Chapitre V. Connexions ensemblistes

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre V. Connexions ensemblistes"

Transcription

1 Chapitre V Connexions ensemblistes Connexions : -> Définition et Propriétés -> connexions dérivées -> Geodésie et ouverture par reconstruction Applications : -> analyse individuelle -> corrections de bords -> objets isolés -> alignements J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 1

2 Connexité topologique (rappel) Définition : Etant donné un espace topologique E, l ensemble A5E est dit connexe si on ne peut pas le partitionner en deux fermés non vides. Théorème : Si {A i }iυ I est une famille d ensembles connexes, alors { A i } { A i connexe} (1) Connexité par arcs (plus pratique quand E = R n ) : A est connexe par arcs s il existe, pour toute paire a,b ΥA, une application continue ψ telle que [ α, β ] ΥR et f(α) = a ; f (β) = b Cette seconde définition est plus restrictive. Cependant, pour les ouverts de R n, les deux définitions sont équivalentes. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 2

3 Critique La connexité topologique est-elle adaptée à l analyse d image? La connexité par arcs est beaucoup utilisée, et de façon adéquate, dans des notions telles que squelettes, LPE, et transformations homotopiques. Toutefois, tous ces algorithmes reposent sur l intuition suivante: Une particule est quelque chose que l on peut pointer, et à partir de deux points distincts on extrait soit la même particule, soit deux particules disjointes. Avons nous vraiment besoin de topologie pour formaliser cette intuition? De plus, le fait de sectionner les objets 3-D, ou d échantillonner les séquences tend à disconnecter les objets et aussi les trajectoires. Est-ce que la connexité topologique permet de maîtriser ces situations? J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 3

4 Connexion Ces critiques suggèrent de de ne ne pas prendre (1) (1) comme une conséquence, mais plutôt comme point de de départ.. Définition :: Soit Ε un un espace arbitraire. Nous appellerons classe connexe, ou ou connexion φ toute famille dans σ(e) telle que iv iv )) φ; φ; v )) x E :: {x} φ; φ; (( La Laclasse φ contient toujours les les singletons, plus l l ensemble vide) vi vi )) {A }, }, A φ :: { A i i i i i i } { A φ} i φ} i (( La La réunion des éléments de deφ dont l intersection n est pas vide est est encore un un élément de de φ )) Les éléments de deφ sont appelés composantes connexes.. En En particulier, si si E est est un un espace topologique, les les deux connexités topologique et etpar arcs sont des connexions. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 4

5 Ouverture connexe ponctuelle Chaque connexion se se caractérise par les les trois propriétés suivantes, qui expriment un un effet de de segmentation :: Théorème :: La La donnée d une classe connexe φ sur sur σ(e) est est équivalente une famille {γ {γ x x,x E} d ouvertures telles que i i )) γ x (x) x (x) = {x} x Ε ii ii )) γ y (A) y et et γ z (A) z y, y, z Ε,, A Ε sont disjoint ou ou égaux iii iii )) x A γ x (A) x = En En d autres termes, chaque φ induit une famille unique d ouvertures vérifiant i i )) à iii iii ), ), et et les les éléments de de φ sont les les invariants des {γ {γ x x,x E}. Les γ xx se se nomment "ouvertures connexes ponctuelles ", ", et et γ x x (A) n est autre que la la composante connexe de de A qui contient le le point x (ou l ensemble vide, si si x A). J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 5

6 Commentaires L axiomatique et le théorème ci-dessus ont été proposés en 1988 par G.Matheron et J.Serra, qui avaient à l esprit de rendre leur démarche libre de toute hypothèse topologique inutile ; de formaliser les techniques de reconstruction à base de dilatations ; de recouvrir plus de cas que les objets d un seul tenant ; de conduire à de bons filtres morphologiques forts. Leur approche était essentiellement ensembliste. Or le véritable champ d application du filtrage porte sur les images et les séquences numériques, voire colorées. D où les questions : - Peut-on déduire des ouvertures connexes binaires des filtres pertinent pour les images de gris, ou de couleurs? - Avons nous besoin de reconstructions basées sur la dilatation circulaire? - Est-il possible de construire des connexion sur les treillis généraux? J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 6

7 Exemples de Connexions En En imagerie digitale, les les composantes connexes au au sens des 4-4-et et 8-connexités (trame carrée),, 6-connexité (trame hexagonale )),, 12-connexité (( trame cube-octahédrique),, constituent quatre connexions différentes. Les connexions de de seconde génération -- par dilatation ou ou fermeture considèrent les les groupes d objets comme des entités connexes ;; --mais par ouvertures disjoignent les les objets. Par ailleurs, la la notion s étend aux fonctions numériques et et multi-spectrales. Ainsi, la la démarche proposée rassemble en en une axiomatique unique les les diverses acceptions usuelles du du concept de de connexité, plus de de nouvelles. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 7

8 Connexion seconde par dilatation Les connexions qui regroupent les les objets agissent par l intermédiaire, soit de de dilatations, soit de de fermetures (( J. J. Serra). Proposition 1 :: Soit δ :: σ(e) σ(e) une dilatation extensive qui préserve la la connexion φ (( i.e. i.e. δ (φ) (φ) φ). Alors, l'image inverse φ' φ' = δ -1-1 (φ) (φ) de de φ est est à son tour une connexion sur sur σ(e), et et elle est est plus riche que φ. φ. [A' [A' φ' δ(a') φ. Les points et et sont dans φ' φ' (préservation par δ). δ). Soient A' A' ii φ', φ', avec A' A' ii.. On On a δ(a' i i )) A' A' ii,, et et comme δ(a' i ) i ) φ, φ, il il vient δ( δ( A' A' i ) i ) = δ(a' i ) i ) φ, φ, et et donc A' A' i φ' i.].] Proposition 2 :: Les φ-composantes de de δ (A), A σ(e), sont exactement les les images, selon δ, δ, des φ'-composantes de de A.. Si Siγ xx désigne l'ouverture de de la la connexion φ, φ, et etν xx celle de de φ', φ', il il vient: ν x (A) x = γ x δ x (A) A si si x A ;; ν x (A) x = sinon. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 8

9 Application : Recherche d objets Isolés Commentaire: On veut trouver les particules distantes de plus de 20 pixels des autres. Ces objets isolés ont un dilaté de taille 10 qui ne rencontre pas le SKIZ de l'image initiale. a): Image initiale b): dilaté de a) par un disque de rayon 10, et nouvelle connexion c) : Les particules isolées sont celles qui sont identiques pour les deux connexions. Le SKIZ de a) permet leur extraction. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 9

10 Plan partiel de la la ville de Nice J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 10

11 Les Maisons à Grand Jardin Commentaire : Détail de la carte précédente, où l'on veut connaître les composantes de la connexité par dilatation,et, parmi elles, celles qui sont aussi connexes par arc. a : Composantes de la connexité par dilatation b : Les composantes isolées de a) (selon l'algorithme précédent) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 11

12 Connexions dans une Séquence b) représentation de la balle de ping-pong dans le produit Espace Temps a) partie d'une séquence d'images Connexions obtenues par dilatation de taille 3 dans Espace Temps (en gris, les regroupements) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 12

13 Connexion seconde par fermeture Proposition :: Soit ϕ ϕ :: σ(e) σ(e) une fermeture qui préserve la la connexion φ (( i.e. i.e. ϕ (φ) (φ) φ). Alors, l l image inverse φ' φ' de de φ selon ϕ est est à son tour une connexion sur sur σ(e), et et elle est est plus riche que φ. φ. Combien de gains y a-t-il pour la connexion par fermeture par : - bouchage des trous? - enveloppe convexe? et pour l intersection des deux connexions? J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 13

14 Connexion seconde par ouverture Soit γ une ouverture arbitraire. Les invariants { γ(a), A σ(e)} de γ forment toujours une classe stable pour la réunion. Aussi la famille φ = { γ(a), A σ(e)} { {x}, x E} engendre une connexion (Ch. Ronse). a d b c Pour γ ouverture digitale par le carré 2x2, cet ensemble est formé de quatre grains: - la réunion des deux carrés, - et les trois points. Pour γ la réunion des ouvertures par tous les segments de R 2, il vient : - a b c = un grain - tous les points de d = grains individuels. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 14

15 Connexion par partition A Soit D une partition de l espace E ; la famille des sous ensembles des classes {D(x), x E} est stable pour la réunion. Elle engendre donc la connexion (J.Serra): φ= { γ (A), A σ(e)} {{x}, x E} où la composante connexe γ x (A), x A, est donnée par l intersection A entre A et la classe D(x) de la partition au point x. D(x) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 15

16 Propriétés des connexions Treillis des connexions : L ensemble de toutes les connexions sur σ(e) est stable pour l intersection ; il forme un treillis complet dans lequel le supremum de la famille {φ i ;i I} est la plus petite connexion contenant φ i inf {φ i } = φ i et sup{φ i } = φ{ φ φ φ i }. Partition : Soit φ une connexion sur σ(e). Pour chaque AΥσ(E) les composantes connexes maximales 5A partitionent A en ses propres composantes connexes. Cette partition est croissante, i.e. si A5A, alors toute composante connexe de A est majorée par une autre, de A. Corollaire : Si φ et φ sont deux connexions sur σ(e) avec φ 5φ, alors toute φ -composante de A est le supremum de toutes les φ-composantes de A qu elle majore. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 16

17 Préservation de la connexion On dit qu un opérateur ψ sur σ(e) préserve la connexion φ sur σ(e) quand ψ applique φ dans lui-même, i.e. ψ : φ φ. Dilatations Connexes : Soit δ: σ(e) σ(e) une dilatation extensive. Si δ(x), x E, est connexe, alors δ préserve la connexion φ. Opérateurs dérivés : Pour toute dilatation δ sur σ(e) qui préserve la connexion φ, l érosion adjointe ε et l ouverture γ = δε traitent les composantes connexes de tout A 5E indépendamment les unes des autres. Addition de Minkowski : Soit E = R d ou Z d, muni de la connexion φ. Quand A et X appartiennent à φ, la somme A+X est encore φ-connexe. Commentaire : Cette dernière proposition ne suppose pas l extensivité. Mais la première, qui ne met pas en jeu de translation, recouvre plus de situations, et en particulier les opérateurs standards. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 17

18 Les Transformations géodésiques Comment implémenter une ouverture connexe ponctuelle? Toutes les connexions que nous avons vues procèdent de la classique connexion par arcs, qu elles modifient de manière plus ou moins complexe. Or ces dernières peuvent être obtenues au moyen d opérateurs géodésiques. Métriques «géodésiques» Dans la distance euclidienne, ou ses versions digitales, on ne tient pas compte des obstacles possibles d un point à un autre. Par contre, étant donnés deux points (a,b) dans un compact X R n, il existe toujours un plus petit chemin de a à b qui soit inclus dans X ( G. Choquet). Cela définit une nouvelle distance, dite géodésique, restreinte à la référence X, d où découle une classe très riche d opérateurs (Ch. Lantuejoul, S. Beucher). Ces opérations sont toujours isotropes, car elles ne mettent en jeu que des boules ou des disques. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 18

19 Distance géodésique Définition : La distance géodésique d X : R n R n R, par rapport à l'ensemble de référence X, s'écrit: -d X (x,y) = Inf. de la longueur des chemins, s'il en existe, allant de x à y en restant inclus dans X -d X (x,y) = + Τ sinon. Propriétés : 1- d X est une distance généralisée, i.e.: d X (x,y) = d X (y,x) d X (x,y) = 0 <=> x = y d X (x,z) d X (x,y) + d X (y,z). 2- Distance géodésique distance initiale. 3- Existence, mais pas unicité de géodésiques. Exemples de géodésiques dans R 2 z y x + y' Les portions de géodésiques intérieures à X sont des segments de droites X J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 19

20 Boules géodésiques On travaille peu avec les chemins géodésiques. Par contre, on utilise souvent le concept de boules géodésiques : B X,λ (z) B X,λ (z) = { y, d X (z,y) λ } Quand λ augmente, les boules progressent comme le front d'une onde émise depuis z dans l' environnement X. z X Pour une taille donnée λ, les boules B X peuvent être considérées comme un jeu d'éléments structurants variables d'un point à l'autre. Boules géodésiques concentriques de centre z J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 20

21 Dilatation Géodésique La La dilatation géodésique de de taille λ de de Y dans X s'écrit: δ X,λ X,λ (Y) ) = {B X,λ (y) X,λ (y),, y Y },λ Quand λ varie, les lesδ X,λ X,λ forment le lesemi groupe additif :: δ X,λ+µ X,λ+µ =δ [[ δ ] X,λ ] X,λ X,µ X,µ (utile pour l' l' implémentation digitale). dilatations géodésiques de Y dans X. Y X Il Il est est à noter enfin la la différence entre les les dilatations géodésique ci-dessus et et conditionnelle :: δ X,λ X,λ,λ (Y),λ ) (Y (Y Β λ λ ) ) X.. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 21

22 Erosion géodésique Toute boule étant symétrique, les les dualités par adjonction et et pour le le complément sont les les mêmes. Mais il il faut complémenter dans l'ensemble de de référence X (i.e. X \\ Y = X Y c c ), ), ce ce qui donne :: ε X (Y) = X \\ δ X (X (X\\ Y) Y) Ou Ou encore, en en digital, pour λ = 1 ε X (Y) = ε (( Y X c c )) X où où ε désigne l'érosion isotrope de de taille On On notera que ce ce résultat diffère de de ε (Y) X érosion géodésique ε (Y) X Y ε(y) X Y X J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 22

23 Dilatation géodésique digitale (binaire) Pour les métriques digitales sur Z n l ensemble δ(x) représente la boule unité centrée au point x, la dilatation géodésique unitaire est définie par: δ X (Y) = δ (Y) X La dilatation de taille n se construit alors par itération : δ X,n (Y) = δ (n) X(Y), avec X Y δ X (Y) δ (n) X(Y) = δ(... δ(δ (Y) X) X... ) X On notera que les dilatations géodésiques ne sont pas invariantes par translation. δ (2) X (Y) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 23

24 Ouverture par reconstruction Pour un un X donné, la la dilatation infinie de de Y δ X, X, (Y) = { { δ X,λ (Y) X,λ,, λ>0 }, est est une fermeture ;; mais si si nous la la considérons comme une opération sur sur l l ensemble de de référence X (rendu variable), pour un un marqueur donné Y, Y, alors δ X, X, (Y) devient l l ouverture γ rec rec (X (X;; Y) Y) = { { δ X,λ (Y) X,λ,, λ>0 } = {γ y, (X), y, y Y} par reconstruction des composantes connexes de de X qui contiennent au au moins un un point de de l ensemble Y. Y. X Y N.B.: Quand le pas de la grille devient de plus en plus fin, la reconstruction digitale tend vers l euclidienne ssi X est réunion localement finie de compacts disjoints. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 24

25 Connexion et Ouverture par Reconstruction La La notion de de connexion permet d'exprimer puis de de généraliser l'ouverture par reconstruction de de la la manière suivante: 1) 1) Appelons critère binaire croissant toute application c: c: σ(e) {0,1} telle que: A B c(a) c(b) 2) 2) A chaque critère croissant c associons l'ouverture triviale γ T γ (A) = A si si c(a) = 1 T γ (A) = si si c(a) = 0 A σ(e) T 3) 3) Généralisant la la définition du du cas géodésique, nous dirons que γ rec rec est est l'ouverture par reconstruction relative au au critère c quand: γ rec rec = {γ {γ T γ x,x E} x γ rec rec agit indépendamment sur sur les les diverses composantes connexes, les les gardant ou ou les les éliminant selon qu'elles vérifient le le critère, ou ou non. (e.g. marqueur, mais critère de desurface, ou ou de de diamètre de de Ferret). J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 25

26 Fermeture par Reconstruction; Treillis La La fermeture par reconstruction ϕ rec rec = γ γ rec rec se se définit par dualité. Par exemple, dans R 22,, -- pour le le critère «avoir une surface 810»,», ϕ rec rec (A) est est la la réunion de de A et et des pores de de surface 710; --pour le le critère «rencontrer le le marqueur M»,», ϕ rec rec (A) est est la la réunion de de A et et des pores inclus dans M c c.. Treillis associés: Considérons maintenant une famille {γ {γ rec rec i} i} d ouvertures par reconstruction, de de critères { c i }. inf rec i }. Leur inf γ rec i est i est encore une ouverture par reconstruction, où où chaque grain de de A doit remplir tous les les critères c i et le γ rec i pour être retenu, et le sup γ rec i est i est l l ouverture où où un un critère au au moins doit être satisfait. D où la: la: Proposition: les les ouvertures et et les les fermetures par reconstruction forment deux treillis complets pour le le sup et et l l inf usuels. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 26

27 Filtrage par Erosion-Recontruction L' L' érosion X,B λλ supprime les les composantes connexes de de X qui ne ne peuvent pas contenir un un disque de de rayon λ. λ. L'ouverture γ rec rec (X (X;; Y) Y) de de marqueur Y = X,B λλ reconstitue ensuite toutes les les autres. a) image initiale b) érodé de a) par un disque c) reconstruction de b) dans a) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 27

28 Elimination des grains touchant les bords Soit Z l l '' ensemble des bords du du champ,, et et X les les grains à étudier. On On reconstruit Z X dans X ;; et et on on prend la la différence ensembliste entre X et et la la reconstruction. a) image initiale b) grains touchant les bords c) résidu : a) - b) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 28

29 Bouchage des trous Ν.Β. : Algorithme rapide et efficace sauf pour les trous qui coupent les bords du champ. image initiale X A = bords du champ rencontrant X C reconstruction de A dans X C J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 29

30 Analyse individuelle de particules Algorithme (( J.C. Klein) Tant que X n' n' est est pas vide, faire { ~ p := := premier point rencontré lors d' d' un un balayage vidéo; ~ Y := := composante connexe de de X reconstruite à partir de de p; p; ~ Traitement de de Y (( mesures diverses) ;; ~ X := := X \\ Y } Extraction individuelle de particules J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 30

31 Application : extraction d objets 3-D (I) a) b) c) But: extraire les ostéocytes présents dans une séquence de 60 sections, en microscopie confocale Clichés a) et b) : sections 15 et 35 ; Image c) : supremum M des 60 sections. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 31

32 Application : extraction d objets 3-D (II) d) e) f) d) : seuil de c) au niveau 60 ; e) : ouverture connexe de d) f): dilatation géodésique infinie de la séquence seuillée au niveau 200, par rapport au masque e) ( visualisation en perpective ). J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 32

33 Connexité et Reconstructions Nous avons vu vu que si si le le point x est est un un marqueur et et A un un ensemble, la la dilatation géodésique infinie δ (n) A (n) (x) (x) fournit l' l' ouverture connexe ponctuelle de de A en en x,, i.e. i.e. γ x (A) x = δ (n) A (n)(x) (x) (( 1) 1) De De plus si si nous remplaçons le le disque unité δ par celui de de rayon 10, par exemple, dans l' l' Eq. (1) (1)? Nous obtenons une seconde connexion. D où deux questions :: 1-1-Est-il nécessaire d'opérer par des dilatations selon des disques? 2-2-et et même par des dilatations? A x J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 33

34 Géodésie et Connexions Curieusement, la la réponse à ces questions dépend de de propriétés de de symétrie des opérateurs. Une application ψ :: σ(ε) σ(ε) est est symétrique quand x 5 ψ (y) (y) y 5 ψ (x) (x) pour tous les les points x,y x,y de de E. E. Proposition (Ch. Ronse, J.Serra) :: Soit δ: δ: σ(e) σ(e) une dilatation extensive et et symétrique,, et et soient x Υ E et et A Υ σ(e). Alors l'itérée limite γ x (A) x = {δ (n) A (n)(x) (x),, n > 0 } vue comme une opération sur sur A, A, est est une ouverture connexe ponctuelle. (( On On notera que δ lui-même n a pas besoin d être connexe!!)) J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 34

35 Nice : Alignements directionnels Commentaire : Bien que l' élément D de la reconstruction ne soit pas connexe, il engendre une connexion nouvelle, dont on a filtré les particules les plus grosses. a) Zone d' étude A b) Reconstruction de A à partir 2 de A, 2B en utilisant l'élément D = 2 2 où chaque point indique un hexagone unité J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 35

36 Références Sur la la géodésie binaire :: Les premiers algorithmes géodésiques portent sur sur l analyse individuelle {KLE76}. La La théorie de de la lagéodesie est est due à S.Beucher et et Ch. Lantuejoul {LAN81}. Certains compléments ont été été proposés par M.Schmitt {SCH89}. Sur les les connexions binaires :: La La connexité morphologique pour les les ensembles fut fut introduite par J.Serra and G.Matheron en en liaison avec les les filtres forts {SER88,ch7}. L ouverture connexe ponctuelle et et les les connexions de de seconde génération apparaissent aussi pour la la première fois dans {SER88,ch2}. Dans {RON98}, Ch.Ronse définit une axiomatique équivalente, mais prise d un autre point de de vue, et et l illustre de de divers exemples. Une variante plus spécifique a été été proposée par R.M. Haralick et et L.G. Shapiro {HAR92}. Les résultats sur sur les les connections de de seconde génération et et sur sur les les treillis de de connexions sont de de J. J. Serra {SER98a et et b}. b}. J. Serra Ecole des Mines de Paris ( 2000 ) Course on Math. Morphology V. 36

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez

Plus en détail

Chapitre VI. Connexions et fonctions numériques

Chapitre VI. Connexions et fonctions numériques Chapitre VI Connexions et fonctions numériques Concepts : -> Extension aux fonctions -> Opérateurs connexes -> Géodésie numérique -> Nivellements et auto-dualité Applications : -> Etude des extrema ->

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Texte Agrégation limitée par diffusion interne

Texte 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

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un

Plus en détail

Structures algébriques

Structures 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 détail

Fonctions de plusieurs variables

Fonctions 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 détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

3 Approximation de solutions d équations

3 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 détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

Utilisation du logiciel ImageJ gratuit

Utilisation du logiciel ImageJ gratuit Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA 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 détail

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure

Plus en détail

I. Polynômes de Tchebychev

I. 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad 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 détail

La mesure de Lebesgue sur la droite réelle

La 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 détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Théorie 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 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 détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est: Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

On ne peut pas entendre la forme d un tambour

On ne peut pas entendre la forme d un tambour On ne peut pas entendre la forme d un tambour Pierre Bérard Institut Fourier Laboratoire de Mathématiques Unité Mixte de Recherche 5582 CNRS UJF Université Joseph Fourier, Grenoble 1 Introduction 1.1 Position

Plus en détail

Résolution d équations non linéaires

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 détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Axe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE

Axe  Génie des Procédés, centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE ANALYSE D IMAGE 1. PRESENTATION DE L ANALYSE D IMAGE. 4 1.1. OJECTIF ET BUT DE L ANALYSE D IMAGE 4 1.2. PRINCIPE 4 1.2.1. FORMATION DE L IMAGE NUMERIQUE 4 1.2.2. TRANSFORMATION DE L IMAGE NUMERIQUE EN

Plus en détail

Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.

Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et

Plus en détail

Mode d'emploi du plugin Grayscale_Granulometry

Mode d'emploi du plugin Grayscale_Granulometry Mode d'emploi du plugin Grayscale_Granulometry D. Legland 27 mars 2013 Mode d'emploi rapide du plugin Grayscale Granulometry pour ImageJ. Le plugin permet de calculer des courbes de granulométrie en niveaux

Plus en détail

Sujet. calculatrice: autorisée durée: 4 heures

Sujet. calculatrice: autorisée durée: 4 heures DS SCIENCES PHYSIQUES MATHSPÉ calculatrice: autorisée durée: 4 heures Sujet Approche d'un projecteur de diapositives...2 I.Questions préliminaires...2 A.Lentille divergente...2 B.Lentille convergente et

Plus en détail

Chapitre 0 Introduction à la cinématique

Chapitre 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 détail

Deux disques dans un carré

Deux disques dans un carré Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................

Plus en détail

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

8.1 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 détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

Représentation d un entier en base b

Représentation 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 détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. 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 détail

PRINCIPE MICROSCOPIE CONFOCALE

PRINCIPE MICROSCOPIE CONFOCALE PRINCIPE MICROSCOPIE CONFOCALE Un microscope confocal est un système pour lequel l'illumination et la détection sont limités à un même volume de taille réduite (1). L'image confocale (ou coupe optique)

Plus en détail

Limites finies en un point

Limites 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 détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS 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 détail

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55

Plus en détail

Les algorithmes de base du graphisme

Les algorithmes de base du graphisme Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème 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 détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité 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 détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage 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 détail

Probabilités sur un univers fini

Probabilités 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 détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur

Plus en détail

3. Conditionnement P (B)

3. 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 détail

C f tracée ci- contre est la représentation graphique d une

C f tracée ci- contre est la représentation graphique d une TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe

Plus en détail

Cours d Analyse 3 Fonctions de plusieurs variables

Cours d Analyse 3 Fonctions de plusieurs variables Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr

Plus en détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

Plus en détail

par Denis-Charles Cisinski & Georges Maltsiniotis

par Denis-Charles Cisinski & Georges Maltsiniotis LA CATÉGORIE Θ DE JOYAL EST UNE CATÉGORIE TEST par Denis-Charles Cisinski & Georges Maltsiniotis Résumé. Le but principal de cet article est de prouver que la catégorie cellulaire Θ de Joyal est une catégorie

Plus en détail

Équations non linéaires

Équations 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes 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 détail

1 Première section: La construction générale

1 Première section: La construction générale AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 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 détail

ISO/CEI 11172-3 NORME INTERNATIONALE

ISO/CEI 11172-3 NORME INTERNATIONALE NORME INTERNATIONALE ISO/CEI 11172-3 Première édition 1993-08-01 Technologies de l information - Codage de l image animée et du son associé pour les supports de stockage numérique jusqu à environ Ii5 Mbit/s

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

CHAPITRE IV. L axiome du choix

CHAPITRE IV. L axiome du choix CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Programmation Par Contraintes

Programmation Par Contraintes Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien

Plus en détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Modélisation et Simulation

Modélisation 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 détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul 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 détail

Programmation linéaire

Programmation 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 détail

Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire

Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

Construction d un cercle tangent à deux cercles donnés.

Construction d un cercle tangent à deux cercles donnés. Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université 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 détail

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation

Plus en détail