الرئيسية

مسابقة دكتوراه 2012Université Yahia Farès - Médéa — الموضوع 02

مسابقة تخصص · Advanced Mathematical Modeling and Statistics · المدة: 2سا

JSON import — Université Yahia Farès de Médéa 2012 — Université Yahia Farès de Médéa — Faculté des Sciences et de la Technologie — Doctorat LMD 'Analyse et Modélisation Mathématiques' — Epreuve: Analyse Numérique — Sujet 1 — Durée 2h — 2012/2013 — Sourc

التمرين 1

Exercice 1 (8 pts) — Système $Ax=b$ : gradient de $J(x)=(Ax,x)-2(b,x)$, minimisation, itération $x^{(k+1)} = x^{(k)} - \theta(Ax^{(k)}-b)$

#analyse numérique#systèmes linéaires#gradient#convergence

On considère le système Ax=bAx = b \quad (1)

  1. Soit J:RmRJ : \mathbb{R}^m \to \mathbb{R} définie par J(x)=(Ax,x)2(b,x)\mathcal{J}(x) = (Ax,x) - 2(b,x) avec la matrice AMm(R)A \in \mathcal{M}_m(\mathbb{R}) dans le système (1) symétrique. Montrer que J(x)=gradJ(x)=2(Axb)J'(x) = \text{grad}\mathcal{J}(x) = 2(Ax-b).

  2. Si de plus AA dans (1) est symétrique définie positive, montrer que la solution du système (1) est celle qui minimise J(y)=(Ay,y)2(b,y)\mathcal{J}(y) = (Ay,y) - 2(b,y) (c'est-à-dire toute solution de (1) est solution de J(x)J(y)\mathcal{J}(x) \le \mathcal{J}(y), yRm\forall y \in \mathbb{R}^m).

  3. Soit la matrice AA dans (1) une matrice telle que (Ax,x)αx2(Ax,x) \ge \alpha\|x\|^2, α>0\alpha > 0, xCm\forall x \in \mathbb{C}^m. Montrer que le système (1) admet une solution unique et la suite définie par x(k+1)=x(k)θ(Ax(k)b)x^{(k+1)} = x^{(k)} - \theta(Ax^{(k)}-b) pour x(0)Cmx^{(0)} \in \mathbb{C}^m converge vers la solution xx pour 0<θ<2αA20 < \theta < \dfrac{2\alpha}{\|A\|^2}.

التمرين 2

Exercice 2 (12 pts) — EDP parabolique $u_t + u_x - \alpha u_{xx} = 0$ : schéma DF, consistance $T_{j,n} \le C(k+h^2)$, stabilité, convergence

#EDP#analyse numérique#schémas différences finies#consistance#stabilité

On considère le problème parabolique :

{ut+uxαuxx=0,(x,t)]0,1[×]0,T[u(1,t)=u(0,t)=0,t]0,T[u(x,0)=u0(x),x]0,1[(1)\begin{cases} u_t + u_x - \alpha u_{xx} = 0, & (x,t) \in ]0,1[ \times ]0,T[ \\ u(1,t) = u(0,t) = 0, & t \in ]0,T[ \\ u(x,0) = u_0(x), & x \in ]0,1[ \end{cases} \quad (1)

u0C([0,1])u_0 \in C([0,1]) et α>0\alpha > 0 sont donnés. On admettra que la solution de (1) existe et qu'elle est suffisamment régulière pour tous les développements de Taylor qu'on voudra effectuer.

  1. Ecrire le schéma d'approximation de (1) par différences finies à pas constant (noté hh, tel que h=1Nh = \frac{1}{N}), centré en espace (c.à.d. en approchant u(jh)u'(jh) par 12h(u((j+1)h)u((j1)h))\frac{1}{2h}(u((j+1)h)-u((j-1)h)) et u(jh)u''(jh) par 1h2(u((j+1)h)2u(jh)+u((j1)h))\frac{1}{h^2}(u((j+1)h)-2u(jh)+u((j-1)h))) et avec le schéma d'Euler explicite à pas constant (noté kk, avec k=TMk = \frac{T}{M}) en temps.

  2. Montrer que l'erreur de consistance Tj,nT_{j,n} est majorée par C(k+h2)C(k+h^2)CC ne dépend que de la solution exacte de (1).

  3. Sous quelle(s) condition(s) sur kk et hh a-t-on le résultat de stabilité : unu0\|u^n\|_\infty \le \|u^0\|_\infty, nM\forall n \le Munu^n désigne la solution approchée au temps tn=nkt_n = nk (par définition un=maxj=1,2,,Nuj,n\|u^n\|_\infty = \max_{j=1,2,\ldots,N}|u_{j,n}|).

  4. Donner un résultat de convergence pour ce schéma.