Modélisation et Simulation

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Modélisation et Simulation"

Transcription

1 Cours de modélisation et simulation p. 1/83 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212

2 Cours de modélisation et simulation p. 2/83 Fonctions linéaires Les fonctions linéaires f(x) sont parmi les fonctions les plus simples qu on puisse rencontrer. Elles ont la forme f(x) = a T x, x R n, a R n Elles ont deux importantes propriétés f(x (1) + x (2) ) = f(x (1) ) + f(x (2) ) f(kx) = kf(x), qui impliquent k R f(k 1 x (1) + k 2 x (2) ) = k 1 f(x (1) ) + k 2 f(x (2) )

3 Cours de modélisation et simulation p. 3/83 Mouvements libre et forcé Soit donné un système dynamique avec fonction de transition ϕ. Considérons les deux mouvements particuliers: Mouvement libre: le mouvement obtenu quand la fonction d entrée u( ) = 0 est nulle ϕ l (, t 0, x 0 ) = ϕ(, t 0, x 0, 0) Mouvement forcé: le mouvement obtenu quand l état initial x(t 0 ) = x 0 = 0 est nul ϕ f (, t 0, u( )) = ϕ(, t 0, 0, u( ))

4 Cours de modélisation et simulation p. 4/83 Système dynamique linéaire Un système dynamique linéaire jouit des propriétés suivantes. Chaque mouvement est la somme des mouvements libres et forcés correspondantes, c.-à-d. ϕ(, t 0, x 0, u( )) = ϕ l (, t 0, x 0 ) + ϕ f (, t 0, u( )) la transformation ϕl est une transformation linéaire, ϕ l (t, t 0, ax 01 + bx 02 ) = aϕ l (t, t 0, x 01 ) + bϕ l (t, t 0, x 02 ) c.-à-d. si l état initial est une combinaison linéaire de deux états x 01 et x 02 alors le mouvement libre correspondant est la même combinaison linéaire des deux mouvements libres associés à x 01 et x 02 la transformation ϕf est une transformation linéaire, ϕ f (t, t 0, au 1 ( ) + bu 2 ( )) = aϕ f (t, t 0, u 1 ( )) + bϕ f (t, t 0, u 2 ( )) c.-à-d. si l entrée est une combinaison linéaire des deux entrées u 1 ( ) et u 2 ( ) alors le mouvement forcé correspondant est la même combinaison linéaire des deux mouvements forcés associés à u 1 ( ) et u 2 ( ) la transformation de sortie est linéaire.

5 Cours de modélisation et simulation p. 5/83 Système dynamique linéaire Définition. Un système est dit linéaire si les ensembles U, Ω, X, Y et Γ sont des espaces vectoriels. la fonction de transition ϕ est linéaire en X Ω pour tous les t0, t T c.-à-d. ϕ(t, t 0, x 0, u( )) = ϕ l (, t 0, x 0 ) + ϕ f (, t 0, u( )) la transformation de sortie η est linéaire en X pour tous les t T, c.-à-d. y(t) = H(t)x(t)

6 Cours de modélisation et simulation p. 6/83 Exemple Considérons le système linéaire ẋ = cx(t) + au 1 (t) + bu 2 (t), x(0) = u 1 0 u t t où a = 3, b = 1. 2 Mouvement 2 Mouvement forcé 1 Mouvement libre x x forcé x libre t t t Mouvement= mouvement libre (u 1 = u 2 = 0) + mouvement forcé (x(0) = 0))

7 Cours de modélisation et simulation p. 7/83 Exemple (II) 1 x(0)=1 2 x(0)=2 8 x(0)=2*1+3* x 0.5 x 1 x t t t Superposition des conditions initiales dans le mouvement libre (u( ) = 0)).

8 Cours de modélisation et simulation p. 8/83 Exemple (III) 2 u=u 1 6 u=u 2 30 u=3 u u x x 3 x t t t Superposition des entrées dans le mouvement forcé (x(0) = 0)).

9 Cours de modélisation et simulation p. 9/83 Exemple (IV) x(0)=1; u=u 1 +2u 2 x(0)=3;u=2 u 1 u 2 x(0)=2*1 4*3; u= (2*1 4*2) u 1 + (2*2 4*( 1)) u x x x t t t Si à la condition initiale x 01 et à l entrée u 1 correspond une sortie y 1 à la condition initiale x 02 et à l entrée u 2 correspond une sortie y 2 alors à la condition initiale k 1 x 01 + k 2 x 02 et à l entrée k 1 u 1 + k 2 u 2 correspond une sortie k 1 y 1 + k 2 y 2. Dans l exemple k 1 = 2 et k 2 = 4.

10 Cours de modélisation et simulation p. 10/83 Propriétés des systèmes linéaires Dans les systèmes linéaires chaque mouvement peut être décomposé dans la somme d un mouvement libre et d un mouvement forcé et ces mouvements sont linéaires dans l état initial x 0 et la fonction d entrée. On peut montrer le théorème suivant: Théorème. Chaque système à dimensions finies, linéaire et régulier peut être décrit par des équations du genre ẋ(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) où A( ), B( ) et C( ) sont matrices continues en T. Notons que si x R n, u R m, y R p, alors A( ) est une matrice d ordre [n, n], B( ) est une matrice d ordre [n, m] et C( ) est une matrice d ordre [p, n].

11 Cours de modélisation et simulation p. 11/83 Propriétés des systèmes linéaires (II) Le théorème inverse est aussi valable. Théorème. Soient données les trois matrices A( ), B( ), C( ) continues en T = R et les équations, ẋ(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) alors il existe un et un seul système linéaire, régulier et à dimensions finies qui les satisfait. En d autre termes, définir un système linéaire revient à définir un triple de matrices (A( ), B( ), C( )) où les deux premières décrivent la dépendance entrée-état et la troisième la dépendance état-sortie.

12 Cours de modélisation et simulation p. 12/83 Notation matricielle La notation ẋ(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) est une manière compacte pour écrire l ensemble d équations suivantes ẋ 1 (t) = a 11 (t)x 1 (t) + + a 1n (t)x n (t) + b 11 (t)u 1 (t) + + b 1m (t)u ( t). ẋ n (t) = a n1 (t)x 1 (t) + + a nn (t)x n (t) + b n1 (t)u 1 (t) + + b nm (t)u ( t) y 1 (t). y p (t) = c 11 (t)x 1 (t) + + c 1n (t)x n (t) = c p1 (t)x 1 (t) + + c pn (t)x n (t)

13 Cours de modélisation et simulation p. 13/83 Systèmes linéaires invariants Une sous-classe remarquable des systèmes linéaires est la classe des systèmes invariants, caractérisés par le fait que les matrices (A( ) = A, B( ) = B, C( ) = C) sont constantes et ne dépendant donc pas du temps. On peut montrer que dans ce cas le mouvement du système est donné par x(t) = e At x(0) + t 0 e A(t ξ) Bu(ξ)dξ

14 Cours de modélisation et simulation p. 14/83 Stabilité mouvement/équilibre Nous pouvons exprimer le problème de la stabilité d un mouvement d un système linéaire sous forme d un problème de stabilité de l état d origine d un nouveau système. Soit x( ) = ϕ(, t, x, ū( )) le mouvement nominal qui satisfait la relation x(t) = A(t) x(t) + B(t)ū(t), t t Soit ˆx( ) = ϕ(, t, ˆx, ū( )) le mouvement perturbé qui satisfait la relation ˆx(t) = A(t)ˆx(t) + B(t)ū(t), t t Nous définissons le mouvement z( ) comme la différence entre le mouvement perturbé et le mouvement nominal z(t) = ˆx(t) x(t)

15 Cours de modélisation et simulation p. 15/83 La dynamique de z(t) est ż(t) = ˆx(t) x(t) = A(t)ˆx(t) + B(t)ū(t) A(t) x(t) B(t)ū(t) = = A(t)z(t) Dans un système linéaire, la stabilité (instabilité) d un mouvement implique la stabilité (instabilité) de tous les mouvements et en particulier aussi celui de l origine de l espace d état (qui est un état d équilibre en correspondance de ū = 0) La stabilité d un système linéaire dépend seulement des propriétés de la matrice A( ). La stabilité d un système linéaire peut être étudiée en analysant la stabilité de l origine du système libre ẋ(t) = A(t)x(t)

16 Cours de modélisation et simulation p. 16/83 Stabilité: cas linéaire Il est possible donc de formuler des définitions de linéarité dans le cas linéaire. Définition. Un système dynamique linéaire est dit simplement stable si son mouvement libre est limité pour chaque valeur de la condition initiale. Définition. Un système dynamique linéaire est dit asymptotiquement stable si le mouvement libre tend vers l origine pour t pour chaque valeur de la condition initiale. Définition. Un système dynamique linéaire est dit instable si il existe au moins une condition initiale telle que le mouvement libre qui en suit soit non limité. En d autres termes, la stabilité d un système linéaire équivaut à une indépendance du mouvement par rapport aux conditions initiales pour t.

17 Cours de modélisation et simulation p. 17/83 Stabilité et valeurs propres Définition (Polynôme caractéristique). Le polynôme caractéristique A d une matrice A est la polynôme A (λ) = det(λi A) = λ n + a 1 λ n 1 + a 2 λ n a n L équation A ( ) = 0 s appelle équation caractéristique et ses racines λ i, i = 1,...,n les valeurs propres (complexes) de la matrice A.

18 Cours de modélisation et simulation p. 18/83 Stabilité et valeurs propres (II) On peut montrer que l étude de stabilité d un système linéaire peut être ramené au calcul de la partie réelle des valeurs propres de la matrice A. Théorème. Un système linéaire ẋ(t) = Ax(t) est asymptotiquement stable si et seulement si toutes les valeurs propres de la matrice A ont une partie réelle négative. Théorème. Un système linéaire ẋ(t) = Ax(t) est simplement stable si et seulement si toutes les valeurs propres de la matrice A ont une partie réelle non positive et celles avec partie réelles nulles (par exemple valeurs imaginaires) ont une multiplicité 1. Théorème. Un système linéaire ẋ(t) = Ax(t) est instable si et seulement si il existe soit au moins une valeur propre avec une partie réelle positive soit au moins une valeur propre avec une partie réelle nulle et multiplicité supérieure à 1.

19 Cours de modélisation et simulation p. 19/83 Critère de Hurwitz Le calcul du signe de la partie réelle des valeurs propres de A ne nécessite pas les calcul de toutes les valeurs propres. Il est suffisant d effectuer quelques tests sur les coefficients a i du polynôme caractéristique. Un de ces tests est le test de Hurwitz qui est vérifié si et seulement si toutes les racines du polynôme caractéristique ont une partie réelle négative.

20 Cours de modélisation et simulation p. 20/83 Critère de Hurwitz (II) Théorème. Soit A (λ) = det(λi A) = λ n + a 1 λ n 1 + a 2 λ n a n le polynôme caractéristique d un système linéaire ẋ(t) = Ax(t). Considérons la matrice d Hurwitz qui est une matrice de taille [n, n] de la forme H = a a 3 a 2 a 1 1 a 5 a 4 a 3 a 2 a 7 a 6 a 5 a où a n+i = 0 pour i > 0. La conditions nécessaire et suffisante pour la stabilité asymptotique du système est que tous les mineurs principaux de la matrice de Hurwitz soient positifs.

21 Cours de modélisation et simulation p. 21/83 Exemple Le système avec A = [ 0 1 a b ] étudié précédemment a le polynôme caractéristique [ ] λ 1 det(λi A) = det = λ(λ + b) + a = λ 2 + bλ + a a λ + b La matrice de Hurwitz est carrée et de taille n = 2 et puisque a 1 = b, a 2 = a, [ ] b 1 H = 0 a Si et seulement si a > 0 et b > 0 alors ce système est stable.

22 Cours de modélisation et simulation p. 22/83 Condition nécessaire Théorème. Condition nécessaire pour la stabilité asymptotique de A est que tous les coefficients a i du polynôme caractéristique soient positifs. Il s ensuit que une matrice A dont le polynôme caractéristique ait quelque coefficient négatif ou nul correspond à un système qui n est pas asymptotiquement stable. Le calcul des coefficients à partir de la matrice A demande le calcul d un déterminant. Ceci peut être onereux dans le cas de n grand. Une procédure plus rapide s appuie sur la formule de Souriau

23 Cours de modélisation et simulation p. 23/83 Formule de Souriau Théorème. par Les coefficients a i, i = 1,..., n du polynôme caractéristique A (λ) d une matrice A sont donnés a 1 = (tra) a 2 = 1 2 (a 1trA + tra 2 ) a 3 = 1 3 (a 2trA + a 1 tra 2 + tra 3 ). a n = 1 n (a n 1trA + a n 2 tra tra n ) où tra k est la somme des éléments de la diagonale de la matrice A k Notons aussi que on peut montrer que nx λ i = tra i=1 où λ i, i = 1,..., n sont les valeurs propres de A. Il s ensuit que toutes les matrices avec trace positive ou nulle ne peuvent pas être asymptotiquement stables.

24 Cours de modélisation et simulation p. 24/83 Exemple Montrons que la formule de Souriau est satisfaite dans le cas du système A = dont le polynôme caractéristique est [ ] 0 1 a b A = λ(λ + b) + a = λ 2 + bλ + a Puisque Il est facile vérifier que A 2 = [ a b ab a + b 2 ] a 1 = b = tra a 2 = a = 1/2a 1 (tra + tr(a 2 )) = 1/2( b 2 2a + b 2 )

25 Cours de modélisation et simulation p. 25/83 Stabilité et connexion Considérons un système résultant de l interconnexion de plusieurs sous-systèmes. Une question importante est d analyser la stabilité du système résultant sur la bases de la stabilité de chacun des sous-systèmes. Quelque résultat existe pour la connexion en cascade et en parallèle. Théorème. Un système linéaire (A, B, C) composé par la cascade (ou le parallèle) de deux sous-systèmes linéaires (A 1, B 1, C 1 ) et (A 2, B 2, C 2 ) est asymptotiquement stable si et seulement si les deux sous-systèmes sont asymptotiquement stables. Notons aussi que le polynôme caractéristique A ( ) d un système composé par la cascade de deux sous-systèmes linéaires (A 1, B 1, C 1 ) et (A 2, B 2, C 2 ) est le produit des deux polynômes caractéristiques A1 ( ) et A2 ( ).

26 Systèmes linéaire du premier ordre Ils sont caractérisés par une seule variable d état x et dans la version autonome ils ont la forme ẋ = Ax, x(0) = x 0, A R, A 0 Ce modèle exprime une dynamique où le taux de (de)croissance de x est proportionnel à sa taille. L équation différentielle a la solution x(t) = ce At où c = x(0). Puisque la valeur propre λ 1 = A, l état d équilibre x = 0 est un état asymptotiquement stable pour A < 0 et instable pour A > 0. Si A < 0 alors la quantité τ = 1/A est dénotée la constante de temps. Cette quantité est une mesure du temps de réponse d un système de premier ordre. Les systèmes avec petite τ répondent vite aux entrées, ceux avec une grande τ répondent lentement. D habitude, on considère qu un système autonome est très proche à son état stable après qu un intervalle de temps égale à 4 fois la constante de temps s est écoulé. Cours de modélisation et simulation p. 26/83

27 Cours de modélisation et simulation p. 27/83 Exemple Considérons un exemple issus de la finance: soit x un capitale qui est investi à un taux d intérêt constant k. Supposons que la croissance du capital ait lieu de manière continue. L évolution du capital peut être décrite par une équation du type ẋ(t) = kx(t) où le scalaire k est le seul élément de la matrice A. Cette modélisation est très simplifié puisque elle se base sur plusieurs assomptions: par exemple le taux d intérêt est constant dans le temps et indépendant du montant.

28 Simulations k=1 k= x x t t L ensemble de trajectoires est obtenu en variant la condition initiale x0. Cours de modélisation et simulation p. 28/83

29 Cours de modélisation et simulation p. 29/83 Constant de temps 1 Constante de temps=1 x t Évolution d un système linéaire autonome d ordre 1 avec A = k = 1, x(0) = 1 et une constante de temps τ = 1.

30 Cours de modélisation et simulation p. 30/83 Portrait des phases Puisque le nombre de variables d état est n = 1 l espace des phases est unidimensionnel. Notons que il n y a que deux possible configurations: soit les trajectoires convergent sur le point fixe (k < 0), soit elles s éloignent du point fixe (k > 0).

31 Cours de modélisation et simulation p. 31/83 Systèmes autonomes du second ordre Les systèmes du second ordre sont des systèmes où l espace d état est bidimensionnel. Les trajectoires de ces systèmes dans l espace des phases sont représentées par des courbes dans le plan. Dans le cas d un système linéaire invariant du 2ème ordre, le système autonome (c.-à-d. libre et invariant) correspondant peut être écrit de la manière suivante {ẋ1 = a 11 x 1 + a 12 x 2 ẋ 2 = a 21 x 1 + a 22 x 2 ] [ [ẋ1 a11 a 12 = ẋ 2 a 21 a 22 ][ x1 x 2 ] ẋ = Ax Le système est dit non simple si deta = 0. Dans ce cas le système a aussi des points d équilibre autre que l origine. Le système est dit simple si deta 0. Dans ce cas l état (0, 0) est le seul état d équilibre du système autonome.

32 Cours de modélisation et simulation p. 32/83 Exemple Ce système peut être utilisé pour étudier l évolution de deux populations qui interagissent dans un ecosystème. Soient x 1 et x 2 le nombre des membres de la population 1 et 2, respectivement. Ceci équivaut à supposer que les taux de changement de x 1 et x 2 sont une combinaison linéaire des tailles des populations 1 et 2. Le coefficient a ij représente la contribution que la population j donne au développement de la population i. Cette action peut être constructive a ij > 0 ou destructive a ij < 0. Par exemple a 12 > 0 représente une contribution positive au taux de croissance de x 1 de la part de x 2 : la taille x 1 de la population 1 va croître autant plus rapidement que x 2 est grande. En d autres termes a 12 > 0, a 21 > 0 modélisent une situation de coopération alors que a 12 < 0, a 21 < 0 dénotent une situation de compétitivité. Le parasitisme de 2 sur 1 peut être représenté par a 12 < 0, a 21 > 0

33 Cours de modélisation et simulation p. 33/83 Les coefficients a ii représentent l effet des individus d une population sur la croissance de la population à laquelle ils appartiennent. Une valeur a ii > 0 signifie que la croissance de i est auto-soutenue, par exemple par l activité reproductive. Une valeur a ii < 0 signifie que la compétition entre individus de l espèce i porte à une réduction du taux de croissance au fur et à mesure que la taille x i augmente. Notons que un modèle linéaire implique que si une population disparaît ( x 1 = 0, x 1 = 0), le même sort est réservé à l autre population.

34 Le comportement du système autour de l origine peut être déterminé en fonction de valeurs propres de l équation caractéristique. Cours de modélisation et simulation p. 34/83 Équation caractéristique du second ordre L équation caractéristique est [ λ a11 a 12 ] A (λ) = det(λi A) = det a 21 λ a 22 = = (λ a 11 )(λ a 22 ) a 12 a 21 = λ 2 (a 11 +a 22 )λ+(a 11 a 22 a 12 a 21 ) = 0 dont les racines complexes sont Notons que λ 1,2 = (a 11 + a 22 ) ± (a 11 + a 22 ) 2 4(a 11 a 22 a 12 a 21 ) 2 tra = a 11 + a 22 = Re(λ 1 ) + Re(λ 2 ) deta = a 11 a 22 a 12 a 21 = λ 1 λ 2 = (a 11 + a 22 ) 2 4(a 11 a 22 a 12 a 21 ) = (a 11 a 22 ) 2 + 4a 12 a 21

35 Cours de modélisation et simulation p. 35/83 Solutions Théorème. Soient x (1) (t) et x (2) (t) deux solutions linéairement indépendantes du système ẋ = Ax, x R 2. Si {c 1, c 2 } est un ensemble de 2 constants (réels ou complexes) alors la solution générale peut être écrite de la manière où c 1 et c 2 dépendent de la condition initiale. x(t) = c 1 x (1) (t) + c 2 x (2) (t) Théorème. Soient x (1) (t) et x (2) (t) deux solutions linéairement independantes du système ẋ = Ax, x R 2 qui ont les vecteurs x (1) (0) et x (2) (0) comme conditions initiales. Si x(0) = c 1 x (1) (0) + c 2 x (2) (0) alors la seule solution qui a x(0) comme condition initiale est x(t) = c 1 x (1) (t) + c 2 x (2) (t)

36 Cours de modélisation et simulation p. 36/83 Rappel Deux vecteurs a et b sont linéairement indépendants si toute combinaison linéaire finie nulle de ces vecteurs a nécessairement tous ses coefficients nuls. Toute écriture d un vecteur comme combinaison linéaire de a et b est unique. Condition nécessaire et suffisante pour que n vecteurs in R n soient linéairement indépendantes est que le déterminant de la matrice où les colonnes sont les vecteurs mêmes soit non nul.

37 Cours de modélisation et simulation p. 37/83 Valeurs propres réelles et distincts Soient λ 1 et λ 2 deux racines réelles et distinctes de l équation caractéristique. Considérons un état vectoriel x(t) à l instant t tel que ẋ(t) ait la même direction que x(t), c.-à-d. ẋ(t) = Ax(t) = λx(t) Ceci signifie que le vecteur x continuera à avoir la même direction tout au long de l évolution du système. Un tel état doit satisfaire la relation Ax = λx et il est donc un vecteur propre de la matrice A. Il s ensuit que chaque état sur un vecteur propre évolue le long de ce vecteur.

38 Cours de modélisation et simulation p. 38/83 Notons que si le vecteur v R 2 est une solution du système Ax = λx alors aussi kv, k R, sera un vecteur propre. On peut montrer que (a 11 λ 1 )x 1 + a 12 x 2 = 0 est l équation de la droite qui corresponde au vecteur propre v 1 = [v 11, v 12 ] associée à λ 1 et que a 21 x 1 + (a 22 λ 2 )x 2 = 0 est l équation de la droite qui corresponde à la vecteur propre v 2 = [v 21, v 22 ] associée à λ 2. On peut montrer que si λ 1 et λ 2 sont réelles et distinctes x (1) (t) = e λ 1t v 1, x (2) (t) = e λ 2t v 2 sont deux solutions linéairements independantes du système.

39 Cours de modélisation et simulation p. 39/83 Si λ 1 et λ 2 sont réelles et distinctes la solution générale du système est x(t) = c 1 e λ 1t v 1 + c 2 e λ 2t v 2 { x1 (t) = c 1 e λ 1t v 11 + c 2 e λ 2t v 21 x 2 (t) = c 1 e λ 1t v 12 + c 2 e λ 2t v 22 où c 1 et c 2 sont deux paramètres qui doivent satisfaire la condition initiale x(t 0 ) = x 0 Le mouvement du système est composé par deux composants exponentielles par rapport au temps et indépendantes. La première est en direction du vecteur propre v 1 et la deuxième en direction du vecteur propre v 2. Ceci nous permet de visualiser qualitativement le comportement du système dynamique en fonction des valeurs propres de la matrice A. Si les deux valeurs propres sont réelles et négatives, les deux composantes du mouvement évoluent de manière exponentiellement négative en direction de l origine, où la vitesse de convergence est dictée par la taille de la valeur propre.

40 Cours de modélisation et simulation p. 40/83 Si λ 1 < λ 2 < 0 alors, pour t, e λ 1t converge vers zéro plus rapidement que e λ 2t, donc lim t x 2 (t) x 1 (t) = c 2e λ2t v 22 c 2 e λ 2t v 21 = v 22 v 21 c.-à-d. la trajectoire s aligne avec le vecteur propre v 2 qui corresponde à la trajectoire la plus lente. De la même manière si t la trajectoire s aligne avec le vecteur propre v 1 qui corresponde à la trajectoire la plus rapide. Si λ 1 > λ 2 > 0 alors pour t la trajectoire s aligne avec le vecteur propre v 1 qui corresponde à la trajectoire la plus rapide.

41 Cours de modélisation et simulation p. 41/83 Exemple Soit [ ] 1 3 ẋ = 3 1 x, x(0) = [0.5, 0]. Puisque le polynôme caractéristique est λ 2 2λ 8 = 0, les valeurs propres sont λ = 2± 36 2 = Le vecteur propre associé à λ 1 = 4 est v 1 = (v 11, v 12 ). Nous avons: { 4 2 { v11 + 3v 12 = 4v 11 { 3v12 = 3v 11 A v 1 = λ 1 v 1 3v 11 + v 12 = 4v 12 3v 11 = 3v 12 et donc v 1 = [ 1 ] 1. Le même calcul pour λ 2 donne v 2 = [ 1 ] 1.

42 Cours de modélisation et simulation p. 42/83 La forme générale de la solution x(t) = [x 1 (t), x 2 (t)] T est donc [ ] [ ] [ ] 1 1 x(t) = c 1 e 2t + c 2 e 4t c1 e 2t + c 2 e 4t = 1 1 c 1 e 2t + c 2 e 4t donc { x1 (t) = c 1 e 2t + c 2 e 4t x 2 (t) = c 1 e 2t + c 2 e 4t Puisque x(0) = [0.5, 0] la condition initiale il faut fixer les paramètres constants c 1 et c 2 de manière à satisfaire x(0) = [0.5, 0]. { c1 + c 2 = 0.5 c 1 + c 2 = 0 c 1 = c 2 = 0.25 { x1 (t) = 0.25e 2t e 4t x 2 (t) = 0.25e 2t e 4t

43 Cours de modélisation et simulation p. 43/83 L évolution temporelle des deux composantes de la solution x(t) est x 1 x t t

44 Cours de modélisation et simulation p. 44/83 L évolution temporelle de la solution x(t) dans l espace des phases est x x1

45 Cours de modélisation et simulation p. 45/83 Valeurs propres réelles et distincts Re(λ i ) < 0, i: si les deux valeurs propres sont réelles et négatives l état d équilibre est asymptotiquement stable et il est appelé un noeud stable. Re(λ i ) > 0, i : si les deux valeurs propres sont réelles et positives l état d équilibre est instable et il est appelé un noeud instable. λ 1 < 0 < λ 2 : Si l une des valeurs propres est réelle et négative alors que l autre est réelle et positive, il s ensuit que la trajectoire du système converge sur le vecteur propre associé à la valeur propre positive et procède vers l infini le long de cette direction. Dans ce cas l état d équilibre est instable et il est appelé un col ou une selle.

46 Cours de modélisation et simulation p. 46/83 Noeud stable Soit λ 1 < λ 2 < 0. Deux trajectoires sont orientées comme le vecteur propre v 1 et deux comme le vecteur propre v 2. Les autres trajectoires sont orientées comme v 1 pour t et comme v 2 pour t. v 2 v 1

47 Cours de modélisation et simulation p. 47/83 Noeud stable [ 2 1 ] A = 1 2 λ 2 = 3, v 2 = [1, 1] λ 1 = 1, v 1 = [1, 1] T λ 1 = 3, λ 2 =

48 Cours de modélisation et simulation p. 48/83 Noeud stable: interprétation En termes de dynamique des populations: a 11 < 0 et a 22 < 0 signifient que il y a compétition à l intérieur de chaque population. a 12 > 0 et a 21 > 0 signifient que il y a collaboration entre les deux populations. Toutefois λ 1 λ 2 > 0 a 11 a 22 > a 12 a 21 c.-à-d. l effet négatif dû à la compétition est supérieur à l effet bénéfique de la coopération. L évolution du système amène à l extinction des deux populations, indépendamment de l état initial.

49 Cours de modélisation et simulation p. 49/83 Noeud instable Soit λ 1 > λ 2 > 0. Deux trajectoires sont orientées comme le vecteur propre v 1 et deux comme le vecteur propre v 2. La vitesse le long de ces trajectoires dépend de la valeur absolue de λ i, i = 1, 2, donc v 1 est plus rapide que v 2 Les autres trajectoires sont orientées comme v 1 pour t et comme v 2 pour t v 2 v 1

50 Cours de modélisation et simulation p. 50/83 A = [ ] Noeud instable λ 1 = 1, v 1 = [ 1, 1] T, λ 2 = 4, v 2 = [1, 2] λ 1 =1, λ 2 =

51 Cours de modélisation et simulation p. 51/83 Noeud instable: interprétation En termes de dynamique des populations: a 11 > 0 et a 22 > 0 signifient que les deux populations sont autoentretenues. a 12 > 0 et a 21 > 0 signifient que il y a collaboration entre les deux populations. Puisque il n y a aucun frein à la croissance, l évolution du système amène à l explosion des deux populations, pour chaque état initial différent de l origine.

52 Cours de modélisation et simulation p. 52/83 Selle Soit λ 1 < 0 < λ 2. Deux trajectoires sont orientées comme le vecteur propre v 1 et deux comme le vecteur propre v 2. Les autres trajectoires sont orientées comme le vecteur propre v 1 pour t et comme v 2 pour t v 2 v 1

53 Selle Cours de modélisation et simulation p. 53/83

54 Cours de modélisation et simulation p. 54/83 A = [ ] Selle λ 1 = 11, v 1 = [3/2, 1] T, λ 2 = 4, v 2 = [ 1, 1] λ 1 =11, λ 2 =

55 Cours de modélisation et simulation p. 55/83 Selle: interprétation En termes de dynamique des populations: a 11 > 0 et a 22 > 0 signifient que les deux populations sont auto-entretenues. a 12 > 0 et a 21 > 0 signifient que il y a collaboration entre les deux populations. Toutefois, à différence du noeud instable dans ce cas deta = λ 1 λ 2 = a 11 a 22 a 12 a 21 < 0 a 11 a 22 < a 12 a 21 c.-à-d. l effet total de la coopération est supérieur à l effet total des deux auto-entretènements. Dans ce cas, c est la coopération qui pousse la croissance des deux populations.

56 Cours de modélisation et simulation p. 56/83 Système non simple Considérons le cas où deta = λ 1 λ 2 = 0 et la valeur propre λ 2 0. λ 1 = 0 : tous les états qui appartiennent à la droite a 11 x 1 + a 12 x 2 = 0 sont des états d équilibre. Aussi, toutes les trajectoires sont des droites parallèles à la droite v 2. Deux configurations sont possibles λ 2 < λ 1 = 0: ceci implique que tous les états d équilibre sont stables. 0 = λ 1 < λ 2 : ceci implique que tous les états d équilibre sont instables.

57 Cours de modélisation et simulation p. 57/83 Système non simple: λ 2 < λ 1 = 0 v 2

58 Cours de modélisation et simulation p. 58/83 Système non simple: λ 2 < λ 1 = 0 [ 0 1 ] A = 0 1 λ 1 = 0,, λ 2 = 1, v 2 = [ 1, 1] La droite des points d équilibre stables est x 2 = 0. 1 λ 1 =0, λ 2 =

59 Cours de modélisation et simulation p. 59/83 Système non simple: 0 = λ 1 < λ 2 A = [ ] λ 1 = 0, λ 2 = 1, v 2 = [1, 1] La droite des points d équilibre instables est x 2 = λ 1 =0, λ 2 =

60 Cours de modélisation et simulation p. 60/83 Valeurs propres réelles et non distincts Considérons le cas λ 1 = λ 2 = λ 0. Deux configurations peuvent avoir lieu: Matrice A diagonalisable: ceci a lieu si tous les vecteurs sont des vecteurs propres. Chaque droite qui passe par l origine est une trajectoire. Si λ < 0(> 0) nous avons la (in)stabilité asymptotique. L origine est dénommée noeud singulier. Matrice A non diagonalisable: il existe un seul vecteur propre et donc seul une droite qui contient une trajectoire. L origine est dénommée noeud dégénéré. Notons que si λ 1 = λ 2 = 0 le système est non simple, il y a une infinité de points d équilibres instables (multiplicité plus grande que 1) et toutes les trajectoires se trouvent sur des droites parallèles.

61 Cours de modélisation et simulation p. 61/83 Noeud singulier Chaque droite qui passe par l origine est une trajectoire. v 2

62 Cours de modélisation et simulation p. 62/83 Noeud singulier [ 1 0 ] A = 0 1 λ 1,2 = 1, Av = λv pour tout v λ 1 = 1, λ 2 =

63 Cours de modélisation et simulation p. 63/83 Noeud dégénéré λ 1 = λ 2 < 0 Il existe un seul vecteur propre et donc une seule droite qui contient une trajectoire rectiligne. v 2

64 Cours de modélisation et simulation p. 64/83 Noeud dégénéré [ ] 3 4 A = 1 1 λ 1,2 = 1, v 1 = v 2 = [2, 1] La matrice A n est pas diagonalisable. 1 λ 1 =1, λ 2 =

65 Cours de modélisation et simulation p. 65/83 [ ] 2 4 λ 1 = λ 2 = 0 A = 1 2 λ 1,2 = 0, v 1 = v 2 = [2, 1] λ 1 =0, λ 2 =

66 Cours de modélisation et simulation p. 66/83 Valeurs propres complexes Considérons le cas λ 1 = a + ib, λ 2 = a ib. La solution générale est { x1 (t) = c 1 e at cos(bt) + c 2 e at sin(bt) x 2 (t) = c 1 e at sin(bt) + c 2 e at cos(bt)

67 Cours de modélisation et simulation p. 67/83 Valeurs propres complexes Considérons le cas λ 1 = a + ib, λ 2 = a ib. a = 0: les trajectoires sont des ellipses fermées avec période T = 2π b. L origine est dit un centre. a < 0: le système est asymptotiquement stable et les trajectoires convergent vers l origine en suivant des spirales. L origine est dit un foyer stable. a > 0: le système est instable et les trajectoires s éloignent de l origine en suivant des spirales. L origine est dit un foyer instable. Les trajectoires peuvent spiraler autour de l origine dans le sens des aiguilles d une montre ou dans le sens anti-horaire. Notons que la possibilité d avoir des oscillations pour une fonction d entrée nulle (u = 0) est typique des systèmes linéaires.

68 Cours de modélisation et simulation p. 68/83 Centre A = [ ] λ 1,2 = ± 5i, λ 1 =5.5511e i, λ 2 =5.5511e i

69 Cours de modélisation et simulation p. 69/83 Centre: interprétation Dans le cas de racines complexes conjuguées Re(λ 1 ) + Re(λ 2 ) = 0 et λ 1 λ 2 = b 2 > 0. Il s ensuit que a 11 = a 22, c.-à-d. l effet de auto-entretenement de la population 1 est égal et de signe opposé à celui de la population 2 a 12 a 21 = a 11 a 22 λ 1 λ 2 < 0, c.-a.-d. a 12 et a 21 ont des signes opposés. Deux configuration sont donc possibles (a 11 > 0) A = [ ] a11 < 0, > 0 a 11 [ a11 > 0 < 0 a 11 ] La première configuration correspond à une situation de prédation de la population 2 sur la population 1, alors que la deuxième configuration correspond à une situation de parasitisme de la population 1 sur la population 2

70 Cours de modélisation et simulation p. 70/83 Centre: interprétation (II) Notons que dans le cas de la prédation de 2 sur 1, une augmentation excessive de la population 2 conduirait à une forte diminution de la population 1 et donc à une réduction de ses effets positifs sur la 2. De la même manière une augmentation excessive de la population 1 entraîne une augmentation de la population 2 et une augmentation de ses effets négatifs sur la croissance de 1. Le comportement qui en résulte est cyclique.

71 Foyer stable Cours de modélisation et simulation p. 71/83

72 Cours de modélisation et simulation p. 72/83 Foyer stable [ ] 1/3 2 A = 3 1 λ 1,2 = 1/3 ± 5/3 2, λ 1 = i, λ 2 = i

73 Cours de modélisation et simulation p. 73/83 Foyer stable: interprétation Cette situation diffère de la configuration centre analysée précédemment puisque a 11 a été réduit à 1/3. Il s ensuit que l effet compétition interne de la population 2 devient plus important que l effet d auto-entretènement de la population 1 Les deux populations s éteignent après une oscillation amortie avec amplitude décroissante.

74 Cours de modélisation et simulation p. 74/83 Foyer instable A = [ ] λ 1,2 = 2 ± 2i, λ 1 =2+2i, λ 2 =2 2i

75 Cours de modélisation et simulation p. 75/83 Résumé systèmes autonomes 2eme ordre La classification des points d équilibre peut être résumée de manière compacte en utilisant la trace et le déterminant de la matrice A. Puisque tr(a) = λ 1 + λ 2, det(a) = λ 1 λ 2 et l équation caractéristique peut prendre la forme (λ λ 1 )(λ λ 2 ) = λ 2 (λ 1 + λ 2 )λ + λ 1 λ 2 = λ 2 tr(a)λ + det(a) = 0 il en suit que λ 1,2 = tr(a) ± (tr(a)) 2 4 deta 2 L ensemble de cas de figure peut donc être résumé par le graphique suivant dans le domaine tr(a), deta où la parabole a équation 4 deta + tr(a) 2.

76 Cours de modélisation et simulation p. 76/83 det(a) noeuds stables NSS ou NSD Foyers stables Centres Foyers instables NIS ou NID noeuds instables Selles trace(a) NSS: noeuds stables singuliers NSD: noeuds stables degenerés NIS: noeuds instables singuliers NID: noeuds instables degenerés

77 { ẋ1 = 2x 1 + x 2 Cours de modélisation et simulation p. 77/83 Dessin qualitatif de l espace des phases Considérons un système linéaire d ordre 2, par exemple ẋ 2 = x 1 + 2x 2 et supposons vouloir tracer l espace des phases de manière qualitative, sans avoir recours à l ordinateur. Voyons les étapes à suivre: 1. Étudier la nature de l équilibre: puisque λ 1 = 1 et λ 2 = 3 l équilibre est un noeud instable. 2. Calculer les invariants: les deux vecteurs propres sont v 1 = [1; 1] T et v 2 = [1; 1] T. Les deux invariants ont pour équations x 2 = x 1 et x 2 = x Calculer les isoclines, c.-à-d. les courbes (dans ce cas les droites) sur lesquelles une des deux dérivées est nulle. Nous obtenons 2x 1 + x 2 = 0 x 2 = 2x 1 x 1 + 2x 2 = 0 x 2 = x 1 /2

78 Cours de modélisation et simulation p. 78/83 Dessin qualitatif de l espace des phase La direction des trajectoires est donc horizontale (ẋ 2 = 0) sur la droite x 2 = x 1 /2 et verticale (ẋ 1 = 0) sur la droite x 2 = 2x 1 Les isoclines partagent la plan en quatre quadrants: pour chacun d entre eux nous pouvons facilement définir la direction de la trajectoire sur la base des signes de ẋ 2 et ẋ dx /dt= dx /dt= dx /dt=0 2 + dx /dt=0 1

79 Cours de modélisation et simulation p. 79/ dx /dt= dx /dt= dx /dt=0 2 + dx /dt=0 1

80 { ẋ1 = x 1 x 2 Cours de modélisation et simulation p. 80/83 Dessin qualitatif de l espace des phases (II) Considérons un autre système ẋ 2 = x 1 x 2 qui a comme valeurs propres λ 1,2 = 1 ± i. L origine est donc un foyer stable et aucun invariant linéaire existe. Les deux isoclines ont les équations suivantes x 2 = x 1 et sur cette droite ẋ 1 = 0 et ẋ 2 = 2x 1. x 2 = x 1 et sur cette droite ẋ 2 = 0 et ẋ 1 = 2x 1.

81 Cours de modélisation et simulation p. 81/83 dx /dt=0 1 dx 2 /dt= dx 2 /dt= dx /dt=0 1

82 { ẋ1 = 2x 1 Cours de modélisation et simulation p. 82/83 Dessin qualitatif de l espace des phases (III) Considérons le système ẋ 2 = 4x 1 2x 2 L équation caractéristique a deux solutions identiques λ 1,2 = 2 auxquelles correspond le vecteur propre [0, 1] T. L origine est un noeud stable dégénéré. L invariant est donc l axe x 2 qui est aussi une des deux isoclines (ẋ 1 = 0). La deuxième isocline est la droite x 2 = 2x 1.

83 Cours de modélisation et simulation p. 83/83 dx 2 /dt=0 + dx /dt= dx /dt=0 + 2

aux différences est appelé équation aux différences d ordre n en forme normale.

aux 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 détail

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option (Public2014-B1) Résumé : On présente un exemple de système de deux espèces en compétition dans un environnement périodique.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

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

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

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

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/77 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

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

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

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

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Première partie. Deuxième partie

Première partie. Deuxième partie PC 96-97 correction épreuve X97 Première partie. f étant convexe sur l intervalle [t, t 2 ], sa courbe représentative est en dessous la corde joignant les points (t, f(t )) et (t 2, f(t 2 )). Comme f(t

Plus en détail

Sciences Po Paris 2012 Mathématiques Solutions

Sciences Po Paris 2012 Mathématiques Solutions Sciences Po Paris 202 athématiques Solutions Partie : Le modèle de althus odèle discret a Pour tout entier naturel n, on a P n+ P n = P n donc P n+ = +P n Par suite la suite P n est géométrique de raison

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

F411 - Courbes Paramétrées, Polaires

F411 - Courbes Paramétrées, Polaires 1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Notes de cours pour Programmation Bio-mathématique. Félix Naef, SSV, felix.naef@epfl.ch

Notes de cours pour Programmation Bio-mathématique. Félix Naef, SSV, felix.naef@epfl.ch Notes de cours pour Programmation Bio-mathématique Félix Naef, SSV, felix.naef@epfl.ch Semestre d été 2008 Table des matières 1 Dynamique des populations pour une espèce 1 1 Systèmes dynamiques (formalisme

Plus en détail

Résume du cours de Mécanique Analytique

Résume du cours de Mécanique Analytique Résume du cours de Mécanique Analytique jean-eloi.lombard@epfl.ch 22 janvier 2009 Table des matières 1 Équations de Lagrange 1 1.1 Calcul des variations....................... 3 1.2 Principe de moindre

Plus en détail

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01 Eo7 Dérivée d une fonction Vidéo partie. Définition Vidéo partie. Calculs Vidéo partie 3. Etremum local, théorème de Rolle Vidéo partie 4. Théorème des accroissements finis Eercices Fonctions dérivables

Plus en détail

RAPPELS DE MATHEMATIQUES. ORTHOPHONIE Première année. Dr MF DAURES

RAPPELS DE MATHEMATIQUES. ORTHOPHONIE Première année. Dr MF DAURES RAPPELS DE MATHEMATIQUES ORTHOPHONIE Première année 27 28 Dr MF DAURES 1 RAPPELS DE MATHEMATIQUES I - LES FONCTIONS A - Caractéristiques générales des fonctions B - La fonction dérivée C - La fonction

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de première ES ii Table des matières 1 Les pourcentages 1 1.1 Variation en pourcentage............................... 1 1.1.1 Calcul d une variation............................

Plus en détail

M4 OSCILLATEUR HARMONIQUE

M4 OSCILLATEUR HARMONIQUE M4 OSCILLATEUR HARMONIQUE I Modèle de l oscillateur harmonique (O.H.) I. Exemples Cf Cours I. Définition Définition : Un oscillateur harmonique à un degré de liberté x (X, θ,... ) est un système physique

Plus en détail

ORDRE DE RÉACTION : MÉTHODES DE

ORDRE DE RÉACTION : MÉTHODES DE ORDRE DE RÉACTION : MÉTHODES DE RÉSOLUTION Table des matières 1 Méthodes expérimentales 2 1.1 Position du problème..................................... 2 1.2 Dégénérescence de l ordre...................................

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

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

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

Cours de mathématiques.

Cours de mathématiques. Orsay 008-009 IFIPS S Mathématiques (M160). Cours de mathématiques. 1. Equations différentielles linéaires du second ordre. La fonction C : x cos x est indéfiniment dérivable sur R, et C (x) = S(x), avec

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

BTS Mécanique et Automatismes Industriels. Équations différentielles d ordre 2

BTS Mécanique et Automatismes Industriels. Équations différentielles d ordre 2 BTS Mécanique et Automatismes Industriels Équations différentielles d ordre, Année scolaire 005 006 . Définition Notation Dans tout ce paragraphe, y désigne une fonction de la variable réelle x. On suppose

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Chapitre 4 : Etude Energétique

Chapitre 4 : Etude Energétique Cours de Mécanique du Point matériel Chapitre 4 : Energétique SMPC1 Chapitre 4 : Etude Energétique I Travail et Puissance d une force I.1)- Puissance d une force Soit un point matériel M de vitesse!!/!,

Plus en détail

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

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

Automatique Modélisation et commande de systèmes par représentation d état

Automatique Modélisation et commande de systèmes par représentation d état Automatique Modélisation et commande de systèmes par représentation d état Marc BACHELIER - PPS5 October 30, 2013 Abstract Ce cours a pour objectif de faire découvrir des méthodes de conception de commande

Plus en détail

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7.

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7. Mathématiques pour l informatique IMAC première année - Soutien - Nombres complexes Rappels. Un nombre complexe z admet plusieurs représentations : représentation vectorielle z = (a, b) où a, b R représentation

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul 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 détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3.

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3. Algèbre 2 - L1 MIASHS/Lettres-Maths AMIRI Aboubacar UFR MIME, Université Lille 3. 10 avril 2015. Université Lille 3 1 Définitions et notations Quelques matrices particulières Matrice d une famille sur

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

Cours MP. Espaces vectoriels normés

Cours MP. Espaces vectoriels normés Table des matières Espaces vectoriels normés B. Seddoug. Médiane Sup, Oujda I Norme et distance 1 I.1 Définitions..................... 1 I.2 Evn produit.................... 12 I.3 Notions topologiques

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

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

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

Analyse des données et algèbre linéaire

Analyse des données et algèbre linéaire Analyse des données et algèbre linéaire Fondamentaux pour le Big Data c Télécom ParisTech 1/15 Machine-Learning : Une donnée x i = un ensemble de features (caractères) d un individu i x i = (x i,1,...,

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie CENTRALE PC 2000 ÉPREUVE DE MATH 2 Première partie I. A. 1. La fonction x px kx 2 = x(p kx) présente un maximum pour toute valeur de p au point d abscisse x = p p2 et il vaut 2k 2k. Conclusion : J(f) =

Plus en détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 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 détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité Introduction à l analyse des données Analyse des Données () Le but de l analyse de données est de synthétiser, structurer l information contenue dans des données multidimensionnelles Deux groupes de méthodes

Plus en détail

CONCOURS DE RECRUTEMENT D ÉLÈVES PILOTE DE LIGNE

CONCOURS DE RECRUTEMENT D ÉLÈVES PILOTE DE LIGNE ÉCOLE NATIONALE DE L AVIATION CIVILE ANNÉE 2006 CONCOURS DE RECRUTEMENT D ÉLÈVES PILOTE DE LIGNE ÉPREUVE DE MATHÉMATIQUES Durée : 2 Heures Coefficient : 1 Ce sujet comporte (dans l énoncé d origine, pas

Plus en détail

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense.

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense. 1 Feuille d exercices n o 1 1. Deuxième forme géométrique du théorème de Hahn-Banach Soient A E et B E deux convexes, non vides, disjoints (E est une espace vectoriel normé). On suppose que A est fermé

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

1 Fonctions de plusieurs variables

1 Fonctions de plusieurs variables Université de Paris X Nanterre U.F.R. Segmi Année 006-007 Licence Economie-Gestion première année Cours de Mathématiques II. Chapitre 1 Fonctions de plusieurs variables Ce chapitre est conscré aux fonctions

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs Ch01 : Matrice Les matrices ont été introduites récemment au programme des lycées. Il s agit d outils puissants au service de la résolution de problèmes spécifiques à nos classes, en particulier les problèmes

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

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012.

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012. Université Paris 6 Année universitaire 011-01 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 1 mai 01 Exercice 1 Questions de cours Soit G un groupe fini et soit p un nombre

Plus en détail

Cours de Mathématiques Seconde. Généralités sur les fonctions

Cours de Mathématiques Seconde. Généralités sur les fonctions Cours de Mathématiques Seconde Frédéric Demoulin 1 Dernière révision : 16 avril 007 Document diffusé via le site www.bacamaths.net de Gilles Costantini 1 frederic.demoulin (chez) voila.fr gilles.costantini

Plus en détail

Chapitre I. Calcul vectoriel. Nous nous placerons dorénavant toujours dans une base orthonormée directe.

Chapitre I. Calcul vectoriel. Nous nous placerons dorénavant toujours dans une base orthonormée directe. Chapitre I INTRODUCTION ATHÉATIQUE I.A. I.A.1. Calcul vectoriel Produit vectoriel Plaçons-nous dans un espace vectoriel euclidien à trois dimensions. En faisant subir des rotations identiques aux trois

Plus en détail

Représentation et analyse des systèmes linéaires Cours 3 Stabilité des systèmes dynamiques

Représentation et analyse des systèmes linéaires Cours 3 Stabilité des systèmes dynamiques Représentation et analyse des systèmes linéaires Cours 3 Stabilité des systèmes dynamiques Stabilité des systèmes dynamiques 2 ➊ Concept crucial pour la commande des systèmes dynamiques Stabilité des systèmes

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 de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

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

NOTATIONS PRÉLIMINAIRES

NOTATIONS 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 détail

Introduction à l étude des Corps Finis

Introduction 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 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

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge

Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge Le programme se compose ainsi : Rappels collège/seconde Partie STAV 1/3 Partie STAV 2/3 Partie STAV

Plus en détail

Extrema locaux (ou relatifs)

Extrema locaux (ou relatifs) Chapitre 3 Extrema locaux (ou relatifs) 3.0.77 DÉFINITION Soit f : U! R une fonction, U ouvert d un espace vectoriel normé E et a 2 U. On dit que f présente un minimum local (respectivement un maximum

Plus en détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

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

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

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

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Autour du cardinal d un ensemble de matrices binaires

Autour du cardinal d un ensemble de matrices binaires Autour du cardinal d un ensemble de matrices binaires Adrien REISNER 1 Abstract. We here study a couple of algebraic and analytic properties of certain binary matrices in the spaces M n(r). In particular,

Plus en détail

Anneaux, algèbres. Chapitre 2. 2.1 Structures

Anneaux, algèbres. Chapitre 2. 2.1 Structures Chapitre 2 Anneaux, algèbres 2.1 Structures Un anneau est un ensemble A muni de deux opérations internes + et et d éléments 0 A et 1 A qui vérifient : associativité de l addition : commutativité de l addition

Plus en détail

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

Espaces vectoriels. par Pierre Veuillez

Espaces vectoriels. par Pierre Veuillez Espaces vectoriels par Pierre Veuillez 1 Objectifs : Disposer d un lieu où les opérations + et se comportent bien. Déterminer des bases (utilisation de la dimension) Représenter les vecteurs grace à leurs

Plus en détail

LES DÉTERMINANTS DE MATRICES

LES DÉTERMINANTS DE MATRICES LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

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

Systèmes dynamiques. Chapitre 1

Systèmes dynamiques. Chapitre 1 Chapitre 1 Systèmes dynamiques 1) Placement financier On dépose une quantité d argent u 0 à la banque à l instant t 0 = 0 et on place cet argent à un taux r > 0. On sait qu en vertu de la loi des intérêts

Plus en détail

Corrigé du baccalauréat S Polynésie juin 2004

Corrigé du baccalauréat S Polynésie juin 2004 Durée : 4 heures Corrigé du baccalauréat S Polynésie juin 4 EXERCICE Commun à tous les candidats 4 points. X suit la loi de durée de vie sans vieillissement ou encore loi eponentielle de paramètre λ ;

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples, Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très

Plus en détail