CPGE Mekues 1. IntRopuction Soit f une fonction & valeurs Sur un intervie [a, de intégrale : réelles, continues par morceaux 4 On souhait caller une valeur approchée Cette méthode se base sur une Par une fonction en escalier. Soit subdivision. our tou ener de (0 on pose: 04 = a+ 48) ur Vintervalle (44, 011), on approxime f par Ta f » axa pat ia fonction constante égale & (32), comme illustré dans la figure 1. On prend comme valeur approchée de I'ntégrale de f sor lo, 8), Timtégrale de la fonction en escalier ainsi consti, c'est dre — ‘des aires des rectangles (tous de méme base de longueur Pproximation de la fonction { ‘un enter et (82) un pas de [sas OF (oOo) tea) io Sets att ost atds 45h ates} Fig, 1. Méthode des recabges I], Métnope pes TRavizes Cette méthode consiste @ approximer la fonction f par une fonction continue affine par morceaux. Ceux-ci coincident avee Ja fonction f aux points de la subdivision comme montré dans Ja figure 2. En notant a, = a + k(%*) les points de la Ibdivision du segment (a, b, aire de chaque trapeze est égale , cest-i-dire, en sommant : [roe 82. (0510 100) MPSI-PCSI Fig. 2. Mlbode des tapdzes TV. METHODE DE SIMPSON On note toujours ay = a+ k(2=2). La méthode de Simpson consiste & approximer Ie graphe de Ia fonction sur chaque segment [a+4(42), a+(k+1)(42)] par un arc de parabole qui coincide avec le graphe de la fonction aux points d'abscisses a, axes et ssetaset" Bn notant fe la fonction paraboligue obtenue pour le segment [0}, a3) et my = 22*8442, on peut montrer que l'aie sous I'are de la parabole ainsi construite est égale 2 : [lear = 29% (705) +470) + Hose) Le résultat aprés sommation est une expression d'une valeur approchée de l'intégrale. [soae ) [1 10 +45 tna +25 2 ea ates ass Fig. 3. Méthode de Simpson J Prof Machhour.N ‘Méthodes d’intégrationZéro d’une fonction . 1. INTRODUCTION * Datis‘le probltmes dingéniere, il faut souvent rechercher les s6lutions d'une équation de la forme f(z) = 0, od f est une fonction & valeurs réelle. Le but est donc de trouver une solution ‘approchée en minimisant le temps d’exécution, mais en obtenant aund méme une bonne approximation, On considérera par la suite une fonction f continue sur un intervalle (a, b] 8 valeurs réelles,telle que J(a).f(b) < 0. D'aprés le théoréme des valeurs intermédiaires, 1a fonction f s'annule au ‘moins une fois sur Pintervalle [a,b]. II, MéTHODE pICHOTOMIQUE ag Ja recherche dichotomique, on calcule f(m) pour m = SEE si sla) et s(2F*) sont de méme sign, on recherche tun 2ér0 dans Tintervalle (m, b, sinon dans Vintervalle (0, rm]. en réitérant le procédé, la longueur de rvalle de recherche est chaque fois divisé par deux. Les nombres réels n’étant pas tous représentables en machine, il est souvent vain de chercher & obtenir Ia valeur exacte d'un zéro de f. I suffit de se fixer une marge d’erreur acceptable et compatible avec la représentation en machine des nombres réels. Soit n le nombre d’étapes, pour obtenir une précision ¢, il faudra que V'entier n vérifie V'inégalité In(b—a) —In(e) > ine) ine) ne Tal) Q) a De, c'est t dire oF Fig. 1. Méthode de dichotomie III, METHODE DE LAGRANGE OU DE LA FAUSSE POSITION Dans la. méthode de Lagrange, on approxime le graphe d'une fonction f entre les points dabscisses a et b par sa corde, c'est _ A dire par le segemnt de droite reliant les points de coordonnées (a, f(a))et(b, f(8)). L’abscisse zp du point d'intersection entre * fa Cotde et I’axe des ‘zx’ doriné une appioxitiation d’tin 2éro de Ja fonction. a i La corde a pour équation: TO=T8, 9 (a) = 2f(b) bf (a) FO) = fle) i "intervalle Il sufft ensuite de réitérer le procédé, en considérant linterv [zo, b| si f(2o) est du méme signe que {(a), et T'intervalle [a, zo] sinon, La suite construite converge vers un 2ér0 de f dans lintervalle (2, Fig. 2. Méthode de Lagrange IV, METHODE DE NEWTON La méthode de Newton (aussi appelée méthode de Newton- Raphson) consiste & approximer le graphe de la fonction au voisinage d'un point par la tangente en ce point. En un point 2p, la tangente a pour équation : y = f'(z)-(x — 20) + f(z0). Le point d'intersection de la tangente avec I'axe des x a pour abscisse: (zo) (a0 Soit Ia suite i) définie par: Then) F'n). 4 ‘Sous certaines conditions, la suite (z,,) converge trés rapidement ‘vers une solution de l'équation f(z) = 0. Dans le cas de la figure 3, il est préférable de partir du point d’abscisse 6 que de celui d'abscisse a. Pour appliquer la méthode de Newton, il est z= — np =n ig. 3. Mbthod de Newion nécessaire de disposer d'une fonction permettant de calculer une dérivée. C'est le probléme de la dérivation numérique. Prof Machhour.N Zéro d'une fonctionCPGE Meknis A. Dérivation numérique Pour calculer une valeur approchée de la dérivée d'une fonction ‘numérique en un point, une premigre approche consiste & calculer un taux d’aceroissement. Si la fonction f est suffisamment alors: fro +h ilies 0) ghey) + OU) crest a die: #"(2y) = SoM = Fle0) 4 Ory, La désivge peut ete approximel! par n-valeur S(zo+h) = Pie) in: hdond, i ufft-de prendee tra polit pour obtedie use ‘grande précision dans le calcul de la dérivée. I] ne faut toutefois ppas perdre de vue Ia représentation des nombres réels en informatique. Il ne sert A-rien: de prendre une valeur de ht ‘op petite, car dans ce cas Ierreur relative sur le calcul de ‘I(eo+h)— f(zo) peut re grande et conduire & une mauvaise approximation de f'(zx). Combiner f(zo-+h) et f(to—h) permet d’obtenir une meilleure approximation, comme le prouve le calcul suivant Haa+ A) = F(2a) +h" (2o) +H 9"(a) +0108) (Zo — h) = feo) — h.f"(zo) + Ss") +0(h4) = for He ites sh) 2 (ao) + O(h?) La formule 1849) floa—1) approxime mieux la détivée pour un méme hc}, car Vemeur est en O(%), et non en O(h) comme prévédemment. 2B. Mise en aurre de ta méthode de Newton Une fonction qui calcule une valeur approchée de la détivée est donc créée. Grice a elle, il est possible d'erire une fonction ayant pour argument une fonction f, une valeur de dépat z0 et ‘un nombre d'térations n, et qui applique la méthode de Newton Pour retourner le n?™ terme de la suite (24) k EN. MPSI-PCSI Prof Machhour.N Zéro dune fonctionfeel _| =e = ecpegesl ets fonction — Methede Hedbchonispa Fite = =p oA at) — ined wun Sets exp (ddOd 00d o8 BD) 9 | DOOVODD il Vv» bia By Fr T i pla ae 1]CPGE Meknes MPSI-PCSI Bibliothéques mathématiques : le module numpy 1, Bintiotnigue NuMPY INTRODUCTION Le module numpy est une biblioth¢que numérique apportant le suppor efficace de langes tableaux multidimensionnels, de faire des calculs matriciels et de routines mathématiques de haut niveau (fonctions spéciales, algebre linéaire, statistiques, etc.) Dans ce qui suit, on utilisera la convention suivante : >>> import numpy as np IL, LES TARLEAUX ET CALCUL MATRICIEL, Un tableau du module mumpy aura une dimension prédéfinie t tous les éléments qui le composent seront du méme type. ‘A. Fonction array Cette fonction prend en argument une liste et renvoie un tableau numpy ayant les mémes éléments. En cas de liste de listes, Vopérateur s'applique récursivement & chaque sous liste 1a valeur de retour est un tableau de tableaux . Fonetion matele : ‘La fonction matrix permet construire une matrice & partir «un tableau pour faite du calcul matrciel S55 0= nparran({(l,2,3).14,5,0))) >>> M =npamatriz(t) matriz({{1,2,3), (4,5,6))) ions matricielles >>> t= nparray( (fi, 6,71 (4,5,0),17, 8,9) eas Sa yet ~h 355 Miranspose() >>> Mitrace() >> MaM A 35> np.dot(M,M)~ soe 35 npllinalg.det(at) —> ater” 355 nplinalg.inv(M) G. Fonetion zeros >>> a np.array([1,2,3), déype = float) S552 np.array({(1,2), [3.1,4.6]}), dtype = int) TRE rom B. Fonction arange Cette fonction crée une séquence de nombres, en spécifient €ventuellement le début, la fin et le pas (similaire & range() pour ots eel 5 ea >>> np.arange(10, 30,5) #De 10 a 30(erclu) par pas de eaten SST ined P YR DYE 10 atements >>> mp.arange(0.5,2.1, 0.3) } array([0.5,0.8,1.1,1.4,1.7,2,)) C. Fonetion linspace Elle fait une répartition uniforme d'un nombre fixe de points centre un début et une fin (préférable a arange sur des réels. we un dei one £ 8 >>> np.linspace(1, 2,6) ——> array((1.,1.2, 1.4, 1.6,1.8,2.)) + zeros(n) : crée un tableau de longueur n contenant unique- ment des 0. + zeros((nym)) :crée un tableau 2D de n lignes et m colonnes composé uniquement de 0. >>> np.zeros(3) >>> np.zeros((3,2)) Hi, Fonction ones + ones(n) : crée un tableau de longueur n contenant unique- ‘ment des 1, ones((n,m)) : crée un tableau 2D avec n lignes et m colonnes composé uniquement de 1. >5> np.ones(2) >>> npones((2,3)) 1. Fonction eye Re ‘Cette fonction renvoie la matrice identité de ule n >>> np.eve(3) J. Accés aux été us des tableaux Pour un tableau 2D ou une matrice numpy, il est possible d'aceéder directement & 1'élément de ligne i et de colonne j avec 4a syntaxe Mfi,j] (alors qu'avec une matrice python “classique” il faudrait écrire Mili). saints >>> a= [2,3], [1,8] D. Fonction reshape 35> Mi nner La fonction reshape modifie le format d'un tableau sans | | 555 f(a] modifier le nombre total d’éléments (retoume un tableau 2D | | array((1,8)) partir d’un tableau 1D). >>> Mf, 0] [mbvbbey wed fl rerio >>> ¢ = nparray(([1,2,3,4,5,6)) wb) || S35 Mi: —1) >>> tureshape(2,3) array(([3,8}) array([{1, 2,3), >>> Mf1,0] (4,5,6)) 1 Prof Machhour.N 1 Bibliothéques mathématiques : le module numpyCPGE Meknés K, Opérations sur les tableaux _Les opérations usueles (addition, soustraction, multiplication, division) s'appliquent aux tableaux numpy en opérant coeicient par coefficient. >>> Mi = nparrayl(( 4h 5.2) >>> M2=np.ones((2,2)) >>> M1+M2 >>> M1-M2 S55 Mie M2 >>> M1/M2 >>> M1442 >>> V1 =nparray((t,5,3)) 355 V2-= nparray((2,4,7]) >>> np.vdot(V1,V2) #produit scalaire L. Fonetions mathématiques usuelles Cheque fonction mathématique usvelle posséde une fonction dans le module mumpy qu poséde lui ass les mémes fonctions mathématiques existantes dans le module math qui peuvent faire des opérations sur les objets de type float. Par exemple smath.exp el numpy.exp Leevantage des fonctions usueles numpy, c'est que si T est ‘un tableau numpy, tel que : T= np.arrey({to\t1s.-+ tal)» Vappel d'une fonction usuelles J(7) renvoie un tableau array([f(ta), (ti): {(tn-a)))- Ce mécanisme seppliqne aussi aux maces >>> t= np.array(|1,0)) >>> np.cos(t) array((0.54030231, 1) >5> importmath Gat a 3Eo rete) tel nay Ego TypeError: only length ~ 1 arrays can be conver to Python scalars M, Autres fonctions rad2deg, deg2rad : conversion de radians en dégrées et vice ‘versa. Notez bien, que partout en Python les angles sont donnés en radians; ‘MPSI-PCSI sort : Trier les 6léments du tableau Sommer les éléments du tableau. La valeur maximale. La valeur minimal. ‘mean : La moyenne des éléments du tableau. var : La variance des éléments std : Li6cart-type des éléments >>> t= nparray((0,2,7,5,4 1,3) 35> npasort(t) array([0,1,2,3,455,7)) >>> npsum(t) 2 >>> np.maz() f >>> mp.min(t) 0 >>> np.mean(t) 3.142857142857143 >>> npvar(t) 4,9795918367346941 >>> npastdt) 2.2514999074019015, N, Résolution d'un systeme d’équations linéaire it Te systéme d Equations linéaires suivant = r+ 3y +32 t= 15 tr + 6y +32 +2 >> np.ceil(5.11) 6.0 #arrondi au plus petit entier supérieur >>> np.floor(6.9) 6.0 #farrondi au plus grand entier inférieur npmatriz(b) >>> npround(9.55) S=(Ass(-1)) #8 10.0 #arrondi au plus proche print(S) (A, cest-i-dire X ww A) x b. = nparray([2,3,3,1],(-4,~6,3,2), (-4,1,1,1],[-2,-1, 11) b= mparray(5,3,5,1)) print(np.dot(np.linalg.inv(A),b)) 3) Caleul matriciel : § = AT! x b: A= nparray((2,3,3,1)[-4—63,2) [111s] (2, np.array({{15], [3] (5) [1)) ‘A=np-matria(A) Prof Machhour.N Bibliothéques mathématiques : fe module numpy1 aed. CPGE Meknés Se apse Bibliotheque matplotlib.pyplot aRhotheque matplotlib.pyplot Introduction La bibliothéque ‘matplotlib fournit des outils Pour tracer des courbes, afficher et faire des Operations sur les images. Dans cotte partie nous allons voir un ensejnble de fonctions du sous- module pyplot du module mat; tplotlib permettant de tracer des courbes simples des fonctions mathématiques, Voici quelques fonctions du sous-module pyplot de matplotlib ; ~ Plot : pour tracer une courbe & partir de deux tableaux de valeurs. — show : pour afficher la courbe créée, ~ ais : pour ajuster les axes, cette fonction prend un tableau de 4 valeurs [emin, cmaz, ymin, ymaz] ou la valeur ‘off? pour cacher les axes. — label, ylabel : Pour donner un nom aux axes — grid : permet d’ajouter une grille. ~ legend : permet dajouter une légende au graphe. ~ Savefig : pour enregistrer la figure dans un fichier image. — title : ajoute un titre au graphe. — teat : permet de spécifier les titres des courbes. Exemple 5 OM np hac erpettloe Ln import numpy agnp oi dolla. a7) import matplotlib pyplot asplt et e z x a le ; Lees) ye ue np.cos(a} oe 9=np.sin(z) _, ¢gelur Rc poster pit. plot(x, f/¥) #tracé du cosinus “tye fone plt.plot(x, 9, 9!) #tracé du sinus f plt.grid(True) #Af fichage d'une grille / plt.legend(('cos' sin’), loc = upperright, shadow = True) #4; i fe de la légende plt.clabel(‘azedesx’) Etiquette sur V'aze desx (Nom lan Obrobyese plt.ylabel(‘avedesy’) #Etiquette sur V'aze des y ee r » Crdlewas Pestaor HW Feed 5,0.5, f(e) = cos(a’,horizontalalignment "left, fontsize = 14, a plt.teat(1.25, 0.5/ 9(z) = sin(z)', horizontalalignment ~' left’, fontsize = ide plt.stitle('Fonctionssinusetcosinus') titre i a / pit savefig(’Courbe.Sin-Cos’) #sauregarder Vimage (P'S & (Yun Gt) plt.azis(|—np.pi,nppi,-1.5,1.5]) les limites des ares plt.show() #Af fichage des courbes Dans la figure 1 suivante, nous montrons le graphe généré par le code précédents. Prof Machhour.N 1 Bibliotheque matplotlib.pyplotCPGE Meknés MPSI-PCSI os I— sin ~0.50 0.75 1.00 + 3) Sain wen ° 1 2 3 axe des x FicuRE 1 ~ Graphe généré par exemple précédent Prof Machhour.N 2 Bibliotheque matplotlib.pyplotCPGE Meknis Les équations MP-PSI différentielles 1, Intropucrion Les Gquations différentielles modélisent de nombreux problémes physiques, Dans de rares cas on est capable de trouver une solution analytique mais le plus souvent on utiisera des techniques numériques afin de s'approcher de Ia solution, Les problémes deviennent rapidement complexes. Les méthodes Canale ‘mumtsique pemettont q'aprocher Jes solutions réelles sans toutefis les atteindre. 1, La rue ortearzsee one Demat ps eer gt Ace ena tpe © ft, ft { v(t) = fv, 9 ‘ulto) = v0 fate 1a teletype ern) sie ‘ea ele eae, et ate —— Seca ation “>>> odeint(f, y0, t) Tigi sont equa © = 29 dis 4 avec la condition initiale y(t=0)=1 avec 100 ‘points. ‘def Euler(a,,f,v0,n) = lustrons utilisation de 1a fonction ‘Euler pour trouver tune solution approchée de I"équation: y’=y intégrée sur 10,5] avec la condition initiale y(0)=I. Timport matplotlibpyplot as plt import numpy as mp Pe lambda yt sy #esuioaent df fy, 8) :returny (t,u) = Euler(0, 5, f,1, 100) pit.plot(t, y,'o’) ‘== npllinepace(0, 8,100) yl =np.ctp(z) pl plot(z,yly'r’) plt-zlabel("t") pit-ylabel("y") ‘pltlegend((/Buler’! exp'),loc = 2) pltstitle('y’ = y avec y(0) = 1 & exp(t)") Btshou() Taper matlolilot arpt € Birra ph) ptroo qe Gly ian ara er elt Lepjnion ot mellews adv et ele a0 leper mya n> aie nena 0 ebma ue mole return — 2+ -Tnspace{0,4, 100) : nF + A/2S(Uni ta) te H/2) odint.,8) {i2i8 plt.zlabel("Temps en s”) On peut la décomposer.sous 1s forme suivante: a pit ylabel(" Axes des Y") ‘ R=Ta) eae eee { Slun+ (h/2)ka, te-+ h/2) -plot(ty 1 = vat ka pit.show() Vita = ve + hh; Iimplémentatlon en Py BM der Elle consiste & construire une solution approchée y affine [Par morceaux, on confond 1a courbe intégrale qui passe par la onnée initike (to, 90) sur [tx,t41] avec sa tangente au point (Flue, te), t)- ‘tia Sahu Formal Weel Tonia ern e+ Slr, te) ten teth { “ef Baler Modifie(o,8, 0,n) Implémentation en Python: Prof Machhour.N ‘Les quations différentiellesCPGE Meknts D. La méthode de Heun 1 tape: w= [sonar En estat Y'intégrae par Is méthode des trapezes, on obtient: Mes = H+ H/2US 06 4) + JUen tg) On remplace vis dans la 2 éguation parla méthode 4'uler édicenrconecte): Prédire la valeur de Ia fonction au point Lechéna de "evn vn set BU $0 ASU 1), fon) def Beun(a,b, f,y0,n): E, La mbthode de point a conde de la fonction y sur [t+ A] & une pente voisine de ¥ (44/2), On peut consider qu'une approximation de y(aq3) 8 parir (ty) est meilleur que Vexpressiony(ts)+ f(ptn) de a mite d'Euter. Done: Ata) + hf (ulte + h/2), ty + 4/2) Puisque y(t, + h/2) est inconnue, on le remplace par son ‘pproximation i432 donnée par le schéma d'Eules Yarra = vl) + hAS), 1). schéma final: Diot le Mesa = Ye + h/2f (yas te) Pe = F(Yeta/ay te + h/2) teen =e + he tens teth Implémentation en Pyth def Point_Milieu(a, , f,y0,n) : F. La méthode de RK4 (Karl Runge et Martin Kutta) Des méthodes d'analyse numérique approximation de solution des équations différentelles, Ces méthodesuiilisent le principe de I'iteration (utiliser une premitre estimation de le ‘olution pour ealeuler une 2*”* estimation plus précis, pea aA tte th Sy 8) Fy = Blue +1/2hy, te +1/2h) (ue + 1/2hka, te + 1/2h) a= hfe t has) Yes = vi + (hi + 2 ka + hs) + Ra)/6 Implémentation en Python: def Rang Kutta 0,8, ,y0,n) G. Programme de Inport matplotlibpyplot as pit + rom scipy integrate import odeint ‘import numpy as np def fly, t) = return y 44y = Buler(,0,5,1,100) fy = Buler_Modifie(,0,8,1,100) {2,y2 = Point_Milieu(J,0,5,3,100) 3,48 = Heun(,0,5,1, 100) t4yy4 = Range_Kutta_4(,0,5,1,100) 15 = nplinspace(0, 4,100) WS = odeint(f,1,¢8) plt.plt(t,y, color =" re label =! Euler’) Pltpot (0, yl, color =! green’ abel =! Buler_Modifit’ pitplo(t2,y2,color = Blue label =" Moint. Milieu’) it plot{t3, 3, color =! brown’, label =! Hreun') ltplot(t4, color = red’, label =! RK") it plot(t5,y5,/0!,color =! yellow’ label =! odeint!) Prof MackhourN Les equations diférentellsCPGE Meknds ML, Les EQUATIONS DIFFERENTIELLES D'ORDRE 2 ‘LES EQUATIONS DIFFERENTIELLES D'ORDRE 2 A. Probl (On considére le probléme suivant: v= s(t vit), vO) (to) = ve)=% ‘On pose le vecteur: ¥(t) = [y(t), v'(t)] On obsient done: ¥*(t) = [y/(t), ¥"(0)) Done, éguaton ditférenelle dordre 2 srt: YO = [vO St vl), ¥O)] = FG Y(0) Ave: PTs RE R? définie par: P(t (vis ¥2)) = (vas S(ts vas va)) ‘Cest le probleme de Cauchy équivalent dedre 1. { Y'=FUGY@) ¥ (lo) = [vlto). v(t) Done, on applique le schéma précédent qui doit utlsé les fonctions vecorele B. Bemple (yer 2ea6(3) ear Tae y ¥()=0 Diapres les es précédeates, on obtieat FUb (sis va) = (v2, 2e05(8t) 0.242 ~ v1) ‘import numpy as rip import matplottibpyplot as pit def Euter2d(a,b,f,y0,n) : aff, v): eturn(np.arrey/{yl1},24np.cos(3et)~0.2¢y{1]-y0]})) (Y) = Buter2a(0,35, f,|1,0], 1000) Bleplot(t,¥) pitlegend(("¥™,"Y™)) pit-title('Euler2D ; Equ. diff. du 2m pltshow() ordre’) ‘Remarqu La fonction “f? est une fonction & valeurs vectorille gui fst représeniée sous forme de tables, La condition initzle ct "9o" est aussi représentée sous forme de. tableau, Done 4a liste "y” obtenne par 1a fonction "Buler24” qui repésente 41 solution de cete équation diférentille est une liste de tables Prof MachhourN MP-PSI or impart matty pt aeftentiles fabs): Loa tcul loop ectueiad eli aN) (9) = Hean2a(o,25, 41,0), 1000) Filed yy") Ble Heard Bou. iff. du2!% ordre) Hishowt) G La fonction "odeins” La fonction “odeint” ne pouvant résoude que des équations Areas "onde 1, i out rarener I équation diferentlle ordre 24 un systéme 6 équations diferentes donde 1. Soit Méguaton: "() + ay (0) +by(t) +e=0 On pose: w(t) cues 2) Rua Ce qui donne: vst) + ay, (t) + byn(t) += On eat sera) = ent) tne) ‘On pose alors systtme suivante (28) "= (48 )-( -ahhnw)-e) Cela nous raise &rsoure le probe de Cauchy suivant: HO =n Ce ae B) (riers Exemple: Soit équation suivante: { v= 050 Wy —y 0) =0 ¥(0)=0a [invert mumpy ee np import matplotibpyplot as pt Sram scipy integrate import odeint as FLY): returl [1], 05 « (1 Y(0)«42) 4¥ 3) — ¥=(0,0.) {= npalinspace(0, 100, 10000) = odeint(F, Y,t) pltplot(,y) Pitdegend((*e,*y")) itttle(odeint: Bpu. dif. du 2° ordre!) pit.show() Les equations diférentielles| Galox wy \ 8 Glo! (Bg Vo, K) a aad ut 1s 4.G) Ye cy) Qe barn Seunioyar 4) (ices v. ey yoo - ba (NC oli — LE cues —s A Gee dL bi 4s! | tb. me fimspre “Gat | 5 We “mp Rene a 5 an * VO): Yo TTT 4 fz Heal — am for lan far HO b yoy TAD) 4 HAL IGa, 4m. be bi i a)