Outils de base en analyse numérique
|
|
- Didier Gamache
- il y a 7 ans
- Total affichages :
Transcription
1 Outls de bse en nlyse numérque Sébsten Chrnoz & Adrn Derr Unversté Prs 7 Dens Dderot CEA Scly
2 En nlyse numérque, un certn nombre de clculs sont fts de mnère répéttve. Eemple : Résoudre un système lnére, Inverser une mtrce, Clculer le détermnnt, vleurs propres, vecteurs propres Interpoler une foncton Etrpoler une foncton Décomposer une foncton sur une bse de fonctons (e: TF) «ftter» des ponts de mesure vec des fonctons connues Etc Des lgorthmes performnts estent souvent, ms qu ont chcun des spécfctés. En foncton de nos besons, l fudr chosr l lgorthme dpté
3 L pluprt de ces outls «de bse» sont souvent déjà progrmmés dns des lbrres de clculs mthémtques (e: NAG). De mnère générle, l n est jms bon de l utlser comme une «boîte nore» : En foncton du problème, en chosssnt l lgorthme le plus dpté, on peut ggner du temps de clcul, ou meu : évter des nstbltés numérques. Eemple : S vous vez besons de clculer l nverse d une mtrce, et que sont détermnnt est très proche de (ms non ectement ), le clcul ser très sensbles u erreurs de tronctures de l mchne. Dns ce cs l fut préférer une nverson tértve, plutôt qu une nverson ecte Eemple : S vous souhtez décomposer une foncton sur une bse de fonctons, ll vut meu ben connître cette bse, snon vous ne surez ps vrment ce que vous ftes Souvent, une telle décomposton engendre des nstbltés dns le schéms numérque en rson de l dscrétston etc
4 Dns ce chptre, nous borderons ponts : Systèmes lnéres Clcul mtrcel, nversons etc Interpolton et Etrpolton de fonctons Dfférentes méthodes, décomposton sur une bse, mondres crrés etc.. Générteurs de nombres pseudo-létores Qu est ce qu un bon générteur? Comment les construre? etc
5 LES SYSTEMES LINEAIRES En nlyse numérque, résoudre un système lnéres, c est résoudre A b Où A est une mtrce (à pror) nversble, b est un vecteur, et X est le vecteur nconnu. Les questons ttenntes à ce problème sont : Clculer A -, Det(A), vleurs propres de A, vecteurs propres de A Une dzne de méthodes estent, ms certns outls sont commun à de nombreuses méthodes (Pvot de Guss, Décomposton en mtrce trngulre, Méthode de substtuton )
6 Un tel système est fclement soluble dns le cs où l mtrce A est trngulre Pourquo? Pr ce qu une smple substtuton tértve permet de résoudre fclement le système E : b b b b On lors : ( )... / etc b b Mtrce NN vec N4
7 b b b b D une mnère générle, on peut trouver toutes les vleurs de X pr l méthode tértve suvnte (substtuton rrère) N j j j nn n N b b / On clcule X n, pus X n-, X n- X
8 Une méthode smlre mrche uss pour un mtrce trngulre nféreure b b b b / j j j b b On clcule X, pus X, X X N Substtuton vnt
9 Dns de nombreuses méthodes, l objectf est de trnsformer A pour l rendre Trngulre, nféreure ou supéreurs, et ensute clculer les solutons en utlsnt une substtuton (vnt ou rrère s A est nféreure ou supéreure). grndes méthodes EXACTES: ELIMINATION DE GAUSS JORDAN Smple à comprendre, ms nécesste de modfer b en même temps que A Ne donne ps drectement A - et les vecteurs propres FACTORISATION L U Un peu plus subtle, ne modfe ps b, donc on peut utlser l même décomposton pour tout vecteur b, donne A- et les vecteurs propres
10 Guss Jordn (pvot de Guss) Prenons l eemple suvnt : On conserve l lgne L, qu sert de pvot pour élmner l'nconnue des utres lgnes; pour cel, on retre L à L, et fos L à L. On obtent :
11 On conserve lors l lgne L qu sert de pvot pour élmner y de l trosème lgne; pour cel, on remplce l lgne L pr L-L. On trouve : On rèsoud fnlement le système pr substtuton rrère (cr on résoud d bord Z, pus Y, pus X) Comment cel se psse vec des mtrces??
12 8 8 5 z y 4 z y 4 z y pvot pvot Le pvot prcours l dgonle
13 Pvot de Guss 4 prncpes fondmentu On ne chnge ps l soluton lorsque l on :. permute lgnes. permute colonnes. dvse pr un même terme non nul les éléments d une lgne 4. joute ou retrnche à une lgne un certn nombre de fos une utre lgne Strtége : Trnsformer le système lnére en un système équvlent fcle à résoudre Trngulre!
14 Pvot de Guss : un utre eemple pvot () Attenton u vleurs nulles du pvot
15 Pvot de Guss : un eemple L L-L /pvot ()
16 Pvot de Guss : un eemple L L-L /pvot ()
17 Pvot de Guss : un eemple L L-L /pvot () Le premère vrble à été élmnée de toutes les équtons suf une
18 L lgorthme du pvot de Trngulrston A b On vot que s kk ~, on ntrodut une nstblté dns le système pour ft Guss k s jusqu' à pvot pvot kk n lors pour k jusqu' à n k b b bk pvot (*strtége de pvot *) pour j k jusqu' à n k j j kj ft ft pvot snon "problème"
19 ; ; mtrcellement :,..., pour,..., pour ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( k k k k k k k k k kk k k k k k kj k kk k k k j k j b M b A M A b b b n k j n k Représentton Mtrcelle du Pvot de Guss pour une mtrce NN À chque étpe kk est le pvot.
20 Remrques Cho du pvot : mnmser les erreurs d rronds s un pvot est nul, on permute deu lgnes s tous les pvots restnt sont nuls l mtrce est sngulère (.e. le système d équtons n dmet ps de soluton unque) pour mnmser les erreurs d rronds : on chos le plus grnd pvot possble (en vleur bsolue) et donc on permute les lgnes (vor les colonnes ssocées) c est l strtége du pvot mml (prtel (lgnes) ou totl) détermnnt d une mtrce produt des pvots
21 Problème de l méthode du pvot de Guss seule : Nécesste de modfer b, Donc pour résoudre Ab et A b l fut recommencer l procédure deu fos Il fudrt une méthode qu ne modfe ps b > Décomposton LU
22 Décomposton LU Supposons que nous sommes cpbles d écrre l mtrce A sous l forme d une produt de deu mtrces trngulres L (lower) et U (upper) L U A l l l l 4 l l l 4 l l 4 u l 44 u u u u u u u u u Trng. Inféreure (lower) Trng. Supéreure (upper)
23 Alors résoudre Ab peut uss s écrre A(L U) L (U ) b Que l on peut décomposer en deu étpes, vec une vrble ntermédre : y Ab (LU)b L (U) b L yb vec yu. Résoudre L y b. Résoudre U y Intérêt de l méthode : S on connît L et U les étpes () et () se résolvent smplement En pplqunt pour () une substtuton vnt (L est trngulre nf.) En pplqunt pour () une susbsttuton rrère (U est trngulre sup.) De plus on peut clculer smplement l nverse de A, on ne touche ps à b
24 On peut montrer qu en temps norml l este une nfnté de décomposton LU S A est nversble. Cependnt l n este qu une seule décomposton telle que L t pour éléments dgonu des unquement: Pour Clculer L et U fclement on se sert de l méthode du pvot de Guss, en utlsnt une mtrce ntermédre un peu spécle, : l mtrce ugmentée Eemple : Sot à Résoudre : 5 4 b b b où
25 b b b b b b On peut écrre ce système mnère plus compcte vec l mtrce ugmentée (qu n est plus crré ) Mtrces ugmentées
26 On peut grder l trce des dfférentes étpes du pvot de guss en consdérnt L mtrce ugmentée > ere étpe : Pvot vec : L eme lgne L- 4/ L Idée génle : Au leu de grder le dns l nouvelle mtrce ugmentée On conserve dns cette cse le coeffcent pr lequel on multplé L Nouvelle mtrce A Nouveu vecteur b On chngé le En 4
27 Mntennt on echnge LL-/ L Augmentée : Nouvelle ugmentée Au leu du c, on ms le pr lequel on vt multplé L On pvote mntennt sur l lgne, le pvot vut «-5» ( ) L ne chnge ps, et LL - (-/-5) L 5 / Au leu des on conservé les coefs. multplcteurs
28 5 / Augmentée fnle. On en dédute l forme trngulre de A et l nouvelle forme de b - 5 b et 5 5 A Et on trouve X pr substtuton clssquement
29 Alors, pourquo tout cel, le rpport vec L et U? Et ben on peut montrer que U 4 5 / ~ L Plus précsement, on dvse chque colonne pr l élément dgonl pour mettre des sur l dgonle de L
30 U et / L Vous pourrez vérfer que LUA!!
31 ALGORITHME DE CROUT (r j u j et l j l j vec nos nottons) Mtrce U Mtrce L
32 Une fos qu on possède l décomposton LU, on obtent sément : Le détermnnt : Det(A)Det(L)*Det(U) u u U nn L mtrce nverse : On résoud successvement pour toute dmenson A j e j où e j est le vecteur untre de l dmenson j > En combnnt tous les j on trouve successvement toutes les colonnes de l mtrce A - M M M M M M A A A A M Avntge de l méthode L-U : On ne clcule que L et U qu une seule fos
33 METHODES ITERATIVES (Relton) Pour les très grosses mtrces on préférer les méthodes tértves : Elle convergent vers l soluton progressvement: Idée : Résoudre une équton du type : F()X Avec une sute du type : X k F(X k ) S X n est ps trop lon de l soluton, on X k converger vers l bonne vleur de X. Comment trnsformer : AXB en un équton du type XF(X)? Où F est une opérton lnére??
34 Idée : Décomposer A M-N Alors AXB (M-N)X B MXNXB XM - N X M - B P X C F() Donc s on rrve à trouver une décomposton de A vec une mtrce M fclement nversble, lors on peut mettre en mrche un lgorthme tértf du type : X k P X k C
35 Décomposton E, D, F : dée : prendre pour M une smple mtrce dgonle D Donc A D-(EF) MD et NEF
36 Dns ce cs M - D - L formule de récurrence : X k M - N X k M - B S écrt : Où les k sont les composntes du vecteur X k C est l méthode de Jcob
37 Méthode de Guss Sedel : Converge plus rpdement. On s nspre du clcul de Jcob Ms on ft l premère somme sur les coeffs déjà clculés de l étpe k C converge plus vte, ms dffclement prrlélsble A dot être à «domnnte dgonle».e ABS( dgonle )sot être > somme des v.bs des élements sur l lgne pour être sûr de l convergence.
38 Nous vons vu fmlles de méthodes : -Les méthodes ectes, type pvot de Guss Précses, peu rpdes, sensbles u fluctutons - Les méthodes tértves (ou dtes de «relton») Mons précses, plus rpdes, plus stbles Ms l est prfos dffcle de prédre s elles convergent Plus on ft d tértons, plus l méthode est précse.. L mtrce dot être à dgonle domnnte
39 Interpoltons et Etrpoltons de fonctons Le problème : On un ensemble de n ponts :. X n- et pour chque pont on connît l vleur d une foncton f nconnue (à-pror): f( ). f( n- ) (rem :les f( ) seront uss notés f ) Queston : Quelle est l vleur de f sur les ponts ntermédre? * Pour cel on dot supposer un modèle mthémtque de f (polynome, somme de snus etc ) * On dot uss svor : ) Les f( ) sont-elles des vleurs ectes ) Les f( ) sont-elles des vleurs pprochées (e : pts de mesure)?
40 DONC : l n y ps de mnère «déle» d nterpoler/etrpoler une foncton cr on besons d hypothèses sur f. Dfférentes hypothèses donneront des nterpoltons/etrpoltons dfférentes eh ou Donc ce ser à nous de svor, en fonctons de l physque du problème, quelle est l melleur hypothèse sur l forme de f à effectuer. S les f( ) sont des vleurs ectes on fer une décomposton sur une bse de fonctons (des polynômes le plus souvent) S les f() sont des vleurs pprochées on esser d dpter (de ftter en ngls) un modèle mthémtque u ponts de de mesure.
41 Les f( ) sont des vleurs ectes : Décomposton sur une bse de fonctons On suppose que f est l combnson lnére d une fmlle de fonctons ϕ f ( ) ϕ ( ) f est toujours défne sur un domne : [ mn, m ] er queston : que chosr comme bse ϕ? ème queston : Comment clculer les? Remrque : prfos on ps beson de connître les eplctement, Certns lgorthmes fournssent les, d utres donnent drectement le résultt f( )
42 . Décomposton polynomle Supposons que f est polynomle. Avec N ponts on peut construre un polynôme d ordre N- qu trverser les N ponts : N On suppose : f ( ) Pour clculer les coeffcents On n équtons à n nconnues : Les nconnues sont les coeffcents Et les n équtons sont : f( )f où les f sont les vleurs de f u ponts. > Cel peut s écrre mtrcellement
43 n n n n n n n n n n n n n n f f f f f N équtons lnéres à N nconnues. Les sont les nconnues Les j sont les coeffcents M A f Pour trouver A l sufft de clculer : A M - f > Il fut donc nverser une mtrce de N ponts cette méthode est ntéressnte, mrche ms elle est coûteuse temps de clcul Cr souvent on ps beson connître les Seul f() nous nteresse
44 . Décomposton en polynômes de Lgrnge Pour clculer une décomposton polynomle sns clculer les on peut utlser les polynômes de Lgrnge : f ( ) N l ( ) : coeffcents f( ) em polynôme de Lgrnge l ( ) ( ) n j j, j ( j ) Les L () sont des polynômes d ordre n- : ~ produts de (- j ) pour j dfférent de
45 Eemple : X [,, 4, 6] et F [, 4,, 4] Clculer les polynomes de Lgrnge.
46 On donc un polynôme d ordre. Les polynomes de Lgrnge sont une méthode rpde de clculer des ponts sur l courbes sns vor à clculer eplctement les coeffcents S on peu de ponts à clculer c est nteressnt S l y en beucoup, l est plus ntéressnt de clculer les coeffcents (mons de clculs à effectuer).
47 On vot que les méthodes polynomles dvergent toujours à l nfn : Ps un problème pour l nterpolton s N est fble Peut être un problème pour l etrpolton Ms c est une méthode : INSTABLE Autre eemple vec 5 ponts
48 On nterpole ces 5 ponts vec un polynome d odre 49
49 Notre polynôme psse ben pr tous les ponts ms entre ces ponts Il des vrtons IMPORTANTES (c : ou!!!!) > TRES INSTABLE qund on beucoup de ponts
50 Autre eemple (mons suvge) Interpolton pr polynômes de Lgrnge
51 L nterpolton polynomle ne dot-être utlsée que : -S on peu de ponts (mons de ) -S on est sur que les f sont des vleurs EXACTES (ps de pts de mesure) Pour résoudre ce problème d nstblté en conservnt un pproche polynomle : Méthode smple : Ne ps utlser tous les ponts, ms seulement les vosns pont : F est constnte pr morceu (ms dscontnue) ponts : F est ffne pr morceu (ms de non dérvble, clsse C ) ponts : F est prbolque pr morceu (dérvble fos, clsse C ) Etc
52 pont : constntes pr morceu ponts : ffne pr morceu ponts : Prbolque pr morceu Ces méthodes sont plutôt stbles souvent très utles ms ont de muvses proprétés de dérvbltés
53 Pour les clculer : On utlse les polynômes de Legendre. On veut clculer f() en utlsnt les p plus proches vosns : X j X jp On lors : j < < X jp pt f ( ) jp jp ( j j j, j ( ) j j ) pt pt
54 Dns le cs pont : F()f( p ) (X P est le pt mmédtement nféreur à X) Dns le cs à ponts : f ( p) ( ) ( f ( p) f ( p)) ( ) p p ( p, F( p ) ) ( p, F( p ) ) Smple nterpolton lnére Une méthode d nterpolton populre s ppelle «CUBIC SPLINE», elle utlse 4 ponts > F est de clsse C (polynome d odre )
55 Interpolton prbolque ( vosns). Interpolton lnére ( vosns)
56 Les nterpoltons polynomles sont smples à progrmmer MAIS Elles sont dngereusement nstbles. Plus l ordre est élevé plus l nstblté ser grnde. > Il fut préférer les nterpoltons qu se bsent sur les ou vosns (ordre fble) Il este encore d utres méthodes d nterpolton ectes : On peut uss décomposer en frctons rtonnelles f p p p... n n ( ) n q q q... qn p Les nconnues sont les p et les q. Les frctons rtonnelles sont mons nstbles que les polynomes ms mons fcles à coder. Elles peuvent modélser des fonctons vec des pôles (complees) etc Pour plus d nfo, lre «Numercl Recpes»
57 Les f( ) sont des vleurs pprochées : Adptton d un modèle de fonctons Souvent en physque, on obtent des ponts de mesures f( ) u ponts : E : - tempérture d un solde en fct de l tempérture -Nombre d tomes rdo-ctfs en foncton du temps Etc. Eemple de mesure : Nb d tomes en foncton du temps S les f sont des ponts de mesures, ls sont soums à des erreurs, des fluctutons (on ppelle cel du brut) qu rend une nterpolton ecte INSTABLE et nvrblement FAUSSE!!
58 Dns ce genre de problème, typquement on veut trouver quelle est l melleure foncton mthémtque qu représente les données. > Elle ne psse ps ectement pr les ponts, ms elle s en pproche. On ppelle souvent cel «ftter» une foncton (en frnçs «dpter»). E : fre psser une gussenne pr des ponts
59 Ftter un nuge de ponts pr une drote (Régresson lnére) Ftter un nuge pr une eponentelle (decrossnce rdo-ctve) Etc
60 Le problème c n est donc ps d nterpoler MAIS De trouver le melleur modèle mthémtque qu représente les données. Donc nécessté d un modèle mthémtque à pror!!! Ce modèle ser chost en foncton : -Sot de l physque du problème -Sot de l «forme» des données epérmentles (Schez que «l œl humn» est un ecellent outl pour nlyser rpdement un ensemble de données ne jms néglger cel!!)
61 On se chost donc un modèle mthémtque : C est un ensemble de fonctons qu dépendent d un ou pluseurs prmètres. EXEMPLES: modèles YXB Y e b Y cos (ω ϕ) descrpton Régresson lnére eponentelle Snus/Cosnus prmètres et b et b, ω, ϕ Etc Mons on de prmètres lbres, plus robuste ser le modèle (mons sujet u nstbltés), ms le ft ser plus dffcle
62 L objectf n est PAS de reprodure tous les ponts ectement (s c est le cs, cf. Cours sur l nterpolton) L objectf EST de trouver l foncton qu psse u plus prés des ponts de mesure : > Mnmser l dstnce entre chque pont de l foncton et chque pts de mesure EXEMPLES
63 On dot donc se donner une MESURE de l dstnce entre les ponts et l foncton. On peut en mgner de nombreuses. Une mesure cournte : MOINDRES CARRES (h, χ ) * ( y y, b, c.. ( )) χ (, b, c,...) Δ tt les pts Y * pt de mesure numéro (bsce ) Y,b,c.. ( ) Modèle (qu dépend des prmètres,b,c..) u pont Δ ncerttude de mesure sur le pont Donc le problème consste à trouver les prmètres,b,c etc qu mnmsent le Xh En clr le h c est : l somme des crrés des erreurs
64 Consdérons cet ensemble de mesures Y * pour n A l œl on vot que c est l foncton constnte Y() On v utlser un modèle à prmètre : Y() Quelle est l melleure vleur de?
65 Ic nous vons trcé l vleur du XHI en foncton du prmètre Nous voyons que le XHI est mnmsé pour C est un eemple smple à dmenson ( prmètre) En prtque souvent on utlse ou prmètres.. Mnmston en pluseurs dmensons Notez que l vleur du XHI nous donne une estmton de l qulté du ft.
66 Nous vons donc beson d un lgorthme de mnmston pour trouver le melleur ensemble de prmètres {,b,c } qu mnmse le XHI. Nous verrons de tels lgorthmes plus trd dns le cours. CEPENDANT Pour le cs d une régresson lnére (ft pr une drote, YXb) l este un lgorthme smple et nlytque qu donne drectement l melleure vleur de et b ( prmètres) u sens des mondres crrés. Cette méthode peut-être générlsée pour des fonctons polynomles : Y X X n X n
67 Etude du XHI Δ les pts tt..,, * )) ( (,...),, ( c b y y c b χ Le XHI est une foncton des prmètres,b,c, notés mntennt :,, n S le XHI est mnml u pont (*,, * n ) lors toutes les dérvées prtelle s nnulent à ce pont là.... * * * * * *,..,,..,,.., n n n n χ χ χ
68 Δ Δ tt lespts lespts tt *..,, * ) ( )) ( (,...),, ( c b y y y y c b χ... * * * * * *,..,,..,,.., n n n n χ χ χ L dstnce,..,... n p p p n n y y n L foncton. On cherche l melleure combnson de pour mnmser l dstnce On dot lors résoudre smultnement les n équtons
69 ( ) Δ Δ Δ Np n p p p k k k Np pts n p p p y y y y c b * : * * ) (,...),, ( χ χ χ les pts tt Où les (,, y * ) sont les ponts de mesure Et les (,, y ) sont les ponts de l foncton «modèle»!! Attenton u ndces : k : numéro de l vrble que l on dérve p: coeffcent p du polynome : numéro du pont de mesure
70 ( ) Δ Δ Δ Δ Δ Np N N N k n k n n k k Np n p p p k k p p p y y * *...
71 Δ Δ Δ Δ Δ Δ Δ Δ Δ pts n pts pts n n pts n n pts n n pts n pts n pts pts pts n pts y y y n /... / / /... / / /... / ) / ( On obtent donc le système lnre, pour k, n- M A Y > AM - Y
72 CAS PARTICULIER : Régresson lnére Y X, donc n et k, Et on pose Δ (même ncerttude de mesure sur tous les ponts) Ordre du polynôme
73 L Vleur du XHI est nteressnte : elle donne une ndcton sur l qulté du ft : Dstnce moyenne ~ (XHI/n ponts) / en untés de Δ > Ft «dél» : XHI~n ponts (chque ponts est «ftté en moyenne à Δ) S XHI >> n ponts : muvs ft ou brres d erreur surestmées S XHI << n ponts : trop bon ft : Vous vez sûrement surestme les brres d erreurs SOUVENT, qund on beson rpdement d un ft, on met toutes les brres Ms dns ce cs on ps d estmton robuste de l qulté du ft
74 Eemple : Ft pr une drote Ic tous les Δ.5 Vleur du χ 5. L devton moyenne est ~ sqrt(5./n ponts) ~. Delt
75 Eemple : Ft pr une drote vec un pont berrnt Δ.5 pour tous les pts L drote été «trée» vers le bs XHI4 >> nb de pts Muvs ft Soluton?? En ft l brre d erreur sur le derner pt peut etre plcée à beucoup plus, dsons Δ. pour ce pts, et.5 pour les utres
76 Δ.5 pour tous les pts et Δ pour le pt bérrnt On retrouve une soluton cceptble XHI (Ok) Concluson: même s souvent on ouble de consdérer les brres d erreur de mesure peut être très utle pour s ssurer de l qulté du ft
77 Eemple : Ft pr une foncton eponentelle : Y e b les pts de mesure (, y * ) On utlse l regresson lnére sur le LOG des ponts cr : S les (, y *) sont représentbles pr Y e b > Les (, Ln(y *) ) sont représentbles pr Y Ln() b X ( c est une drote) > Y LOG(Y)
78 En résumé: Ftes ttenton qund vous clculez un ft : yez toujours une estmton de s qulté en consdérnt l vleur du XHI. Pour cel vous devez toujours connître l qulté de vos ponts de mesure (brre d erreur). S votre modèle de foncton est polynoml, vous pouvez trouver de mnère nlytque l melleure soluton en pssnt pr une smple nverson de mtrce. S vous voulez ftter pr une foncton plus complquée Il fudr fre une VRAIE mnmston du XHI vec un lgorthme de mnmston tértf (Amoeb, Smple etc ) plus trd dns le cours
79 Les générteurs de nombres pseudo-létores
80 Pour beucoup d pplctons en physque et en mthémtque l est utle (vore nécessre) d vor un générteur de nombres létores : Eemples : Smulton d une source rdoctve Smulton du mouvement brownen Estmton d une ntégrle complee en N dmensons (N>) Smulton d un gz Etc On ne peut PAS réellement créer des nombres létores de mnère lgorthmque cr tous les outls sont détérmnstes. Nous construrons des séres de nombres que nous qulferont de «pseudo-létores» s elles répondent à certnes tests sttstques.e s elle les mêmes proprété sttstque qu une vre sére létore. Toutes les séres pseudo-létores dépendent d un chffre, ppelé «grîne» («seed» ). On pourr regénéer l même sére de chffre en prtnt de l même «grîne»> reproductblté de l sére (ndspensble pour tester les progrmmes)
81 DISTRIBUTION UNIFORMES Dns de nombreu lngges de progrmmton, des générteurs de nombres pseudo-létores sont mplémentés. Il s ppellent souvent : RAN, RANDOM, RANDOMU etc Un ppel typque : XRANDOM(seed) où seed est un nombre ppelé «grîne» L mjorté des fonctons RANDOM sont ppelé : Générteurs congruentels Se sont des séres du type : U j U j (mod m) Ou U U c (mod m) j j
82 U j U j (mod m) Ou U U c (mod m) j j m grnd nombre ~ mmum représentble pr l mchne (~ 4. 9 ) U grne, c : prmètres du générteur Donc une sére de nombres pseudo-létores est une sute de chffre clculés tértvement, vec U grne. Donc s on utlse l même grîne > on obtent l même sute L «qulté» de l sute dépend d un cho Judceu de et de c. Certns couples (,c) sont connus pour être bons, d utres muvs.
83 Eemple : U j U j c (mod M) Avec 47, b5, m6556 S on veut une sére entre et on dvse pr m Ps ml comme résultt ms s on tre 5 nombres les pb pprssent :
84 Trge de mllon de chffres pseudo-létores On vot clrement pprître des «corréltons» entre les nombres, Pérode tous les ~ 65
85 Même générteur, ms vec m 6 > des corréltons estent toujours MAIS plus longues : tous les 6 typquement
86 Donc l fut ben chosr les vleurs de, c et m Il en este beucoup dns l lttérture U j (U j c) mod (m)
87 Les générteurs congruentels sont fcles à coder et rpdes (mportnt s on beson de 9 nombres pr eemples) MAIS Ils fnssent toujours pr se répéter (.e modulo m), les corréltons sont névtbles Donc l fut jms utlser des séres de N nombres où N est comprble à m Il fut svor uss que le «hsrd» est toujours plus mportnt sur les premères décmles (essyez pour vor)> S vous vez beson de nombres létores, Trez en, et NE FAITES PAS «je csse le nombre en pluseurs bouts pour en fre deu»
88 Un générteur reltvement smple et performnt est : A M C Pour 6 chffres ç à l r OK
89 Trge entre et Vleurs théorques : <X>.5 Vrnce (Sgm^)./..8 A l vue des premers moments notre dstrbuton est ssez fdèlement unforme..
90 Pour dmnuer encore les corréltons, dverses technques estent, Pr eemple on tre u hsrd «l ndce» du chffre numéro j («shufflng») On peut uss utlser des sutes de Fboncc (demndent de mémore) U j (U j- bu J- c) mod (m) etc Les générteurs congruentels permettent de trer une sére de nombre vec un dstrbuton ~ unforme entre et m- S vous vez beson d une sére entre et, dvsez les résultt pr m.
91 EN PRATIQUE On préférer utlser des lgorthmes préprogrmmés en SE RENSEIGNANT sur leur robustesse!!! Trez u hsrd 7 chffres et ffchez le résultt déjà à l œl vous urez une dée s l y des corréltons évdentes ou non Méfez vous s vous vez beson d une LONGUE séquence ROBUSTE.. Des corréltons cchées peuvent vrment ffecter l vldté de votre résultt!! ENFIN S vous voulez du VRAI hsrd, c est possble.. Sur le web!! Où vous urez des séres VRAIMENT létores, trées de systèmes physques
92 Fbrcton de sutes pseudo-létores non-unformes Nous svons fbrquer une dstrbuton unforme entre et b : Ms de nombreu problèmes nécesstent des dstrbutons non-unformes : eemples b p ) ( ) ( ) ( σ μ π σ e p Gussenne (Normle)! ) ( e p λ λ Posson ) ( ) ( p π Cuchy / Lorentzenne ) ( σ σ e p Rleygh etc. P() densté de probblté
93 Problème : Nous voulons générer une sére de N ponts pseudo-létores qu sont dstrbués suvnt une densté de probblté p() Pour cel nous llons utlser un théorème fondmentl de trnsformton des los de probbltés : Prélmnres : On consdère une sére de nombre létores entre et b p() d est l probblté qu un nombre sot entre et d b p ) d ( «l probblté d être dns le domne de défnton [,b] est égle à» (Normlston) On défnt C() l dstrbuton cumulée : Probblté d être < : C ) p( ) d ( On donc C(b) Eemple : p()/(b-) > c() (-)/(b-)
94 Trnsformons les probbltés : On consdère une sére de nombre { } dstrbués unforméments On consdère mntennt l sére des { y } où y f( ) est une foncton bjectve sur [,b Les { y } sont uss noté les { f( )} Connssnt p() nous voulons connître l dstrbuton p(y) des {y } Sot Y - (y) p(y) dy p() d p( y) p( ) Avec f - (y) d dy Eemple : Prenons y-ln(), et p(). entre et Alors : P(y)p()* d/dy vec -/ddy > d/dy-/ P(y). / or e -y p(y)e y Dstrbuton eponentelle!!!
95 Eemple : { }{5.74e-5,.965,.9,.6,.6,.,.85,.94,.9,.7,.44667,.} > {y }{9.76,.47,.466, 4.54,.,.6455,.99,.67,.8,.574,.87 } { } dstrb. unforme > { -ln( )} : dstrb. eponentelle entre et
96 [ ] dy y df y f p y p y f dy d p y p ) ( ) ( ) ( ) ( ) ( ) ( où Donc en utlsnt l formule de trnsformton des dstrbutons On peut trnsformer notre dstrbuton unforme en n mporte quelle utre dstrbuton Sous réserve que l on pusse clculer d/dy et f - (ce qu n est ps toujours les cs..)
97 De mnère plus prtque : On peut utlser fre ntervenr l dstrb. cumultve Supposons que nous voulns obtenr une dstrbuton p(y) à prtr de nombres unformément { } dstrbués entre et, p(). Comme l dstrb. Cumultve C( y) y ynf p( y) dy S on pose : yf ()C - () <> f - (y)c(y) Alors : p( y) p( y) p( y) p [ ( )] f y p( ) d dy dc / d df ( y) dy <> dc dy <> p( y)
98 EN PRATIQUE : Sot une sére de nombres {} unformément dstrbués entre et On veut construre une dstrbuton {y } qu sut l los p(y) Sot P(y) l dstrbuton cumultve : p( y) y ynf p( y) dy On clcule lors y P - ( ) Les y ont l bonne dstrbuton
99 Eemple : p( y) π ( y rctn( y) > C( y) π > C ( ) tn( π π / ) ) Lorentzenne On clcule des {} dstrbués unformément > On clcule les y C - ( ) qu seront dstrbués selon une Lorentzenne
100 >
101 Approche Grphque: Sot C l dstrbuton cumultve de p P() Gussenne Eemple de l Gussenne Ms ttenton l y ur un pett problème
102 On prend des ponts { } dstrbués unformément entre - et Sur l e de X on obtent les ponts {Y } dstrbués selon une gussenne Grphquement cel mrche ben, ms nlytquement problème!
103 Tout cel est très ben ms pour de nombreuses fonctons on ne st ps clculer C - () Eemple : Pour l Gussenne : ) ( ) ( ) ( ) ( ) ( y ERF dy e y C e y p y y y > σ μ σ μ π σ π σ Où Erf est l foncton «Erreur» Non nlytque donc non nversble nlytquement
104 Autre eemple : Dstrbuton Gmm: p( ) e Γ( ) On n ps d epresson de C() nlytque encore mons de C - Etc
105 Dns d utres cs, on connît C ms on n est ps cpble de clculer C - Eemple C() X X X. N X N On polynôme d ordre elevé (> 5) n est ps nlytquement nversble Et même un polynôme d ordre est dffclement nversble Dns ces deu cs là on utlser une méthode de REJECTION Que nous n étuderons ps cette nnée
106 Pour le cs prtculer de l dstrbuton Gussenne, l este un lgorthme cournt qu genère deu vrbles létores.* Méthode de : Bo-Muller Soent et deu vrbles unformes entre et Consdérons les trnsformton suvntes : y y ln( ln( ) cos(π ) sn(π ) ) On peut montrer que Y et Y sont dstrbués selon un dstrbuton gussenne de vrnce > L norme uss : (Y Y ) / > utle s on beson d un seul chffre
107 INTEGRATION MONTE-CARLO Les nombres létores servent uss à ntégrer des fonctons. L ntégrton «Monte Crlo» est en générl ntéressnte pour une ntégrle mult-dmensonnelle (N>~) Idée de bse : S on tre N ponts u hsrd le nombre de ponts sous l courbe est proportonnelle à l re de celle -c AAre de l bote Y f X
108 AAre de l bote Y f X L ntégrle de f à l ntéreure de l bote (entre X mn et X m ) est X X m mn f N F ( ) d N sous totl A
109 En ft l ntégrton Monté Crlo est uss ntéressnte s le domne d ntégrton est dffcle à clculer (l foncton peut-être très smple): Eemple : z y ( ) y F() On veut clculer le volume : V v ddydz
110 On peut donc consdérer un volume smple qu entoure le morceu de tore et compter le nombre de ponts qu tombent à l ntéreure MAIS cette méthode est très neffcce : l fudr trer beucoup de ponts pour converger vers le résultt Voc une méthode plus effcce : On veut Clculer I f ( ) d A Sur un domne complqué A, et d sont mult-dmensonnels On se donne un domne plus smple, D qu englobe A Sot V le volume de D
111 A d f I ) ( On réécrt l ntégrle : Comme : A s A s ) ( ) ( ) ( ) ( ) ( g g où d g f d f I D A Que l on peut encore réécrre : D D Vd g f V d g f I ) ( ) ( ) ( ) ( Où V est le volume du domne D.
112 Pourquo cette trnsformton? Écrt sous cette forme : I f ( ) d f ( ) g( ) Vd A V D On vot que I est l vleur moyenne de h()f()g()v sur le domne D Donc mntennt s { } sont des ponts unformément dstrbués dns D Alors V I h( ) N N f ( ) g( ) Volà un lgorthme qu converge beucoup plus rpdement que de trer des ponts sous l courbe. CEPENDANT : pour le clcule de g(), on dot toujours tester s pprtent u domne
113 Eemple : Intégrons f()cos() sur l ntervlle - Le résultt ecte est :
114 I V N f ( ) g( ) V longueur de l ntervlle : g() s on tre unquement des ponts entre et F()cos() L erreur sur le résultt dmnue vec le nb de ponts
115 Voc l erreur sur le résultt en foncton du nombre de ponts trés On peut montrer que souvent, l erreur décrot en N Donc pour vor une erreur fos plus fble, l fut 4 fos plus de ponts!!! > pour 5 ponts l erreur (reltve) est envron.5 pour vor une erreur de seulement.5 l fut envron ponts Et pour erreur~. l ft envron 8 ponts..
116 En concluson : L ntégrton pr méthode Monte-Crlo permet d ntégrer des fonctons -Complees - Sur des domnes complquées - A pluseurs dmensons.
Les jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailTARIFICATION, PROVISIONNEMENT ET PILOTAGE D UN PORTEFEUILLE DÉPENDANCE
TARIFICATION, PROVISIONNEMENT ET PILOTAGE D UN PORTEFEUILLE DÉPENDANCE Mre-Pscle Deléglse, Chrstn Hess, Sébsten Nouet To cte ths verson: Mre-Pscle Deléglse, Chrstn Hess, Sébsten Nouet. TARIFICATION, PROVISION-
Plus en détailDérivation. 1. Nombre dérivé, tangente 2. Fonction dérivée 3. Fonction dérivée et variations 4. Fonction dérivée et extrema
«À l utomne 97 le présdent Non nnoncé que le tu d ugmentton de l nflton dmnué C étt l premère fos qu un présdent en eercce utlst l dérvée terce pour ssurer s réélecton» Hugo Ross, mtémtcen, à propos d
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailDirection des Études et Synthèses Économiques G 2007 / 12. Aléa moral en santé : une évaluation dans le cadre du modèle causal de Rubin
Drecton des Études et Synthèses Économques G 2007 / 12 Alé morl en snté : une évluton dns le cdre du modèle cusl de Rubn Vlére ALBOUY - Bruno CRÉPON Document de trvl Insttut Ntonl de l Sttstque et des
Plus en détailLICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER
LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries
Plus en détailEstimation des incertitudes sur les erreurs de mesure.
Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailEffets de la dépendance entre différentes branches sur le calcul des provisions
Effets de l dépendnce entre dfférentes brnches sur le clcul des provsons Thème ASTIN : Contrôle des rsques Gllet Antonn Commsson de Contrôle des Assurnces 54, rue de Châteudun 75009 PARIS ntonn.gllet@cc.fnnces.gouv.fr
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailANNEXE 3. QUELQUES FONCTIONS DE LA THEORIE DU CONSOMMATEUR...1
ANNEXE 3. QELQES FONCTIONS DE LA THEOIE D CONSOMMATE.... PESENTATION.... APPLICATION DANS LE CAS DE LA FONCTION D'TILITE COBB-DOGLAS... 7 3. L'EQATION DE SLTSKY... 9 3.. Comenston de Hcks... 0 3.. Comenston
Plus en détailChapitre IV Les oscillations couplées «Les oscillations libres d un système à plusieurs degrés de liberté»
Chre IV, cours de vbrons, ondes _Phs, Pr. Bds Bennecer MD 8-9 Chre IV es oscllons coulées «es oscllons lbres d un ssèe à luseurs degrés de lberé» Dns ce chre, nous llons coencer r éuder les oscllons lbres
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailChapitre 8. Structures de données avancées. Primitives. Applications. L'informatique au lycée. http://ow.ly/35jlt
L'nformtqu u lycé Chptr 8 http//ow.ly/35jlt Chptr 8 Structurs d donnés vncés Un structur d donnés st un orgnston logqu ds donnés prmttnt d smplfr ou d'ccélérr lur trtmnt. 8.1. Pl En nformtqu, un pl (n
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailCOURS D ANALYSE. Licence d Informatique, première. Laurent Michel
COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................
Plus en détailchapitre 2 interférences non localisées entre deux ondes monochromatiques cohérentes
nterférences non loclsées de deu ondes cohérentes chptre nterférences non loclsées entre deu ondes onochrotques cohérentes. epérence, condton d'nterférence, contrste. epérence des rors de Fresnel, et des
Plus en détailsemestre 3 des Licences MISM annnée universitaire 2004-2005
MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailMéthode : On raisonnera tjs graphiquement avec 2 biens.
Chapiittrre 1 : L uttiilliitté ((lles ménages)) Définitions > Utilité : Mesure le plaisir / la satisfaction d un individu compte tenu de ses goûts. (On s intéresse uniquement à un consommateur rationnel
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailIntegral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation
Integral T 3 Compact raccordé aux nstallatons Integral 5 Notce d utlsaton Remarques mportantes Remarques mportantes A quelle nstallaton pouvez-vous connecter votre téléphone Ce téléphone est conçu unquement
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailPour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailLOGICIEL FONCTIONNEL EMC VNX
LOGICIEL FONCTIONNEL EMC VNX Améliortion des performnces des pplictions, protection des données critiques et réduction des coûts de stockge vec les logiciels complets d EMC POINTS FORTS VNX Softwre Essentils
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailCREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?
CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? Boulanger Frédérc Avanssur, Groupe AXA 163-167, Avenue Georges Clémenceau 92742 Nanterre Cedex France Tel: +33 1 46 14 43
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailANALYSE : FONCTIONS D UNE VARIABLE RÉELLE
Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr
Plus en détailhal-00409942, version 1-14 Aug 2009
Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des
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 détailPro2030 GUIDE D UTILISATION. Français
Pro2030 GUIDE D UTILISATION Franças Contents Garante... Introducton... 1 Artcle nº 605056 Rév C Schéma nº A605056 Novembre 2010 2010 YSI Incorporated. Le logo YSI est une marque déposée de YSI Incorporated.
Plus en détailAvant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation.
Guide de référence rpide Commencer Avnt d utiliser l ppreil, lisez ce Guide de référence rpide pour connître l procédure de configurtion et d instlltion. NE rccordez PAS le câle d interfce mintennt. 1
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailaux 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 détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détail- Phénoméne aérospatial non identifié ( 0.V.N.I )
ENQUETE PRELIMINAIRE ANALYSE ET REFEREWCES : Phénoméne érosptil non identifié ( 0VNI ) B8E 25400 DEF/GEND/OE/DOlRENS du 28/9/1992 Nous soussigné : M D L chef J S, OPJ djoint u commndnt de l brigde en résidence
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailRéalisation de sites Internet PME & Grandes entreprises Offre Premium. Etude du projet. Webdesign. Intégration HTML. Développement.
Rélistion de sites Internet PME & Grndes entreprises Offre Premium Etude du projet Réunions de trvil et étude personnlisée de votre projet Définition d une strtégie de pré-référencement Webdesign Définition
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
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 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
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 détailAlgorithmes sur les mots (séquences)
Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)
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 détail