Résumé du cours d Analyse Numérique du Professeur Marco Picasso
|
|
- Tiphaine Breton
- il y a 7 ans
- Total affichages :
Transcription
1 Résumé du cours d Analyse Numérique du Professeur Marco Picasso jean-eloi.lombard@epfl.c 19 juillet 2007 Table des matières 1 Problèmes d interpolation 3 2 Dérivation Numérique Dérivées numériques d ordre Dérivées numériques d ordre supérieur Intégration Numérique Généralités Formule du rectangle Formule de Gauss-Legendre Formule de Simpson Décomposition de Colesky et LU Décomposition LU Exemple Décomposition LL T Exemple Résolution de systèmes linéaires par des métodes itératives But Métode Métodes de Jacobi et de Gauss Métode de Jacobi Métode de Gauss-Seidel
2 TABLE DES MATIÈRES 2 6 Équations non-linéaires Métode de Newton-Rapson Systèmes non-linéaires Équations différentielles Scémas d Euler Scéma d Euler progressif Scéma d Euler rétrograde Problèmes aux limites unidimensionnels Métode des différences finies Problèmes paraboliques Présentation du problème Discrétisation Intégration numérique Scéma d Euler progressif Scéma d Euler rétrograde Convergence Problèmes yperboliques Équation de transport 1D et différence finie Présentation du problème Discrétisation Approximation par la métode de différence finie décentrée Condition de stabilité Équation des ondes 1D Discrétisation Résolution par la métode de différence finie centrée Stabilité Problèmes de convection-diffusion Discrétisation Scéma
3 1 PROBLÈMES D INTERPOLATION 3 1 Problèmes d interpolation Base de Lagrange La base de Lagrange est donnée par les polynômes : φ j (t) = n k = 0 k j t t k t j t k avec t j des valeurs distinctes données. Polynôme interpollant donné par : Le polynôme interpollant de la fonction f est p(t) = j f(t j )φ j (t) Teoreme 1.1 (Erreur maximale) Soit f une fonction (n+1) fois dérivable sur [a; b]. Si p n (le polynôme interpollant de f) est défini, alors : max f(t) p n(t) t [a;b] 1 2(n + 1) 2 Dérivation Numérique ( b a 2.1 Dérivées numériques d ordre 1 n ) n+1 max t [a;b] f (n+1) (t) Soit f C 1 : R R, x 0 R et > 0. On approxime f (x 0 ) par les trois opérateurs suivants : 1. f (x 0 ) f(x 0+) f(x 0 ) = f(x 0 ) 2. f (x 0 ) f(x 0) f(x 0 ) = f(x 0 ) 3. f (x 0 ) f(x 0+ 2 ) f(x 0 2 ) = δ f(x 0 ) Définition 2.1 (Opérateurs de différence première finie) Lorsque > 0 est donné, les opérateurs, et δ sont appelés opérateurs de différence première respectivement progressive, rétrograde et centrée. Teoreme 2.1 Les opérateurs de différence première, et δ sont linéaires.
4 2 DÉRIVATION NUMÉRIQUE 4 Teoreme 2.2 Si f C 2 : R R et si x 0 R est fixé et si 0 R + alors : f (x 0 ) f(x 0 + ) f(x 0 ) < C 0 Teoreme 2.3 Si f C 3 : R R, x 0 R fixé et 0 R + donné alors il existe C R + tel que : f (x 0 ) f(x ) f(x 0 2 ) C2 0 Démonstration Supposons f C 3. Le développement limité de f autour de x 0 est donc donné par : ( f x 0 + ) = f(x 0 ) f (x 0 ) + f (x 0 ) 2 2! 4 + f (ξ) 3 (1) 3! 8 ( f x 0 ) = f(x 0 ) 2 2 f (x 0 ) + f (x 0 ) 2 2! 4 f (η) 3 (2) 3! 8 avec ξ ]x 0, x [ et η ]x 0 2, x 0[. En soustrayant l équation 1 à l équation 2 et en divisant le résultat par, il vient : f (x 0 ) f(x ) f(x 0 2 ) = f (ξ) + f (η) et pour finir, il suffit de poser : C = 1 max f (x) 24 x ]x 0 2,x 0+ 2 [ Définition 2.2 (Erreurs de troncatures) f(x 0 ), f(x 0 ) et δ f(x 0 ) sont les formules de différences finies progressives, rétrogrades et centrées pour l approximation de f (x 0 ). Les différences f (x 0 ) f(x 0 + ) f(x 0 ) f (x 0 ) f(x 0) f(x 0 ) f (x 0 ) f(x ) f(x 0 2 )
5 3 INTÉGRATION NUMÉRIQUE 5 sont les erreurs de troncatures. Les deux premières sont d ordre et on dit qu elles sont consistantes à l ordre 1 en, alors que la troisième est de l ordre 2 et consistante à l odre 2 en. Ainsi la formule de différences finies centrées est la plus précise. 2.2 Dérivées numériques d ordre supérieur Définition 2.3 (Opérateurs de différences m finies) Les opérateurs aux différences finies sont généralisés par les définitions récursives suivantes : m f = ( m 1 f) m f = ( m 1 f) δ m f = δ (δ m 1 f) Ainsi l opérateur de différence seconde centrée finie est donné par : δ 2 f(x) = f(x + ) 2f(x) + f(x ) et l approximation de la dérivée seconde est donnée par : f (x 0 ) δ2 f(x 0) 2 = f(x 0 + ) 2f(x 0 ) + f(x 0 ) 2 Teoreme 2.4 Soit m N, f C m+1 : R R, x 0 R et 0 R + alors il existe C R + tel que f m x 0 m f(x 0) m < C 0 f m x 0 m f(x 0) < C 0 m Teoreme 2.5 Soit m N, f C m+2 : R R, x 0 R et 0 R + alors il existe C R + tel que : f m x 0 δm f(x 0) < C2 0 m 3 Intégration Numérique 3.1 Généralités Définition 3.1 (Formule du Trapèze) Si g est une fonction continue sur [-1 ;1], la formule de quadrature M J(g) = ω j g(t j ) j=1
6 3 INTÉGRATION NUMÉRIQUE 6 est définie par la donnée de M points d intégrations t 1,..., t M et M réels ω 1,..., ω M appelés poids de la formule de quadrature. Définition 3.2 La formule de quadrature J(g) = M ω j g(t j ) j=1 pour calculer numériquement +1 1 p(t)dt est exacte pour les polynomes de degrés r 0 si J(p) = pour tout polynôme p de degré r tm t 1 p(t)dt Teoreme 3.1 Supposons : 1. J(g) = M j=1 ω jg(t j ) exacte pour des polynômes de degré r 2. f une fonction donnée sur [a; b] 3. L (f) la formule composite définie par L (f) = N 1 i=0 x i+1 x i 2 4. le pas d intégration. M ω j f j=1 5. f (r + 1) fois continuement dérivable sur [a; b] ( x i + (x ) i+1 x i )(t j + 1) 2 alors il existe une constante C indépendante de x i telle que b f(x)dx L (f) Cr+1 (3) a Teoreme 3.2 Soit t 1... t M, M points distincts de [ 1; 1] et soit φ 1,..., φ M la base de Lagrange de P M 1 associée à ces M points, alors J(g) = M ω j g(t j ) est exacte pour les polynômes de degré M 1 si et seulement si ω j = 1 1 j=1 φ j (t)dt j = 1,..., M (4)
7 3 INTÉGRATION NUMÉRIQUE Formule du rectangle Définition 3.3 (Formule du rectangle) Formule à 1 point (t 1 = 0) J(g) = 2g(0) Formule de Gauss-Legendre Définition 3.4 (Polynôme de Legendre) d M L M (t) = 1 2 M M! dt M (t2 1) M Proposition 3.1 Les M polynômes de Legendre forment une base ortogononale de P M. Proposition 3.2 L M a exactement M racines distinctes dans [ 1; 1]. Ces zéros sont appelés points de Gauss. Définition 3.5 (Formule de Gauss-Legendre) La formule J(g) = M ω j g(t j ) j=1 est la formule de Gauss-Legendre à M points si 1. les points d intégration t 1... t M sont les M solutions du polynôme de Legendre L M. 2. les poids ω j sont défini par : ω j = 1 1 φ j (t)dt j = 1,..., M ou φ 1,..., φ M est la base de Lagrange de P M 1 associé aux M points de Gauss. Proposition 3.3 La formule de Gauss-Legendre à M points est exacte pour les polynomes de degrés r = 2M 1.
8 4 DÉCOMPOSITION DE CHOLESKY ET LU Formule de Simpson Définition 3.6 (Formule de Simpson) Formule à trois points t 1 = 1, t 2 = 0, t 3 = 1. La base de Lagrange associée à ces trois points est donnée par : φ 1 (t) = t2 t 2 d où, d après l équation 4 : φ 2 (t) = 1 t 2 φ 3 (t) = t2 + t 2 ω 1 = 1 1 φ 1 (t)dt = 1 3 ω 2 = 1 1 φ 2 (t)dt = 4 3 ω 3 = 1 1 φ 3 (t)dt = 1 3 la formule de Simpson s écrit donc : J(g) = 1 3 g( 1) g(0) g(1) Proposition 3.4 La formule est exacte pour des polynômes de degré 3. Proposition 3.5 L erreur est donnée par l équation 3 qui devient : b f(x)dx L (f) C4 a 4 Décomposition de Colesky et LU Définition 4.1 (Matrice régulière) Une matrice est dite régulière si et seulement si elle est inversible. Les deux termes sont équivalents. 4.1 Décomposition LU Teoreme 4.1 Si A est une N N matrice dont toutes les sous-matrices principales (les matrices carrées formée sur la diagonale) sont régulières, alors il existe une décomposition unique A = LU avec L un matrice Lower Triangular et U une matrice Upper Triangular avec que des 1 sur la diagonale. La matrice U est obtenue par l élimination de Gauss.
9 4 DÉCOMPOSITION DE CHOLESKY ET LU Exemple Soit A Mat(3, 3, R) et cercons sa décomposition LU, on a donc : L = l 11 l 21 l 22 l 31 l 32 l 33 et U = 1 u 12 u 13 1 u 23 1 en effectuant le produit LU il vient : l 11 l 11 + u 12 l 11 u 13 LU = l 21 l 21 u 12 + l 22 l 21 u 13 + l 22 u 23 l 31 l 31 u 21 + l 32 l 31 u 13 + l 32 u 23 + l 33 puis il suffit d identifier avec la matrice A : a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = 4.2 Décomposition LL T A = LU l 11 l 11 + u 12 l 11 u 13 l 21 l 21 u 12 + l 22 l 21 u 13 + l 22 u 23 l 31 l 31 u 21 + l 32 l 31 u 13 + l 32 u 23 + l 33 Définition 4.2 (Matrice symétrique définie positive) A M at(n, n, R) est dite symétrique définie positive si : 1. A = A T (A est symétrique) 2. y T Ay 0 pour tout y R n 3. y T Ay = 0 si et seulement si y = 0 pour tout y R n Soit A Mat(n, n, R) avec n N. Teoreme 4.2 Si A Mat(n, n, R) est symétrique définie positive alors toutes ses sous-matrices principales sont symétriques définies positives et sont donc régulière. Teoreme 4.3 (de Colesky) Si A est une matrice symétrique définie positive alors il existe une unique matrice triangulaire inférieure à valeurs diagonales positives, notée L, telle que LL T = A.
10 5 RÉSOLUTION DE SYSTÈMES LINÉAIRES PAR DES MÉTHODES ITÉRATIVES Exemple Soit A Mat(3, 3, R), cercons sa décomposition de Colesky. La matrice L à la forme : l 11 L = l 21 l 22 l 31 l 32 l 33 donc L T est donée par : L T = l 11 l 21 l 31 l 22 l 32 l 33 et le produit LL T est donné par : l 2 LL T 11 l 11 l 21 l 11 l 31 = l 21 l 11 l l2 22 l 21 l 31 + l 22 l 32 l 11 l 31 l 31 l 21 + l 32 l 22 l l l2 33 il suffit ensuite d identifier termes à termes avec les éléments de A. 5 Résolution de systèmes linéaires par des métodes itératives 5.1 But Lorsqu il s agit de résoudre un système de N équations à N inconnues de la forme : A x = b (5) il faut utiliser des algoritmes (élimination de Gauss, décomposition LU, ou décomposition de Colesky si la matrice est symétrique définie positive) de complexité o(n 3 ). Il est donc intéressant d approximer les solutions de tels systèmes par des métodes itératives. 5.2 Métode Soit A, K, M Mat(N, N, R) telles que : A = K M (6)
11 5 RÉSOLUTION DE SYSTÈMES LINÉAIRES PAR DES MÉTHODES ITÉRATIVES11 avec K une matrice régulière, alors l équation 5 devient : x = K 1 M x + K 1 b De cette égalité nous construisons le scéma suivant : 1. coix arbitraire de x 0 2. ittération sur x n+1 = K 1 M x n + K 1 b 5.3 Métodes de Jacobi et de Gauss Soit D la diagonale de la matrice A, F les élèments au dessus de la diagonale et E ceux en dessous, alors : A = D E F Métode de Jacobi Posons K = D et M = E + F, alors la matrice : J = K 1 M = D 1 (E + F ) est appelée la matrice de Jacobi. Ainsi le scéma devient : 1. coix arbitraire de x 0 2. ittération sur x n+1 = J x n + D 1 b Teoreme 5.1 (Condition de Convergence) Si A et 2D A sont des matrices symétriques définies positives alors la métode de Jacobi est convergente Métode de Gauss-Seidel Posons K = D E et M = F, ce qui donne la matrice de Gauss-Seidel définie par : et pour le scéma : 1. coix arbitraire de x 0 G = K 1 M = (D E) 1 F 2. ittération sur (D E) x n+1 = F x n + b Teoreme 5.2 (Condition de convergence) Si A est une matrice symétrique définie positive, alors la métode de Gauss-Seidel est convergente.
12 6 ÉQUATIONS NON-LINÉAIRES 12 6 Équations non-linéaires Pour cercer un zéro d une fonction f C 1 : R R il faut procéder au scéma numérique suivant : 1. localisation de x 0 solution grossière par une métode grapique 2. construction d une suite x n : N R telle que lim n x n = x avec x solution de f(x) = Métode de Newton-Rapson Soit f C 1 : R R admettant x comme solution vérifiant f ( x) 0. Supposons connu x 0 une approximation grossière de la solution x. La métode de Newton-Rapson est définie par la suite : x n+1 = x n f(x n) f (x n ) (7) Teoreme 6.1 Soit : 1. f C 2 : R R 2. x vérifiant f( x) = 0 et f ( x) 0. alors il existe ɛ R + et x 0 R tel que si x 0 x ɛ la suite donnée par la métode de Newton-Rapson 7 converge quadratiquement vers x. Teoreme 6.2 (Condition de convergence d une métode de point fixe) Soit g C 1 : R R et x un point fixe de g (soit g( x) = x). Si g ( x) < 1 Alors il existe ɛ > 0 tel que si x x 0 ɛ alors la suite : x n+1 = g(x n ) converge linéairement lorsque n. 6.2 Systèmes non-linéaires Soit N N et F : R N R N une fonction dont on cerce une solution, c est à dire un vecteur x solution vérifiant f( x solution ) = 0. L équation f( x) = 0 est donc un système non-linéaire (a priori) de N équations à N inconnues. En posant x = (x 1,..., x N ) l équation f( x) = 0 est équivalent à : f( x) = 0 f 1 ( x). f N ( x) = 0. 0
13 7 ÉQUATIONS DIFFÉRENTIELLES 13 en admettant f 1,..., f N C 1 il est possible de définir la matrice Jacobienne de f associée au point x R N par : f 1 (x) x 1... Df(x) =.. f N (x) x 1... f 1 (x) x N. f N (x) x N La métode de Newton-Rapson est ainsi généarlisée aux systèmes nonlinéaires par : x n+1 = x n Df( x n ) 1 f( x n ) Df( x n )( x n x n+1 ) = f( x n ) Proposition 6.1 Si la solution grossière x 0 est suffisament proce de la solution x solution alors la métode de Newton-Rapson généralisée au systèmes non-linéaire converge quadratiquement. Le scéma numérique donc donnée par : 1. construction du vecteur b = f( x n ) 2. construction de la matrice A = Df( x n ) pour la résolution d un système non-linéaire est 3. résolution du système A y = b (avec y = x n x n+1 ) par : (a) élimination de Gauss (b) décomposition (LU ou LL T ) (c) métode de Gauss-Seidel ou Jacobi 4. on pose x n+1 = x n y 7 Équations différentielles Soit f C 1 : (x, t) R R + R et u 0 R la valeur initiale. Nous cercons une fonction f C 1 : R + R qui satisfait : u(t) = f(u(t), t) t 0 u(0) = u 0 la recerce d une telle fonction est dite problème de Caucy.
14 7 ÉQUATIONS DIFFÉRENTIELLES 14 Teoreme 7.1 Soit : 1. f C 1 : R R 2. l : R R telle que pour tout x, y R et t R + (f(x, t) f(y, t)) (x y) l(t) x y 2 alors le probème de Caucy admet une solution globale unique. Teoreme 7.2 (Caucy-Lipscitz) Soit : 1. f C 1 : R R 2. L R, x, y R et t R + tel que f(x, t) f(y, t) L x y alors le problème de Caucy admet une solution globale unique. 7.1 Scémas d Euler Dans les deux cas, on approxime : u(t) = u(t n+1) u(t n ) t n+1 t n = u(t n+1) u(t n ) n Scéma d Euler progressif Le scéma est défini par l approximation suivante du problème de Caucy : u n+1 u n n = f(u n, t n ) n = 0,..., n u 0 = u 0 ce scéma est explicite, c est-à dire qu il permet de calculer directement u n+1 en fonction de u n : u n+1 = u n + n f(u n, t n )
15 8 PROBLÈMES AUX LIMITES UNIDIMENSIONNELS Scéma d Euler rétrograde Le scéma est défini par : u n+1 u n n = f(u n+1, t n+1 ) n = 0,..., n u 0 = u 0 Ce scéma est implicite car il n est pas possible de calculer directement u n+1 en fonction de u n car : u n+1 n f(u n+1, t n+1 ) = u n 8 Problèmes aux limites unidimensionnels Étant donné deux fonction f, c C 1 : [0; 1] R, on cerce une fonction u C 2 : [0; 1] R vérifiant : u (x) + c(x)u(x) = f(x) 0 < x < 1 u(0) = u(1) = Métode des différences finies Soit N N le nombre de points de discrétisation et = 1 N+1 le pas d espace. On pose x j = j j = 1,..., N + 1 et on approxime u (x) par : u (x) = δ2 u(x) 2 + O( 2 ) u(x + ) 2u(x) + u(x ) = 2 + O( 2 ) Le problème est donc approximé par la métode de différence finie centrée : u j 1 + 2u j u j c(x j )u j = f(x j ) 1 j N (8) u 0 = u N+1 = 0 Si u est un vecteur de dimension N de composantes u 1,..., u n et si f est le vecteur de dimension N de composantes f(x 1 ),..., f(x n ) et si A est la
16 9 PROBLÈMES PARABOLIQUES 16 matrice tri-diagonale définie par : 2 + c A = c c n 2 avec c i = c(x i ) alors le problème 8 est équivalent à A u = f. Teoreme 8.1 On suppose : 1. c(x) 0, x [0; 1] 2. u C 4 alors il existe une constante C telle que : max u(x j) u j C 2 1 j N L erreur est donc 4 fois plus petite caque fois que l on double le nombre de points de discrétisation. 9 Problèmes paraboliques 9.1 Présentation du problème Soit : 1. un barreau métallique sur l intervalle [0; L] 2. soit w(x) la température au temps t 0 au point x. 3. soit f(x, t) la puissance par unité de longueur fournie au point x [0; L] au temps t > t ρ R + la densité volumique, c p R + la caleur spécifique et k R + la conductivité termique. 5. alors la température u(x, t) du barreau au point x à l instant t est donné par : ρc p u(x, t) t k 2 u(x, t) x 2 = f(x, t) x ]0; L[, t > 0 (9) u(0, t) = u(l, t) = 0 t > 0 u(x, 0) = w(x) x ]0; L[
17 9 PROBLÈMES PARABOLIQUES Discrétisation Discrétisons l intervalle représentant le barreau en posant N N le nombre de points de discrétisation, = 1 N+1 le pas d espace et x i = i avec i = 0,..., N + 1. On a donc u(x, t) u i (t). En posant τ R + le pas de temps et n N on a t n = nτ donc u(t n ) u n. 9.3 Intégration numérique Scéma d Euler progressif En utilisant le scéma d Euler progressif on a donc : u n+1 u n τ = A u n + f(nτ) n N u 0 = w ce qui, en explicitant u n+1 donne : avec et I la matrice identité. u n+1 = (I τa) u n + τ f(nτ) n N u 0 = w 2 1 A = k Proposition 9.1 (Condition de stabilité) Le pas temporel τ est limité par la condition de stabilité : τ 2 2k Scéma d Euler rétrograde En utilisant le scéma d Euler rétrograde, le problème parabolique devient : ( u n+1 = (I τa) 1 u n + τf ) ((n + 1)τ) n N u 0 = w Contrairement au scéma progressif, le scéma rétrograde est stable pour tout pas de temps τ R +.
18 10 PROBLÈMES HYPERBOLIQUES Convergence Les deux scémas sont d ordre 1 en temps et 2 en espace. L erreur commise est donc d ordre τ Problèmes yperboliques 10.1 Équation de transport 1D et différence finie Présentation du problème Soit f, c C 1 : R R + R. Nous cercons u : R R + vérifiant l équation : u(x, t) t Discrétisation u(x, t) + c(x, t) = f(x, t) x x R, t > 0 u(x, 0) = w(x) x R Pour approximer le problème utilisons un pas spatial tel que x j = j j = ±1, ±2,... et un pas de temps τ, ce qui donne t n = nτ avec n = 0, 1,.... On a donc u(x, t) u n j Approximation par la métode de différence finie décentrée Le scéma numérique de la métode de différence finie décentrée est donnée par : ) ) u n+1 j u ((c n n j j )+ (u n j un j 1 ((c ) n j ) (u n j+1 un j ) + + = f(j, nτ) τ j = 0, ±1, ±2,... et n = 0, 1, 2,... avec : et { (c n j ) + c(j, nτ) si c(j, nτ) > 0 = 0 sinon { (c n j ) c(j, nτ) si c(j, nτ) < 0 = 0 sinon
19 10 PROBLÈMES HYPERBOLIQUES Condition de stabilité La condition de stabilité sur τ et est donnée par : τ 1 sup x R,t>0 c(x, t) 10.2 Équation des ondes 1D Soit f C 0 : [0; 1] R + R, v, w : [0; 1] R et c R +. Nous cercons une fonction u : [0; 1] R + R telle que : 2 u(x, t) t 2 c 2 2 u(x, t) x 2 = f(x, t) x ]0; 1[, t > 0 u(0, t) = u(1, t) = 0 t Discrétisation u(x, 0) = w(x) x ]0; 1[ u(x, 0) = v(x) t x ]0; 1[ Pour approximer le problème utilisons un pas spatial tel que x j = j j = ±1, ±2,... et un pas de temps τ, ce qui donne t n = nτ avec n = 0, 1,.... On a donc u(x, t) u n j Résolution par la métode de différence finie centrée Suite à une discrétisation en temps et en espace, l équation d onde devient : u n+1 j τ Stabilité u n+1 = (2I τ 2 c 2 A) u n u n 1 + τ 2 f(nτ) (10) u n j u n 0 = u n N+1 = 0 u 0 = w(x) = v j (x) Teoreme 10.1 Le scéma 10 est stable si la condition suivante est satisfaite : τ c
20 11 PROBLÈMES DE CONVECTION-DIFFUSION Problèmes de convection-diffusion Soit f, c C 0 : [0; 1] R et ɛ R +. Nous cercons une fonction u : [0; 1] R vérifiant : 11.1 Discrétisation ɛu (x) + c(x)u (x) = f(x) x ]0; 1[ (11) u(0) = u(1) = 0 Soit N N et = 1 N+1, on a alors x j = j avec j = 0, 1,..., N + 1 et u j u(x j ) Scéma En posant α j [0; 1] il est possible d approcer : u (x j ) α j u j u j 1 + (1 α j ) u j+1 u j qui est une moyenne pondérée de la différence finie rétrograde et progressive. Utilisons donc le scéma numérique décentré suivant pour discrétiser 11 : ɛ 2u j u j+1 u j c(x ( ) j) α j (u j u j 1 ) + (1 α j )(u j+1 u j ) = f(x j ) j = 1,..., N u 0 = u N+1 = 0 De manière à obtenir la meilleur approximation il faut poser : Références α j = cot c(x j) 2ɛ ɛ c(x j ) [1] Picasso : Analyse Numérique pour Ingénieurs Presses Polytecniques et Universitaires Romandes (2004)
Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailCompte 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailPremière partie. Introduction à la méthodes des différences finies
Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailEquations 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailFonctions 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 détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailUniversité du Burundi, Faculté des Sciences, Département de Mathématiques, B.P. 2700 Bujumbura, Burundi. E-mail: gbang@avu.org.
Analyse discrète. Gaspard Bangerezako Université du Burundi, Faculté des Sciences, Département de Mathématiques, B.P. 700 Bujumbura, Burundi. E-mail: gbang@avu.org. Avant propos. Nous discutons des questions
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailRO04/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 détail1 Introduction et modèle mathématique
Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,
Plus en détailMATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés
MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés Département GPI 1ère année Avril 2005 INPT-ENSIACET 118 route de Narbonne 31077 Toulouse cedex 4 Mail : Xuan.Meyer@ensiacet.fr
Plus en détailExamen 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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailAnalyse Numérique : SMA-SMI S4 Cours, exercices et examens
Analyse Numérique : SMA-SMI S4 Cours, exercices et examens Boutayeb A, Derouich M, Lamlili M et Boutayeb W. Table des matières Résolution numérique de systèmes linéaires AX = B 5. Méthodes directes de
Plus en détailANALYSE 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 détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailSimulation 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 détailImage 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailInitiation à la simulation numérique. Eléments d analyse numérique.
Initiation à la simulation numérique en mécanique des fluides : Eléments d analyse numérique. Cours ENSTA MF307 6 juin 2003 Frédéric DABBENE et Henri PAILLERE Résumé Nous présentons dans ce rapport des
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailMéthodes numériques et éléments de programmation
Travaux Pratiques du cours Méthodes numériques et éléments de programmation Guy Munhoven Année académique 2014-2015 Version 1.0.2 (16/09/2012) Chapitre 1 Calcul des intérêts d un prêt. Tableau d amortissement.
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailCHAPITRE 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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailExercice 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 détailLicence de Mathématiques 3
Faculté des sciences et techniques Département de mathématiques 2004-2005 Licence de Mathématiques 3 M62 : Fonctions réelles de plusieurs variables Laurent Guillopé www.math.sciences.univ-nantes.fr/~guillope/m62/
Plus en détailaux 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 détailNotes 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 détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailFonctions 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 détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détail* 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 détailLicence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas.
Licence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas. M. Granger Table des matières 1 Rappels sur le cours d équations différentielles 2 1.1 Généralités..........................................
Plus en détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailThéorèmes 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 détailDérivation 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* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailDéveloppements limités
Université Joseph Fourier, Grenoble Maths en Ligne Développements limités Bernard Ycart Les développements limités sont l outil principal d approximation locale des fonctions. L objectif de ce chapitre
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailSimulation numérique d un stockage de déchets nucléaires en site géologique profond
Simulation numérique d un stockage de déchets nucléaires en site géologique profond Page 1 de 12 G. Allaire, M. Briane, R. Brizzi and Y. Capdeboscq CMAP, UMR-CNRS 7641, Ecole Polytechnique 14 juin 2006
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailÉquations 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailComparaison 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLa 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLes équations différentielles
Les équations différentielles Equations différentielles du premier ordre avec second membre Ce cours porte exclusivement sur la résolution des équations différentielles du premier ordre avec second membre
Plus en détailDu Premier au Second Degré
Du Premier au Second Degré Première Bac Pro 3 ans November 26, 2011 Première Bac Pro 3 ans Du Premier au Second Degré Sommaire 1 Fonction Polynôme du second degré 2 Fonction Polynôme du Second Degré: Synthèse
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détail