OPTIMISATION ROBUSTE DE FORMES PAR LA METHODE DES LIGNES DE NIVEAUX

Dimension: px
Commencer à balayer dès la page:

Download "OPTIMISATION ROBUSTE DE FORMES PAR LA METHODE DES LIGNES DE NIVEAUX"

Transcription

1 Optimisation de formes 1 G. Allaire OPTIMISATION ROBUSTE DE FORMES PAR LA METHODE DES LIGNES DE NIVEAUX G. ALLAIRE CMAP, Ecole Polytechnique avec F. DE GOURNAY, et F. JOUVE 1. Optimisation de formes, optimisation robuste 2. Dérivation par rapport au domaine 3. Méthode level set 4. Algorithme et résultats numériques

2 Optimisation de formes 2 G. Allaire -I- OPTIMISATION ROBUSTE DE FORMES Motivation: on cherche la structure la plus solide et la plus légère. Fonction objectif classique: on minimise la compliance pour un chargement donné. Algorithme numérique des lignes de niveaux de Osher et Sethian dans le cadre de la méthode d Hadamard (optimisation géométrique). Changement de topologie possible grâce à cet algorithme (fusion de trous) et à la notion de gradient topologique (création de trous). Problème: instabilité des formes optimales par rapport aux variations de chargements.

3 Optimisation de formes 3 G. Allaire BUT DE CE TRAVAIL On généralise la méthode des lignes de niveaux pour l optimisation de structures, robuste par rapport aux incertitudes sur les chargements mécaniques. Quelques références: Optimisation de formes avec level set: Sethian et Wiegmann (JCP 2000), Osher et Santosa (JCP 2001), Allaire, Jouve et Toader (CRAS 2002, JCP 2003, CMAME 2005), Wang, Wang et Guo (CMAME 2003). Ingrédient supplémentaire gradient topologique : Eschenauer-Schumacher 1994, Guillaume-Masmoudi 2001, Sokolowski-Zochowski Couplage avec level set: Allaire, de Gournay, Jouve et Toader (CC 2005). Travail à paraitre dans COCV de Allaire, de Gournay, Jouve.

4 Optimisation de formes 4 G. Allaire POSITION DU PROBLEME Optimisation de structures en élasticité linéaire. Forme Ω de frontière Ω = Γ Γ N Γ D, avec condition aux limites de Dirichlet sur Γ D, et de Neumann sur Γ Γ N. Seule Γ sera susceptible d être optimisée. div (A e(u)) = 0 dans Ω u = 0 sur Γ D ( ) A e(u) n = g + δg sur ΓN ( A e(u) ) n = 0 sur Γ avec e(u) = 1 2 ( u + ( u)t ), et A tenseur d élasticité isotrope homogène. On suppose que les forces appliquées sont mal connues: incertitudes δg.

5 Optimisation de formes 5 G. Allaire Forces connues: g. Incertitudes: δg. COMPLIANCE ROBUSTE Idée classique (voir Cherkaev et al, J. Elast. 2003): On minimise le pire des cas J(Ω) = max δg { c(g + δg) = } (g + δg) u ds Γ N sous la contrainte δg m et éventuellement avec restriction sur son support. L évaluation de J(Ω) est un problème de type région de confiance. Dans la suite on choisit δg 2 = δg 2 ds. Γ N

6 Optimisation de formes 6 G. Allaire Réécriture de la compliance robuste c(g + δg) = (g + δg) u ds Γ N ( ) = min A e(v) e(v) dx 2 (g + δg) v ds v=0 sur Γ D Ω Γ N Comme min = max, on peut échanger les deux maximisations ( ) max c(g+δg) = max A e(v) e(v) dx + 2 max (g + δg) v ds δg m v=0 sur Γ D Ω δg m Γ N On obtient une maximisation d une énergie non quadratique et non concave ( ) max c(g + δg) = max A e(v) e(v) dx + 2 g v ds + 2m v δg m v=0 sur Γ D Ω Γ N

7 Optimisation de formes 7 G. Allaire Cas particulier Si g = 0, on trouve un problème aux valeurs propres ( ) max c(0 + δg) = max A e(v) e(v) dx + 2m v δg m v=0 sur Γ D Principe variationnel d Auchmuty pour div (A e(u)) = 0 dans Ω u = 0 sur Γ D ( ) A e(u) n = λu sur ΓN Ω ( A e(u) ) n = 0 sur Γ On note E λ le sous-espace propre des solutions u.

8 Optimisation de formes 8 G. Allaire Calcul de la compliance robuste Définition. Soit ρ IR et g E ρ. On note u ρ la solution de div (A e(u ρ )) = 0 dans Ω u ρ = 0 sur Γ D ( A e(uρ ) ) n = g + ρu ρ sur Γ N ( A e(uρ ) ) n = 0 sur Γ unique si on la normalise par u ρ E ρ.

9 Optimisation de formes 9 G. Allaire Calcul de la compliance robuste (suite) max E(v) = v=0 sur Γ D ( Ω Théorème. Soit λ 1 la 1ère valeur propre. ) A e(v) e(v) dx + 2 g v ds + 2m v Γ N 1. Si g E λ1 et λ 1 u λ1 m, alors les maxima de E(v) sont donnés par (u λ1 + v) avec v E λ1 tel que λ 1 ( u λ1 + v ) = m. 2. Sinon, le maximum de E(v) est atteint uniquement en u s où s est l unique point critique dans (0, λ 1 ) de la fonction convexe ρ ΓN g u ρ ds + m2 ρ. C est l algorithme numérique utilisé.

10 Optimisation de formes 10 G. Allaire -II- DERIVATION PAR RAPPORT AU DOMAINE Ω 0 (Ι d +θ)ω0 x x+ θ(x) Soit Ω 0 un domaine de référence. On considère des variations du type Ω = ( Id + θ ) Ω 0 avec θ W 1, (IR N ; IR N ). Définition: on appelle dérivée d une fonction J(Ω) en Ω 0 la différentielle (Fréchet) de θ J ( (Id + θ)ω 0 ) en 0.

11 Optimisation de formes 11 G. Allaire DERIVEE DE FORME DE LA COMPLIANCE J(Ω) = g u Ω ds = A e(u Ω ) e(u Ω ) dx, Γ N Ω J (Ω)(θ) = Ae(u) e(u) θ n ds, où u u Ω est l état dans Ω. Remarque: il n y a pas d état adjoint car le problème est auto-adjoint. Γ

12 Optimisation de formes 12 G. Allaire DERIVEE DE LA COMPLIANCE ROBUSTE J(Ω) = max E(v) = v=0 sur Γ D ( Ω ) A e(v) e(v) dx + 2 g v ds + 2m v Γ N Si le maximum de E(v) est unique, alors la dérivée se cacule comme précédemment. Si le maximum de E(v) n est pas unique, alors on peut seulement calculer une dérivée directionnelle. Dans ce cas on choisit la meilleure direction de descente par un algorithme SDP.

13 Optimisation de formes 13 G. Allaire -III- METHODE DES LIGNES DE NIVEAUX On ne maille pas la forme, mais on la capture sur un maillage fixe d une grande boite D. On paramètre la forme Ω par une fonction ligne de niveaux ψ(x) = 0 x Ω D ψ(x) < 0 x Ω ψ(x) > 0 x (D \ Ω) La normale n de Ω est égale à ψ/ ψ. Cette formule a un sens partout dans D et pas seulement sur la frontière Ω.

14 Optimisation de formes 14 G. Allaire Equation de Hamilton Jacobi Si la forme Ω(t) évolue suivant le temps t avec une vitesse normale V (t, x), on trouve une équation de Hamilton Jacobi pour la fonction ψ. En effet, ( ) ψ t, x(t) = 0 pour tout x(t) Ω(t). En dérivant il vient Comme n = x ψ/ x ψ on trouve ψ t + ẋ(t) xψ = ψ t + V n xψ = 0. ψ t + V xψ = 0. Cette équation est posée dans tout D, et pas seulement sur le bord Ω, si la vitesse est connue partout.

15 Optimisation de formes 15 G. Allaire -IV- ALGORITHME NUMERIQUE Principe de la méthode: on ne maille pas la forme, mais on la capture sur un maillage fixe d une grande boite de calcul D. On connait une dérivée de forme J (Ω)(θ) = Γ j(u) θ n ds qui conduit à une méthode de gradient sur la forme ) Ω k+1 = (Id t j(u k )n k.ω k Autrement dit, on transporte le bord de la forme avec la vitesse normale j. On introduit un pseudo-temps (paramètre de descente) et on résout ψ t j ψ = 0 dans D

16 Optimisation de formes 16 G. Allaire Algorithme itératif 1. Initialisation de la fonction ligne de niveaux ψ 0 (un produit de sinus, par exemple). 2. Itérations jusqu à convergence pour k 1: (a) Calcul de u k par un problème d élasticité pour la forme ψ k. Calcul du gradient de forme = vitesse normale V k (b) Transport de la forme par la vitesse V k (équation de Hamilton Jacobi) pour obtenir une nouvelle forme ψ k+1. (c) Eventuellement, réinitialisation de la fonction ligne de niveaux pour que ψ k+1 soit la distance signée à l interface.

17 Optimisation de formes 17 G. Allaire EXEMPLES NUMERIQUES Voir la page web optopo/level fr.html

18 Optimisation de formes 18 G. Allaire Allowed perturbations Source term f

19 Optimisation de formes 19 G. Allaire

20 Optimisation de formes 20 G. Allaire Perturbations verticales seulement. Perturbations Source term

21 Optimisation de formes 21 G. Allaire

22 Optimisation de formes 22 G. Allaire Comparaison avec le pont multi-chargement.

23 Optimisation de formes 23 G. Allaire

24 Optimisation de formes 24 G. Allaire Perturbations verticales seulement.

25 Optimisation de formes 25 G. Allaire Perturbations horizontales et verticales à la fois.

26 Optimisation de formes 26 G. Allaire

27 Optimisation de formes 27 G. Allaire Détails sur l algorithme Maillage quadrangulaire. Schéma aux différences finies, upwind d ordre 1 ou 2, pour l équation de Hamilton Jacobi donnant ψ (discrétisé aux noeuds). Calcul d élasticité par éléments finis Q1 dans la grande boite D div (A e(u)) = 0 dans D u = 0 sur Γ D ( A e(u) ) n = g sur Γ N ( A e(u) ) n = 0 sur D \ (Γ N Γ D ). Tenseur d élasticité A défini à partir du matériau A par A = θa avec 10 3 θ 1 et θ = interpolation (constante par mailles) égale à la proportion de la zone où ψ < 0.

28 Optimisation de formes 28 G. Allaire Choix du pas de descente A chaque évaluation de l état, on fait plusieurs pas de transport: Pas de descente = plusieurs ( 20) pas de temps explicite du transport. Pas de descente (ou nombre de pas de temps) controlé par la décroissance de la fonction objectif. Heuristique de contrôle: si on remonte, on revient en arrière et on diminue le pas de descente, sinon on augmente le pas de descente (dans des bornes fixées).

29 Optimisation de formes 29 G. Allaire Réinitialisation Pour régulariser la fonction ligne de niveaux et éviter qu elle ne devienne trop plate ou trop raide par diffusion numérique, on la réinitialise de temps en temps. Pour cela on résoud ψ ( ) t + sign(ψ 0) x ψ 1 ψ(t = 0, x) = ψ 0 (x) = 0 for x D, t > 0 dont la solution stationnaire est la fonction distance signée à l interface {ψ 0 (x) = 0}. Idée classique dans les applications en mécanique des fluides. Peu d itérations suffisent. Améliore la convergence pour des maillages fins.

30 Optimisation de formes 30 G. Allaire GRADIENT TOPOLOGIQUE Idée introduite par Eschenauer-Schumacher (1994), Guillaume-Masmoudi (2001), Sokolowski-Zochowski (1999). Soit une forme Ω IR d et un point x 0 Ω. Soit ω IR d un trou (contenant l origine), x 0 Ω et ρ > 0. On définit la forme perforée Ω ρ = Ω \ ω ρ avec ω ρ = x 0 + ρω. Définition. Si la fonction objectif admet le développement asymptotique topologique suivant, pour ρ > 0 petit, J(Ω ρ ) = J(Ω) + ρ d D T J(x 0 ) + o(ρ d ), alors D T J(x 0 ) est appelé gradient topologique au point x 0. Si D T J(x 0 ) < 0, un petit trou peut être percé en x 0 pour décroitre la fonction objectif.

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique 1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis

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

Simulation numérique d un stockage de déchets nucléaires en site géologique profond

Simulation numérique d un stockage de déchets nucléaires en site géologique profond Simulation numérique d un stockage de déchets nucléaires en site géologique profond Page 1 de 12 G. Allaire, M. Briane, R. Brizzi and Y. Capdeboscq CMAP, UMR-CNRS 7641, Ecole Polytechnique 14 juin 2006

Plus en détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en 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

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction 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

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en 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

1 Introduction et modèle mathématique

1 Introduction et modèle mathématique Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,

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

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

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en 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

CHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté

CHAPITRE 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 détail

Rupture et plasticité

Rupture et plasticité Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements

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

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

LES MÉTHODES DE POINT INTÉRIEUR 1

LES MÉTHODES DE POINT INTÉRIEUR 1 Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences

Plus en 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

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Object Removal by Exemplar-Based Inpainting

Object Removal by Exemplar-Based Inpainting Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013

Plus en détail

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières

Plus en détail

Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.

Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire

Plus en 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

CHAPITRE IX : Les appareils de mesures électriques

CHAPITRE IX : Les appareils de mesures électriques CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant

Plus en détail

OPTIMISATION À UNE VARIABLE

OPTIMISATION À UNE VARIABLE OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

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

RO04/TI07 - Optimisation non-linéaire

RO04/TI07 - Optimisation non-linéaire RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels

Plus en détail

CORRECTION TP Multimètres - Mesures de résistances - I. Mesure directe de résistors avec ohmmètre - comparaison de deux instruments de mesure

CORRECTION TP Multimètres - Mesures de résistances - I. Mesure directe de résistors avec ohmmètre - comparaison de deux instruments de mesure Introduction CORRECTION TP Multimètres - Mesures de résistances - La mesure d une résistance s effectue à l aide d un multimètre. Utilisé en mode ohmmètre, il permet une mesure directe de résistances hors

Plus en détail

CONTRÔLE ET ÉQUATIONS AUX DÉRIVÉES PARTIELLES. par. Jean-Pierre Puel

CONTRÔLE ET ÉQUATIONS AUX DÉRIVÉES PARTIELLES. par. Jean-Pierre Puel CONTRÔLE ET ÉQUATIONS AUX DÉRIVÉES PARTIELLES par Jean-Pierre Puel 1. Introduction Pourquoi équations aux dérivées partielles et pourquoi contrôle? Les équations aux dérivées partielles, associées à certaines

Plus en détail

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Lagrange, où λ 1 est pour la contrainte sur µ p ). Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en 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

Simulation du transport de matière par diffusion surfacique à l aide d une approche Level-Set

Simulation du transport de matière par diffusion surfacique à l aide d une approche Level-Set Simulation du transport de matière par diffusion surfacique à l aide d une approce Level-Set J. Brucon 1, D. Pino-Munoz 1, S. Drapier 1, F. Valdivieso 2 Ecole Nationale Supérieure des Mines de Saint-Etienne

Plus en détail

Oscillations libres des systèmes à deux degrés de liberté

Oscillations 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 détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Introduction à la méthode des éléments finis

Introduction à la méthode des éléments finis ÉCOLE NATIONALE SUPERIEURE DES MINES DE PARIS Introduction à la méthode des éléments finis Michel KERN 1 2004 2005 S3733 / S3735 1 Inria, Rocquencourt, BP 105, 78153 Le Chesnay, Michel.Kern@inria.fr 2

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en 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

Introduction à l analyse numérique : exemple du cloud computing

Introduction à l analyse numérique : exemple du cloud computing Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation

Plus en 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

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en 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

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

Table des matières. Introduction Générale 5

Table des matières. Introduction Générale 5 Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4

Plus en détail

MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés

MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés Département GPI 1ère année Avril 2005 INPT-ENSIACET 118 route de Narbonne 31077 Toulouse cedex 4 Mail : Xuan.Meyer@ensiacet.fr

Plus en détail

Calculs et Certificats de Quantités d Intérêts Non Linéaires d un Mousqueton Cédric Bellis

Calculs et Certificats de Quantités d Intérêts Non Linéaires d un Mousqueton Cédric Bellis Ecole Normale Supérieure de Cachan Département de Génie Mécanique Rapport de Stage de M1 Mécanique et Ingéniérie des Systèmes Stage effectué du 10/04 au 27/08 Laboratori de Càlcul Numèric - Universitat

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

OUTILS EN INFORMATIQUE

OUTILS EN INFORMATIQUE OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale

Plus en détail

CSMA 2011 SCHEMAS NUMERIQUES CONSERVATIFS POUR DES PRO- BLEMES DE VIBRO-IMPACTS DE POUTRES ET DE PLAQUES. 1 Introduction

CSMA 2011 SCHEMAS NUMERIQUES CONSERVATIFS POUR DES PRO- BLEMES DE VIBRO-IMPACTS DE POUTRES ET DE PLAQUES. 1 Introduction CSMA 2011 10e Colloque National en Calcul des Structures 9-13 Mai 2011, Presqu île de Giens Var) SCHEMAS NUMERIQUES CONSERVATIFS POUR DES PRO- BLEMES DE VIBRO-IMPACTS DE POUTRES ET DE PLAQUES C. POOLINI

Plus en détail

TP 7 : oscillateur de torsion

TP 7 : oscillateur de torsion TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)

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

Equations différentielles linéaires à coefficients constants

Equations 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 détail

Théories de champ moyen et convection à grande échelle

Théories de champ moyen et convection à grande échelle Chapitre Théories de champ moyen et convection à grande échelle 51 Introduction Au cours de ce travail, nous avons à plusieurs reprises été confrontés au problème de la compréhension et de la modélisation

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

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 4: Programmation stochastique propriétés de fonction de recours Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction

Plus en détail

2.4 Représentation graphique, tableau de Karnaugh

2.4 Représentation graphique, tableau de Karnaugh 2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières

Plus en détail

Méthode des éléments-finis par l exemple

Méthode des éléments-finis par l exemple par l exemple Daniel Choï 1 LMNO Groupe Mécanique Modélisation Mathématique et Numérique Université de Caen, Bld Maréchal Juin, 14032 Caen Cedex, France Version Avril 2010 1. daniel.choi@unicaen.fr Ce

Plus en détail

Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité

Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine

Plus en détail

Circuits RL et RC. Chapitre 5. 5.1 Inductance

Circuits RL et RC. Chapitre 5. 5.1 Inductance Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite

Plus en détail

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

Une comparaison de méthodes de discrimination des masses de véhicules automobiles p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans

Plus en détail

Monitoring continu et gestion optimale des performances énergétiques des bâtiments

Monitoring continu et gestion optimale des performances énergétiques des bâtiments Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en 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

Première partie. Introduction à la méthodes des différences finies

Première partie. Introduction à la méthodes des différences finies Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul

Plus en détail

de calibration Master 2: Calibration de modèles: présentation et simulation d

de calibration Master 2: Calibration de modèles: présentation et simulation d Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe

Plus en détail

Fonctions de plusieurs variables. Sébastien Tordeux

Fonctions de plusieurs variables. Sébastien Tordeux Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

Yves Debard. Université du Mans Master Modélisation Numérique et Réalité Virtuelle. http://iut.univ-lemans.fr/ydlogi/index.html

Yves Debard. Université du Mans Master Modélisation Numérique et Réalité Virtuelle. http://iut.univ-lemans.fr/ydlogi/index.html Méthode des éléments finis : élasticité à une dimension Yves Debard Université du Mans Master Modélisation Numérique et Réalité Virtuelle http://iut.univ-lemans.fr/ydlogi/index.html 4 mars 6 9 mars 11

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

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

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

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

CHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle

CHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle CHAPITRE I Modélisation de processus et estimation des paramètres d un modèle I. INTRODUCTION. Dans la première partie de ce chapitre, nous rappelons les notions de processus et de modèle, ainsi que divers

Plus en détail

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100

Plus en détail

GENERALITES SUR LA MESURE DE TEMPERATURE

GENERALITES SUR LA MESURE DE TEMPERATURE Distributeur exclusif de GENERALITES SUR LA MESURE DE TEMPERATURE INTRODUCTION...2 GENERALITES SUR LA MESURE DE TEMPERATURE...2 La température...2 Unités de mesure de température...3 Echelle de température...3

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en 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

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP 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 détail

ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1

ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1 ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir

Plus en détail