Compte rendu des TP matlab

Dimension: px
Commencer à balayer dès la page:

Download "Compte rendu des TP matlab"

Transcription

1 Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 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 la solution u du problème suivant : u xx (x) + au x (x) + bu(x) = f(x), x [0, 1], u(0) = c, u(1) = d. (1) Téorème 1. Dans C ([0, 1], R), il existe une unique solution u vériant le problème (1). Démonstration : Unicité : Métode d'énergie. Supposons que u et v soient deux solutions de classe C ([0, 1], R) du problème (1). La diérence ψ = u v est alors solution du problème suivant : ψ xx (x) + aψ x (x) + bψ(x) = 0, x [0, 1], ψ(0) = 0, ψ(1) = 0. On multiplie l'équation par ψ et on intègre sur [0, 1] pour obtenir : 1 0 ( ψ xx(x) + aψ x (x) + bψ(x)) ψ(x)dx = }{{} 0 ψ x(x)dx + }{{} b 0 ψ (x)dx = 0 >0 0 Donc 1 0 ψ x(x)dx = 0, on obtient x [0, 1], ψ x (x) = 0. Ainsi ψ est un fonction constante, x [0, 1], ψ(x) = ψ(0) = 0. Finalement, u = v. Existence : Métode de tir. On s'intéresse au problème suivant : u xx (x) + au x (x) + bu(x) = f(x), x R +, u(0) = c, u (0) = α. () Il admet, d'aprés le téorème de Caucy Lipscitz (linéaire), une unique solution globale dénie sur R + de classe C (R +, R) notée u α. Notons φ = u 0 et ψ l'unique solution (téorème de Caucy Lipscitz linéaire) du problème de caucy suivant : ψ xx (x) + aψ x (x) + buψ(x) = 0, x [0, 1], ψ(0) = 0, ψ (0) = 1. Par unicité, u α = φ + αψ. On a u α (1) = φ(1) + αψ(1). On montre par une métode d'énergie que ψ(1) est non nul. On peut alors poser α = d φ(1). u α [0,1] est la solution du problème (1). ψ(1) Remarque 1 : On peut également démontrer ce téorème en passant par une formulation faible. 1

2 Téorème. Principe du maximum : Notons u l'unique solution du problème (1). Dans le cas b > 0, on a x [0, 1], m u(x) M avec M = max m = min {c, d, 1b } min {f(x), x [0, 1]}. {c, d, 1b max {f(x), x [0, 1]} } et Dans le cas b = 0 et sous l'ypotèse f 0, on a x [0, 1], u(x) min(c, d) autrement dit le minimum de u est atteint sur la frontière de [0, 1],. Démonstration : Premier cas : Supposons d'abord a = b = 0 et f 0. u (x) = f(x) Soit δ > 0, posons v δ (x) = u(x) δx. Soit x 0 [0, 1] tel que v δ (x 0 ) = min{v δ (x), x [0, 1]}. Un tel x 0 existe par compacité puisque v δ est continue. Si x 0 ]0, 1[, alors v δ (x 0) = 0 et v δ (x 0) 0 ie u (x 0 ) δ 0 donc f(x 0 ) + }{{} δ 0 0 >0 Contradiction, donc x 0 = 0 ou 1 et x [0, 1], u(x) u(x) δx min (u(0), u(1) δ). Ceci est valable pour tout δ > 0, donc x [0, 1], u(x) min (u(0), u(1)). Deuxième cas : Supposons a 0, b = 0 et f 0. u (x) + au (x) = f(x) Soit δ > 0, posons v δ (x) = u(x) δe ax. Soit x 0 [0, 1] tel que v δ (x 0 ) = min{v δ (x), x [0, 1]}. Si x 0 ]0, 1[, alors v δ (x 0) = 0 et v δ (x 0) 0. On a donc u (x 0 ) = aδe ax0 et par suite v δ (x 0 ) a e ax0 a δe ax0 = f(x 0 ) 0 0 <0 Contradiction, donc x [0, 1], u(x) min (u(0) δ, u(1) δe a ). Ceci est valable pour tout δ > 0, donc x [0, 1], u(x) min (u(0), u(1)). Troisième cas : Supposons b > 0. Soit x 0 tel que u(x 0 ) = min {u(x), x [0, 1]}. On diérencie deux cas : Si x 0 ]0, 1[, on a u (x 0 ) = 0, u (x 0 ) 0 et comme u vérie (1), on a : donc u(x 0 ) 1 b f(x 0) m, ie x [0, 1], u(x) m. Si x 0 {0, 1}, x [0, 1], u(x) u(x 0 ) m. Dans tous les cas, x [0, 1], u(x) m. u(x 0 ) = 1 b f(x 0) + b u (x 0 ) Remarque : Ce téorème montre le principe de posivité suivant : Si c, d, f 0 alors u 0. On a considéré 4 exemples : 1. = 1, a = b = c = d = 0, f = 1, la solution est u(x) = 1 x(1 x). = 1, a = b = c = d = 0, f(x) = 1x + 1x, la solution est u(x) = x (1 x)

3 3. = 1/4, a = 1, b = 3, c = 1, d = exp( ), f = 0, la solution est u(x) = exp( x) 4. = 1/100, a = 1, b = 0, c = 0, d = 1, f = 0, la solution est u(x) = 1 e (e100x 1) L'exemple 4 est un problème raide. La solution exacte est dicile à approcer si est petit, la variation se fait dans un intervalle très petit (de longueur 5 ), il faut donc que soit très petit. La limite de u dans le quatrième exemple quand 0 : u(x) = = 0 e x 1 e 1/ 1 e x 1 e 1 1 e 1 0 si x < 1 1 si x = 1 si x > 1 Pour illustrer le principe du maximum, on trace les solutions u sur [0,1] avec m et M. Fig. 1 Solution pour l'exemple 1 Fig. Solution pour l'exemple Fig. 3 Solution pour l'exemple 3 Fig. 4 Solution pour l'exemple 4 Pour l'exemple 1 et, on a a = b = 0, donc x [0, 1], u(x) min (u(0), u(1)) (gure 1, ). Pour l'exemple 3, on a a, b sont non nuls, donc x [0, 1], M u(x) m (gure 3). Pour l'exemple 4, on a a = 1, b = 0, donc x [0, 1], u(x) min (u(0), u(1)) (gure 4). 3

4 1.1 Discrétisation par Diérences Finies (DF) centrées Soit N N. On note = 1/(N + 1) et x i = i, i = 1,.., N. La discrétisation du problème par diérences nies centrées avec un maillage uniforme de pas s'écrit : ( + a ) ( ) ( a u i b u i + ) u i+1 = f i,, i =,.., N 1 ( ) ( a + b u 1 + ) ( u = f a ) c, (3) ( + a ) ( ) ( u N b u N = f N + a ) d. Les inconnues discrètes u 1,.., u N sont supposées approcer les valeurs de u aux points x 1,.., x N. Téorème 3. Supposons l'existence d'une solution, notée {u j } j {1,..,N}, du système linéaire (3). Sous l'ypotèse a, on a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max {c, d, 1b } max {f(x), x [0, 1]} et m = min {c, d, 1b } min {f(x), x [0, 1]}. Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + (u i u i 1 ) + a (u i+1 u i 1 ) = f i bu i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b ( = 0 et f 0. Si i 0 {1,.., N}, on peut écrire (u i0 u i0+1) a ) ( + (u i0 u i0 1) } {{ } + a ) = f i0 } {{ } }{{} 0 <0 0 0 >0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. ( Si i 0 {1,.., N}, on peut écrire a ) ( + a ) (u i0 u i0+1) 0 } {{ } 0 + (u i0 u i0 1) <0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. } {{ } >0 = f i0 bu i0 Fig. 5 > a, N = 45 (ex4) par DF Fig. 6 a, N = 100 (ex4) par DF 4

5 On illustre le principe du maximum discret pour l'exemple 4 (la solution exacte est toujours positive) sous les conditions > gure 5 et gure 6. a a Téorème 4. Existence et unicité de la solution discrète : Sous l'ypotèse a, F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (3). Démonstration : Le principe du maximum discret ci-dessus avec c = d = 0 permet d'écrire (Au 0 = u 0). Soit u tel que Au = 0, on a Au = A( u) 0 donc u 0 et Au 0 donc u 0 donc u = 0. La matrice A est inversible. La solution approcée u = (u 1,.., u N ) n'existe pas toujours. En eet si = 0, a = 1, b = 0, c = 0, d = 1, f = 0, le scéma DF : 1 u i u i+1 = 0,, i =,.., N 1 1 u = 0, 1 u N 1 = 1. Si N = p, on obtient u i = 0 et u i+1 = 1. Si N = p + 1, on n'a pas de solution. On applique le scéma (3) des diérences nies à nos 4 exemples (gure 7, 8, 9, 10) sous l'ypotèse a. Fig. 7 Solution exacte-approcée par DF pour ex1 Fig. 8 Solution exacte-approcée par DF pour ex Fig. 9 Solution exacte-approcée par DF pour ex3 Fig. 10 Solution exacte-approcée par DF pour ex4 5

6 Téorème 5. Ordre de consistance : Le scéma diérence nie centrée (3) est consistant d'ordre. Démonstration : En eet, en faisant le développement de Taylor de u : θ 1, θ 3 [x i, x i+1 ] et θ, θ 4 [x i 1, x i ] tels que u(x i+1 ) = u(x i ) + u (x i ) + u (x i ) u (x i ) u(4) (θ 1 ) u(x i 1 ) = u(x i ) u (x i ) + u (x i ) 3 6 u (x i ) u(4) (θ ) On obtient l'erreur de consistance R i : R i = u xx (x i ) + au x (x i ) + bu(x i ) (u(x i) u(x i 1 ) u(x i+1 )) a (u(x i+1) u(x i 1 )) bu(x i ) ( ) ( ) = u (4) (θ 1 ) + u (4) (θ ) a u (3) (θ 3 ) + u (3) (θ 4 ) 4 1 ( R i 1 u(4) + a ) 6 u(3) Pour le premier exemple (gure 11), on obtient une erreur numérique de l'ordre de l'erreur macine. C'est du au fait que la solution exacte est un polynôme d'ordre deux et donc que le scéma est exact. Pour les autres exemples (gure 1, 13 et 14), on obtient une erreur d'ordre. Fig. 11 ln( u(x i ) u i ) pour l'exemple 1 pour DF Fig. 1 ln( u(x i ) u i ) pour l'exemple par DF Fig. 13 ln( u(x i ) u i ) pour l'exemple 3 par DF Fig. 14 ln( u(x i ) u i ) pour l'exemple 4 par DF Bilan : Le scéma diérence nie centrée (3) est consistant d'ordre mais il ne vérie pas le principe du maximum pour tout > 0. 6

7 1. Discrétisation par Volumes Finis Centrés (VFC) Soit N N. On pose x i+1/ = i, i = 1,.., N, x i = i /, i = 1,.., N et i =, pour i = 1,.., N et 0 = N+1 =. On intégre l'équation sur une maille M i = [x i 1/, x i+1/ ] : où f i = xi+1/ u (x i+1/ ) + u (x i 1/ ) + au(x i+1/ ) au(x i 1/ ) + b u(x)dx = f i, pour i = 1,.., N x i 1/ xi+1/ x i 1/ f(x)dx. On note u 1,.., u N les inconnues discrètes approcant les valeurs de u aux points x 1,.., x N. Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + a u i+1 + u i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + ad Le scéma numérique donne un système linéaire de N équations à N inconnues : ( + a ) ( ) ( a u i b u i + ) u i+1 = f i,, i =,.., N 1 ( 3 + b + a ) ( a u 1 + ) ( u = f a ) c, ( + a ) ( 3 u N b a ) ( a u N = f N ) d. (4) Téorème 6. Existence et unicité de la solution discrète : F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (4). Démonstration : On suppose que c = d = f = 0 et on pose u 0 = u N+1 = 0. on multiplie le scéma par u i et on somme pour i = 1,.., N : N 1 (u i+1 u i ) + (u 1 + u N) a F i+1/ F i 1/ + bu i = 0 F i+1/ (u i+1 u i ) + b u i = 0 =0 (u i+1 u i )(u i+1 + u i ) +b u i = 0 Tous les termes sont positifs donc i = 1,.., N, u i = 0. Donc A est inversible. On applique le scéma (4) des volumes nies centrés à nos 4 exemples (gures 15, 16, 17, 18). 7

8 Fig. 15 Solution exacte-approcée par VFC pour ex1 Fig. 16 Solution exacte-approcée par VFC pour ex Fig. 17 Solution exacte-approcée par VFC pour ex3 Fig. 18 Solution exacte-approcée par VFC pour ex4 Téorème 7. Convergence : Le scéma volume ni centré (4) est convergent d'ordre 3. On pose e i = u(x i ) u i, pour i = 1,.., N et e 0 = e N+1 = 0. (e i+1 e i ) i C 3 quand est petit e i C 3/ Démonstration : Consistance : On pose u i = u(x i ), pour i = 1,.., N F i+1/ F i 1/ + bu i = f i avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + a u i+1 + u i + R i+1/, i = 1,.., N 1 F i+1/ = u 1 c + ac + R 1/ d u N + ad + R N+1/ Pour i = 1,.., N 1, on a : θ 1, θ 3 [x i+1/ ; x i+1 ] et θ, θ 4 [x i ; x i+1/ ] tels que 8

9 ( R i+1/ = u (x i+1/ ) u ) ( i+1 u i + a u(x i+1/ ) u ) i+1 + u i ( ) = u (3) (θ 1 ) + u (3) (θ ) a 48 4 (u (θ 3 ) + u (θ 4 )) R i+1/ C Pour i = 0, on a : θ 1 [0; x 1 ] tel que De même pour i = N : Erreur : On a pour i = 1,.., N : Donc e i vérie : R 1/ = = 4 u (θ 1 ) R 1/ C ( u (0) u ) 1 u(0) + a (u(0) u(0)) R N+1/ C F i+1/ F i 1/ + bu i = f i F i+1/ F i 1/ + bu i = f i G i+1/ G i 1/ + be i = 0 avec G i+1/ = F i+1/ F i+1/. En reprenant les calculs faits dans l'existence et l'unicité des u i, on obtient : G i+1/ G i 1/ + be i = 0 (e i+1 e i ) + b e i = R i+1/ (e i+1 e i ) i N 1 (e i+1 e i ) + e 1 + e N + b e i = On a encore N 1 N 1 R i+1/ (e i+1 e i ) + R 1/ e 1 R N e N (e i+1 e i ) + e 1 + N 1 e N R 1/ e 1 + R N e n + C (e i+1 e i ) i i 4 R 1/ + e R N + e n + C N 1 ( (e i+1 e i ) 3 i 4 C C + N C ( (e i+1 e i ) N ) 1/ C 3 + (e i+1 e i ) i 1 C4 + 1 (e i+1 e i ) + C 3 i C( ) ( N ) 1/ (e i+1 e i ) C 3/ quand est petit i (e i+1 e i ) C 4 e i N (e j+1 e j ) 1/ + 1 j=0 C 3/ i (e i+1 e i ) i i ) 1/ ( (e i+1 e i ) N ) 1/ i i 1 On a vu que téoriquement on a une erreur d'ordre 3, mais numériquement pour nos exemples (gures 19 0, 1 et ) on trouve une erreur d'ordre. 9

10 Fig. 19 ln( u(x i ) u i ) pour l'exemple 1 par VFC Fig. 0 ln( u(x i ) u i ) pour l'exemple par VFC Fig. 1 ln( u(x i ) u i ) pour l'exemple 3 par VFC Fig. ln( u(x i ) u i ) pour l'exemple 4 par VFC Téorème 8. Sous l'ypotèse a, on a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max {c, d, 1b } max {f(x), x [0, 1]} et m = min {c, d, 1b } min {f(x), x [0, 1]}. Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + i i (u i u i 1 ) + a i (u i+1 u i 1 ) = f i bu i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b = 0 et f 0. Si i 0 {1,.., N}, on peut écrire( ) ( (u i0 u i0+1) 0 a i 0 i0 0 + (u i0 u i0 1) <0 ) + a i 0 i0 >0 = f i0 }{{} 0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. Si i 0 {1,.., N}, on peut écrire 10

11 ( (u i0 u i0+1) a i 0 0 i0 0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. ) ( + (u i0 u i0 1) + a i 0 <0 i0 ) >0 = f i0 bu i0 On illustre le principe du maximum discret pour l'exemple 4 (la solution exacte est toujours positive) sous les conditions > gure 3 et gure 4. a a Fig. 3 > a, N = 45 (ex4) par VFC Fig. 4 a, N = 100 (ex4) par VFC Bilan : on a un scéma d'ordre 3 du maximum pour tout > 0. téorique, numériquement on montre un ordre et on n'a pas le principe 1.3 Discrétisation par Volumes Finis Décentrés (VFDC) Pour approcer la solution u du problème, on propose le scéma numérique suivant (avec les mêmes notations que la partie VF centrés) : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + au i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + au N Le scéma numérique donne un système de N équations à N inconnues : ( ) + a ( u i a ) + b u i u i+1 = f i,, i =,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( ) + a ( 3 u N b + a ) u N = f N + d. (5) 11

12 Téorème 9. Existence et unicité de la solution discrète : F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (5). Démonstration : On suppose que c = d = f = 0 et on pose u 0 = u N+1 = 0. on multiplie le scéma par u i et on somme pour i = 1,.., N : F i+1/ F i 1/ + bu i = 0 F i+1/ (u i+1 u i ) + b u i = 0 N 1 (u i+1 u i ) + (u 1 + u N ) a N 1 (u i+1 u i ) ( + a (u i+1 u i )u i 1 (u i+1 u i ) ( + a ) ) + (u 1 + u N ) Tous les termes sont positifs donc i = 1,.., N, u i = 0. Donc A est inversible. +b + b u i = 0 u i = 0 On n'applique le scéma (5)des volumes nis décentrés que pour les exemples 3 et 4 (gures 5, 6 ), car a 0, sinon on a le même scéma que volumes nis centrés. Fig. 5 Solution exacte-approcée par VFDC pour ex3 Fig. 6 Solution exacte-approcée par VFDC pour ex4 Téorème 10. Convergence : Le scéma volume ni décentré (5) est convergent d'ordre 1. On pose e i = u(x i ) u i, pour i = 1,.., N et e 0 = e N+1 = 0. (e i+1 e i ) C i e i C Démonstration : Consistance : On pose u i = u(x i ) pour i = 1,.., N F i+1/ F i 1/ + bu i = f i avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : 1

13 F i+1/ = u i+1 u i + au i + R i+1/, i = 1,.., N 1 u 1 c + ac + R 1/ d u N + au N + R N+1/ Pour i = 1,.., N 1, on a θ 1 [x i+1/ ; x i+1 ] et θ, θ 3 [x i ; x i+1/ ] tels que ( R i+1/ = u (x i+1/ ) u ) i+1 u i + a ( ) u(x i+1/ ) u i ( ) = u (3) (θ 1 ) + u (3) (θ ) + a 48 u (θ 3 ) R i+1/ C Pour i = 0, on a : θ 1 [0; x 1 ] tel que De même pour i = N : R 1/ = = 4 u (θ 1 ) R 1/ C On obtient pour i = 0,.., N : R i+1/ C. Erreur : On a pour i = 1,.., N : ( u (0) u ) 1 u(0) R N+1/ C F i+1/ F i 1/ + bu i = f i F i+1/ F i 1/ + bu i = f i Donc e i vérie : G i+1/ G i 1/ + be i = 0 avec G i+1/ = F i+1/ F i+1/. En reprenant les calculs faits dans l'existence et l'unicité des u i, on obtient : (e i+1 e i ) On a encore i + a G i+1/ G i 1/ + be i = 0 (e i+1 e i ) + b e i = R i+1/ (e i+1 e i ) e i C (e i+1 e i ) C 3 (e i+1 e i ) i i ( N ) 1/ ( (e i+1 e i ) N ) 1/ C i N (e j+1 e j ) 1/ + 1 C j=0 i 1 On trouve numériquement l'ordre téorique, ie 1, pour nos exemples 3 et 4 (gures 7, 8) 13

14 Fig. 7 ln( u(x i ) u i ) pour l'exemple 3 par VFDC Fig. 8 ln( u(x i ) u i ) pour l'exemple 4 par VFDC Téorème 11. On a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max m = min {c, d, 1b } min {f(x), x [0, 1]}. {c, d, 1b } max {f(x), x [0, 1]} et Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + (u i u i 1 ) + a (u i u i 1 ) = f i bu i i i i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b = 0 et f 0. Si i 0 {1,.., N}, on peut écrire ( (u i0 u i0+1) 0 i 0 }{{} 0 + (u i0 u i0 1) <0 i 0 + a i0 ) >0 = f i0 }{{} 0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. Si i 0 {1,.., N}, on peut écrire (u i0 u i0+1) 0 i 0 }{{} 0 ( + (u i0 u i0 1) <0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. i 0 + a i0 ) >0 = f i0 bu i0. Bilan : On a toujours le principe du maximum sans condition sur mais on n'a plus de convergence d'ordre 1.4 Discrétisation par Volumes Finis décentrés d'ordre, sans limiteurs (VFDCSL) Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : 14

15 F i+1/ = u i+1 u i + au i + a p i, i = 1,.., N 1 u 1 c + ac d u N + au N où p i = u i+1 u i 1, i =,.., N 1 et p 1 = p N = 0. Le scéma numérique donne un système de N équations à N inconnues : ( a 4 u i + 5a ) ( u i a ) ( a 4 + b u i + 4 ) u i+1 = f i,, i = 3,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( + 5a ) ( u b + a ) ( a u + 4 ) u 3 = f, a ( 4 u N + a ) ( 3 u N b + 3a ) u N = f N + 4 d. (6) On n'applique le scéma (6) volumes nis décentré sans limiteurs que pour les exemples 3 et 4 (gures 9, 30), car a 0, sinon on a le même scéma que volumes nis centrés. Fig. 9 Solution exacte-approcée par VFDCSL (ex3) Fig. 30 Solution exacte-approcée par VFDCSL (ex4) Rem : On n'a pas toujours le principe du maximum. Pour l'exemple 4 la solution approcée par volumes nis décentré sans limiteurs n'est pas toujours positive si > a (gure 31). Fig. 31 > a, N = 45 (ex4) par VFDCSL 15

16 On obtient numériquement une convergence pour les exemples 3 et 4 approcés par volumes nis décentré sans limiteurs d'ordre (gures 3, 33). Fig. 3 ln( u(x i ) u i ) par VFDCSL (ex3) Fig. 33 ln( u(x i ) u i ) par VFDCSL (ex4) Bilan : on a un scéma d'ordre mais on n'a pas le principe du maximum pour tout > Discrétisation par Volumes Finis décentrés d'ordre, avec limiteurs (VFD- CAL) Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + au i + a p i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + au N { ui+1 u i 1 où p i = minmod }, i =,.., N 1 et p 1 = p N = 0 avec minmod{α, β, γ} =, u i+1 u i, u i u i 1 0 si α, β, γ n'ont pas tous le même signe et minmod{α, β, γ} = sign(α)min{ α, β, γ } si α, β, γ ont le même signe. Le scéma numérique donne un système de N équations à N inconnues : ( ) + a ( u i a ) + b ( ) + a u N 1 + u i u i+1 + a (p i p i 1 ) = f i,, i =,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( 3 + b + a ) u N + a p N 1 = f N + d. (7) On n'applique le scéma (7) volumes nis décentrés avec limiteurs que pour les exemples 3 et 4 (gures 34, 35), car a 0, sinon on a le même scéma que volumes nis centrés. 16

17 Fig. 34 Solution exacte-approcée par VFDCAL (ex3) Fig. 35 Solution exacte-approcée par VFDCAL (ex4) Fig. 36 ln( u(x i ) u i ) par VFDCAL (ex3) Fig. 37 ln( u(x i ) u i ) par VFDCAL (ex4) On obtient numériquement une convergence d'ordre pour les exemples 3 et 4 approcés par volumes nis décentrés avec limiteurs (gures 36, 37). Bilan : On a une convergence d'ordre, le principe du maximum est vérié. Mais le scéma n'est pas explicite on doit utiliser une métode de Newton pour résoudre. Néanmoins la métode de Newton est très rapide on ne fait que 3 itérations à caque étape. 17

18 TP, Discrétisation de problèmes yperboliques 1d Soient f C 1 (R) et u 0 L (R). u t + (f(u)) x = 0, t ]0, + [, x R, u(x, 0) = u 0 (x), p.p dans R (8) Dans le cas où u 0 C 1 (R), on peut cercer des solutions régulières ie dans u C 1 (R ]0, + [; R) C 0 (R [0, + [; R). C'est la notion de solution forte ou classique. Cependant de telles solutions n'existent pas toujours. Téorème 1. Si f est linéaire ie c R tel que x R, f (x) = c et u 0 C 1 (R) alors il existe une unique solution classique au problème (8). Elle est dénie par t [0, + [, x R, u(x, t) = u 0 (x ct). Si f non constante alors il existe u 0 Cc (R) tel que (8) n'ait pas de u solution classique, ie u C 1 (R ]0, + [; R) C 0 (R [0, + [; R). La non-existence de solution classique dans le cas général amène à introduire la notion de solution faible (qui a encore un sens même si u 0 n'est pas régulier ie dans L (R)). Dénition 1. Si f C 1 (R), u 0 L (R), on dit que u est une solution faible du problème (8) si on a u L (R R + ; R) et ϕ Cc 1 (R [0, + [; R) (u(x, t)ϕ t (x, t) + f(u(x, t))ϕ x (x, t)) dxdt + u 0 (x)ϕ(x, 0)dx = 0 R R + R Téorème 13. Existence : Si f est linéaire ie c R tel que x R, f (x) = c et u 0 L (R) alors il existe une unique solution faible au problème (8). Elle est encore donnée par t [0, + [, x R, u(x, t) = u 0 (x ct). Dans le cas général, il existe une solution faible mais il n'y a pas nécessairement unicité. Contre exemple à l'unicité d'une solution faible : Si f(x) = x(3 x) et u 0 (x) = 1 si x < 0 et u 0 (x) = 0 si x > 0. Les 3 fonctions suivantes sont solutions faibles du problème (8) : u(x, t) = u(x, t) = u(x, t) = 1 si x < t x 3t si t < x < 3t 4t 0 si x > 3t 1 si x < 0 1 si 0 < x < t 0 si x > t 1 si x < 0 1 si 0 < x < t x 3t si t < x < 3t 4t 0 si x > 3t (9) Il faut donc imposer une condition supplémentaire aux solutions pour pouvoir garantir l'unicité. C'est la notion d'entropie. 18

19 Dénition. Si f C 1 (R), u 0 L (R), on dit que u est une solution entropique du problème (8) si on a u L (R R + ; R) et ϕ Cc 1 (R [0, + [; R + ), η C 1 (R) convexe, φ telle que φ = η f ux d'entropie associé (η(u(x, t))ϕ t (x, t) + φ(u(x, t))ϕ x (x, t)) dxdt + η(u 0 (x))ϕ(x, 0)dx 0 R R + R On a alors le résultat suivant. Téorème 14. Existence et unicité d'une solution faible entropique : Si f C 1 (R), u 0 L (R), alors il existe une unique solution entropique du problème (8). Cette solution a les propriétés suivantes : Si A u 0 (x) B pour presque tout x alors A u(x, t) B pour presque tout (x, t) R R +. Si u 0 L (R) L 1 (R), alors u(., t) L 1 (R), t > 0 et u(., t) L1 (R) u 0 L1 (R). Si v est une autre solution entropique avec une autre condition initiale v 0 u 0, alors u 0 v 0 = u(x, t) v(x, t) pour presque tout (x, t) R R +. Donnons quelques exemples : Ecrivons f sous la forme f(x) = f 1(x)(α + βf (x)) avec α 0, β 0 f 1 et f deux fonctions régulières de f 1 (x) + f (x) [0, 1] dans R vériant f 1 (0) = 0, f 1 croissante, f (1) = 0 et f décroissante. Nous donnons ci dessous les solutions faibles entropiques dans trois cas particuliers pour la donnée initiale u 0 dénie par u 0 (x) = 1 si x < 0 et u 0 (x) = 0 si x > f 1 (x) = x, f (x) = 1 x, α = 1 et β = 0 de sorte que f(x) = x. La solution de notre probléme s'écrit alors : u(x, t) = u { 0 (x t) 1 si x < t = 0 si x > t. f 1 (x) = x (1 x) 4x, f (x) =, α = 1 et β = 0 de sorte que f(x) = 4 4x + (1 x). On calcule la dérivée de f : f 8x(1 x) (x) = (4x + (1 x) ). Pour x [0, 1], 0 f (x) 5. On regarde l'enveloppe concave de f (gure 38) : f est concave sur [u, 1] où u vérie f (u )u = f(u ), ie u = 1 5. La solution exacte s'écrit alors : Fig. 38 f et son enveloppe concave pour exemple 3 19

20 u(x, t) = ( 1 si x < 0 x ) f 1 si 0 < x < tf (u ) t 0 si x > tf (u ) 3. f 1 (x) = x, f (x) = 1 x, α = 1 et β = de sorte que f(x) = x(3 x). On calcule la dérivée de f : f (x) = 3 4x. Pour x [0, 1], 1 f (x) 3. La fonction f concave sur [0, 1]. La solution exacte s'écrit alors : 1 si x < t u(x, t) = x 3t si t < x < 3t 4t 0 si x > 3t Nous cercons maintenant à approcer numériquement l'unique solution faible entroqique u du problème (8) sur un intervalle de temps [0, T ] où T > 0. Pour discrétiser ce problème, on utilise un maillage uniforme de pas = 1/N où N N en espace et de pas k = T/M où M N en temps. On pose x i+1/ = i, i = 1,.., N et t n = nk, n = 0,.., M. Les inconnues discrètes sont notées u n i, i Z, n {0,.., M}. La quantité un i est supposée approcer les valeurs de u(x, t) pour x ]x i 1/, x i+1/ [ et t ]t n, t n+1 [. Les scémas numériques étudiés sont de la forme : ( u n+1 i u n ) i + f n k i+1/ fi 1/ n = 0, i Z, n {0,.., M 1} u 0 i = 1 xi+1/ x i 1/ u 0 (x)dx, i Z La quantité f n i+1/ est donc supposée être une approximation de f(u(x i+1/, t n )). On pose λ = k..1 Scéma centré On considére le scéma centré : pour n {0,.., M 1}, fi+1/ n = f(un i ) + f(un i+1 ). ( f(u u n+1 i = u n n i λ i+1 ) f(u n i 1 ) ), si i { M + 1,.., M} Ce scéma est inconditionnellement instable. Dans le cas linéaire (exemple 1), on peut l'écrire pour n {0,.., M 1}, i { M + 1,.., M} : ( u u n+1 i = u n n i λ i+1 u n ) i 1 ou encore sous forme matricielle : pour n {0,.., M 1}, U n+1 = AU n +D avec (U n ) M+i = (u n i ), pour i { M + 1,.., M}, D 1 = λ, D i = 0, i {,.., M} et A une matrice carré de taille M : On peut montrer le résultat suivant : Téorème λ 0 0 λ A = λ λ Il existe u 0 C 1 c (R, R) tel que la solution approcée calculée à l'aide du scéma centré ne converge pas vers la solution du problème continue (et cela quel que soit la relation entre et k). Nous allons simplement illustrer quelques points qui montre qu'il faut éviter d'utiliser ce scéma. 0

21 Le scéma centré ne conserve { pas la positivité ie ( i Z, u 0 i 0) ( i Z, u1 i 0). 0 lorsque i 0 Par exemple, si u 0 i = 1 lorsque i > 0 alors u1 0 = λ (gure 39). Le scéma centré n'est pas L -stable ie max{ u 0 i, i Z} = 1 max{ u1 i, i Z} 1. L'exemple ci-dessus illustre aussi ce point, puisque dans ce cas là max{ u 1 i, i Z} = 1 + λ (gure 40). Fig. 39 Positivité pour le scéma centré Fig. 40 Stablilité L pour le scéma centré Enn,le scéma centré n'est pas L -stable ie i Z (u0 i ) = 1 { i Z (u1 i ) 1. 0 lorsque i 0 Par exemple, si u 0 i = 1 lorsque i = 0 alors i Z (u1 i ) = (u 1 1) + (u 1 0) + (u 1 1). = 1 + λ. Scéma décentré Pour le cas linéaire (l'exemple 1), on obtient le scéma suivant : pour n {0,.., M 1} u n+1 i = (1 λ)u n i + λu n i 1, si i { M + 1,.., M} Ce scéma peut encore s'écrire sous forme matricielle : pour n {0,.., M 1}, U n+1 = AU n +D avec (U n ) i+m = (u n i ), pour i { M + 1,.., M}, D 1 = λ, D i = 0, i {,.., M} et A une matrice carré de taille M : 1 λ 0 0. A = λ λ 1 λ Téorème 16. Stabilité L : Si λ 1 et A u 0 B p.p alors n {0,.., M 1}, i Z on a A u n i B. Démonstration : Soit n {0,.., M 1} tel que i Z on a A u n i B. Soit i Z : u n+1 i u n+1 est une combinaison linéaire convexe de u n i, un i 1 i = (1 λ) u n i + λu n i 1. 0 donc i Z, A un+1 i B. 1

22 Téorème 17. Convergence : Si u 0 est C (R), λ 1, n {0,.., M 1}, i Z on pose e n i e n i CT = u(x i, t n ) u n i, on obtient Démonstration : On rappelle que la solution exacte est u 0 (x t) C (R). Consistance : Soit n {0,.., M 1}, i { n + 1,.., n} Ri n = u(x i, t n+1 ) u(x i, t n ) k C(u 0 ) + u(x i, t n ) u(x i 1, t n ) On a i Z, e 0 i = 0. L'erreur en i vérie donc : en+1 i e n i k e n+1 + en i en i 1 = R n i i = (1 λ) e n i i 1 + krn i 0 i sup j e n j + kc (n + 1)kC T C e n+1 On obtient par exemple la courbe de convergence en norme 1 suivante (gure 4) si u 0 (représentée gure 41) est donnée par la formule (10). u 0 (x) = 0 si x < 0 x 3 si 0 < x < 1 ( 3 x 3 ) ( x 3 ) 41 si 1 < x < 4 3 (3 x) 3 si < x < 3 0 si x > 3 (10) Fig. 41 u 0 de classe C Fig. 4 ln( u(x i, T ) u M i 1 ) pour u 0 régulière La solution pour l'exemple 1 approcée par le scéma décentré pour t entre 0 et T est donnée par la gure 43. Les croix représentent l'emplacement du saut de la solution exacte pour λ = 1. De plus la courbe de convergence en erreur en norme 1 (gure 44) montre que l'on obtient une erreur d'ordre 1/ pour λ = 1. En eet, le téorème ci-dessus ne s'applique pas puisque u 0 n'est pas régulière.

23 Fig. 43 Solution approcée scéma décentré, λ = 1 Fig. 44 ln( u(x i, T ) u M i 1 ) pour le scéma décentré Inuence de λ : Si λ = 1, on a u n+1 i = u n i 1, le scéma est exact. Quand λ < 1, on observe un comportement diusif. Les gures 45 et 46 illustre ce pénomène sur des données initiales créneaux et sinus pour λ = 1. Fig. 45 Solution approcée-exacte pour u 0 créneau Fig. 46 Solution approcée-exacte pour u 0 (x) = sin(πx) On a également essayé de quantier la diusion en fonction du temps pour λ = 1. La gure 47 montre comment le nombre de maille entre le saut exact et le saut approcé evolue en fonction de t. On remarque qu'il augmente avec le temps. Fig. 47 Nombre de maille entre le saut exact et celui avec la diusion en fonction de t Le comportement diusif de ce scéma peut s'expliquer (quand les solutions sont régulières) de la manière suivante. Fixons λ < 1. Notons n {0,.., M}, i Z R i,n (u) = u(x i, t n+1 ) u(x i, t n ) + u(x i, t n ) u(x i 1, t n ) k 3

24 Un développement de Taylor montre que : R i,n (u) = tu(x i, t n ) + x u(x i, t n ) + λ ttu(x i, t n ) xxu(x i, t n ) + O( ) Remarque 3 : C'est cette égalité qui donne, si u est solution de t u + x u = 0, R i,n (u) C(u 0). Appliquons cette égalité à v la solution de t v + x v 1 λ xx v = 0. On obtient R i,n (v ) = O( ). En eet, tt v = t x v + 1 λ t xx v = xx v (1 λ) xxx v + λ ttv = λ xxv + O( ) R i,n (v ) = 1 λ = O( ) (1 λ) xxxx v 4 xx v + λ xxv xxv + O( ) Le scéma décentré amont approce donc la solution v du problème (11) à près. t v + x v 1 λ xx v = 0, t ]0, + [, x R, v (x, 0) = u 0 (x), p.p dans R (11) Téorème 18. Soit v la solution du problème (11) et λ < 1, alors on a n {0,.., M} sup i v (x i, t n ) u n i C La solution approcée a un comportement proce de celui de v (à près). Démonstration : On pose vi 0 = u 0(x i ), i Z et n {1,.., M 1}, vi n = v (x i, t n ). On peut donc écrire : Or v n+1 i vi n k u n+1 i u n i k + vn i vn i 1 + un i un i 1 = R i,n (v ) = 0 On pose fi n = vi n un i alors on a fi 0 = 0 f n+1 i = (1 λ)fi n + λfi 1 n + kri,n (v ) f n+1 i sup i fi n + kc (n + 1)kC T C sup i v (x i, t n ) u n i C Le terme xx v est un terme diusif. Le fait que le scéma approce v explique donc son comportement diusif. Illustrons le téorème à l'aide des scémas de la première partie. Plaçons nous dans un cas où la donnée initiale u 0 est 1-périodique et régulière par exemple u 0 (x) = sin(πx). On peut approcer la solution exacte v par diérentes métodes. Euler implicite en temps et scéma volumes nis (périodiques) centrés en espace : Si on pose v n (x) = v (x, t n ), alors on obtient v n+1 comme solution d'une équation diusion convection réaction dont le second membre est v n. 1 λ k xx v n+1 + k x v n+1 + v n+1 = v n 4

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

Calculs approchés d un point fixe

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

Plus en détail

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

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

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

Plus en détail

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

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

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

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

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

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

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

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

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

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

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

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

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

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

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

Master de mathématiques Analyse numérique matricielle

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

Plus en détail

Dérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES

Dérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable

Plus en détail

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque FNCTINS I Généralités sur les fonctions Définitions Soit D une partie de l'ensemble IR. n définit une fonction f de D dans IR, en associant à chaque réel de D, un réel et un seul noté f() et que l'on appelle

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

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité 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 détail

Continuité en un point

Continuité 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 détail

I. Ensemble de définition d'une fonction

I. 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 détail

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

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

Plus en détail

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

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique?

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique? Objectifs Calcul scientifique Alexandre Ern ern@cermics.enpc.fr (CERMICS, Ecole des Ponts ParisTech) Le Calcul scientifique permet par la simulation numérique de prédire, optimiser, contrôler... le comportement

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

À propos des matrices échelonnées

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

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors

Plus en détail

1 Motivation et programme de travail

1 Motivation et programme de travail Universités de Marseille, janvier 2006 Master professionnalisant Ingénierie Mécanique et Calcul Scientifique Projet sur la simulation numérique de la récupération assistée des hydrocarbures Responsable

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 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 détail

Université Joseph Fourier Premier semestre 2009/10. Licence première année - MAT11a - Groupe CHB-1. Contrôle Continu 1, le 9/10/2009

Université Joseph Fourier Premier semestre 2009/10. Licence première année - MAT11a - Groupe CHB-1. Contrôle Continu 1, le 9/10/2009 Université Joseph Fourier Premier semestre 9/ Licence première année - MATa - Groupe CHB- Contrôle Continu, le 9//9 Le contrôle dure heure. Questions de cours. ) Soit f :]a, b[ ]c, d[ unefonctionbijectiveetdérivabletelleque,pourtoutx

Plus en détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul 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 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

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique 1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis

Plus en détail

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

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

Plus en détail

Corrigé Pondichéry 1999

Corrigé Pondichéry 1999 Corrigé Pondichéry 999 EXERCICE. = 8 = i ). D'où les solutions de l'équation : z = + i et z = z = i. a. De manière immédiate : z = z = b. Soit θ la mesure principale de arg z : cos θ = Par suite arg z

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

IV- Equations, inéquations dans R, Systèmes d équations

IV- 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 détail

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de

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

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Théorèmes du Point Fixe et Applications aux Equations Diérentielles Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable

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

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

CALCULATRICE AUTORISEE

CALCULATRICE AUTORISEE Lycée F. MISTRAL AVIGNON BAC BLANC 2012 Epreuve de MATHEMATIQUES Série S CALCULATRICE AUTORISEE DUREE : 4 heures Dès que le sujet vous est remis, assurez-vous qu il est complet Ce sujet comporte 3 pages

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

Table des matières. Listings. 1 Tests Algorithmique et Matlab. Travaux pratiques - E.D.O. Travail individuel et personnel. Sup'Galilée Année 2014-2015

Table des matières. Listings. 1 Tests Algorithmique et Matlab. Travaux pratiques - E.D.O. Travail individuel et personnel. Sup'Galilée Année 2014-2015 Energétique I Méthodes Numériques II Sup'Galilée Année -5 Travaux pratiques - E.D.O. Groupes B à B6 Travail individuel et personnel Table des matières Tests Algorithmique et Matlab Résolution numérique

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat 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 détail

Groupes symétriques et alternés

Groupes symétriques et alternés Groupes symétriques et alternés Table des matières 1 Groupe S n 2 2 Cycles 4 2.1 Dénition.................................. 4 2.2 Décomposition d'une permutation..................... 5 3 Classes de conjugaison

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

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

Plus en détail

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

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad 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 détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

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

Calcul différentiel sur R n Première partie

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

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA

Plus en détail

212 année 2013/2014 DM de synthèse 2

212 année 2013/2014 DM de synthèse 2 22 année 20/204 DM de synthèse 2 Exercice Soit f la fonction représentée cicontre.. Donner l'ensemble de définition de la fonction f. 2. Donner l'image de 4 par f.. a. Donner un nombre qui n'a qu'un seul

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

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

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Raisonnement par récurrence Suites numériques

Raisonnement 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 détail

Equations aux Dérivées Partielles

Equations aux Dérivées Partielles Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons

Plus en détail

X-ENS PSI - 2009 Un corrigé

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

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

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

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

Optimisation, traitement d image et éclipse de Soleil

Optimisation, traitement d image et éclipse de Soleil Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement

Plus en détail

Leçon 01 Exercices d'entraînement

Leçon 01 Exercices d'entraînement Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =

Plus en détail

Nombres complexes Forme trigonométrique d un complexe Exercices corrigés

Nombres complexes Forme trigonométrique d un complexe Exercices corrigés Nombres complexes Forme trigonométrique d un complexe Exercices corrigés Sont abordés dans cette fiche : Exercice 1 : affixe d un point, représentation d un point-image dans le plan complexe, argument

Plus en détail

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x )

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x ) Séries de Fourier Les séries de Fourier constituent un outil fondamental de la théorie du signal. Il donne lieu à des prolongements et des extensions nombreux. Les séries de Fourier permettent à la fois

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

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

Exercices Corrigés Premières notions sur les espaces vectoriels

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

Plus en détail

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

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

INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS

INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS David Ryckelynck Centre des Matériaux, Mines ParisTech David.Ryckelynck@mines-paristech.fr Bibliographie : Stabilité et mécanique non linéaire,

Plus en détail

RO04/TI07 - Optimisation non-linéaire

RO04/TI07 - Optimisation non-linéaire RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels

Plus en détail

Diagrammes de décisions binaires

Diagrammes de décisions binaires Diagrammes de décisions binaires Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juillet 2009 ATTENTION! N oubliez

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry Outils mathématiques pour le datamining http://wwwelsewarefr/univevry Géométrie Distance Distance entre parties Matrice de variance/covariance Inertie Minimisation Probabilités Définition Théorème de Bayes

Plus en détail

C f tracée ci- contre est la représentation graphique d une

C 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 détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

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

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

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

La fonction logistique f: xa rx( 1 x)

La fonction logistique f: xa rx( 1 x) TIPE Math 97 (Version 5 pages) Letouzey Pierre La fonction logistique f: xa rx( x) Quelques résultats sur les suites récurrentes associées x x 0 n+ [ 0, ] = f ( x ) n / Pourquoi cette fonction? C est dans

Plus en détail

Chapitre 11. Premières Notions sur les fonctions

Chapitre 11. Premières Notions sur les fonctions Chapitre 11 Premières Notions sur les fonctions 1. Exemples Exemple 1 La distance parcourue par une automobile en un temps donné varie en fonction de sa vitesse. Faire deux phrases utilisant les mots suivants.

Plus en détail

Bien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction

Bien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses

Plus en détail

Carl-Louis-Ferdinand von Lindemann (1852-1939)

Carl-Louis-Ferdinand von Lindemann (1852-1939) Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis

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

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