OPTIMISATION ROBUSTE DE FORMES PAR LA METHODE DES LIGNES DE NIVEAUX
|
|
- Renée Grenon
- il y a 6 ans
- Total affichages :
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 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 détailANALYSE 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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailSimulation 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 détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailOptimisation 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 détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCHAPITRE 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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détail1 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCours 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailCHAPITRE 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 détailRupture 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 détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailT.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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailALGORITHMIQUE 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 détailCommunications 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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailObject 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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailModèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.
Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire
Plus en détailApproximations 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 détailCHAPITRE 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 détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailAnalyse 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 détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
Plus en détailCORRECTION 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 détailCONTRÔLE 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 détailLagrange, 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 détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailLa 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 détailSimulation 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 détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailIntroduction 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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailLe 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 détailIntroduction 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 détailOn 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 détailExercices 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 détailExercices 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailMATHEMATIQUES 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 détailCalculs 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 détailRappels 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 détailOUTILS 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 détailCSMA 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 détailTP 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailThéories 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 détailChapitre 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 détailSujet 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 détail2.4 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 détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailMéthode 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 détailTechniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailUne 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 détailMonitoring 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 détailIntroduction 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 détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailPremière 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 détail4.2 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 détailComplexité. 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 détailde 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 détailFonctions 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailYves 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 détailObjectifs. 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 détailMCMC 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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailProgrammation linéaire
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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailCHAPITRE 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 détailManuel 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 détailGENERALITES 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 détailPlus 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 détailBaccalauréat 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailANALYSE 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