Académique Documents
Professionnel Documents
Culture Documents
Notions fondamentales
A. Boucena
2016-2017
Plan
4 Matrices
Plan
4 Matrices
Plan
4 Matrices
Plan
4 Matrices
Plan
4 Matrices
EDP
‘
Definition
Une équation aux dérivées partielles (E.D.P) est une relation
faisant intervenir les variables indépendantes x1 , . . . . . . , xn , la
fonction U et ses dérivées partielles.
Exemple
Si U est une fonction de deux variables, une E.D.P peut s’écrire
par la relation :
Definition
On appelle ordre de l’E.D.P l’ordre le plus élevé des dérivées
partielles intervenant dans l’E.D.P.
Exemple
EDP linéaire
Definition
L’E.D.P est dite linéaire si f est linéaire par rapport à ses
arguments U et ses dérivées partielles.
Exemples
1 Equation de Poisson
∆(U) = f
est une E.D.P elliptique
2 Equation de la chaleur
∂U
= ∆(U) + f
∂t
est une E.D.P parabolique
3 Equation des ondes
∂2U
= ∆(U) + f
∂t2
est une E.D.P hyperbolique
Theorem
Les formules suivantes donnent des approximations des dérivées
de f au point x :
f (x + h) − f (x)
f′ (x) = + O (h) )(2
h
f (x) − f (x − h)
f′ (x) = + O (h) )(3
h
f (x + h) − f (x − h) ( )
f′ (x) = + O h2 )(4
2h
f (x + h) − 2f (x) + f (x − h) ( )
f′′ (x) = + O h2 )(5
h2
∂U Ui+1,j − Ui−1,j
|i,j = + O(h2 )
∂x h2
∂U Ui,j+1 − Ui,j
|i,j = + O(k) )(6
∂y k
∂U Ui,j − Ui,j−1
|i,j = + O(k) )(7
∂y k
∂U Ui,j+1 − Ui,j−1
|i,j = + O(k2 ) )(8
∂y 2k
)(9
∂2U Ui,j+1 − 2Ui,j + Ui,j−1
|i,j = + O(k2 )
∂y2 k2
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF
[ ] ∂U ∂U
∂2U ∂ ∂U |i,j+1 − |i,j−1
|i,j = = ∂x ∂x + O(k2 )
∂x∂y ∂y ∂x i,j 2k
En utilisant l’approximation de Ux par des différences finies
centrées d’ordre 2, nous obtenons :
∂U Ui+1,j+1 − Ui−1,j+1
|i,j+1 = + O(h2 )
∂x 2h
∂U Ui+1,j−1 − Ui−1,j−1
|i,j−1 = + O(h2 )
∂x 2h
Finalement :
∂2U 1
|i,j = [Ui+1,j+1 − Ui−1,j+1 − Ui−1,j−1 + Ui+1,j−1 ]+O(h+k2 )
∂x∂y 4hk
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF
Definition
Soit A ∈ Mn (R)
on dit que A est symétrique si At = A
on dit que A est définie positive si xt Ax > 0 , ∀x ∈ Rn , x ̸= 0
Theorem
Soit A ∈ Mn (R) .
Si A est symétrique et définie positive alors A est inversible.
Matrices monotones
Definition
Une matrice A ∈∈ Mn (R) est dite monotone si A est inversible
et si A−1 ≥ 0 i.e. tous les coefficients de A−1 sont positifs ou
nuls.
Matrices monotones
La terminologie est en fait justifée par le résultat suivant.
Theorem
Une matrice A est monotone si et seulement si
(Ax ≥ 0 ⇒ x 1 0).
Proof.
-Supposons tout d’abord que A soit une matrice monotone et
considérons x ∈ RN tel que Ax ≥ 0.
Montrons que x ≥ 0. La matrice A étant inversible. On écrit
x = A−1 Ax. Comme A−1 ≥ 0 et que Ax ≥ 0, on en déduit que
x ≥ 0.
Matrices monotones
Proof.
Supposons maintenant que que la propriété (Ax ≥ 0 ⇒ x ≥ 0)
soit vrais. Montrons d’abord que A est inversible. Soit x ∈ Rn
tel que Ax = 0. On déduit de l’hypothèse que x ≥ 0. De plus,
on a A(−x) = 0 d’ou l’on déduit également que −x ≥ 0. On a
ainsi établi que x = 0. il rest à montres que A−1 ≥ 0. Soit
alors y ∈ Rn tel que y ≥ 0 et on pose x = A−1 y et par
conséquent y = Ax ≥ 0. L’hypothèse implique que x ≥ 0 et
donc que A−1 y ≥ 0. Par des choix convenables de
y(y = (1, 0, · · · , 0)T , y = (0, 1, 0, · · · , 0)T , · · · , y = (0, · · · , 0, 1)T ),
on en déduit que A−1 ≥ 0 .
Schéma général
Schéma général