Ift Chapitre 6. Résolution des équations différentielles: Conditions initiales

Dimension: px
Commencer à balayer dès la page:

Download "Ift Chapitre 6. Résolution des équations différentielles: Conditions initiales"

Transcription

1 Ift 4 Chapitre 6 Résolutio des équatios différetielles: Coditios iitiales Ift4 Chapitre 6

2 Résolutio umérique des équatios différetielles Rappels: grades classes:. Les équatios différetielles ordiaires: ue seule variable.. Les équatios aux dérivées partielles: plusieurs variables. (équatio de la chaleur, des odes,...) Ordre d ue équatio différetielle : dérivée la plus élevée. Équatio différetielle liéaire : émissio radioactive : dr( t) dt = λr( t) Équatio différetielle o liéaire : Variatio de populatio : dn( t) dt = an( t) bn( t). 7 Covectio : du( t) dt = k( u( t) T) 5 4 écessite des coditios iitiales. Ift4 Chapitre 6

3 Résolutio umérique des équatios différetielles Exemple du pedule : Équatio différetielle o liéaire du secod ordre. Impossible de trouver ue solutio aalytique. Pour de petit mouvemets : Si( θ) θ Équatio du pedule: t: temps θ: Positio agulaire d θ dt g + L Si ( θ) = 0 Coditios iitiales usuelles: θ( t ) = θ 0 0 θ ( t ) = θ 0 0 θ L Ift4 3 Chapitre 6

4 Méthode des séries de Taylor Ordre : y ( t) = f ( t, y( t)) y( t ) = y 0 0 Développemet de Taylor au voisiage de t = t0 + h 3 h h y + = y + h y t + y t + y t + O h 4 ( ) ( ) ( ) ( ) 6 Deviet: 3 y = y + h h h f t y + f t y + + f t y + O h 4 (, ) (, ) (, ) ( ) 6 Remarques:. L'ordre local est e h 4.. Pas d'estimée de l'erreur. 3. Les dérivées de la foctio f(t,y(t)) se fot: df dt = f ( f f t, y ) = t + y y = f t + f y f 4. Si l'ordre local est e h, l'ordre global sera e h -. Ift4 4 Chapitre 6

5 Exemple: Appliquer la méthode de Taylor avec u pas h = 0. et u ordre local e h 3 pour: y ( t) = f ( t, y( t)) = t y ( t) y( t ) = y = 0 0 Solutio aalytique: y t ( ) = + t Le pas est h = 0., ous allos calculer les valeurs de y(t)pour t = 0, t = 0., t = 0.,..., etc. Si ous utilisos u ordre local e h 3, ous avos: y = y + h h y t + + y t + O h 3 ( ) ( ) ( ) Exprimos y ( t) y ( t) = f ( t, y( t)) = y ( t) + ( t) y( t) y ( t) or y ( t) = f ( t, y( t)) = t y ( t) doc y ( t) = y ( t) + ( t) y( t) ( t y ( t)) 3 y ( t) = y ( t) + t y ( t) Ift4 5 Chapitre 6

6 La formule de Taylor d'ordre local h 3 deviet alors: y = y + h h t y t + + y t + 3 t y t + 3 ( ( )) ( ( ) ( )) O( h ) pour t = t0 + h 0. 3 y = y0 h t0 y ( t0 ) + ( y ( t0 ) + to y ( t0 )) Valeur exacte: y( 0. ) pour t = t0 + h y = = = = h 3 y = y h t y ( t) + ( y ( t) + t y ( t)) 0. = ( 0. ( ) ) + + y y = ( ( ) 0. ( ) ) Valeur exacte: y(. ) 0 = = pour t3 = t0 + 3h Etc. Ordre global h. Ift4 6 Chapitre 6

7 Méthode d'euler (ordiaire) Ordre : y ( t) = f ( t, y( t)) y( t ) = y 0 0 Méthode d'euler = Méthode de Taylor d'ordre local e h. Ordre global e h. y = y + h y + t + ( ) O( h ) y = y + h f t y t + + (, ( )) O( h ) Iterprétatio géométrique: y y y 0 Solutio aalytique x 0 x 0 +h x Ift4 7 Chapitre 6

8 Erreur globale vs Erreur locale Y = Valeur calculée e x. y = Valeur exacte e x. e = y Y = erreur e Y ; Y = y + e Avec la méthode d'euler, ous avos: Y = Y + + h f ( t, Y ) E utilisat les séries de Taylor: y = y + h + h f t y + y (, ) ( ξ ) avec x ξ x + h h e+ = y+ Y + = y Y + h[ f ( x, y ) f ( x, Y )] + y ( ξ ) e e h f x y f x Y = + (, ) (, ) h + y Y y y Y + ( ) ( ξ ) ( ) e = e + h + h f y x e + y (, η ) ( ξ ) avec η etre y et Y e + h + hk e + y ( ) ( ξ ) Ift4 8 Chapitre 6

9 e 0 = 0 Erreur globale vs Erreur locale (suite) h e hk e0 y 0 h ( + ) + ( ξ ) = y ( ξ0) h e hk h y 0 y h ( + ) hk y 0 y ( ξ ) + = + + ( ξ ) ( ) ( ξ ) ( ξ ) e3 h [( + hk) y ( ξ0) + ( + hk) y ( ξ) + y ( ξ )]... e h [( + hk) y ( ξ0) + ( + hk) y ( ξ) + K+ y ( ξ ) ] [ ] e h M[ ( + hk) + ( + hk) + K+ ] Sachat que : s + s + s + K+ s = s Nous obteos : ( + hk) e h M ( + hk) e hm hm ( + hk) K K 3 ( hk) ( hk) e hk = + hk K 3 Maclauri hk + hk < e ( K > 0) e hm ( ) ( ) K e hk hm hm K K e hk hm K e ( x x0 ) K ( ) = = = O ( h ) Ift4 9 Chapitre 6

10 Méthode d'euler modifiée Taylor d ordre local e h 3 : y = y + h h f t y + f + t y + O h 3 (, ) (, ) ( ) Différece avat pour évaluer f : f ( t, y ) = f ( t, y ) f ( t, y ) + + h + O( h) y Formule d Euler modifiée : h = y + [ f t y + f t y ] + O h 3 (, ) (, ) ( ) y y h = y + [ y + y ] + O h 3 ( ) + + y y 0 Solutio aalytique x 0 x 0 +h x Ift4 0 Chapitre 6

11 Méthode d'euler ordiaire Algorithme y 0 doé y = y + + h f ( t, y( t )) Ue seule étape de calcul y Méthode d'euler modifiée Algorithme y 0 doé ~ y = y + + h f ( t, y( t )) h = y + f ( t, y ) + f ( t, ~ y ) [ ] Deux étapes de calcul:. la prédictio.. La correctio. Ordre global e h. Méthode d'euler ordiaire Pour résoudre: y ( t) = t y ( t) y( 0) = Ordre global e h. Méthode d'euler modifié Pour résoudre: y ( t) = t y ( t) y( 0) = t y erreur t y prédit y corrigé erreur Note: L'étape de correctio peut être répétée à 3 fois, au delà, il est préférable de réduite h. Ift4 Chapitre 6

12 Méthode d'euler ordiaire h =0.5 y ( t) = t y ( t) y( 0) = t y Méthode d'euler Modifié h =0.5 t y Ift4 Chapitre 6

13 Méthode de Ruge Kutta Développemet à l ordre y 0 doé k = h f ( x, y) k = h f ( x + α h, y + β k) y+ = y + a k + bk Trouver les valeurs de : a, b, α et β. Développemet de Taylor : or y = y + h h f x y + f + x y + O h 3 (, ) (, ) ( ) f ( x, y ) = ( f + f y ) x y = ( f + f f ) x y y = y + h h f x y + f + + x f y f + 3 (, ) ( ) O( h ) () Algorithme de Ruge Kutta d ordre : y = y + ah f x y + bh f x + h y + + (, ) ( α, βh f ( x, y )) Développos au premier ordre : f ( x + αh, y + βh f ( x, y )) f + ( f ) α h + ( f ) βh f x y { } y = y + a + b h f + h f x b + + ( ) ( ) α ( f y ) β b f () Ift4 3 Chapitre 6

14 Méthode de Ruge Kutta : développemet à l ordre y 0 doé k = h f ( x, y) k = h f ( x + α h, y + β k) y+ = y + a k + bk Trouver les valeurs de : a, b, α et β. y = y + h h f x y + f + + x f y f + 3 (, ) ( ) O( h ) () { } y = y + a + b h f + h f x b + + ( ) ( ) α ( f y ) β b f () E forçat () = (), ous avos : a + b = α b = β b = Ordre local e h 3 Ordre global e h. Choix Courats : a = b = et α = β = Type I : Euler modifié a = 0 b = et α = β = Type II 3 a = b = et α = β = 3 3 Type III Ift4 4 Chapitre 6

15 Méthode de Ruge Kutta d ordre global Le plus courat : y 0 doé k = h f ( x, y ) 3 3 k = h f ( x + h, y + k) y = y + + k + k + 3 O( h ) 3 3 Méthode de Ruge Kutta d ordre global 4 Le plus courat : y 0 doé k = h f ( x, y ) k = h f ( x + h, y + k) k3 = h f ( x + h, y + k ) k4 = h f ( x + h, y + k3) y = y + k + + k + k + k O( h ) Ift4 5 Chapitre 6

16 Les méthodes de Ruge Kutta sot très efficaces car :. Elles suivet de près la solutio aalytique.. Avec ue valeur du pas relativemet élevé. 3. Mois coûteux que les autres méthodes pour u O(h ) doé. Méthode de Ruge Kutta d ordre global h 4 : y ( t) = t y ( t) y( 0) = Pas ecore d approximatio de l erreur commise. Nécessité de choisir le pas e foctio de l erreur maximale recherchée. Solutio : calculer avec u pas égal à h, h/,... Jusqu à la stabilité de la solutio. Coût élevé! Les méthodes qui austet le pas sot dites méthodes à pas adaptatif. h=.0 h = h=0.5 t y y Réel Ift4 6 Chapitre 6

17 Algorithme de Ruge Kutta Merso d ordre global 4 avec estimé de l erreur. y 0 doé k h f x y = (, ) k = h f ( x + h, y + k) k 3 = h f ( x + h, y + k + k ) k 4 = h f ( x + h, y + k + k3) k5 = h f ( x + h, y + k k3 + k4 ) y+ = y + k + k4 + k5 + O( h ) E k k + k k Algorithme de Ruge Kutta Fehlberg d ordre global 5 avec estimé de l erreur. y 0 doé k h f x y = (, ) k = h f ( x + h, y + k) k3 = h f ( x + h, y + k + k ) k4 = h f ( x + h, y + k + k + k3) k5 = h f ( x + h, y + k 8k + k3 k4 ) k6 = h f ( x + h, y k + k k3 + k4 k5) y+ = y + k + k3 + k4 + k5 + O( h ) E k k k + k + k Ift4 7 Chapitre 6

18 Exemple : Algorithme de Ruge Kutta Fehlberg d ordre global 5 avec estimé de l erreur. y ( t) = t y ( t) y( 0) = h =0. t y Erreur y 6 = Méthode efficace et populaire avec cotrôle de l erreur. Ift4 8 Chapitre 6

19 Méthodes à pas uique utiliset seulemet le pas précédet : y et y Exemples : Méthodes de Taylor et de Ruge Kutta. Méthodes à pas multiples (multistep methods) utiliset plusieurs pas précédets : y et y et aussi y et y ( y et y possible) Méthodes ouvertes Méthodes fermées (de type prédictio correctio) utiliset que les valeurs précédetes y, y, y... utiliset autat les valeurs précédetes y, y, y... que les valeurs suivates y +, y +... Exemple : méthode d Euler modifiée. Ift4 9 Chapitre 6

20 Méthode d Adams Équatios différetielles sous la forme dy = f ( x, y) dx à itégrer sur [x, x + ] : x x dy = x x + + f ( x, y) dx remplacer la foctio f(x,y(x)) par u polyôme de collocatio : x, x -, x -,... Polyôme quadratique de Newto Grégory descedat : s( s + ) s( s )( s ) 3 P ( s) = f + s f + f + h f ( ξ) 6 Calcul des itégrales : 5 y+ = y + h f + f + f O h + 4 ( ) h 4 = y + [ 3 f 6 f + 5 f ] + O( h ) Note : Le résultat sera d ordre local + pour u polyôme de degré. Attetio : Degré trop élevé erreurs d arrodis. Ift4 0 Chapitre 6

21 Méthodes d Adams 5 y+ = y + h f + f + f O h + 4 ( ) h 4 = y + [ 3 f 6 f + 5 f ] + O( h ) Remarques :. Pour démarrer, les valeurs de y 0, y et y (doc f 0, f, et f ) sot écessaires. Amorçage : méthode de Ruge Kutta.. Pas questio d adapter le pas directemet. 3. Problème : extrapolatio avec le polyôme de collocatio ; mois précis qu iterpolatio. y y Adams (ordre local e h 3 ) h 3 = y + [ f f ] + O h 3 ( ) + Adams (ordre local e h 5 ) h 5 = y + [ 55 f 59 f + 37 f 9 f ] + O( h ) Ift4 Chapitre 6

22 Méthodes d Adams Moulto (prédictio correctio) étapes :. ue étape de prédictio où ous extrapolos approximatio de y +. ue étape de correctio où ous iterpolos pour trouver y + e se servat de f + tel que prédit par la première étape. Méthode d Adams Moulto (d ordre local e h 4 ) y 0, y, y doés ~ h y y [ ] ( 4 f f f O h ) + = y Calcul de ~ f = f ( x, ~ y ) h 4 = y + [ f + f f ] + O h 5 ~ 8 ( ) + + Ift4 Chapitre 6

23 Méthodes d Adams Moulto Remarques :. Le correcteur : même ordre que prédicteur, mais précisio plus grade.. La valeur exacte etre le prédicteur et le correcteur. 3. Deux évaluatios de la foctio f à chaque étape (comparée à 4 pour Ruge Kutta du même ordre). 4. Pour amorcer : Ruge Kutta du même ordre. Méthodes d Adams Moulto (d ordre local e h 5 ) y 0, y, y, y 3 doés h [ ] ~ 5 v y = y + f f + f f + h y ( ξ ) + 3 y Calcul de ~ f = f ( x, ~ y ) h [ ] 4 9 ~ = y + f + f f + f h y v ( ξ) Ift4 3 Chapitre 6

24 Méthode d Adams Moulto Mesure de la précisio 9 yexact ycorrige ycorrige y predit 70 ( ) N décimales exactes lorsque : y corrige y predit N 0 4. L erreur globale est stable doc pas de divergece. Comparaiso des méthode pour résoudre : yexact = y predit h y 70 yexact = ycorrige 9 5 h y 70 v v ( ξ) ( ξ) = y y + h y v predit corrige ( ξ) 70 ( corrige predit ) 5 v 70 h y ( ξ ) = y y 70 Doc ( ) 9 70 y = y y y exact corrige corrige predit ( ) 9 y = y y y 70 exact corrige corrige predit y ( t) = t y ( t) y( 0) = Méthode t = 0. t = 0. Solutio aalytique Euler O(h ) Taylor O(h 3 ) Taylor O(h 4 ) Euler Modifié O(h 3 ) RK type II O(h 3 ) RK type III O(h 3 ) RK O(h 5 ) Adams Moulto Ift4 4 Chapitre 6

25 Résoudre u système d'équatios différetielles du premier ordre: Exemple: dx = xy + t dt Coditios iitiales: dy x(0) = et y(0) = - = ty + x dt Méthode de Taylor avec ordre local e h 4 : 3 h h x + = x + h x t + x t + x t + O h 4 ( ) ( ) ( ) ( ) 6 3 h h y + = y + h y t + y t + y t + O h 4 ( ) ( ) ( ) ( ) 6 x = xy + t y = ty + x x = xy + x y + y = y + ty + x x = x y + xy + x y + x y y = y + y + ty + x Ift4 5 Chapitre 6

26 x y Euler modifié ~ x (, ( )) + = x + h f t x t ~ y + = y + h f ( t, y( t )) h = x + f ( t, x ) + f ( t, ~ x ) h = y + f ( t, y ) + f ( t, ~ y ) [ ] [ ] Exemple: x = xy + t y = ty + x h = 0. Prédictio: Coditios iitiales: x(0) = et y(0) = - x y ~ x = x0 + h f ( t0, x( t0)) = + 0. [( )( ) + 0] = 0. 9 ~ y = y0 + h f ( t0, y( t0)) = + 0. [( 0)( ) + ] = 0. 9 Correctio: h = x + [ f ( t, x ) + f ( t, ~ x ] 0. ) = + ( + [ 0. 9 ( 0. 9 ) + 0. ]) h = y + [ f ( t, y ) + f ( t, ~ y ] = + 0. ) ( + [ 0. ( 0. 9 ) ]) x y = = Ift4 6 Chapitre 6

27 Équatio différetielles d ordre supérieur Ordre : ( ) ( ) y ( t) = f ( t, y( t), y ( t), K, y ( t)) Coditios iitiales : ( k ) ( k ) y ( t ) = y doés pour k = 0,,..., Remarque : Il est raremet possible de trouver ue solutio aalytique. Équatio du pedule: (pour de petits mouvemets) t: temps θ: Positio agulaire d θ dt g + θ = L 0 L Coditios iitiales usuelles: θ( t ) = θ 0 0 θ ( t0) = θ0 θ ( t) = θ Cos( g ) + θ ( ) L t L 0 0 g Si g L t θ Ift4 7 Chapitre 6

28 Trasformatio d'ue équatio différetielle d'ordre e u système d ordre : Ordre : y ( t) = f ( t, y( t), y ( t)) Coditios iitiales : y( t ) = y et y ( t ) = y E posat : x( t) = y ( t) Système équivalet : x ( t) = f ( t, y( t), x( t)) y ( t) = x( t) avec coditios iitiales : y( t ) = y et x( t ) = y Ift4 8 Chapitre 6

29 Remarque: Il est touours possible de trasformer ue équatio différetielle d'ordre e u système d'équatios différetielles d'ordre. Équatio différetielle d'ordre : ( ) ( ) y ( t) = f ( t, y( t), y ( t), K, y ( t)) Coditios iitiales : ( k ) ( k ) y ( t ) = y doés pour k = 0,,..., ( k ) E posat: x ( t) = y ( t) pour k = 0,,..., -. k Nous obteos u système de équatios d'ordre : x0 ( t) = x( t) x = ( t) x ( t) M x ( t) = x ( t) x ( t) = f ( t, x0( t), x( t), K, x ( t)) ( ) = y ( t) Avec coditios iitiales: ( k ) x ( t ) = y ( t ) pour k = 0,,..., -. k 0 0 Ift4 9 Chapitre 6

30 d x dt Exemple: Résoudre dx Coditios iitiales: ( x ) + x = 0 dt x(0) = 0.5 et x'(0) = 0 Mise sous la forme de système: dx dt dy dt = y = ( x ) y x Coditios iitiales: x(0) = 0.5 et y(0) = x'(0) = 0 Euler avec h = 0. x + = x + h f ( t, x( t ), x ( t )) y + = y + h f ( t, y( t ), y ( t )) Ici = 0: x = x0 + h y0 y = y0 + h ( x0 ) y x [ 0 0] x y = ( 0. )( 0) [ ] = 0 + ( 0. ) ( 0. 5) Calculer x''(0) et x''(0.) x ( 0) = ( x0 ) y0 x0 x ( 0. ) = ( x ) y x Ift4 30 Chapitre 6

31 Méthodes d Adams Moulto d ordre global 4 Pour les systèmes d ordre. x 0, x, x, x 3 doés et y 0, y, y, y 3 doés Calcul des prédicteurs : ~ h x x [ ] ( 5 f f f f O h ) + = ~ h y y [ ] ( 5 g g g g O h ) + = Nouveaux estimés de la foctio : ~ f (, ~, ~ + = f t+ x+ y+ ) g~ = g t, x ~, ~ y ( ) x y Calcul des correcteurs : h 5 = x + [ f + f f + f ] + O h 4 9 ~ 9 5 ( ) h 5 = y + [ g + g g + g ] + O h 4 9 ~ 9 5 ( ) Correcteur : même ordre que le prédicteur. Valeur exacte etre le prédicteur et le correcteur. Ift4 3 Chapitre 6

32 Exemple : Soit le système : x = xy + t y = ty + x avec pour coditios iitiales : x( 0) = y( 0) = t x x t y y Valeurs de départ Prédictio Correctio Calcul des prédicteurs : ~ x ( 0. ) = x [ 55 f f f f 0 ] = = [ 55( ) 59( ) 37( 0. 97) 9( ) ] ~ y ( 0. ) = = Nouveaux estimés de la foctio : ( ) ( ) [ 55( ) 59( ) 37( ) 9( 0. )] ~ f, ~, ~ + = f t+ x+ y+ = ( ) + 0. = g~, ~, ~ + = g t+ x+ y+ = 0. ( ) = Calcul des correcteurs : x( 0. ) [ ] = + 9( ) + 9( ) 5( ) + ( 0. 97) = y( 0. ) = [ 9( ) + 9( ) 5( ) ] = x( 0. ) = y( 0. ) = Ift4 3 Chapitre 6

33 Comparaiso des méthodes pour les équatios différetielles Euler Modifié Ruge Kutta d ordre 4 Adams Moulto Type de méthode Pas uique Pas uique Pas multiple Erreur locale O(h 3 ) O(h 5 ) O(h 5 ) Erreur globale O(h ) O(h 4 ) O(h 4 ) b d évaluatio de foctio 4 Stabilité boe boe boe Facilité pour chager le pas oui oui o Recommadée NON OUI OUI Ift4 33 Chapitre 6

34 Ift 4 Chapitre 6 Résolutio des équatios différetielles: Coditios limites Ift4 34 Chapitre 6

35 Problèmes aux limites Équatio différetielle d ordre y ( t) = f ( t, y( t), y ( t)) Avec les coditios limites : y( t ) = y et y( t ) = y 0 0 Type différet de celles doées avec des coditios iitiales. Les méthodes vues précédemmet e s appliquet pas car ous e coaissos pas y ( t ) 0 Exemple : Déformatio d ue poutre : w(x) : déformatio e foctio de l abscisse x. d w S dx EI w qx = + ( x L) EI Avec les coditios limites w( 0) = w( L) = 0 q : charge uiforme. E : Coefficiet d élasticité. L : logueur de la poutre. S : tesio aux limites. I : momet cetral d iertie. s 0 w s L Ift4 35 Chapitre 6

36 Problèmes liéaires aux limites Pour ue équatio différetielle liéaire d ordre ou d u autre ordre tat qu elle est liéaire. y ( t) = H( t) + G( t) y( t) + F( t) y ( t) () Nous avos : Théorème : Si y (t) et y (t) sot deux solutios de () alors y3( t) = αy( t) + ( α) y( t) est aussi solutio de (). Le théorème pour des équatios différetielles liéaires seulemet. Cas homogèe : Où H = 0, ous acceptos toute combiaiso liéaire : Pour tout α et β, y 3 (t) = α y (t) + β y (t) est aussi solutio de (). Ift4 36 Chapitre 6

37 Méthode de tir Problème liéaire à résoudre x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites (frotières) : x() = et x(3) = - O essaie u premier tir e remplaçat par les coditios iitiales : x () = x () = -.5 Premier tir: Raté : ous trouvos x (3) = 4.8 Ift4 37 Chapitre 6

38 Méthode de tir Problème liéaire à résoudre x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites (frotières) : x() = et x(3) = - O essaie u deuxième tir e remplaçat par les coditios iitiales : x () = x () = - 3 Deuxième tir: Ecore raté : ous trouvos x (3) = Ift4 38 Chapitre 6

39 Combiaiso des tirs Mais ous avos : x ( t) = αx ( t) + ( α) x ( t) 3 qui sera aussi ue solutio. de x ( t) = t + ( 0. t) x( t) Il faut doc détermier α pour avoir x 3 (3) = -. x3( 3) = αx( 3) + ( α) x( 3) = α( 4. 8) + ( α)( ) α = Solutio e tout poit : x ( t) = x ( t) x ( t) 3 Ift4 39 Chapitre 6

40 Combiaiso des tirs Notes :. Problèmes liéaires du secod ordre coverget e tirs.. Ordre plus élevé : la méthode foctioe aussi. 3. Ordre global et précisio de la méthode employée pour les coditios iitiales. 4. Peu gééralisables e D et 3D, peu utilisée e pratique. Problème liéaire à résoudre x ( t) = t + ( 0. t) x( t) t x ( t ) x ( t) x ( t) Ift4 40 Chapitre 6

41 Pour les équatios o liéaires : Covergece de la méthode de tir comme ue méthode de poit fixe. X(3)=f(x ()) peu de chace que l iterpolatio liéaire procure la solutio exacte. Sert à estimer la prochaie pete. Problème o liéaire à résoudre x ( t) = t + ( 0. t) x( t) x ( t) avec CL : x()= et x(3)=- Valeur assumée pour x () valeur Calculée pour x(3) * * * * valeur obteue par iterpolatio liéaire. Ift4 4 Chapitre 6

42 Méthodes des différeces fiies étapes :. Étape de discrétisatio : Diviser l itervalle e sous itervalle de logueur h. Dérivées approchées par des formules de différece.. Résolutio du système discrétisé : Systèmes liéaires pour des équatios différetielles liéaires et systèmes o liéaires pour des équatios différetielles o liéaires. Propriétés mathématiques des matrices obteues par discrétisatio (matrices tridiagoales, ou symétriques, ou défiies positives). Problème liéaire à résoudre x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites (frotières) : x() = et x(3) = - dx dt = x x h i + i Différeces cetrées : d x x x + x + O( h ) = dt h i + i i + O( h ) Substituer ces formules das l équatio différetielle et choisir u pas. Ift4 4 Chapitre 6

43 Méthodes des différeces fiies Étape de discrétisatio x x + x h i + i i = t + ( 0. t ) x i i i Pour i =,..., - avec ti = t + ( i ) h et xi = x( ti ) Nous avos: t = et x = t =3 et x =- Précisio de l'approximatio: Valeur du pas h Type de différeces utilisées. [ ( 0. )] x + h t x + x = h t i i i i + i Remarque: Ici: O(h ) Appliquer la techique d'extrapolatio de Richardso. ( ) Calculer ue solutio x i ( ) avec u pas h. Calculer ue solutio x i + avec u pas h. Esuite grâce à l'extrapolatio de Richardso, calculer ue ouvelle solutio. ( extrapolatio) ( ) ( ) ( ) xi + = xi + + ( xi + xi + ) 3 Ift4 43 Chapitre 6

44 Méthodes des différeces fiies Pour i =,..., - [ ( 0. )] x + h t x + x = h t i i i i + i Nous avos: t = et x =, t =3 et x =- Cosidéros h = 0.5 : [ ( 0. )] [ ( 0. )] [ ( 0. )] x + h t x + x = h t 3 x + h t x + x = h t x + h t x + x = h t x 50. x 0 5. x = Nous obteos: x x x x x = = 055. = = = Ift4 44 Chapitre 6

45 x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites : x() = et x(3) = - Pour h=0. : x = Note: le système est tridiagoal. Résultats: t Méthode des différeces fiies Méthode de tir Ift4 45 Chapitre 6

46 Méthodes des différeces fiies x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites (frotières) : x() = et x(3) = - Ift4 46 Chapitre 6

47 Coditios limites sur les dérivées. Méthode de tir. x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites : x ( ) = 0 et x ( 3) = Essais sur la valeur de x(): O essaie tirs e remplaçat par les coditios iitiales: Premier tir: x ( ) = et x ( ) = 0 Deuxième tir: x ( ) = 8 et x ( ) = 0 Combier les solutios avec x ( 3) et x ( 3) x ( 3) et x ( 3) sot estimées avec la formules des différeces divisées. Ift4 47 Chapitre 6

48 Coditios limites sur les dérivées. Méthode des différeces fiies. x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites : x ( ) = 0 et x ( 3) = Se discrétise e : xi + xi + xi = ti + ( 0. ti ) xi h x + h ( 0. t ) x + x = h t [ ] i i i i + i Mais maiteat, cela est valable pour i =,...,. Nous raoutos poits : ( t0, x0 ) et ( t+, x+ ) tels que: x x = h x ( t ) 0 x+ x = h x ( t) Remarque: Nous coaissos les dérivées aux limites x ( ) = 0 et x ( 3) = Ift4 48 Chapitre 6

49 Exemple: x ( t) = t + ( 0. t) x( t) Avec les coditios aux limites : x ( ) = 0 et x ( 3) = Cosidéros h = 0.5 : [ ( 0. )] [ ( 0. )] [ ( 0. )] x + h t x + x = h t 3 x + h t x + x = h t x + h t x + x = h t x x0 = h x ( t) x x = h x ( t ) x x x x x x = x x x x = = = = = Ift4 49 Chapitre 6

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

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

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Guide des logiciels installés sur votre ordinateur portable Sony PCG-C1MHP

Guide des logiciels installés sur votre ordinateur portable Sony PCG-C1MHP Guide des logiciels istallés sur votre ordiateur portable Soy PCG-C1MHP Commecez par lire ce documet! Commecez par lire ce documet! Importat Ce produit comporte des logiciels acquis par Soy sous licece

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée

Plus en détail

OM 1 Outils mathématiques : fonction de plusieurs variables

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

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

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

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

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2 Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R

Plus en détail

Petit recueil d'énigmes

Petit recueil d'énigmes Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.

Plus en détail

?,i- ' ^/mmmmmm. CACU ^..""'V ii\teimmies EîiiEsmmii ''?A y? K 1^ 1 - r Par le Moyede Formules Algébriques ) v-^' ET A 'AIDE DES OGARITHMES.../v:?i.'?Xi:: F, X, BURQUE, Ptr. Professeur de MatJu'matiques,

Plus en détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail

Simulations interactives de convertisseurs en électronique de puissance

Simulations interactives de convertisseurs en électronique de puissance Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,

Plus en détail

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Notes 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 détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Exponentielle exercices corrigés

Exponentielle exercices corrigés Trmial S Foctio potill Ercics corrigés Fsic 996, rcic Fsic 996, rcic 3 3 Fsic 996, rcic 4 4 Fsic, rcic 6 3 5 Fsic, rcic 4 3 6 Baqu 4 4 7 Epo + air, Amériqu du Nord 5 5 8 Basiqu, N Calédoi, ov 4 7 9 Basiqus

Plus en détail

Sommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance

Sommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;

Plus en détail