Bases du traitement des images. Transformée de Fourier
|
|
- Julie Laperrière
- il y a 8 ans
- Total affichages :
Transcription
1 Transformée de Fourier Nicolas Thome 29 septembre / 60
2 Contexte et objectif Transformée de Fourier Transformée de Fourier (TF) : outil fondamental en traitement d images Concept abordé durant les 4 prochaines séances : Aujourd hui (cours 3) : présentation de la TF et des applications cours 4 : numérisation et Transformée de Fourier Discrète (TFD) cours 5 : filtrage linéaire traitement fréquentiel cours 6 : détection de contours : filtrage (linéaire) particulier Aujourd hui : objectifs Comprendre l espace de représentation Fourier Changement d espace : temporel (spatial) fréquentiel Et son intérêt pour des applications en traitement d images Introduction d outils mathématiques (convolution, Dirac, TF usuelles) importants pour la suite Définition et propriétés de la TF 2d (images) Savoir calculer, visualiser et interpréter la TF 2 / 60
3 Outline 1 Contexte : Analyse fréquentielle des signaux 1D Série de Fourier 2 Transformée de Fourier d un signal 1D continu 3 TF 2D 4 Applications de la TF 2D pour le traitement d images 3 / 60
4 Analyse Fréquentielle des signaux Décomposition en Série de Fourier d une fonction 1D périodique Soit x(t) est une fonction réelle (ou complexe) périodique de période T, on a : x(t) = 1 k= 2 a 0 + k=1 (a k cos( 2kπt T ) + b k sin( 2kπt )) (1) T les coefficients a k et b k sont calculés par : a k = 2 T b k = 2 T T 0 T 0 2kπt x(t)cos( T )dt 2kπt x(t)sin( T )dt (2) 4 / 60
5 Série de Fourier d une fonction périodique Écriture avec amplitude et phase Posons r k = a 2 k + b2 k θ k tel que : cos θ k = a k r k La formule (1) devient alors : et sin θ k = b k r k, x(t) = k= k=1 r k cos( 2kπt T θ k) (3) 5 / 60
6 Série de Fourier d une fonction périodique Écriture avec l exponentielle complexe : exp(iz) = cos(z) + i sin(z) exp(kiz) = (cos(z) + i sin(z)) k = cos(kz) + i sin(kz) cos(kiz) = exp(kiz)+exp( kiz) 2 sin(kiz) = exp(kiz) exp( kiz) 2i x(t) = 1 2 a 0 + k= (a k cos( 2kπt k=1 En reportant on obtient : x(t) = 2 1 a 0 + k= [ ( a k2 exp i2πkt T k=1 ) + exp T ( i2πkt T ) + b k sin( 2kπt T )) )] + k= k=1 [ b k 2i x(t) = 1 2 a 0 + k= ( ) [ ] exp i2πkt ak2 i b k T 2 + k= exp k=1 k=1 k k (2 nde somme), a k = a k, b k = b k x(t) = 1 2 a 0 + k= ( ) [ ] exp i2πkt ak2 i b k T 2 + k= 1 exp k=1 k= ( exp i2πkt T ( i2πkt T ) exp ( )] i2πkt T ) [ ak2 + i b k 2 ] ( ) [ ] i2πkt ak2 i b k T 2 6 / 60
7 Série de Fourier d une fonction périodique Écriture avec l exponentielle complexe : x(t) = 1 2 a 0 + k= exp k=1 On pose : c k = a k 2 i b k 2, on a alors : ( ) [ ] i2πkt ak2 i b k T 2 + k= 1 exp k= ( ) [ ] i2πkt ak2 i b k T 2 avec : x(t) = k= k= c k exp( 2ikπt T ) (4) c k = 1 T T 0 x(t) exp( 2iπkt )dt (5) T Apparition de fonctions de base exp ( ) 2ikπt T avec fréquence k T < 0 Pas d interprétation "physique" Mais formalisme plus compact, facilitant les calculs (voir Transformée de Fourier) 7 / 60
8 Série de Fourier : Interprétation Espaces vectoriels et produit scalaire sur les fonctions On considère un espace de fonctions (v.s. espace de vecteurs) La projection d une fonction f (t) sur une fonction g(t) est définie par le produit scalaire, de la manière suivante : où < f, g >= + g(t) est le conjugué de g(t) f (t) g(t)dt avec f R (6) Interprétation de la décomposition en série de fourier : c k = 1 T 2iπkt T x(t) exp( 0 T )dt =< x, exp( 2iπkt T ) > : projection de la fonction x(t) sur la fonction complexe sinusoïdale exp( 2iπkt fréquence "pure" f 0 = k T T ) On peut montrer que { exp( 2iπkt T )}, k { ; + } forment une base orthonormée de L 2 ([0, T ]) (exercice) 8 / 60
9 Série de Fourier : Interprétation graphique Soit un signal x(t) exp( 2iπk 1t T ) exp( 2iπk 2t T ) c k1 c k2 exp( 2iπk 3t T ) exp( 2iπk 4t T ) x(t) = c k exp( 2ikπt T ) k c k =< x, exp( 2iπkt T ) > c k3 c k4 9 / 60
10 Série de Fourier : Interprétation graphique Signal x(t) Fonction de base b k = exp( 2ikπt T ) x(t) = k= k= c k exp( 2ikπt T ) c k =< x, exp( 2iπkt T ) > = le produit scalaire c k mesure la similarité entre le signal x(t) à représenter et chacune des fonctions sinusoïdales Degré de présence de la fréquence "pure" de la fonction exp( 2iπkt T ) 10 / 60
11 Série de Fourier : conclusion Changement d espace de représentation x(t) = k= k= c k exp( 2ikπt T ) c k =< x, exp( 2iπkt T ) > Toute fonction périodique peut etre reconstruite dans la base de Fourier, il suffit de connaître les c k Les c k indiquent : les composantes fréquentielles contenues dans un signal leur "niveau" de présence { 1/2 si k = ±1 Exemple : x(t) = cos(2π t T ) : c k = 0 sinon Projection sur la base des { exp( 2iπkt )}, k { ; + } T Projection 0 : seules les fonctions de base exp( 2iπ 2iπ ) et exp( T T ) 11 / 60
12 Outline 1 Contexte : Analyse fréquentielle des signaux 1D 2 Transformée de Fourier d un signal 1D continu Calcul de la Transformée Outils Mathématiques & TF usuelles 3 TF 2D 4 Applications de la TF 2D pour le traitement d images 12 / 60
13 Transformée de Fourier d un signal 1D continu Décomposition en série de Fourier Transformée de Fourier Tout signal périodique est décomposable en série de Fourier Signal non périodique : cas limite d un signal périodique qd T Si x(t), n est pas pérdiodique, il est nécessaire de considérer la projection du signal sur une base "continue" de fontions au lieu de la base dénombrable { exp( 2iπkt T )}, k { ; + } Définition : la transformée de Fourier X (f ) est donnée par : X (f ) = + x(t)e i2πft dt avec f R Transformée de Fourier d une fonction : généralisation au cas non périodique du calcul des coefficients de Fourier d une fonction périodique. 13 / 60
14 Transformée de Fourier d un signal Interprétation X (f ) = + x(t)e i2πft dt = x, e i2πft avec f R on projette x(t) sur un ensemble de fonctions continues (i.e. non dénombrables) {exp(2iπft)}, f { ; + }, on obtient donc un ensemble de projections continues X (f ) TF : x(t) X (f ), X (f ) fonction de la variable continue f. X (f ) extrait une information fréquentielle sur le signal x(t) La fréquence f est-elle présente dans le signal x(t)? A quel "degré"? si x(t) est T périodique, on retombe sur la décomposition en Série de Fourier : X (f ) = 0 sauf pour f = k, k { ; + } où T X (f ) = c k 14 / 60
15 exp(2iπf 1 t) exp(2iπf 2 t) Soit un signal x(t) X (f 1 ) =< x, exp(2iπf 1 t) > X (f 2 ) =< x, exp(2iπf 2 t) > exp(2iπf 3 t) exp(2iπf 4 t) X (f ) =< x, exp(2iπft) > X (f 3 ) =< x, exp(2iπf 3 t) > X (f 4 ) =< x, exp(2iπf 4 t) > 15 / 60
16 Transformée de Fourier d un signal Interprétation : hautes et basses fréquences d un signal Hautes fréquences de x(t) : X (f ) tq f important : variations rapides du signal X (f ) =< x(t); exp(2iπft) > tq f gd Basses fréquences de x(t) : X (f ) tq f faible : variations lentes du signal X (f ) =< x(t); exp(2iπft) > tq f faible 16 / 60
17 Remarque Transformée de Fourier d un signal Les X (f ) sont des nombres complexes La partie réelle X R (f ) = + x(t) cos (2πft) dt est paire La partie imaginaire X I (f ) = + x(t) sin (2πft) dt est impaire Deux informations importantes à regarder : le module, ou spectre d amplitude X (f ) = X R (f ) 2 + X I (f ) 2 ; le module représente l intensité de la projection sur la fonction de base considérée ) la phase Φ(f ) = arctan. ( XI (f ) X R (f ) la phase représente le déphasage entre x(t) et la fonction de base considérée f = 0 : fréquence fondamentale, représente la valeur moyenne du signal : X (0) = + x(t)dt 17 / 60
18 Inversion de la TF Transformée de Fourier Inverse On peut reconstruire le signal x(t) à partir de sa représentation fréquentielle X (f ) par la formule : x(t) = + X (f )e i2πft df En terme de projection (produit scalaire) x(t) = avec Φ f (t) = e i2πft + < x(t); Φ f (t) > Φ f (t)df (7) On peut donc reconstruire le signal par "sommation" des projections Conséquence directe de la projection dans une base orthonormée 18 / 60
19 Outline 1 Contexte : Analyse fréquentielle des signaux 1D 2 Transformée de Fourier d un signal 1D continu Calcul de la Transformée Outils Mathématiques & TF usuelles 3 TF 2D 4 Applications de la TF 2D pour le traitement d images 19 / 60
20 TF : Outils mathématiques Produit de convolution l opérateur est le produit de convolution entre signaux. Considérons deux signaux x(t) et y(t), le produit de convolution entre x et y calculé comme suit : z = x y = + x(τ)y(t τ)dτ (8) Etapes : 1 Retournement du signal : y(τ) y( τ) 2 Translation du signal de t : y(t τ) 3 Produit entre Translation du signal de t : x(τ)y(t τ) 4 Calcul de l intégrale de x(τ)y(t τ) 20 / 60
21 Produit de convolution : Illustration 1 Retournement du signal : g(t) g( t) 2 Translation du signal de t : g(x t) 3 Produit entre Translation du signal de t : f (t)y(x t) 4 Calcul de l intégrale de f (t)y(x t) f y(x) 21 / 60
22 Propriétés principales de la TF 1d Linéarité : TF [ax(t) + by(t)] = ax (f ) + by (f ) Contraction du domaine : TF [x(αt)] = 1 α X ( ) f α Translation temporelle : TF [x(t t 0 )] = X (f ) e i2πt0t Modulation temporelle : TF [ x(t) e i2πf0t] = X (f f 0 ) Produit de convolution (démo en TD) : TF [x(t) y(t)] = X (f ) Y (f ) TF [x(t) y(t)] = X (f ) Y (f ) Cette propriété est très importante pour le filtrage : correspondance entre le filtrage spatial et le filtrage fréquentiel (voir le cours 5) si x(t) réelle symétrie Hermitienne : X (f ) = X ( f ), donc X ( f ) = X (f ) : module pair (idem partie réelle) Phase et partie imaginaire impaires Tous les signaux et images sont réels, on aura donc toujours un module pair X ( f ) = X (f ) (symétrie par rapport à l axe y) 22 / 60
23 Transformée de Fourier de signaux usuels 1d Transformée de Fourier d une fonction porte la fonction "Porte" est définie de la manière suivante : Rect(t) = { 1 si t sinon (9) La transformée de Fourier d un signal porte (fonction rectangle) est un sinus cardinal (démo en TD) TF [ ( t )] + a 2 Rect = e i2πft dt = a sin(πfa) = a sinc(πfa) a a πfa 2 23 / 60
24 Transformée de Fourier de signaux usuels 1d Transformée de Fourier d une fonction porte [ ( t TF Rect = a sinc(πfa) a)] Très utilisé pour la numérisation des signaux - fenêtrage et échantillonnage - (voir cours 4) 24 / 60
25 Transformée de Fourier de signaux usuels 1d Transformée de Fourier d une gaussienne La transformée de Fourier d une gaussiene est une gaussienne TF [ e b2 t 2] π = b e π 2 f 2 b 2 Écart-type de la Gaussienne dans le domaine fréquenctielle inversement proportionnel à l écart-type dans le domaine temporel 25 / 60
26 TF : Outils mathématiques Distributions : Distribution de Dirac δ(t) Définition informelle : { O si t 0 δ(t) = sinon avec + δ(t)dt = 1. Intuitivement : peut être interprété comme la limite d une fonction porte de longueur nulle [ : δ(t) = lim 1 a 0 a Rect ( )] t a. 26 / 60
27 TF : Outils mathématiques Distribution de Dirac δ(t) Formellement, δ(t) n est pas une fonction mais une distribution Généralisation de la notion de fonction δ(t) joue un rôle central en traitement du signal et des images Convolution et TF (ce cours) : δ(t) intervient pour la TF de fonctions de base Échantillonnage des signaux 1d et 2d (cours 4) Propriétés essentielles : + δ(t)dt = 1. x(t) δ(t t 0) = x(t 0)δ(t t 0) x(t) δ(t t 0) = x(t t 0) : δ(t) élément neutre pour la convolution Transformée de Fourier : TF [ e 2iπf 0t ] = δ(f f 0 ) : fréquence pure f 0 TF [δ(t t 0 )] = e 2iπft 0 : toutes les fréquences présentes scaling property : α δ(αt) = δ(t) 27 / 60
28 TF 1D : exemples simples TF d une fonction cosinus : x(t) = cos(2πf o t) TF [cos(2πf o t)] = 1 2 [δ(f f 0) + δ(f + f 0 )] (10) Voir TD : TF réelle w 0 = 2πf 0 Fréquence pure ±f 0 28 / 60
29 TF 1D : exemples simples TF d une fonction sinus : x(t) = sin(2πf o t) TF [sin(2πf o t)] = i 2 [δ(f + f 0) δ(f f 0 )] (11) x(t) = sin(2πf o t) Fréquence pure ±f 0 Voir TD : TF imaginaire pure 29 / 60
30 Transformée de Fourier d un signal : exemples simples 30 / 60
31 Transformée de Fourier d un signal : exemple avec du bruit 31 / 60
32 Outline 1 Contexte : Analyse fréquentielle des signaux 1D 2 Transformée de Fourier d un signal 1D continu 3 TF 2D Calcul de la Transformée Différences et Similitudes TF 1D vs TF 2D 4 Applications de la TF 2D pour le traitement d images 32 / 60
33 Transformée de Fourier d un signal 2D continu Définitions Si on considère un signal continu x(t, u), alors sa transformée de Fourier X (f, g) est donnée par : X (f, g) = + + x(t, u)e i2π(ft+gu) dtdu avec (f, g) R 2 Interprétation : projection de x(t, u) sur un ensemble de fonctions 2d de base {exp (2iπ(ft + gu))}, (f, g) IR 2 = images de base X (f, g) =< x(t, u); e i2π(ft+gu) > : produit scalaire entre x(t, u) et la fonction 2d e i2π(ft+gu) 33 / 60
34 Transformée de Fourier d un signal 2D continu X (f, g) =< x(t, u); e i2π(ft+gu) dtdu > : e i2π(ft+gu) image de base 34 / 60
35 Transformée de Fourier d un signal 2D continu Définitions Partie réelle X R (f, g) = + paire. + x(t, u) cos (2π(ft + gu)) dtdu Partie imaginaire X I (f, g) = + + x(t, u) sin (2π(ft + gu)) dtdu impaire. Module, ou spectre d amplitude X (f, g) = X R (f, g) 2 + X I (f, g) 2. ( ) Phase Φ(f, g) = arctan XI (f,g) X R (f,g). La fréquence fondamentale, pour f = g = 0, X (0, 0) = + + x(t, u)dtdu 35 / 60
36 Transformée de Fourier d un signal 2D continu Reconstruction On peut reconstruire le signal x(t, u) à partir de sa représentation fréquentielle X (f, g) par la formule : x(t, u) = + + X (f, g)e i2π(ft+gu) dfdg Conséquence directe de la projection dans une base orthonormée : x(t, u) = + + avec Φ f,g (t, u) = e i2π(ft+gu) < x(t, u); Φ f,g (t, u) > Φ f,g (t, u)dfdg (12) 36 / 60
37 Transformée de Fourier d un signal 2D Composantes fréquentielles en 2d Basses fréquences spatiales : f 2 + g 2 faible Hautes fréquences spatiales : f 2 + g 2 élévé 37 / 60
38 TF 2D : un premier exemple x(t, u) = cos(2πf 0 t) X (f, g) = δ(f f 0)+δ(f +f 0 )) 2 (voir TD) TF [A cos [2πf o (x cos(θ) + y sin(θ))]] =?? (Voir TD) 38 / 60
39 TF 2D : un second exemple Fonction Porte 2D : x(t, u) = Rect ( t T ) Rect ( u T ) x(t, u) X (f, g) X (f, g) sinc 2D (voir TD) 39 / 60
40 Outline 1 Contexte : Analyse fréquentielle des signaux 1D 2 Transformée de Fourier d un signal 1D continu 3 TF 2D Calcul de la Transformée Différences et Similitudes TF 1D vs TF 2D 4 Applications de la TF 2D pour le traitement d images 40 / 60
41 Transformée de Fourier d un signal 2D Passage du 1D au 2D La TD 2D : une extension assez naturelle de la TF 1D Beaucoup de propriétés communes Quelques spécificités liées au 2D TF 2D : 2 TF 1D sucessives (voir TD ) X (f, g) = TF [Z(f, u)] : extension directe 1D Si x(t, u) séparable x(t, u) = z(t) k(u), on a : X (f, g) = Z(f ) K(g), avec Z(u) = TF [z(t)] et K(g) = TF [k(u)] Produit simple de 2 TF 1D 41 / 60
42 TF 1D et 2D : propriétés communes TF continue 1D TF continue 2D x(t) X(f) x (t,u) X(f,g) 1 x(t) + λy(t) X (f ) + λy (f ) x(t, u) + λy(t, u) X (f, g) + λy (f, g) 2 x(t t 0 ) X (f ) e 2iπft 0 x(t t 0, u u 0 ) X (f, g) e 2iπ(ft 0+gu 0 ) 1 3 x(αt) α X ( f α ) x(αt, βu) 1 α β X ( f α, g β ) 4 x(t) y(t) X (f ) Y (f ) x(t, u) y(t, u) X (f, g) Y (f, g) 5 x(t) y(t) X (f ) Y (f ) x(t, u) y(t, u) X (f, g) Y (f, g) Table Propriétés des TF continues 1D et 2D 1 linéarité 2 translation 3 contraction 4 convolution 5 produit 42 / 60
43 TTF 1D et 2D : propriétés communes Illustration des propriétés 43 / 60
44 TF : spécificités de la 2D Notion de fréquence spatiale Image : I : (x, y) I (x, y) : fonction 2d à valeur dans IR Fréquence spatiale : "vitesse" de variation du signal I(x,y) (luminance) par rapport aux variables spatiale (x,y) Basse fréquence spatiale Haute fréquence spatiale 44 / 60
45 TF : spécificités de la 2D Notion de fréquence spatiale Images réelles : signaux non stationnaires fréquences spatiales (hautes/basses) dans régions 45 / 60
46 TF : spécificités de la 2D Rotation Une rotation d angle α dans le domaine spatial se traduit par une rotation d angle α dans le domaine fréquentiel TF [x (t cos θ + u sin θ, t sin θ + u cos θ)] = X (f cos θ + g sin θ, f sin θ + g cos θ) Important : la réponse fréquenielle de X (f, g) comporte une information structurelle sur la direction des fréquences spatiales 46 / 60
47 TF 2D : exemple de rotation 47 / 60
48 TF 2D : rotation Important : la réponse fréquenielle de X (f, g) comporte une information structurelle sur la direction des fréquences spatiales Exemples sur des textures 48 / 60
49 Exemples sur des images réelles Les lignes directrices fortement représentées dans les images sont mises en valeur dans les spectres 49 / 60
50 Spectre centré : matlab TF 2D : Visualisation Fonction matlab pour le calcul de la FT 2D : fft2 fft2 Transformée de Fourier discrète (DFT) voir cours 4 fft2 :origine du spectre (composante continue) : en haut à gauche Plus naturel de voir l origine des fréquences au centre du spectre Ne change pas le contenu dans le spectre, juste son agencement Opération de centrage : multiplier chaque pixel de coordonnées (i, j) par ( 1) i+j Cela met en avant la propriété de symétrie des spectres par rapport à F (0, 0) : F (u, v) = F ( u, v) Fonction fftshift sous matlab 50 / 60
51 Spectre centré : illustration 51 / 60
52 Visualisation de la TF 2D hautes/basses fréquences sur les images réelles énergie BF >> HF visualiser 1 + log( X (f, g) ) X (f, g) 1 + log( X (f, g) ) 52 / 60
53 Outline 1 Contexte : Analyse fréquentielle des signaux 1D 2 Transformée de Fourier d un signal 1D continu 3 TF 2D 4 Applications de la TF 2D pour le traitement d images 53 / 60
54 Utilisation de la TF pour les images Transformée de Fourier : représentation fréquentielle d une image On passe dans un autre espace de représentation, rappel en 1D : 1 Représentation temporelle : décomposition de la fonction sur une base de distributions de dirac : x(t) = x(t) δ(t) = x(u)δ(t u)du (13) 2 Représentation fréquentielle : décomposition de la fonction sur une base de fonctions sinusidales (Fourier) x(t) = X (f )e 2iπft df (14) Utilisation de la TF Hypothèse fondamentale : espace fréquentiel > espace temporel pour représenter les données R espace fréquentiel plus efficace pour séparer l information "utile" de l information "inutile" "utile"/inutile dépendant du contexte applicatif visé R 54 / 60
55 Analyse fréquentielle TF 1D TF 2D Applications Applications de la TF Débruitage I Formulation du problème : isoler le signal du bruit I Hypothèse : le bruit et le signal utile vont être portés par des composantes fréquentielles 6= : signal BF, bruit HF I Méthodologie du débruitage : composantes fréquentielles correspond aux hautes fréquences 0 Image originale Image bruitée Image débruitée 55 / 60
56 Compression Applications de la TF Formulation : représenter efficacement le signal (peu de composantes) Hypothèse : Hautes Fréquences : énergie négligeable Méthodologie : ne conserver que les BF Image brute Image compressée (/2) Idée à la base de la norme JPEG, voir TME 4 56 / 60
57 Applications de la TF De nombreuses autres utilisations de l analyse fréquentielle Débruitage, compression, restauration : opérations bas niveau TF aussi beaucoup utilisée pour des tâches plus haut niveau Filtrage linéaire (cours 5) : covolution domaine spatial multiplication domaine Fourier : opérations duales Filtrage : étape préliminaire à de très nombreuses applications en traitement d images, e.g. reconnaissance des formes : TF : bilan Détection de contours (cours 6), détection et description de points d intétêt, e.g. Harris, SIFT (cours 7-8), représenter texture, etc TF bien adapté pour représenter les signaux 1 réguliers 2 périodiques, stationnaires 57 / 60
58 TF : limites Signaux non stationnaires TF : on connait les fréquences spatiales de l image perte totale de l information de localisation (spatiale) des fréquences Images : contenu fréquentiel différent dans différentes régions Avoir des espace de représentation temps (espace)-fréquences e.g. ondelettes 58 / 60
59 Signaux non réguliers TF : limites TF : nécessite un nombre de coeffs pour représenter des fonctions non dérivables phénomène de Gibbs Pas adapté pour tout ce qui est contours dans les images JPEG par adapté pour la compression des images comportant beaucoup de contours (e.g. texte) 59 / 60
60 THE END QUESTIONS?? 60 / 60
TD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailChristian JUTTEN Théorie du signal
Christian UTTEN Théorie du signal Cours de deuxième année (3i4) du département 3i Université oseph Fourier - Polytech Grenoble novembre 2009 1 Table des matières 1 Introduction à la théorie du signal 6
Plus en détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailData first, ou comment piloter l analyse par les données
CNRS & Patrick Flandrin École Normale Supérieure de Lyon Data first, ou comment piloter l analyse par les données M2 de Physique Cours 2012-2013 1 Table des matières 1 Introduction 4 2 Rappel sur les analyses
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailSignaux numériques : Multiplexage temporel : TDM
Signaux numériques : Multiplexage temporel : TDM Pour la hiérarchie TDM, il y a deux catégorie : Le multiplexage dans les systèmes informatiques : La transmission TDM dans des lignes haute vitesse à partir
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détail5.2 Théorème/Transformée de Fourier a) Théorème
. Théorème de Fourier et Transformée de Fourier Fourier, Joseph (788). Théorème/Transformée de Fourier a) Théorème Théorème «de Fourier»: N importe quelle courbe peut être décomposée en une superposition
Plus en détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailMichel Henry Nicolas Delorme
Michel Henry Nicolas Delorme Mécanique du point Cours + Exos Michel Henry Maître de conférences à l IUFM des Pays de Loire (Le Mans) Agrégé de physique Nicolas Delorme Maître de conférences à l université
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailSTATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE
ÉCOLE D'INGÉNIEURS DE FRIBOURG (E.I.F.) SECTION DE MÉCANIQUE G.R. Nicolet, revu en 2006 STATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE Eléments de calcul vectoriel Opérations avec les forces Equilibre du point
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailTraitement numérique du signal. Première partie : Bases mathématiques
1 Traitement numérique du signal. Première partie : Bases mathématiques J.Idier H. Piet-Lahanier G. Le Besnerais F. Champagnat Première version du document : 1993 Date de la dernière remise à jour : mars
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailMéthodes d ondelettes pour la segmentation d images. Applications à l imagerie médicale et au tatouage d images
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE THESE pour obtenir le grade de DOCTEUR DE L INPG Spécialité : Mathématiques Appliquées préparée au Laboratoire de Modélisation et Calcul (LMC / IMAG) dans le
Plus en détailEMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006
EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailPHYSIQUE 2 - Épreuve écrite
PHYSIQUE - Épreuve écrite WARIN André I. Remarques générales Le sujet de physique de la session 010 comprenait une partie A sur l optique et une partie B sur l électromagnétisme. - La partie A, à caractère
Plus en détailErratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2
Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailIntroduction. aux équations différentielles. et aux dérivées partielles
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
Plus en détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailRappels et compléments, première partie : Nombres complexes et applications à la géométrie
Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailFonctions Analytiques
5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailModule d ouverture SON ET MUSIQUE. Philippe GUILLAUME 0.5 0.5
Module d ouverture Deuxième Année SON ET MUSIQUE Philippe GUILLAUME.5.5 2 Table des matières Introduction 7 Les sons 9. Propagation des sons................................ 9.. Un peu de modélisation physique.......................2
Plus en détail