Notes de Cours : Analyse Numérique
|
|
- Caroline Pelletier
- il y a 6 ans
- Total affichages :
Transcription
1 Notes de Cours : Analyse Numérique Jérôme Lohéac 26 avril 2015 LUNAM Université, IRCCyN UMR CNRS 6597 (Institut de Recherche en Communications et Cybernétique de Nantes), École des Mines de Nantes, 4 rue Alfred Kastler, Nantes Jerome.Loheac@irccyn.ec-nantes.fr
2 Ce document reprend les résultats vus en cours. Merci au lecteur de me signaler toute erreur potentielle. Avant de vous lancer dans la résolution numérique d un problème, demandez vous si une solution existe...
3 Table des matières Notations 5 1 Résolution de systèmes linéaires Élimination de Gauss Méthodes itératives Méthodes de Jacobi, Gauss-Scheidel et relaxation Méthodes du gradient et du gradient conjugué Algorithme pour les méthodes itératives Conditionnement des matrices Stockage des matrices Systèmes surdéterminés et méthode des moindres carrés Résolution numérique des équations aux dérivées partielles elliptiques Un exemple Méthode des différences finies Méthode de Fourier Introduction aux distributions Espaces de Sobolev Le Sobolev H 1 () Théorèmes de trace Espaces de Sobolev d ordre supérieurs Problèmes elliptiques Exemple Problèmes variationnels abstraits Approximation variationnelle Éléments finis P En dimension En dimension résultat de convergence
4 4 TABLE DES MATIÈRES
5 5 Notations Ensemble courants : N l ensemble des entiers naturels, Z l ensemble des entiers relatifs et R l ensemble des réels. Matrices : Pour m, n N, on note M m,n (R) l ensemble des matrices réelles de m lignes et n colonnes. Pour A M m,n (R) et (i, j) {1,, m} {1,, n} on note A i,j le coefficient de A placé à la i ème ligne et j ème colonne. Pour A M m,n (R), on note A M n,m (R) la transposée de A. Pour A M m,n (R), on note rg A le rang de A. Pour m = n, on pose M n (R) = M n,n (R). Pour A M n (R), on note det A le déterminant de la matrice A et Tr A sa trace. On note GL n (R) l ensemble des matrices de M n (R) inversibles. On note S n (R) l ensemble des matrices de M n (R) symétriques. On note S n + (R) (resp. Sn (R)) l ensemble des matrices de S n (R) positives (resp. négatives). Dérivées : Soit ϕ : x R n ϕ(x)r une fonction suffisamment régulière. On note : pour i {1,, n} et k N i kϕ la dérivée kième de ϕ par rapport à la variable x i, ϕ = 1 ϕ. n ϕ R n et ϕ = n i 2 ϕ ; i=1
6
7 Chapitre 1 Résolution de systèmes linéaires Les références utilisées pour ce chapitre sont [RP10, Chapitres 4 et 6], [Cia82, Partie 1] et [Sch01, Chapitres 9, 10, 11 et 12]. L objectif de ce chapitre est de donner des algorithmes permettant de résoudre ou d approcher la solution x R n du système linéaire Ax = b avec A M n (R) et b R n. Théorème Si A GL n (R), alors quelque soit b R n, il existe une unique solution x R n de Ax = b. 1.1 Élimination de Gauss Remarque Si A GL N (R) est triangulaire supérieure (resp. inférieure), la solution de Ax = b est aisée à calculer. Le principe de l élimination de Gauss est de remplacer le système Ax = b en un système équivalent Ux = c avec U GL N (R) une matrice triangulaire supérieure. Algorithme (Pivot de Gauss) Soient A GL n (R) et b R n, La sortie de cet algorithme est A M n (R) et b R n. Pour i allant de 1 à n 1, faire : // On parcourt les lignes du système p = 1 A i,i Pour j allant de i + 1 à n, faire : A i,j = pa i,j // L i L i /A i,i Fin pour b i = p b i // b i b i /A i,i Pour k allant de i + 1 à n, faire : Pour j allant de i + 1 à n, faire : // L k L k A k,i L i A k,j = A k,j A k,i A i,j Fin pour b k = b k a k,i b i // b k b k A k,i b i Fin pour p = 1 A n,n b n = p b n A n,n = 1 Fin pour 7
8 8 RÉSOLUTION DE SYSTÈMES LINÉAIRES Remarque Cet algorithme fonctionne si à l étape i, A i,i 0. Si tel n est pas le cas, il faut permuter les lignes. À la fin de cette algorithme, on est ramené a un système Ux = c avec U triangulaire supérieure qui se résout comme suit : Algorithme Soit U GL n (R) triangulaire supérieure et c R n. La sortie de cet algorithme est x R n solution de Ux = c. Pour k allant de n à 1 avec pas 1, faire : x k = c k n i=k+1 U i,jx j Fin pour La complexité de l algorithme d élimination de Gauss est en O(n 3 ). 1.2 Méthodes itératives Pour résoudre le système Ax = b, on va construire une suite récursive (x n ) n convergente vers x Méthodes de Jacobi, Gauss-Scheidel et relaxation Soit A GL n (R), on écrit A = M N avec M GL n (R) et N M n (R). À partir d un point x 0 R n, on construit la suite récursive (x n ) n N à l aide de la relation : Mx n+1 = Nx n + b ( n N). (1.2.1) Exemple Soit A = D E F avec D, E, F M n (R), D diagonale, E triangulaire supérieure (strict) et F triangulaire inférieure (strict). Méthode de Jacobi : M = D et N = E + F ; Méthode de Gauss-Scheidel : M = D E et N = F ; Méthode de relaxation : M = 1 1 ω ω D E et N = ω D + F. Théorème (Convergence). Si M 1 N < 1 alors pour tout x 0 R n, la suite (x n ) n N définie par la relation de récurrence (1.2.1) est convergente vers x R n solution de (M N)x = b. Théorème Soit A S + n (R) GL n (R), on écrit A = M N avec M GL n (R) et N M n (R). Alors M + N S n (R) et si M + N S + n (R) GL n (R), alors pour tout x 0 R n, la suite (x n ) n N définie par la relation de récurrence (1.2.1) est convergente vers x R n solution de (M N)x = b. Théorème Soit A S + n (R) GL n (R). Si ω (0, 2), alors pour tout x 0 R n, la suite (x n ) n N définie par la relation de récurrence (1.2.1) est convergente vers x R n solution de (M N)x = b, où M et N sont données par la méthode de relaxation Méthodes du gradient et du gradient conjugué On considère dans ce paragraphe A S + n (R) GL n (R) et b R n. Théorème Si x R n est solution de Ax = b, alors J(x) J(y) ( y R n ),
9 CONDITIONNEMENT DES MATRICES 9 avec J : R n R y 1 2 y Ay y b. (1.2.2) Par conséquent au lieu de chercher la solution de Ax = b, on va minimiser J. Proposition Soit x R n et d R n \ {0}, alors le minimum de ρ J(x + ρd) est obtenu pour ρ = d (Ax b) d. Ad Pour ces méthode, on va construire une suite récurrente (x n ) n N et une suite (d n ) n N où la récurrence sur (x n ) est donnée par : On est alors libre sur le choix de la suite (d n ) n. x n+1 = x n + (dn ) (Ax n b) (d n ) Ad n. Exemple Méthode du gradient : d n = J(x n ) ; Méthode du gradient conjugué : d 0 R n donné (par exemple d 0 = J(x 0 )) et d n+1 = J(x n+1 ) + J(xn+1 ) 2 J(x n ) 2 dn. Théorème La méthode du gradient est convergente Théorème La méthode du gradient conjugué est convergente en au plus n itérations (où n est la dimension de l espace, A M n (R)). Remarque Ce dernier résultat est théorique. En pratique, nous n atteindrons pas la solution en moins de n itérations Algorithme pour les méthodes itératives Les méthodes itératives sont basées sur une relation de récurrence x n+1 = f(x n ). En pratique, nous nous donnons un critère d arrêt, qui est un nombre maximal d itération et un borne sur l erreur. Plus précisément, on se donne : Algorithme Soit A GL n (R), b R n \ {0}, x 0 R n, N max N et ε > 0. La sortie de l algorithme étant x, approximant la solution de Ax = b. k = 0 x = x 0 Tant que k < N max et Ax b b > ε, faire : x = f(x) k = k + 1 Fin pour 1.3 Conditionnement des matrices Lorsque l on va résoudre un système Ax = b, on va commettre des erreurs numériques. Le conditionnement va permettre de mesurer l impact de ces erreurs sur la solution.
10 10 RÉSOLUTION DE SYSTÈMES LINÉAIRES Définition Soit une norme sur R n. On définit la norme subordonnée sur M n (R) par : Ax A = max x R n, x x 0 ( A M n (R)). Théorème Soit A M n (R), on a A = max { λ σ(a A) }, avec σ(a A) l ensemble des valeurs propres de A A. Définition (Conditionnement). Soit A GL n (R), on appelle conditionnement de A la quantité χ(a) = A A 1. Proposition Pour tout A GL n (R), on a χ(a) 1. Théorème Soit A GL N (R), b R n \ {0} et δb R n, alors Avec Ax = b et A(x + δx) = b + δb. δx x χ(a) δb b, Théorème Soit A GL n (R), δa M n (R), b R n \ {0} et δb R n. Si A 1 δa < 1, alors, ( δx χ(a) δb + δa ), x 1 χ(a) δa b A A avec Ax = b et (A + δa)(x + δx) = b + δb. 1.4 Stockage des matrices Soit A M n (R). On peut stocker cette matrice dans un tableau ou bien ne retenir que les coefficients non nuls (forme sparse). Dans ce dernier cas, on retient une liste formée de couples d indices (ligne et colonnes) et de valeurs (valeurs de la matrice pour les indices correspondant). Le nombre d octets occupés par un entier est 4 et par un réel est 8. Notons ñ le nombre de valeurs non nulles dans la matrice A. Alors si 2ñ n il est plus intéressant de retenir la matrice sous forme sparse. 1.5 Systèmes surdéterminés et méthode des moindres carrés On considère ici A M m,n (R) et b R m avec m > n. On va chercher le point x R n tel que Ax soit le plus proche de b, i.e. : Ax b Ay b ( y R n ), (1.5.3) où la norme choisie est le norme euclidienne, i.e. x = n x i 2. Théorème Soit A M m,n (R) et b R m avec m n. Si rg A = n alors le problème de minimisation (1.5.3) admet une unique solution x R n solution de A Ax = A b. i=1
11
12 12 RÉSOLUTION DE SYSTÈMES LINÉAIRES
13 Chapitre 2 Résolution numérique des équations aux dérivées partielles elliptiques Les références utilisées pour ce chapitre sont [RT83, Chapitres 1, 2, 3 et 5] et [Bré83, Chapitres 5, 8 et 9]. 2.1 Un exemple On considère le domaine = (0, 1) R et le problème : u (x) = f(x) x (0, 1), (2.1.1a) 0 = u(0) = u(1). (2.1.1b) Avec f C ((0, 1), R). On admet temporairement que ce problème admet une unique solution et on va chercher à approcher numériquement la solution u Méthode des différences finies Cette méthode est basée sur la formule de Taylor. Plus précisément, si u est de classe C 2 alors, pour tout x (0, 1), u(x + h) = u(x) + hu (x) + h2 2 u (x) + o 0 (h 2 ) et u(x h) = u(x) hu (x) + h2 2 u (x) + o 0 (h 2 ). Ainsi, u (x) = 1 h 2 (u(x h) 2u(x) + u(x + h)) + o 0(1). Soit n > 2, on pose h n = 1/(n + 1) et x i = ih pour i {0,, n}, de sorte que x 0 = 0 et x n+1 = 1. On a alors (avec u(0) = u(1) = 0), u (x 1 ) = 1 h ( 2u(x 2 1 ) + u(x 2 )) + o n (1) n u (x i ) = 1 h (u(x 2 i 1 ) 2u(x i ) + u(x i+1 )) + o n (1) si i {2,, n 1} n u (x n ) = 1 h (u(x 2 n 1 ) 2u(x n )) + o n (1) n 13
14 14RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES ELLIPTIQUES Posons A = M n(r), de sorte que l on ai : u (x 1 ). = 1 u(x 1 ) h 2 A. + o n (1). u n (x n ) u(x n ) f(x 1 ) Posons aussi F =. R n. On a alors : f(x n ) F = 1 h 2 n u(x 1 ) A. u(x n ) + o n (1). Soit alors U i l approximation de u(x i ) au sens où U est solution de : 1 h 2 AU = F. n Remarque Si f n est pas continue, on peut tout de même définir une solution au problème (2.1.1), mais la formule de Taylor n est plus valable. Pour de dimension supérieure, cette méthode est technique à mettre en place Méthode de Fourier Pour f continue et C 1 par morceaux, On étend par imparité la fonction f puis on l étend sur R par 2-périodicité. La fonction f se récrit sous la forme d une série de Fourier, f(x) = n=1 a n sin(πnx). On remarque que d2 dx 2 sin(πnx) = π2 n 2 sin(πnx). On écrit alors u sous la forme d une série de Fourier en sinus, u(x) = n=1 u n sin(πnx) et on a u n = an π 2 n. On peut alors 2 tronquer la somme et ceci donne une méthode numérique convergente pour le problème (2.1.1). Remarque Il faut calculer les coefficients de Fourier de f. Ce qui n est pas en général (même numériquement) pas facile. Il est difficile d étendre cette méthode en dimension supérieure. La méthode devient très compliquée si au lieu de résoudre (2.1.1), on résout : d dx (a(x)u (x)) = f(x) x (0, 1), u(0) = u(1) = 0. Au vu des limitations des deux méthodes proposées précédemment, nous allons proposer une nouvelle méthode plus robuste par rapport au problème. Pour introduire cette méthode, nous avons tout d abord besoin de connaître l espace dans lequel vit la solution u.
15 INTRODUCTION AUX DISTRIBUTIONS Introduction aux distributions Soit un ouvert non vide de R n. On note D() l ensemble des fonction C à support compact dans. Soit (ϕ n ) n N D() N, on dira que (ϕ n ) n converge vers ϕ D() si il existe un compact K tel qu à partir d un certain rang, supp ϕ n K et pour tout α N n, lim sup α1 n 1 αn n (ϕ n ϕ) = 0. x K On définit l espace des distributions D () comme les formes linéaires sur D(), c est-à-dire T D () si pour toute suite (ϕ n ) n D() N convergente vers ϕ D(), on a lim n T (ϕ n ) = T (ϕ). Remarque En général, on note T, ϕ à la place de T (ϕ). Définition On définit L 2 () comme l adhérence de D() pour la norme : ϕ L2 () = ϕ(x) 2 dx ( ϕ D()). Proposition L 2 () est un espace de Hilbert séparable 1 pour le produit scalaire : (ϕ, ψ) L 2 () = ϕ(x)ψ(x) dx ( ϕ, ψ D()). Proposition (L 2 D ()). Soit f L 2 (), on définit T f D () par T f, ϕ = (f, ϕ) L 2 () pour tout ϕ D(). Alors f L 2 () T f D () est injective. Remarque Ainsi, tout élément de L 2 () peut aussi être vu comme une distribution. Définition (Dérivation au sens des distributions). Soit T D (), on définit i T pour i {1,, n} par : i T, ϕ = T, i ϕ ( ϕ D()). Remarque Cette formule de dérivation est basée sur la formule d intégration par parties. Si f L 2 () et de classe C 1, alors la dérivée au sens des distribution de f coïncide avec la dérivée classique. Les distributions sont infiniment dérivables. 2.3 Espaces de Sobolev Le Sobolev H 1 () Définition Soit un ouvert de R n, on définit : H 1 () = { ϕ L 2 (), ϕ L 2 () 3} et on munit cet espace du produit scalaire : (ϕ, ψ) H1 () = (ϕ(x)ψ(x) + ϕ(x) ψ(x)) dx ( ϕ, ψ H 1 ()). 1. séparable signifie qu il existe une suite dense.
16 16RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES ELLIPTIQUES Proposition Soit un ouvert de R n, H 1 () est un espace de Hilbert séparable. 2 Théorème Soit un ouvert borné de R n et 1, 2 deux ouverts tels que 1 2 = et 1 2 =. Soit v C 0 () tel que v 1 H 1 ( 1 ) et v 2 H 1 ( 2 ) alors v H 1 (). Définition Soit un ouvert borné de R n, on note H 1 0 () l adhérence de D() pour la norme H 1 (). Théorème (Inégalité de Poincaré). Soit un ouvert borné de R n, il existe une constante C() > 0 telle que pour tout v H 1 0 (), on a : v L 2 () C() v L 2 () n. Remarque Cette dernière inégalité reste vraie si est seulement borné dans une direction. Corollaire Soit un ouvert borné de R n, alors H 1 0 () définie par : v H 1 0 () = v L2 () n ( v H1 0 ()), est une norme sur H 1 0 () équivalente à la norme H1 () Théorèmes de trace On veut pouvoir définir v où = \ est la frontière de. Ceci n est pas trivial car dès que n 2 les éléments de H 1 () ne sont pas nécessairement continus. Théorème Soit R n un ouvert borné. On suppose que la frontière de est de classe C 1 par morceaux 3. Alors D() est dense dans H 1 () et l application γ 0 : ϕ D() v L 2 ( ) se prolonge par continuité en une application linéaire continue de H 1 () dans L 2 ( ). Théorème Sous les hypothèses du théorème précédent, H 1 0 () = Ker γ 0. Savoir que l on peut définir la trace d un élément de H 1 () nous permet d établir la formule de Green : Théorème (Formule de Green). Soit R n un ouvert borné dont la frontière est de classe C 1 par morceaux. Alors, pour tout u, v H 1 () et tout i {1,, n}, on a : i u(x)v(x) dx = u(x) i v(x) dx + u(x)v(x)ν(x) dσ(x), où ν = (ν 1,, ν n ) est la normal à dirigée vers l extérieur de (c.f. Figure 2.1) et dσ est l élément de surface sur la frontière de. 2. Ce théorème sera nécessaire pour justifier que l approximation par éléments finis est bien dans H i.e. est l ensemble des zéros d une fonction C 1 par morceaux de R n à valeurs dans R dont le gradient est presque partout non nul
17 PROBLÈMES ELLIPTIQUES 17 ν Figure 2.1 Normale sortante à Espaces de Sobolev d ordre supérieurs Définition Soit un ouvert de R n et m N, on note : { } n H m () = v L 2 (), α N n tels que α i m, on a α1 1 αn n v L 2 (), avec la convention 0 i v = v. i=1 Théorème Soient un ouvert de R n et m N. Alors H m () muni du produit scalaire : m (u, v) H m () = α1 1 αn n u(x) α1 1 αn n v(x) dx ( u, v H m ()), α 1,,α n=0 α 1+ +α n m est un espace de Hilbert séparable. Pour v H 2 (), on peut de même que pour H 1 définir la trace de v sur on a alors par la formule de Green : Proposition Soit un ouvert borné de R n dont la frontière est de classe C 1 par morceaux. Pour tout u H 2 () et tout v H 1 (), on a : u(x)v(x) dx = u(x) v(x) dx ( u(x) ν(x))v(x) dσ(x), avec comme précédemment, ν la normale sortante à et dσ l élément de surface sur. Théorème Soit un ouvert borné de R n dont la frontière est de classe C 1 par morceaux. Si m N est tel que m > n 2 alors Hm () C 0 (). 2.4 Problèmes elliptiques 2.5 Exemple Soit R n un ouvert borné dont la frontière est de classe C 1 par morceaux et soit f L 2 () on considère le problème aux limites : u = f dans, (2.5.2a) u = 0 sur. (2.5.2b)
18 18RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES ELLIPTIQUES On suppose momentanément que ce problème admet une solution u dans H 2 () alors en multipliant la première relation par un élément v de H 1 0 () et en utilisant la formule de Green avec v = 0, on obtient : Il est alors tentant de poser : u(x) v(x) dx = f(x)v(x) dx. a : H0 1 () H0 1 () R (u, v) u(x) v(x) dx et l : H0 1 () R v f(x)v(x) dx. De sorte que si u H 2 () est solution de (2.5.2) alors u est solution du problème variationnel : a(u, v) = l(v) ( v H 1 0 ()). Remarque Pour certains domaines, il n existe pas de solution dans H 2 () mais seulement une solution u H 1 0 () solution du problème variationnel. Nous allons donc dans ce qui suite chercher à résoudre ce problème variationnel Problèmes variationnels abstraits Soit V un espace de Hilbert séparable (on va noter V sa norme et (, ) V son produit scalaire), a : V V R une forme bilinéaire continue, (i.e. C > 0, (u, v) V V, a(u, v) C u V v V et a linéaire par rapport à chacune de ses variables) et l : V R une forme linéaire continue (i.e. C > 0, v V, l(v) C v V ). Définition La forme bilinéaire a est dite elliptique sur V s il existe α > 0 tel que pour tout u V, on a : a(u, u) α u 2 V. Théorème (Théorème de représentation de Riesz). Soit l V (une forme linéaire continue sur V ). Il existe un unique élément λ V tel que pour tout v V, l(v) = (λ, v) V. Théorème (Lemme de Lax-Milgram). Soit a une forme bilinéaire continue et elliptique sur V et l V. Il existe un unique élément u V tel que a(u, v) = l(v) pour tout v V. Proposition Sous les hypothèses du théorème précédent et si de plus a est symétrique (i.e. a(u.v) = a(v, u)) alors l unique solution u du problème variationnel a(u, v) = l(v) minimise la fonctionnelle : J : V R v 1 2a(v, v) l(v).
19 ÉLÉMENTS FINIS P Approximation variationnelle Soit V un espace de Hilbert séparable, a : V V R une forme bilinéaire continue, et l : V R une forme linéaire continue. Soit V h V un sous-espace vectoriel de V. Proposition Il existe une unique solution u h V h au problème variationnel : a(u h, v h ) = l(v h ) (v h V h ). Théorème Soit u V (resp. u h V h ) la solution du problème variationnel a(u, v) = l(v) pour tout v V (reps. a(u h, v h ) = l(v h ) pour tout v h V h ). Il existe une constante C > 0 indépendante de V h telle que : u u h V C inf u v h V. v h V h Remarque Supposons que dim V h = N <, il existe alors {ϕ 1,, ϕ N } une base de V h. Notons alors u h = N i=1 U iϕ i, avec U = (U 1,, U n ) R N, la solution du problème variationnel a(u h, v h ) = l(v h ) posé sur V h. On a alors par linéarité, N U i a(ϕ i, ϕ j ) = l(ϕ j ) ( j {1,, N}). i=1 Posons A = (A i,j ) i,j {1,..., N} où A i,j = a(ϕ j, ϕ i ) et B = (l(ϕ 1 ),, l(ϕ N )). On a alors U R N solution du problème : AU = B. 2.6 Éléments finis P 1 Soit R n. On considère maintenant V = H 1 () et une forme bilinéaire continue et elliptique a sur H 1 () et une for linéaire continue l sur H 1 (). Dans ce paragraphe, nous allons proposer une construction effective de l espace d approximation V h En dimension 1 Considérons = (0, 1). Soit x 0 = 0 < x 1 < < x N 1 < x N = 1 une subdivision de [0, 1] pour chaque i {0,, N}, on considère la fonction ϕ i donnée par (c.f. Figure 2.2 : 1. ϕ i est continue ; 2. ϕ i est affine sur chaque intervalle [x j, x j+1 ] ; 3. ϕ i (x i ) = 1 et ϕ i (x j ) = 0 pour j i. Alors la famille {ϕ 0,, ϕ N } est linéairement indépendante et l espace vectoriel engendré par cette famille est inclus dans H 1 0. Notons : et ρ = h. h = max (x i x i 1 ) i {1,...,N
20 20RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES ELLIPTIQUES 1 ϕ 0 ϕ i ϕn 0 x 1 x i 1 x i x i+1 x N 1 0 x Figure 2.2 Éléments finis en dimension 1 basés sur la subdivision 0 = x 0 < x 1 < < x N 1 < x N = 1 de [0, 1] En dimension 2 Considérons un ouvert borné polyédrique 4. Considérons T = {T 1,, T K } une famille de triangles ouverts telle que T i T j = et K k=1 T k =. Notons {x 1,, x n } l ensemble des sommets des triangles de T. Pour chaque T k T, on définit h k de diamètre de T k et σ k le diamètre du plus grand cercle inclus contenu dans T k (c.f. Figure 2.3). h k σ k Figure 2.3 Définition de k k et σ k pour un triangle T k de T. On considère pour chaque i {1,, N} la fonction ϕ i (c.f. Figure 2.4) satisfaisant : 1. ϕ i est continue ; 2. ϕ i est affine sur chaque triangle de T ; 3. ϕ i (x i ) = 1 et ϕ i (x j ) = 0 pour j i. Alors la famille {ϕ 0,, ϕ N } est linéairement indépendante et l espace vectoriel engendré par 4. polyédrique signifie que est l intersection finie de demi-espaces de R 2
21 ÉLÉMENTS FINIS P 1 21 x i Figure 2.4 Élément fini ϕ i en dimension 2. cette famille est inclus dans H 1 0. Notons : et ρ = σ k min. k {1,...,K} h k résultat de convergence h = max k {1,...,K h k Dans les deux cas présentés ci-dessus, nous avons le résultat de convergence lorsque h tends vers 0. Théorème Supposons que la forme linéaire l est donnée par l(v) = f(x)v(x) dx avec f L 2 () et supposons que l application f L 2 () u H 1 () (avec u la solution du problème variationnel) est continue. Supposons de plus, la solution u du problème variationnel est un élément de H 2 () et supposons enfin que ρ > 0 pour tout h > 0. Alors, il existe une constante C > 0 indépendante de h telle que : u u h L2 () Ch u L2 () n, où u est la solution du problème variationnel posé dans H 1 () et u h la solution du problème variationnel posé dans V h. Dans le théorème précédent, on a V h construit comme l espace vectoriel engendré par les ϕ i définis dans les deux paragraphes précédents.
22 22RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES ELLIPTIQUES
23 Bibliographie [Bré83] Haïm Brézis. Analyse fonctionnelle. Théorie et applications. Collection Mathématiques Appliquées pour la Maîtrise. Paris etc. : Masson. XIV, 233 p. FF (1983)., [Cia82] Philippe G. Ciarlet. Introduction à l analyse numérique matricielle et à l optimisation. Collection Mathematiques Appliquees pour la Maitrise. Paris etc. : Masson. XII, 279 p. FF (1982)., [RP10] Jacques Rappaz and Marco Picasso. Introduction à l analyse numérique. Lausanne : Presses Polytechniques et Universitaires Romandes, 2nd ed. edition, [RT83] Pierre-Arnaud Raviart and Jean-Marie Thomas. Introduction à l analyse numérique des équations aux dérivées partielles. Collection Mathématiques Appliquées pour la Maîtrise. Paris etc. : Masson. 224 p. (1983)., [Sch01] Michelle Schatzman. Analyse numérique : une approche mathématique. Sciences SUP. Mathématiques. Cours. Dunod,
Approximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
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 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 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 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en 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 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 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 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 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 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 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 détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
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 programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
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 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 détailIntroduction à la méthode des éléments finis
ÉCOLE NATIONALE SUPERIEURE DES MINES DE PARIS Introduction à la méthode des éléments finis Michel KERN 1 2004 2005 S3733 / S3735 1 Inria, Rocquencourt, BP 105, 78153 Le Chesnay, Michel.Kern@inria.fr 2
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 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 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 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 détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en 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 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, 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 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 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 détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
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 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 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 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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en 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 détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailFonctions 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en 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 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 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 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 détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en 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 détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en 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 (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 détailMéthode des éléments-finis par l exemple
par l exemple Daniel Choï 1 LMNO Groupe Mécanique Modélisation Mathématique et Numérique Université de Caen, Bld Maréchal Juin, 14032 Caen Cedex, France Version Avril 2010 1. daniel.choi@unicaen.fr Ce
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 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en 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 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 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 détailMéthodes 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 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 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 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 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 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 détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailÉquations d amorçage d intégrales premières formelles
Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
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 détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en 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 détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailIntroduction à l optimisation de forme et application à la mécanique des fluides
Laboratoire Jacques-Louis LIONS Introduction à l optimisation de forme et application à la mécanique des fluides Master 2 - Année universitaire 2014-2015 Pascal FREY et Yannick PRIVAT Laboratoire Jacques-Louis
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 détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailIntroduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag
Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos
Plus en détailModèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.
Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire
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 et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détail