Méthodes de sous-domaines pour calculer le ux dans des milieux poreux hétérogènes
|
|
- Élise Favreau
- il y a 8 ans
- Total affichages :
Transcription
1 Méthodes de sous-domaines pour calculer le ux dans des milieux poreux hétérogènes Baptiste Poirriez Étude bibliographique Master 2 Recherche Informatique 2007 Résumé Les méthodes de sous-domaines permettent d'accélérer et de paralléliser les résolutions de systèmes linéaires de grande taille. Nous étudions ici deux classes de méthodes, celle sans recouvrement avec la méthode de Schur et celle avec recouvrement avec les méthodes de Schwarz. Cette étude fournit les bases théoriques nécessaires à l'utilisation de ces méthodes pour résoudre des problèmes d'écoulement dans les milieux poreux hétérogènes. Encadrants : Jocelyne Erhel, Frédéric Guyomarc'h Projet SAGE
2 Table des matières 1 Introduction 2 2 Notions d'algèbre linéaire Matrices particulières Matrice symétrique dénie positive M-matrice Conditionnement Préconditionnement Déation Gradient Conjugué Matrice réduite associée au complément de Schur Complément de Schur Décomposition en sous-domaines sans recouvrement Schur comme préconditionnement Extension à n sous-domaines Méthodes de Schwarz Méthode de Schwarz multiplicative Méthode de Schwarz additive Méthodes de Schwarz comme préconditionnement Extension à n sous-domaines Conclusion 11 1
3 1 Introduction L'informatique et le développement de machines de calcul puissantes ont permis de réaliser des modélisations prenant en compte un grand nombre de paramètres. Ces modélisations permettent de simuler des expériences qui seraient trop coûteuses en temps ou en moyen, ou encore trop risquées si on devait les réaliser réellement. Elles permettent aussi de réaliser très rapidement un grand nombre d'expériences très proches, avec juste une variation des paramètres d'entrée. Pour réaliser ces simulations, on doit résoudre des systèmes linéaires de grande taille. La grande taille de ces systèmes entraîne un certain nombre de problèmes techniques. En premier lieu il peut arriver que l'espace mémoire nécessaire pour résoudre de tels systèmes soit énorme. Ensuite, la puissance de calcul nécessaire pour obtenir une solution dans un temps raisonnable peut être considérable. Ces considérations ont amené à envisager l'utilisation de machines parallèles pour résoudre ces systèmes. L'approche appelée diviser pour régner est une méthode algorithmique classique, qui consiste à diviser le problème initial en un certain nombre de problèmes plus petits et à se servir de la solution de ces problèmes de taille réduite pour obtenir la solution au problème de départ. Elle est utilisée pour réduire la taille des problèmes à résoudre et accélérer le traitement de ces problèmes. Elle permet en outre de faciliter la parallélisation de ces résolutions. Les méthodes de décomposition en sous-domaines appartiennent à cette famille algorithmique. Avec ces méthodes, il s'agit de diviser le domaine Ω sur lequel on travaille pour résoudre le système linéaire en deux (ou plus) sous-domaines Ω 1 et Ω 2. Cette décomposition peut se faire sans recouvrement, si l'intersection entre Ω 1 et Ω 2 est réduite à la frontière entre ces deux domaines, ou au contraire avec recouvrement. Dans cette étude, après un bref rappel de notions d'algèbre linéaire nécessaires, nous nous attarderons sur une méthode qui appartient à la première famille, utilisant le complément de Schur. Dans un deuxième temps nous étudierons les méthodes dites de Schwarz, qui appartiennent à la deuxième famille. 2 Notions d'algèbre linéaire Dans toute la suite, une lettre majuscule représentera une matrice, et une lettre minuscule un vecteur. Par exemple Ab représente le produit entre la matrice A et le vecteur b. 2
4 2.1 Matrices particulières Matrice symétrique dénie positive Une matrice symétrique dénie positive est une matrice A telle que : A = A T (Ax, x) > 0, x M-matrice On écrira B 0 si B i,j 0 (i, j) [1, n] 2 ; si les valeurs propres de B sont notées λ i, i [1, n], alors le rayon spectral de B est déni par : ρ(b) = max λ i. i [1,n] Une M-matrice est une matrice qui peut être décomposée sous la forme A = σi B avec σ > 0, B 0 et ρ(b) σ. 2.2 Conditionnement Lors de la résolution avec un algorithme itératif du système linéaire Ax = b, on cherche une solution numérique. Même si la solution existe mathématiquement, il se peut que lors de la résolution la vitesse de convergence soit très faible, voire nulle. On peut prévoir ce comportement grâce au spectre de la matrice. Une première indication est donnée par le conditionnement de la matrice A. Plus le conditionnement de A, noté κ(a), est petit, plus la convergence est rapide. Lorsque κ(a) est trop élevé, on dit que le système est mal conditionné. κ(a) est déni ainsi : κ(a) = A A 1. Dans le cas où A est symétrique, cela donne κ(a) = λ max λ min où λ max et λ min sont respectivement les valeurs propres maximale et minimale de A, en valeur absolue. 3
5 2.3 Préconditionnement Comme on l'a évoqué dans le point précédent, une résolution numérique peut ne pas aboutir si le système est mal conditionné. Pourtant théoriquement la solution existe. On va alors essayer de diminuer κ(a). Pour ce faire, on va transformer le système en un système linéaire qui a la même solution mais qui est mieux conditionné. Étant donné une matrice M, le nouveau système est donné par : M 1 Ax = M 1 b. Lors du choix de la matrice M on s'assure que si A est symétrique et dénie positive alors M le soit aussi, si A est une matrice creuse, alors M le soit aussi puisqu'on ne veut pas utiliser beaucoup plus de capacité de stockage pour M que pour A, M soit facile à construire, pour ne pas perdre trop de temps de calcul, M 1 y soit facile à résoudre, pour la même raison. Le préconditionnement présenté ici est un préconditionnement à gauche. On peut similairement avoir un préconditionnement à droite en transformant le système de la façon suivante : ou un préconditionnement symétrique AM 1 y = b, Mx = y M 1 2 AM 1 2 y = M 1 2 b, M 1 2 x = y. 2.4 Déation On trouve une description de cette méthode dans [14, 10]. Soit un système linéaire de taille n n Ax = b. Soient Y et Z des matrices dont les colonnes génèrent l'espace voulu. Les colonnes de ces deux matrices doivent être libres et de même taille. Soient les projections P et Q dénies par : P = I AZ(Y T AZ) 1 Y T Q = I Z(Y T AZ) 1 Y T A. On a les propriétés suivantes pour P et Q : P 2 = P, Q 2 = Q P AZ = Y T P = 0, Y T AQ = QZ = 0 4
6 P A = AQ. La résolution du système par déation se base sur la décomposition des vecteurs en utilisant les projections. En posant b = P b + (I P )b on peut chercher x 1 et x 2 tels que x 1 + x 2 = Qx + (I Q)x et Ax 1 = Ax 2 = P b (I P )b. De manière immédiate on a x 2 = Z(Y T AZ) 1 Y T b. On veut maintenant x 1 tel que x 1 = Q x, ce qui garantit que x 1 soit dans le bon espace. On a alors AQ x = P b, soit P A x = P b. Historiquement la déation fut décrite avec Y = Z un ensemble de vecteurs propres de A. J. Frank et C. Vuik [6] utilisent la déation en lien avec les sous-domaines,avec Z = Y. Un domaine Ω est décomposé, sans recouvrement, en m sousdomaines Ω i. Soit les ensembles d'indices suivant : I = {i u i Ω} et I i = {i u i Ω i }. On dénit alors Z par : { 1, i Ij z ij =. 0, i / I j Avec ce choix pour Z, la projection P agit sur chaque sous-domaine en le rassemblant dans un seul élément. 2.5 Gradient Conjugué La méthode du Gradient Conjugué (CG)[7] itérative est la méthode privilégiée quand la matrice A est une matrice symétrique dénie positive. On trouve de nombreuses descriptions dans la litérature, notamment dans [5, 11] et sur la page Wikipedia [1]. Elle peut être associée à un préconditionnement, on parle dans ce cas du Gradient Conjugué Préconditionné (PCG). Résoudre le système Ax = b est équivalent à minimiser la forme quadratique ϕ(x) = 1 2 xt Ax x T b. Le gradient de cette forme au point x vaut r = Ax b. Contrairement à la méthode du gradient qui prendrait cette direction comme direction de descente, la méthode CG impose que les directions de descentes soient conjuguées entre elles (c'est-à-dire A-orthogonales). 5
7 Algorithm 1 Gradient Conjugué Préconditionné // Initialisation : Choisir x 0 r 0 = b Ax 0 z 0 = M 1 r 0 p 0 = z 0 // Itérations : k = 0 repeat α k = rt k z k p T k Ap k x k+1 = x k + α k p k r k+1 = r k α k Ap k z k+1 = M 1 r k+1 β k = rt k+1 z k+1 r T k z k p k+1 = z k+1 + β k p k k = k + 1 until convergence. 3 Matrice réduite associée au complément de Schur 3.1 Complément de Schur Soit un système linéaire Ax = b se décomposant sous cette forme : A 11 0 A 13 x 1 b 1 0 A 22 A 23 x 2 = b 2. (1) A T 13 A T 23 A 33 x 3 b 3 Dans ce cas le système se réduit par substitution à un système équivalent avec comme unique inconnue x 3, puisque si x 3 est connue alors x 1 = A 1 11 (b 1 A 13 x 3 ) x 2 = A 1 22 (b 2 A 23 x 3 ). On obtient alors le système suivant : Sx 3 = b 3 (2) avec S = (A 33 A T 13A 1 11 A 13 A T 23A 1 22 A 23 ) 6
8 et b3 = b 3 A T 13A 1 11 b 1 A T 23A 1 22 b 2. La matrice S est appelée complément de Schur de A 33 dans A. La résolution de ce sous-système est habituellement faite avec la méthode du Gradient Conjugué, lorsque A est symétrique dénie positive. Le complément de Schur est d'autant plus intéressant qu'il n'est pas nécessaire de le calculer explicitement. En eet, à chaque itération du Gradient Conjugué on multiplie S et un vecteur, disons v : Sv = (A 33 A T 13A 1 11 A 13 A T 23A 1 22 A 23 )v. Le produit A 33 v est facilement calculable, et pour obtenir A T 13A 1 11 A 13 v, il sut de résoudre le système A 11 p = A 13 v puis de calculer A T 13p. Il en est de même pour A T 23A 1 22 A 23. De plus ces systèmes étant indépendants, leur résolution peut se faire en parallèle. 3.2 Décomposition en sous-domaines sans recouvrement Considérons un système d'équations provenant de la décomposition d'edp du second ordre. Dans cette partie, nous considérons un domaine Ω rectangulaire, discrétisé par une méthode aux éléments nis standard, coupé en deux sous-domaines Ω 1 et Ω 2 par la frontière Γ (Fig. 1). Fig. 1 Sous-domaines sans recouvrement La renumérotation des inconnues dans le domaine Ω est faite de façon à obtenir x = [x 1 x 2 x 3 ] T 7
9 avec x 1 Ω 1, x 2 Ω 2 et x 3 Γ. Le système linéaire Ax = b s'écrit avec une notation par blocs qui donne le système (1). Dans ces conditions, A 11 (resp. A 22, A 33 ) est une matrice qui représente la relation entre les inconnues dans Ω 1 (resp. Ω 2, Γ). Le bloc A 13 (resp. A 23 ) correspond à la relation entre Ω 1 (resp. Ω 2 ) et Γ. On peut alors former le complément de Schur S de A et si A est symétrique dénie positive résoudre l'équation (2) avec PCG. En considérant un modèle de Poisson du second ordre, discrétisé avec la méthode aux éléments nis standards, si la taille du maillage est h, κ(s) = O( 1 ). Il est intéressant de h supprimer la dépendance à la taille du maillage en préconditionnant S. Le préconditionnement de Neumann-Neumann permet de supprimer cette dépendance. Dans l'équation (1), on peut décomposer A 33 en deux parties, une pour chaque sous-domaine. On a alors On dénit A 33 = A (1) 33 + A (2) 33. S (1) = A (1) 33 A T 13A 1 11 A 13, S (2) = A (2) 33 A T 23A 1 22 A 23. Puis on pose M 1 NN = 1 [ (S (1) ) 1 + (S (2) ) 1] 2 Dans le cas du modèle de Poisson, on a alors κ(m 1 NNS) = O(1) Il existe de nombreux autres préconditionnements possibles, notamment les préconditionnements de Neumann-Dirichtlet, de Dryja ou de Golub et Mayers. Un certain nombre d'entre eux sont présentés dans [9, 4]. 3.3 Schur comme préconditionnement Si le calcul du complément de Schur peut être une méthode de résolution à part entière en résolvant l'équation (2), elle peut aussi servir de préconditionnement. Y. Saad et M. Sosonkina [12] présentent diérentes méthodes utilisant le complément de Schur pour construire M. Ces méthodes sont dédiées au calcul distribué et se basent sur un calcul exact ou approché du complément de Schur local (complément de Schur du sous système présent sur chaque processeur) ou global. Le préconditionneur est ensuite construit suivant la technique de factorisation LU incomplète. 8
10 3.4 Extension à n sous-domaines La méthode de Schur est extensible à n sous-domaines, numérotés de 1 à n. On a alors n n S = A n+1,n+1 A T i,n+1a 1 i,i A i,n+1 = S (i). i=1 Où A i,i représente la relation entre les inconnues dans Ω i, A n+1n+1 les relations entre les inconnues sur toutes les interfaces et A in+1 la relation entre Ω i et les interfaces. 4 Méthodes de Schwarz 4.1 Méthode de Schwarz multiplicative Cette méthode, contrairement à celle présentée dans la partie précédente, utilise une décomposition avec recouvrement (Fig. 2). i=1 Fig. 2 Sous-domaines avec recouvrement Elle consiste en fait à résoudre de manière exacte sur un sous-domaine puis sur l'autre, jusqu'à convergence. On se sert des valeurs trouvées lors de l'itération précédente pour les points situés dans la zone de recouvrement pour résoudre les sous-systèmes. On cherche toujours à résoudre le système Ax = b sur Ω = Ω 1 Ω 2. Soit R 1 (resp. R 2 ) la matrice de restriction à Ω 1 (resp. Ω 2 ). Alors R i ARi T est la restriction de A sur Ω i. On appellera x 2k 1 la solution du système sur Ω 1 après la demi-itération k, de même pour x 2k+1 2. On formera x 2k en complétant x 2k 1 par les derniers éléments de x 2k 1 2. De même pour x 2k+1 9
11 avec les premiers éléments de x 2k 1. Pour simplier l'écriture on posera aussi B i = R T i (R i AR T i ) 1 R i. À chaque itération, pour k = 1, 2,..., on calcule : et et x 2k = x 2k 1 + R T 1 (R 1 AR T 1 ) 1 R 1 (b Ax 2k 1 ) = x 2k 1 + B 1 (b Ax 2k 1 ) x 2k+1 = x 2k + R T 2 (R 2 AR T 2 ) 1 R 2 (b Ax 2k ) = x 2k + B 2 (b Ax 2k ). L'erreur à chaque itération est donnée par ε k = x x k, ce qui donne ε 2k = (I R T 1 (R 1 AR T 1 ) 1 R 1 A)ε 2k 1 ε 2k+1 = (I R T 2 (R 2 AR T 2 ) 1 R 2 A)ε 2k. Et après introduction de B i et suppression de ε 2k : ε 2k+1 = (I B 2 A)(I B 1 A)ε 2k 1. Si la matrice est symétrique dénie positive ou s'il s'agit d'une M-matrice, alors la convergence est assurée. Par ailleurs, si le recouvrement est plus important, la convergence est plus rapide (la convergence se fait en une itération si Ω 1 = Ω 2 = Ω, mais pour un coût de calcul plus important). 4.2 Méthode de Schwarz additive Au lieu de résoudre un sous-système, puis l'autre, la résolution des soussystèmes peut se faire en même temps. Il faut ensuite assembler les deux solutions. Cette méthode présente l'avantage, contrairement à la méthode ci-dessus, de pouvoir être facilement parallélisable. Elle est présentée ainsi dans [13]. À chaque itération on calcul x k+1 x k+1 = x k + (B 1 + B 2 )(b Ax k ). À chaque itération, l'erreur vaut ici ε k+1 = (I B 1 A B 2 A)ε k. Cette méthode ore un taux de parallélisme élevé puisque chaque sousproblème B i (b Ax k ) peut être calculé indépendamment des autres. Mais cette méthode, comme la version multiplicative, ne converge pas toujours. C'est pourquoi elle est souvent utilisée comme préconditionnement. 10
12 4.3 Méthodes de Schwarz comme préconditionnement Un préconditionnement peux être déni à partir de ces méthodes. La matrice M qui sert de préconditionnement est construite à partir des B i. Pour la méthode multiplicative, d'après [8], on a : M 1 = B 1 C B 2 avec C le bloc correspondant au recouvrement dans la matrice A, complété avec les blocs identités de taille nécessaire et B i la matrice B i complétée avec l'identité en dehors du bloc non nul. Et pour celle additive : M 1 = B 1 + B Extension à n sous-domaines Les deux méthodes ci-dessus sont extensibles au cas de n sous-domaines avec recouvrement. Dans ce cas, pour la version multiplicative, x k+1,1 = x k,n + B 1 (b Ax k,n ) x k+1,i = x k+1,i 1 + B i (b Ax k+1,i 1 ), i = 2...n l'erreur valant alors ε k+1 = n (I B i A)ε k i=1 Dans la version additive cela donne : Et l'erreur 5 Conclusion x k+1 = x k + n B i (b Ax k ). i=1 ε k+1 = (I n B i A)ε k. Nous avons vu une présentation synthétique des diérentes méthodes de sous-domaines. Dans [4], T F. Chan et T P. Mathew font une analyse des diérents taux de convergence. Les méthodes avec recouvrement sont en général plus robustes et convergent plus vite. Elles sont aussi plus faciles à 11 i=1
13 implémenter. Mais elles sont plus coûteuses en puissance de calcul à cause du recouvrement. Si en plus il y a une forte discontinuité entre les coecients sur cette zone de recouvrement, la discontinuité est reportée sur chaque sousdomaine, rendant la résolution des sous-systèmes problématique. Durant le stage, les systèmes étudiés découleront des écoulements qui suivent la loi de Darcy Kgrad(h) = v. Avec l'hypothèse de conservation de la masse on a div v = 0 dans Ω, d'où div(kgrad(h)) = 0. On impose des conditions aux limites pour compléter le système obtenu. Dans les problèmes étudiés, la perméabilité du milieu, K, présente une forte hétérogénéité spatiale (Fig. 3). Une première étape du stage sera d'étudier une forme simpliée du problème, en prenant un milieu où K prend deux valeurs distinctes, avec des formes géométriques simples. Puis le modèle sera rendu de plus en plus complexe, en faisant varier la forme des zones hétérogènes et le nombre des valeurs possibles pour K. L'objectif est de trouver la méthode de sousdomaines la plus adaptée et le découpage optimal. L'article de T. F. Chan et D. Goovaerts [3] ainsi que celui de P. Bjørstad et O. Widlund [2] montrent que la méthode avec recouvrement (Schwarz multiplicative) est équivalente à la méthode de Schur avec un préconditionnement de l'interface particulier. Cette similarité pourra servir de point de départ pour l'étude comparative qui sera réalisée. Fig. 3 Exemple de milieu fortement hétérogène 12
14 Références [1] [2] P. Bjørstad and O. Widlund. To overlap or not to overlap : A note on a domain decomposition method for elliptic problems, [3] T. F. Chan and D. Goovaerts. On the relationship between overlapping and nonoverlapping domain decomposition methods. SIAM Journal on Matrix Analysis and Applications, 13(2) :663670, [4] T. F. Chan and T. P. Mathew. Domain decomposition algorithms. In Acta Numerica 1994, pages Cambridge University Press, [5] J. Erhel, N. Nassif, and B. Philippe. Calcul matriciel et systèmes linéaires. Cours de DEA Informatique et Modélisation, [6] J. Frank and C. Vuik. On the construction of deation-based preconditioners. SIAM Journal on Scientic Computing, 23(2) :442462, [7] M.R. Hestenes and E. Stiefel. Methods of conjugate gradients for solving linear systems. J. Res. Nat. Bur. Stand, 49(6) :409436, [8] G.A. Kahou, E. Kamgnia, and B. Philippe. An explicit formulation of the multiplicative schwarz preconditionner [9] G. Meurant. Computer solution of large linear systems. Elsevier Science, [10] R. Nabben and C. Vuik. A comparison of deation and coarse grid correction applied to porous media ow. SIAM J. Numer. Anal., 42(4) : , [11] Y. Saad. Iterative Methods for Sparse Linear Systems. Society for Industrial and Applied Mathematics, Philadelphia, PA, USA, [12] Y. Saad and M. Sosonkina. Distributed Schur complement techniques for general sparse linear systems. SIAM Journal on Scientic Computing, 21(4) : , [13] K.M. Singh and J.J.R. Williams. Application of the additive Schwarz method to large scale Poisson problems. Communications in Numerical Methods in Engineering, 20(3) :193205, [14] J. Verkaik. Deated krylov-schwarz domain decomposition methods for the cfd package x-stream. Master's thesis, Delft University of Technology and TNO TPD,
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 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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en 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 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 détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailLa méthode des éléments finis et le contrôle des calculs
Table des matières Techniques Avancées en Calcul des Structures Cours d option La méthode des éléments finis et le contrôle des calculs J.-P. Pelle ENS - Cachan Master MIS Parcours TACS Année universitaire
Plus en détailchapitre 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 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 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détail2. RAPPEL DES TECHNIQUES DE CALCUL DANS R
2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
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 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 détailRencontre sur la thématique du Calcul Haute Performance - 13 juin 2012. Better Match, Faster Innovation
Better Match, Faster Innovation Rencontre sur la thématique du Calcul Haute Performance - 13 juin 2012 Meeting on the theme of High Performance Computing TABLE DES MATIÈRES Qu est ce qu un imatch? STI
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 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 détailITIL Gestion de la capacité
ITIL Sommaire 1 GENERALITES 3 2 PERIMETRE DE LA GESTION DES CAPACITES 3 3 ACTIVITES ET LIVRABLES DE LA GESTION DES CAPACITES 4 3.1 ACTIVITES ITERATIVES OU GESTION DE PERFORMANCES : 4 3.2 GESTION DE LA
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 détailVers l'ordinateur quantique
Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate
Plus en détailmodélisation solide et dessin technique
CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir
Plus en détailFonctions 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en 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 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 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 détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en 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 détailVision 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 détailFormation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau
Formation à la C F D Computational Fluid Dynamics Formation à la CFD, Ph Parnaudeau 1 Qu est-ce que la CFD? La simulation numérique d un écoulement fluide Considérer à présent comme une alternative «raisonnable»
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
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 détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailMultiprogrammation parallèle générique des méthodes de décomposition de domaine
Multiprogrammation parallèle générique des méthodes de décomposition de domaine Andréa Schwertner-Charão To cite this version: Andréa Schwertner-Charão. Multiprogrammation parallèle générique des méthodes
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailConception d'un réseau de transport d'électricité
La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian
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 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 détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
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 détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailHappy birthday ZSet High performance computing dans ZSet
Happy birthday ZSet High performance computing dans ZSet F. Feyel & P. Gosselet Architectures SMP NUMA memory memory memory Distribué memory memory 2 memory memory Hybride memory memory memory memory memory
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailLa 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 détailProblème : Calcul d'échéanciers de prêt bancaire (15 pt)
Problème : Calcul d'échéanciers de prêt bancaire (15 pt) 1 Principe d'un prêt bancaire et dénitions Lorsque vous empruntez de l'argent dans une banque, cet argent (appelé capital) vous est loué. Chaque
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
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 détailLes 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en 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 détail1 Description générale de VISFIELD
Guide d utilisation du logiciel VISFIELD Yann FRAIGNEAU LIMSI-CNRS, Bâtiment 508, BP 133 F-91403 Orsay cedex, France 11 décembre 2012 1 Description générale de VISFIELD VISFIELD est un programme écrit
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailRapport d'analyse des besoins
Projet ANR 2011 - BR4CP (Business Recommendation for Configurable products) Rapport d'analyse des besoins Janvier 2013 Rapport IRIT/RR--2013-17 FR Redacteur : 0. Lhomme Introduction...4 La configuration
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 détailÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab
ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailAsynchronisme : Cadres continu et discret
N d ordre : 151 Année 2006 HABILITATION À DIRIGER DES RECHERCHES UNIVERSITÉ DE FRANCHE-COMTÉ Spécialité Informatique présentée par Sylvain CONTASSOT-VIVIER Docteur en Informatique Sujet Asynchronisme :
Plus en détailD'UN THÉORÈME NOUVEAU
DÉMONSTRATION D'UN THÉORÈME NOUVEAU CONCERNANT LES NOMBRES PREMIERS 1. (Nouveaux Mémoires de l'académie royale des Sciences et Belles-Lettres de Berlin, année 1771.) 1. Je viens de trouver, dans un excellent
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
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 détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
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 détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
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 détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailSSNV143 - Traction biaxiale avec la loi de comportement BETON_DOUBLE_DP
Titre : SSNV14 - Traction biaxiale avec la loi e comport[...] Date : 17/02/2011 Page : 1/14 Manuel e Valiation Fascicule V6.04 : Statique non linéaire es structures volumiques Document V6.04.14 SSNV14
Plus en détailCOMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL
COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL J. TICHON(1) (2), J.-M. TOULOTTE(1), G. TREHOU (1), H. DE ROP (2) 1. INTRODUCTION Notre objectif est de réaliser des systèmes de communication
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
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 détail