Chapitre 1 : Introduction à la commande optimale
|
|
- Maxence Bilodeau
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 1 : Introduction à la commande optimale 1- Objet de la commande optimale Pour introduire la notion de commande optimale, considérons l exemple suivant : Pour arrêter la rotation d un rotor tournant à une vitesse constante, on peut lui appliquer une charge extérieure C( t ) perpendiculaire à son axe de rotation. Il s agit alors de déterminer la commande C( t ) qui permet d amener la vitesse de rotation du système de v = v à v =. Cette détermination répond souvent à un objectif tel que, l arrêt du système en un temps minimum. rouver C( t ) qui répond à cet objectif, est l objet de la théorie de la commande optimale. Le problème de détermination d une commande optimale d un processus peut s énoncer comme suit : Un processus dynamique étant donné et défini par son modèle (représentation d état, matrice de transfère, équations aux différences, ), trouver parmi les commandes admissibles celles qui permet à la fois : - de vérifier des conditions initiales et finales donnés. - de satisfaire diverses contraintes imposées. - d optimiser un critère choisi. La théorie de la commande optimale à un champ d application extrêmement vaste : - Régulation de la température d une pièce ou d un four en utilisant le minimum d énergie. - Problème de poursuite : on souhaite que la sortie du système suive le mieux possible la consigne désirée ou prévue. Il s agit dans ce cas de déterminer la commande qui minimise l énergie de poursuite. D un point de vue formel, le problème de commande optimale est un problème de minimisation ou de maximisation d une fonctionnelle ; c'est-à-dire, un problème de calcul des variations 2- Formulation du problème de commande optimale La théorie de la commande optimale couvre toutes les activités dynamiques où une performance optimale est exigée. Les systèmes à commander peuvent donc être d origine diverses : mécanique, électrique, électronique, biologie, chimie, économie, Chaque problème de commande nécessite une description des propriétés dynamiques du processus à commander. ISSA Kairouan 1
2 1. Détermination du modèle mathématique du système Les systèmes étudiés sont décrits par des variables d état. Par exemple : (a) Systèmes linéaires continus commandés X& = A( t) X + B( t) U où n X R et m U R. Dans le cas où les matrices A et B sont constantes, on dit que le système est stationnaire. (b) Systèmes non linéaires continus commandés X & = f ( X, U, t) où f ( X, U, t ) est une fonction vectorielle non linéaire. (c) Systèmes discrets linéaires X = A X + + B U k 1 k k k k (d) Systèmes discrets non linéaires X = k + 1 f ( X k, U k, k) Outre ce modèle, il faut formuler, pour un problème de commande optimale, le critère de performance à optimiser et les contraintes physiques. 2. Formulation de l indice de performances et des contraintes physiques Il s agit d une grandeur mathématique désignée dans la littérature techniques selon le domaine : critère (en automatique), fonction coût (en économie), fonctionnelle (en mathématique). Dans ce qui suit, on utilise le mot critère. Remarque : Sur le plan pratique il n est pas facile de déterminer un critère ; toutefois on peut toujours se ranger dans l une des catégories suivantes : - minimiser un temps ; - optimiser une amplitude ; - maximiser un profit où un revenu ; - minimiser une erreur ; - minimiser une consommation. Les critères les plus utilisés sont : (a) Problème à temps minimal J = dt (b) Cas linéaire quadratique ISSA Kairouan 2
3 1 1 J = X QX U RU dt t Cas général : ( ( ), ) J X L ( X, U, t ) dt = φ + où L( X, U, t ) est une fonction non linéaire et φ ( X ( ), ) représente la fonction coût terminal. Pour la formulation des contraintes, il faut noter leur diversité lors de la commande d un processus : soit sur le temps de simulation, sur la valeur de la commande, sur l état du système, On peut citer : - temps final fixe : est donné ; - temps final libre ; - état initial fixe ; - contrainte sur l état X ( ), ψ ( X ( )) = ; - contrainte sur la commande U. Par exemple : 1 U ( t) 1. ISSA Kairouan 3
4 Chapitre 2 : Commande optimale des systèmes continus où J ( ) et h( ) sont deux fonctionnelles scalaires (c-à-d fonctions de la fonction X ( t ) ). 1- Éléments de calcul des variations Nous présentons les deux relations les plus importantes pour la résolution du problème de commande optimale des systèmes continus. Ces relations seront utiles pour la détermination des conditions nécessaires d optimalité à partir de la minimisation du critère augmenté. 1.1 Relation entre variation et différentielle Soit X ( t ) une fonction continue en t, les deux différentielles dx ( t ) et dt sont alors dépendantes. On définit la variation δ X ( t) qui représente la variation sur X ( t ) à t fixé : 1.2 Règle de Leibnitz dx ( t) = δ X ( t) + Xdt & La règle de Leibnitz permet de déterminer la variation d une fonctionnelle de la forme : = ( ) J X h ( X ( t ), t ) dt Alors : h ( h X = ) X dj ( X ) h( X ( ), ) d h( X ( t ), t ) dt h ( X ( t), t) δ X ( t) dt = + 2- Solution du problème de commande optimale des systèmes continus 2.1 Position du problème Soit le système décrit par les équations d état : X & ( t) = f ( X ( t), U ( t), t) (1) n m avec X ( t) R et U ( t) R, et soit à minimiser le critère : J ( t ) = φ( X ( ), ) + L( X ( t), U ( t), t) dt (2) où φ ( X ( ), ) est la fonction coût terminal et L( X ( t), U ( t), t ) décrit le X coût à chaque instant sur la trajectoire X ( t ). ISSA Kairouan 4
5 On suppose que f, L et φ sont de classes 2 C. appelé Hamiltonien. Il s agit de déterminer U * ( t ) sur l intervalle [ t ] qui transfère, Le critère augmenté devient : le système décrit par (1) le long d une trajectoire optimale minimise le critère (2) et tel que : X * ( t ) qui J = φ( X ( ), ) + υ ψ ( X ( ), ) + H ( X ( t), U ( t), t) λ X& dt ψ ( X ( ), ) = (3) p avec ψ R appelé cible. 2.1 Hamiltonien et équations adjointes Pour résoudre ce problème de C.O nous allons utiliser les multiplicateurs de Lagrange. n p Soit λ( t) R et υ R les multiplicateurs correspondant respectivement à la contrainte donnée par les équations (1) et à la contrainte donnée par la cible (3). Le critère augmenté est alors : En utilisons la règle de Leibnitz pour déterminer dj, on obtient après calcul : dj = dj = donne les conditions d optimalité : La première condition redonne les équations d états du système : H X& = + = f ( X ( t), U ( t), t), t f t λ La deuxième condition donne le système suivant : J = φ( X ( ), ) + υ ψ ( X ( ), ) + L( X ( t), U ( t), t) + λ ( f ( X ( t), U ( t), t) X& dt Posons : H ( X ( t), U ( t), λ( t), t) = L( X ( t), U ( t), t) + λ f ( X ( t), U ( t), t) H f L & λ = = λ +, t p (4) X X X appelé système adjoint. ISSA Kairouan 5
6 La troisième condition est appelée condition de stationnarité : H f L = = λ + U U U X ( t ) donné, les variables dx ( ) et d ne sont pas indépendantes, la condition terminale est alors : ( φx ψ Xυ λ ) dx ( φt ψ t υ H ) dt (5) = (6) En effet on a : & λ = H (4) et H = (5). Si f et L ne dépendent pas du temps alors : H & = X U Dans le cas des systèmes stationnaires, le Hamiltonien est constant le long d une trajectoire. et enfin on retrouve la contrainte sur l état final : ψ ( X ( ), ) = Remarques : i. La solution du problème de C.O dépend de la condition initiale X ( t ) et de la condition terminale λ ( ) déterminée à partir de (6). Ce problème est en général très difficile à résoudre. ii. Le long d une trajectoire optimale nous avons : H& = H + H X& + H U& + H t X U λ λ t & { ( & λ) = Ht + HUU + H X + f = H & ISSA Kairouan 6
7 Chapitre 3 : Commande optimale linéaire quadratique (LQ) Dans ce cas le système à commander est représenté par des équations d états linéaires et le critère à minimiser est quadratique. 1- Mise en équations du problème Soit le système linéaire décrit par les équations suivantes : avec X& = A( t) X ( t) + B( t) U ( t) (7) n X R et m U R, l instant initial et soit le critère quadratique suivant : X ( t ) est donné. 1 1 J ( ) = X ( ) S( ) X ( ) + ( X Q( t) X U R( t) U ) dt (8) 1 H = X QX + U RU + AX + BU 2 ( ) λ ( ) La première condition nécessaire d optimalité redonne les équations d états du système : H X& = = AX + BU λ La deuxième condition (4) donne le système adjoint : H QX A & λ = = + λ (9) X et la condition de stationnarité est donné par : H RU B = = + λ (1) U D où l expression de U : où S( ) et Q sont des matrices semi-définies positives et R, matrice U 1 R B λ = (11) définie positive. Résoudre le problème LQ, revient à déterminer J t sur [ ] ( ) t., 2- Hamiltonien et équations adjointes U * ( t ) qui minimise En remplaçant (11) dans (7) on obtient : & (12) 1 X = AX BR B λ Les équations d état et les équations adjointes couplées donne alors le système suivant : Le hamiltonien de ce problème est donné par : ISSA Kairouan 7
8 X& A = BR B 1 X & λ Q A λ 3- Solution du problème LQ (13) Pour résoudre le système (13), il faut tenir compte des conditions terminales. Deux cas sont envisagés : - Etat final connu, conduisant à une commande en boucle ouverte. - Etat final libre, conduisant à une commande en boucle fermée. 3.1 Commande en boucle ouverte (Etat final connu) On suppose que l état final est connu X ( ) = r( ), c est-àdire dx ( ) =, le temps final étant fixé, alors d =, la condition (6) est donc vérifiée. D autre part, puisque X ( ) est fixé, le terme X ( ) S( ) X ( ) est une constante, il est donc inutile de le garder dans le critère. Il s agit de résoudre le système Hamiltonien (13) formé par 2n équations différentielles couplées connaissant la condition initiale X ( t ) et condition finale X ( ). Solution analytique dans le cas particulier Q = Le critère est alors réduit à : 1 J ( ) = 2 U RUdt Il s agit donc de déterminer la commande qui transfère le système de l état initial X ( t ) donné, à l état final X ( ) = r( ) donné, en minimisant l énergie de commande. Dans ce cas les équations d état et les équations adjacentes sont données par : et & (14) 1 X = AX BR B λ & = A λ (15) λ La solution de (15) est obtenue simplement en fonction de λ ( ) : λ A ( t) ( t) e λ( ) En utilisons (16) dans (14) : d où : = (16) & 1 A ( t) = λ( ) (17) X AX BR B e t A( t ) A( t ) 1 A ( ) τ X ( t) = e X ( t ) e BR B e τ λ( ) dτ (18) ISSA Kairouan 8
9 On a : A( t ) En l absence d entrée, X ( t) = e X ( t ). où encore : A( ) A( ) 1 A ( ) τ X ( ) e X ( t ) e BR B e τ λ( ) dτ = ii. L expression de U * ( t ) montre que la commande optimale est proportionnelle à la différence entre l état final désiré et la solution du système en régime libre à t =. avec : X e X t G t A ( ( ) = ) ( ) (, ) λ( ) = λ ( ) est alors donné par : A( τ ) 1 A ( τ ) G( t, ) e BR B e dτ λ ( A( ) ) 1 ( ) = G (, ) r( ) e X ( ) et la commande optimale d après (11) : * 1 A ( ) 1 ( ) ( ) t A t U t = R B e G (, ) r( ) e X ( ) iii. U * ( t ) existe si G(, ) est inversible, ce qui correspond à la condition de commondabilité du système. Donc si ( A, B ) est commandable alors il existe une commande optimale minimisant l énergie de commande (c-à-d 1 J ( ) = 2 U RUdt ) et qui transfère le système d un état initial donné à n importe quel état désiré. 3.2 Commande en boucle fermée (Etat final libre) L état X ( ) étant libre, dx ( ). D autre part, le temps est fixé, d =, la condition (6) devient alors : S( ) X ( ) = λ( ) Remarques : i. La commande optimale est en boucle ouverte puisqu elle dépend de l état initial et non de l état courant X ( t ). 1 En effet (6) φx = λ( ) car ( φ = 2 S( ) X ( ) = λ( ). X ( ) S( ) X ( ) ) soit ISSA Kairouan 9
10 Cette relation est la nouvelle condition terminale. On démontre qu elle est vraie pour t p. λ ( ) = S( ) X ( ) (a) En utilisons cette relation dans (12), on obtient : X& = AX t BR B S t X t 1 ( ) ( ) ( ) or (a) : & 1 λ = SX & + SX& = SX & + S ( AX BR B SX ) donc (9) devient : 1 ( ) SX & = Q + A S + SA SBR B S X Cette condition, valable pour tout t, nous avons : 1 S& = Q + A S + SA SBR B S, t p (19) Cette équation différentielle non linéaire est appelée équation de Ricatti dans le cas continu. Connaissant S( ), on peut déterminer S( t ) pour t p. La commande optimale est donné par : Soit : * 1 U t = R B λ t ( ) ( ) * 1 U t = R B S t X t ( ) ( ) ( ) = G( t) X ( t) G( t ) est appelé le gain de Kalman. Le système en boucle fermé est donné par : ( ) X& = A BG X On peut montrer aussi que le critère optimisé ne dépend que de X ( t ) et S( t ). 1 ( ) ( ) ( ) ( ) 2 * J = X S X 4- Commande LQ à horizon infini On suppose que les matrices A, B, Q, R sont indépendantes du temps. En régime permanent, c'est-à-dire pour, en supposant que S( t ) converge, nous avons alors : S& =, t p Dans ce cas S est une constante solution de l équation algébrique de Ricatti : 1 A S SA SBR B S Q + + = (2) ISSA Kairouan 1
11 La commande optimale est : Supposons que ( A, C ) est observable. Alors (, ) A B est stabilisable si et U = GX ( t) seulement si : avec : G 1 = R B S (21) - il existe une solution unique S définie positive de l équation de Ricatti. Mieux encore cette solution, est l unique solution définie positive de l équation algébrique de Ricatti. et le système bouclé est donné par : ( ) X& = A BG X (22) Nous devons donc connaître les conditions d existence d une telle limite pour tout S( ). De plus, il serait intéressant de savoir quand cette limite est indépendante de S( ). Les théorèmes suivants permettent de répondre à ces questions : héorème 1 : Si ( A, B ) est stabilisable alors pour chaque S( ), il existe une limite bornée S quand, solution de l équation de Ricatti. Mieux encore S est une solution semi définie positive de l équation algébrique de Ricatti. héorème 2 : - Le système bouclé donné par (22), où G est donné par (21), est asymptôtiquement stable. Remarques : i. La condition de stabilisabilité du système est une condition nécessaire pour la résolution du problème LQ à horizon infini. Or un système est stabilisable s il est commandable, ou si les variables non commandables ont une dynamique stable. Une condition moins forte que la condition de commandabilité du système est donc exigée. Notons que, comme on l a déjà vu, la solution dans le cas LQ à état final libre et à horizon fini, ne nécessite pas la commandabilité du système. ii. Le deuxième théorème a aussi permis de conclure à la stabilité asymptôtique du système en boucle fermée. iii. Par un choix convenable de Q et R, on peut placer les pôles Soit C une matrice tel que Q = C C. désirés du système en boucle fermée. ISSA Kairouan 11
12 5- Solution analytique de l équation de Ricatti Pour le problème LQ, les équations d état et les équations adjointes couplées s écrivent : X& A = BR B 1 X & λ Q A λ Posons : 1 A BR B H = Q A On montre que la solution de Ricatti peut être déterminée en fonction des valeurs propres et vecteurs propres de la matrice H. Posons : M D = M où M est une matrice diagonale contenant les valeurs propres instables de H (valeurs propres à partie réelle positive), et soit : W W W W W = la matrice de passage formée par les valeurs propres de H, avec : W11 W 21 les n vecteurs propres correspondant aux n valeurs propres stables de H. Nous avons donc : 1 W HW = D Définissons le changement de variables suivants : x λ W W w W W z = Si S( ) est la condition terminale de l équation de Ricatti, définissons : et ( ) 1 ( ) V ( ) = W S( ) W W S( ) W ( ) ( ) V ( t) = e V ( ) e M t M t On obtient alors la solution de l équation de Ricatti : ( )( ) 1 S( t) = W + W V ( t) W + W V ( t) Quand la solution de l équation algébrique de Ricatti s écrit : S = W W ISSA Kairouan 12
Résolution 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 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 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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en 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 détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
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 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 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
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 détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
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 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 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 détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en 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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailCalcul 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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en 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 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 détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
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 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 détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
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 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 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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en 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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
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 détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailModèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.
Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
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 détailTechniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailNicolas Petit. Commande prédictive. Notes de cours Option Procédé Environnement. http ://cas.ensmp.fr/~petit/
Nicolas Petit Commande prédictive Notes de cours Option Procédé Environnement http ://cas.ensmp.fr/~petit/ École Centrale Paris Année scolaire 2005-2006 Table des matières 1 Théorie générale de la commande
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
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 détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
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 détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
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 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 détailENSPS 3A ISAV Master ISTI AR. J. Gangloff
Commande prédictive ENSPS 3A ISAV Master ISTI AR J. Gangloff Plan 1.Introduction / Historique 2.Modélisation du système 3.Fonction de coût 4.Équations de prédiction 5.Commande optimale 6.Exemples 7.Réglage
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
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 détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
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 détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
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 détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
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 détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
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 détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détail