Compte rendu des TP matlab
|
|
- Raymond Beaudet
- il y a 8 ans
- Total affichages :
Transcription
1 Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 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 la solution u du problème suivant : u xx (x) + au x (x) + bu(x) = f(x), x [0, 1], u(0) = c, u(1) = d. (1) Téorème 1. Dans C ([0, 1], R), il existe une unique solution u vériant le problème (1). Démonstration : Unicité : Métode d'énergie. Supposons que u et v soient deux solutions de classe C ([0, 1], R) du problème (1). La diérence ψ = u v est alors solution du problème suivant : ψ xx (x) + aψ x (x) + bψ(x) = 0, x [0, 1], ψ(0) = 0, ψ(1) = 0. On multiplie l'équation par ψ et on intègre sur [0, 1] pour obtenir : 1 0 ( ψ xx(x) + aψ x (x) + bψ(x)) ψ(x)dx = }{{} 0 ψ x(x)dx + }{{} b 0 ψ (x)dx = 0 >0 0 Donc 1 0 ψ x(x)dx = 0, on obtient x [0, 1], ψ x (x) = 0. Ainsi ψ est un fonction constante, x [0, 1], ψ(x) = ψ(0) = 0. Finalement, u = v. Existence : Métode de tir. On s'intéresse au problème suivant : u xx (x) + au x (x) + bu(x) = f(x), x R +, u(0) = c, u (0) = α. () Il admet, d'aprés le téorème de Caucy Lipscitz (linéaire), une unique solution globale dénie sur R + de classe C (R +, R) notée u α. Notons φ = u 0 et ψ l'unique solution (téorème de Caucy Lipscitz linéaire) du problème de caucy suivant : ψ xx (x) + aψ x (x) + buψ(x) = 0, x [0, 1], ψ(0) = 0, ψ (0) = 1. Par unicité, u α = φ + αψ. On a u α (1) = φ(1) + αψ(1). On montre par une métode d'énergie que ψ(1) est non nul. On peut alors poser α = d φ(1). u α [0,1] est la solution du problème (1). ψ(1) Remarque 1 : On peut également démontrer ce téorème en passant par une formulation faible. 1
2 Téorème. Principe du maximum : Notons u l'unique solution du problème (1). Dans le cas b > 0, on a x [0, 1], m u(x) M avec M = max m = min {c, d, 1b } min {f(x), x [0, 1]}. {c, d, 1b max {f(x), x [0, 1]} } et Dans le cas b = 0 et sous l'ypotèse f 0, on a x [0, 1], u(x) min(c, d) autrement dit le minimum de u est atteint sur la frontière de [0, 1],. Démonstration : Premier cas : Supposons d'abord a = b = 0 et f 0. u (x) = f(x) Soit δ > 0, posons v δ (x) = u(x) δx. Soit x 0 [0, 1] tel que v δ (x 0 ) = min{v δ (x), x [0, 1]}. Un tel x 0 existe par compacité puisque v δ est continue. Si x 0 ]0, 1[, alors v δ (x 0) = 0 et v δ (x 0) 0 ie u (x 0 ) δ 0 donc f(x 0 ) + }{{} δ 0 0 >0 Contradiction, donc x 0 = 0 ou 1 et x [0, 1], u(x) u(x) δx min (u(0), u(1) δ). Ceci est valable pour tout δ > 0, donc x [0, 1], u(x) min (u(0), u(1)). Deuxième cas : Supposons a 0, b = 0 et f 0. u (x) + au (x) = f(x) Soit δ > 0, posons v δ (x) = u(x) δe ax. Soit x 0 [0, 1] tel que v δ (x 0 ) = min{v δ (x), x [0, 1]}. Si x 0 ]0, 1[, alors v δ (x 0) = 0 et v δ (x 0) 0. On a donc u (x 0 ) = aδe ax0 et par suite v δ (x 0 ) a e ax0 a δe ax0 = f(x 0 ) 0 0 <0 Contradiction, donc x [0, 1], u(x) min (u(0) δ, u(1) δe a ). Ceci est valable pour tout δ > 0, donc x [0, 1], u(x) min (u(0), u(1)). Troisième cas : Supposons b > 0. Soit x 0 tel que u(x 0 ) = min {u(x), x [0, 1]}. On diérencie deux cas : Si x 0 ]0, 1[, on a u (x 0 ) = 0, u (x 0 ) 0 et comme u vérie (1), on a : donc u(x 0 ) 1 b f(x 0) m, ie x [0, 1], u(x) m. Si x 0 {0, 1}, x [0, 1], u(x) u(x 0 ) m. Dans tous les cas, x [0, 1], u(x) m. u(x 0 ) = 1 b f(x 0) + b u (x 0 ) Remarque : Ce téorème montre le principe de posivité suivant : Si c, d, f 0 alors u 0. On a considéré 4 exemples : 1. = 1, a = b = c = d = 0, f = 1, la solution est u(x) = 1 x(1 x). = 1, a = b = c = d = 0, f(x) = 1x + 1x, la solution est u(x) = x (1 x)
3 3. = 1/4, a = 1, b = 3, c = 1, d = exp( ), f = 0, la solution est u(x) = exp( x) 4. = 1/100, a = 1, b = 0, c = 0, d = 1, f = 0, la solution est u(x) = 1 e (e100x 1) L'exemple 4 est un problème raide. La solution exacte est dicile à approcer si est petit, la variation se fait dans un intervalle très petit (de longueur 5 ), il faut donc que soit très petit. La limite de u dans le quatrième exemple quand 0 : u(x) = = 0 e x 1 e 1/ 1 e x 1 e 1 1 e 1 0 si x < 1 1 si x = 1 si x > 1 Pour illustrer le principe du maximum, on trace les solutions u sur [0,1] avec m et M. Fig. 1 Solution pour l'exemple 1 Fig. Solution pour l'exemple Fig. 3 Solution pour l'exemple 3 Fig. 4 Solution pour l'exemple 4 Pour l'exemple 1 et, on a a = b = 0, donc x [0, 1], u(x) min (u(0), u(1)) (gure 1, ). Pour l'exemple 3, on a a, b sont non nuls, donc x [0, 1], M u(x) m (gure 3). Pour l'exemple 4, on a a = 1, b = 0, donc x [0, 1], u(x) min (u(0), u(1)) (gure 4). 3
4 1.1 Discrétisation par Diérences Finies (DF) centrées Soit N N. On note = 1/(N + 1) et x i = i, i = 1,.., N. La discrétisation du problème par diérences nies centrées avec un maillage uniforme de pas s'écrit : ( + a ) ( ) ( a u i b u i + ) u i+1 = f i,, i =,.., N 1 ( ) ( a + b u 1 + ) ( u = f a ) c, (3) ( + a ) ( ) ( u N b u N = f N + a ) d. Les inconnues discrètes u 1,.., u N sont supposées approcer les valeurs de u aux points x 1,.., x N. Téorème 3. Supposons l'existence d'une solution, notée {u j } j {1,..,N}, du système linéaire (3). Sous l'ypotèse a, on a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max {c, d, 1b } max {f(x), x [0, 1]} et m = min {c, d, 1b } min {f(x), x [0, 1]}. Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + (u i u i 1 ) + a (u i+1 u i 1 ) = f i bu i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b ( = 0 et f 0. Si i 0 {1,.., N}, on peut écrire (u i0 u i0+1) a ) ( + (u i0 u i0 1) } {{ } + a ) = f i0 } {{ } }{{} 0 <0 0 0 >0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. ( Si i 0 {1,.., N}, on peut écrire a ) ( + a ) (u i0 u i0+1) 0 } {{ } 0 + (u i0 u i0 1) <0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. } {{ } >0 = f i0 bu i0 Fig. 5 > a, N = 45 (ex4) par DF Fig. 6 a, N = 100 (ex4) par DF 4
5 On illustre le principe du maximum discret pour l'exemple 4 (la solution exacte est toujours positive) sous les conditions > gure 5 et gure 6. a a Téorème 4. Existence et unicité de la solution discrète : Sous l'ypotèse a, F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (3). Démonstration : Le principe du maximum discret ci-dessus avec c = d = 0 permet d'écrire (Au 0 = u 0). Soit u tel que Au = 0, on a Au = A( u) 0 donc u 0 et Au 0 donc u 0 donc u = 0. La matrice A est inversible. La solution approcée u = (u 1,.., u N ) n'existe pas toujours. En eet si = 0, a = 1, b = 0, c = 0, d = 1, f = 0, le scéma DF : 1 u i u i+1 = 0,, i =,.., N 1 1 u = 0, 1 u N 1 = 1. Si N = p, on obtient u i = 0 et u i+1 = 1. Si N = p + 1, on n'a pas de solution. On applique le scéma (3) des diérences nies à nos 4 exemples (gure 7, 8, 9, 10) sous l'ypotèse a. Fig. 7 Solution exacte-approcée par DF pour ex1 Fig. 8 Solution exacte-approcée par DF pour ex Fig. 9 Solution exacte-approcée par DF pour ex3 Fig. 10 Solution exacte-approcée par DF pour ex4 5
6 Téorème 5. Ordre de consistance : Le scéma diérence nie centrée (3) est consistant d'ordre. Démonstration : En eet, en faisant le développement de Taylor de u : θ 1, θ 3 [x i, x i+1 ] et θ, θ 4 [x i 1, x i ] tels que u(x i+1 ) = u(x i ) + u (x i ) + u (x i ) u (x i ) u(4) (θ 1 ) u(x i 1 ) = u(x i ) u (x i ) + u (x i ) 3 6 u (x i ) u(4) (θ ) On obtient l'erreur de consistance R i : R i = u xx (x i ) + au x (x i ) + bu(x i ) (u(x i) u(x i 1 ) u(x i+1 )) a (u(x i+1) u(x i 1 )) bu(x i ) ( ) ( ) = u (4) (θ 1 ) + u (4) (θ ) a u (3) (θ 3 ) + u (3) (θ 4 ) 4 1 ( R i 1 u(4) + a ) 6 u(3) Pour le premier exemple (gure 11), on obtient une erreur numérique de l'ordre de l'erreur macine. C'est du au fait que la solution exacte est un polynôme d'ordre deux et donc que le scéma est exact. Pour les autres exemples (gure 1, 13 et 14), on obtient une erreur d'ordre. Fig. 11 ln( u(x i ) u i ) pour l'exemple 1 pour DF Fig. 1 ln( u(x i ) u i ) pour l'exemple par DF Fig. 13 ln( u(x i ) u i ) pour l'exemple 3 par DF Fig. 14 ln( u(x i ) u i ) pour l'exemple 4 par DF Bilan : Le scéma diérence nie centrée (3) est consistant d'ordre mais il ne vérie pas le principe du maximum pour tout > 0. 6
7 1. Discrétisation par Volumes Finis Centrés (VFC) Soit N N. On pose x i+1/ = i, i = 1,.., N, x i = i /, i = 1,.., N et i =, pour i = 1,.., N et 0 = N+1 =. On intégre l'équation sur une maille M i = [x i 1/, x i+1/ ] : où f i = xi+1/ u (x i+1/ ) + u (x i 1/ ) + au(x i+1/ ) au(x i 1/ ) + b u(x)dx = f i, pour i = 1,.., N x i 1/ xi+1/ x i 1/ f(x)dx. On note u 1,.., u N les inconnues discrètes approcant les valeurs de u aux points x 1,.., x N. Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + a u i+1 + u i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + ad Le scéma numérique donne un système linéaire de N équations à N inconnues : ( + a ) ( ) ( a u i b u i + ) u i+1 = f i,, i =,.., N 1 ( 3 + b + a ) ( a u 1 + ) ( u = f a ) c, ( + a ) ( 3 u N b a ) ( a u N = f N ) d. (4) Téorème 6. Existence et unicité de la solution discrète : F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (4). Démonstration : On suppose que c = d = f = 0 et on pose u 0 = u N+1 = 0. on multiplie le scéma par u i et on somme pour i = 1,.., N : N 1 (u i+1 u i ) + (u 1 + u N) a F i+1/ F i 1/ + bu i = 0 F i+1/ (u i+1 u i ) + b u i = 0 =0 (u i+1 u i )(u i+1 + u i ) +b u i = 0 Tous les termes sont positifs donc i = 1,.., N, u i = 0. Donc A est inversible. On applique le scéma (4) des volumes nies centrés à nos 4 exemples (gures 15, 16, 17, 18). 7
8 Fig. 15 Solution exacte-approcée par VFC pour ex1 Fig. 16 Solution exacte-approcée par VFC pour ex Fig. 17 Solution exacte-approcée par VFC pour ex3 Fig. 18 Solution exacte-approcée par VFC pour ex4 Téorème 7. Convergence : Le scéma volume ni centré (4) est convergent d'ordre 3. On pose e i = u(x i ) u i, pour i = 1,.., N et e 0 = e N+1 = 0. (e i+1 e i ) i C 3 quand est petit e i C 3/ Démonstration : Consistance : On pose u i = u(x i ), pour i = 1,.., N F i+1/ F i 1/ + bu i = f i avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + a u i+1 + u i + R i+1/, i = 1,.., N 1 F i+1/ = u 1 c + ac + R 1/ d u N + ad + R N+1/ Pour i = 1,.., N 1, on a : θ 1, θ 3 [x i+1/ ; x i+1 ] et θ, θ 4 [x i ; x i+1/ ] tels que 8
9 ( R i+1/ = u (x i+1/ ) u ) ( i+1 u i + a u(x i+1/ ) u ) i+1 + u i ( ) = u (3) (θ 1 ) + u (3) (θ ) a 48 4 (u (θ 3 ) + u (θ 4 )) R i+1/ C Pour i = 0, on a : θ 1 [0; x 1 ] tel que De même pour i = N : Erreur : On a pour i = 1,.., N : Donc e i vérie : R 1/ = = 4 u (θ 1 ) R 1/ C ( u (0) u ) 1 u(0) + a (u(0) u(0)) R N+1/ C F i+1/ F i 1/ + bu i = f i F i+1/ F i 1/ + bu i = f i G i+1/ G i 1/ + be i = 0 avec G i+1/ = F i+1/ F i+1/. En reprenant les calculs faits dans l'existence et l'unicité des u i, on obtient : G i+1/ G i 1/ + be i = 0 (e i+1 e i ) + b e i = R i+1/ (e i+1 e i ) i N 1 (e i+1 e i ) + e 1 + e N + b e i = On a encore N 1 N 1 R i+1/ (e i+1 e i ) + R 1/ e 1 R N e N (e i+1 e i ) + e 1 + N 1 e N R 1/ e 1 + R N e n + C (e i+1 e i ) i i 4 R 1/ + e R N + e n + C N 1 ( (e i+1 e i ) 3 i 4 C C + N C ( (e i+1 e i ) N ) 1/ C 3 + (e i+1 e i ) i 1 C4 + 1 (e i+1 e i ) + C 3 i C( ) ( N ) 1/ (e i+1 e i ) C 3/ quand est petit i (e i+1 e i ) C 4 e i N (e j+1 e j ) 1/ + 1 j=0 C 3/ i (e i+1 e i ) i i ) 1/ ( (e i+1 e i ) N ) 1/ i i 1 On a vu que téoriquement on a une erreur d'ordre 3, mais numériquement pour nos exemples (gures 19 0, 1 et ) on trouve une erreur d'ordre. 9
10 Fig. 19 ln( u(x i ) u i ) pour l'exemple 1 par VFC Fig. 0 ln( u(x i ) u i ) pour l'exemple par VFC Fig. 1 ln( u(x i ) u i ) pour l'exemple 3 par VFC Fig. ln( u(x i ) u i ) pour l'exemple 4 par VFC Téorème 8. Sous l'ypotèse a, on a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max {c, d, 1b } max {f(x), x [0, 1]} et m = min {c, d, 1b } min {f(x), x [0, 1]}. Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + i i (u i u i 1 ) + a i (u i+1 u i 1 ) = f i bu i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b = 0 et f 0. Si i 0 {1,.., N}, on peut écrire( ) ( (u i0 u i0+1) 0 a i 0 i0 0 + (u i0 u i0 1) <0 ) + a i 0 i0 >0 = f i0 }{{} 0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. Si i 0 {1,.., N}, on peut écrire 10
11 ( (u i0 u i0+1) a i 0 0 i0 0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. ) ( + (u i0 u i0 1) + a i 0 <0 i0 ) >0 = f i0 bu i0 On illustre le principe du maximum discret pour l'exemple 4 (la solution exacte est toujours positive) sous les conditions > gure 3 et gure 4. a a Fig. 3 > a, N = 45 (ex4) par VFC Fig. 4 a, N = 100 (ex4) par VFC Bilan : on a un scéma d'ordre 3 du maximum pour tout > 0. téorique, numériquement on montre un ordre et on n'a pas le principe 1.3 Discrétisation par Volumes Finis Décentrés (VFDC) Pour approcer la solution u du problème, on propose le scéma numérique suivant (avec les mêmes notations que la partie VF centrés) : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + au i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + au N Le scéma numérique donne un système de N équations à N inconnues : ( ) + a ( u i a ) + b u i u i+1 = f i,, i =,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( ) + a ( 3 u N b + a ) u N = f N + d. (5) 11
12 Téorème 9. Existence et unicité de la solution discrète : F R N, il existe un unique vecteur u = (u 1,.., u N ) solution de Au = F où A est la matrice associée au système linéaire (5). Démonstration : On suppose que c = d = f = 0 et on pose u 0 = u N+1 = 0. on multiplie le scéma par u i et on somme pour i = 1,.., N : F i+1/ F i 1/ + bu i = 0 F i+1/ (u i+1 u i ) + b u i = 0 N 1 (u i+1 u i ) + (u 1 + u N ) a N 1 (u i+1 u i ) ( + a (u i+1 u i )u i 1 (u i+1 u i ) ( + a ) ) + (u 1 + u N ) Tous les termes sont positifs donc i = 1,.., N, u i = 0. Donc A est inversible. +b + b u i = 0 u i = 0 On n'applique le scéma (5)des volumes nis décentrés que pour les exemples 3 et 4 (gures 5, 6 ), car a 0, sinon on a le même scéma que volumes nis centrés. Fig. 5 Solution exacte-approcée par VFDC pour ex3 Fig. 6 Solution exacte-approcée par VFDC pour ex4 Téorème 10. Convergence : Le scéma volume ni décentré (5) est convergent d'ordre 1. On pose e i = u(x i ) u i, pour i = 1,.., N et e 0 = e N+1 = 0. (e i+1 e i ) C i e i C Démonstration : Consistance : On pose u i = u(x i ) pour i = 1,.., N F i+1/ F i 1/ + bu i = f i avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : 1
13 F i+1/ = u i+1 u i + au i + R i+1/, i = 1,.., N 1 u 1 c + ac + R 1/ d u N + au N + R N+1/ Pour i = 1,.., N 1, on a θ 1 [x i+1/ ; x i+1 ] et θ, θ 3 [x i ; x i+1/ ] tels que ( R i+1/ = u (x i+1/ ) u ) i+1 u i + a ( ) u(x i+1/ ) u i ( ) = u (3) (θ 1 ) + u (3) (θ ) + a 48 u (θ 3 ) R i+1/ C Pour i = 0, on a : θ 1 [0; x 1 ] tel que De même pour i = N : R 1/ = = 4 u (θ 1 ) R 1/ C On obtient pour i = 0,.., N : R i+1/ C. Erreur : On a pour i = 1,.., N : ( u (0) u ) 1 u(0) R N+1/ C F i+1/ F i 1/ + bu i = f i F i+1/ F i 1/ + bu i = f i Donc e i vérie : G i+1/ G i 1/ + be i = 0 avec G i+1/ = F i+1/ F i+1/. En reprenant les calculs faits dans l'existence et l'unicité des u i, on obtient : (e i+1 e i ) On a encore i + a G i+1/ G i 1/ + be i = 0 (e i+1 e i ) + b e i = R i+1/ (e i+1 e i ) e i C (e i+1 e i ) C 3 (e i+1 e i ) i i ( N ) 1/ ( (e i+1 e i ) N ) 1/ C i N (e j+1 e j ) 1/ + 1 C j=0 i 1 On trouve numériquement l'ordre téorique, ie 1, pour nos exemples 3 et 4 (gures 7, 8) 13
14 Fig. 7 ln( u(x i ) u i ) pour l'exemple 3 par VFDC Fig. 8 ln( u(x i ) u i ) pour l'exemple 4 par VFDC Téorème 11. On a le principe du maximum discret suivant : Dans le cas b > 0, on a i {1,.., N}, m u i M avec M = max m = min {c, d, 1b } min {f(x), x [0, 1]}. {c, d, 1b } max {f(x), x [0, 1]} et Dans le cas b = 0 et sous l'ypotèse f 0, on a i {1,.., N}, u i min(c, d). Démonstration : Posons u 0 = c et u N+1 = d. On a alors i {1,.., N}, (u i u i+1 ) + (u i u i 1 ) + a (u i u i 1 ) = f i bu i i i i Soit i 0 = min{i {0,.., N + 1} tel que u i = min{u j } j {0,..,N+1} }. Premier cas : Supposons d'abord b = 0 et f 0. Si i 0 {1,.., N}, on peut écrire ( (u i0 u i0+1) 0 i 0 }{{} 0 + (u i0 u i0 1) <0 i 0 + a i0 ) >0 = f i0 }{{} 0 Contradiction, donc i 0 = 0 ou N + 1 et par suite i {1,.., N}, u i u i0 min(c, d). Deuxième cas : Supposons b > 0. Si i 0 {1,.., N}, on peut écrire (u i0 u i0+1) 0 i 0 }{{} 0 ( + (u i0 u i0 1) <0 donc i {1,.., N}, u i u i0 1 b f i 0 m. Si i 0 = 0 ou N + 1 alors i {1,.., N}, u i u i0 m. i 0 + a i0 ) >0 = f i0 bu i0. Bilan : On a toujours le principe du maximum sans condition sur mais on n'a plus de convergence d'ordre 1.4 Discrétisation par Volumes Finis décentrés d'ordre, sans limiteurs (VFDCSL) Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : 14
15 F i+1/ = u i+1 u i + au i + a p i, i = 1,.., N 1 u 1 c + ac d u N + au N où p i = u i+1 u i 1, i =,.., N 1 et p 1 = p N = 0. Le scéma numérique donne un système de N équations à N inconnues : ( a 4 u i + 5a ) ( u i a ) ( a 4 + b u i + 4 ) u i+1 = f i,, i = 3,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( + 5a ) ( u b + a ) ( a u + 4 ) u 3 = f, a ( 4 u N + a ) ( 3 u N b + 3a ) u N = f N + 4 d. (6) On n'applique le scéma (6) volumes nis décentré sans limiteurs que pour les exemples 3 et 4 (gures 9, 30), car a 0, sinon on a le même scéma que volumes nis centrés. Fig. 9 Solution exacte-approcée par VFDCSL (ex3) Fig. 30 Solution exacte-approcée par VFDCSL (ex4) Rem : On n'a pas toujours le principe du maximum. Pour l'exemple 4 la solution approcée par volumes nis décentré sans limiteurs n'est pas toujours positive si > a (gure 31). Fig. 31 > a, N = 45 (ex4) par VFDCSL 15
16 On obtient numériquement une convergence pour les exemples 3 et 4 approcés par volumes nis décentré sans limiteurs d'ordre (gures 3, 33). Fig. 3 ln( u(x i ) u i ) par VFDCSL (ex3) Fig. 33 ln( u(x i ) u i ) par VFDCSL (ex4) Bilan : on a un scéma d'ordre mais on n'a pas le principe du maximum pour tout > Discrétisation par Volumes Finis décentrés d'ordre, avec limiteurs (VFD- CAL) Pour approcer la solution u du problème, on propose le scéma numérique suivant : F i+1/ F i 1/ + bu i = f i, i = 1,.., N avec (F i+1/ ) i {0,..,N} donné par les expressions suivantes : u i+1 u i + au i + a p i, i = 1,.., N 1 F i+1/ = u 1 c + ac d u N + au N { ui+1 u i 1 où p i = minmod }, i =,.., N 1 et p 1 = p N = 0 avec minmod{α, β, γ} =, u i+1 u i, u i u i 1 0 si α, β, γ n'ont pas tous le même signe et minmod{α, β, γ} = sign(α)min{ α, β, γ } si α, β, γ ont le même signe. Le scéma numérique donne un système de N équations à N inconnues : ( ) + a ( u i a ) + b ( ) + a u N 1 + u i u i+1 + a (p i p i 1 ) = f i,, i =,.., N 1 ( 3 + b + a ) u 1 ( u = f a ) c, ( 3 + b + a ) u N + a p N 1 = f N + d. (7) On n'applique le scéma (7) volumes nis décentrés avec limiteurs que pour les exemples 3 et 4 (gures 34, 35), car a 0, sinon on a le même scéma que volumes nis centrés. 16
17 Fig. 34 Solution exacte-approcée par VFDCAL (ex3) Fig. 35 Solution exacte-approcée par VFDCAL (ex4) Fig. 36 ln( u(x i ) u i ) par VFDCAL (ex3) Fig. 37 ln( u(x i ) u i ) par VFDCAL (ex4) On obtient numériquement une convergence d'ordre pour les exemples 3 et 4 approcés par volumes nis décentrés avec limiteurs (gures 36, 37). Bilan : On a une convergence d'ordre, le principe du maximum est vérié. Mais le scéma n'est pas explicite on doit utiliser une métode de Newton pour résoudre. Néanmoins la métode de Newton est très rapide on ne fait que 3 itérations à caque étape. 17
18 TP, Discrétisation de problèmes yperboliques 1d Soient f C 1 (R) et u 0 L (R). u t + (f(u)) x = 0, t ]0, + [, x R, u(x, 0) = u 0 (x), p.p dans R (8) Dans le cas où u 0 C 1 (R), on peut cercer des solutions régulières ie dans u C 1 (R ]0, + [; R) C 0 (R [0, + [; R). C'est la notion de solution forte ou classique. Cependant de telles solutions n'existent pas toujours. Téorème 1. Si f est linéaire ie c R tel que x R, f (x) = c et u 0 C 1 (R) alors il existe une unique solution classique au problème (8). Elle est dénie par t [0, + [, x R, u(x, t) = u 0 (x ct). Si f non constante alors il existe u 0 Cc (R) tel que (8) n'ait pas de u solution classique, ie u C 1 (R ]0, + [; R) C 0 (R [0, + [; R). La non-existence de solution classique dans le cas général amène à introduire la notion de solution faible (qui a encore un sens même si u 0 n'est pas régulier ie dans L (R)). Dénition 1. Si f C 1 (R), u 0 L (R), on dit que u est une solution faible du problème (8) si on a u L (R R + ; R) et ϕ Cc 1 (R [0, + [; R) (u(x, t)ϕ t (x, t) + f(u(x, t))ϕ x (x, t)) dxdt + u 0 (x)ϕ(x, 0)dx = 0 R R + R Téorème 13. Existence : Si f est linéaire ie c R tel que x R, f (x) = c et u 0 L (R) alors il existe une unique solution faible au problème (8). Elle est encore donnée par t [0, + [, x R, u(x, t) = u 0 (x ct). Dans le cas général, il existe une solution faible mais il n'y a pas nécessairement unicité. Contre exemple à l'unicité d'une solution faible : Si f(x) = x(3 x) et u 0 (x) = 1 si x < 0 et u 0 (x) = 0 si x > 0. Les 3 fonctions suivantes sont solutions faibles du problème (8) : u(x, t) = u(x, t) = u(x, t) = 1 si x < t x 3t si t < x < 3t 4t 0 si x > 3t 1 si x < 0 1 si 0 < x < t 0 si x > t 1 si x < 0 1 si 0 < x < t x 3t si t < x < 3t 4t 0 si x > 3t (9) Il faut donc imposer une condition supplémentaire aux solutions pour pouvoir garantir l'unicité. C'est la notion d'entropie. 18
19 Dénition. Si f C 1 (R), u 0 L (R), on dit que u est une solution entropique du problème (8) si on a u L (R R + ; R) et ϕ Cc 1 (R [0, + [; R + ), η C 1 (R) convexe, φ telle que φ = η f ux d'entropie associé (η(u(x, t))ϕ t (x, t) + φ(u(x, t))ϕ x (x, t)) dxdt + η(u 0 (x))ϕ(x, 0)dx 0 R R + R On a alors le résultat suivant. Téorème 14. Existence et unicité d'une solution faible entropique : Si f C 1 (R), u 0 L (R), alors il existe une unique solution entropique du problème (8). Cette solution a les propriétés suivantes : Si A u 0 (x) B pour presque tout x alors A u(x, t) B pour presque tout (x, t) R R +. Si u 0 L (R) L 1 (R), alors u(., t) L 1 (R), t > 0 et u(., t) L1 (R) u 0 L1 (R). Si v est une autre solution entropique avec une autre condition initiale v 0 u 0, alors u 0 v 0 = u(x, t) v(x, t) pour presque tout (x, t) R R +. Donnons quelques exemples : Ecrivons f sous la forme f(x) = f 1(x)(α + βf (x)) avec α 0, β 0 f 1 et f deux fonctions régulières de f 1 (x) + f (x) [0, 1] dans R vériant f 1 (0) = 0, f 1 croissante, f (1) = 0 et f décroissante. Nous donnons ci dessous les solutions faibles entropiques dans trois cas particuliers pour la donnée initiale u 0 dénie par u 0 (x) = 1 si x < 0 et u 0 (x) = 0 si x > f 1 (x) = x, f (x) = 1 x, α = 1 et β = 0 de sorte que f(x) = x. La solution de notre probléme s'écrit alors : u(x, t) = u { 0 (x t) 1 si x < t = 0 si x > t. f 1 (x) = x (1 x) 4x, f (x) =, α = 1 et β = 0 de sorte que f(x) = 4 4x + (1 x). On calcule la dérivée de f : f 8x(1 x) (x) = (4x + (1 x) ). Pour x [0, 1], 0 f (x) 5. On regarde l'enveloppe concave de f (gure 38) : f est concave sur [u, 1] où u vérie f (u )u = f(u ), ie u = 1 5. La solution exacte s'écrit alors : Fig. 38 f et son enveloppe concave pour exemple 3 19
20 u(x, t) = ( 1 si x < 0 x ) f 1 si 0 < x < tf (u ) t 0 si x > tf (u ) 3. f 1 (x) = x, f (x) = 1 x, α = 1 et β = de sorte que f(x) = x(3 x). On calcule la dérivée de f : f (x) = 3 4x. Pour x [0, 1], 1 f (x) 3. La fonction f concave sur [0, 1]. La solution exacte s'écrit alors : 1 si x < t u(x, t) = x 3t si t < x < 3t 4t 0 si x > 3t Nous cercons maintenant à approcer numériquement l'unique solution faible entroqique u du problème (8) sur un intervalle de temps [0, T ] où T > 0. Pour discrétiser ce problème, on utilise un maillage uniforme de pas = 1/N où N N en espace et de pas k = T/M où M N en temps. On pose x i+1/ = i, i = 1,.., N et t n = nk, n = 0,.., M. Les inconnues discrètes sont notées u n i, i Z, n {0,.., M}. La quantité un i est supposée approcer les valeurs de u(x, t) pour x ]x i 1/, x i+1/ [ et t ]t n, t n+1 [. Les scémas numériques étudiés sont de la forme : ( u n+1 i u n ) i + f n k i+1/ fi 1/ n = 0, i Z, n {0,.., M 1} u 0 i = 1 xi+1/ x i 1/ u 0 (x)dx, i Z La quantité f n i+1/ est donc supposée être une approximation de f(u(x i+1/, t n )). On pose λ = k..1 Scéma centré On considére le scéma centré : pour n {0,.., M 1}, fi+1/ n = f(un i ) + f(un i+1 ). ( f(u u n+1 i = u n n i λ i+1 ) f(u n i 1 ) ), si i { M + 1,.., M} Ce scéma est inconditionnellement instable. Dans le cas linéaire (exemple 1), on peut l'écrire pour n {0,.., M 1}, i { M + 1,.., M} : ( u u n+1 i = u n n i λ i+1 u n ) i 1 ou encore sous forme matricielle : pour n {0,.., M 1}, U n+1 = AU n +D avec (U n ) M+i = (u n i ), pour i { M + 1,.., M}, D 1 = λ, D i = 0, i {,.., M} et A une matrice carré de taille M : On peut montrer le résultat suivant : Téorème λ 0 0 λ A = λ λ Il existe u 0 C 1 c (R, R) tel que la solution approcée calculée à l'aide du scéma centré ne converge pas vers la solution du problème continue (et cela quel que soit la relation entre et k). Nous allons simplement illustrer quelques points qui montre qu'il faut éviter d'utiliser ce scéma. 0
21 Le scéma centré ne conserve { pas la positivité ie ( i Z, u 0 i 0) ( i Z, u1 i 0). 0 lorsque i 0 Par exemple, si u 0 i = 1 lorsque i > 0 alors u1 0 = λ (gure 39). Le scéma centré n'est pas L -stable ie max{ u 0 i, i Z} = 1 max{ u1 i, i Z} 1. L'exemple ci-dessus illustre aussi ce point, puisque dans ce cas là max{ u 1 i, i Z} = 1 + λ (gure 40). Fig. 39 Positivité pour le scéma centré Fig. 40 Stablilité L pour le scéma centré Enn,le scéma centré n'est pas L -stable ie i Z (u0 i ) = 1 { i Z (u1 i ) 1. 0 lorsque i 0 Par exemple, si u 0 i = 1 lorsque i = 0 alors i Z (u1 i ) = (u 1 1) + (u 1 0) + (u 1 1). = 1 + λ. Scéma décentré Pour le cas linéaire (l'exemple 1), on obtient le scéma suivant : pour n {0,.., M 1} u n+1 i = (1 λ)u n i + λu n i 1, si i { M + 1,.., M} Ce scéma peut encore s'écrire sous forme matricielle : pour n {0,.., M 1}, U n+1 = AU n +D avec (U n ) i+m = (u n i ), pour i { M + 1,.., M}, D 1 = λ, D i = 0, i {,.., M} et A une matrice carré de taille M : 1 λ 0 0. A = λ λ 1 λ Téorème 16. Stabilité L : Si λ 1 et A u 0 B p.p alors n {0,.., M 1}, i Z on a A u n i B. Démonstration : Soit n {0,.., M 1} tel que i Z on a A u n i B. Soit i Z : u n+1 i u n+1 est une combinaison linéaire convexe de u n i, un i 1 i = (1 λ) u n i + λu n i 1. 0 donc i Z, A un+1 i B. 1
22 Téorème 17. Convergence : Si u 0 est C (R), λ 1, n {0,.., M 1}, i Z on pose e n i e n i CT = u(x i, t n ) u n i, on obtient Démonstration : On rappelle que la solution exacte est u 0 (x t) C (R). Consistance : Soit n {0,.., M 1}, i { n + 1,.., n} Ri n = u(x i, t n+1 ) u(x i, t n ) k C(u 0 ) + u(x i, t n ) u(x i 1, t n ) On a i Z, e 0 i = 0. L'erreur en i vérie donc : en+1 i e n i k e n+1 + en i en i 1 = R n i i = (1 λ) e n i i 1 + krn i 0 i sup j e n j + kc (n + 1)kC T C e n+1 On obtient par exemple la courbe de convergence en norme 1 suivante (gure 4) si u 0 (représentée gure 41) est donnée par la formule (10). u 0 (x) = 0 si x < 0 x 3 si 0 < x < 1 ( 3 x 3 ) ( x 3 ) 41 si 1 < x < 4 3 (3 x) 3 si < x < 3 0 si x > 3 (10) Fig. 41 u 0 de classe C Fig. 4 ln( u(x i, T ) u M i 1 ) pour u 0 régulière La solution pour l'exemple 1 approcée par le scéma décentré pour t entre 0 et T est donnée par la gure 43. Les croix représentent l'emplacement du saut de la solution exacte pour λ = 1. De plus la courbe de convergence en erreur en norme 1 (gure 44) montre que l'on obtient une erreur d'ordre 1/ pour λ = 1. En eet, le téorème ci-dessus ne s'applique pas puisque u 0 n'est pas régulière.
23 Fig. 43 Solution approcée scéma décentré, λ = 1 Fig. 44 ln( u(x i, T ) u M i 1 ) pour le scéma décentré Inuence de λ : Si λ = 1, on a u n+1 i = u n i 1, le scéma est exact. Quand λ < 1, on observe un comportement diusif. Les gures 45 et 46 illustre ce pénomène sur des données initiales créneaux et sinus pour λ = 1. Fig. 45 Solution approcée-exacte pour u 0 créneau Fig. 46 Solution approcée-exacte pour u 0 (x) = sin(πx) On a également essayé de quantier la diusion en fonction du temps pour λ = 1. La gure 47 montre comment le nombre de maille entre le saut exact et le saut approcé evolue en fonction de t. On remarque qu'il augmente avec le temps. Fig. 47 Nombre de maille entre le saut exact et celui avec la diusion en fonction de t Le comportement diusif de ce scéma peut s'expliquer (quand les solutions sont régulières) de la manière suivante. Fixons λ < 1. Notons n {0,.., M}, i Z R i,n (u) = u(x i, t n+1 ) u(x i, t n ) + u(x i, t n ) u(x i 1, t n ) k 3
24 Un développement de Taylor montre que : R i,n (u) = tu(x i, t n ) + x u(x i, t n ) + λ ttu(x i, t n ) xxu(x i, t n ) + O( ) Remarque 3 : C'est cette égalité qui donne, si u est solution de t u + x u = 0, R i,n (u) C(u 0). Appliquons cette égalité à v la solution de t v + x v 1 λ xx v = 0. On obtient R i,n (v ) = O( ). En eet, tt v = t x v + 1 λ t xx v = xx v (1 λ) xxx v + λ ttv = λ xxv + O( ) R i,n (v ) = 1 λ = O( ) (1 λ) xxxx v 4 xx v + λ xxv xxv + O( ) Le scéma décentré amont approce donc la solution v du problème (11) à près. t v + x v 1 λ xx v = 0, t ]0, + [, x R, v (x, 0) = u 0 (x), p.p dans R (11) Téorème 18. Soit v la solution du problème (11) et λ < 1, alors on a n {0,.., M} sup i v (x i, t n ) u n i C La solution approcée a un comportement proce de celui de v (à près). Démonstration : On pose vi 0 = u 0(x i ), i Z et n {1,.., M 1}, vi n = v (x i, t n ). On peut donc écrire : Or v n+1 i vi n k u n+1 i u n i k + vn i vn i 1 + un i un i 1 = R i,n (v ) = 0 On pose fi n = vi n un i alors on a fi 0 = 0 f n+1 i = (1 λ)fi n + λfi 1 n + kri,n (v ) f n+1 i sup i fi n + kc (n + 1)kC T C sup i v (x i, t n ) u n i C Le terme xx v est un terme diusif. Le fait que le scéma approce v explique donc son comportement diusif. Illustrons le téorème à l'aide des scémas de la première partie. Plaçons nous dans un cas où la donnée initiale u 0 est 1-périodique et régulière par exemple u 0 (x) = sin(πx). On peut approcer la solution exacte v par diérentes métodes. Euler implicite en temps et scéma volumes nis (périodiques) centrés en espace : Si on pose v n (x) = v (x, t n ), alors on obtient v n+1 comme solution d'une équation diusion convection réaction dont le second membre est v n. 1 λ k xx v n+1 + k x v n+1 + v n+1 = v n 4
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 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 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
CHAPTER 1 Équations non linéaires On considère une partie U R d et une fonction f : U R d. On cherche à résoudre { x U 1..1) f x) = R d On distinguera les cas d = 1 et d > 1. 1.1. Dichotomie d = 1) 1.1.1.
Plus en 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 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 détailRetournement Temporel
Retournement Temporel Rédigé par: HENG Sokly Encadrés par: Bernard ROUSSELET & Stéphane JUNCA 2 juin 28 Remerciements Je tiens tout d'abord à remercier mes responsables de mémoire, M.Bernard ROUSSELET
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 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 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 détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
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 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 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 détail2. RAPPEL DES TECHNIQUES DE CALCUL DANS R
2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications
Plus en détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en 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 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 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 détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
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 détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en 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 détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
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 détailComment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.
Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en 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 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 détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
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 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 détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en 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 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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 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 détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
Plus en 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 détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
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 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 détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
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 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 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 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 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 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 détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
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 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 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 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 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 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 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 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 détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en 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 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 de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1
General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions
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 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 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 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 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 détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
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 détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
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 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 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 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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
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 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 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 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 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 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 détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Plus en détailUne réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen
Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen Manière heuristique d'introduire l'approximation de champ moyen : on néglige les termes de fluctuations
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 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 détail