Marches aléatoires : du nombre d Avogadro à Google
|
|
- Ernest Lacroix
- il y a 7 ans
- Total affichages :
Transcription
1 1 / 40 Marches aléatoires : du nombre d Avogadro à Google Christophe Garban ENS Lyon, CNRS
2 2 / 40 Préambule: Einstein en 1905 : Annus Mirabilis A 26 ans, Einstein publie 4 articles fondateurs! Un premier article sur l effet photo-éléctrique particules de lumières ou photons Mécanique quantique
3 2 / 40 Préambule: Einstein en 1905 : Annus Mirabilis A 26 ans, Einstein publie 4 articles fondateurs! Un premier article sur l effet photo-éléctrique particules de lumières ou photons Mécanique quantique Un troisième article qui introduit la théorie de la relativité restreinte!
4 2 / 40 Préambule: Einstein en 1905 : Annus Mirabilis A 26 ans, Einstein publie 4 articles fondateurs! Un premier article sur l effet photo-éléctrique particules de lumières ou photons Mécanique quantique Un troisième article qui introduit la théorie de la relativité restreinte! Un quatrième sur l équivalence de la masse et de l énergie E = m c 2.
5 2 / 40 Préambule: Einstein en 1905 : Annus Mirabilis A 26 ans, Einstein publie 4 articles fondateurs! Un premier article sur l effet photo-éléctrique particules de lumières ou photons Mécanique quantique Un troisième article qui introduit la théorie de la relativité restreinte! Un quatrième sur l équivalence de la masse et de l énergie E = m c 2. Un deuxième sur le Mouvement Brownien Existence et dénombrement des atomes!
6 3 / 40 Plan de l histoire de ce soir 1827 : l observation de Robert Brown, botaniste écossais
7 3 / 40 Plan de l histoire de ce soir 1827 : l observation de Robert Brown, botaniste écossais Comment modéliser un Mouvement Brownien Marches aléatoires
8 3 / 40 Plan de l histoire de ce soir 1827 : l observation de Robert Brown, botaniste écossais Comment modéliser un Mouvement Brownien Marches aléatoires Etude des marches aléatoires (sur Z, Z 2, Z 3 )
9 3 / 40 Plan de l histoire de ce soir 1827 : l observation de Robert Brown, botaniste écossais Comment modéliser un Mouvement Brownien Marches aléatoires Etude des marches aléatoires (sur Z, Z 2, Z 3 ) Comment compter les atomes : l approche d Einstein (1905)
10 3 / 40 Plan de l histoire de ce soir 1827 : l observation de Robert Brown, botaniste écossais Comment modéliser un Mouvement Brownien Marches aléatoires Etude des marches aléatoires (sur Z, Z 2, Z 3 ) Comment compter les atomes : l approche d Einstein (1905) Débat sur l allure d une courbe typique au XIX e siècle. Marches aléatoires et comment bien mélanger les cartes : le Riffle Shuffle Marches aléatoires et Google
11 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
12 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
13 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
14 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
15 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
16 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
17 4 / 40 L observation de Robert Brown En 1827, Robert Brown observe des fines particules de pollen suspendues dans du liquide. Il observe au microscope que ces petites particules bougent dans tous les sens suivant un mouvement erratique. Ce mouvement portera plus tard le nom de Mouvement Brownien.
18 Comment modeliser un tel mouvement erratique? 5 / 40
19 Comment modeliser un tel mouvement erratique? 5 / 40
20 Comment modeliser un tel mouvement erratique? 5 / 40
21 Comment modeliser un tel mouvement erratique? un système d environ équations differentielles à résoudre... 5 / 40
22 Une modélisation plus simple : la marche aléatoire 6 / 40
23 6 / 40 Une modélisation plus simple : la marche aléatoire r
24 Une modélisation plus simple : la marche aléatoire 6 / 40
25 Une modélisation plus simple : la marche aléatoire 6 / 40
26 Une modélisation plus simple : la marche aléatoire 6 / 40
27 Une modélisation plus simple : la marche aléatoire 6 / 40
28 Une modélisation plus simple : la marche aléatoire 6 / 40
29 Une modélisation plus simple : la marche aléatoire 6 / 40
30 Une modélisation plus simple : la marche aléatoire 6 / 40
31 Une modélisation plus simple : la marche aléatoire 6 / 40
32 Une modélisation plus simple : la marche aléatoire 6 / 40
33 Une modélisation plus simple : la marche aléatoire 6 / 40
34 Une modélisation plus simple : la marche aléatoire 6 / 40
35 6 / 40 Une modélisation plus simple : la marche aléatoire On va simplifier encore le modèle
36 Marche aléatoire sur Z2 N E W S 7 / 40
37 Marche aléatoire sur Z2 N E W S 7 / 40
38 Marche aléatoire sur Z2 7 / 40
39 Marche aléatoire sur Z2 7 / 40
40 Marche aléatoire sur Z2 7 / 40
41 Marche aléatoire sur Z2 7 / 40
42 Marche aléatoire sur Z2 7 / 40
43 Marche aléatoire sur Z2 Z2 7 / 40
44 Marche aléatoire sur Z2 Z2 7 / 40
45 Marche aléatoire sur Z2 7 / 40
46 Marche aléatoire sur Z2 7 / 40
47 Marche aléatoire sur Z2 7 / 40
48 Voici à quoi ressemble une marche aléatoire sur Z 2 vue de loin! Images prises sur Wikipedia 8 / 40
49 vue d un peu plus loin!! 9 / 40
50 2,000,000 de pas (belle image de Wikipedia) 10 / 40
51 11 / 40 Modèle très simple mais dont la limite est un objet riche Pour créer de telles images fractales, la seule source d aléa dont nous avons besoin peut être générée par :
52 12 / 40 Et en dimension 3? Z 3 W F N S B E On part suivant chaque direction avec probabilité 1/6
53 12 / 40 Et en dimension 3? Z 3 W F N S B E On part suivant chaque direction avec probabilité 1/6
54 A quelle vitesse une marche aléatoire diffuse -t-elle? 13 / 40
55 13 / 40 A quelle vitesse une marche aléatoire diffuse -t-elle? Vu que notre trajectoire est aléatoire, on devrait plutôt se demander à quelle vitesse EN MOYENNE une marche aléatoire s éloigne-t-elle de son point de départ?
56 13 / 40 A quelle vitesse une marche aléatoire diffuse -t-elle? Vu que notre trajectoire est aléatoire, on devrait plutôt se demander à quelle vitesse EN MOYENNE une marche aléatoire s éloigne-t-elle de son point de départ? Autrement dit, si S n est la position de notre marche aléatoire au temps n dans Z 2, on aimerait comprendre la fonction n E [ S n ] S n S n
57 A quelle vitesse une marche aléatoire diffuse -t-elle? Vu que notre trajectoire est aléatoire, on devrait plutôt se demander à quelle vitesse EN MOYENNE une marche aléatoire s éloigne-t-elle de son point de départ? S n Autrement dit, si S n est la position de notre marche aléatoire au temps n dans Z 2, on aimerait comprendre la fonction n E [ S n ] S n Pour comprendre cette vitesse moyenne, nous allons 1 Considérer le cas plus simple de la dimension 1 2 Expliquer ce que l on entend par E [ X ], la moyenne (appelée aussi l espérance) d une variable aléatoire X 13 / 40
58 13 / 40 A quelle vitesse une marche aléatoire diffuse -t-elle? Vu que notre trajectoire est aléatoire, on devrait plutôt se demander à quelle vitesse EN MOYENNE une marche aléatoire s éloigne-t-elle de son point de départ? Autrement dit, si S n est la position de notre marche aléatoire au temps n dans Z 2, on aimerait comprendre la fonction n E [ S n ] S n S n Par ailleurs, on s attend au comportement suivant 1 E [ S n ] n
59 14 / 40 Marche aléatoire en dimension 1: sur Z Z t
60 14 / 40 Marche aléatoire en dimension 1: sur Z Z t
61 14 / 40 Marche aléatoire en dimension 1: sur Z Z t
62 14 / 40 Marche aléatoire en dimension 1: sur Z Z t
63 14 / 40 Marche aléatoire en dimension 1: sur Z Z t
64 14 / 40 Marche aléatoire en dimension 1: sur Z Z S n t
65 14 / 40 Marche aléatoire en dimension 1: sur Z Z S n t n E[ S n ]?
66 14 / 40 Marche aléatoire en dimension 1: sur Z Z S n t n E[ S n ]? n E[(S n ) 2 ]?
67 Lien avec la dimension deux : Z 2 15 / 40
68 15 / 40 Lien avec la dimension deux : Z Z
69 15 / 40 Lien avec la dimension deux : Z Z
70 15 / 40 Lien avec la dimension deux : Z Z
71 15 / 40 Lien avec la dimension deux : Z Z
72 15 / 40 Lien avec la dimension deux : Z Z
73 15 / 40 Lien avec la dimension deux : Z Z
74 16 / 40 Rappel sur la notion d espérance E [ ] E
75 16 / 40 Rappel sur la notion d espérance E [ ] E = 3, 5 = 1 6 (1) (2) (3) (6)
76 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? E[(S 1 ) 2 ]?
77 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? E[(S 1 ) 2 ]? S 1 = 1, p = 1/2 S 1 = 1, p = 1/2 E[(S 1 ) 2 ] = 1 2 (1) ( 1)2 = 1 E[(S 1 ) 2 ] = 1
78 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? E[(S 2 ) 2 ]? E[(S 1 ) 2 ] = 1
79 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? E[(S 2 ) 2 ]? S 2 = 2, p = 1/4 S 2 = 0, p = 1/2 S 2 = 2, p = 1/4 E[(S 2 ) 2 ] = 1 4 (2) (0) ( 2)2 = 2 E[(S 1 ) 2 ] = 1 E[(S 2 ) 2 ] = 2
80 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? S 3 = 3, p = 1/8 E[(S 3 ) 2 ]? S 3 = 1, p = 3/8 E[(S 3 ) 2 ] = 1 8 (3) (1) ( 1) ( 3)2 = 3! E[(S 1 ) 2 ] = 1 E[(S 2 ) 2 ] = 2 E[(S 3 ) 2 ] = 3
81 17 / 40 A quelle vitesse la marche aléatoire diffuse -t-elle sur Z? S 3 = 3, p = 1/8 E[(S 3 ) 2 ]? S 3 = 1, p = 3/8 E[(S 3 ) 2 ] = 1 8 (3) (1) ( 1) ( 3)2 = 3! E[(S 1 ) 2 ] = 1 E[(S 2 ) 2 ] = 2 E[(S n ) 2 ] = n?? E[(S 3 ) 2 ] = 3
82 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n
83 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes.
84 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes. E [ (S n ) 2] = E [ ( X i ) 2] i = E [ ] X i X j i,j
85 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes. E [ (S n ) 2] = E [ ( X i ) 2] i = E [ ] X i X j = E [ ] X i X j i,j i,j
86 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes. E [ (S n ) 2] = E [ ( X i ) 2] i = E [ ] X i X j = E [ ] X i X j = i i,j E [ X 2 i i,j ] + E [ ] X i X j i j
87 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes. E [ (S n ) 2] = E [ ( X i ) 2] i = E [ ] X i X j = E [ ] X i X j = i = i i,j E [ X 2 i i,j ] + E [ ] X i X j i j E [ (±1) 2] + i j E [ X i ] E [ Xj ] (indépendance)
88 Vitesse la marche aléatoire (suite) Théorème Si (S n ) n 0 est une marche aléatoire sur Z alors E [ (S n ) 2] = n preuve : S n = X 1 + X X n, où les X i { 1, 1} sont indépendantes. E [ (S n ) 2] = E [ ( X i ) 2] i = E [ ] X i X j = E [ ] X i X j = i i,j E [ X 2 i i,j ] + E [ ] X i X j i j = E [ (±1) 2] + i i j = n + 0 = n E [ X i ] E [ Xj ] (indépendance)
89 19 / 40 Remarques Le résultat précédent suggère que E [ S n ] n
90 19 / 40 Remarques Le résultat précédent suggère que E [ S n ] n Théorème Si (S n ) n 0 est la marche aléatoire sur Z d alors E [ S n 2] = n (preuve très similaire).
91 Remarques Le résultat précédent suggère que Théorème E [ S n ] n Si (S n ) n 0 est la marche aléatoire sur Z d alors (preuve très similaire). Remarque E [ S n 2] = n Si on regarde une marche aléatoire S n sur n importe quel réseau régulier du plan ou de l espace, on aura aussi E [ S n 2] = D n, où D est le coefficient de diffusion. 19 / 40
92 Comment compter les atomes? Quelles données sont à notre disposition? 20 / 40
93 Comment compter les atomes? Quelles données sont à notre disposition? 20 / 40
94 Comment compter les atomes? Quelles données sont à notre disposition? 20 / 40
95 20 / 40 Comment compter les atomes? Quelles données sont à notre disposition? δz 3 δ
96 20 / 40 Comment compter les atomes? Quelles données sont à notre disposition? δz 3 δ ce qu on ne connaît pas : Le pas du reseau δ?? t??
97 20 / 40 Comment compter les atomes? Quelles données sont à notre disposition? δz 3 δ ce qu on ne connaît pas : Le pas du reseau δ?? t?? trajectoire t B(t)
98 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m
99 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r
100 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE
101 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η
102 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η 5 Le coéfficient de diffusion D : E [ B(t) 2] = D t
103 21 / 40 Données du problème Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η 5 Le coéfficient de diffusion D : Relation d Einstein D = R T π N a η r R = Cste des gaz parfaits R = 8.31 J.mol 1.K 1 P V = n RT E c = 3 2 n RT, n = Nb moles E [ B(t) 2] = D t
104 Données du problème Relation d Einstein Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η 5 Le coéfficient de diffusion D : E [ B(t) 2] = D t D = R T π N a η r R = Cste des gaz parfaits R = 8.31 J.mol 1.K 1 P V = n RT E c = 3 2 n RT N a = mol 1, n = Nb moles = Nb d atomes dans 12g de Carbone C / 40
105 Données du problème Relation d Einstein Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η 5 Le coéfficient de diffusion D : E [ B(t) 2] = D t D = R T π N a η r R = Cste des gaz parfaits R = 8.31 J.mol 1.K 1 P V = n RT E c = 3 2 n RT N a = mol 1, n = Nb moles = Nb d atomes dans 12g de Carbone C / 40
106 Données du problème Relation d Einstein Données/observations de l experience : 1 La masse de la particule : m 2 Le rayon de la particule : r 3 La température du fluide : T ENERGIE 4 La viscosité du fluide : η 5 Le coéfficient de diffusion D : E [ B(t) 2] = D t D = R T π N a η r R = Cste des gaz parfaits R = 8.31 J.mol 1.K 1 P V = n RT E c = 3 2 n RT N a = mol 1, n = Nb moles = Nb d atomes dans 12g de Carbone C 12 Il nous reste à comprendre la relation d Einstein! 21 / 40
107 L argument de Paul Langevin (F = m a :-) 22 / 40
108 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t.
109 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] ( B(t) 2 = x(t) 2 + y(t) 2 + z(t) 2 ).
110 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] =
111 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)]
112 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ]
113 22 / 40 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] mẍ = F frottment + F moleculaire
114 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] v mẍ = F frottment + F moleculaire = F frottment }{{} +F moleculaire F = 6πη r v 22 / 40
115 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] F = 6πη r v v mẍ = F frottment + F moleculaire = F frottment }{{} +F moleculaire = 6πη r ẋ + F moleculaire }{{} 22 / 40
116 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] mẍ = F frottment + F moleculaire = F frottment }{{} +F moleculaire = 6πη r ẋ + F moleculaire }{{} 22 / 40
117 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] mẍ = F frottment + F moleculaire = F frottment }{{} +F moleculaire = 6πη r ẋ + F moleculaire }{{} E [ F moleculaire ] = E [ x Fmoleculaire ] = 0 22 / 40
118 L argument de Paul Langevin (F = m a :-) On veut comprendre D tel que E [ B(t) 2] = D t. Etudions la fonction t E [ x 2 (t) ] d 2 dt 2 E[ x 2 (t) ] = E [ d 2 dt 2 x 2 (t) ] = E [ d dt 2x(t)ẋ(t)] = 2 m E[ m ẋ 2 + x mẍ ] mẍ = F frottment + F moleculaire = F frottment }{{} +F moleculaire = 6πη r ẋ + F moleculaire }{{} E [ F moleculaire ] = E [ x Fmoleculaire ] = 0 d 2 dt 2 E[ x 2] = 2 m ( E [ m ẋ 2] }{{} E[ x 6πη r ẋ ] ) 22 / 40
119 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule)
120 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour 2 particules) m 1 v 1 A l équilibre, on a E [ 1 2 m 1v1 2 ] [1 = E 2 m 2 v2 2 ] Ce qui signifie m 2 v 2 T 0 T m 1 v 1 (t) 2 dt T m 2 v 2 (t) 2 dt 0
121 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v
122 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v m i v i
123 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v A l équilibre, on a pour tout i, j E [ 1 2 m ivi 2 ] [1 = E 2 m j vj 2 ] En particulier on a : m i v i U = i E i = N E [ 1 2 m v 2]
124 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v A l équilibre, on a pour tout i, j E [ 1 2 m ivi 2 ] [1 = E 2 m j vj 2 ] En particulier on a : m i v i U = i E i = N E [ 1 2 m v 2] Par ailleurs, l énergie interne est proportionnelle à la température T et vaut U = 3/2 n RT (approximation des gaz parfaits).
125 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v A l équilibre, on a pour tout i, j E [ 1 2 m ivi 2 ] [1 = E 2 m j vj 2 ] En particulier on a : m i v i U = i E i = N E [ 1 2 m v 2] Par ailleurs, l énergie interne est proportionnelle à la température T et vaut U = 3/2 n RT (approximation des gaz parfaits). N E [ 1 2 m v 2] = 3 2 n RT
126 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v A l équilibre, on a pour tout i, j E [ 1 2 m ivi 2 ] [1 = E 2 m j vj 2 ] En particulier on a : m i v i U = i E i = N E [ 1 2 m v 2] Par ailleurs, l énergie interne est proportionnelle à la température T et vaut U = 3/2 n RT (approximation des gaz parfaits). N E [ 1 2 m v 2] = 3 2 n RT = 3 2 N N a RT
127 Equipartition de l énergie Il nous reste à comprendre le terme E [ m ẋ 2] ( énergie cinétique moyenne de la particule) Principe d équipartition de l énergie (pour N particules) m v A l équilibre, on a pour tout i, j E [ 1 2 m ivi 2 ] [1 = E 2 m j vj 2 ] En particulier on a : m i v i U = i E i = N E [ 1 2 m v 2] Par ailleurs, l énergie interne est proportionnelle à la température T et vaut U = 3/2 n RT (approximation des gaz parfaits). N E [ 1 2 m v 2] = 3 2 n RT = 3 2 N N a RT E [ m v 2] = 3 RT N a
128 Fin du raisonnement On obtient ainsi d 2 dt 2 E[ x 2 (t) ] = 2 ( 3RT 6πη r E [ x ẋ ]) m N a
129 Fin du raisonnement On obtient ainsi d 2 dt 2 E[ x 2 (t) ] = 2 ( 3RT 6πη r E [ x ẋ ]) m N a = 2 ( RT 6πη r 1 d m N a 2 dt E[ x 2 (t) ])
130 Fin du raisonnement On obtient ainsi d 2 dt 2 E[ x 2 (t) ] = 2 ( 3RT 6πη r E [ x ẋ ]) m N a = 2 ( RT 6πη r 1 d m N a 2 dt E[ x 2 (t) ]) On introduit la fonction y(t) := d dt E[ x 2 (t) ] qui résout l équation différentielle y = 2 ( RT 6π η r ) y m N a 2
131 Fin du raisonnement On obtient ainsi d 2 dt 2 E[ x 2 (t) ] = 2 ( 3RT 6πη r E [ x ẋ ]) m N a = 2 ( RT 6πη r 1 d m N a 2 dt E[ x 2 (t) ]) On introduit la fonction y(t) := d dt E[ x 2 (t) ] qui résout l équation différentielle y = 2 ( RT 6π η r ) y m N a 2 y(t) = RT + A e 6π η r m t exercice :-) 3π η r N a Ainsi, on retrouve E [ x 2 (t) ] = t 0 y(u)du RT 3π η r N a t
132 Fin du raisonnement On obtient ainsi d 2 dt 2 E[ x 2 (t) ] = 2 ( 3RT 6πη r E [ x ẋ ]) m N a = 2 ( RT 6πη r 1 d m N a 2 dt E[ x 2 (t) ]) On introduit la fonction y(t) := d dt E[ x 2 (t) ] qui résout l équation différentielle y = 2 ( RT 6π η r ) y m N a 2 y(t) = RT + A e 6π η r m t exercice :-) 3π η r N a Ainsi, on retrouve E [ x 2 (t) ] = t 0 y(u)du RT 3π η r N a t E [ B(t) 2] = D t = E [ x 2 (t) ] + E [ y 2 (t) ] + E [ z 2 (t) ] = RT π η r N a t
133 25 / 40 Protocole expérimental (Jean Perrin) D = RT π η r N a Jean Perrin : 1 Plusieurs particules de rayons r
134 25 / 40 Protocole expérimental (Jean Perrin) D = RT π η r N a Jean Perrin : 1 Plusieurs particules de rayons r 2 à différentes températures T
135 25 / 40 Protocole expérimental (Jean Perrin) D = RT π η r N a Jean Perrin : 1 Plusieurs particules de rayons r 2 à différentes températures T 3 A chaque fois, il mesure D via E [ B(t) 2] = D t.
136 25 / 40 Protocole expérimental (Jean Perrin) D = RT π η r N a Jean Perrin : 1 Plusieurs particules de rayons r 2 à différentes températures T 3 A chaque fois, il mesure D via E [ B(t) 2] = D t. En 1908, il obtient ainsi N a !! Pas si éloigné que ça de ! Prix Nobel en 1926 pour ses travaux sur la discontinuité de la matière
137 26 / 40 Résumé de l approche qu on a adoptée 1 On a d abord modélisé le mouvement erratique de la particule de pollen de Brown par une marche aléatoire dans Z 3.
138 26 / 40 Résumé de l approche qu on a adoptée 1 On a d abord modélisé le mouvement erratique de la particule de pollen de Brown par une marche aléatoire dans Z 3. 2 On a ensuite étudié cette marche aléatoire pour voir (rigoureusement) que E [ B t 2] = D t pour un certain coefficient de diffusion D.
139 26 / 40 Résumé de l approche qu on a adoptée 1 On a d abord modélisé le mouvement erratique de la particule de pollen de Brown par une marche aléatoire dans Z 3. 2 On a ensuite étudié cette marche aléatoire pour voir (rigoureusement) que E [ B t 2] = D t pour un certain coefficient de diffusion D. 3 On a enfin trouvé une expression de cette constante de diffusion en fonction de T,r,... et surtout de la quantité qui nous intéresse : N a.
140 26 / 40 Résumé de l approche qu on a adoptée 1 On a d abord modélisé le mouvement erratique de la particule de pollen de Brown par une marche aléatoire dans Z 3. 2 On a ensuite étudié cette marche aléatoire pour voir (rigoureusement) que E [ B t 2] = D t pour un certain coefficient de diffusion D. 3 On a enfin trouvé une expression de cette constante de diffusion en fonction de T,r,... et surtout de la quantité qui nous intéresse : N a. L approche ici était non-rigoureuse à plusieurs endroits : Equipartition[ de l énergie] Le fait que E Fmoleculaire = 0...
141 27 / 40 Suite de l exposé 1 Retour à l origine des marches aléatoires dans Z d, d = 1, 2, 3
142 27 / 40 Suite de l exposé 1 Retour à l origine des marches aléatoires dans Z d, d = 1, 2, 3 2 Courbes typiques dans le plan
143 27 / 40 Suite de l exposé 1 Retour à l origine des marches aléatoires dans Z d, d = 1, 2, 3 2 Courbes typiques dans le plan 3 Quelque applications pratiques des marches aléatoires : mélange de cartes Google
144 28 / 40 Problème du retour à l origine pour les marches aléatoires sur Z d, d = 1, 2, 3 Théorème Presque sûrement, une marche aléatoire sur Z reviendra toujours visiter l origine.
145 28 / 40 Problème du retour à l origine pour les marches aléatoires sur Z d, d = 1, 2, 3 Théorème Presque sûrement, une marche aléatoire sur Z reviendra toujours visiter l origine. En particulier, l ensemble des points visités {S n, n 0} = Z presque sûrement. On dit que la marche aléatoire sur Z est récurrente.
146 28 / 40 Problème du retour à l origine pour les marches aléatoires sur Z d, d = 1, 2, 3 Théorème Presque sûrement, une marche aléatoire sur Z reviendra toujours visiter l origine. En particulier, l ensemble des points visités {S n, n 0} = Z presque sûrement. On dit que la marche aléatoire sur Z est récurrente.
147 Problème du retour à l origine pour les marches aléatoires sur Z d, d = 1, 2, 3 Théorème Presque sûrement, une marche aléatoire sur Z reviendra toujours visiter l origine. En particulier, l ensemble des points visités {S n, n 0} = Z presque sûrement. On dit que la marche aléatoire sur Z est récurrente. Preuve : on veut montrer qu avec probabilité un, il existe un N > 0 tel que S N = / 40
148 Preuve de la récurrence sur Z 29 / 40
149 Preuve de la récurrence sur Z 29 / 40
150 Preuve de la récurrence sur Z 29 / 40
151 29 / 40 Preuve de la récurrence sur Z 2 1 0
152 29 / 40 Preuve de la récurrence sur Z Z 1 ±1
153 29 / 40 Preuve de la récurrence sur Z Z 1 = 1
154 29 / 40 Preuve de la récurrence sur Z Z 1 = 1 Z 2 = ±1
155 29 / 40 Preuve de la récurrence sur Z Z 1 = 1 Z 2 = 1
156 29 / 40 Preuve de la récurrence sur Z 2 3 = Z 1 = 1 Z 2 = 1
157 29 / 40 Preuve de la récurrence sur Z 2 3 = 8 p = 1/ Z 1 = 1 Z 2 = 1 p = 1/2 Z 3 = ±1
158 Preuve de la récurrence sur Z 2 3 = 8 p = 1/ Z 1 = 1 Z 2 = 1 p = 1/2 P [ S n 0, n 1 ] = 2P [ Z i = 1, i 1 ] = 2 = 2 P [ Z i = 1 ] i=1 i=1 Z 3 = ±1 P [ Z i = 1 ] 1 2 = 0 29 / 40
159 Théorème de George Polya (1921) : Récurrence sur Z 2 A B Comme sur Z, la marche aléatoire sur Z 2 finit toujours par revenir à son point de départ. Où encore, partant de n importe quel point A, on est sûr d arriver en B en temps fini.
160 Théorème de George Polya (1921) : Récurrence sur Z 2 A B Comme sur Z, la marche aléatoire sur Z 2 finit toujours par revenir à son point de départ. Où encore, partant de n importe quel point A, on est sûr d arriver en B en temps fini. La preuve utilise P [ S 2n = (0, 0) ] 1 n = n 1 n=1
161 Théorème de George Polya (1921) : Récurrence sur Z 2 A B Comme sur Z, la marche aléatoire sur Z 2 finit toujours par revenir à son point de départ. Où encore, partant de n importe quel point A, on est sûr d arriver en B en temps fini. La preuve utilise P [ S 2n = (0, 0) ] 1 n = n 1 n=1 Théorème de George Polya (1921) : Transcience sur Z 3 En revanche sur Z 3, la marche aléatoire se perd. Elle diverge vers +.
162 Théorème de George Polya (1921) : Récurrence sur Z 2 A B Comme sur Z, la marche aléatoire sur Z 2 finit toujours par revenir à son point de départ. Où encore, partant de n importe quel point A, on est sûr d arriver en B en temps fini. La preuve utilise P [ S 2n = (0, 0) ] 1 n = n 1 n=1 Théorème de George Polya (1921) : Transcience sur Z 3 En revanche sur Z 3, la marche aléatoire se perd. Elle diverge vers +. La preuve utilise P [ S 2n = (0, 0, 0) ] 1 n < 3/2 n 1 n=1
163 Sur la dérivabilité des fonctions 1 Au début du XIXe siècle, les mathématiciens pensent que toute fonction continue est dérivable, sauf peut-être en un nombre fini de points
164 Sur la dérivabilité des fonctions 1 Au début du XIXe siècle, les mathématiciens pensent que toute fonction continue est dérivable, sauf peut-être en un nombre fini de points 2 André-Marie Ampère essaye même de démontrer cette propriété en 1806!
165 Sur la dérivabilité des fonctions 1 Au début du XIXe siècle, les mathématiciens pensent que toute fonction continue est dérivable, sauf peut-être en un nombre fini de points 2 André-Marie Ampère essaye même de démontrer cette propriété en 1806! 3 En 1861, Bernhard Riemann surprend tout le monde en proposant la fonction suivante au cours d une conférence f (x) = + k=1 1 k sin(k2 x) f est continue sur R mais dérivable seulement en de rares points.
166 Sur la dérivabilité des fonctions 1 Au début du XIXe siècle, les mathématiciens pensent que toute fonction continue est dérivable, sauf peut-être en un nombre fini de points 2 André-Marie Ampère essaye même de démontrer cette propriété en 1806! 3 En 1861, Bernhard Riemann surprend tout le monde en proposant la fonction suivante au cours d une conférence f (x) = + k=1 1 k sin(k2 x) f est continue sur R mais dérivable seulement en de rares points. 4 En 1872, Karl Weierstrass obtient une famille de fonctions continues et nulle part dérivables : f (x) = + k=0 a k cos(b k πx)
167 Sur la dérivabilité des fonctions 1 Au début du XIXe siècle, les mathématiciens pensent que toute fonction continue est dérivable, sauf peut-être en un nombre fini de points 2 André-Marie Ampère essaye même de démontrer cette propriété en 1806! 3 En 1861, Bernhard Riemann surprend tout le monde en proposant la fonction suivante au cours d une conférence f (x) = + k=1 1 k sin(k2 x) f est continue sur R mais dérivable seulement en de rares points. 4 En 1872, Karl Weierstrass obtient une famille de fonctions continues et nulle part dérivables : f (x) = + k=0 a k cos(b k πx) 5 En 1920, on redécouvre des travaux de Bernard Bolzano qui remontent à 1833 où il obtenait déjà de telles courbes.
168 32 / 40 Comment l existence de telles fonctions a été perçue 1 Charles Hermite déclara en 1893 : «Je me détourne avec effroi et horreur de cette plaie lamentable des fonctions continues qui n ont point de dérivées.»
169 32 / 40 Comment l existence de telles fonctions a été perçue 1 Charles Hermite déclara en 1893 : «Je me détourne avec effroi et horreur de cette plaie lamentable des fonctions continues qui n ont point de dérivées.» 2 Henri Poincaré lui, les qualifie de monstres...
170 32 / 40 Comment l existence de telles fonctions a été perçue 1 Charles Hermite déclara en 1893 : «Je me détourne avec effroi et horreur de cette plaie lamentable des fonctions continues qui n ont point de dérivées.» 2 Henri Poincaré lui, les qualifie de monstres... Un parallèle intéressant Ca rappelle un peu la découverte des nombres irrationnels par les grecs!
171 32 / 40 Comment l existence de telles fonctions a été perçue 1 Charles Hermite déclara en 1893 : «Je me détourne avec effroi et horreur de cette plaie lamentable des fonctions continues qui n ont point de dérivées.» 2 Henri Poincaré lui, les qualifie de monstres... Un parallèle intéressant Ca rappelle un peu la découverte des nombres irrationnels par les grecs! Question Aujourd hui, considère-t-on ces fonctions comme des monstres ou à l inverse comme étant des fonctions typiques?
172 33 / 40 A quoi ressemble une courbe typique du plan? A votre avis, si on tire au hasard une courbe du plan, elle ressemblera à ou?
173 33 / 40 A quoi ressemble une courbe typique du plan? A votre avis, si on tire au hasard une courbe du plan, elle ressemblera à ou? Question Comment s y prendre pour tirer au hasard un courbe du plan?
174 33 / 40 A quoi ressemble une courbe typique du plan? A votre avis, si on tire au hasard une courbe du plan, elle ressemblera à ou? Question Comment s y prendre pour tirer au hasard un courbe du plan? Plus précisément, on veut choisir au hasard un courbe parmi toutes les courbes γ C([0, 1], R 2 ), l espace des chemins continus à valeurs dans R 2.
175 33 / 40 A quoi ressemble une courbe typique du plan? A votre avis, si on tire au hasard une courbe du plan, elle ressemblera à ou? Question Comment s y prendre pour tirer au hasard un courbe du plan? Plus précisément, on veut choisir au hasard un courbe parmi toutes les courbes γ C([0, 1], R 2 ), l espace des chemins continus à valeurs dans R 2. Problème : cet espace est très gros : vu comme espace vectoriel, il est de dimension infinie!
176 34 / 40 Une approche naturelle : discrétiser le problème Prenons un cas beaucoup plus simple : on voudrait tirer au hasard un réel x [0, 1]. 1 1/2 k 2 n n x 0
177 Une approche naturelle : discrétiser le problème Prenons un cas beaucoup plus simple : on voudrait tirer au hasard un réel x [0, 1]. 1 1/2 k 2 n n x 0 Mouvement Brownien 34 / 40
178 Le mouvement Brownien est dérivable NULLE-PART! 35 / 40
179 Le mouvement Brownien est dérivable NULLE-PART! 35 / 40
180 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +)
181 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +) 2 L exemple le plus simple de groupe fini : Z/NZ. On se pose des questions du type : quel est le temps de mélange?
182 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +) 2 L exemple le plus simple de groupe fini : Z/NZ. On se pose des questions du type : quel est le temps de mélange? Z/NZ
183 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +) 2 L exemple le plus simple de groupe fini : Z/NZ. On se pose des questions du type : quel est le temps de mélange? n N 2 Z/NZ
184 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +) 2 L exemple le plus simple de groupe fini : Z/NZ. On se pose des questions du type : quel est le temps de mélange? n N 2 Z/NZ
185 36 / 40 Marches aléatoires sur les groupes finis 1 On vient d étudier les marches aléatoires sur les groupes suivants (Z, Z 2, Z 3, +) 2 L exemple le plus simple de groupe fini : Z/NZ. On se pose des questions du type : quel est le temps de mélange? n N 2 Z/NZ Ici le temps de mélange était donc d ordre τ N N 2. 3 Un autre groupe intéressant : le groupe symétrique S N, cad le groupe de toutes les permutations à N éléments ( S N = N!).
186 37 / 40 Une marche aléatoire sur le groupe symétrique Dans les années 1980, Persi Diaconis a mis en évidence un phénomène important appelé phénomène de cut-off : il a trouvé des marches aléatoires qui restent longtemps loin de l équilibre et qui tout à coup se mélangent très rapidement.
187 37 / 40 Une marche aléatoire sur le groupe symétrique Dans les années 1980, Persi Diaconis a mis en évidence un phénomène important appelé phénomène de cut-off : il a trouvé des marches aléatoires qui restent longtemps loin de l équilibre et qui tout à coup se mélangent très rapidement. L un des exemples phares est celui d une marche aléatoire sur S N qui modélise le fameux riffle-shuffle.
188 37 / 40 Une marche aléatoire sur le groupe symétrique Dans les années 1980, Persi Diaconis a mis en évidence un phénomène important appelé phénomène de cut-off : il a trouvé des marches aléatoires qui restent longtemps loin de l équilibre et qui tout à coup se mélangent très rapidement. L un des exemples phares est celui d une marche aléatoire sur S N qui modélise le fameux riffle-shuffle. Lorsque N = 52?
189 37 / 40 Une marche aléatoire sur le groupe symétrique Dans les années 1980, Persi Diaconis a mis en évidence un phénomène important appelé phénomène de cut-off : il a trouvé des marches aléatoires qui restent longtemps loin de l équilibre et qui tout à coup se mélangent très rapidement. L un des exemples phares est celui d une marche aléatoire sur S N qui modélise le fameux riffle-shuffle. Lorsque N = 52? S 52 = 52! Donc ce groupe fini est énorme (comparer aux atomes dans l univers!)
190 Une marche aléatoire sur le groupe symétrique Dans les années 1980, Persi Diaconis a mis en évidence un phénomène important appelé phénomène de cut-off : il a trouvé des marches aléatoires qui restent longtemps loin de l équilibre et qui tout à coup se mélangent très rapidement. L un des exemples phares est celui d une marche aléatoire sur S N qui modélise le fameux riffle-shuffle. Lorsque N = 52? S 52 = 52! Donc ce groupe fini est énorme (comparer aux atomes dans l univers!) Diaconis montre que 7 riffle shuffles suffisent pour bien mélanger un paquet de cartes. En revanche avec seulement 6 shuffles, on est très loin d être bien mélangé! (Il a un tour de magie qui illustre ça). 37 / 40
191 38 / 40 Marches aléatoires et Google : le graphe du Web On s intéresse au graphe des pages web : G = (V, E). w v
192 38 / 40 Marches aléatoires et Google : le graphe du Web On s intéresse au graphe des pages web : G = (V, E). w v
193 Marches aléatoires et Google : le graphe du Web On s intéresse au graphe des pages web : G = (V, E). w v On 25 July 2008, Google software engineers Jesse Alpert and Nissan Hajaj announced that Google Search had discovered one trillion (i.e ) unique URLs #pages web = V / 40
194 page ranking : Altavista v.s. Google 39 / 40
195 39 / 40 page ranking : Altavista v.s. Google B A
196 40 / 40 The End MERCI!
Les mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailTHEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE
THEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE 1. RAPPEL: L ATOME CONSTITUANT DE LA MATIERE Toute la matière de l univers, toute substance, vivante ou inerte, est constituée à partir de particules
Plus en détailA retenir : A Z m n. m noyau MASSE ET ÉNERGIE RÉACTIONS NUCLÉAIRES I) EQUIVALENCE MASSE-ÉNERGIE
CP7 MASSE ET ÉNERGIE RÉACTIONS NUCLÉAIRES I) EQUIVALENCE MASSE-ÉNERGIE 1 ) Relation d'équivalence entre la masse et l'énergie -énergie de liaison 2 ) Une unité d énergie mieux adaptée 3 ) application 4
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailChapitre 5 : Noyaux, masse et énergie
Chapitre 5 : Noyaux, masse et énergie Connaissances et savoir-faire exigibles : () () (3) () (5) (6) (7) (8) Définir et calculer un défaut de masse et une énergie de liaison. Définir et calculer l énergie
Plus en détailPhotons, expériences de pensée et chat de Schrödinger: une promenade quantique
Photons, expériences de pensée et chat de Schrödinger: une promenade quantique J.M. Raimond Université Pierre et Marie Curie Institut Universitaire de France Laboratoire Kastler Brossel Département de
Plus en détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailÀ propos d ITER. 1- Principe de la fusion thermonucléaire
À propos d ITER Le projet ITER est un projet international destiné à montrer la faisabilité scientifique et technique de la fusion thermonucléaire contrôlée. Le 8 juin 005, les pays engagés dans le projet
Plus en détailChapitre 11: Réactions nucléaires, radioactivité et fission
1re B et C 11 Réactions nucléaires, radioactivité et fission 129 Chapitre 11: Réactions nucléaires, radioactivité et fission 1. Définitions a) Nucléides (= noyaux atomiques) Les nucléides renferment les
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailMesure de la dépense énergétique
Mesure de la dépense énergétique Bioénergétique L énergie existe sous différentes formes : calorifique, mécanique, électrique, chimique, rayonnante, nucléaire. La bioénergétique est la branche de la biologie
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
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 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 détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailChap 8 - TEMPS & RELATIVITE RESTREINTE
Chap 8 - TEMPS & RELATIVITE RESTREINTE Exercice 0 page 9 On considère deux évènements E et E Référentiel propre, R : la Terre. Dans ce référentiel, les deux évènements ont lieu au même endroit. La durée
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailLycée Galilée Gennevilliers. chap. 6. JALLU Laurent. I. Introduction... 2 La source d énergie nucléaire... 2
Lycée Galilée Gennevilliers L'énergie nucléaire : fusion et fission chap. 6 JALLU Laurent I. Introduction... 2 La source d énergie nucléaire... 2 II. Équivalence masse-énergie... 3 Bilan de masse de la
Plus en détailL énergie sous toutes ses formes : définitions
L énergie sous toutes ses formes : définitions primaire, énergie secondaire, utile ou finale. Quelles sont les formes et les déclinaisons de l énergie? D après le dictionnaire de l Académie française,
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détaildocument proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015
BT V 2015 (envoyé par Frédéric COTTI - Professeur d Electrotechnique au Lycée Régional La Floride Marseille) Document 1 - Etiquette énergie Partie 1 : Voiture à faible consommation - Une étiquette pour
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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailCours de Physique Statistique. Éric Brunet, Jérôme Beugnon
Cours de Physique Statistique Éric Brunet, Jérôme Beugnon 7 octobre 2014 On sait en quoi consiste ce mouvement brownien. Quand on observe au microscope une particule inanimée quelconque au sein d un fluide
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailRecherche et Diffusion de l Information dans les Réseaux. Philippe Robert. Le 8 avril 2014
Recherche et Diffusion de l Information dans les Réseaux Philippe Robert Le 8 avril 2014 Présentation Présentation Directeur de recherche à l INRIA Responsable de l équipe de recherche Réseaux, Algorithmes
Plus en détailA. Énergie nucléaire 1. Fission nucléaire 2. Fusion nucléaire 3. La centrale nucléaire
Énergie Table des A. Énergie 1. 2. 3. La centrale Énergie Table des Pour ce chapitre du cours il vous faut à peu près 90 minutes. A la fin de ce chapitre, vous pouvez : -distinguer entre fission et fusion.
Plus en détailAlgorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt
Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut
Plus en détailSemi-conducteurs. 1 Montage expérimental. Expérience n 29
Expérience n 29 Semi-conducteurs Description Le but de cette expérience est la mesure de l énergie d activation intrinsèque de différents échantillons semiconducteurs. 1 Montage expérimental Liste du matériel
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 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 détailPhysique Chimie. Utiliser les langages scientifiques à l écrit et à l oral pour interpréter les formules chimiques
C est Niveau la représentation 4 ème 2. Document du professeur 1/6 Physique Chimie LES ATOMES POUR COMPRENDRE LA TRANSFORMATION CHIMIQUE Programme Cette séance expérimentale illustre la partie de programme
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 détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailContenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière
Contenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière Algèbre 1 : (Volume horaire total : 63 heures) UE1 : Analyse et algèbre
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 détailEXERCICE 2 : SUIVI CINETIQUE D UNE TRANSFORMATION PAR SPECTROPHOTOMETRIE (6 points)
BAC S 2011 LIBAN http://labolycee.org EXERCICE 2 : SUIVI CINETIQUE D UNE TRANSFORMATION PAR SPECTROPHOTOMETRIE (6 points) Les parties A et B sont indépendantes. A : Étude du fonctionnement d un spectrophotomètre
Plus en détail1 ère partie : tous CAP sauf hôtellerie et alimentation CHIMIE ETRE CAPABLE DE. PROGRAMME - Atomes : structure, étude de quelques exemples.
Référentiel CAP Sciences Physiques Page 1/9 SCIENCES PHYSIQUES CERTIFICATS D APTITUDES PROFESSIONNELLES Le référentiel de sciences donne pour les différentes parties du programme de formation la liste
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailC4: Réactions nucléaires, radioactivité et fission
1re B et C C4 Réactions nucléaires, radioactivité et fission 30 C4: Réactions nucléaires, radioactivité et fission 1. Définitions a) Nucléides (= noyaux atomiques) Les nucléides renferment les nucléons:
Plus en détailTransformations nucléaires
Transformations nucléaires Stabilité et instabilité des noyaux : Le noyau d un atome associé à un élément est représenté par le symbole A : nombre de masse = nombre de nucléons (protons + neutrons) Z :
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailTD 9 Problème à deux corps
PH1ME2-C Université Paris 7 - Denis Diderot 2012-2013 TD 9 Problème à deux corps 1. Systèmes de deux particules : centre de masse et particule relative. Application à l étude des étoiles doubles Une étoile
Plus en détailNOTICE DOUBLE DIPLÔME
NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailPlan du chapitre «Milieux diélectriques»
Plan du chapitre «Milieux diélectriques» 1. Sources microscopiques de la polarisation en régime statique 2. Etude macroscopique de la polarisation en régime statique 3. Susceptibilité diélectrique 4. Polarisation
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailLa physique nucléaire et ses applications
La physique nucléaire et ses applications I. Rappels et compléments sur les noyaux. Sa constitution La représentation symbolique d'un noyau est, dans laquelle : o X est le symbole du noyau et par extension
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailPOLY-PREPAS Centre de Préparation aux Concours Paramédicaux. - Section Orthoptiste / stage i-prépa intensif -
POLY-PREPAS Centre de Préparation aux Concours Paramédicaux - Section Orthoptiste / stage i-prépa intensif - 1 Suite énoncé des exos du Chapitre 14 : Noyaux-masse-énergie I. Fission nucléaire induite (provoquée)
Plus en détailQu est-ce qu un ordinateur quantique et à quoi pourrait-il servir?
exposé UE SCI, Valence Qu est-ce qu un ordinateur quantique et à quoi pourrait-il servir? Dominique Spehner Institut Fourier et Laboratoire de Physique et Modélisation des Milieux Condensés Université
Plus en détailChapitre 11 Bilans thermiques
DERNIÈRE IMPRESSION LE 30 août 2013 à 15:40 Chapitre 11 Bilans thermiques Table des matières 1 L état macroscopique et microcospique de la matière 2 2 Énergie interne d un système 2 2.1 Définition.................................
Plus en détailÉJECTEURS. CanmetÉNERGIE Juillet 2009
ÉJECTEURS CanmetÉNERGIE Juillet 2009 ÉJECTEURS 1 ÉJECTEURS INTRODUCTION Les éjecteurs sont activés par la chaleur perdue ou la chaleur provenant de sources renouvelables. Ils sont actionnés directement
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailL ÉNERGIE C EST QUOI?
L ÉNERGIE C EST QUOI? L énergie c est la vie! Pourquoi à chaque fois qu on fait quelque chose on dit qu on a besoin d énergie? Parce que l énergie est à l origine de tout! Rien ne peut se faire sans elle.
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailChapitre 6. Réactions nucléaires. 6.1 Généralités. 6.1.1 Définitions. 6.1.2 Lois de conservation
Chapitre 6 Réactions nucléaires 6.1 Généralités 6.1.1 Définitions Un atome est constitué d électrons et d un noyau, lui-même constitué de nucléons (protons et neutrons). Le nombre de masse, noté, est le
Plus en détail3ème séance de Mécanique des fluides. Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait. 2 Écoulements potentiels
3ème séance de Mécanique des fluides Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait 1 Généralités 1.1 Introduction 1.2 Équation d Euler 1.3 Premier théorème de Bernoulli 1.4
Plus en détailÉquivalence masse-énergie
CHPITRE 5 NOYUX, MSSE ET ÉNERGIE Équivalence masse-énergie. Équivalence masse-énergie Einstein a montré que la masse constitue une forme d énergie appelée énergie de masse. La relation entre la masse (en
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailEtudier le diagramme température-pression, en particulier le point triple de l azote.
K4. Point triple de l azote I. BUT DE LA MANIPULATION Etudier le diagramme température-pression, en particulier le point triple de l azote. II. BASES THEORIQUES Etats de la matière La matière est constituée
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailTransformations nucléaires
I Introduction Activité p286 du livre Transformations nucléaires II Les transformations nucléaires II.a Définition La désintégration radioactive d un noyau est une transformation nucléaire particulière
Plus en détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
Plus en détailExemples d utilisation de G2D à l oral de Centrale
Exemples d utilisation de G2D à l oral de Centrale 1 Table des matières Page 1 : Binaire liquide-vapeur isotherme et isobare Page 2 : Page 3 : Page 4 : Page 5 : Page 6 : intéressant facile facile sauf
Plus en détailLes lières. MSc in Electronics and Information Technology Engineering. Ingénieur civil. en informatique. MSc in Architectural Engineering
Ingénieur civil Ingénieur civil Les lières MSc in Electronics and Information Technology Engineering MSc in Architectural Engineering MSc in Civil Engineering MSc in Electromechanical Engineering MSc
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailChapitre n 6 MASSE ET ÉNERGIE DES NOYAUX
Chapitre n 6 MASSE ET ÉNERGIE DES NOYAUX T ale S Introduction : Une réaction nucléaire est Une réaction nucléaire provoquée est L'unité de masse atomique est une unité permettant de manipuler aisément
Plus en détailLa physique quantique couvre plus de 60 ordres de grandeur!
La physique quantique couvre plus de 60 ordres de grandeur! 10-35 Mètre Super cordes (constituants élémentaires hypothétiques de l univers) 10 +26 Mètre Carte des fluctuations du rayonnement thermique
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailAIDE-MÉMOIRE LA THERMOCHIMIE TABLE DES MATIERES
Collège Voltaire, 2014-2015 AIDE-MÉMOIRE LA THERMOCHIMIE http://dcpe.net/poii/sites/default/files/cours%20et%20ex/cours-ch2-thermo.pdf TABLE DES MATIERES 3.A. Introduction...2 3.B. Chaleur...3 3.C. Variation
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailDM n o 8 TS1 2012 Physique 10 (satellites) + Chimie 12 (catalyse) Exercice 1 Lancement d un satellite météorologique
DM n o 8 TS1 2012 Physique 10 (satellites) + Chimie 12 (catalyse) Exercice 1 Lancement d un satellite météorologique Le centre spatial de Kourou a lancé le 21 décembre 200, avec une fusée Ariane, un satellite
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
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 détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
Plus en détailPHYSIQUE Discipline fondamentale
Examen suisse de maturité Directives 2003-2006 DS.11 Physique DF PHYSIQUE Discipline fondamentale Par l'étude de la physique en discipline fondamentale, le candidat comprend des phénomènes naturels et
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détail