonstration. comme x 0 est point xe de f n, il sut de calculer df n dx x 0), ce qui fournit directement le résultat. Example Pour f x) = x , on a f x 0 ) = 2x 0 et f f) x 0 ) = 4x 0 x 1 = ) = 3 donc le cycle est répulsif. Trouver tous les 2-cycles de f x) = x 2 + c. Ce sont les points xes de f f) x) = x 2 + c ) 2 + c. Or les points xes de f sont également points xes de f f donc f x) x est en facteur de f f x) x. On trouve donc f f x) x = x 2 x + c ) x 2 + x + c + 1 ) dont les racines sont Un peu de théorie 4.1. Points limites et cycles limites. Pour dénir correctement les cycles limites, on a besoin de quelques dénitions préalables : Denition 4.1. On considère un système dynamique Ẋ = F X) et X un point de l'espace des phases. L'ensemble limite de X est ω X) = {Y R n, t n, Y = lim φ tn X)}. Un cycle limite est une trajectoire périodique γ qui est l'ensemble limite d'au moins un point n'appartenant pas à γ Stabilité d'un point xe, linéarisation. soit X un point xe du système autonome 4.1) Ẋ = F X) pour déterminer la stabilité de X, soit Y une perturbation de X et X = X + Y alors Ẋ = X + Ẏ = F X + Y ) = F X ) + F X ) Y + O Y 2)

18 JEUX NUMÉRIQUES AVEC LE CHAOS 18 Fig Spectre de l'opérateur linéarisé F X ) autour de l'état de base stationnaire X. Image tirée de [Manneville]) d'où Ẏ = F X ) Y + O Y 2). On est donc amené à associer à 4.1) le système linéarisé au voisinage du point xe : 4.2) Ẏ = F X ).Y Deux questions se posent alors : la solution Y = 0 est-elle stable instable)? la stabilité instabilité) de la perturbation Y implique-t-elle celle de X? Une réponse à ces deux questions tient dans le théorème suivant : Theorem 4.2. Si les valeurs propres de la matrice F X ) ont une partie réelle négative, alors la solution Y = 0 est asymptotiquement stable pour 4.2), et cette stabilité entraîne celle de X pour 4.1). Démonstration. Pour la stabilité de Y = 0, on suppose que F X ) = P 1 DP, est diagonalisable, avec D = Diag λ m ) et on se place dans une base propre, ce qui revient à faire le changement de variable : Y Z = P 1 Y. Dans cette base propre, l'équation 4.2) se reformule : Ż = DZ qui a pour ensemble de solutions { Z : t Z t) = e Dt Z 0) où Z 0) R n}, avec et e Dt = Diag e λmt). Les valeurs propres sont λ m = σ m iω m supposées non dégénérées chaque valeur propre d'ordre o admet un sous espace propre de dimension o car la matrice F X ) est diagonalisable) Lorsque t tend vers l'inni, Y t) = P Z t) converge vers 0 si et seulement si la partie réelle des λ i est strictement négative. Plus précisément la m-ième composante de Z est Z m = Z m 0) expσ m iω m ) t, donc si σ m < 0 alors Z m tend vers 0, la perturbation est amortie dans cette direction, le m-ième mode propre est stable, si σ m > 0 alors Z m tend vers, la perturbation est ampliée dans cette direction, le m-ième mode propre est instable si σ m = 0, alors Z m = Z m 0) e iωmt ne croît ni ne décroît, le mode est neutre ou marginal La partie imaginaire ω m décrit le comportement temporel des amplitudes des modes abstraction faite de la tendance déterminée par σ m ω m 0 : on parle de mode oscillant, ω m = 0 : on a aaire à un mode stationnaire. Les modes propres s'ordonnent par valeur décroissante de leur taux de croissance : σ 1 > σ 2 >... L'état de base considéré est instable dès qu'un mode au moins) est instable. En toute généralité, les valeurs propres sont fonctions des paramètres µ de contrôle Bifurcation. Une bifurcation se produit dans l'espace des paramètres lorsque les propriétés de stabilité d'un point xe changent. Les cas les plus simples correspondent au franchissement de l'axe imaginaire par un mode réel ou une paire de modes complexes conjugués, correspondant respectivement aux cas 1) et 2,2*) illustrés sur la partie gauche de la gure Prenons l'exemple du système de Rössler avec a = 0.15, b = 0.20, et c > 0, variable : ẋ = y z 4.3) ẏ = x + ay ż = b cz + xz 1) Les points xes sont les solutions de F X) = 0 appartenant à R 3, les solutions de C 3 sont rejetées. Pour 0 < c < 2 ab , il n'y a pas de point xe,

19 JEUX NUMÉRIQUES AVEC LE CHAOS 19 pour c 2 ab on a les deux points xes : X c) = c + c 2 4ab 2a X 2 c) = c c 2 4ab 2a a, 1, 1) a, 1, 1) 2) Les valeurs propres de la jacobienne aux points xes sont données par : Le point xe X 2 c) est donc répulsif pour toute valeur de c, n'en parlons plus. Le point xe X c) est répulsif pour c < c et attractif pour c [0.3464, ] environ. On note M c) la plus grande la partie réelle du spectre de la jacobienne au point X c) 8, et c 1 désigne la valeur de c pour laquelle M c 1 ) = 0. Le spectre de la jacobienne est Λ c 1 ) { 1.1i, 1.1i, 0.51}. Le point xe X c) devient donc répulsif à partir de c = c 1 et un cycle limite attracteur apparaît en même temps. Les caractéristiques du cycle limite sont gouvernées par les parties imaginaires des valeurs propres, c'est à dire ± , le cycle limite est d'équation dans une base propre x t), y t), z t)) = e 1.1it, e 1.1it, 0 ) Lorsque c, il semble que la partie imaginaire des valeurs propres tend vers 1. Ce qui pourrait signier que pour tout c > c 1 on a un cycle limite de pulsation ω 1 donc de période T 2π. 8 alors = M ) < 0 < M ) =

20 JEUX NUMÉRIQUES AVEC LE CHAOS 20 a) c=0.2, point xe répulsif b) c=0.4, point xe attractif c) c=0.6, point xe faiblement attractif d) c=0.7, point xe très faiblement attractif. Le cycle limite commence à se dessiner e) c=0.75, le point xe est devenu répulsif. Naissance d'un cycle limite. On voit deux trajectoires qui convergent vers le cycle limite. Fig Evolution du point xe X c)

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

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

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

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

Retournement Temporel

Retournement Temporel Retournement Temporel Rédigé par: HENG Sokly Encadrés par: Bernard ROUSSELET & Stéphane JUNCA 2 juin 28 Remerciements Je tiens tout d'abord à remercier mes responsables de mémoire, M.Bernard ROUSSELET

Plus en détail

Chapitre 0 Introduction à la cinématique

Chapitre 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 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

Équations non linéaires

Équations non linéaires CHAPTER 1 Équations non linéaires On considère une partie U R d et une fonction f : U R d. On cherche à résoudre { x U 1..1) f x) = R d On distinguera les cas d = 1 et d > 1. 1.1. Dichotomie d = 1) 1.1.1.

Plus en détail

La fonction exponentielle

La 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 détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques

Plus en détail

F411 - Courbes Paramétrées, Polaires

F411 - 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 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

TP 7 : oscillateur de torsion

TP 7 : oscillateur de torsion TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)

Plus en détail

Développements limités. Notion de développement limité

Développements 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

Limites finies en un point

Limites 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 détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Continuité et dérivabilité d une fonction

Continuité 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 détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Oscillations libres des systèmes à deux degrés de liberté

Oscillations libres des systèmes à deux degrés de liberté Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à

Plus en détail

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation ) DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les

Plus en détail

Table des matières. Introduction Générale 5

Table 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 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

CHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté

CHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté CHAPITE IV Oscillations ibres des Systèmes à plusieurs derés de liberté 010-011 CHAPITE IV Oscillations libres des systèmes à plusieurs derés de liberté Introduction : Dans ce chapitre, nous examinons

Plus en détail

Quantité de mouvement et moment cinétique

Quantité de mouvement et moment cinétique 6 Quantité de mouvement et moment cinétique v7 p = mv L = r p 1 Impulsion et quantité de mouvement Une force F agit sur un corps de masse m, pendant un temps Δt. La vitesse du corps varie de Δv = v f -

Plus en détail

Chapitre 1 Cinématique du point matériel

Chapitre 1 Cinématique du point matériel Chapitre 1 Cinématique du point matériel 7 1.1. Introduction 1.1.1. Domaine d étude Le programme de mécanique de math sup se limite à l étude de la mécanique classique. Sont exclus : la relativité et la

Plus en détail

Cours Fonctions de deux variables

Cours 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 détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

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

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

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

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS 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 détail

EXERCICE 4 (7 points ) (Commun à tous les candidats)

EXERCICE 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 détail

DYNAMIQUE DE FORMATION DES ÉTOILES

DYNAMIQUE DE FORMATION DES ÉTOILES A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,

Plus en détail

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................

Plus en détail

Les travaux doivent être remis sous forme papier.

Les travaux doivent être remis sous forme papier. Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24

Plus en détail

I - 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 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 détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche 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 détail

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2 CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en

Plus en détail

Commun à tous les candidats

Commun 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 détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

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

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet 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 détail

SYSTEMES LINEAIRES DU PREMIER ORDRE

SYSTEMES LINEAIRES DU PREMIER ORDRE SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 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 détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

MECANIQUE DU POINT. y e y. z e z. ] est le trièdre de référence. e z. où [O, e r. r est la distance à l'axe, θ l'angle polaire et z la côte

MECANIQUE DU POINT. y e y. z e z. ] est le trièdre de référence. e z. où [O, e r. r est la distance à l'axe, θ l'angle polaire et z la côte I) Cinématique du point matériel: 1) Référentiel: MECANIQUE DU POINT L ensemble de tous les systèmes d axes de coordonnées liés à un même solide de référence S constitue un repère Soit une horloge permettant

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

8.1 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 détail

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2 Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page

Plus en détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

Analyse des Systèmes Asservis

Analyse des Systèmes Asservis Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas

Plus en détail

Résolution d équations non linéaires

Résolution 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 détail

Continuité d une fonction de plusieurs variables

Continuité 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 détail

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Cours3. 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 détail

Capes 2002 - Première épreuve

Capes 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 détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

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

Chapitre 6. Fonction réelle d une variable réelle

Chapitre 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 détail

4. NOMBRES COMPLEXES ET TRIGONOMÉTRIE

4. NOMBRES COMPLEXES ET TRIGONOMÉTRIE 4. NOMBRES COMPLEXES ET TRIGONOMÉTRIE 1 Introduction. 1. 1 Justication historique. La résolution de l'équation du degré (par la méthode de Cardan) amena les mathématiciens italiens du seizième 3ème siècle

Plus en détail

Image d un intervalle par une fonction continue

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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP 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 détail

Repérage d un point - Vitesse et

Repérage d un point - Vitesse et PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées

Plus en détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - 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 détail

OM 1 Outils mathématiques : fonction de plusieurs variables

OM 1 Outils mathématiques : fonction de plusieurs variables Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Compte rendu des TP matlab

Compte rendu des TP matlab Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 006 1 TP1, Discrétisation de problèmes elliptiques linéaires 1d Soient > 0, a R, b 0, c, d R et f C([0, 1], R). On cerce à approcer

Plus en détail

Chafa Azzedine - Faculté de Physique U.S.T.H.B 1

Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Chapitre 7: Dynamique des fluides

Chapitre 7: Dynamique des fluides Chapitre 7: Dynamique des fluides But du chapitre: comprendre les principes qui permettent de décrire la circulation sanguine. Ceci revient à étudier la manière dont les fluides circulent dans les tuyaux.

Plus en détail

La notion de temps. par Jean Kovalevsky, membre de l'institut *

La notion de temps. par Jean Kovalevsky, membre de l'institut * La notion de temps par Jean Kovalevsky, membre de l'institut * Introduction : le temps classique Nous avons de la notion de temps une connaissance primaire, vivant dans un présent coincé entre un passé

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Équations non linéaires

Équations 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 détail

Notion de fonction. Résolution graphique. Fonction affine.

Notion de fonction. Résolution graphique. Fonction affine. TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................

Plus en détail

Dérivation : cours. Dérivation dans R

Dérivation : 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 détail

Correction de l examen de la première session

Correction 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 détail

Rappels sur les suites - Algorithme

Rappels 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 détail

DURÉE DU JOUR EN FONCTION DE LA DATE ET DE LA LATITUDE

DURÉE DU JOUR EN FONCTION DE LA DATE ET DE LA LATITUDE DURÉE DU JUR E FCTI DE LA DATE ET DE LA LATITUDE ous allons nous intéresser à la durée du jour, prise ici dans le sens de période d éclairement par le Soleil dans une journée de 4 h, en un lieu donné de

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

Développements limités, équivalents et calculs de limites

Développements 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 détail

Test : principe fondamental de la dynamique et aspect énergétique

Test : principe fondamental de la dynamique et aspect énergétique Durée : 45 minutes Objectifs Test : principe fondamental de la dynamique et aspect énergétique Projection de forces. Calcul de durée d'accélération / décélération ou d'accélération / décélération ou de

Plus en détail

Complément d information concernant la fiche de concordance

Complément 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 détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)

10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU) 0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices 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 détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices 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 détail

Fonctions de plusieurs variables. Sébastien Tordeux

Fonctions de plusieurs variables. Sébastien Tordeux Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières

Plus en détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

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