Traitement du Signal. Le Filtrage Numérique
|
|
- Marin Gervais
- il y a 7 ans
- Total affichages :
Transcription
1 Traitement du Signal James L. Crowley Deuxième Année ENSIMAG première Bimestre 007/008 Séance 4 : 9 février 008 Le Filtrage Numérique Formule(s) du Jour : Le Convolution Numérique... Le Filtrage Numérique...3 Filtrage Non-Recursif...3 Filtrage Récursif...4 Filtrage par Produit de Transformée de Fourier Discrète...5 Convolution par TFD...6 Caractérisation de Filtres:...7 Transformée de Fourier d'un signal numérique...8 La Fonction de Transfert...8 Quelques Exemples des Filtres... 0 Calcul de la dérivée d'un signal numérique...0 Intuition : Symétrie et Anti-symmetrie... Une pense Bête pour les relations trigonométriques...3 Lissage d'un signal numérique : Les Filtres Binomiaux...3 Méthode de synthèse de la série de Fourier... 6 Effets de la limitation de la durée de hs(n):...8 La Sinus Cardinale pour une function discrèt...9 Utilité :...0 Filtre passe bas... filtre passe bande... Gabarit d un Filtre...3
2 Formule(s) du Jour : Le Convolution Numérique ) Le Convolution Numérique. Considère les deux séquences numériques apériodiques potentiellement non-nul sur les intervalles de duration N x et N f. Soit x(n) de non-nul pour n [0, N x -] et f(n) de non-nul pour n [0, N f -]. x(n) 0 n N x -, f(n) 0 n N f - Les séquences apériodique sont supposé d'exister avec valeurs nuls hors de leur intervalle de définition. La convolution apériodique de x(n) et f(n) est une produit scalaire pour chaque m y(m) = f * x(m) = n=- x(n).f(m n) = x(m n).f(n) n= Ce produit est potentiellement non-nul sur des N x + N f échantillons. dans l'intervalle [0, N x +N h - ] La convolution est l opération de traitement de signale la plus fondamentale. ) Conception d'un filtre numérique h s (n) = π π H s (ω) e jωn dω π méthode de synthèse de filtre : On spécifie les caractéristiques souhaité en fréquence H(ω) pour l intervalle π < ω < π. H s (ω) est périodique avec période π pour h(n) échantilloné. Les coefficients du filtre sont ensuite donnée par la transformée de Fourier inverse 4-
3 Le Filtrage Numérique Un filtre numérique est une combinaison linéaire d échantillons. Il existe trois techniques de filtrage numérique Filtrage non-recursif Filtrage Récursif, Filtrage par produit de TFD. Quelques domaines d application du filtrage (liste non-exhaustive): Communications : téléphone, radio, télevisision, etc. Musique Radar Reconnaissance de Parole Traitement d image (ex : satellite, médicale, inspection industrielle) Vision par ordinateur Filtrage Non-Recursif Une opération de filtrage définie par une convolution avec une séquence de durée finie f(n). Les filtres non-recursif ont une réponse impulsionnelle finie. Ils sont parfois connus sous le nom: FIR (Finite Impulse Response) ou Réponse Impulsionnelle Finie Considère les deux séquences numériques apériodiques potentiellement non-nul sur les intervalles de duration N x et N h. Soit x(n) de non-nul pour n [0, N x -] et f(n) de non-nul pour n [0, N h -]. x(n) 0 n N x -, f(n) 0 n N f - La convolution apériodique de x(n) et f(n) est une produit scalaire pour chaque m y(m) = f * x(m) = n=- x(n).f(m n) = x(m n).f(n) n= Ce produit est potentiellement non-nul sur un intervalle [0, N x +N h - ] La duré du résultat potentiellement non-nul est de N x + N h échantillons. 4-3
4 Intérêts : ) Le délai de réponse le même pour toute fréquence. φ(f) = k f = τ (La phase d'un filtre non-recursif est linéaire avec le fréquence). Conséquence : Un signal n'est pas dispersé par le filtrage. Ceci est important pour les images, mais moins important pour le son. ) Les filtres non-recursif sont stables. Leur réponse et finie. si x(n) < alors f * x(n) < 3) Il existe des méthodes de conception de filtre RIF simple à mettre en œuvre. Inconvénients: ) Cher en réalisation. ) Le retard entre l'entrer et le sorti et de taille N f échantillons. (peut être relativement long). Cette rétard s'appel la phase. Filtrage Récursif Les filtres récursifs sont définis par une équation de récurrence. Le résultat à la position "n" dépend de la résultat à la position n-. Le filtre est spécifié par deux jeux de coefficients a(n), n<n et b(n), 0 n<n : N- N- y(m) = b(n) x(m-n) a(n) y(m-n) n=0 n= Sauf quelques exceptions, les filtres récursifs ont une Réponse Impulsion Infinie (RII ou IIR ). Il est possible de réaliser certain filtre RIF par un calcul récursif, mais ceci est rare et plutôt difficile. L intérêt des filtres récursifs est ) leur faible coût en calcul. ) leur faible retard (Tres outil pour les communications) Les inconvénients des filtres récursifs sont ) leur non-linéairité en phase et ) leur instabilité numérique. Les filtres RII peuvent être conçu par des méthodes semblables à ceux utilisés pour les filtres analogiques. Ceci n'est pas vraie pour les filtres RIF. 4-4
5 Filtrage par Produit de Transformée de Fourier Discrète. Un des intérêt principale de la TFD est qu'il permet de faire les convolutions de deux signaux de taille N échantillons avec un coût de calcul de l'ordre de N Log(N) en lieu de N. Mais le TFD réalise une convolution périodique. Ceci peut poser un piège. Soit x(n) de durée n [0, N x -] et f(n) de durée n [0, N f -]. TFD{f(n)}. TFD {x(n)} f x(n) est convolution circulaire y p (n) = f x(n) = f p * x p(n) ou f p (n) est un signal périodique : f p (n) = f(n + k Nf ) k= et et x p (n) est un signal périodique : x p (n) = x(n + k Nx ) k= y p (n) est un signal périodique : y p (n) = y(n + k Ny ) k= y p (n) = ITFD { TFD{f(n)}. TFD {x(n)} } Il est possible de calculer une convolution apériodique, f * x(n), par une produit de TFD. Mais pour ce faire, il faut incruster f(n) et x(n) dans des séquences périodiques en ajoutant les zéros. 4-5
6 Convolution par TFD Convolution Circulaire par TFD. TFD{x p (n) y p (n)} = TFD{x p (n)}. TFD {yp (n)} = X p (k). Y p (k). et par dualité TFD( x p (n). y p (n) } = TFD{x p (n)} TFD {y p (n)} = X p (k) Y p (k) Un des intérêt principale de la TFD est qu'il permet de faire les convolutions de deux signaux de taille N échantillons avec un coût de calcul de l'ordre de N Log(N) in lieu de N. Mais le TFD réalise un convolution périodique. Ceci peut poser une piège. Soit x(n) de durée n [0, N x -] et y(n) de durée n [0, N y -]. Il est possible de calculer un convolution aperiodique, x(n) * y(n), par une produit de TFD. Mais pour ce faire, il faut incruster x(n) et y(n) dans des séquence périodique x p (n) et y p (n) de taille N = N x + N y. Les échantillons de x p (n) entre N x et N x + N y sont zéro. Les échantillons de y p (n) entre N y et N x + N y sont zéro. X p (k) = TFD {x p (n)} coût O(N ln N) Y p (k) = TFD {y p (n)} coût O(N ln N) Z p (k) = X p (k). Y p (k) coût O(N) z p (n) = TFDI{ Z p (k)} coût O(N ln N) Cout total 3 O(N ln N) + O(N) = O(N ln N). Comparé à O(N x N y ) pour x(n) y(n) On est gagnant si (N x + N y ) ln (N x + N y ) < N x N y 4-6
7 Caractérisation de Filtres: Un filtre est caractérisé par ) sa réponse, f(n), à l impulse numérique δ(n), ou également par ) sa fonction de transfert F(ω) ou F(z) calculé par sa TFTD ou transformée en z. Les filtres sont généralement spécifiés dans le domaine Fourier ou dans le domaine z. Pour un filtre RIF, la réponse à l impulse numérique est précisément son jeu de coefficients f(n). f(n) = f(n) * δ(n) Pour un filtre récursif, f(n) est de durée infini. Il faut sa fonction de transfert F(ω). L'intérêt dudomaine Fourier (ou Z) provient de le fait que convolution en temps est équivalente d'un produit en domaine Fourier. et y(t) = x(t) * f(t) Y(ω) = X(ω) F(ω) y(t) = x(t) f(t) Y(ω) = X(ω) * F(ω) Ceci est valable pour les séquences numériques périodiques. et y p (n) = x(n) * f(n) Y(ω) = X(ω) F(ω) y(n) = x(n) f(n) Y(ω) = X(ω) * F(ω) Il est plus facile de concevoir et d'analyses les opérations de convolutions en domaine Fourier que domaine t ou n. En conséquence, la description d un filtre est plus simple en Fourier 4-7
8 Transformée de Fourier d'un signal numérique La Transformée de Fourier de Temps Discrète (TFTD) ou "DTFT" en Anglais. d'un signal numérique est défini par : F(ω) = f(n) e jωn n= F(ω) décrit l'effet sur chaque fréquence d un filtre f(n). La Fonction de Transfert. X(ω) F(ω) Y(ω) = X(ω) F(ω) La fonction de transfert est le ratio de la sortie sur l'entrée d'un système. Y/X. Pour un système linéaire, ceci est trivial en domaine Fourier. Y(ω) X(ω) = X(ω) F(ω) X(ω) = F(ω) F(ω) = F(ω) e jϑ(ω) = F(ω) cos(ϑ(ω)) + j F(ω) sin (ϑ(ω)) On peut interpréter ceci comme une expression dufait que le système impose un décalage en temps) et une attention en amplitude F(ω) pour chaque fréquence. Pour toute fonction linéaire (convolution, corrélation) les fonctions caractéristiques sont les exponentiels complexes: E(ω) = e ±jωt = Cos(ω t) ± j Sin(ω t) C.-à-d. Une fonction linéaire h(n) modifiera chaque exponentielle, ωo par une attentuation (ou amplification), et d un retard en temps (phase). L'atténuation et le retard sont exprimés par une fonction complexe H(). Ceci est unique et indépendant pour chaque valeur de. La fonction de transfert d'un système f(t) est une fonction complexe F(e jω ) qui donne le changement d'amplitude et phase unique à chaque e jω 0t. 4-8
9 Dérivation de la fonction de transfert. La convolution par f(n) avec une exponentielle donne le même exponentielle mais retardé en temps et multiplié en amplitude par F(e jω ). F(e jω 0) e jω 0n = F(e jω 0) e jω 0n f(n) * e jω 0n = f(m) e jω 0(n m) m= F(e jω ) e jωn = m= f(m) ejω0n e jω 0m F(e jω 0) e jω 0n = e jω 0n f(m) e jω 0m m= F(e jω 0) = F(ω 0 ) = f(m) e jω 0m m= et pour tout ω : F(ω) = f(m) e jωm m= 4-9
10 Quelques Exemples des Filtres Calcul de la dérivée d'un signal numérique. La dérivée d'une fonction s(t) est définie par s(t) t s(t) s(t t) Lim { t 0 t } pour un signal numérique, s(n), la limite n'existe pas. n = : s(n) n n = : s(n) n n = 0 : s(n) n = = s(n) s(n-) s(n) s(n-) = 0 0!!! Conclusion : On ne peut pas calculer une dérivée pour un signal discret. Mais on peut calculer une première différence : s(n) n ou bien n s(n) La différence d'un signal est une convolution avec un filtre! n = : s(n) n = s(n) s(n-) = s(n) * [ ] mais aussi n = : s(n) n = s(n) s(n-) = s(n) * [ 0 ] Comment les comparer les deux filtres? Par leur fonction de transferts. La Transformé de Fourier d'une dérivée a une fonction est { s(t) t } = πj ω {f(t)} 4-0
11 et donc s(t) t = { πj ω f(t)} = { πj ω } * {f(t)} Donc, une dérivée est un FILTRE avec une fonction de transfert πj ω f(t) t = t * s(t) = { πj ω} * s(t) Les filtres linéaires sont associatifs, distributifs et commutative. { πj ω} a une durée infinie. Mais on peut faire une approximation de durée finie par d (n) = [ ] ou encore d (n) = [, 0, ] Lequel est mieux? Im{ H( ω) } j ω j sin( ω / ) -π j sin( ω) ω 0 π ) Pour d (n) = [, 0, ] D (ω) = d(n) e jωn n= ) Pour d(n) = [ ] = e jω + e jω = j sin(ω) = d( ) e jω( ) + d() e jω(+) Astuce: pour calculer la fonction de transfert, rendre la fonction symétrique par un retard d'une demi-echantillon j= i+/. Donc les coefficients sont localisés à -/ et /. 4-
12 La fonction de transfert est D (ω) = d(n) e jωn = d( n= ) e jω( ) + d( ) e jω(+) = e jω + e jω = j sin( ω ) La dérivée première amplifie" les hautes fréquences. Mais le numériseur embrouille les hautes fréquences. Nota : la transformé de Fourier en Temps Discrète est un suite de Cosinus et j Sinus. Intuition : Symétrie et Anti-symmetrie Chaque paire de coefficient Anti-symmetric contribue une jsin() 0 j sin(ω) j sin(ω) j sin(3ω)... du même 0 cos(ω) cos(ω) jcos(3ω) Note : [ 0 ] * [ 0 ] j sin(ω) j sin(ω) [ 0 0 ] -4 sin(ω) mais { [ 0 0 ] } = + cos (ω) donc 4 sin(ω) = cos (ω) Une pense Bête pour les relations trigonométriques 4-
13 On peut utiliser les petits filtres comme rappellent des relations trigonometrique.!! exemples : a) 4 cos(ω) = + cos (ω) { [ 0 ] * [ 0 ] } = { [ 0 0 ] } b) 4j cos(ω) sin(ω) = j sin (ω) { [ 0 ] * [ 0 ] } = { [ ] } Lissage d'un signal numérique : Les Filtres Binomiaux (coefficients binomiaux) sont les coefficients dupolynôme : (x + y) n n/ = bm,n x n m y m m= n/ b m,n = n m = n! (n-m)! m! = b n (m) Les coefficients du séries binomiaux sont générés par le triangle de Pascal : Level (n) Sum Variance ( σ ) n 0 / 4 / 3/4 5/4 6/4 7/4 Std. 0 / / 3/ 5/ 6/ 7/ Ses coefficients forme des filtres avec des propriétés remarquables. Ils sont les coefficients de la meilleure approximation du filtre Gaussien sujet aux contraintes d être discret et fini. 4-3
14 Filtres Binomiaux : bn (m) = bo(m) *n = [, ] *n = n convolution de [ ] Gain : bn = n Variance : Var{bn) = n * Var{bo} = Fonction de Transfert : Bn(ω) = [ cos( ω ) ] n n 4 Pour n paire : Var{bn(m)} = Bn(ω) = [ + Cos(ω)]n/ n/ n b n(m) m m= n/ exemple: Var [, 4, 6, 4, ] = = 6 { () + 4 () + 6 (0) + 4 () + () } 6 { } = Var[, ] = { ( ( ) + ( ) } = ( ) = 4 Les Filtres Binomiaux donnent des filtres Gaussiens "finis et discrets" La fonction de transfert des binomiaux peut être calculé facilement à la main : 4-4
15 Exemples b (m) = [ ] B (ω) = e jω(-/) + e jω(/) = cos(ω/) -π π 0 b(m) = [ ] (Deuxième filtre Binomial) B(ω) = e jω( ) + e jω(0) + e jω() = + e jω + e jω B(ω) = + Cos(ω) = [cos(ω/)] 4 -π π 0 b 4 (m) = [ ] *4 = [ ] B 4 (ω) = cos(ω) + cos(ω) = [cos(ω/)] 4 ω 6 -π π 0 ω 4-5
16 Méthode de synthèse de la série de Fourier La méthode décrite ci-après est dite méthode de la fenêtre ou méthode de la série de Fourier. ) On spécifie les caractéristiques souhaité en fréquence H s (ω) pour l intervalle π < ω < π. (H s (ω) est périodique avec période π pour h s (n) échantilloné.) ) Les coefficients du filtre idéal sont donnée par la transformée de Fourier inverse h s (n) = π π H s (ω) e jωn dω π 3) On determine la durée du filtre, N. h(n) = h s (n). w N (n) 4) On vérifie que H(ω) H s (ω) est acceptable. H(ω) = H s (ω) * W N (ω) 4-6
17 Exemple : H s (ω) H s (ω) = π/ ω π/ 0 ailleurs π π π π h s (0) = = π π H s (ω) e jωn dω = π π π/ e jω0 dω = π/ π/ π ω π/ = π π ( π ) π = π π/ dω π/ h s (n) = h s (n) = π π π H s (ω) e jωn dω = π π/ π e jωn dω π/ π/ jn e jωn π/ = πjn [ejπn/ e jπn/ ] = sin(πn/) πn Filtre passe-bas idéel avec fréquence limite ω c : h s (n) = h(n) sin(nω c ) nπ Coefficients en n n On ne peut garder qu un nombre N (fini) de coefficients h(n). h(n) = sin(πn/) πn/. w N (n) 4-7
18 Effets de la limitation de la durée de h s (n): Ne garder que N coefficients est équivalent à multiplier la suite infinie des h(n) par un fonction porte w(n). w(n) 0 n < N 0 ailleurs La réponse impulsionnelle est : h(n) = h s (n). w(n) pour 0 n < N Sa fonction de transfert est : H(ω) = H s (ω) * W(ω) = rect(ω/π) * sin(nω/) sin(ω/). e jω(n )/4 Cette fonction de porte est la fenêtre rectangulaire. Elle caractérise une troncature temporelle qui introduit des ondulations sur la réponse en fréquence du filtre. 4-8
19 La Sinus Cardinale pour une function discrèt w N (n) est une fenêtre rectangulaire ou fonction de porte (parfois appellé rect N (n)) 0 n < N w N (n) 0 n < 0 et n N W N (ω) = N wn (n) e jωn = n=0 N e jωn n=0 N = (e jω ) n n=0 afin de simplifier l'agebre, on substitu : z = e jω il nous faut identité : N z n n=0 = z N z donc pour z = e jω = e jπf W N (f) = e jπf(n-)/ (e jπnfn/ e jπnfn/ ) (e jπnf/ e jπnf/ ) = e jπ f(n )/ sin(πfn) sin(πf) ou bien ω = πf => πf = ω/ W N (ω) = e jω(n )/4 sin(nω/) sin(ω/) Il s agit de l équivalent discrète à sinc(πf) avec un retard de (N ) Si on avez définit w(n) avec un nombre impaire de coefficients, centré sur zéro : w N (n) N/ n < N/ 0 ailleur puis : 4-9
20 W N (f) = (e jπnfn/ e jπnfn/ ) (e jπnf/ e jπnf/ ) = sin(πfn) sin(πf) 0 Utilité : Pour tout filtre de duré N (N fini) (donc, pour toutes les filtres RIF) x(n) = x(n). w N (n) et en domaine Fourier : { x(n). w N (n)} = X(ω) * W N (ω). La spectre X(ω) de tout filtre de duré fini, x(n), est convoluée par W N (ω). 4-0
21 Filtre passe bas H s (ω) π π π π * W(ω) ω π π = H(ω) ω π π π π ω H(ω) = H s (ω) * W(ω) = rect(ω/π) * sin(nω/) sin(ω/). e jω(n )/4 4-
22 filtre passe bande H*(ω) ω π ω ω ω ω π * W(ω) π π = H(ω) ω ω π π H(ω) = H s (ω) * W(ω) = [rect(ω) - rect(ω)] * sin(nω/) sin(ω/). e jω(n )/4 Filtre pass bande par modulation Un autre approche de la conception d'un filtre passe bande : -π -ω o ω o π -π -ω o ω o π H s (ω) = δ(±ω o ) Pour taille N : h(n) = cos(ωn). wn (n) donc H(ω) = δ(±ω o) * sin(ωn/) sin(ω/) 4-
23 Gabarit d un Filtre Le gabarit d'un filtre numérique peut être caractèrisé par : Les fréquences caractéristiques définies par rapport aux bandes passants et attenuées: par exemple : dernière fréquence passante et première fréquence atténuée pour un filtre passe bas. Les erreurs tolérées par rapport à la réponse en amplitude idéale. Elles sont désignées par ondulations et définies pour chacune des bandes de fréquences. On spécifie les caractéristique d un filtre avec un gabarit en donnant des paramètres: δ p : L ondulation en bande passant ω p Dernière fréquence passante ω a : première fréquence atténuée δ a : L ondulation en bande atténuée. H(ω) + δ p δ p δ a ω p ω c ω a + δ π a Ici H(ω) est montré en amplitude, mais il est généralement exprimée en db. La difference ω a ω p s'appelle bande de transition, et le rapport ω a + ω p ω a ω p représente la raideur du filtre. ω 4-3
TD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailSignaux numériques : Multiplexage temporel : TDM
Signaux numériques : Multiplexage temporel : TDM Pour la hiérarchie TDM, il y a deux catégorie : Le multiplexage dans les systèmes informatiques : La transmission TDM dans des lignes haute vitesse à partir
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailSYSTEMES LINEAIRES DU PREMIER ORDRE
SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle
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 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 détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
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 détailEMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006
EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant
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 détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
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 détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
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 détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailAnalyse spectrale. jean-philippe muller. version juillet 2002. jean-philippe muller
Analyse spectrale version juillet 2002 Analyse spectrale des signaux continus 1) La représentation temporelle d un signal 2) La représentation fréquentielle d un signal simple 3) Exemples de spectres de
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
Plus en détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
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 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 détail5.2 Théorème/Transformée de Fourier a) Théorème
. Théorème de Fourier et Transformée de Fourier Fourier, Joseph (788). Théorème/Transformée de Fourier a) Théorème Théorème «de Fourier»: N importe quelle courbe peut être décomposée en une superposition
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailGELE5222 Chapitre 9 : Antennes microruban
GELE5222 Chapitre 9 : Antennes microruban Gabriel Cormier, Ph.D., ing. Université de Moncton Hiver 2012 Gabriel Cormier (UdeM) GELE5222 Chapitre 9 Hiver 2012 1 / 51 Introduction Gabriel Cormier (UdeM)
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
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 détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
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 détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailTransmission des signaux numériques
Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
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 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 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCours. Un premier pas en traitement du signal
2ème année d IUT de Mesures Physiques Cours Un premier pas en traitement du signal Olivier BACHELIER Courriel : Olivier.Bachelier@univ-poitiers.fr Tel : 5-49-45-36-79 ; Fax : 5-49-45-4-34 Les commentaires
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailMesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux OL
Mesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux Comment mesurer le temps de propagation de groupe sur des convertisseurs de fréquence dans lesquels le ou les oscillateurs
Plus en détailComment réaliser physiquement un ordinateur quantique. Yves LEROYER
Comment réaliser physiquement un ordinateur quantique Yves LEROYER Enjeu: réaliser physiquement -un système quantique à deux états 0 > ou 1 > -une porte à un qubitconduisant à l état générique α 0 > +
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
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 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 détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
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 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 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 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 détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
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 détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailINTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS)
1 Géologie, géotechnique, risques naturels, hydrogéologie, environnement et services scientifico-techniques INTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS) INTERPRETATION DES
Plus en détailMéthodes d ondelettes pour la segmentation d images. Applications à l imagerie médicale et au tatouage d images
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE THESE pour obtenir le grade de DOCTEUR DE L INPG Spécialité : Mathématiques Appliquées préparée au Laboratoire de Modélisation et Calcul (LMC / IMAG) dans le
Plus en détailIntroduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant I B.
Introduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant. - Le régime linéaire. Le courant collecteur est proportionnel
Plus en détailCours de Systèmes Asservis
Cours de Systèmes Asservis J.Baillou, J.P.Chemla, B. Gasnier, M.Lethiecq Polytech Tours 2 Chapitre 1 Introduction 1.1 Définition de l automatique Automatique : Qui fonctionne tout seul ou sans intervention
Plus en détailTechnique de codage des formes d'ondes
Technique de codage des formes d'ondes Contenu Introduction Conditions préalables Conditions requises Composants utilisés Conventions Modulation par impulsions et codage Filtrage Échantillon Numérisez
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailChapitre 2 : Techniques de transmission
Chapitre 2 : Techniques de transmission /home/kouna/d01/adp/bcousin/repr/cours/2.fm - 14 Janvier 1998 20:09 Plan. Introduction. Phénomènes caractéristiques. Les éléments de la transmission. La modulation.
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en 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 détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
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 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 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 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 détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
Plus en détailDéveloppement de lois et de structures de réglages destinées à la téléopération avec retour d effort
Développement de lois et de structures de réglages destinées à la téléopération avec retour d effort Thomas Delwiche, Laurent Catoire et Michel Kinnaert Faculté des Sciences Appliquées Service d Automatique
Plus en détailAutomatique des systèmes linéaires continus
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D ORAN-M B- FACULTE DE GENIE ELECTRIQUE DEPARTEMENT D AUTOMATIQUE Polycopié de : Automatique
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailAndrei A. Pomeransky pour obtenir le grade de Docteur de l Université Paul Sabatier. Intrication et Imperfections dans le Calcul Quantique
THÈSE présentée par Andrei A. Pomeransky pour obtenir le grade de Docteur de l Université Paul Sabatier Intrication et Imperfections dans le Calcul Quantique Directeur de thèse : Dima L. Shepelyansky Co-directeur
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
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 détail- I - Fonctionnement d'un détecteur γ de scintillation
U t i l i s a t i o n d u n s c i n t i l l a t e u r N a I M e s u r e d e c o e ffi c i e n t s d a t t é n u a t i o n Objectifs : Le but de ce TP est d étudier les performances d un scintillateur pour
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 détailFonctions de la couche physique
La Couche physique 01010110 01010110 Couche physique Signal Médium Alain AUBERT alain.aubert@telecom-st-etienne.r 0 Fonctions de la couche physique 1 1 Services assurés par la couche physique Transmettre
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailGlossaire technique Veditec
Glossaire technique Veditec 3D/2D DNR (digital noise réduction) La technologie DNR est un système de réduction numérique de bruit ayant pour but de réduire le bruit sur l image. Elle permet d obtenir des
Plus en détailChristian JUTTEN Théorie du signal
Christian UTTEN Théorie du signal Cours de deuxième année (3i4) du département 3i Université oseph Fourier - Polytech Grenoble novembre 2009 1 Table des matières 1 Introduction à la théorie du signal 6
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
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 détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
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 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 détail