Méthodes de résolution approximatives Applications aux problèmes de l ingénieur mécanique
|
|
- Sylvie Jolicoeur
- il y a 6 ans
- Total affichages :
Transcription
1 1 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Méthodes de résolution approximatives Applications aux problèmes de l ingénieur mécanique
2 2 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Pour effectuer des modélisations, des calculs et des prédictions de phénomènes physiques, l ingénieur utilise des modèles mathématiques. En général, les modèles sont construits à partir d équations simples décrivant des phénomènes physiques généraux. Ce qui est compliqué, par contre, est la solution des équations décrivant le phénomène physique dans le cas général ou spécifique. Il y a des situations où les équations qui entrent en jeu n ont pas encore de solution analytique connue. Dans la majorité des problèmes rencontrés par l ingénieur mécanique en calcul de structures, la géométrie du problème est trop complexe pour même espérer à rêver peut-être trouver une solution analytique. On doit donc développer des techniques numériques qui permettent de trouver des solutions approximatives les plus proches possibles de la solution exacte du problème.
3 Quelques problèmes typiques en mécanique des solides 3 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Figure 1: Problèmes de la mécanique des solides où l on retrouve des équations différentielles
4 Différences finies 4 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Les équations différentielles régissent la nature. Il existe quelques techniques pour résoudre des problèmes aux équations différentielles Différences finies Éléments finis Différences finies Une méthode très ancienne Dans cette méthode, on va discrétiser, ou dériver numériquement, la fonction dans l équation différentielle. Par exemple, si l on cherche à connaître la fonction u(x), on pourrait écrire que: d u(x) u(x h) u(x) = dx h +O(h) (1)
5 Différences finies 5 / 60 Considérons le problème suivant Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple x 1 = 0 x 2 = 50 3 x 3 = x 4 = 50 F = 1 u 1 = 0 u 2 u 3 u 4 Figure 2: Exercice sur le barreau droit L équation différentielle qui caractérise ce problème est la suivante: d dx u(x) = F E x (2)
6 Différences finies 6 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple x 1 = 0 x 2 = 50 3 x 3 = u 1 = 0 u 2 u 3 u 4 En utilisant l approximation x 4 = 50 F = 1 d u(x) u(x h) u(x) dx h On obtiendra le système d équations suivant: du = u(x 2) (u(x 1 ) = 0) dx x=x2 h = x 2 (3a) du = u(x 3) u(x 2 ) dx x=x3 h = x 3 (3b) du = u(x 4) u(x 3 ) dx x=x4 h = x 4 (3c)
7 Différences finies 7 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Ce système peut se mettre sous la forme: u u 3 50 = u 4 Ce qui conduit à la solution u 2 u 3 u 4 = (4) (5) Cette solution est bien loin de la solution exacte u 4 =
8 Éléments finis 8 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Avec la méthode des éléments finis, on va prendre une tout autre approche. L approche retenue est plus physique que mathématique. Par exemple, pour ce problème, on avait divisé le barreau de section variable en barreaux droits dont l aire de la section avait une valeur moyenne entre celles calculées à ses extrémités: k 1 = Ã(1) E L (1) k 2 = Ã(2) E L (2) k 3 = Ã(3) E L (3) F = 1 u 1 = 0 u 2 u 3 u 4 Figure 3: Représentation de la modélisation par éléments finis du problème illustré à la figure 2 Dans ce problème, on peut considérer les barreaux comme des ressorts de rigidité k i.
9 Éléments finis 9 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple En utilisant la compatibilité géométrique et l équilibre des forces, on peut voir que la force transmise dans chaque ressort doit être égale (ressorts installés en série). On aura donc le système d équations suivant: k 1 (u 2 u 1 ) = 1 k 2 (u 3 u 2 ) = 1 (6a) (6b) k 1 (u 4 u 3 ) = 1 (6c) qui peut se mettre sous la forme: k k 2 k k 3 k 3 u 2 u 3 u 4 = (7)
10 Éléments finis 10 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple En réorganisant les équations, on obtient finalement k 1 +k 2 k 2 0 k 2 k 2 +k 3 k 3 = 0 k 3 k 3 u 2 u 3 u (8) qui est bien le système que l on obtient en utilisant la technique montrée au début du cours. Par la suite, en supposant que le déplacement varie linéairement entre les deux extrémités de l élément, on peut obtenir une fonction approchée u (x) de la solution u(x).
11 Différences finies vs. éléments finis 11 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Différences finies Cherche à résoudre une équation différentielle Discrétise l équation différentielle Conduit à un système linéaire d équations à résoudre La solution donne les valeurs discrètes u (x i ) Applicable à des problèmes où la géométrie est simple et régulière Précision améliorée en prenant des pas de calculs h de plus en plus petits Éléments finis Cherche à résoudre une équation différentielle On choisit une forme approchée u (x) de la solution u(x) Conduit à un système linéaire d équations à résoudre La solution donne les valeurs discrètes u (x i ) ainsi qu une interpolation entre elles u (x) Aucune restriction sur la géométrie du problème ni sur les conditions limites et le chargement Précision améliorée en prenant des éléments de plus en plus petits
12 Problèmes à conditions aux rives 12 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Dans ce cours, on va étudier l équation différentielle typique suivante (en 1D): d [ α(x) du ] +β(x)u(x) = f(x) (9) dx dx Cette équation générale est rencontrée dans plusieurs problèmes physiques associés à la mécanique des solides Flèche d une poutre Conduction thermique etc. Dans un problème physique réel modélisé par l équation 9, on cherche à connaître la solution dans un domaine particulier. Cela peut être par exemple une poutre de longueur L ou une plaque de surface A. L équation 9 peut aussi être généralisée en 3D.
13 Problèmes à conditions aux rives 13 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Pour trouver la solution de cette équation différentielle, on applique des conditions aux rives du domaine étudié. Ce sera par exemple des déplacements ou des forces appliquées sur la structure. k 1 = Ã(1) E L (1) k 2 = Ã(2) E L (2) k 3 = Ã(3) E L (3) u 1 = 0 u 2 u 3 u 4 F = 1
14 Problèmes à conditions aux rives 14 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple En général, pour les problèmes physiques rencontrés en mécanique des solides, on applique 2 types de conditions aux rives: Conditions sur la fonction U Conditions sur le flux φ(x) = α(x) du dx Par exemple, si U est un déplacement, le flux est φ(x) = α(x) du dx = αε, où ε est la déformation Si l on choisit α = E, où E est le module d Young du matériau, alors: φ = Eε = σ. Si l on choisit α = EA, où A est la surface sur au-travers laquelle le flux s écoule, on aura φ = AEε = Aσ = A F A = F. Imposer des conditions sur le flux du déplacement revient à imposer des forces sur la structure.
15 Problèmes à conditions aux rives 15 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Au final, on aura schématiquement le problème suivant à résoudre: U(x a ) = U a ou U(x b ) = U b ou x a x b domaine de solution Figure 4: Schématisation d un problème d équations différentielles à conditions aux rives sur un domaine En 3D, l approche est similaire: au lieu de manipuler une équation, on va manipuler des systèmes d équations.
16 Problèmes à conditions aux rives 16 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Avec cette méthode, on peut traiter différents types de problèmes Problèmes aux valeurs propres (flambement, fréquences naturelles) Problèmes de diffusion: en plus de l espace, le temps est une variable. Matériaux viscoélastiques, régimes transitoires, etc. Problèmes dynamiques: les équations ne font pas intervenir que U, elles font aussi intervenir ses dérivées temporelles.
17 Schéma général de la méthode de solution 17 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Le problème est le suivant: On a une équation différentielle à résoudre sur un domaine, comme illustré à la figure 4. On cherche la solution de ce problème qui est U(x) (qui nous donnerait, par exemple, la flèche en fonction de la coordonnée x sur une poutre). Comme on ne connaît pas U(x) on va postuler à priori une forme de cette fonction que l on va noter U (x) On va espérer que la forme que l on a choisi pour U (x) soit voisine de la forme de U(x)... On appelle U (x) fonction d essai. Une fois la forme de la fonction U (x) déterminée, on doit trouver un moyen de déterminer les paramètres de cette fonction de manière à ce que U (x) soit la plus proche possible de U(x) tout en rencontrant les conditions aux rives Il existe plusieurs manières pour effectuer cette tâche, chacune avec ses avantages et inconvénients.
18 Schéma général de la méthode de solution 18 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple On aura donc le schéma général suivant: 1. Définir la forme de la fonction d essai U (x) U(x) En général, on choisit: U (x) = Φ 0 (x)+a 1 Φ 1 (x)+a 2 Φ 2 (x)+a 3 Φ 3 (x)+... (10) où les Φ i (x) sont des fonctions, pas nécessairement linéaires, et les a i sont des constantes réelles. U (x) est, en général, une combinaison linéaire de fonctions qui ne sont pas nécessairement linéaires. On a donné une forme de U (x) mais les paramètres a i sont encore inconnus...
19 Schéma général de la méthode de solution 19 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple U (x) = Φ 0 (x)+a 1 Φ 1 (x)+a 2 Φ 2 (x)+a 3 Φ 3 (x) Déterminer les paramètres inconnus (les a i ) de U (x) Les a i doivent être choisis pour que U (x) rencontre les conditions aux rives du problème Il faut que U (x) soit la plus près possible de U(x), et ce, pour tout x dans le domaine du problème N est-ce pas un peu parodoxal? Comment peut-on être certain que les paramètres que l on a déterminé pour U (x) sont les meilleurs puisque l on ne même connaît pas U(x)? Quel sens donne-t-on à le plus près possible de U(x)? En effet, on peut mesurer une distance entre deux points, mais comment peut-on dire que deux fonctions sont proches l une de l autre? On verra que cette définition n est pas unique... Alors, dans ce cas là, laquelle choisir?
20 Schéma général de la méthode de solution 20 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple 3. Estimation de la précision de U (x) Si l on définit l erreur comme étant: E(x) = U(x) U (x) (11) on cherchera à estimer cette erreur. Encore là, c est paradoxal: comment peut-on estimer E(x) sans connaître U(x)? On verra qu il existe des techniques pour s assurer que l erreur est assez petite pour notre application.
21 Exemple de calcul 21 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Soit l équation différentielle suivante: [ d x du ] = 2 U(1) = 2 dx dx x 2 φ(2) = x du dx x = 1 x = 2 domaine de solution x=2 = 1 2 (12) Figure 5: Illustration du domaine de solution du problème de l éq. 12 On fait le choix suivant: U (x) = a 0 +a 1 x+a 2 x 2 +a 3 x 3 (13) Les polynômes sont en général un bon choix car si l on augmente l ordre du polynôme, on peut représenter de plus en plus précisément n importe quelle fonction continue.
22 22 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin La méthode des résidus pondérés
23 23 / 60 Rappel Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin On avait le problème suivant à résoudre: [ d x du ] = 2 U(1) = 2 dx dx x 2 φ(2) = x du dx x=2 = 1 2 On avait supposé une fonction d essai U (x) = a 0 +a 1 x+a 2 x 2 +a 3 x 3 qui approxime la solution exacte U(x) de ce problème. Après quelques modifications (imposition des conditions aux rives), on avait: (14) U (x) = Φ 0 (x)+a 2 Φ 2 (x)+a 3 Φ 3 (x) = U (x,a i ) (15) Il nous reste maintenant à déterminer les paramètres a 2 et a 3 qui sont pour le moment inconnus.
24 Principes de base 24 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin On cherche à déterminer les paramètres a 2 et a 3 de la fonction d essai U (x,a i ) = Φ 0 (x)+a 2 Φ 2 (x)+a 3 Φ 3 (x) Comment faire? Et d ailleurs, qu est ce que l on cherche à faire exactement? On voudrait que la fonction U soit la plus proche possible de la fonction U, qui est la solution du problème et que l on ne connaît pas. Si l on connaissait U(x), on pourrait par exemple, à l aide d algorithmes d approximation, déterminer les paramètres a i qui interviennent dans U en minimisant l équation suivante: 2 min a 2,a 3 1 [U(x) U (x,a i )] 2 dx (16) Mais dans notre cas, comme on ne connaît pas U, comment faire?
25 Principes de base 25 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Reprenons notre équation différentielle et écrivons-la sous la forme: [ d x du ] 2 = R(x) = 0 (17) dx dx x2 où R est ce que l on appelle le résidu. Le résidu peut être interprété comme une mesure de la capacité de la fonction U à rencontrer les conditions imposées par l équation différentielle. Comme U est la solution du problème, R(x) = 0 x du domaine de solution (ici x [1, 2]) Maintenant, si l on écrit: d dx [x du dx ] 2 x 2 = R(x,a i) (18) on a que le résidu R(x,a i ) représente une mesure de la capacité de la fonction d essai à rencontrer les mêmes conditions imposées par l équation différentielle que la solution U
26 Principes de base Stratégie 26 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Comme l on sait que R(x) = 0 pour U(x), on va chercher les paramètres a i de U (x,a i ) qui font que R(x,a i ) 0 x dans le domaine de solution. Note Pour la fonction U déterminée pour le problème de l équation 12, le résidu est: R(x,a i ) = (x 1)a 2 +3(3x 2 4)a 3 2 x 2 (19) Il existe plusieurs stratégies pour déterminer les paramètres a i de U. Chacune donne un sens particulier à la condition R(x,a i ) 0
27 La collocation par points 27 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Dans cette technique, on détermine les valeurs des coefficients a i qui font que R(x i,a i ) = 0 pour certaines valeurs de x = x i. Par exemple, dans notre cas, comme on a 2 inconnues, on doit générer deux équations. On fait le choix de prendre des points x i qui sont équirépartis sur le domaine de solution. Figure 6: Illustration des points utilisés pour la collocation (pour le problème particulier qui nous intéresse) On aura donc les équations suivantes: VOIR DÉMONSTRATION AU TABLEAU
28 La collocation par points 28 / Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Residu x Figure 7: Illustration du résidu pour la méthode de collocation par points
29 La collocation par points 29 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin U(x) exacte approchee x Figure 8: entre U et U pour la méthode de collocation par points
30 La collocation par points 30 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Flux exacte approchee x Figure 9: entre φ et φ (flux) pour la méthode des collocation par points
31 La collocation par sous domaines 31 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Dans cette technique, on demande au résidu d avoir une moyenne nulle dans un certain nombre de sous-domaines. Pour notre exemple, on séparerait notre domaine de solution en deux sous-domaines, comme illustré à la figure 10 Figure 10: Illustration des sous-domaines où la moyenne du résidu doit être nulle
32 La collocation par sous domaines 32 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin On aura donc le système d équations suivantes à résoudre: R(x,a i )dx = 0 (20a) R(x,a i )dx = 0 Ce système nous donne donc bien deux équations pour nos deux inconnues. (20b)
33 La collocation par sous domaines 33 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Residu x Figure 11: Illustration du résidu pour la méthode des collocations par sous-domaines
34 La collocation par sous domaines 34 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin U(x) exacte approchee x Figure 12: entre U et U pour la méthode des collocations par sous-domaines
35 La collocation par sous domaines 35 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Flux exacte approchee x Figure 13: entre φ et φ (flux) pour la méthode des collocations par sous-domaines
36 La méthode des moindres carrés 36 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin La méthode des collocations par sous-domaines est intéressante car elle fait intervenir une mesure globale des performances de U à rencontrer les exigences de l équation différentielle. Par contre, le danger avec cette technique est qu elle se base sur la moyenne du résidu. On pourrait en effet imaginer un résidu qui passe par des valeurs très grandes, positives et négatives, mais dont la moyenne demeure nulle. On aurai alors une mauvaise approximation de U Pour éviter ce problème, on pourrait imaginer un critère plus sévère: minimiser le carré du résidu sur tout le domaine de solution. Le carré du résidu est une mesure de la distance (positive ou négative) du résidu par rapport à 0. Le problème à résoudre est donc le suivant: min a i E 2 (a i ) = min a i D R(x,a i ) 2 dx (21)
37 La méthode des moindres carrés 37 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin On va donc chercher les paramètres a i de U qui font que E 2 (a i ) est minimale Il faut voir ici que E 2 (a i ) = D R(x,a i) 2 dx est une fonction des a i uniquement. En effet, la variable x est disparue dans l intégration. Comme la fonction U = Φ 0 (x)+ i a iφ i (x) est une combinaison linéaire de fonctions de x et des paramètres a i, le résidu au carré sera une fonction quadratique en a i, ainsi que E 2 (a i ) De plus, on sait que E(a i ) 2 0 Alors, E 2 (a i ) possède un minimum et en plus, il est unique! On sait qu au minimum d une fonction, son gradient est nul. On formera alors le système d équations suivant: { a i D } R(x,a i ) 2 dx = { 2 D = {0} R(x,a i ) a i R(x,a i )dx } (22)
38 La méthode des moindres carrés 38 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Donc, pour notre problème, on aura les deux équations suivantes: 2 R(x,a i ) R(x,a i )dx = 0 a R(x,a i ) a 3 R(x,a i )dx = 0 Ce qui nous fait 2 équations pour 2 inconnues (23a) (23b)
39 La méthode des moindres carrés 39 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Residu x Figure 14: Illustration du résidu pour la méthode des moindres carrés
40 La méthode des moindres carrés 40 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin U(x) exacte approchee x Figure 15: entre U et U pour la méthode des moindres carrés
41 La méthode des moindres carrés 41 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Flux exacte approchee x Figure 16: entre φ et φ (flux) pour la méthode des moindres carrés
42 La méthode de Galerkin 42 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Si l on considère le système d équations pour la méthode des moindres carrés: { R(x,a i ) } R(x,a i )dx = {0} a i D on voit que l on peut le mettre sous une autre forme: { } R(x,a i )w i (x,a i )dx = {0} (24) D où w i (x,a i ) peut être interprétée comme une fonction de pondération. L équation 24 consiste donc à annuler une moyenne pondérée. Avec la méthode de Galerkin, on utilise une autre fonction de pondération w i (x,a i ): on prendra les fonctions Φ i (x) qui multiplient les paramètres a i dans l expression de U On verra la justification de ce choix plus tard.
43 La méthode de Galerkin 43 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Donc, avec la méthode de Galerkin, le système d équations à résoudre pour identifier les a i est: { } R(x,a i )Φ i (x)dx = {0} D Pour notre exemple, on aura les équations suivantes à résoudre: 2 1 R(x,a i )Φ 2 (x)dx = 0 (25a) 2 1 R(x,a i )Φ 3 (x)dx = 0 (25b)
44 La méthode de Galerkin 44 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Residu x Figure 17: Illustration du résidu pour la méthode de Galerkin
45 La méthode de Galerkin 45 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin U(x) exacte approchee x Figure 18: entre U et U pour la méthode de Galerkin
46 La méthode de Galerkin 46 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Flux exacte approchee x Figure 19: entre φ et φ (flux) pour la méthode de Galerkin
47 des performances des méthodes 47 / Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Residu Collocation pt Collocation s.-d. Moindres carres Galerkin x Figure 20: Illustration du résidu pour les méthodes étudiées
48 des performances des méthodes 48 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin U(x) exacte Collocation pt Collocation s.-d. Moindres carres Galerkin x Figure 21: entre U et U pour les méthodes étudiées
49 des performances des méthodes 49 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin Flux exacte Collocation pt Collocation s.-d. Moindres carres Galerkin x Figure 22: entre φ et φ (flux) pour pour les méthodes étudiées
50 50 / 60 Principes Collocation pt. Collocation s-d. Moindres carrés Galerkin La méthode des résidus pondérés est une méthode qui consiste à rechercher la valeur numérique des paramètres d une fonction d essai U qui soit la plus proche possible de la solution U Pour ce faire, on cherche à annuler la moyenne pondérée de la somme de tous les résidus sur le domaine de solution. Ce qui différentie les techniques entre elles sont les fonctions de pondération utilisées La méthode de Galerkin est la méthode des résidus pondérés la plus utilisée. On peut voir que l on peut obtenir une grande précision sur la fonction U Mais sur le flux, la précision sera toujours moindre. Il existe d autres techniques que celle des résidus pondérés pour obtenir une solution approximative de U. Parmi ces méthodes, il y a les formulations variationnelles que l on verra plus tard dans le cours.
51 51 / 60 Méthode h Méthode p des solutions numériques
52 52 / 60 Méthode h Méthode p Problème On cherche une solution approximative U de la solution du problème U. Comment déterminer si la solution que l on obtient est une bonne approximation de la solution exacte du problème? On ne peut pas vraiment le faire de manière rigoureuse... Par contre, on peut avoir une indication quant à la qualité de la solution en conduisant une étude de convergence Il existe deux méthodes principales pour les études de convergence: la méthode h et la méthode p.
53 La méthode h 53 / 60 Méthode h Méthode p Dans cette méthode, on raffine le maillage de la structure en utilisant plus d éléments. Par exemple, si l on considère l exercice suivant, on demandait de résoudre le problème: On demandait de résoudre ce problème avec 1, 2 et 3 éléments.
54 La méthode h 54 / 60 Méthode h Méthode p On avait les solutions numériques suivantes: { u1 u 2 1 élément 2 éléments 3 éléments } { } u 0 u 1 = u u = = u u u Et la solution exacte était u x=50 = On peut voir qu en utilisant de plus en plus d éléments, on s approche de la solution exacte.
55 La méthode p 55 / 60 Méthode h Méthode p Pour illustrer la méthode p, considérons le problème 1.2: [ d (x+1) du ] U(1) = 1 = 0 dx dx φ(2) = (x+1) du = 1 x=2 On demande de calculer 2 solutions approximatives avec la méthode de Galerkin: 1. U1 (x) = a 1 +a 2 x+a 3 x 2 2. U2 (x) = a 1 +a 2 x+a 3 x 2 +a 4 x 3 Ici, avec la méthode p, on augmente l ordre du polynôme de la fonction d essai. dx (26) VOIR DÉMONSTRATION AU TABLEAU
56 La méthode p 56 / 60 Méthode h Méthode p Solutions 1. U1 (x) = 1 ( x+2x 2 ) 2. U2 (x) = 1 ( x+85x 2 10x 3) 3. U(x) = 1 ln [ ] x+1 2 U(x) x U(x) U1(x) U2(x) Figure 23: des solutions approximatives avec la solution analytique pour le problème 1.2
57 La méthode p 57 / 60 Méthode h Méthode p Flux x U(x) U1(x) U2(x) Figure 24: des solutions approximatives avec la solution analytique pour le flux pour le problème 1.2 On peut voir que pour le flux, on est beaucoup plus précis avec le polynôme de degré plus élevé
58 58 / 60 Méthode h Méthode p Méthode h Plus d éléments Même degré de polynôme Technique Méthode p Même nombre d éléments Augmente le degré du polynôme On réalise un maillage et on obtient une solution U n On réalise une autre analyse soit en augmentant le nombre d éléments ou en augmentant le degré du polynôme de U. On nomme cette solution U n+1 On aura convergence au point qui nous intéresse x i si l on a U n (x i ) U n+1 (x i ) < ǫ (27)
59 59 / 60 Attention! Méthode h Méthode p Il peut y avoir des situations où l on converge asymptotiquement vers une mauvaise solution Dans la majeure partie des problèmes d ingénierie mécanique, pour qu une solution converge il faut que la fonction d essai rencontre deux conditions: 1. Elle doit être complète L ordre du polynôme doit être tel que la dérivation de U dans l équation différentielle définissant le problème conduise au moins à une représentation constante. 2. Elle doit être continue (ainsi que certaines de ces dérivées) dans le domaine de solution. Malgré cela, il existe quand même des cas pathologiques où l on sait que la solution diverge localement (mais pas globalement)
60 60 / 60 F Méthode h Méthode p Matériau 1 Contrainte dans cette zone tend vers lʼinfini Matériau 2 Figure 25: Exemple connu où la solution diverge dans une certaine zone. Ici, le déplacement obtenu converge, mais la contrainte tend vers l infini à mesure que l on raffine le maillage
Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
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 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 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 détailYves Debard. Université du Mans Master Modélisation Numérique et Réalité Virtuelle. http://iut.univ-lemans.fr/ydlogi/index.html
Méthode des éléments finis : élasticité à une dimension Yves Debard Université du Mans Master Modélisation Numérique et Réalité Virtuelle http://iut.univ-lemans.fr/ydlogi/index.html 4 mars 6 9 mars 11
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 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 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 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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en 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 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 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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailOM 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 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 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 détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
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 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 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 détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en 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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en 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 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 détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
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 détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailDÉVERSEMENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYMÉTRIQUE SOUMISE À DES MOMENTS D EXTRÉMITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE
Revue Construction étallique Référence DÉVERSEENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYÉTRIQUE SOUISE À DES OENTS D EXTRÉITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE par Y. GALÉA 1 1. INTRODUCTION Que ce
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 détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
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 détail= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m
1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
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 détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
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 détailHervé Oudin. HAL Id: cel-00341772 https://cel.archives-ouvertes.fr/cel-00341772v1
Méthode des éléments finis Hervé Oudin To cite this version: Hervé Oudin. Méthode des éléments finis. École d ingénieur. Ecole Centrale de Nantes, 2008, pp.63. HAL Id: cel-00341772 https://cel.archives-ouvertes.fr/cel-00341772v1
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
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 détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en 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 détailSSLS116 - Chargement membranaire d une plaque excentrée
Titre : SSLS116 - Excentrement de plaque. Chargement membr[...] Date : 11/03/2010 Page : 1/12 Manuel de Validation Fascicule V3.03 : Statique linéaire des plaques et coques Document : V3.03.116 SSLS116
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
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 détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
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 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 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 détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailLes nouveautés de Femap 11.1
Siemens PLM Software Les nouveautés de Femap 11.1 Amélioration de la productivité des Ingénieurs calcul Avantages Manipulation plus rapide des modèles grâce à des performances graphiques améliorées Flexibilité
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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
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 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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
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 détailSSNL126 - Flambement élastoplastique d'une poutre droite. Deux modélisations permettent de tester le critère de flambement en élastoplasticité :
Titre : SSNL16 - Flambement élastoplastique d'une poutre [...] Date : 15/1/011 Page : 1/6 Responsable : Nicolas GREFFET Clé : V6.0.16 Révision : 8101 SSNL16 - Flambement élastoplastique d'une poutre droite
Plus en détailLes Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Plus en détailCompte rendu des TP matlab
Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 006 1 TP1, Discrétisation de problèmes elliptiques linéaires 1d Soient > 0, a R, b 0, c, d R et f C([0, 1], R). On cerce à approcer
Plus en 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 détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en 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 détail