Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état

Dimension: px
Commencer à balayer dès la page:

Download "Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état"

Transcription

1 Approximatio de la solutio d ue équatio différetielle ordiaire avec impulsios qui dépedet de l état F. Dubeau A. Ouasafi A. Sakat CRM-276 Jauary 21 Départemet de mathématiques et d iformatique, Uiversité de Sherbrooke, Sherbrooke (Québec), Caada, J1K 2R1. Travail subvetioé par le CRSNG. Uiversité Mohamed V, Faculté des Scieces, Départemet de mathématiques et d iformatique, B.P.114, Rabat, Maroc. Cet auteur remercie le Cetre de Recherches Mathématiques de l Uiversité de Motréal pour so accueil chaleureux durat so séjour.

2

3 1 Itroductio L objectif de ce travail est de préseter ue méthode d approximatio de la solutio d u système d équatios différetielles ordiaires avec des impulsios qui dépedet de l état e utilisat ue méthode de type Galerki. La solutio de ce système d équatios différetielles ordiaires avec impulsios est ue foctio à variatio borée qui est o régulière et cotiet des sauts [7, 8. Ces équatios différetielles provieet de problèmes physiques et e particulier de problèmes du domaie de l aérospatiale. Ces équatios différetielles sot de la forme ẋ(t) = f(x(t), t) + α j (x(τ j ))δ(t τ j), t [, T, x() = x, (1) où T est u ombre réel strictemet positif, x E est la coditio iitiale, E est u espace euclidie de dimesio fiie d = dime 1 de la forme E = IR d, x : [, T E est ue foctio vectorielle, f : E [, T E est ue applicatio doée, δ (.) est la distributio de Dirac au poit, J IN est u esemble o vide déombrable d idices, α j : E E est ue foctio doée pour tout j J et τ j } est ue suite strictemet croissate das, T. Das [6, ue formulatio variatioelle faible est utilisée pour obteir u théorème d existece et d uicité de la solutio de (1). Ue approximatio de cette solutio utilisat ue méthode de type Galerki a égalemet été présetée et les ordres de covergece obteus sot e O(h 1/2 ) pour l erreur das L 2 (, T ; E) et e O(h 1 ) pour l erreur aux oeuds. Das le cas où les impulsios e dépedet pas de l état il y a ue supercovergece aux oeuds e O(h K+2 ), voir [2. Cepedat das le cas où la solutio est das H K+1 (, T ; E) les ordres de covergece sot e O(h K+1 ) pour la orme de L 2 (, T ; E) et e O(h 2K+2 ) pour l erreur aux oeuds, voir [3 et [5. Das otre travail ous utilisos ue trasformatio qui permet d écrire l équatio différetielle ordiaire avec des impulsios qui dépedet de l état sous la forme d ue équatio différetielle équivalete sas impulsio et ous motros que cette derière a ue solutio uique das H 1 (, T ; E). Cette trasformatio trouve égalemet so utilité das les approximatios umériques. E effet, pour approcher la solutio de (1), il suffit de trouver ue solutio approchée du problème équivalet dot la solutio est régulière. Nous costatos alors ue légère amélioratio des ordres de covergece. De plus la solutio approchée est de même ature que la solutio de (1) à savoir das BV (, T ; E). Das la sectio 2 ous présetos le problème sas impulsio équivalet au problème (1). Esuite ous obteos ue formulatio variatioelle équivalete au problème sas impulsio et ous motros le résultat d existece et d uicité de la solutio sous des hypothèses plus faibles que das [6. Das la sectio 4 o itroduit des espaces d approximatio pour obteir ue approximatio polyômiale par morceaux de la solutio. Esuite ous motros que les ordres de covergece sot e O(h 1 ) pour l erreur das L 2 (, T ; E) et aux oeuds. Das le cas où les impulsios e dépedet pas de l état, ous motros que ous avos des résultats de supercovergece aux oeuds, ous obtiedros O(h 2 ) pour les systèmes o liéaires et O(h K+2 ) pour les systèmes liéaire. Efi ous utilisos ue formule d itégratio umérique qui coduit à des approximatios umériques de la solutio et ous présetos des exemples qui idiquet que les estimatios d erreur sot optimales.

4 2 Trasformatio du problème e ue équatio différetielle ordiaire sas impulsio Ue solutio de (1) est ue foctio à variatio borée qui s écrit sous la forme x(t) = x + t f(x(τ), τ)dτ + α j (x(τ j ))χ [τ j, )(t); (2) elle cotiet doc deux parties, la première partie est ue foctio régulière de H 1 (, T ; E) x R (t) = x + et la deuxième partie est la foctio des sauts t f(x(τ), τ)dτ x J (t) = α j (x(τ j ))χ [τ j, )(t). Cosidéros les deux familles de foctios θ j } et β j }, de C(, T ; E) das E, défiies par θ 1 (y) = y(τ 1 ), θ j (y) = y(τ j ) + i<j α i θ i (y) pour j > 1 et β j = α j θ j, j J pour toute foctio y de C(, T ; E). Le problème (1) est alors équivalet à l équatio différetielle ordiaire sas impulsio suivate ẋ R (t) = f(x R (t) + β j (x R )χ [τj, )(t), t), t [, T, x R () = x, Cosidéros la foctio F défiie de C(, T ; E) [, T das E par F (y, t) = f(y(t) + β j (y)χ [τj, )(t), t). (4) (3) Alors l équatio précédete deviet ẋ R (t) = F (x R, t), t [, T, x R () = x. (5) Trouver la solutio x(t) de 1) reviet doc à trouver la foctio x R (t) solutio de (5) puisque x(t) = x R (t) + β j (x R )χ [τj, )(t), voir [8. 3 Formulatio faible E utilisat la méthode de Galerki ous allos approcher la solutio de (5) par ue foctio u h polyômiale par morceaux. Les valeurs u h (τ j ) approchet les x R (τ j ) (j J). Nous motros efi que u h + β j (u h )χ [τj, ) coverge bie vers la solutio de (1).

5 L équatio (5) est équivalete au problème faible global suivat trouver (x R, X) H 1 (, T ; E) E tel que X v(t ) T x R(τ) v(τ)dτ = x v() + T F (x R, τ) v(τ)dτ, pour tout v H 1 (, T ; E). Théorème 3.1 Les équatios (5) et (6) sot équivaletes. Démostratio :Si (5) a ue solutio alors e multipliat par v H 1 (, T ; E) et e itégrat par partie le terme T ẋr(τ) v(τ)dτ ous obteos x R (T ) v(t ) x R () v() T x R (τ) v(τ)dτ = E posat x R (T ) = X et x R () = x, ous obteos ue solutio de (6). Iversemet, si (6) a ue solutio, e itégrat par partie o a [X x R (T ) v(t ) + [x R () x v() + T T F (x R, τ) v(τ)dτ. [ẋ R (τ) F (x R, τ) v(τ)dτ = pour tout v H 1 (, T ; E). E preat v H 1(, T ; E) et e utilisat le fait que H1 (, T ; E) est dese das L 2 (, T ; E), ous e déduisos que Alors ẋ R (t) = F (x R, t), p.p. t [, T. [X x R (T ) v(t ) + [x R () x v() = pour tout v H 1 (, T ; E). Doc X = x R (T ) et x R () = x. Soit t, =,..., N} tel que = t <... < t <... < t N = T ue partitio régulière de l itervalle [, T. Cette partitio défiit N sous itervalles = [t 1, t, = 1,..., N, de [, T de logueur h = t t 1. Le pas d ue partitio est défii par h = max h : = 1,.., N}. Pour chaque = 1,..., N o pose U = E +1 H 1 (I k ; E) et pour ũ = (U,..., U ; u 1,..., u ) U o pose U k si t = t k (k =,..., ), û (t) = u k (t) si t t k 1, t k [ (k = 1,..., ). O cosidère alors le problème variatioel local suivat état doés U = x et (u k, U k ) H 1 (I K ; E) E déjà détermiés pour k = 1, 2,... 1, trouver (u, U ) H 1 ( ; E) E tel que k=1 U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + F (û, τ) v (τ)dτ, pour tout v H 1 ( ; E). Notos que si ce problème a ue solutio o obtiet, comme das la démostratio du Théorème 3.1, que U = u (t ) et U 1 = u (t 1 ). Aisi, comme les (u k, U k ) (k = 1,..., 1) ot été détermiés suivat le même procédé, û (.) est cotiue et appartiet à H 1 (, t ; E). (6) (7)

6 Théorème 3.2 Les problèmes ( 6)et (7) sot équivalets. Démostratio :Supposos que l équatio (7) a ue solutio (u, U ) H 1 ( ; E) E. E preat v H 1 (; E) L 2 ( ; E) o e déduit que u (t) = F (û, t) p.p. sur. Aussi U = u (t ) et U 1 = u (t 1 ). Posos x R = û N H 1 (, T ; E). O e déduit (6) e additioat (7) pour = 1,..., N, e posat X = U N = û (T ) et e observat que U = x. Iversemet, si (6) a ue solutio, cosidéros v 1 H 1 (I 1 ; E) et défiissos v H 1 (, T ; E) par v(t) = E substituat v das l équatio (6) o obtiet v 1 (t) v 1 (t 1 ), t t 1,, si t > t 1. t 1 x R(τ) v 1 (τ)dτ = x (v 1 (t ) v 1 (t 1 )) + t 1 F (x R, τ) (v 1 (τ) v 1 (t 1 ))dτ. Posos u 1 = x R I1 et U 1 = x + t 1 F (u 1, τ)dτ. Aisi o a U 1 v 1 (t 1 ) t 1 u 1(τ) v 1 (τ)dτ = x v 1 (t ) + t 1 F (u 1, τ) v 1 (τ)dτ. (8) pour tout v 1 H 1 (I 1 ; E). Aussi, o a de (6) E cosidérat v I1 = v 1, o trouve X.v(T ) t 1 u 1(τ). v(τ)dτ T t 1 x R (τ) v(τ)dτ = x.v 1 (t ) + t 1 F (u 1, τ).v(τ)dτ + T t 1 F (x R, τ).v(τ)dτ, pour tout v H 1 (, T ; E). X.v(T ) T t 1 x R (τ). v(τ)dτ = U 1.v(t 1 ) + T t 1 F (x R, τ).v(τ)dτ, pour tout v H 1 (t 1, T ; E). O procède alors de même pour ( = 2,..., N). O itroduit les otatios suivates J = j J : τ j t 1, t }, = 1,..., N, J = j J : τ j, t }, = 1,..., N et l (E J ) = ξ E J : ξ = sup ξ j : j J} < + }. O défiit de la même maière l (E J ) et l (E J ). Pour motrer l existece et l uicité de la solutio de l équatio (7) o utilise les lemmes suivats dot les démostratios se trouvet das [8. Nous supposos que J = IN, cepedat les résultats obteus restet vrais pour importe quel sous-esemble J de IN. Pour simplifier l écriture o pose Λ = λ i. O utilise les otatios i=m γ i = 1 si < m et γ i = si < m. i=m i=1

7 Lemme 3.1 Soit λ j } ue suite de ombres réels positifs. Alors 1 + λ i i 1 i=1 k=1 (1 + λ k ) e Λ. Notos que les foctios θ j (.) sot bie défiies sous la seule coditio que les valeurs y(τ j )} soiet bie défiies. Aisi pour ue suite ξ = ξ j } o peut défiir θ 1 (ξ) = ξ 1, θ j (ξ) = ξ j + α i θ i (ξ) et i<j avec comme précédemmet β j = α j θ j, (j J). Lemme 3.2 Pour tout ξ 1 et ξ 2 das l (E j ), o a β j (ξ 1 ) β j (ξ 2 ) λ j e Λ max ξk 1 ξ2 k : k = 1,..., j} λ j e Λ ξ 1 ξ 2. Remarque 3.1 Si x 1, x 2 C(, T ; E) et ξ k j = x k(τ j ) (k = 1, 2). Alors β j (ξ 1 ) β j (ξ 2 ) λ j e Λ max x 1 (τ k ) x 2 (τ k ) : k = 1,..., j} λ j e Λ x 1 x 2. Lemme 3.3 O a Lemme 3.4 Soit I = [α, β. (i) L applicatio β j () e Λ α j (). H 1 (I; E) L 2 (I; E) E v ( v, v(β)) est u isomorphisme. (ii) Soit b u élémet arbitraire de H 1 (I, E), le problème variatioel suivat trouver (u, U) L 2 (I; E) E tel que U.v(β) β α u(t) v(t)dt = b(v) pour tout v H 1 (I; E) (9) a ue solutio uique. Démostratio :Voir [9. Théorème 3.3 Soit x E, (a) supposos que f : E [, T E vérifie les coditios suivates : (i) pour tout x E, l applicatio t f(x, t) est ( Lebesgue ) mesurable, (ii) il existe q L 2 (, T ; E) telle que pour tout x 1, x 2 L 2 (, T ; E)

8 f(x 1 (t), t) f(x 2 (t), t) q(t) x 1 (t) x 2 (t), (iii) l applicatio t f(, t) est das L 2 (, T ; E) ; (b) supposos que les foctios α j (j J) vérifiet les coditios suivates : (iv) α j () < +, (v) il existe ue suite de ombres réels positifs λ j } tel que λ j < + et pour tout j J et x 1, x 2 E α j (x 1 ) α j (x 2 ) λ j x 1 x 2. Alors (1) La solutio (U 1,..., U N, u 1,..., u N ) U N de (7) existe et est uique. De plus x R = û N est l uique solutio das H 1 (, T ; E) du système (5). (2) La solutio de (1) existe et est uique das BV (, T ; E). De plus o a x(t) = û N (t) + β j (û N )χ [τj, )(t). Démostratio :Sous les hypothèses du théorème, f(.,.) est ue foctio de Carathéodory. Alors pour tout u mesurable et ξ = ξ j } l applicatio t u(t) + β j (ξ)χ [τj, )(t) est mesurable et alors t f(u(t) + β j (ξ)χ [τj, )(t), t) est mesurable. De plus si u L 2 (, T ; E) et ξ = ξ j } l (E J ), l applicatio t f(u(t) + β j (ξ)χ [τj, )(t), t) est itégrable puisque f(u(t) + β j (ξ)χ [tj, )(t), t) f(u(t) + β j (ξ)χ [tj, )(t), t) f(, t) + f(, t), q(t) u(t) + β j (ξ)χ [tj, )(t) + f(, t), [ q(t) u(t) + β j (ξ) β j () + β j () χ [tj, )(t) + f(, t), [ q(t) u(t) + Λe Λ ξ + e Λ α j () + f(, t). Alors T f(u(t) + β j (ξ)χ [tj, )(t), t) dτ q u + q T 1/2 e Λ [Λ ξ + α j () + T 1/2 f(,.).

9 Aisi l applicatio v b (v; u, ξ) = U 1.v(t 1 ) + f(u(τ) + β j (ξ)χ [τj, )(τ), τ) v(τ)dτ est bie défiie, liéaire et cotiue sur H 1 ( ; E). Par suite b (.; u, ξ) H 1 ( ; E). Notos que pour τ o a β j (ξ)χ [τj, )(τ) = 1 β j (ξ) + β j (ξ)χ [τj, )(τ), la première sommatio de droite est ue costate lorsque la suite ξ j } l (E J 1 ) est déjà coue. 1 O cosidère le problème auxiliaire local (faible) suivat état doé U = x, (u k, U k ) L 2 (I k, E) E (k = 1,..., 1) et ξ j } l (E J 1 ), 1 pour = 1,..., N détermier (u, U ) L 2 ( ; E) E et ξ j } l (E J ) tels que U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + f(u (τ) + β j (ξ)χ [τj, )(τ), τ) v (τ)dτ, pour tout v H 1 ( ; E) et ξ i = U 1 + τ i t 1 f(u (τ) + β j (ξ)χ [τj, )(τ), τ)dτ pour tout i J. (1) Soit (u, U ) L 2 ( ; E) E fixe mais arbitraire et ξ = ξ j } l (E J ) tel que ξ j } 1 sot doés sur l itervalle précédet et ξ j } sot fixes et arbitraires. O costruit les suites (u m, U m )} m= et ξ m = ξ m j } } m= de la maière suivate : supposos coue (um, U m ) L 2 ( ; E) E et ξ m = ξj m} l (E J ), (u m+1, U m+1 ) L 2 ( ; E) E est la solutio du problème U m+1.v (t ) u m+1 (τ) v (τ)dτ = b (v ; u m, ξ m ) pour tout v H 1 ( ; E) (11) et ξ m+1 j } est défiie par τi ξi m+1 = U 1 + f(u m (τ) + β j (ξ m )χ [τj, )(τ), τ)dτ. (12) t 1 pour i J et ξ m+1 j = ξ m j pour j J 1. Motros que les deux suites u m } m= m= et ξm } m= m= sot de Cauchy respectivemet das L2 ( ; E) et l (E J ). O a f(u m+1 (τ) + β j (ξ m+1 )χ [τj, )(τ), τ) f(u m (τ) + β j (ξ m )χ [τj, )(τ), τ) [ q(τ) u m+1 u m + (β j (ξ m+1 )χ [τj, )(τ) β j (ξ m ))χ [τj, )(τ). Pour les v qui vérifiet v (t) = ( u m+1 v (t ) =. u m ) (t) sur I,

10 O trouve v (t) = t t (u m+1 u m ) (τ)dτ h 1/2 D après le Lemme 3.3 et l équatio (11), o motre que u m+1 u m, h 1/2 Par la même techique o obtiet u m+1 u m,. [ q, u m u m 1, + h 1/2 Λe Λ ξ m ξ m 1,. ξ m+1 ξ m [ u m, q, u m 1, + h 1/2 Λe Λ ξ m ξ m 1,. Pour compléter la preuve o utilise le lemme suivat Lemme 3.5 Soiet x m } m= m= et y m } m= m= deux suites telles que pour m =, 1, 2,... avec α >, β >. Alors pour m =, 1, 2,... et pour k. Démostratio :Voir [6. x m+1 αy m + βx m y m+1 r(αy m + βx m ) x m+1 (αr + β) m (αy + βx ) y m+1 r(αr + β) m (αy + βx ) Si o applique ce lemme avec α = q,, β = q, h 1/2 Λe Λ et r = h 1/2 suivates ξ m+1 ξ m, ( h 1/2 q, + h 1/2 q, Λe Λ) m 1 [ q u 1, u, + h 1/2 q, Λe Λ ξ 1 ξ,, u m+1 u m (, h 1/2 h 1/2 q, + h 1/2 q, Λe Λ) m 1 [ q, u 1 u, + h 1/2 q, Λe Λ ξ 1 ξ,. o déduit les majoratios Si h est suffisammet petit (h 1/2 q, + h 1/2 q, Λe Λ < 1) les suites u m } m= et ξm } m= sot de Cauchy das L 2 ( ; E) et l (E J ) respectivemet. Alors u m u das L 2 (, T ; E) et ξ m ξ das l (E J ). Par cotiuité o trouve u (τ) v (τ)dτ = b (v ; u, ξ) pour tout v H 1 ( ; E) tel que v (t ) = et ξ i = U 1 + τi f(u (τ) + β j (ξ)χ [τj, )(τ), τ)dτ, j J. t 1

11 Si o pred v (t) = V E das l équatio (11), o obtiet U m+1.v = b (V ; u m, ξ m ) pour tout V E. Aisi U m } m= coverge vers u U E et U.V = b (V ; u, ξ) pour tout V E. Soit w (t) = v (t) v (t ) avec v H 1 ( ; E), alors u (τ) v (τ)dτ = b (v (.) v (t ); u, ξ), = b (v ; u, ξ) b (v (t ); u, ξ), = b (v ; u, ξ) U.v (t ). Alors (u, U ) L 2 ( ; E) E et ξ j } l (E J ) est solutio de (1). O pose esuite t U (t) = U 1 + f(u (τ) + β j (ξ)χ [τj, )(τ), τ)dτ, t 1 U (.) H 1 ( ; E) et o a U (τ j ) = ξ j, (j J). De plus, si o pred v (t) = 1 das (1) o trouve que U (t ) = U. D autre part o a t t 1 [U (τ) u (τ) v (τ)dτ = U v (t ) U 1 v (t 1 ) t t 1 f(u (τ) + β j (ξ)χ [τj, )(τ), τ) v (τ)dτ t t 1 u (τ) v (τ)dτ =. Alors o obtiet U (t) = u (t) p.p. sur et doc u H 1 ( ; E). Efi l équatio (7) admet ue solutio uique das H 1 (, T ; E) E. Défiissos les espaces de Hilbert U et V comme suit U = E N+1 V = E N H 1 ( ; E) = U N, =1 N H 1 ( ; E) = V N. =1 Das le but d appliquer ue méthode d approximatio de type Galerki ous cosidéros le problème faible global équivalet à ce derier trouver ũ = (U, U 1,..., U N ; u 1,..., u N ) U tel que U (V v 1 (t )) + N U (v (t ) v +1 (t )) + U N v N (t N ) N u (τ) v (τ)dτ =1 = x V + N [ F (û, τ) v (τ)dτ, =1 pour tout ṽ = (V, v 1,..., v N ) V. =1 (13)

12 4 Approximatio de type Galerki Nous cherchos ue solutio ũ h das u sous-espace U h de U das le cas où les foctios test ṽ h sot das u sous-espace V h de V, où les espaces U h et V h sot de dimesios fiies et o utilisera pour os approximatios des foctios polyômiales par morceaux. Défiissos les sous-espaces U h et V h de U et V par U h ũ h = (U, U 1,.., U N ; u 1,..., u N ) U = tel que u P K ( ; E) pour = 1,...N V h ṽ h = (V, v 1, v 2,..., v N ) V = tel que v P K+1 ( ; E); pour = 1,..., N Notos que dimv h = dimu h = (1 + (k + 2)N)dimE. O pose pour chaque = 1,..., N U h = E +1 P K+1 (I k, E) k=1 }, (14) }. (15) tel que pour chaque ũ = (U,..., U ; u 1,..., u ) U h o a U k si t = t k (k =,..., ), û (t) = u k (t) si t t k 1, t k [ (k = 1,..., ). (16) O cherche maiteat á approcher la solutio du problème (13) par la solutio du problème suivat trouver ũ h = (U,..., U N ; u 1,..., u N ) U h tel que U = x et pour = 1,..., N U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + (17) F (û, τ) v (τ)dτ, pour tout v P K+1 ( ; E). Nous allos motrer que (17) admet ue solutio uique pour h assez petit. Les aalogues du Lemme 3.4 et du Théorème 3.3 sot les suivats. Lemme 4.1 Soit = [t 1, t. (i) L applicatio est u isomorphisme. P K+1 ( ; E) P K ( ; E) E v ( v, v(t )) (ii) Soit b u élémet arbitraire de P K+1 ( ; E), le problème variatioel trouver (u, U) P K ( ; E) E tel que a ue solutio uique. U.v(t ) u(t). v(t)dt = b(v) v P K+1 ( ; E), Théorème 4.1 Si les hypothèses du Théorème 3.3 sot vérifiées alors le problème variatioel (17) a ue solutio uique.

13 Démostratio :Posos U = x. Sur chaque itervalle o suppose que (u k, U k ), k = 1,..., 1, sot doés et il faut trouver (u, U ) P K ( ; E) E tel que U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + F (û, τ) v (τ)dτ pour tout v P K+1 ( ; E). Pour tout u P K ( ; E) l applicatio v b (v; u ) = U 1.v(t 1 ) + F (û, τ) v(τ)dτ est bie défiie, liéaire et cotiue sur P K ( ; E). Aisi b (.; u ) P K+1 ( ; E). Soit (u, U) P K ( ; E) E arbitraire fixe. O costruit la suite (u m, U m )} m= de la maière suivate : supposos coue (u m, U m ) P K ( ; E) E, (u m+1, U m+1 ) P K ( ; E) E est la solutio du problème U m+1.v (t ) u m+1 (τ) v (τ)dτ = b (v ; u m ), (18) pour tout v P K+1 ( ; E). Motros que la suite u m } m= m= est de Cauchy das PK ( ; E). O a F (û m+1, τ) [ F (û m, τ) q(τ) u m+1 (τ) u m (τ) + (β j (û m+1 )χ [τj, )(τ) β j (û m )χ [τj, )(τ). Pour les v qui vérifiet O trouve v (t) = t t v (t) = ( u m+1 v (t ) =. (u m+1 u m ) (t) sur I, u m )(τ) dτ h 1/2 D après le Lemme 4.1 et e utilisat l équatio (18), o motre que u m+1 u m, h 1/2 u m+1 u m,. [ q, u m u m 1, + h 1/2 Λe Λ ζ m ζ m 1, avec ζ j = u (τ j ), j J, et ζ m ζ m 1, = sup u m (τ j ) u m 1 (τ j ) ; j J }. Pour j J 1 o a ûm (τ j ) = (τ j ) car les u k, k = 1,..., 1, sot fixes. E utilisat les iégalités suivates (voir Delfour et Dubeau û m 1 [3) o trouve ζ m ζ m 1, h 1/2 [ ζ m ζ m 1, + h ζ m ζ m 1 1, ζ m ζ m 1 1, ch 1 ζ m ζ m 1,, u m+1 u m, ch 1/2 q, u m u m 1,. Si h est suffisammet petit, la suite u m } m= est de Cauchy das PK ( ; E). Alors u m P K ( ; E). Par cotiuité o trouve u (τ) v (τ)dτ = b (v ; u ) pour tout v H 1 ( ; E), tel que v (t ) =. u das

14 Si o pred v (t) = V E sur das l équatio (18) o obtiet U m+1.v = b (V ; u m ) pour tout V das E. Doc U m } m= coverge vers U E et U.V = b (V ; u ) pour tout V E. Soit w (t) = v (t) v (t ) avec v (t) H 1 ( ; E). O a u (τ) ẇ (τ)dτ = b (w ; u ) car w (t ) = et o obtiet u (τ) v (τ)dτ = b (v ; u ) b (v (t ); u ) = b (v ; u ) U.v (t ). D où (u, U ) est ue solutio de l équatio (17) sur l itervalle. 5 L erreur L 2 et aux oeuds 5.1 Résultats de covergece Théorème 5.1 Soit x H K+1 (, T ; E) alors If x u, : u P K ( ; E)} ch k+1 x K+1,, (19) If x u h : u h I = u P K ( ; E)} ch k+1 x K+1. (2) Posos e, = u x R,, e = u x R, e, = u x R,, E = U x R (t ), e 1, = u x R 1,, e 1, = u x R 1,, e, = sup u (τ j ) x R (τ j ) : j J } et e, = sup û (τ j ) x R (τ j ) : j J } avec u P K ( ; E). Théorème 5.2 Sous les hypothèses du Théorème 3.3 et si h est assez petit, û N x R (t) < c h 1 x (1) R, (21) max U x R (t ) ; =, 1,.., N} ch 1 x (1) R, (22) où û N = N u χ [t 1,t. =1 Démostratio :O va faire u raisoemet de proche e proche. O suppose que E k = U k x R (t k ) = O(h), k = 1,..., 1, u x R,[,t 1 = O(h) (i.e. u x R,[,t 1 ch) et regardos ce qui se passe sur l itervalle = [t 1, t. Des problèmes suivats trouver x H 1 ( ; E), avec x 1,..., x 1 déjà doés et x = x R I, tel que x R (t ) v (t ) I x R (τ) v (τ)dτ = x R (t 1 ) v (t 1 ) + F (x R, τ) v (τ)dτ, pour tout v H 1 ( ; E) et trouver u H 1 ( ; E) avec u 1,..., u 1 déjà doés, tel que U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + F (û, τ) v (τ)dτ, pour tout v H 1 ( ; E),

15 o trouve [U x R (t ) v (t ) (u (τ) x R (τ)) v (τ)dτ = [U 1 x R (t 1 ) v (t 1 ) + [F (û, τ) F (x R, τ) v (τ)dτ. (23) Preos v = U x R (t ) das cette équatio alors o a U x R (t ) 2 U 1 x R (t 1 ) U x R (t ) + U x R (t ) F (û, τ) F (x R, τ) dτ, par suite De plus o a Alors o obtiet la majoratio suivate U x R (t ) U 1 x R (t 1 ) + F (û, τ) F (x R, τ) dτ. F (û, τ) F (x R, τ) dτ q(τ) (u (τ) x R (τ)) + ((β j (û ) β j (x R ))χ [τj, )(τ) dτ, q, u x R, + Λe Λ h 1/2 q, û x R,. (24) E E 1 + q, e, + Λ e Λ q, h 1/2 max û (τ j ) x R (τ j ) : j J }, E 1 + q, e, + Λ e Λ q, h 1/2 (e, 1 + e, ). Or e, h 1/2 [e, + h e 1,, voir [3, d où E E 1 + (1 + Λ e Λ ) q, e, + Λ e Λ h 1 e 1, q, + Λ e Λ q, h 1/2 e, 1. De plus e 1, u u 1, + e 1, et u u 1, ch 1 u u,. Doc o obtiet E E 1 + (1 + Λ e Λ ) q, e, + Λ e Λ h 1 ch 1 u u, + e 1, + h 1/2 e, 1 } q,. (25) Preos v tel que v (τ) = (u u )(τ), t et v (t ) = das l équatio (23) u (τ) u (τ) 2 dτ u (τ) x R (τ)) u (τ) u (τ) dτ + E 1 u (τ) u (τ) dτ +h 1/2 u u, F (û, τ) F (x R (τ), τ) dτ. Alors e utilisat (24) o trouve doc u u 2, u u, u x R, + h 1/2 E 1 u u, +h 1/2 q, u u, [ u u, + u x R, + Λ e Λ h 1/2 (e, 1 + e, ), u u, e, + E 1 h 1/2 + h 1/2 q, e, + h q, Λ e Λ (e, 1 + e, ), e, + E 1 h 1/2 + h 1/2 q, u u, + e, } +h q, Λ e Λ (e, + h e 1, )h 1/2 + h q, Λ e Λ e,, e, + E 1 h 1/2 + h 1/2 q, u u, + e, } +h q, Λ e Λ h 1/2 [e, + c u u, + h e 1, + h q, Λ e Λ e, 1.

16 Par suite [1 h 1/2 q, (1 + (1 + c)λ e Λ ) u u, E 1 h 1/2 + e, [1 + h 1/2 q, (1 + Λ e Λ ) + h 3/2 q, Λ e Λ e 1, + h q, Λ e Λ e, 1. Posos θ = h 1/2 q, (1 + (1 + c)λ e Λ ) alors l équatio précédete deviet u u, Efi o a la majoratio suivate u u, + 1 E 1 h 1/2 + e, (1 + θ ) + h 3/2 q, Λ e Λ e 1, + h q, Λ e Λ e, 1 }. 1 } h 1/2 E 1 + (1 + θ )e, + h 3/2 q, Λ e Λ e 1, 1 h q, Λ e Λ e, 1. (26) E utilisat cette iégalité pour la majoratio de l erreur das L 2 (, T ; E), o obtiet Alors e, e, + u u,, e, + 1 [ h 1/2 E 1 + (1 + θ )e, + h 3/2 q, Λ e Λ e 1, + 1 h 1 q, Λ e Λ e, 1. e, 1 [ h 1/2 E 1 + 2e, + h 3/2 q, Λ e Λ e 1, + h 1 q, Λ e Λ e, 1. (27) De même pour la majoratio de l erreur aux oeuds, o utilise l équatio (26), alors l équatio (25) deviet D où E E 1 + q, (1 + Λ e Λ ) [e, + u u, + Λ e Λ q, [h e 1, + c u u, + q, Λ e Λ h 1/2 e, 1, E 1 + q, (1 + Λ e Λ )e, + h Λ e Λ q, e 1, + q,(1 + Λ e Λ ) + c q, Λ e Λ [ h 1/2 E 1 + (1 + θ )e, + h 3/2 q, Λ e Λ e 1, + q, Λ e Λ h 1/2 e, 1 + c q, (1 + Λ e Λ )h q, Λ e Λ e, 1. E 1 + q,λ e Λ h 1/2 E 1 1 θ [ +e, (1 + Λ e Λ ) q, θ ( q, (1 + Λ e Λ ) + q, Λ e Λ ) [ +e 1, h q, Λ e Λ + h 3/2 q, Λ e q,(1 + Λ Λ e Λ ) + c q, Λ e Λ [ +Λ e Λ h 1/2 q, e, c (1 + Λ e Λ )h 1/2 q,.

17 Pour h suffisammet petit, le coefficiet de e, 1 peut être réarragé et majoré comme suit [ Λ e Λ h 1/2 q, 1 + c (1 + Λ e Λ )h 1/2 q, Λ e Λ h 1/2 q, (1 + c θ ), Le coefficiet de e, est égal à (1 + Λ e Λ ) q, Le coefficiet de e 1, est majoré par Doc o trouve (1 + Λ e Λ ) q, (3 + θ ). c θ. } Λ e Λ ( ) + (1 + θ ) + c(1 + θ ) 1 + Λ e Λ h q, Λ e Λ [ + θ h 1/2 + ch 1/2 q, Λ e Λ h q, Λ e Λ [ 1 + ch 1/2 q, Λ e Λ. E 1 + θ E 1 + q,[1 + Λ e Λ c (3 + θ )e, + c θ + 1 h q, Λ e Λ (1 + q, h 1/2 Λ e Λ c) e, 1 } e 1,. Si o pred α = 1+θ 1 θ, β = q,[1+λ e Λ c 1 θ (3 + θ ), γ = 1 1 θ h q, Λ e Λ (1 + q, h 1/2 Λ e Λ c)} et δ = c θ 1 θ, o trouve E α E 1 + β e, + γ e 1, + δ e, 1. De proche e proche o motre que avec la covetio E ( α i )E + k=m + i=1 j 1 ( α i )β j e, j + j= i=1 j 1 ( α i )δ j e, j j= i=1 α k = 1 si < m. Doc E KE + K β j e, j + K j= où K est défii comme suit α = 1+θ 1 θ j 1 ( α i )γ j e 1, j j= i=1 γ j e 1, j + K j= = 1 + 2θ 1 θ, K = i=1 δ j e, j, j= α i = (1 + 2θ i 1 θ i ) e 2 petit de telle sorte que θ l < 1/2 pour tout l de l esemble 1,..., N}, alors 1 θ i > 1/2 d où Doc K e 4 θ i i=1 <. O a égalemet i=1 β j e, j ( β j) 2 1/2 e j= j= i=1 θ i 1 θ i. Si h est assez θ i 1 θ i 2θ i.

18 où e = ( e 2, j )1/2. De même si o pred e 1 = ( e 2 1, j )1/2 o trouve j= O motre que j= γ j e 1, j ( γ j) 2 1/2 e 1. j= j= β j 2 = j= m= β 2 m max (3 + θ l) 2 (1 θ l ) 2, l } m= q 2,m(1 + Λ m e Λm c) 2. Si h est suffisammet petit pour que θ i 1/2, o aura β j 2 c(1 + Λe Λ c) 2 q 2. j= Puisque 1 + h 1/2 Λ e Λ c q, 1 + θ doc γ h 1 1 θ q, Λ e Λ (1 + θ ), o obtiet γ j 2 c q 2,m(Λe Λ c) 2 h 2. j= O a aussi δ j = j= δ k = k= 2c θ k, k= k= c θ k 1 θ k, 2hc q (1 + cλe Λ ). Fialemet E KE + Kc(1 + Λe Λ c) q e + c q (Λe Λ c)h 1 e 1 + K2c q h 1 (1 + cλe Λ )e, j. O a e, h 1/2 [e, + h e 1, de plus doc e 1, e 1, + u u 1,, e 1, + ch 1 u u,, e, h 1/2 e, + h 1/2 e 1, + ch 1/2 u u,, h 1/2 e, + h 1/2 u u, + h 1/2 e, + ch 1/2 u u,, 2h 1/2 e, + (1 + c)h 1/2 u u,, 2h 1/2 1/2 (1 + c) e, + h h 1/2 E 1 + (1 + θ )e, + h 3/2 q, Λ e Λ e 1, + h q, Λ e Λ e, 1 }, O(h 1/2 ) + ce 1 + O(h 1 ) + O(h 3/2 ) + 1 h 1/2 q, Λ e Λ e, 1.

19 D autre part e, 1 [h 1/2 E 1 + 2e, + h 3/2 q, Λ e Λ e 1, +h q, Λ e Λ e, 1 d où e C[ max E + 2e + h 3/2 max q, Λ e Λ, = 1,..., N}e 1 +h 1/2 max q, Λ e Λ, = 1,..., N}e, 1. Reveos au raisoemet par récurrece. Pour = 1 o a E = U x = alors E 1 = O(h), doc le résultat est vrai pour E 1 et e,1. Supposos qu il soit vrai jusqu a 1 et motros qu il est vrai pour. Puisque E 1 = O(h) et e,1 = O(h) alors e,1 O(h 1/2 ) ; et par suite e,2 O(h 1/2 ). Efi e,l = O(h 1/2 ) pour tout l alors E C(E + O(h 1 ) + O(h 3/2 )), e [E + O(h ) + O(h 3/2 ). Théorème 5.3 Sous les hypothèses du Théorème 3.3 et si h est assez petit, o a + β j (û N )χ [τj, ) x ch 1 x (1) ûn R, (28) max U + β j (û N )χ [τj, )(t ) x(t ) x ; =, 1,.., N ch1 (1) R (29) où x est la solutio de (1). Démostratio :O a x(t) = x R (t) + β j (x R )χ [τj, )(t ) alors + β j (û N )χ [τj, ) x ûn û N x R + [β j (û N ) β j (x R )χ [τj, ). E utilisat la défiitio de la orme., o trouve [β j (û N ) β j (x R )χ [τj, ) N 2 } 1/2 = [β j (û =1 N ) β j (x R )χ [τj, ),, N λ j e Λ max û =1 N (τ i ) x R (τ j ), i J } 2, } 1/2,

20 N e Λ e,n } 1/2 λ j 2,, =1 h 1/2 N ( λ j ) 2 } 1/2 e Λ e,n, =1 h 1/2 Λe Λ e,n. E utilisat les résultats du théorème précédet o trouve l iégalé (28). Pour obteir la majoratio (29) o suit le même procédé. 5.2 Résultats de supercovergece pour les systèmes o liéaires Das ce paragraphe o suppose que les impulsios e dépedet pas de l état c est à dire que α j (x(τj )) = α j. Das ce cas o aura β j (x R ) = α j pour tout j J, de plus l hypotèse (b) du Théorème 3.3 deviet α j <. Avec cette coditio l équatio (17) deviet trouver ũ h = (U,..., U N ; u 1,..., u N ) U h tel que U = x et pour = 1,..., N U v (t ) u (τ) v (τ)dτ = U 1 v (t 1 ) + f(u (τ) + (3) α j χ [τj, )(τ), τ) v (τ)dτ, pour tout v P K+1 ( ; E). Pour les systèmes o liéaires ous utilisos les résultats de Théorème 5.2 pour prouver que si la foctio F vérifie des hypothèses supplémetaires alors o peut obteir des ordres de covergece plus élevés. Théorème 5.4 Si A L 2 (, T ; L(E)) et f L 2 (, T ; E) alors l uique solutio w du système ẇ(t) = A(t)w(t) + f(t), w() = α est das H 1 (, T ; E), l applicatio (x, f) w de E L 2 (, T ; E) das H 1 (, T ; E) est liéaire cotiue et il existe ue costate c tel que w 1 c α + f }. Démostratio :Voir [4. Lemme 5.1 Soit x ue foctio défiie sur [, T à valeur das E, sur chaque sous-itervalle o désige so iterpolatio de Lagrage de degré par x. Si x H 1, ous avos x x, ch 1 x 1, ch 1 x 1, et x I x ch 1 x 1 ch 1 x 1. Démostratio :Voir [1.

21 Théorème 5.5 Supposos que la solutio du problème (5) est das H 1 (, T ; E), que la solutio de (13) existe et que les coditios suivates sot vérifiées : (i) la matrice A(t) = F x (x(t), t), a ij (t) = F i x j (x(t), t), 1 i, j d avec d = dime, est das H 1 (, T ; E), (ii) il existe u voisiage V de l origie de E et ue costate B tels que pour tout t [, T et y x R (t) + V F (y, t) F (x R (t), t) A(t)(y x R (t)) B y x R (t) 2. Alors il existe ue costate c idépedate de h telle que lorsque h est suffisammet petit max U x R (t ) : =, 1,.., N} c u x R [h 1 + u x R, (31) max U + α j χ [τj, )(t ) x(t ) : =, 1,.., N c u x R [h 1 + u x R. (32) Démostratio :Preos v = (v 1, v 2,..., v N ) N =1 P 1 ( ; E) tel que v (t ) = v +1 (t ) pour = 1,..., N 1 das (13) et e additioat cette derière pour les premiers itervalles ous obteos (x R (t ) U ) v (t ) = (x R u i, v i ),i + (F (x R ) F (u i ), v i ),i. (33) Soit w la solutio de l équatio différetielle suivate ẇ(t) + A T (t)w(t) =, i=1 w(t ) = x(t ) U. D après (i) et le Théorème 5.4 w est das H 1 (, t ; E). Si w I est l iterpolée cotiue de w das N avec w I (t ) = x(t ) U, le Lemme 5.1 et le Théorème 5.4 ous doet Substituat w I à la place de v das (33), o trouve x R (t ) U 2 = (x R u i, ẇi I + A T wi I ),i + i=1 Par costructio de w et l hypothèse (ii), cette équatio deviet i=1 =1 (34) P 1 ( ; E) w w I 1 ch 1 w ch 1 x(t ) U. (35) (F (x R ) F (u i ) A(x R u i ), wi I ),i. i=1 x R (t ) U 2 = x R u w I i + A T w I i + B x R u 2 w I. (36) O a w I w + w w I et d après (35) o trouve w w I ct 1/2 ẇ ẇ I. ch 1 x R (t ) U, d où w I c x(t ) U si h est suffisammet petit. Egalemet ẇ I + A T w ẇ I ẇ + A T (w I w) c w I w 1 che. E utilisat ces iégalités das (36) ous obteos x R (t ) U = c x R u [h + x R u et grâce à (2.32) o obtiet x(t ) U = ch 2 x (1) [1 + x (1) d où le résultat.

22 5.3 Résultats de supercovergece das le cas liéaire Das ce paragraphe o suppose que f(x(t), t) = A(t)x(t) + b(t) où A(t) est ue matrice de dimesio d d dot les élémets sot mesurables et borés sur [, T alors si α j < o a l existece et l uicité de la solutio du problème (13) das H 1 (, T ; E). Lemme 5.2 Soit w H K+2 ( ; E) telle que ẇ(t) + A T w(t) =, w(t ) = E. alors w (l), c E (l = 1,..., K + 1), (37) w (l), ch 1/2 E (l =,..., K + 2). (38) De plus soit v P K ( ; E) telle que alors v(t) = E P K (ẇ)(τ)dτ, v, (1 + ch) E, (39) v w, ch K+2 E, (4) v w, ch K+5/2 E, (41) v ẇ, ch K+3/2 E. (42) Démostratio :Voir [2, Lemme 5.7. Lemme 5.3 L iégalité suivate est vérifiée N (1 + ch 1/2 q, ) exp(ct 1/2 q ). (43) =1 Démostratio :Voir [2, Lemme 5.4. Théorème 5.6 Sous les hypothèses du Théorème 3.3 et si les impulsios e dépedet pas de l état, alors pour h assez petit et tout u P k+1 ( ; E) o a [ U x R (t ) 1 + ch 1/2 q, U 1 x R (t 1 ) + c q, u x R,, (44) Démostratio :Voir [3, Théorème 4.1. u x R, ch 1/2 U 1 x R (t 1 ) + c u x R,. (45) Remarque 5.1 Lorsque les élémets de A sot das H 1 (, T ; E), alors ils sot cotius et borés, doc q est borée et pour tout itervalle, q, est proportioelle à h 1/2.

23 Théorème 5.7 Supposos que f(x(t), t) = A(t)x(t) + b(t) où b(t) et les coloes de A(t) sot mesurables et das H K+1 (, T ; E) et que α j <. Alors pour h assez petit o a U x R (t ) (1 + ch) [ U 1 x R (t 1 ) + ch K+3/2 u x R,. Démostratio :De l équatio (23) avec φ j (u (τ 1 ),..., u (τ j )) = α j (j J), o trouve [U x R (t ).v (t ) = [U 1 x R (t 1 ).v (t ) + (u (τ) x R (τ)). v(τ)dτ I + (A(τ) [u (τ) x R (τ).v (τ)dτ = [U 1 x R (t 1 ).v (t ) + (u (τ) x R (τ)). [ v(τ) + A T (τ)v (τ) dτ. Utilisos v défiie das le lemme (5.2), avec E = U x(t ) alors o obtiet et d après l équatio (39) De l iégalité de schwartz o déduit De plus [U 1 x R (t 1 ).v (t 1 ) v, U 1 x R (t 1 ) [U 1 x R (t 1 ).v (t 1 ) (1 + ch) U 1 x R (t 1 ) E. (u (τ) x R (τ)) [ v(τ) + A T (τ)v (τ) dτ u x R, v + A T v,. v + A T v, = v ẇ + A T (v w), w défiie das le lemme (5.2) max(1, A T )( v ẇ, + v w, ) max(1, A T )(ch K+3/2 + ch K+5/2 ) E d aprés (41) et (42) ch K+3/2 (1 + ch) E. D où [ U 1 x R (t 1 ) (1 + ch) U 1 x R (t 1 ) + ch K+3/2 u x R., Théorème 5.8 Sous les hypothèses du Théorème 5.7 o a le résultat suivat U x R (t ) c U x + h K+2 x (1) R α j.

24 Démostratio :Du Théorème 5.7 o a et du Théorème (5.6) U x R (t ) (1 + ch) [ U 1 x R (t 1 ) + ch K+3/2 u x R, U x R (t ) (1 + ch) [ U 1 x R (t 1 ) (1 + ch K+2 ) + ch K+3/2 u x R,. De Lemme (5.3) o trouve U x R (t ) (1 + ch) [ U x + ch K+3/2 u i x R,i puisque la solutio de (7) est das H 1 (, T ; E). Du Théorème 5.1 o obtiet le résultat. i=1 6 Forme géérale de la solutio du problème approché Das ce paragraphe o suppose que E = IR et o écrit P K ( ) et P K (, 1) au lieu de P K ( ; E) et P K (, 1; E). Nous allos choisir des bases pour P K (, 1) et P K+1 (, 1) et e déduire des bases pour P K ( ) et P K+1 ( ), = 1,.., N. Pour celà choisissos ue formule d itégratio umérique à (k + 1) poits 1 ψ (ζ) dζ = K+1 k=1 a k ψ(η k ), (46) où η 1... η l η l+1... η K+1 1, qui soit exacte pour les polyômes de degré iférieur où égal à (2K + 1). Soit ϕ k : k = 1,.., K + 1} les polyômes d iterpolatio de Lagrage associés aux K + 1 poits η k } K+1 k=1 ϕ k (ζ) = K+1 i=1,i k ζ η i η k η i, ζ 1, k = 1,..., K + 1. (47) les polyômes ϕ 1,..., ϕ K+1, formet ue base de P K (, 1). O défiit ψ k (t) = 1 t ϕ k(ζ)dζ t 1, k = 1,.., K + 1, ψ (t) = 1 t 1. (48) Alors ψ,..., ψ K+1 formet ue base de P K+1 (, 1). Pour obteir ue base de P K ( ) et P K+1 ( ), où = [t 1, t, o pose pour t ϕ k (t) = ϕ k ( t t 1 h ), k = 1,..., K + 1, (49) ψ k (t) = ψ k ( t t 1 h ), k =,..., K + 1. (5) La famille ϕ k } K+1 k=1 forme ue base de PK ( ), doc pour tout u P K ( ) o a u (t) = K+1 k=1 u k ϕ k (t) t, (51)

25 avec u k = u (t k ), t k = t 1 + h η k et k = 1,..., K + 1. Si o pred v (t) = ψ (t) = 1 pour tout t das (17) o obtiet U = U 1 + f(u (t) + β j (û )χ [τj, )(t), t))dt. (52) Pour v = ψ k, k = 1,..., K + 1 (17) deviet U ψ k (t ) u ψ k (t)dt = U 1 ψ k (t 1 ) + f(u (t) + β j (û )χ [τj, )(t), t)ψ k (t)dt. Or et ψ k (t 1 ) = ψ k () = u (t) ψ k (t)dt = ψ k (t ) = ψ k (1) =, K+1 j=1 K+1 = j=1 j=1 1 ϕ k (ζ)dζ = K+1 l=1 a l ϕ k (η l ) = a k ( u j ϕ k (t) I 1 ψ k ( t t ) 1 ) dt, h h u j 1 i=1 ϕ j (ζ)ϕ k (ζ)dζ où ζ = t t 1 h, K+1 K+1 = u j a j ϕ j (η i )ϕ k (η i ), = u k a k. D où pour k = 1,.., K + 1 o a u k a k = U 1 a k + f(u (t) + β j (û )χ [τj, )(t), t)ψ k (t)dt et doc u k = U a k pour k = 1,.., K + 1, avec u (τ j ) = K+1 k=1 Nous avos alors les résultats suivats. f(u (t) + u k ϕ(τ j ). Théorème 6.1 L équatio (7) est équivalete à U = x et pour = 1,..., N K+1 u (t) = U 1 + k=1 ϕ k (t) a k f(u (t) + β j (û )χ [τj, )(t), t)ψ k (t)dt, (53) β j (û )χ [τj, )(t), t)ψ k (t)dt et U = U 1 + f(u (t) + β j (û )χ [τj, )(t), t)dt, où û est la foctio défiie par (16).

26 Corollaire 6.1 O suppose que l itégrale qui cotiet le terme o liéaire f est évaluée par la formule d itégratio (46) qui est exacte pour les polyômes de degré iférieur où égal à 2K + 1, alors l équatio (7) ous doe le système U = x, u k = U 1 + h K+1 a l f(u l + β j (û )χ a [τj, )(t l ), t l )ψ k (η l ), k l=1 K+1 U = U 1 + h l=1 a l f(u l + pour k = 1,..., K + 1 et = 1,..., N, avec u (τ j ) = K+1 7 Tests umériques β j (û )χ [τj, )(t l ), t l ). k=1 u k ϕ(τ j ) et û est la foctio défiie par (16). Pour justifier umériquemet os résultats de covergece ous cosidéros deux exemples. Das le premier exemple, ous preos l équatio différetielle liéaire suivate ẋ(t) = 2tx(t), t [, 1, x() = 1. Das le deuxième exemple ous preos l équatio différetielle o liéaire suivate ẋ(t) = 2tx 2 (t), t [, 1, x() = 1. Notos que das le deuxième exemple les hypothèses du Théorème 5.5 sot satisfaites avec B=2. Pour les figures 1 et 2 ous cosidéros le premier exemple avec ue seule impulsio qui déped de l état au poit.5 avec α 1 (x(.5 )) = x(.5 ). Nous cosidéros das la suite deux cas pour les deux exemples. Das le premier cas ous supposos que ous avos 1 impulsios aux poits τ i = 7i (2) 1 4 et α i = ( 1) i+1. Pour le deuxième cas ous supposos que ous avos u poit d accumulatio au poit 1/3, avec τ i = i+1 et α i = 1 2 i. Pour chaque cas ous calculos le logarithme de l erreur das L 2 (, T ) (l(el2)) et le logarithme de l erreur aux oeuds (l(en)) e foctio du logarithme de pas de la partitio l(h).

27 Référeces [1 P.G. Ciarlet, The Fiite Elemet Method for Elliptic Problems, North-Hollad, Amsterdam, [2 M.C. Delfour et F. Dubeau, Fixed mesh Approximatio of Ordiary Differetial Equatios with Impulses, Numer. Math., 78 (1998), [3 M.C. Delfour et F. Dubeau, Discotious Polyomial Approximatios i the Theory of Oe-Step, Hybrid ad Multistep Methods for Nolieair Ordiary Differetial Equatios, Math. Comp., 47 (1986), et s1-s8. [4 M. Delfour, W. Hager et F. Trochu, Discotious Galerki Methods for Ordiary Differetial Equatios, Math. Comp., 36 (1981), [5 F. Dubeau, Approximatio polyômiale par morceaux des équatios différetielles, Thèse de Ph.D., Uiversité de Motréal, Février [6 F. Dubeau, Existece, Uiqueess ad Approximatio of the Solutio of a ODE with (Ifiitely May) State-Depedet Impulses via a Fixed Mesh Galerki Formulatio, Approx. Theory ad its Appl., 15 (1999), [7 F. Dubeau, O First Order Ordiary Differetial Equatios with Ifiitely May State-Depedet Impulses, Differetial Equatios ad Dyamical Systems, 5 (1997), [8 F. Dubeau, A. Ouasafi et A. Sakat, Équatios différetielles ordiaires avec impulsios qui dépedet de l état, à paraître das les Aales des Scieces Mathématiques du Québec, (21). [9 J.L. Lios et E. Magees, Problèmes aux limites o homogèes et applicatio, Vol. 1, Duod, Paris, 1968.

28 K= -2-4 K=1 K=2-6 log e log h Fig. 1 L erreur aux oeuds pour ue seule impulsio qui déped de l état K= -2-4 K=1 K=2-6 log erl log h Fig. 2 L erreur L 2 pour ue seule impulsio qui déped de l état -5 k= k=1 k=2-1 l(e) l(h) Fig. 3 L erreur aux oeuds pour l exemple 1 avec 1 impulsios

29 -2 k = -4 k = 1 k = 2-6 l(el2) l(h) Fig. 4 L erreur L 2 pour l exemple 1 avec 1 impulsios 5 k= k=1 k=2-5 l(e) l(h) Fig. 5 L erreur aux oeuds pour l exemple 1 avec ue ifiité d impulsios 5 k= k=1 k=2-5 l(el2) l(h) Fig. 6 L erreur L 2 pour l exemple 1 avec ue ifiité d impulsios

30 -5 k = k = 1 k = 2-1 l(e) l(h) Fig. 7 L erreur aux oeuds pour l exemple 2 avec 1 impulsios -4 k= -6 k=1 k= l(el2) l(h) Fig. 8 L erreur L 2 pour l exemple 2 avec 1 impulsios k = k = 1 k = 2 l(e) l(h) Fig. 9 L erreur aux oeuds pour l exemple 2 avec ue ifiité d impulsios

31 4 k= 2 k=1 k=2-2 l(el2) l(h) Fig. 1 L erreur L 2 pour l exemple 2 avec ue ifiité d impulsios

1 Mesure et intégrale

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

Plus en détail

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

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

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

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

Plus en détail

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

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

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

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

Plus en détail

Processus et martingales en temps continu

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Etude de la fonction ζ de Riemann

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

Plus en détail

Suites et séries de fonctions

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

Plus en détail

14 Chapitre 14. Théorème du point fixe

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

Plus en détail

Séries réelles ou complexes

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

Plus en détail

Limites des Suites numériques

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

4 Approximation des fonctions

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

Plus en détail

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

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

Plus en détail

Statistique descriptive bidimensionnelle

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

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

Les Nombres Parfaits.

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

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

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

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

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

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

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

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

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

Plus en détail

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

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

Plus en détail

Introduction : Mesures et espaces de probabilités

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

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

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

Plus en détail

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

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

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

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

Plus en détail

Comportement d'une suite

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

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail

Chaînes de Markov. Arthur Charpentier

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

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

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

Plus en détail

Exercices de mathématiques

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

Plus en détail

Statistique Numérique et Analyse des Données

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

Plus en détail

20. Algorithmique & Mathématiques

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

Plus en détail

Module 3 : Inversion de matrices

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

Plus en détail

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

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

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

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

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

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

Plus en détail

DETERMINANTS. a b et a'

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

Plus en détail

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

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

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

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

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

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

Plus en détail

Cours de Statistiques inférentielles

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

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

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

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

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

Plus en détail

Probabilités et statistique pour le CAPES

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

Plus en détail

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

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

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

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

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

Plus en détail

Solutions particulières d une équation différentielle...

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

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Séries numériques. Chap. 02 : cours complet.

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

Plus en détail

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

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

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

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

Plus en détail

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

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

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de

Plus en détail

Initiation à l analyse factorielle des correspondances

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

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

En général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser

En général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser Chapitre VI Méthodes Itératives Equatios o Liéaires E pratique, o est souvet coroté à la résolutio d u système d équatios o liéaires. C estàdire pour ue octio tel que doée, o cherche u poit (0.1) E gééral,

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

Petit recueil d'énigmes

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Dominique Tapsoba, Vincent Fortin, François Anctil et Mario Haché

Dominique Tapsoba, Vincent Fortin, François Anctil et Mario Haché 289 NOTE / NOTE Apport de la techique du krigeage avec dérive extere pour ue cartographie raisoée de l équivalet e eau de la eige : Applicatio aux bassis de la rivière Gatieau Domiique Tapsoba, Vicet Forti,

Plus en détail

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

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

Plus en détail

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Principes et Méthodes Statistiques

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

Plus en détail

Neolane Leads. Neolane v6.0

Neolane Leads. Neolane v6.0 Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio

Plus en détail

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

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

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail

CAMERA HYPERFREQUENCE POUR LA MESURE ET L ANALYSE DE LA SER DES CIBLES SCINTILLANTES

CAMERA HYPERFREQUENCE POUR LA MESURE ET L ANALYSE DE LA SER DES CIBLES SCINTILLANTES N D ORDRE 8688 UNIVERSITE PARIS-SUD XI Faculté des Scieces d Orsay THÈSE DE DOCTORAT SPECIALITE : PHYSIQUE Ecole Doctorale «Scieces et Techologies de l Iformatio des Télécommuicatios et des Systèmes» Yoa

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables

Plus en détail

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

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

Plus en détail

Problème 1 : applications du plan affine

Problème 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 détail