Analyse Numérique : SMA-SMI S4 Cours, exercices et examens
|
|
- Renée Bergeron
- il y a 8 ans
- Total affichages :
Transcription
1 Analyse Numérique : SMA-SMI S4 Cours, exercices et examens Boutayeb A, Derouich M, Lamlili M et Boutayeb W.
2 Table des matières Résolution numérique de systèmes linéaires AX = B 5. Méthodes directes de résolution de AX=B Exemples Méthode de Gauss(avec et sans pivot) Factorisation LU Factorisation de Choleski (matrice symétrique) Factorisation de Householder (matrice unitaire ) Méthodes indirectes de résolution de AX=B Quelques rappels sur les matrices Méthodes classiques(jacobi, Gauss Seidel, Relaxation) Exercices Approximations des solutions de l équation f(x) = 0. Rappels et notations Méthode de Newton : Méthode de Newton modifiée : Méthode de dichotomie : Méthode de fausse position ( Regula Falsi) : Exercices Inroduction à l interpolation Rappel et définitions Interpolant de Lagrange Interpolant de Newton Existence et Unicité de l interpolant Interpolation linéaire Erreur d interpolation Exercices
3 4 Intégration numérique Introduction Approximation Approximation par des rectangles à gauche Approximation par des rectangles à droite Approximation par des rectangles médians Approximations par des trapèzes Formule de Simpson Interpolation et Erreur d intégration numérique Interpolation linèaire et la formule du trapèze : Formule du trapèze composée Erreur de la formule de Simpson Exercices Analyse numérique des équations differentielles ordinaires (e.d.o) Rappels sur les équations differentielles ordinaires (e.d.o) Systèmes linéaires Notions de stabilité Système d équations aux differences linéaires avec coéfficients constants Méthodes numériques pour les problèmes de condition initiale Convergence Consistance Stabilité Méthode d Euler Méthodes de Taylor dans le cas scalaire Méthodes de Runge-Kutta (R.K) dans le cas scalaire Méthodes de Runge-Kutta explicites Exercices Examens F.S.O Session ordinaire 0-03 (Durée : h30) F.S.O Session Rattrapage 0-03 (Durée : h30) F.S.O Session ordinaire 0-0 (Durée : h30) F.S.O Session de rattrapage 0-0 (Durée : h30) F.S.O Session ordinaire 00-0 (Durée :h30) F.S.O Session Rattrapage 00-0 (Durée : h30) F.S.O Examen F.S.O Session ordinaire 008/
4 6.9 F.S.O Session rattrapage F.S.O Session ordinaire (Durée : h30) F.S.O Examen blanc F.S.O Devoir à faire chez soi F.S.O Session ordinaire Janvier
5 Table des figures. la solution est x = f(). f() < x = Interpolation de Newton Interpolation de Lagrange Approximation par des rectangles à gauche Approximation par des rectangles à droite Approximation par des rectangles médians
6 Chapitre Résolution numérique de systèmes linéaires AX = B. Méthodes directes de résolution de AX=B.. Exemples {. Résoudre(S) : Par substitution x x = 0 L x + x = L L x = x L x = x = x = x = Par combinaison de lignes L x x = 0 L = L L x = 0 = x = = x Par ( Inversion de ) la ( matrice ) ( ) x 0 (S) = AX = B x ( ) det A = ; A = t coma = det A Si A existe alors X = A B ( ) ( ) ( ) x = x 0 = par méthode de Cramer 5
7 4x + 5x + 3x 3 7x 4 = 8 L. Résoudre(S +3x + 5x 3 + 4x 4 = 0 L ) : x 3 + 5x 4 = 8 L 3 7x 4 = 4 L x 8 (S) x x3 = x4 4 Résolution par remontée ( en commençant par x4) L 4 x 4 = 4 7 = L 3 x 3 = (8 5 ) = L x = (0 4 5 ) = 3 L x = ( ) = Système triangulaire : cas général u x + u x + +u n x n = b L ST u x + +u n x n = b L ) :. u nn x n = b n L n On suppose que u kk = 0 k =,, n x x. x n = b b. b n x n = b n u nn x n = (b n u nn b n )/u n n x i = (b i j=n j=i+ u i jb j )/u ii i = n,... Algorithme de résolution pour UX = B x n = b n u nn Pour i = n à x i = b i Pour j = i+ à n x i = x i u i j x j Fin j Fin i Remarques... Remarques :. La matrice U est dite triangulaire supérieure. Elle est inversible si tous les termes diagonaux sont non nuls et det U = u u u nn 6
8 . La matrice triangulaire inférieure se traite de façon similaire 3. le nombre d opérations nécéssaires est : n(n ) multiplications, n(n ) additions et n divisions soit au total n opérations.. Méthode de Gauss(avec et sans pivot) Elle consiste à ramener un système linéaire de la forme AX = B ( A avec matrice pleine) à un système de la forme UX = D puis à résoudre ce dernier. Exemple... Résoudre (S ) : 3x + 5x + x 3 = 8 L 0x + 8x + x 3 = 7 L 6x + x + 8x 3 = 6 L 3 Etape: Etape: 3x + 5x + x 3 = 8 L () = L 0+8x + x 3 = 7 L () = L 0 8x + 4x 3 = 0 L () 3 = L 3 L 3x + 5x + x 3 = 8 L () = L 0+8x + x 3 = 7 L () = L 0+0+6x 3 = 3 L () 3 = L () 3 + L () D où : x 3 =, x = ( 7 x 3 )/8 = et x = (8 x 3 5x )/3 = 4 Méthode de Gauss sans pivot (cas général) (S 0 ) a (0) x +a (0) x +a (0) 3 x 3 + +a (0) n x n = b (0) a (0) x +a (0) x +a (0) 3 x 3 + +a (0) n x n = b (0)... a (0) n x +a (0) n x +a (0) n3 x 3 + +a (0) nn x n = b (0) n Etape : On suppose a (0) = 0 et on pose m i = a(0) i On remplace la ligne L (0) i par L () i = L (0) i m i L (0) pour i =, 3,, n a () i j = a (0) i j m i a (0) j i, j =, 3, ; n et b () i = b (0) i m i b (0) i =, 3, ; n 7 a (0)
9 On obtient alors le système(s ) suivant : (S ) a (0) x +a (0) x +a (0) 3 x 3 + +a (0) n x n = b (0) 0+a () x +a () 3 x 3 + +a () n x n = b ()... 0+a () n x +a () n3 x 3 + +a () nn x n = b () n Etape : A nouveau, on suppose a () = 0 et on pose m i = a() i On remplace la ligne L () i par L () i = L () i m i L () pour i = 3,, n a () i j = a () i j m i a () j i, j = 3,, n et b () i = b () i m i b () i = 3,, n On obtient alors le système(s ) suivant : (S ) : a () a (0) x + a (0) x +a (0) 3 x 3+ +a (0) n x n = b (0) 0+a () x +a () 3 x 3+ +a () n x n = b () a () n3 x 3+ +a () nn x n = b () n En supposant qu à chaque étape on a a () kk = 0, on poursuit la la transformation jusq à l obtention d un système triangulaire : (S n ) : a (0) x +a (0) x + +a (0) n x n = b (0) 0+a () x + +a () n x n = b () a nn (n ) x n = b n (n ) On obtient alors la solution en commençant par : x n = b(n ) n a (n ), x n,,x nn Ecriture matricielle : ètape 0 : A (0) = A = a (0) a (0) a (0) n a (0) n a (0) nn b (0) b (0) n 8
10 ètape : A () = ètape n- : A (n ) = a (0) a (0) a (0) n 0 a () a () n 0 0 a () n a () nn b (0) b (). b () n a (0) a (0) a (0) n 0 a () a () n a (n ) nn b (0) b (). b (n ) n k Matrices élementaires de Gauss Soient les matrices m M = , M 0 k =.. m.. k+k m n m k+k en posant e k = (0,,, 0,, 0) et m k = (0,, 0, m k+k,, m nk ), on obtient M k = I m k e k et on vérifie facilement que M k est inversible et que M k = I+ m k e k. On montre alors que : Etape : A () = M A (0) Etape k : A (k) = M k A (k ) = M k M k M M A (0) Etape n- :U = A (n ) = M n M M A (0) k Remarque... : Le procédé suppose que tous les a (k ) kk = 0. Si à une étape k on a a (k ) kk = 0 et s il ya au moins un des a (k ) ik = 0 (i = k+,.n) on permute les lignes k et i et on continue, sinon ça voudrait dire que la matrice A n est pas inversible. En utilisant la méthode de Gauss sans pivot, le nombre d opérations nécéssaires au calcul de la solution deax = B est égal à : 3 n3 + 3 n 7 6 n dont n(n )(n+5) 6 et n(n+) divisions. additions, n(n )(n+5) 6 multiplications La méthode de Cramer nécéssite environ n(n + )!opérations. Par exemple 9
11 Méthode de Gauss avec pivot N Gauss Cramer Exemple... Soit à résoudre le système { 0 0 x + x = 0 x x = 0 La solution théorique est x = x = /(+0 0 ). Cependant, la résolution du système par la méthode de Gauss donne des résultats différents selon qu on l applique avec ou sans pivot. i) Si on applique la méthode de Gauss sans pivot on obtient et (S ) m = a() a () { = = x + x = 0 ( 0 0 )x = 0 0 qui donne pour solution approchée x et x 0. ii) Si on adopte la stratégie du pivot partiel qui consiste à mettre en première ligne celle dont le coefficient de x est le plus grand en module alors on permute les lignes pour obtenir le système { x x = 0 (S ) 0 0 x + x = 0 Pour lequel m = 0 0 = 0 0 et qui conduit à la solution approchée : x et x = x. La méthode de Gauss avec pivot consiste à choisir à l étape k : a (k ) kk tel que a (k ) = max a (k )..3 Factorisation LU kk k i n Théorème... : Si tous les a (k ) kk = 0 alors la matrice A peut-etre décomposée sous la forme A = LU où U = A (n ) est une matrice triangulaire supérieure et L = M M Mn est une matrice triangulaire inférieure 0 ik
12 Preuve :. M k est inversible car det M k = pour k =,, n. M k est de la forme de M k en changeant les les termes m ik en m ik, i = k+,, n 3. (M n M n M ) = M M M n 4. Le produit M M Mn est une matrice triangulaire inférieure 0 0 m 0 5. L = m 3 m m n m n m nn Théorème.. (Condition suffisante de la factorisation LU). Soit A une matrice carrée d ordre n telle que toutes les sous-matrices d ordre k (k n) soient inversibles, alors il existe une matrice triangulaire inférieure L avec l ii = et une matrice triangulaire supérieure U telles que A = LU. De plus, cette factorisation est unique. Preuve : Si a = 0, la matrice a (d ordre ) est inversible, donc on peut choisir la matrice de permutation égale à l identité et appliquer la méthode de Gauss sans pivot à la première étape. Supposons qu on ait pu choisir toutes les matrices de permutation égales à l identité jusqu à l étape k, il s ensuit que Avec A (k) = M k M k M A = i= M i A. i=k A k = a (k) a (k) kk a (k) kn..... a (k) nk a (k) nn
13 ... = a (k) a (k) k.... B k a (k) kk..... a (k) nk a (k) k a (k) n a (k) kn.... a (k) nn en écrivant A sous forme de blocs et en effectuant le produit matriciel par blocs, on obtient a () a(k) kk = det(b k). Comme det(b k ) = 0 on a a (k) kk poursuivre le procédé. Unicité = 0 et par suite on peut choisir a (k) kk comme pivot et Supposons qu il existe L, L, U et U telles que A = L U = L U, comme L et U sont inversibles alors L L = U U. Ce qui impose L L = U U = I et donc L = L et U = U. Exemple..3. Résoudre(S ) : Donc A = on a M = 3 0, On a M = 0 0 = M = 0 Donc U = M M A = 0 7 x + x + x 3 = 3x x + x 3 = 6 x + 3x + 4x 3 = 4, = M = et L = M M = Résoudre AX = B revient à résoudre LUX = B qu on résoud en étapes :. LY = B donne y = ; y = 6+3 y = et y 3 = 4 y y = 0. UX = Y donne x 3 = 0 5 = ; x = 4 = ; x = ( 4+) =
14 ..4 Factorisation de Choleski (matrice symétrique) Théorème..3. Si A est une matrice symétrique, définie positive, il existe (au moins) une matrice réelle triangulaire inférieure L telle que A = LL. Si de plus on impose aux éléments diagonaux de L d être strictement positifs, alors la factorisation est unique. Preuve : Remarquons d abord que si A est définie positive, alors toutes les sous-matrices d ordre k sont inversibles. Le théorème.. permet d affirmer l existence de deux matrices L et U telles que A = LU. Ce que nous cherchons ici c est de factoriser en utilisant une seule matrice L. Raisonnons par récurrence sur n. Si k =, A = a > 0 donc a = a. a. Supposons qu on ait pu factoriser jusqu à l ordre k et soit A k une matrice d ordre k alors A k peut s écrire : A k = ( A k v v a kk ) avec A k = L k L k. Considérons alors la matrice L k obtenue à partir de L k et telle que : L k = ( L k l l l kk ) Le produit matriciel L k L k donne : ( L k L k = L k L k l L k L k l l l+ l kk ) Par identification on obtient : L k l = v (..) L k L k = A k (..) l l+lkk = a kk (..3) i) L équation (..) permet alors de résoudre un système et d obtenir la solution qui est le vecteur l. ii) L équation (..3) permet d obtenir la dernière inconnue du problème, à savoir l kk = a kk l l et on peut choisir l kk > 0. Exemple..4. Soit A la matrice de Hilbert d ordre 6, la factorisation de Choleski 3
15 est donnée par A = LL où L = Remarque... L implémentation de l algorithme Choleski est donnée par la fonction Matlab choleski..5 Factorisation de Householder (matrice unitaire ) Soit P 0 = I ω 0 ω 0 une matrice élémentaire de Householder avec On cherche une matrice unitaire P 0 telle que ω 0 ω 0 =. (..4) P 0 a = ke, (..5) pour tout vecteur a = (a,, a n ), avec k R et e = (, 0,, 0). P 0 est orthogonale c est à dire P0 P 0 = I et par suite, on doit avoir ( ) a P0 (P 0 a) = k = a a. Soit k = ± ( a a ) /, les équations (..4) et (..5) donnent : P 0 a = a ω 0 ω 0 a = ke et parsuite ω 0 ω 0 a = ke + a = v, si on poseα = ω 0 a. On obtientαω 0 = v, et comme on chercheω 0 tel queω 0 ω 0 =, il vient :α = v v. Par suite P 0 = I α vv = I vv v v. Remarques... i) Le choix de k se fait au signe près, on peut choisir le signe +. ii) Le même procédé peut être appliqué pour obtenir une matrice P k = I k ω k ω k avecω k = (0,, 0,ω k+k,,ω nk ). On a constaté que P k peut être décomposée sous la forme ( ) I P k = k avec P k = I n k ω k ω k (voir paragraphe??). Pk iii) La factorisation de Householder permet d écrire : P n P n 3 P P 0 A = U, ou encore A = QU avec Q = P 0 P P n une matrice orthogonale. 4
16 . Méthodes indirectes de résolution de AX=B.. Quelques rappels sur les matrices Soit A = (a i j ) i, j n une matrice carrée.. A est dite à diagonale strictement dominante en colonnes si elle vérifie : i=n ai j < a j j, j n i=,i = j. A est dite à diagonale strictement dominante en lignes si elle vérifie : j=n ai j < a ii, i n j=, j =i 3. Une norme matricielle. vérifie les 4 propriétés suivantes : i) A = 0 A = 0 ii) λa = λ A pour tout λ R iii) A+ B A + B iv) AB A B 4. (I+B) est inversible si B < et de plus (I+B) B 5. A = max i n j=n j= a i j ; A = max j n i=n i= a i j ρ(a) = max j n λ i (A) est dite norme spectrale (λ i (A) : valeur propore de A).. Méthodes classiques(jacobi, Gauss Seidel, Relaxation) Pour résoudre le système Ax = b, (..) on utilise des méthodes, dites indirectes, du type x (k+) = Tx (k) + C (..) où T est une matrice obtenue à partir de A et c un vecteur dépendant de A et B On écrit A sous la forme A = M N En supposant M inversible, l équation (..) donne : x =M Nx+M b et ceci suggère le procédé itératif du type (..) avec T = M N et C = M b Il ya plusieurs façons d écrire A sous la forme A = M N Dans le cadre de ce cours on se limitera aux cas les plus utilisés à partir de : A = D L U 5
17 Méthode de Jacobi : M = D, N = L+U. Méthode de Gauss-Seidel : M = D L, N = U. Méthode de relaxation : A = A(ω) = M(ω) N(ω), avec M(ω) = D L, ω N(ω) = ω D U oùω est un scalaire. ω Définition... : Une méthode de type (..) est dite convergente si pour tout x (0) initial on a : lim x(k) = x k Si une telle limite existe, alors elle vérifie : Définition... : x = Tx+c On appelle erreur de la méthode (à la k ieme itération) la quantité : e (k) = x (k) x Avec e (0) = x (0) x on obtient e (k) = T k e (0) la méthode est convergente si lim k T k = 0 Méthode de Jacobi : Si A = (a i j ) la méthode de Jacobi consiste à choisir ; M = D = diag(a ii ) et N = L+U = ( a i j ) i, = j le schéma itératif est comme suit : x (k+) = D (L+U)x (k) + D b =T J x (k) + c La matrice T J = D (L+U) est dite matrice de Jacobi associée à A Si x (0) est le vecteur initial donné, l algorithme de Jacobi est de la forme : x (k+) i Explicitement, on obtient : = a ii j=n a i j x (k) j + b i ; i =,., n a j=, j =i ii a x (k+) = a x (k) a n x (k) n + b. a nn x (k+) n.. = a n x (k) a nn x (k) n + b n Une condition suffisante pour que la méthode de Jacobi converge est : ρ(t J ) < ou T J < 6
18 Méthode de Gauss-Seidel : Pour cette méthode, les matrices M et N sont données par : M = D L (supposé inversible) et N = U où D, L et U proviennent de l écriture A = D L U, le schéma itératif est comme suit : (D L)x (k+) = Ux (k) + b (..3) ou encore x (k+) = (D L) Ux (k) +(D L) b (..4) en explicitant (..3) on obtient : a x (k+) = a x (k) a n x (k) n + b a x (k+) = a x (k+) a 3 x (k) 3 a n x (k) n + b. a ii x (k+) i. a nn x (k+) n.. = a i x (k+) a ii x (k+) i a ii+ x (k) i+ a inx (k) n + b.. = a n x (k+) a nn x (k+) n + b n La matrice T GS = (D L) U est dite matrice de Gauss-Seidel associée à A Théorème... : Si A est une matrice carrée à diagonale strictement dominante en lignes alors la méthode de Jacobi converge Preuve : Si A est une matrice carrée à diagonale strictement dominante en lignes alors on a : j=n j=, j =i a i j < a ii, i n ( ) ou encore : a ii j=n j=, j =i ai j <, i n Par ailleurs T J = D (L+U) = (t i j ) avec t i j = ( a i j a ii ) si i = j et t ii = 0 Exercice : T J = max i n j=n t i j = max j= i n a ii j=n a i j < j=, j =i Montrer un résultat analogue avec preuve similaire si A est strictement dominante en colonnes 7
19 Théorème... : Si A est une matrice carrée à diagonale strictement dominante en lignes alors la méthode de Gauss-Seidel converge Preuve : on montre que T GS = (D L) U < en passant par : On pose y =Tx =(D L) Ux T = max x =0 Tx x qui donne(d L)y =Ux et Dy =Ly+Ux ou encore y =D Ly+D Ux Soit k l indice tel que y k = max i n y i = y = Tx On a y k = j=k j= (D L) k j y j + j=n j=k+ (D U) k j x j d où y k j=k ak j j= a kk y + j=n ak j j=k+ a kk x et :( j=k ak j j= a kk ) y j=n ak j x j=k+ a kk ak j soit enfin : y x j=n j=k+ ( j=k j= a kk ak j a kk ) < Méthode de relaxation Si on considère des matrices M et N dépendantes d un paramètreω on obtient : A = M(ω) N(ω) avec M(ω) = ω D L ω et N(ω) = ω D+U T(ω) = ( ω D L ) ( ω ω D+ U) et c(ω) = ( ω D L ) b T(ω) = (I ωd L ) (( ω)i +ωd U) Remarques... : Si ω =, on retrouve la méthode de Gauss-Seidel. Si ω >, on parle de sur-relaxation. Si ω <, on parle de sous-relaxation. Théorème..3. : Condition nécessaire de convergence de la méthode de relaxation : 0 < ω < 8
20 Preuve : T(ω) = ( ) ( ω ) ω D L ω D+ U Si les valeurs propres de T(ω) sont notéesλ i (ω) on a : ( ) ω n det ω D+U det(t(ω)) = λ i (ω) = ( ) = ( ω) n. i= det ω D L D oùρ(t ω ) [ ω n ] /n = ω. Pour que la méthode converge, il est nécessaire d avoir ρ(t(ω)) < et par conséquent ω < d oùω ]0, [..3 Exercices Exercice.3.. On note e k T = (0,, 0,, 0,, 0) le transposé du k eme vecteur canonique der n, A = (a i j ) i, j n et m k T = (0,, 0, m k+,k,, m n,k ); m i, j = a i, j a i,i, i = j,. Montrer que les matrices élémentaires de Gauss M k peuvent s écrire sous la forme M k = I+ m k e k T. Vérifier que M k 3. Montrer que : = I m k e k T (I+ m e T ) (I+ m e T ) (I+ m n e n T ) = (I+ m e T +m e T + +m n e T n ) 4. Application : On considère le systéme lineaire : (S ) : AX = B 0 0 x avec A = ; X = y et B = 0 z a) Donner les matrices de Gauss M et M qui permettent de transformer (S ) en un système (S ) de la forme UX = D où U est triangulaire supérieure b) Vérifier que M k = I + m k e k T pour k =, c) Vérifier que M M = I+ m e T +m e T d) Déduire M, M et M M e) Décomposer la matrice A sous la forme A = LU où L est triangulaire inférieure 9
21 f) Résoudre le système(s ) par la méthode LU Exercice.3.. Soit L la matrice triangulaire inférieure d ordre n donnée par :. Calculer la jeme colonne de L, L = Montrer que A A = n n Exercice.3.3. On cherche à résoudre le système Ax = b par les méthodes directe et indirecte. Soit A = (a i j ) i, j n une matrice carrée vérifiant les conditions suivantes : a ii > 0, i n a i j 0, i = j n j=n j= a i j > 0, i n Soit D la matrice diagonale ( d ii = a ii et d i j = 0 si i = j). Montrer que la matrice A vérifie : j=n ai j < a ii, i n ( ) j=, j =i. Donner l expression du terme général de la matrice A () obtenue après la première étape du procédé de d élimination de Gauss sans pivot 3. Montrer que la matrice B d ordre(n ) obtenue à partir de A () en enlevant la première ligne et la première colonne vérifie une la relation similaire à( ) 4. Ecrire le schéma itératif de Jacobi x (k+) = Tx (k) + C ( T étant la matrice de Jacobi associée à A ) 5. Expliciter les composantes x (k+) j en fonction de celles de x (k) et de C 6. Montrer que la méthode de Jaobi converge ( A = max i n j=n j= ai j < ) 7. Application : On donne A = , b = a) Donner la matrice T de Jacobi associée à A, x (0) = b) Calculer la ere itération x () obtenue en utilisant la méthode de Jacobi 0
22 Exercice.3.4. Soit A = (a i j ) une matrice carrée inversible dont les éléments diagonaux sont non nuls. A est écrite sous la forme A = D L U où D est une matrice diagonale et L (respectivement U) est triangulaire inférieure (respectivement supérieure). Pour résoudre le système Ax = b, on utilise la méthode itérative suivante : ( ) a ii x (k+) i = a ii x (k) n i +ω b i a i j x (k) i ( ) j + r a i j x (k) j x (k+) j, j= j= où r etω sont des réels fixés (ω non nul ) et k = 0,,. Montrer que la méthode proposée peut s écrire sous la forme matricielle : x (k+) = M(r,ω)x (k) + c avec : M(r,ω) = (D rl) (ad+bl+eu) où a, b et e sont des réels qu on exprimera en fonction de r et/ou deω.. Vérifier que cette méthode permet d obtenir les méthodes de Jacobi, Gauss- Seidel et de relaxation pour des choix appropriés de r et ω. 3. Montrer que les valeurs propres de M(r,ω) sont les racines de l équation : det(αd βl ωu) = 0 avecα = λ+ω etβ = (λ )r+ ω. Exercice.3.5. Soit A une matrice symétrique définie positive et T la matrice définie par : T = D D AD. On suppose que D A est définie positive.. Montrer que la méthode de Jacobi appliquée au système Ax = b converge.. Soit la méthode itérative suivante : { x (0) donné x (n+) = x (n) + T (b Ax (n)) Montrer que cette méthode converge et comparer sa vitesse de convergence à celle de la la méthode de Jacobi.
23 Chapitre Approximations des solutions de l équation f(x) = 0. Rappels et notations Définition... : Soit k un réel strictement positif et g une fonction définie sur un intervalle [a, b] de R à valeurs dans R. La fonction g est dite Lipschitzienne de rapport de k (encore dite k Lipschitzienne) si pour tous x et y de[a, b] on a : g(x) g(y) k x y. Définition... : Soit g une fonction k Lipschitzienne sur [a, b]. La fonction g est dite contractante de rapport de contraction k si k ]0, [. Exemple... : La fonction g(x) = sin(x) est Lipschitzienne de rappport k = Exercice... : Montrer que la La fonction g(x) = cos(x) est Lipschitzienne et déterminer le 3 rappport k Définition..3. : Soit g une fonction définie sur un intervalle [a, b] deràvaleurs dansrla fonction g est dite uniformément continue sur[a, b] si : ε 0, ηtel que x et y de[a, b] vérifiant y x η, on ait g(y) g(x) ε Remarque... : Toute fonction Lipschitzienne sur[a, b] est unfiormément continue sur[a, b].
24 Théorème.. (des Valeurs Intermédiaires). Soit f une fonction définie et continue sur un intervalle fermé borné [a, b] der. Alors pour tout réelθ appartenant à f([a, b]), il existe un réel c [a, b] tel queθ = f(c). Si de plus f est strictement monotone alors le point c est unique. Théorème.. (des Valeurs Intermédiaires cas particulierθ = 0). Soit f une fonction définie et continue sur un intervalle[a, b] et vérifiant f(a) f(b) 0, alors il existe un réel c [a, b] tel que f(c) = 0. Si de plus f est strictement monotone alors le point c est unique. Théorème..3 (de Rolle). Soit f une fonction définie sur [a, b] et à valeurs dans R. Si f est continue sur [a, b], dérivable sur]a, b[ et vérifie f(a) = f(b), alors il existe un réel c ]a, b[ tel que : f (c) = 0. Théorème..4 (des Accroissements Finis). Soit f une fonction définie sur [a, b] et à valeurs dans R Si f est continue sur [a, b] et dérivable sur]a, b[, alors il existe un réel c ]a, b[ tel que : Théorème..5 (Formule de Taylor). f(b) f(a) = (b a) f (c). Soit f une fonction de classe C n sur[a, b] dont la dérivée f (n+) est définie sur]a, b[, alors il existe un réel c ]a, b[ tel que : f(b) = f(a)+(b a) f (a)+... n! (b a)n f (n) (a)+ Théorème..6 (Formule de MacLaurin). (n+)! (b a)n+ f (n+) (c). Soit f une fonction de classe C n sur un intervalle I contenant 0 et telle que f (n) soit dérivable à l intrérieur de I. Alors x I, il existe un réel c strictement compris entre 0 et x tel que : f(x) = f(0)+ x f () (0)+! x f (0)+... n! xn f (n) (0)+ Définition..4. : (n+)! xn+ f (n+) (c). Soit θ un réel et f une fonction définie sur un intervalle I deret à valeurs dansr. θ est dit zéro de f si f(θ ) = 0 Définition..5. : Soit θ un réel et g une fonction définie sur un intervalle I deret à valeurs dansr. θ est dit point fixe de g si g(θ ) =θ. 3
25 Lemme... : Soit I un intervalle deret f une fonction définie sur I et à valeurs dansr. Alors la recherche des zéros de f est équivalente à la recherche des points fixes de la fonction g définie sur I par : g(x) = x f(x) Preuve : En effet, si f(θ ) = 0 alors g(θ) = θ f(θ) = θ et inversement, si g(θ) = θ alors f(θ) =θ g(θ) =θ θ = 0. Lemme... : Soit g une fonction de classe C sur [a, b]. S il existe un réel k 0 tel que : g (x) k x [a, b] alors la fonction g est k Lipschitzienne sur[a, b]. Preuve : Il suffit d appliquer le théorème des accroissements finis à la fonction g sur [x, y] avec x y. Donc il existe c ]x, y[ tel que : g(y) g(x) = (y x)g (c) et comme on a : g (c) k, il s ensuit que : g(y) g(x) k x y Définition..6. : Soit (u n ) une suite admettant pour limiteθ. On appelle erreur de la n eme étape le réel défini par e n = u n θ Définition..7. : On dit que la convergence de(u n ) versθ est d order p si : e n+ lim n = C où p et C sont des réels> 0 e n p Si p = (avec C < ) la convergence est dite linéaire Si p = on dit que la convergence est quadratique. Remarque... : L ordre de convergence p n est pas nécessairement un entier. Définition..8. : On dira que le réelδ est une approximation du réelα avec la precisionε si : α δ ε. En particulier, on dira que le terme u n0 d une suite (u n ) approche la limiteθ avec précisionε si u n0 θ ε. Exemple... : la suite(u n ) = ( ) tend vers zéro quand n tend vers l infini. n Si on veut une précision ε = 0, il suffit de prendre n 0 tel que n 0 0 ou 4
26 encore n 0 0 mais si on exige une precision de 0 5 alors on doit prendre n 0 tel que n c.a.d n Remarque..3. : Il est important de saisir la notion de vitesse de convergence. Par exemple, les suites ( n ),( n ),( n4) convergent vers zéro quand n tend vers l infini mais la vitesse de convergence diffère d une suite à l autre. Théorème..7. : Soit g une fonction k contractante sur [a, b] et à valeurs dans [a, b], et (u n ) la suite récurrente définie par : u 0 [a, b], u 0 donné et u n+ = g(u n ) pour tout n 0 Alors : - la suite (u n ) converge vers un réelθ - la fonction g admet un point fixe unique 3- Pour tout n N on a : u n θ kn k u u 0 Preuve : Tout d abord, comme u 0 [a, b] et que g : [a, b] [a, b], on a u n [a, b] pour tout n N. Ensuite, le fait que g soit une fonction k contractante implique que : u n+ u n = g(u n ) g(u n ) k u n u n pour tout n. Par conséquent on obtient : u n+ u n k n u u 0 pour tout n 0 (..) A l aide de l inégalité.. on montre que la suite(u n ) vérifie : En effet : Pour tous p N et n N on a : u n+p u n k kn u u 0 u n+p u n u n+p u n+p + u n+p u n+p +... u n+ u n+ + u n+ u n k n+p u u 0 +k n+p u u 0..+k n+ u u 0 +k n u u 0 kp k kn u u 0 k kn u u 0 () 5
27 L inégalité () nous permet de prouver que la suite(u n ) est de Cauchy. En effet : Comme k n 0 alors pour toutε > 0, il existe n 0 tel que pour tout n n 0 on n + ait : k n k u u 0 ε et par suite : k kn u u 0 ε Donc pour toutε > 0, il existe n 0 tel que pour tout n n 0 on ait : u n+p u n k n k u u 0 ε La suite(u n ) est donc de Cauchy et par conséquent elle converge vers une limiteθ. Comme la fonction g est continue sur[a, b], que u n+ = g(u n ) et que u n [a, b] n N alors on a : lim n u n =θ = g(θ) c-a-d : θ est un point fixe de g Unicité du point fixe : Supposons que g admet un autre point fixeα different deθ alors on a : g(α) g(θ) = α θ k α θ ou encore( k) α θ 0 mais comme k <, alorsα =θ Enfin, en faisant tendre p vers l infini dans l inégalité u n+p u n kn k u u 0, on obtient : θ u n kn k u u 0 n N Théorème..8 (condition de convergence locale). Soit g une fonction de classe C au voisinageθ. Si g(θ) =θ et g (θ), alors il existe ε strictement positif tel que : u 0 I ε = [θ ε,θ +ε], la suite (u n ) = (g(u n )) est définie et converge vers θ, l unique solution de g(x) = x dans I ε Preuve : Puisque g est de classe C au voisinage deθ et que g (θ) < on a : g (x) < x au voisinage deθ. Par consequent, il existe ε strictement positif tel que : x I ε, g (x) < et puisque g est continue sur le fermé borné I ε, on déduit qu il existe k ]0, [ tel que : x I ε, g (x) k < Pour appliquer le théorème, il suffit de vérifier que : g(i ε ) I ε. Or, par application du théorème des accroissements finis on a : x I ε, g(x) θ x θ Remarque..4. : 6
28 Si g (θ) =, la suite peut converger ou diverger Si g (θ) et si la suite possède une infinité de termes différents deθ, alors la suite ne peut converger. En effet, si on suppose que la suite converge versθ on obtient : u n+ θ = (u n θ)g (c n ) avec c n compris entre u n etθ et de là on aboutit à une contradiction en supposant que u n est assez proche deθ de telle sorte que : g (c n ) = u n+ θ u n θ Théorème..9. : Si la suite récurrente définie par : u 0 [a, b], u 0 donné et u n+ = g(u n ), n 0, converge linéairement versθ et si g est de classe C e sur[a, b], alors C = n+ lim = g (θ). n e n Preuve : Il suffit d appliquer le théorème des accroissements finis : e n+ = u n+ θ = g(u n ) g(θ) = (u n θ)g (c n ) et de là on obtient Remarque : e n+ lim = lim g (c n ) = g (θ) n e n n On veut résoudre numériquement l équation f(x) = 0. On constate qu il existe plusieurs façon d écrire cette équation sous la forme d un problème de point fixe c est-à-dire sous la forme g(x) = x. Par exemple on à les trois écritures suivantes : x x 3 = 0 = x = x+3 = x = g (x) = ± x+3 (..) x x 3 = 0 = x = x 3 = x = g (x) = x 3 (..3) x x 3 = 0 = x = x+3 = x = g 3 (x) = x+3 (..4) x Les trois équations..,..3 et..4 admettent pour points fixes et 3. Pour la convergence locale ou globale il faut étudier g i (x), g i ( ) et g i (3) i =,, 3. Méthode de Newton : En prenant la fonction g définie par : g(x) = x f(x) f (x), on obtient le procédé de Newton donné par : x 0 donné, x n+ = x n f(x n) f (x n ) pour n 0 avec f (x n ) = 0 7
3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en 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 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 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 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 S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
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 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 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 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 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 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 détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détail3. 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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 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 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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en 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 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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailApproximations 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 détailLicence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas.
Licence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas. M. Granger Table des matières 1 Rappels sur le cours d équations différentielles 2 1.1 Généralités..........................................
Plus en 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 détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 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 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 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 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 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 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en 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 détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
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 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 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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
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 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 détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en 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 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 détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en 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 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 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 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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en 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 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 détail