Pr ediction lin eaire
|
|
- Marie-Noëlle Corbeil
- il y a 7 ans
- Total affichages :
Transcription
1 Prédiction linéaire La prédiction linéaire fait partie intégrante des filtres adaptatifs basés sur les algorithmes de moindres carrés rapides. De plus, elle joue un rôle important dans de nombreuses applications, notamment l analyse des signaux ou la compression. INRS-EMT J. Benesty
2 Plan La matrice d autocorrélation La prédiction linéaire avant La prédiction linéaire arrière Relation entre les prédicteurs avant et arrière Relations de récurrence sur l ordre et l algorithme de Levinson-Durbin Le filtre de prédiction linéaire en treillis Résumé INRS-EMT J. Benesty 1
3 La matrice d autocorrélation Soit une série temporelle stationnaire réelle x(n), le vecteur correspondant aux L données les plus récentes est: x L (n) = x(n) x(n 1) x(n L +1) T, et la matrice d autocorrélation de dimension L L est: R L = E { x L (n)x T L(n) } (1) r(0) r(1) r(l 1) = r(1) r(0) r(l 2) r(l 1) r(l 2) r(0) Pour un vecteur de longueur L +1: x L+1 (n) = x(n) x(n 1) x(n L) T, la matrice d autocorrélation de dimension (L +1) (L +1)est: INRS-EMT J. Benesty 2
4 où R L+1 = E { x L+1 (n)x T L+1(n) } (2) r(0) r(1) r(l) = r(1) r(0) r(l 1) r(l) r(l 1) r(0) r(0) r T = r R L RL r = b, r(0) r T b r = r(1) r(2) r(l) T est un vecteur d autocorrélation à L éléments et r b = r(l) r(l 1) r(1) T. On voit bien donc comment les deux matrices R L+1 et R L sont reliées. INRS-EMT J. Benesty 3
5 La prédiction linéaire avant Le but de la prédiction linéaire avant est d estimer la valeur d un signal à l instant n à partir de ses valeurs aux instants antérieurs n 1, n 2,. L erreur de prédiction linéaire avant s écrit: où e a (n) = x(n) L a L,l x(n l) l=1 = x(n) a T Lx(n 1) (3) a L = a L,1 a L,2 a L,L T est le vecteur prédicteur avant à L éléments, et: x(n 1) = x(n 1) x(n 2) x(n L) T. On cherchera à minimiser le critère suivant: J (a L )=E{e 2 a(n)}, (4) INRS-EMT J. Benesty 4
6 ce qui donne: J (a L ) a L = 2E { e a (n) e } a(n) a L = 2E {e a (n)x(n 1)} = 0 L 1, (5) finalement, on a: E { x(n 1)x T (n 1) } a L = E {x(n 1)x(n)} R L a L = r. (6) Le système précédent peut être formulé différemment en augmentant sa taille: r(0) r T 1 Ea,L = r a L 0 L 1 où R L R L+1 1 a L = Ea,L, (7) 0 L 1 E a,l = r(0) r T a L (8) est la puissance d erreur de prédiction avant. En fait E a,l = J min (EQM minimale). INRS-EMT J. Benesty 5
7 Ecrivons les erreurs de prédiction linéaire avant à l ordre L et L i: e a,l (n) = x(n) e a,l i (n) = x(n) L a L,l x(n l), (9) l=1 L i l=1 Le principe d orthogonalité nous dit que: a L i,l x(n l). (10) E {e a,l (n)x(n 1)} = 0 L 1. (11) Pour 1 i L, on peut facilement vérifier en utilisant (11) que: E {e a,l (n)e a,l i (n i)} =0. (12) Donc quand L, E {e a (n)e a (n i)} =0et la suite e a (n) est un bruit blanc. C est pourquoi le filtre d erreur de prédiction est aussi appelé blanchisseur. INRS-EMT J. Benesty 6
8 La prédiction linéaire arrière Le but de la prédiction linéaire arrière est d estimer la valeur d un signal à l instant n L àpartirdeses valeurs aux instants futurs n, n 1, n 2,. L erreur de prédiction linéaire arrière s écrit: où e b (n) = x(n L) L b L,l x(n l +1) l=1 = x(n L) b T Lx(n) (13) b L = b L,1 b L,2 b L,L T est le vecteur prédicteur arrière à L éléments, et: x(n) = x(n) x(n 1) x(n L +1) T. On cherchera à minimiser le critère suivant: J (b L )=E{e 2 b(n)}, (14) INRS-EMT J. Benesty 7
9 ce qui donne: J (b L ) b L = 2E { e b (n) e } b(n) b L = 2E {e b (n)x(n)} = 0 L 1, (15) finalement, on a: E { x(n)x T (n) } b L = E {x(n)x(n L)} R L b L = r b. (16) Le système précédent peut être formulé différemment en augmentant sa taille: où RL r b r(0) r T b bl 1 R L+1 bl 1 = = 0L 1 E b,l 0L 1, (17) E b,l E b,l = r(0) r T b b L (18) est la puissance d erreur de prédiction arrière. En fait E b,l = J min (EQM minimale). INRS-EMT J. Benesty 8
10 Une propriété importante de la prédiction arrière est qu elle fournit un ensemble de signaux non corrélés: les erreurs e b,l (n) pour les ordres successifs 0 l L ne sont pas corrélées. En effet, soit le vecteur: e b,0 (n) e b,1 (n) e b,2 (n). e b,l 1 (n) ou encore = b T b T b T L 1 1 x L (n), e b (n) = T b x L (n). (19) La matrice de covariance correspondante s écrit: E { e b (n)e T b (n) } = T b R L T T b. (20) Par définition, c est une matrice symétrique. Le produit R L T T b est une matrice triangulaire inférieure, à cause de l équation (17) et la diagonale principale se compose des puissances des erreurs de prédiction E b,l (0 l L 1). Mais T b est aussi une matrice triangulaire inférieure et donc le produit doit avoir la même structure; comme il doit être symétrique, ce ne INRS-EMT J. Benesty 9
11 peut être qu une matrice diagonale, soit: E { e b (n)e T b (n) } = diag{e b,l }, (21) et les erreurs de prédiction arrière sont décorrélées. D autre part, puisque: T b R L T T b = diag{e b,l }, (22) en prenant l inverse: T T b et finalement: R 1 L T 1 b = diag{e b,l } 1, (23) R 1 L = T T b diag{e b,l } 1 T b. (24) C est la décomposition triangulaire, dite de Cholesky, de la matrice d autocorrélation inverse. INRS-EMT J. Benesty 10
12 Relation entre les prédicteurs avant et arrière Soit la matrice carrée d ordre L, dite co-identité, suivante: J L = qui retourne les composantes d un vecteur. On peut facilement vérifier que: R L J L = J L R L. (25) La matrice R L est donc aussi symétrique par rapport à la seconde diagonale, elle est dite doublement symétrique ou persymétrique. Rappelons que: R L b L = r b. (26) INRS-EMT J. Benesty 11
13 En multipliant par la matrice co-identité J L : J L R L b L = J L r b R L J L b L = r = R L a L, (27) comme R L est supposée inversible, il vient: a L = J L b L. (28) D autre part: E b,l = r(0) r T b b L = r(0) r T b J L J L b L = r(0) (J L r b ) T a L = r(0) r T a L = E a,l = E L (29) Pour un signal d entrée stationnaire, les puissances d erreur de prédiction avant et arrière sont égales et les coefficients sont les mêmes, mais dans l ordre inverse. INRS-EMT J. Benesty 12
14 Relations de récurrence sur l ordre et l algorithme de Levinson-Durbin On mettra en évidence des relations entre les équations de prédiction linéaire à l ordre L 1 et L. Soient r a,l et r b,l les vecteurs suivants: r a,l = r(1) r(2) r(l) T, r b,l = J L r a,l, et soit l équation: RL r b,l r T b,l r(0) 1 a L 1 0 = E L 1 0 (L 1) 1 K L, (30) où le scalaire K L représente la quantité: K L = r(l) a T L 1r b,l 1 = r(l) a T L 1J L 1 r a,l 1. (31) INRS-EMT J. Benesty 13
15 Le facteur: est appelé coefficient de réflexion. k L = K L E L 1 (32) Avec la prédiction linéaire arrière, il vient de même: r(0) r T a,l r a,l R L 0 b L 1 1 = K L 0 (L 1) 1 E L 1, (33) en multipliant les deux membres par le facteur k L,on a: R L+1 0 k L b L 1 k L = k2 L E L 1 0 (L 1) 1 K L. (34) En soustrayant ensuite (34) de (30), on obtient: R L+1 1 k L b L 1 a L 1 k L = EL 1 (1 kl 2 ). 0 L 1 INRS-EMT J. Benesty 14
16 En supposant R L+1 invertible, la solution unique au système précédent est le prédicteur avant à l ordre L, d où les équations de récurrence suivantes: a L = al 1 0 k L bl 1 1, (35) E L = E L 1 (1 k 2 L), (36) a L,L = k L. (37) Puisque la puissance de l erreur de prédiction est toujours positive, quel que soit l ordre, on en déduit: et k l 1, l 1, (38) 0 E l E l 1, l 1. (39) En itérant sur la puissance, on a: E L = r(0) L (1 kl 2 ). (40) l=1 INRS-EMT J. Benesty 15
17 L ensemble des équations (35)-(37) représente l algorithme de Levinson-Durbin. La complexité pour résoudre l équation de la prédiction linéaire à l ordre L à l aide de l algorithme de Levinson-Durbin est de l ordre L 2 au lieu de L 3. Table 1: L algorithme de Levinson-Durbin. Initialisation: E 0 = r(0) For 1 l L : k l = 1 r(l) a T l 1 E J l 1r a,l 1 l 1 a l = al 1 0 k l J l E l = E l 1 (1 k 2 l ) 1 a l 1 INRS-EMT J. Benesty 16
18 Le filtre de prédiction linéaire en treillis Les coefficients k l établissent des relations directes entre les erreurs de prédiction avant et arrière pour les ordres successifs. A partir de la définition de l erreur de prédiction avant à l ordre L: e a,l (n) = x(n) a T Lx(n 1) (41) et de la récurrence sur les coefficients: a L = al 1 0 k L bl 1 1, il vient: e a,l (n) =e a,l 1 (n) k L b T L 1 1x(n 1). (42) L erreur de prédiction arrière à l ordre L est: e b,l (n) = x(n L) b T Lx(n), (43) INRS-EMT J. Benesty 17
19 et à l ordre L 1: e b,l 1 (n) = x(n L +1) b T L 1x L 1 (n) = b T L 1 1x(n). (44) Par suite, ces erreurs de prédiction s expriment par: e a,l (n) =e a,l 1 (n) k L e b,l 1 (n 1), (45) e b,l (n) =e b,l 1 (n 1) k L e a,l 1 (n). (46) La structure correspondante est donnée a la figure 1; c est la section de filtre en treillis et un filtre complet d ordre L est constitué d un ensemble de L telles sections en cascade. Bien sûr, au départ, e a,0 (n) =e b,0 (n) =x(n). e a,l 1 (n) - + e a,l (n) k L e b,l 1 (n) z e b,l (n) Figure 1: Cellule de filtre de prédiction en treillis. INRS-EMT J. Benesty 18
20 Les coefficients de réflexion peuvent être caractérisés d une manière statistique. Soit l intercorrélation suivante: E {e a,l (n)e b,l (n 1)} = r(l +1) b T Lr a,l a T LJ L r a,l + a T LR L b L. En raison de l équation de la prédiction arrière: R L b L = r b,l = J L r a,l, la somme des deux derniers termes de cette intercorrélation est nulle, d où: E {e a,l (n)e b,l (n 1)} = r(l +1) b T Lr a,l = K L+1, et finalement: k L = E {e a,l 1(n)e b,l 1 (n 1)} E L 1. (47) Les coefficients k L de réflexion représentent l intercorrélation normalisée des erreurs de prédiction avant et arrière. INRS-EMT J. Benesty 19
21 Le coefficient k L est lié aux L zéros z l du filtre RIF de prédiction d erreur d ordre L, dont la fonction de transfert s écrit: A L (z) =1 L a L,l z l = l=1 L ( 1 zl z 1), (48) l=1 et puisque k L = a L,L,ona: k L =( 1) L+1 L l=1 z l. (49) Le filtre A L (z) est à phase minimale, c est-à-dire que z l 1. INRS-EMT J. Benesty 20
22 Nous allons montrer que le filtre A L (z) =1 L a L,l z l (50) l=1 est à phase minimale. Pour simplifier les notations, posons: w l = a L,l, avec w 0 =1. Le polynôme devient: A L (z) = L w l z l. (51) l=0 Soit le vecteur suivant: w = w 0 w 1 w L T, nous savons que: R L+1 w = Ea,L. (52) 0 L 1 Soit λ une racine quelconque du polynôme, on en déduit que: A L (z) =(1 λz 1 ) L 1 l=0 c l z l, avec c 0 =1. (53) INRS-EMT J. Benesty 21
23 Remarquer que λ peut être un nombre complexe, donc les coefficients c l sont en général complexes. Ainsi, le vecteur w peut encore s écrire: où w = c λ c, (54) c = 1 c 1 c 2 c L 1 0 T = c T 0 T, c = 0 1 c 1 c 2 c L 1 T = 0 c T T. En remplaçant (54) dans (52), on obtient: R L+1 c = λr L+1 c + Ea,L. (55) 0 L 1 Maintenant, si on multiplie à gauche par c H des deux côtés de l expression précédente, on a: D où: c H R L+1 c = λ c H R L+1 c. (56) c H R L+1 c 2 = λ 2 ( c H R L+1 c) 2. (57) INRS-EMT J. Benesty 22
24 En utilisant l inégalité de Schwartz: c H R L+1 c 2 ( c H R L+1 c)(c H R L+1 c). (58) Or: c H R L+1 c = 0 c H r(0) r T r R L 0 c = c H R L c, (59) de même: c H R L+1 c = c H 0 R L r b r T b r(0) c = c H R L c, (60) d où: c H R L+1 c = c H R L+1 c et l inégalité de Schwartz devient: c H R L+1 c 2 ( c H R L+1 c) 2. (61) D après (57), on voit bien que λ INRS-EMT J. Benesty 23
25 Résumé Erreur de prédiction linéaire avant: e a (n) =x(n) a T Lx(n 1). La minimisation du critère: J (a L )=E{e 2 a(n)} donne R L a L = r. Puissance d erreur de prédiction avant: E a,l = r(0) r T a L. Erreur de prédiction linéaire arrière: e b (n) =x(n L) b T Lx(n). La minimisation du critère: J (b L )=E{e 2 b(n)} INRS-EMT J. Benesty 24
26 donne R L b L = r b. Puissance d erreur de prédiction arrière: E b,l = r(0) r T b b L. Relation entre les prédicteurs avant et arrière: a L = J L b L, E a,l = E b,l. Relation de récurrence sur l ordre: a L = al 1 0 k L bl 1 1. INRS-EMT J. Benesty 25
Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
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 détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
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 détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
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 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 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
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 détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailCorrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2
33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre
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 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailDéterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3
Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
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 détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en 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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en 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 détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailCHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté
CHAPITE IV Oscillations ibres des Systèmes à plusieurs derés de liberté 010-011 CHAPITE IV Oscillations libres des systèmes à plusieurs derés de liberté Introduction : Dans ce chapitre, nous examinons
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
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 détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en 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 détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en 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 détailPar combien de zéros se termine N!?
La recherche à l'école page 79 Par combien de zéros se termine N!? par d es co llèg es An dré Do ucet de Nanterre et Victor Hugo de Noisy le Grand en seignants : Danielle Buteau, Martine Brunstein, Marie-Christine
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
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 détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1
[http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailPartie 1: Gestion de l interférence entre symboles
Partie 1: Gestion de l interférence entre symboles Philippe Ciblat Télécom ParisTech, France Algo de Viterbi Egalisation OFDM Section 11 : Algorithme de Viterbi Philippe Ciblat Gestion de l interférence
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailÉquations non linéaires
CHAPTER 1 Équations non linéaires On considère une partie U R d et une fonction f : U R d. On cherche à résoudre { x U 1..1) f x) = R d On distinguera les cas d = 1 et d > 1. 1.1. Dichotomie d = 1) 1.1.1.
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCORRECTION EXERCICES ALGORITHME 1
CORRECTION 1 Mr KHATORY (GIM 1 A) 1 Ecrire un algorithme permettant de résoudre une équation du second degré. Afficher les solutions! 2 2 b b 4ac ax bx c 0; solution: x 2a Solution: ALGORITHME seconddegré
Plus en détail2 TABLE DES MATIÈRES. I.8.2 Exemple... 38
Table des matières I Séries chronologiques 3 I.1 Introduction................................... 3 I.1.1 Motivations et objectifs......................... 3 I.1.2 Exemples de séries temporelles.....................
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailAide à l exécution de la norme SIA 181:2006 révisée Protection contre le bruit dans le bâtiment
Aide à l exécution de la norme SIA 181:2006 révisée Protection contre le bruit dans le bâtiment Sommaire Introduction... 2 Variante 1...3 Variante 2...3 Variante 3...4 Comparaison des exigences pour les
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 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 détailFiche PanaMaths Calculs avec les fonctions sous Xcas
Fiche PanaMaths Calculs avec les fonctions sous Xcas Cette fiche destinée aux élèves des classes de Terminale requiert un premier niveau de connaissance du logiciel Xcas. Définition d une fonction Fonctions
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détail