Modélisation et Simulation

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Modélisation et Simulation"

Transcription

1 Cours de modélisation et simulation p. 1/77 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212

2 Cours de modélisation et simulation p. 2/77 Systèmes à temps discret Pourquoi étudier des modèles où le temps change de manière discrète? Voici les raisons principales Le modèles discrets sont un outil pour résoudre les équations différentielles. Ils peuvent être des modèles plus adaptés dans certains domaines: électronique digitale, économie, finance, étude des populations. Ils peuvent être utilisés pour générer des dynamiques chaotiques puisque il est plus facile de générer des dynamiques complexes dans le cas temps discret que dans le cas continu. Ils sont plus faciles à simuler par ordinateur: aucun algorithme d intégration numérique n est requis.

3 Cours de modélisation et simulation p. 3/77 Systèmes à temps discret Un système à temps discret synchrone à dimensions finies est décrit par des équations vectorielles aux différences x(k + 1) = f(x(k), u(k), k) y(k) = η(k, x(k)) où k est un nombre entier qui représente le temps. Un systèmes discret est dit invariant quand les fonctions f( ) et η( ) ne dépendent pas explicitement du temps. Un système discret, linéaire et à dimensions finies est caractérisé d une manière univoque par les trois matrices A( ), B( ) et C( ) qui apparaissent dans x(k + 1) = A(k)x(k) + B(k)u(k) y(k) = C(k)x(k)

4 Cours de modélisation et simulation p. 4/77 Équations aux différences Alors que dans les configurations à temps continu nous avons privilégié la représentation de la dynamique sous forme de système d équations d ordre 1, dans le cas à temps discret nous privilégierons la représentation des dynamiques sous forme d équations aux différences. Ceci pour deux raisons: 1. dans le cas discret nous ne pouvons pas tirer avantage de la représentation de trajectoires dans l espace des phases suite à la nature discontinue des trajectoires, 2. nous nous limiterons à considérer des systèmes où le vecteur d état a dimension unitaire, c.-à-d. il est un scalaire.

5 Cours de modélisation et simulation p. 5/77 De l équation au système d équations Dans le cas continu ẍ ẋ 1 = 0 {ẋ1 = x 2 ẋ 2 = x si nous posons x 1 (t) = x(t) et x 2 (t) = ẋ(t) Dans le cas discret x(k + 2) x(k + 1) 1 = 0 { x1 (k + 1) = x 2 (k) x 2 (k + 1) = x 2 (k) + 1 si nous posons x 1 (k) = x(k) et x 2 (k) = x(k + 1)

6 Cours de modélisation et simulation p. 6/77 Équations aux différences Définition. Soit x k = x(k) X l état scalaire d un système dynamique à l instant k N et f : N X n X une fonction connue. L équation récursive x(k + n) = f(k, x(k + n 1),...,x(k)) est appelé équation aux différences d ordre n en forme normale. Une fonction x(k) = ξ(k) qui transforme l équation dans une identité est une solution particulière de l équation. L ensemble de toutes les solutions est appelé la solution générale de l équation. Théorème. L équation admet une et une solution une fois fixées n valeurs initiales. Notons que aucune autre restriction sur la forme de f n est posée. Exemple: une solution particulière de l équation d ordre 1 x(k + 1) = 2x(k) est la fonction x(k) = 2 k. La solution générale a la forme x(k) = C 2 k avec C constante.

7 Cours de modélisation et simulation p. 7/77 Équation aux différences linéaire Définition. Une équation aux différences est dite linéaire d ordre n, avec n > 0, si elle a la forme a n (k)x(k + n) + a n 1 (k)x(k + n 1) + + a 0 (k)x(k) = g(k) (1) où les fonctions a i (k), i = 0,...,n et g(k) sont données. Si les coefficients ne dépendent pas de k l équation est dite invariante (ou stationnaire). Si g(k) = 0 pour tout k alors l équation a n (k)x(k + n) + a n 1 (k)x(k + n 1) + + a 0 (k)x(k) = 0 (2) est dite homogène. La condition initiale d une équation aux différences linéaire d ordre n est le vecteur de taille [n, 1] x 0 = [x(0),...,x(n 1)]

8 Cours de modélisation et simulation p. 8/77 Expression sous forme d un système Considérons l équation aux différences x(k + n) + a n 1 x(k + n 1) + + a 0 (k)x(k) = u(k) Si nous posons x 1 (k) = x(k), x 2 (k) = x(k + 1),...,x n (k) = x(k + n 1) nous obtenons le système suivant x 1 (k + 1) x 2 (k + 1). x n 1 (k + 1) x n (k + 1) = x 2 (k) = x 3 (k) = x n (k) = a 0 (k)x 1 (k) a 1 (k)x 2 (k) a n 1 (k)x n (k) + u(k)

9 Cours de modélisation et simulation p. 9/77 Solutions de l équation linéaire Théorème. Considérons l équation linéaire non homogène (1) et sa solution particulière x (p) (k). Soit x (h) (k) une solution de l équation homogène associée (2). Toutes les solutions x(k) de l équation linéaire non homogène peuvent être exprimées sous la forme x(k) = x (p) (k) + x (h) (k) Le principe de superposition suivant est valable Théorème. Si x (1) (k), x (2) (k),...,x (m) (k) sont solutions de l équation homogène (2), alors chaque combinaison linéaire c 1 x (1) (k) + c 2 x (2) (k) + + c m x (m) (k) où c 1,...,c m sont des constantes arbitraires, est aussi une solution de l équation homogène (2).

10 Cours de modélisation et simulation p. 10/77 Exemple Considérons l équation non-homogène (k + 1)x(k + 1) kx(k) = 1, k 1 dont l équation homogène correspondante est (k + 1)x(k + 1) kx(k) = 0. La solution générale de l équation homogène est x (h) (k) = A/k. Une solution particulière est x (p) (k) = 1 La solution générale de l équation non-homogène a donc la forme x(k) = 1 + A/k

11 Cours de modélisation et simulation p. 11/77 Polynôme caractéristique Définition. Soit x(k + n) + a n 1 x(k + n 1) + + a 0 x(k) = 0 une équation linéaire homogène d ordre n à coefficients constants. Le polynôme P(λ) = λ n + a n 1 λ n a 1 λ + a 0 est appelé le polynôme caractéristique associé à l équation homogène à coefficients constants. Définition. L équation P(λ) = 0 est appelée l équation caractéristique associée à l équation homogène à coefficients constants. Cette équation a n solutions complexes λ 1,...,λ n.

12 Cours de modélisation et simulation p. 12/77 Équation caractéristique et solutions Théorème. Si λ R est une solution de multiplicité 1 de l équation caractéristique, alors x(k) = λ k est une solution de (2). Si λ R est une solution de multiplicité m de l équation caractéristique, alors x (0) (k) = λ k, x (1) (k) = kλ k, x (2) (k) = k 2 λ k,...,x (m 1) (k) = k m 1 λ k sont m solutions linéairement indépendantes de l équation homogène. Toutes les solutions de l équation homogène peuvent être exprimées comme des combinaisons linéaires des solutions mentionnées ci-dessus.

13 Cours de modélisation et simulation p. 13/77 Exemple Considérons de nouveau l équation aux différences: x(k + 2) 2x(k + 1) + x(k) = 0 qui a deux racines caractéristiques λ 1,2 = 1 de multiplicité m = 2. Selon le théorème précédent, x (0) (k) = 1, x (1) (k) = k sont 2 solutions linéairement indépendantes, en accord avec les solutions fondamentales trouvées auparavant.

14 Cours de modélisation et simulation p. 14/77 Équation caractéristique et solutions (II) Si les coefficients a 0 0, a 1,...,a n 1 sont réels et λ = a ± ib sont deux solutions complexes conjuguées de l équation caractéristique alors w(k) = ρ k cos(θk), z(k) = ρ k sin(θk) sont deux solutions linéairement indépendants de (2) où ρ = a 2 + b 2, cosθ = a a2 + b, sinθ = b 2 a2 + b 2 Si λ = a ± ib est une solution complexe de multiplicité m alors w (0) (k) = ρ k cos(θk), w (1) (k) = kρ k cos(θk),... w (m 1) (k) = k m 1 ρ k cos(θk) z (0) (k) = ρ k sin(θk), z (1) (k) = kρ k sin(θk),... z (m 1) (k) = k m 1 ρ k sin(θk) sont 2m solutions linéairement indépendantes.

15 Cours de modélisation et simulation p. 15/77 Exemple Considérons l équation aux différences d ordre n = 3 x(k + 3) 4x(k + 2) + 5x(k + 1) 2x(k) = 0 où x(0) = 0, x(1) = 1 et x(2) = 0. L équation caractéristique associée est λ 3 4λ 2 + 5λ 2 = 0 qui a comme solutions λ 1 = 2 et λ 2,3 = 1. La solution générale est donc x(k) = c 1 2 k + c 2 + c 3 k où le système d équations suivantes doit être satisfait c 1 + c 2 = 0 2c 1 + c 2 + c 3 = 1 4c 1 + c 2 + 2c 3 = 0 Puisque la solution est c 1 = 2, c 2 = 2, c 3 = 3 la solution générale est x(k) = 2 k+1 + 3k + 2

16 Cours de modélisation et simulation p. 16/77 Les nombres de Fibonacci Considérons l équation qui représente les nombres de Fibonacci x(k + 1) = x(k) + x(k 1) où x(0) = 0 et x(1) = 1. L équation caractéristique λ 2 λ 1 = 0 a les solutions λ 1 = , λ 1 = La solution générale est donc x(k) = c 1 (λ 1 ) k + c 2 (λ 2 ) k et les conditions suivantes { c1 + c 2 = 0 c c = 1

17 Cours de modélisation et simulation p. 17/77 nous amènent à la solution (connue comme la formule de Binet) x(k) = 1 5 ( 1 + ) k ( 1 ) k 5 2 qui corresponde à l évolution 1, 1, 2, 3, 5, 8, 13, 21, 34,... Le nombre irrationel est aussi connu comme le nombre d or. Ce nombre est l unique solution positive de l équation x 2 = x + 1 et il est le seul rapport a/b qui satisfait la relation a+b a = a b. Cette proportion a été souvent associée à des critères esthétiques de beauté qu on retrouve dans plusieurs monuments ou oeuvres d art (le rapport de la hauteur de la pyramide de Khéops par sa demi-base est le nombre d or...)

18 Cours de modélisation et simulation p. 18/77 Exemple Considérons l équation aux différences où x(0) = 0 et x(1) = 1. x(k + 2) + x(k) = 0 L équation caractéristique λ = 0 a deux solutions complexes conjuguées λ 1,2 = ±i. Il s ensuit que ρ = = 1 et θ = π/2. La solution générale est x(k) = c 1 sin(kπ/2) + c 2 cos(kπ/2) En imposant les conditions initiales nous avons { c1 = 1 c 2 = 0 La solution est donc x(k) = sin(kπ/2)

19 Cours de modélisation et simulation p. 19/77 États d équilibre Considérons une équation aux différences à n pas et à coefficients constants x(k + n) + a n 1 x(k + n 1) + a n 2 x(k + n 2) + + a 0 x(k) = b où a 0, a 1,...,a n 1, b sont n coefficients connus. Définition. Un équilibre est un nombre x auquel il correspond une solution constante x(k) = x. Il est facile de montrer que: si 1 + a n 1 + a n a 0 0, alors il existe un seul équilibre x = b 1 + a n 1 + a n a 0 autrement, si 1 + a n 1 + a n a 0 = 0 1. si b = 0 chaque x est un point d équilibre 2. si b 0 il n y a aucun point d équilibre

20 Cours de modélisation et simulation p. 20/77 Stabilité de l équilibre Définition. Un équilibre x est un équilibre stable si ǫ > 0 il existe un δ > 0 et un k 0 > 0 telle que n 1 j=0 x(j) x < δ x(k) x < ǫ k > k 0 c.-à-d. des états initiaux proches de l équilibre donnent origine à des trajectoires proches de l équilibre. Définition. Un équilibre x est un équilibre attractif (ou asymptotiquement stable) si il est stable et lim x(k) = x k

21 Cours de modélisation et simulation p. 21/77 Théorème. Un équilibre de l équation linéaire États d équilibre 1. est stable ssi chaque solution λ i, i = 1,...,n de l équation caractéristique satisfait λ i 1 et les solutions pour lesquelles λ = 1 ont une multiplicité égale à est asymptotiquement stable ssi chaque solution λ i, i = 1,...,n de l équation caractéristique satisfait λ i < 1. Chaque équilibre asymptotiquement stable est aussi stable.

22 Cours de modélisation et simulation p. 22/77 TP Calculer l équilibre et analyser la stabilité pour les systèmes suivants: 1. 6x(k + 2) 5x(k + 1) + x(k) = x(k + 2) 2x(k + 1) + 2x(k) = 0 x(k + 3) + x(k) = 0

23 Cours de modélisation et simulation p. 23/77 TP Calculer la solution de l équation x(k + 2) 4x(k + 1) + 3x(k) = 2 k et de l équation x(k + 2) 4x(k + 1) + 3x(k) = b k, b 1, b 3

24 Cours de modélisation et simulation p. 24/77 Équations linéaires homogènes à un pas Définition. Soit a R une constante. L équation x(k + 1) = ax(k) (3) est appelée une équation aux différences, d ordre 1, linéaire, homogène et à coefficients constants. L équation caractéristique est λ a = 0 qui a la seul racine λ = a. Les solutions de l équation homogène auront la forme exponentielle x(k) = Ca k = C exp ln(a)k = C exp ln(1/a)k Pour chaque condition initiale x(0) = x 0 l équation (3) admet donc la seule solution x(k) = x 0 a k, x 0 R

25 Cours de modélisation et simulation p. 25/77 Le modèle de Malthus Thomas Robert Malthus ( ) a proposé le modèle suivant pour décrire l évolution d une population x (biologique ou d autre nature) x(k + 1) = x(k) + nx(k) mx(k) = (1 + n m)x(k) = rx(k) où la constante n représente le taux de naissance et la constante m le taux de mortalité des individus. Ceci est un exemple de équation aux différences, d ordre 1 linéaire, homogène et à coefficients constants qui modélise une croissance exponentielle de la population

26 Cours de modélisation et simulation p. 26/77 Équations linéaires affines à un pas Définition. Soient a R, a 0 et b R deux constants. L équation x(k + 1) = ax(k) + b (4) est appelée équation affine aux différences linéaire, d ordre 1 et à coefficients constants.

27 Cours de modélisation et simulation p. 27/77 Equation affine d ordre 1: a = 1 Considérons l équation non homogène à coefficients constants d ordre n = 1 x(k + 1) = ax(k) + b où a = 1 et b est connu. La solution particulière a la forme x (p) = ck où c doit satisfaire c(k + 1) = ck + b c = b Puisque λ = 1, la solution générale aurait donc la forme x(k) = C1 k + bk = C + bk Si x(0) = x 0 alors C = x 0 et la solution générale devient x(k) = x 0 + kb

28 Cours de modélisation et simulation p. 28/77 Equation affine d ordre 1: a 1 Considérons l équation non homogène à coefficients constants d ordre n = 1 x(k + 1) = ax(k) + b où a 1 et b sont connus. Une solution particulière de l équation est x (p) = c où c doit satisfaire c = ac + b c = b 1 a La solution générale a donc la forme x(k) = Ca k + b 1 a Si x(0) = x 0 alors C + b 1 a = x0 C = x 0 b 1 a donc x(k) = ( x 0 b ) a k + 1 a b 1 a

29 Cours de modélisation et simulation p. 29/77 Équations linéaires affines à un pas (II) Théorème. Pour chaque valeurs initiale x 0 l équation x(k + 1) = ax(k) + b a une solution unique. La forme analytique de la solution dépend du coefficient a: 1. Si a = 1 alors x(k) = x(0) + kb (a) si b 0 il n existe aucun équilibre et toutes les trajectoires sont divergentes. (b) si b = 0 toutes les valeurs de x sont des valeurs d équilibre et toutes les trajectoires sont constantes. 2. Si a 1 alors x(k) = (x 0 α)a k + α où x = α = b/(1 a) est le seul équilibre. Notons que (a) si a < 1 toutes les trajectoires convergent vers α. (b) si a > 1 toutes les trajectoires sont divergentes (à part celle constante si x 0 = α) (c) si a = 1 alors l équilibre est α = b/2 et toutes les solutions sont oscillantes autour de cet équilibre (à part celle constante pour x 0 = α = b/2).

30 Cours de modélisation et simulation p. 30/77 Ordre 1, a = 1, b > 0 x(k+1) x(0) x(1) x(2) x(3) x(k)

31 Cours de modélisation et simulation p. 31/77 Ordre 1, a < 1, b > 0 x(k+1) x(0) x(1) x(2) b/(1 a) x(k)

32 Cours de modélisation et simulation p. 32/77 Ordre 1, a = 1,b > 0 x(k+1) x(0) b/a x(k)

33 Cours de modélisation et simulation p. 33/77 Modèle du cobweb Le modèle du cobweb (toile d araignée) est un modèle économique classique qui décrit la dynamique de l offre et de la demande par le biais d un modèle discret linéaire d ordre 1. Le modèle concerne un seul produit, par exemple le mais. La demande d dépend du prix p du produit. Puisque la consommation diminue à l augmentation du prix nous pouvons supposer que la courbe de la demande soit linéaire et que sa dynamique soit décrite par d(k + 1) = d 0 c d p(k + 1) où d 0 et c d sont des constantes connues réelles et positives. Aussi nous pouvons supposer que la quantité de produit qui est mise à disposition par le producteurs soit directement proportionnelle au prix et que sa dynamique soit décrite pas s(k + 1) = s 0 + c s p(k) où s 0 et c s sont des constantes connues réelles et positives.

34 Cours de modélisation et simulation p. 34/77 Modèle du cobweb d(0) d d(1) s(1) s s(2) d(2) s(0) p(1) p(2) p(0) p

35 Cours de modélisation et simulation p. 35/77 Modèle du cobweb En imposant la condition que à l équilibre la demande est égale à l offre s 0 + c s p(k) = d 0 c d p(k + 1) nous obtenons cette équation affine aux différences d ordre 1 qui décrit la dynamique du prix p(k + 1) = c s c d p(k) + d 0 s 0 c d = ap(k) + b L équilibre du modèle est p = α = b 1 a = d 0 s 0 c d + c s et la solution p(k) = ( p(0) d )( 0 s 0 c ) k s + d 0 s 0 c d + c s c d c d + c s

36 Cours de modélisation et simulation p. 36/77 Nous supposons que le prix à l instant k détermine la quantité produite mais que suite aux retards de production le produit sera disponible seulement à l instant k + 1. Une fois que l offre est disponible le prix sera déterminé par la demande, c.-à-d. le prix sera ajusté afin que toute la marchandise soit vendue. Notons que la convergence dépend du rapport entre la pente de la courbe de l offre et de la courbe de la demande. Si c s < c d, alors a < 1 et les prix convergent après une série d ajustements vers α pour k et pour tous prix initiaux. Si c s > c d alors a > 1 et il n y a pas stabilisation du prix. En d autres termes, pour que il y ait un équilibre les producteurs doivent être moins sensibles aux prix que les consommateurs.

37 Cours de modélisation et simulation p. 37/77 Remboursement d un prêt hypothécaire Supposons d emprunter à une banque le montant s(0) et de le rembourser par des primes constantes de valeur p. Soit r le taux d intérêt appliqué à la dette résiduelle s(k). L évolution de la somme à rembourser suit la loi s(k + 1) = max(0, s(k) p + rs(k)) = max(0, (1 + r)s(k) p)

38 { x1 (k + 1) = (1 + a 11 )x 1 (k) a 12 x 1 x 2 Cours de modélisation et simulation p. 38/77 Lotka-Volterra en temps discret x 2 (k + 1) = a 21 x 1 (k)x 2 (k) + (1 a 22 )x 2 (k)

39 Cours de modélisation et simulation p. 39/77 Systèmes discrets non-linéaires d ordre 1 Considérons un système discret autonome d ordre 1 dont la dynamique est décrite par x(k + 1) = f(x(k)) où f C et x(k) I R. Dénotons ce système par le couple {f, I}. Nous dénotons l orbite de x(0) par x(1) = f(x(0)) x(2) = f(x(1)) = f(f(x(0))) = f 2 (x(0))... x(k) = f(x(k 1)) = f(f(...(f(x(0))))) = f k (x(0)) N.B.: f k ( ) dénote la valeur de x après la kème itération. Donc x(k) = f k (x(0)) (f(x(0))) k f (k) (x(0))

40 Cours de modélisation et simulation p. 40/77 Représentation graphique f(x) x(3) x(4) x(0) x(1) x(2)

41 Cours de modélisation et simulation p. 41/77 Etats d équilibre Comme dans le cas à temps continu, les points fixes où états d équilibre jouent un rôle important dans la description de la dynamique Définition. L état x est un état d équilibre (ou point fixe) du système {f, I} si x = f( x) D un point de vue géométrique les points d équilibre sont les intersections sur le plan x, y entre la fonction y = f(x) et la droite y = x. Théorème. Soit I = [a, b] un intervalle clos et borné et f : I I une fonction continue telle que les ensembles de départ et d arrivée coïncident avec I. Alors il existe toujours un point d équilibre x tel que f( x) = x.

42 Cours de modélisation et simulation p. 42/77 Exemple Le système à temps discret x(k + 1) = x(k) 3 a les points fixes x 1 = 0, x 2 = 1, x 3 = 1

43 Cours de modélisation et simulation p. 43/77 Stabilité de l équilibre: ordre 1 Définition. L équilibre est stable si pour chaque ǫ > 0 il existe une constante δ > 0 et un k 0 > 0 telle que x(0) x < δ x(k) x < ǫ Définition. L équilibre est globalement asymptotiquement stable (ou globalement attractif) si pour chaque x(0) I lim x(k) = x. k Définition. L équilibre est localement asymptotiquement stable (ou localement attractif) si il existe η > 0 telle que pour chaque x(0) I { x η, x + η} lim x(k) = x. k

44 Cours de modélisation et simulation p. 44/77 Cycles Définition. Soit donnée un système discret {f, I}. Un cycle d ordre s est un ensemble de s valeurs différentes { x 0,..., x s 1 } telles que x 1 = f( x 0 ), x 2 = f( x 1 ),..., x 0 = f( x s 1 ) La quantité s est le période de l orbite. Par exemple le système non linéaire {1/x, (0, + )} a un seul équilibre mais un nombre infini de trajectoires de période 2. Théorème. Considérons le système discret {f, I}. La paire { x 0, x 1 } est un cycle d ordre 2 ssi x 0 et x 1 sont des points d équilibre de {f 2, I} mais pas de {f, I}.

45 Cours de modélisation et simulation p. 45/77 Exemple Le système à temps discret x(k + 1) = (2 x(k))(3x(k) + 1)/2 a un cycle d ordre 3 formé par les valeurs x 0 = 0, x 1 = 1, x 2 = 2

46 Cours de modélisation et simulation p. 46/77 Exemple Le système à temps discret x(k + 1) = x(k) 2 1 a un cycle { x 0 = 0, x 1 = 1} d ordre 2. Ceci peut être facilement démontrable puisque x 0 = 0 et x 1 = 1 sont les points d équilibre de mais pas de f. f 2 = (x 2 1) 2 1 = x 4 2x 2

47 Cours de modélisation et simulation p. 47/77 Conditions de stabilité Théorème. Si x un équilibre du système {f, I}, où f C 1 alors f ( x) < 1 x est localement asymptotiquement stable f ( x) > 1 x est instable f ( x) = 1 ne renvoie aucune information sur la stabilité de x

48 Cours de modélisation et simulation p. 48/77 Linéarisation Les résultats de stabilité peuvent être facilement expliqués de la manière suivante. Considérons le point fixe x = f( x) du système x(k + 1) = f(x(k)). Afin d analyser sa stabilité considérons la trajectoire proche x(k) = x + δ(k) et demandons nous comment cette trajectoire va se comporter autour de x x + δ(k + 1) = x(k + 1) = f( x + δ(k)) = f( x) + f ( x)δ(k) + O(δ(k) 2 ) Ceci nous amène à la dynamique linéaire δ(k + 1) = f ( x)δ(k) + O(δ(k) 2 ) δ(k + 1) aδ(k) qui décrit comment évolue la perturbation. Si f ( x) < 1, la dynamique de la perturbation est asymptotiquement stable, c.-à-d. δ(k) 0 et x(k) x pour k.

49 Cours de modélisation et simulation p. 49/77 Localement asymptotiquement stable x(k+1) f ( x) < 1. x(k)

50 Cours de modélisation et simulation p. 50/77 Equilibre instable x(k+1) f ( x) > 1. x(0) x(k)

51 Cours de modélisation et simulation p. 51/77 Conditions de stabilité pour f ( x) = 1 Théorème. Si x un équilibre du système {f, I}, où f C 2 et f ( x) = 1. Alors f ( x) > 0 x est inférieurement asymptotiquement stable et supérieurement instable (ou répulsif) f ( x) < 0 x est supérieurement asymptotiquement stable et inférieurement instable (ou répulsif) Théorème. Si x un équilibre du système {f, I}, où f C 3 et f ( x) = 1 et f ( x) = 0. Alors f ( x) > 0 x est instable. f ( x) < 0 x est localement asymptotiquement stable Théorème. Si x un équilibre du système {f, I}, où f C 3 et f( x) = x et f ( x) = 1. Alors 2f ( x) + 3 (f ( x)) 2 > 0 x est localement asymptotiquement stable. 2f ( x) + 3 (f ( x)) 2 < 0 x est instable.

52 Cours de modélisation et simulation p. 52/77 Inférieurement asympt. stable x(k+1) x(0) f ( x) = 1 et f ( x) > 0. x(0) x(k)

53 Cours de modélisation et simulation p. 53/77 Supérieurement asympt. stable x(k+1) f ( x) = 1 et f ( x) < 0. x(0) x(0) x(k)

54 Cours de modélisation et simulation p. 54/77 Fonction croissante Le comportement qualitative d un système non-linéaire n est pas évident à déterminer. Un cas particulier est représenté par une fonction f monotone croissante. Dans ce cas il est possible exploiter le théorème suivant Théorème. Une série réelle monotone croissante (décroissante) admet toujours une limite: ceci est fini ssi la série est limitée, autrement il est + ( ).

55 Cours de modélisation et simulation p. 55/77 Fonction croissante Si f : R R est continue et croissante alors le comportement du système pour un x(0) donné est décrit par l algorithme suivant: Si x(1) = f(x(0)) = x(0) alors x(k) = x(0), k N Si x(1) = f(x(0)) > x(0) Si ils existent des point fixes plus grands que x(0) alors x(k) x où x est le plus petit parmi les points fixes plus grands que x(0) Si ils n existent pas des point fixes plus grands que x(0) alors x(k) + Si x(1) = f(x(0)) < x(0) Si ils existent des point fixes plus petits que x(0) alors x(k) x où x est le plus grand parmi les points fixes plus petits que x(0) Si ils n existent pas des point fixes plus petits que x(0) alors x(k)

56 Exemple Soit f(x) = x + sinx x(0)= k x(0)= k Cours de modélisation et simulation p. 56/77

57 Cours de modélisation et simulation p. 57/77 Attracteur Définition. Soit {f, I} un système discret à un pas. Un ensemble clos A I, tel que f(a) = A, est appelé attracteur si il est le plus petit ensemble pour le quel il existe un η > 0 tel que, x(0) I : dist(x(0), A) < η il se produit que lim dist(x(k), A) = 0 k L ensemble {x(0) I : lim x(k) A} k est appelé le bassin d attraction.

58 Cours de modélisation et simulation p. 58/77 Bifurcations Considérons un système discret d ordre 1 où la fonction f a est paramétrique avec un paramètre a. Souvent les phénomènes physiques sont caractérisés par une dépendance continue du comportement par rapport aux paramètres qui les caractérisent. Dans certains cas, toutefois, nous pouvons assister à des gros changements suite à des petites variations. L étude des bifurcations vise à déterminer ces valeurs des paramètres qui entraînent des fort changements qualitatifs. Définition. Soit f a une fonction de transition paramétrique dans a A. La valeur ā A est appelée valeur de bifurcation pour {f a, I} si pour chaque ǫ > 0 la somme du nombre de points d équilibre et du nombre de points qui appartient à des orbites périodiques n est pas constant dans (ā ǫ, ā + ǫ).

59 Exemple Considérons f a = x 2 + a. Le système n a pas des points fixes pour a > 1/4, il a un point fixe x = 1/2 pour a = 1/4 et il a deux points fixes pour a < 1/4 x 1,2 = 1 2 ± 1 4a 2. x(k+1) x(k+1) x(k) x(k) x(k+1) x(k) Cours de modélisation et simulation p. 59/77

60 Cours de modélisation et simulation p. 60/77 Fonction logistique discrète L équation logistique a été proposée par le biologiste May en 1976 pour représenter de manière très simplifiée l évolution annuelle d une population d insectes x(k + 1) = f a (x(k)) = ax(k)(1 x(k)), a [0, 4], x [0, 1] ou x(k) [0, 1] représente le pourcentage de population par rapport à une certaine valeur maximale de référence. Malgré sa simplicité le système peut afficher des comportements qualitativement très complexes au fur et à mesure que a augmente

61 Cours de modélisation et simulation p. 61/77 Fonction logistique discrète Le graphique de f a est une parabole ayant origine dans le point (1/2, a/4), concave et symétrique par rapport à la droite verticale x = 1/2. Les points fixes sont obtenus en résolvant l équation ax(1 x) = x Les racines sont l origine x (1) = 0 et le point x (2) = (a 1)/a pour 1 < a 4. Notons aussi que les trajectoires ayant comme conditions initiales x(0) = 1 et x(0) = 1/a si a > 1 sont constantes pour k 1.

62 Cours de modélisation et simulation p. 62/77 Au fur et à mesure que le paramètre a augmente, le comportement qualitative du système change fortement. Afin de l analyser il est important tenir en considération que f(x) = ax(1 x), f (x) = a 2ax, f (x) = 2a, f (x) = 0

63 Cours de modélisation et simulation p. 63/77 Fonction logistique discrète: 0 a < 1 Si a [0, 1) le point x (1) = 0 est le seul équilibre. Puisque f (0) = a < 1, il est asymptotiquement stable. 1 a=0.5 x eq = x(k+1) x(k)

64 Cours de modélisation et simulation p. 64/77 a = 1 Si a = 1 puisque f (0) = a = 1 et f (0) = 2a < 0, l équilibre x (1) = 0 est supérieurement asymptotiquement stable. 1 a=1 x eq = x(k+1) x(k)

65 Cours de modélisation et simulation p. 65/77 a > 1 Si 1 < a 4 nous avons deux points fixes: x (1) = 0 et x (2) = (a 1)/a. Puisque f (0) = a > 1 le point x (1) = 0 est instable. Puisque f ( x (2) ) = 2 a l équilibre x (2) est asymptotiquement stable pour 1 < a < 3. Pour a = 3, nous avons f ( x (2) ) = 1, f ( x (2) ) = 2a = 6, f ( x (2) ) = 0. Puisque 2f ( x (2) ) + 3 ( f ( x (2) )) 2 > 0 alors x (2) est localement asymptotiquement stable. L équilibre x (2) devient instable pour 3 < a 4.

66 a = a=1.5 x eq =0 x eq = x(k+1) x(k) 1 a=1.5 x eq =0 x eq = x(k+1) x(k) Cours de modélisation et simulation p. 66/77

67 Cours de modélisation et simulation p. 67/77 a = 3 L équilibre x (2) est localement asymptotiquement stable pour a = 3. 1 a=3 x eq =0 x eq = x(k+1) x(k)

68 Cours de modélisation et simulation p. 68/77 a = 3.3 < x(k+1) a=3.3 x eq =0 x eq = x(k) x(k) k Un cycle stable et attracteur d ordre 2 apparait.

69 Cours de modélisation et simulation p. 69/77 3 < a 4 Si 3 < a 4, un cycle de période 2 apparaît. Ceci est vérifié par le fait que f 2 = a 2 x(1 x)(1 ax(1 x)) = x ( x x a 1 ) ( a 3 x 2 + (a 2 + a 3 )x (a 2 + a)) = 0 a a quatre solution distinctes: x (1), x (2) et deux solutions additionnelles β = a (a 3)(a + 1) 2a Si 3 < a le cycle est stable et attractif, γ = a + 1 (a 3)(a + 1) 2a Si a > le comportement devient beaucoup plus complexe. Le cycle n est plus stable et un cycle d ordre 4 apparaît. A partir de ces valeurs on assiste à un doublement de l ordre de la période jusqu à a = quand le système devient chaotique.

70 Cours de modélisation et simulation p. 70/77 a = 3.5 > x(k+1) a=3.5 x eq =0 x eq = x(k) x(k) k Un cycle stable et attracteur d ordre 4 apparait.

71 Cours de modélisation et simulation p. 71/77 a = 3.57 > x(k+1) a=3.57 x eq =0 x eq = x(k) x(k) k Un comportement chaotique apparait

72 Cours de modélisation et simulation p. 72/77 Valeurs de bifurcation Notons par a 1 = 3, a 2 = , a 3 = , a 4 = ,...,a = les valeurs de a telles que le système a une orbite stable de periode 2 n si a n < a a n+1. Feigenbaum a montré que lim n a n a n 1 a n+1 a n = est une constante connue comme la constante de Feigenbaum. Il s agit d une grandeur universelle comme le nombre e ou le nombre π; en effet, elle possède la propriété d être valable pour de nombreuses fonctions. Il est intéressant remarquer que des phénomènes de cascade de doublement du période avec le même comportement asymptotique ont été détecté dans d autres systèmes dynamiques aussi.

73 Cours de modélisation et simulation p. 73/77 Diagramme de bifurcation 1 Bifurcation digram

74 Cours de modélisation et simulation p. 74/77 Système chaotique Notons que à la différence du cas continu, un système à temps discret peut être chaotique aussi pour n = 1 ou n = 2. Définition. Un système discret {f, I} est appelé chaotique si chaque intervalle (a, b) I contient au moins un point qui appartient à un cycle pour chaque x, y I et pour chaque ǫ > 0 il existe un z I et un k N telles que z x < ǫ, f k (z) y < ǫ Ceci signifie que une fois définis deux intervalles n importe comment petits, dans chacun il y a une trajectoire qui passe dans l autre le système est sensitive aux conditions initiales, c.-à-d. il existe δ > 0 tel que pour chaque x I et ǫ > 0, ils existent z I, k N telles que z x < ǫ, f k (z) f k (x) > δ La troisième propriété signifie que des petites erreurs dans la mesure de x peuvent entraîner des grandes différences entre la valeur calculée et la vraie valeur

75 Exposant de Liapounov Une manière pour quantifier la taux de chaoticité d un système est estimer l exposant de Liapounov. Soit x(n) + δ(n) = f N (x(0) + δ(0)). Après N étapes la perturbation initiale est amplifiée d un facteur δ(n) δ(0) = δ(n) δ(n 1) δ(n 1) δ(n 2) δ(1) δ(0) Le logarithme du facteur d amplification est donc ln δ(n) δ(0) N 1 = ln L exposant de Liapounov est défini par k=0 δ(k + 1) δ(k) L = lim N 1 N N 1 k=0 ln δ(k + 1) δ(k) et il représente le taux moyen de divergence par itération. Cours de modélisation et simulation p. 75/77

76 Cours de modélisation et simulation p. 76/77 Puisque δ(k + 1) f ( x)δ(k) Exposant de Liapounov L lim N 1 N N 1 k=0 ln f (x(k)) Un système est défini chaotique si son exposant de Liapounov est positif L > 0 δ(n) δ(0) > 1 L erreur infinitésimale du début ira donc en augmentant. Le système sera dans ce cas sensible aux très petites variations de sa condition initiale. Si au contraire l exposant de Lyapunov est négatif, l erreur infinitésimale du début ira en diminuant. L erreur initiale n aura dans ce cas aucun effet à long terme.

77 Cours de modélisation et simulation p. 77/77 Exposant de Liapounov et éq. logistique Voici quelques estimations de l exposant de Liapounov obtenues de manière numérique pour des valeurs differentes de a dans l équation logistique: a ˆL

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

Mathématique - Cours

Mathématique - Cours Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge Le programme se compose ainsi : partie seconde partie 1/3 partie 2/3 partie 3/3 Sommaire 1 Ensemble

Plus en détail

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour L / Recueil d exercices corrigés et aide-mémoire USTV M Analyse numérique G FACCANONI Dernière mise-à-jour Jeudi mai Avertissement : ces notes sont régulièrement mises à jour et corrigées, ne vous étonnez

Plus en détail

Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques

Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques (605) GESTION DE STOCK À DEMANDE ALÉATOIRE Résumé : Chaque mois, le gérant d un magasin doit

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chapitre 4 : RÉGRESSION 4.3 Régression linéaire multiple 4.3.1 Equation et Estimation 4.3.2 Inférence 4.3.3 Coefficients de détermination 4.3.4 Spécifications Régression linéaire multiple 1 / 50 Chapitre

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

Plus en détail

2 Fonctions affines : définitions et propriétés fondamentales

2 Fonctions affines : définitions et propriétés fondamentales Chapitre 3 : Fonctions affines Dans tout ce chapitre, le plan est muni d un repère. 1 Rappels sur les équations de droite Une droite qui n est pas verticale a une unique équation du type y = ax + b, qu

Plus en détail

Systèmes dynamiques. Chapitre 1

Systèmes dynamiques. Chapitre 1 Chapitre 1 Systèmes dynamiques 1) Placement financier On dépose une quantité d argent u 0 à la banque à l instant t 0 = 0 et on place cet argent à un taux r > 0. On sait qu en vertu de la loi des intérêts

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

Théorème de Rolle et égalité des accroissements finis. Applications

Théorème de Rolle et égalité des accroissements finis. Applications 0 Théorème de Rolle et égalité des accroissements finis. Applications 0. Le théorème de Rolle sur un espace vectoriel normé Pour ce paragraphe, on se donne un espace vectoriel normé (E, ). Le théorème

Plus en détail

Un sujet pour l épreuve B (modélisation et informatique)

Un sujet pour l épreuve B (modélisation et informatique) Un sujet pour l épreuve B modélisation et informatique) Présentation Le texte proposé ci-après est conçu pour l épreuve B, portant plus particulièrement sur la modélisation et l informatique l épreuve

Plus en détail

Chapitre 2 : Les systèmes d équations récurrentes linéaires. dans

Chapitre 2 : Les systèmes d équations récurrentes linéaires. dans Chapitre 2 : Les systèmes d équations récurrentes linéaires dans Sommaire Sandrine CHARLES 1 Introduction... 3 2 Rappels sur les formes de Jordan réelles dans... 4 2.1 Deux valeurs propres réelles distinctes

Plus en détail

Introduction aux Systèmes Dynamiques

Introduction aux Systèmes Dynamiques Introduction aux Systèmes Dynamiques Introduction Deux grands chapitres : Les équations différentielles ordinaires dans IR Les systèmes d équations différentielles dans IR² Applications : Dynamique des

Plus en détail

Influence des conditions de bord dans les réseaux d automates booléens à seuil et application à la biologie

Influence des conditions de bord dans les réseaux d automates booléens à seuil et application à la biologie Influence des conditions de bord dans les réseaux d automates booléens à seuil et application à la biologie Sylvain Sené Directeurs de thèse Jacques Demongeot et Michel Morvan 15 octobre 2008 S. Sené Réseaux

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

Dérivées et applications. Equation

Dérivées et applications. Equation Dérivées et applications. Equation I) Dérivée d une fonction strictement monotone 1) Exemples graphiques Soit une fonction dérivable sur un intervalle I. Pour tout I, (x) est le coefficient directeur de

Plus en détail

Connaître les variations des fonctions polynômes de degré 2 (monotonie, extremum) et la propriété de symétrie de leurs courbes.

Connaître les variations des fonctions polynômes de degré 2 (monotonie, extremum) et la propriété de symétrie de leurs courbes. www.mathsenligne.com 2N3 - FONCTION CARRE ET SECOND DEGRE COURS (1/6) CONTENUS CAPACITES ATTENDUES COMMENTAIRES Expressions algébriques Transformations d expressions algébriques en vue d une résolution

Plus en détail

Contrôle commun : 4 heures

Contrôle commun : 4 heures Exercice 1 (5 points) Contrôle commun : 4 heures PARTIE A On considère la fonction f définie sur l intervalle ]0 ; + [ par f(x) = ln x + x. 1. Déterminer les limites de la fonction f en 0 et en +.. Étudier

Plus en détail

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET MATHEMATIQUES 3 PRISE DE NOTE PAR : PLASMAN SYLVAIN SERIE 7 ANNEE 2010-2011 1 Sommaire et accès aux chapitres/sous-chapitres Cliquez sur le

Plus en détail

TD Dérivation n 2 : étude des variations de fonctions

TD Dérivation n 2 : étude des variations de fonctions 1) f (x) = 7x+3 TD Dérivation n : étude des variations de fonctions Étude de variations f est une fonction affine, de coefficient directeur négatif, on sait donc qu elle est décroissante surê. Le calcul

Plus en détail

Les paraboles. x ax 2 + bx + c.

Les paraboles. x ax 2 + bx + c. 1ES Résumé du cours sur le second degré. Les paraboles. On appelle fonction du second degré une fonction de la forme x ax 2 + bx + c. Bien sûr a doit être différent de 0 sinon ce n est pas une fonction

Plus en détail

Corrigé du baccalauréat ES Asie 19 juin 2014

Corrigé du baccalauréat ES Asie 19 juin 2014 Corrigé du baccalauréat ES Asie 9 juin 4 EXERCICE 4 points Commun à tous les candidats Proposition : fausse f (4) est le coefficient directeur de la tangente à la courbe au point C ; cette droite passe

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/83 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Second degré Forme canonique d un trinôme Exercices corrigés

Second degré Forme canonique d un trinôme Exercices corrigés Second degré Forme canonique d un trinôme Exercices corrigés Objectifs abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : reconnaître une forme canonique Exercice 2 :

Plus en détail

La commande par mode glissant

La commande par mode glissant 1. Introduction Les lois de commande classiques du type PID sont très efficaces dans le cas des systèmes linéaires à paramètres constants. Pour des systèmes non linéaires ou ayant des paramètres non constants,

Plus en détail

Devoir commun de Mathématiques 18 janvier 2014. Problème 1

Devoir commun de Mathématiques 18 janvier 2014. Problème 1 Lycée Jean Bart MPSI & PCSI Année 213-214 Devoir commun de Mathématiques 18 janvier 214 La clarté des raisonnements, la précision de la rédaction et la présentation entreront pour une part non négligeable

Plus en détail

Nombre dérivé, interprétations géométrique et cinématique

Nombre dérivé, interprétations géométrique et cinématique CHAPITRE 4 DÉRIVATION ET PRIMITIVATION Nombre dérivé, interprétations géométrique et cinématique 08. Nombre dérivé Soit f une fonction numérique, définie sur un intervalle ou une réunion d intervalles,

Plus en détail

7 FONCTIONS USUELLES. 1 Parité d une fonction. 2 Fonctions affines

7 FONCTIONS USUELLES. 1 Parité d une fonction. 2 Fonctions affines Cours 7 FONCTIONS USUELLES Parité d une fonction Définition Soit f une fonction définie sur un ensemble D. On dit que f est paire si : { D est symétrique par rapport à 0 Pour tout x D, f ( x) = f (x) On

Plus en détail

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales Recueil d annales en Mathématiques Terminale S Enseignement obligatoire Frédéric Demoulin Dernière révision : 3 juin 2 Document diffusé via le site www.bacamaths.net de Gilles Costantini 2. frederic.demoulin

Plus en détail

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008)

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008) Rapport de Recherche (D. Blanke - Mars 2008) L essentiel de mes activités de recherche porte sur l estimation fonctionnelle ou paramétrique pour des processus. L ensemble de ces travaux peut se diviser

Plus en détail

Équations différentielles en physique

Équations différentielles en physique Fiche Mathématiques pour la Physique - Équations différentielles en physique - MPSI 1 Lycée Chaptal - 2012 Équations différentielles en physique On ne considère en physique en prépa (quasiment) que des

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

4. Equation de Schröninger

4. Equation de Schröninger 4. Equation de Schröninger Introduction Particule libre Paquets d ondes Particule libre localisée Puits de potentiel de profondeur infinie Puits de potentiel de profondeur finie Barrière de potentiel Microscope

Plus en détail

Brevet de technicien supérieur Comptabilité et gestion des organisations

Brevet de technicien supérieur Comptabilité et gestion des organisations Comptabilité et gestion des organisations Lycée Cassini Exercice 1 11 points A. Étude d une fonction Soit f la fonction définie sur l intervalle [1 ; 14] par x+ 1 ln x f (x)=. x 1. a. Démontrer que. pour

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année.

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année. MATHÉMATIQUES TERMINALE ES A. YALLOUZ Ce polcopié conforme au programme 00, regroupe les documents distribués au élèves en cours d année. Année 0-0 Année 0-0 T le ES A. YALLOUZ (MATH@ES) TABLE DES MATIÈRES

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

Chapitre 3 : Le revenu d équilibre

Chapitre 3 : Le revenu d équilibre Chapitre 3 : Le revenu d équilibre - 112 - Dans ce chapitre vous allez : - Distinguer entre la théorie classique et la théorie moderne de l équilibre macroéconomique. - Découvrir l interprétation moderne

Plus en détail

La maximisation du profit

La maximisation du profit 2 La maximisation du profit Le profit, au sens économique du terme, se définit comme la différence entre les recettes perçues et les coûts supportés par une firme. Il est important de bien comprendre que

Plus en détail

Baccalauréat Série S Métropole, juin 2014

Baccalauréat Série S Métropole, juin 2014 Baccalauréat Série S Métropole, juin 4 Sujet et Corrigé Stéphane PASQUET Disponible sur http://www.mathweb.fr juin 4 Exercice (5 points) - Commun à tous les candidats Partie A Dans le plan muni d un repère

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer [http://mp.cpgedupuydelome.fr] édité le 9 décembre 05 Enoncés Familles sommables Ensemble dénombrable a) Calculer n+ Exercice [ 03897 ] [Correction] Soit f : R R croissante. Montrer que l ensemble des

Plus en détail

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme...

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme... Maths PCSI Cours Espaces affines Table des matières 1 Espaces et sous-espaces affines 2 1.1 Espaces affines et translations.................................... 2 1.2 Exemples d espaces affines......................................

Plus en détail

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes.

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes. Au menu Cours 7: Classes Probabilistes Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique Retours sur quelques algorithmes Quelques résultats INF561 Algorithmes et Complexité 1 2 Sous

Plus en détail

Fonctions à deux variables

Fonctions à deux variables Fonctions à deux variables ECE Lcée Carnot 5 janvier Aspect graphique Définition. Une fonction à deux variables est une application f : D R, où D est une sous-ensemble du plan R appelé domaine de définition

Plus en détail

Volume et température d un gaz

Volume et température d un gaz Volume et température d un gaz Par Pascal Rebetez Janvier 7 Introduction Après avoir étudié expérimentalement la relation entre le volume et la température d un gaz (de l air), nous comparons les données

Plus en détail

Exercices de rentrée MPSI-PCSI

Exercices de rentrée MPSI-PCSI Exercices de rentrée MPSI-PCSI Lycée Saint-Louis 015-016 Introduction Cette feuille d exercices s adresse aux élèves rentrant en MPSI ou en PCSI au lycée Saint- Louis Il s agit d exercices qui sont entièrement

Plus en détail

Suites numériques. Sommaire :

Suites numériques. Sommaire : Suites numériques I Activité n o 2 page 295 Sommaire : II Généralités sur les suites numériques III Variations et bornes IV Suites arithmétiques V Suites géométriques VI Suites convergentes VII Représentation

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Travaux pratiques V Modèles retardés pour une seule espèce Modèles discrets à plusieurs espèces

Travaux pratiques V Modèles retardés pour une seule espèce Modèles discrets à plusieurs espèces Biomodélisation 1 Département Licence K1BE6W14 Mathématiques Ph. Thieullen Biomodélisation TP machine V Travaux pratiques V Modèles retardés pour une seule espèce Modèles discrets à plusieurs espèces TP

Plus en détail

Master 2 IMOI - Mathématiques Financières

Master 2 IMOI - Mathématiques Financières Master 2 IMOI - Mathématiques Financières Exercices - Liste 1 1 Comportement d un investisseur face au risque Exercice 1 Soit K la matrice définie par 1 2 [ 3 1 1 3 1.1 Montrer que K est la matrice de

Plus en détail

Fonctions. Fonctions linéaires, affines et constantes

Fonctions. Fonctions linéaires, affines et constantes linéaires, affines et constantes 1. linéaires Comme il existe une infinité de fonctions différentes, on les classe par catégories. La première catégorie est constituée par les fonctions linéaires. Une

Plus en détail

Groupe : (h, k) ( 5, 12)

Groupe : (h, k) ( 5, 12) Fiche de soutien Les propriétés de la fonction racine carrée PROPRIÉTÉ FONCTION SOUS FORME CANONIQUE f(x) = a + k (ou f(x) = a 1 + k et a 1 = a ) EXEMPLE f(x) = 2 12 (ou f(x) = 6 12) Coordonnées du sommet

Plus en détail

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES CHAPITRE SUITES RÉELLES ET COMPLEXES Les suites sont un objet fondamental à la fois en mathématiques et dans l application des mathématiques aux autres sciences. Nous verrons dans ce cours et les travaux

Plus en détail

Cours de Mathématiques 2

Cours de Mathématiques 2 Cours de Mathématiques 2 première partie : Analyse 2 DEUG MIAS 1 e année, 2 e semestre. Maximilian F. Hasler Département Scientifique Interfacultaire B.P. 7209 F 97275 SCHOELCHER CEDEX Fax : 0596 72 73

Plus en détail

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

La dynamique du système est donnée par (1)

La dynamique du système est donnée par (1) Master d Ingénierie Mathématique Contrôle des systèmes non-linéaires Examen, durée 3h Sujet donné par Pierre Rouchon, tous les documents sont autorisés. Comme le montre la figure ci-contre, ce robot marcheur

Plus en détail

Le second degré. Déterminer et utiliser la forme la plus adéquate d une fonction polynôme de degré deux en vue de la résolution d un problème :

Le second degré. Déterminer et utiliser la forme la plus adéquate d une fonction polynôme de degré deux en vue de la résolution d un problème : Chapitre 1 Ce que dit le programme Le second degré CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Second degré Forme canonique d une fonction polynôme de degré deux. Équation du second degré, discriminant.

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Ó Ø Ó Ö ¾¼½ PSI Aurélien Monteillet ii Ce document contient les notes d un cours de mathématiques pour la classe de PSI. Les démonstrations non exigibles ou hors programme sont explicitement

Plus en détail

Chapitre : Fonctions convexes

Chapitre : Fonctions convexes Chapitre : Fonctions convexes I Définition Définition 1 Soit f : I R une fonction continue où I un intervalle de R On dit que f est une fonction convexe si (x, y I 2, λ [0, 1], f(λx + (1 λy λf(x + (1 λf(y

Plus en détail

MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU TABLEAU DE CORRESPONDANCE DU CURRICULUM À : MATHÉMATIQUES 11 NO P-0-257

MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU TABLEAU DE CORRESPONDANCE DU CURRICULUM À : MATHÉMATIQUES 11 NO P-0-257 MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU CURRICULUM DE L ONTARIO : MATHÉMATIQUES, FONCTIONS, 11 e année, COURS PRÉUNIVERSITAIRE/PRÉCOLLÉGIAL (MCF3M) TABLEAU DE CORRESPONDANCE DU CURRICULUM À

Plus en détail

Baccalauréat S Amérique du Nord 2 juin 2015

Baccalauréat S Amérique du Nord 2 juin 2015 Durée : 4 heures Baccalauréat S Amérique du Nord 2 juin 2015 Exercice 1 Commun à tous les candidats 5 points Dans l espace, on considère ( une pyramide SABCE à base carrée ABCE de centre O. Soit D le point

Plus en détail

Corrigé du baccalauréat ES Pondichéry 16 avril 2015

Corrigé du baccalauréat ES Pondichéry 16 avril 2015 Corrigé du baccalauréat ES Pondichéry 16 avril 2015 Exercice 1 Commun à tous les candidats 5 points Partie A On appelle B l événement «la batterie est défectueuse» ; l événement «le disque dur est défectueux».

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

Plus en détail

Définition d une norme

Définition d une norme Définition d une norme Définition E est un K-ev. L application N : E R + est une norme sur E ssi 1. x E, N(x) = 0 x = 0. 2. k K, x E, N(k.x) = k N(x). 3. x, y E, N(x + y) N(x) + N(y) Notation N,. Propriété

Plus en détail

L3 Mathématique pour la physique Examen final 4 janvier 2011 : CORRIGE

L3 Mathématique pour la physique Examen final 4 janvier 2011 : CORRIGE Université Joseph Fourier L3 Physique Julia Meyer julia.meyer@ujf-grenoble.fr L3 Mathématique pour la physique Examen final 4 janvier 20 : CORRIGE Modalités : Notes de cours et TDs permis. NOTE IMPORTANTE

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

Plus en détail

MECA0003-2 - MÉCANIQUE RATIONNELLE

MECA0003-2 - MÉCANIQUE RATIONNELLE L G L G Octobre 015 MEA0003- - MÉANIQUE RATIONNELLE Prof. Éric J.M.DELHEZ Un constructeur de jouets souhaitant mettre au point un nouveau système de propulsion de petites voitures pour son circuit miniature

Plus en détail

Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 2016

Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 2016 Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 0 A. P. M. E. P. EXERCICE Commun à tous les candidats points Partie A Une boite contient 00 médailles souvenir dont 50 sont argentées, les autres dorées.

Plus en détail

concours externe de recrutement de professeurs certifiés et concours d accès à des listes d aptitude (CAFEP)

concours externe de recrutement de professeurs certifiés et concours d accès à des listes d aptitude (CAFEP) SESSION DE 2005 concours externe de recrutement de professeurs certifiés et concours d accès à des listes d aptitude (CAFEP) section : mathématiques deuxième composition de mathématiques (épreuve de remplacement)

Plus en détail

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 013 Lectures graphiques (9 points) Les parties sont indépendantes Partie A Tous les clients d un petit restaurant ont opté pour la formule

Plus en détail

119 exercices de mathématiques pour 1 re S

119 exercices de mathématiques pour 1 re S mai 06 9 exercices de mathématiques pour re S Stéphane PASQUET Sommaire Disponible sur http: // www. mathweb. fr mai 06 I Le second degré.................................. I. Calcul de discriminant et

Plus en détail

Topologie des espaces vectoriels normés

Topologie des espaces vectoriels normés Topologie des espaces vectoriels normés Cédric Milliet Version préliminaire Cours de troisième année de licence Université Galatasaray Année 2011-2012 2 Chapitre 1 R-Espaces vectoriels normés 1.1 Vocabulaire

Plus en détail

TRINÔME DU SECOND DEGRÉ

TRINÔME DU SECOND DEGRÉ TRINÔME DU SECOND DEGRÉ Définition On appelle fonction trinôme du second degré, toute fonction f définie sur IR qui, à x associe f(x) = ax 2 + bx + c, a, b et c étant trois réels avec a 0. Exemple Les

Plus en détail

FICHE DE RÉVISION DU BAC

FICHE DE RÉVISION DU BAC Note liminaire Programme selon les sections : - fonctions de références, représentations graphiques, dérivées, tableau de variations : toutes sections - opérations sur les limites, asymptotes : STI2D,

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS 1 Définition et exemples fondamentaux 1.1 Définition Définition 1.1 Espace vectoriel Soient K un corps et E un ensemble muni d une loi interne + et d une loi externe. i.e. d une application

Plus en détail

Baccalauréat STL Biotechnologies juin 2014 Polynésie Correction

Baccalauréat STL Biotechnologies juin 2014 Polynésie Correction Baccalauréat STL Biotechnologies juin 014 Polynésie Correction EXERCICE 1 Les trois parties de cet exercice peuvent être traitées de manière indépendante. Les résultats seront arrondis, si nécessaire,

Plus en détail

1 Cinématique du solide

1 Cinématique du solide TBLE DES MTIÈRES 1 Cinématique du solide 1 1.1 Coordonnées d un point dans l espace......................... 1 1.1.1 Repère et référentiel................................ 1 1.1.2 Sens trigonométrique...............................

Plus en détail

affines à un pas est appelée équation affine aux différences linéaire, d ordre 1

affines à un pas est appelée équation affine aux différences linéaire, d ordre 1 EQUATIONS AUX DIFFÉRENCES (II/II) 1. Rappels théoriques : équations linéaires affines à un pas 1.1. Équations linéaires affines à un pas. Définition. Soient a R, a 0 et b R deux constants. L équation (1)

Plus en détail

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 105 HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 1. Introduction En statistiques il arrive fréquemment que les individus soient décrits par un grand nombre de caractères. : voitures décrites par leur

Plus en détail

Baccalauréat S Centres étrangers 12 juin 2014

Baccalauréat S Centres étrangers 12 juin 2014 Durée : 4 heures Baccalauréat S Centres étrangers juin 04 A. P. M. E. P. Dans l ensemble du sujet, et pour chaque question, toute trace de recherche même incomplète, ou d initiative même non fructueuse,

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Fonctions exponentielles et logarithmes

Fonctions exponentielles et logarithmes Fonctions exponentielles et logarithmes Il s'agit de deux familles de fonctions étroitement liées, la première étendant à toutes les valeurs réelles la notion déjà connue de puissance. On en donne ici

Plus en détail

Chapitre 4. Fonction exponentielle. 4.1 Activité. Sommaire

Chapitre 4. Fonction exponentielle. 4.1 Activité. Sommaire Chapitre 4 Fonction exponentielle Sommaire 4.1 Activité............................................. 37 4. Fonctions exponentielles de base q (q > 0)........................ 39 4..1 Définition.........................................

Plus en détail

Variations des fonctions

Variations des fonctions CH2-1er S Variations des fonctions Rédacteur : Yann BANC Le mot du prof : Ce chapitre vous permet de revoir les fonctions usuelles et de découvrir de nouvelles fonctions usuelles : valeur absolue et racine

Plus en détail

Fonctions Nombre Dérivé Fonction dérivée

Fonctions Nombre Dérivé Fonction dérivée Fonctions Nombre Dérivé Fonction dérivée Ce chapitre est le chapitre central de la classe de Terminale STG. Il permet (en partie) de clore ce qui avait été entamé dés le collège avec les fonctions affines

Plus en détail

Techniques d Analyse par les Méthodes de Lyapunov (suite)

Techniques d Analyse par les Méthodes de Lyapunov (suite) Techniques d Analyse par les Méthodes de Lyapunov (suite) Analyse et Commande des Systèmes Non Linéaires Cours SM II () Enseignant: Dr. Ph. Müllhaupt 1 / 24 Leçon 5 1 Désavantage de la définition de la

Plus en détail

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité Corrrigé du sujet de Baccalaurat S Pondichery 2015 Spécialité EXERCICE 1 (4 points) commun à tous les candidats Partie A Soit f la fonction définie sur R par f(x) et la droite d équation et la droite d

Plus en détail

Éléments de logique et de théorie des ensembles

Éléments de logique et de théorie des ensembles 1 Éléments de logique et de théorie des ensembles Pour les exemples et exercices traités dans ce chapitre les ensembles usuels de nombres entiers, rationnels réels et complexes sont supposés connus, au

Plus en détail

EXERCICE 1. Corrigé ECRICOME Eco 2012 par Pierre Veuillez

EXERCICE 1. Corrigé ECRICOME Eco 2012 par Pierre Veuillez Corrigé ECRICOME Eco par Pierre Veuillez EXERCICE (M 3 (R), +,.) désigne l espace vectoriel des matrices carrées d ordre 3 à coeffi cients réels. Deux matrices A et B de M 3 (R) étant données, on suppose

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

11. Espaces vectoriels, homomorphismes, bases

11. Espaces vectoriels, homomorphismes, bases 11. Espaces vectoriels, homomorphismes, bases 11.1. Espaces vectoriels, algèbres 11.1.1. Structure d espace vectoriel et d algèbre 11.1.2. Combinaisons linéaires 11.1.3. Espaces vectoriels et algèbres

Plus en détail

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1 Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1. Présentation générale du contexte intertemporel La théorie du comportement du consommateur telle que nous l'avons vue jusqu'à présent,

Plus en détail

Suites et Convergence

Suites et Convergence Suites et Convergence Une suite c est se donner une valeur (sans ambigüité) pour chaque N sauf peutêtre les premiers n. Donc une suite est une fonction : I R où I = N: = N. Notation : On note ( ) I R pour

Plus en détail

Contents. Fonctions affines 3. Fonctions usuelles 7. Dérivation 11. Fonctions de plusieurs variables 15. Optimisation sous contraintes 23

Contents. Fonctions affines 3. Fonctions usuelles 7. Dérivation 11. Fonctions de plusieurs variables 15. Optimisation sous contraintes 23 Contents Fonctions affines 3 Fonctions usuelles 7 Dérivation 11 Fonctions de plusieurs variables 15 Optimisation sous contraintes 23 i Fonctions affines 1 Définition - représentation graphique Les fonctions

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé Baccalauréat ES/L Amérique du Sud 2 novembre 2 Corrigé A. P. M. E. P. EXERCICE Commun à tous les candidats 5 points. Diminuer le budget de 6 % sur un an revient à multiplier par 6 =,94. Diminuer le budget

Plus en détail

Expérimentation 2007

Expérimentation 2007 Mathématiques série S Épreuve pratique au baccalauréat Expérimentation 2007 - Banque de sujets - Ce document peut être utilisé librement dans le cadre des activités de l'enseignement scolaire, de la formation

Plus en détail

Représentation des courbes planes

Représentation des courbes planes TP Maple 9 Représentation des courbes planes Nous n explorerons dans ce chapitre que les commandes graphiques essentielles offertes par Maple. Pour chacune des commandes de tracé, nous avons fait le choix

Plus en détail