Université Paris-Dauphine Ceremade. Introduction aux méthodes particulaires. François BOLLEY
|
|
- Geneviève St-Denis
- il y a 7 ans
- Total affichages :
Transcription
1 Université Paris-Dauphine Ceremade o Introduction aux méthodes particulaires o François BOLLEY
2 I - Les équations d Euler incompressibles : modèle macroscopique, particules déterministes II - L équation de Vlasov-Fokker-Planck : modèle cinétique, particules stochastiques
3 I - Les équations d Euler incompressibles 1 - Présentation des équations Modèle mathématique décrivant le mouvement macroscopique d un fluide idéal incompressible. Phénomènes macroscopiques : fluide = continuum d éléments de fluide Etat du fluide décrit par les propriétés des éléments de fluides, les champs macroscopiques u(t, x) (vitesse), ρ = ρ(t, x) (densité),... Moyennes de quantités microscopiques : u(t, x) = 1 N(x) u i N(x)
4 Obtention des équations : Fluide : ensemble D de R 2 ou R 3 Flot : application Φ t de D dans D : position initiale position à l instant t Mouvement incompressible : volume (V t ) = volume (V 0 ) si V t = Φ t (V 0 ) Champ de densité de fluide : ρ = ρ(t, x) où ρ(t, x) dx est la masse de fluide au temps t dans l élement de fluide dx en x Conservation de la masse : ρ(y, t) dy = ρ(x, 0) dx V t V 0 Or, avec y = Φ t (x), ρ(y, t) dy = ρ(φ t (x), t) dφ t(x) dx = ρ(φ t (x), t) dx. V t V 0 dx V 0 Comme V est arbitraire, ρ(φ t (x), t) = ρ(x, 0) : densité constante sur chaque trajectoire. On supposera qu elle est uniforme, égale à 1.
5 Vitesse d une particule : dφ t(x) Champ de vitesse : u(t, y) = dφ t(x) si y = Φ t (x). Connaître le champ de vitesse u(t) en tout temps revient à connaître le flot Φ t en tout temps Description eulérienne / lagrangienne du fluide Mouvement du fluide déterminé par l interaction entre éléments du fluide produite par l incompressibilité Force : il existe une fonction p = p(t, x) réelle telle que d2 Φ t 2 (x) = p(t, Φ t(x)). Or De là : d 2 Φ t (x) = d 2 u(t, Φ t(x)) = u t (t, Φ t(x)) + dφ t (x) u(t, Φ t(x)) ( u ) = t + u u (t, Φ t (x)) u (t, y) + u u(t, y) = p(t, y) t
6 Incompressibilité : 0 = div u = 3 u i x i Condition au bord : u tangent au bord si D est borné valeur asymptotique de u si D n est pas borné Cas simple où D = R 2 : u t + u u = p, t > 0, x R2 div u = 0, t > 0, x R 2 u(t, x) 0, x + On écrit ces équations en fonction seulement du champ réel de vorticité ω(t, x) = rot u(t, x) = u 2 x 1 u 1 x 2
7 ( ψ La condition div u = 0 implique u = ψ =, ψ ) x 2 x 1 où de manière générale y = (y 2, y 1 ) si y = (y 1, y 2 ). De là ψ = ω : équation de Poisson La solution Ψ nulle à l infini est où c est-à-dire où Ψ(x) = R 2 G(x y) ω(y) dy G(x) = 1 ln x 2π u(x) = K(x y) ω(y) dy R 2 K(x) = 1 x 2π x 2. K(x y) champ de vitesse créé en x par un tourbillon d intensité ω(y) = 1 en y.
8 Connaître le champ de vitesse u t = u(t,.) en tout temps revient à connaître le champ de vorticité ω t = ω(t,.) en tout temps. La vorticité vérifie soit soit encore ω t + (u ) ω = 0, d ω(t, Φ t(x)) = 0 ω(t, Φ(t)) = ω(0, x). t > 0, x R2 La vorticité est conservée le long des trajectoires.
9 2 - Approximation particulaire : la méthode des tourbillons Elle consiste à approcher la solution ω t (x) par un profil de vorticité ˆω I t (x) = i I a i δ(x x i (t)). On part d une donnée initiale ˆω I 0(x) = i I a i δ(x x i (0)) qui approche la donnée initiale ω 0 (x). Questions : 1. choix des a i et x i (0), 2. évolution des x i (t), 3. évaluation de l erreur commise. 1. Construction de la donnée initiale : choix des a i et x i (0) Si par exemple le support de ω 0 est compact on le découpe en carrés de côté h : pour i = (i 1, i 2 ) Z 2 on pose par exemple x i (0) = h i = (h i 1, h i 2 ) et a i = h 2 ω 0 (x i ). Ainsi I = {i Z 2, x i support(ω 0 )}. On peut également tirer les x i aléatoirement : voir partie II.
10 2. Evolution des x i (t) Le profil de vorticité ˆω t I (x) = a j I j δ(x x j (t)) induit le champ de vitesse û I t (x) = K(x y) ˆω I t (y) dy = a j K(x x j (t)). R 2 j I En particulier û I t (x i (t)) = j I a j K(x i (t) x j (t)) donc x i (t) doit évoluer selon dx i (t) = j I a j K(x i (t) x j (t)) = j I 1 (x i (t) x j (t)) a j 2π x i (t) x j (t). 2 Pour j = i cela pose un problème, on considère alors dx i (t) = j i 1 (x i (t) x j (t)) a j 2π x i (t) x j (t). 2 Ceci revient à dire que l influence d un tourbillon sur lui-même est nulle : dans R 2, un tourbillon seul est fixe, ce qui n est pas le cas en présence d un bord.
11 Le problème x j (t) = x i (t) : effondrement en temps fini pour des a i de signe différent ; grandes vitesses pour x j (t) proche de x i (t). Régularisation du noyau K en un noyau K α = χ α K Evolution des x i (t) : dx i (t) = j i a j K α (x i (t) x j (t)) = K α ˆω I t (x i (t)) Remarque : Si ˆω I,α t (x) = j I a j χ α (x j (t)) = χ α ˆω I t (x), alors K α ˆω I t = (K χ α ) ˆω I t = K (χ α ˆω I t ) = K ˆω I,α t. Ainsi les x i (t) évoluent dans le champ de vitesse K α ˆω t I, qui est donc égal au champ de vitesse créé par les tourbillons a j χ α (x x j (t)), centrés en x j (t) et de taille (α) donnée par la fonction χ α.
12 3. Evaluation de l erreur commise : au niveau des champs de vorticité : on a remplacé la solution ω t (x) obtenue à partir de ω 0 (x) par la vorticité ˆω I t (x) construite à partir des points x i (t) ; au niveau des champs de vitesse : on a remplacé le champ de vitesse u t (x) = K ω t (x) correspondant à ω t (x) par le champ de vitesse û I t (x) = K α ˆω I t ; au niveau des trajectoires : on a remplacé les trajectoires Φ t (x i (0)) construites à partir du champ de vitesse u t par les trajectoires x i (t). Par exemple : pour tout s > 0 et T 0 il existe une constante C telle que sup u t (x) û I t (x) + max Φ t (x i (0)) x i (t) C ( x R 2 i I α s α + h2 α ), 0 t T. Preuve fondée sur des estimations de Φ t (x i (0)) x i (t), comme on le retrouvera dans la partie II. 4. Etape suivante : discrétisation en temps x n+1 i x n 1 i 2τ = j a j K α (x n i x n j ), n 1, i J
13 II - L équation de Vlasov-Fokker-Planck 1 - Présentation de l équation Modèle cinétique de l évolution de la distribution d un gaz : position et vitesse En un point de l espace, les particules peuvent avoir différentes vitesses. Un élément de fluide est repéré par sa position et sa vitesse Densité dans l espace des positions et vitesses : f t (x, v) où f t (x, v) dx dv est la masse de fluide à l instant t dans l élément dx dv en (x, v). Solution d une équation de transport et diffusion : f t t + v xf t x U x ρ t v f t = v f t + λ v (vf t ), t > 0, x, v R 3 où ρ t (x) = f t (x, v) dv est la densité dans l espace des positions. R 3
14 Interprétation : un élément de fluide initialement en (x(0), v(0)) sera à l instant t en (x(t), v(t)) où dx(t) = v(t) dv(t) = 2 db(t) λ v(t) x U x ρ t (x(t)). B = B(t) est un processus de Wiener (ou mouvement brownien) sur R 3. De manière abstraite on pose y(t) = (x(t), v(t)) R 6 : y(t) est alors solution de dy(t) = σ db(t) + b(y(t)) + c f t (y(t)). A chaque instant t, y(t) est une variable aléatoire dans R 6. La probabilité qu elle soit dans l ensemble A est f t (z) dz où z = (x, v) : la distribution du gaz f t est la R 6 distribution de présence de la variable y(t). y(t) évolue dans un champ de force généré par sa distribution f t.
15 2 - Approximation particulaire Elle consiste à approcher la solution f t (x) par un profil ˆf N t (x) = a i δ(x x i (t)). On part d une donnée initiale ˆf N 0 (x) = initiale f 0 (x). a i δ(x x i (0)) qui approche la donnée Questions : 1. choix des a i et x i (0), 2. évolution des x i (t), 3. évaluation de l erreur commise. 1. Construction de la donnée initiale : choix des a i et x i (0) On prend a i = 1/N, et x i (0) N variables aléatoires indépendantes de distribution f 0. Pour N grand, au niveau des observables 1 n ϕ(x i (0)) ϕ(z) f 0 (z) dz R 6
16 2. Evolution des x i (t) Le point y(t) du fluide évolue selon dy(t) = σ db(t) + b(y(t)) + c f t (y(t)), dans le champ de force créé par la distribution du fluide f t dans R 6. Dans le cadre discret où le fluide est remplacé par seulement les N points x i (t), l analogue de la distribution f t est la mesure empirique ˆf N t (x) = 1 N δ(x x i (t)). En effet A ˆf N t (x) dx est bien la proportion de points x i (t) dans l ensemble A. On fait donc évoluer les points x i (t) dans le champ de force créé par cette mesure, soit selon dx i (t) = σ db(t) + b(x i (t)) + c ˆf N t (x i (t)), i = 1,..., N.
17 Prenant différents processus de Wiener ceci s écrit dx i (t) = σ db i(t) + b(x i (t)) + 1 N c(x i (t) x j (t)), i = 1,..., N. D après H. McKean, A.-S. Sznitman, H. Tanaka,..., à t fixé 1 E ϕ(x i (t)) ϕ(x) f t (x) dx 0 quand N + N R 6 Etant donnée une erreur ε, peut-on estimer [ 1 P N ] ϕ(x i (t)) ϕ(x) f t (x) dx > ε R 6 en fonction du nombre N de particules (optique numérique)?
18 Par exemple, sous une hypothèse de moment exponentiel carré sur la donnée initiale f 0 (F. B., A. Guillin, C. Villani) [ P sup 0 t 1 sup [ϕ] lip 1 1 N ] ϕ(x i (t)) ϕ(x) f t (x) dx > ε R 6 pour ε > 0, N N 0 (ε) explicite. Autrement dit [ ( 1 P sup d 0 t 1 N ) ] δ(x i (t)), f t > ε pour ε > 0, N N 0 (ε), où d(µ, ν) = sup ϕ dµ ϕ dν = [ϕ] lip 1 R 6 R 6 K N ε2 e K N ε2 e inf E X Y X µ,y ν est une distance mesurant la convergence faible des mesures de probabilité.
19 Application : approximation de la densité de f t sur R 6 On régularise ˆf N t avec (x) en N,α ˆf t (x) dx où ˆf N,α t (x) = (χ α ˆf N t )(x) = 1 N χ α (x x i (t)) χ α (x) = 1 α χ( x) 6 α Alors P [ sup y R 6 ] N,α ˆf t (y) f t (y) > ε K N ε2d+4 e pour tout ε > 0, N N 0 (ε) et pour α = L ε (ou pour α = α(n)). Approximation du profil limite f quand t tend vers +
20 Idée de preuve : 1. Les points x i (t) évoluent selon dx i (t) = σ db i(t) + b(x i (t)) + c ˆf N t (x i (t)), i = 1,..., N. Propagation du chaos : quand N devient grand les x i (t) tendent à se comporter comme des processus indépendants : plus précisément comme les processus y i (t) tels que y i (0) = x i (0) et évoluant selon dy i (t) = σ db i(t) + b(y i (t)) + c f t (y i (t)), i = 1,..., N. On quantifie ce comportement en évaluant les quantités x i (t) y i (t) : on obtient ( 1 sup d 0 t 1 N ) ( 1 δ(x i (t)), f t C sup d 0 t 1 N δ(y i (t)), f t ).
21 2. Les variables y i (t) sont indépendantes et de loi commune f t : on est donc amené à comparer la mesure empirique de N variables indépendantes avec leur loi commune. Pour cela on dispose de résultats généraux. Par exemple si R 6 e a x 2 [ P ϕ df t 1 N ] ϕ(y i (t)) > ε e KNε2, ε > 0, N 1 f t (x) dx < + pour un a > 0 Djellout-Guillin-Wu, B.-Villani, Gozlan Uniformément sur les observables ϕ : [ P d(f t, 1 N ] δ(y i (t))) > ε [ = P sup [ϕ] 1 ϕ df t 1 N ] ϕ(y i (t)) > ε e KNε2 pour ε > 0, N N 0 (ε), sous la même hypothèse
22 3. On en déduit [ P sup d(f t, 1 0 t T N ] δ(y i (t))) > ε e KNε2 pour ε > 0, N N 0 (ε), puis [ P sup d(f t, 1 0 t T N ] δ(x i (t))) > ε [ P sup d(f t, 1 0 t T N ] δ(y i (t))) > ε/c e K Nε 2 pour ε > 0, N N 0 (ε). On peut également étudier les propriétés des trajectoires (y(t)) 0 t T sur un intervalle de temps [0, T ] donné. et (x i (t)) 0 t T
Amphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailLimite de champ moyen
Limite de champ moyen Cours de DEA, 2001-2002 Cédric Villani UMPA, ESL 46 allée d Italie 69364 Lyon Cedex 07 cvillani@umpa.ens-lyon.fr 2 CHAPITRE 0 Ce document constitue le support écrit pour un cours
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailF411 - 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détail(Ir)réversibilité et entropie
Séminaire Poincaré XV Le Temps (2010) 17 75 Séminaire Poincaré (Ir)réversibilité et entropie Cédric Villani Université de Lyon & Institut Henri Poincaré 11 rue Pierre et Marie Curie 75231 Paris Cedex 05,
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en 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 détailChapitre 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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailTests semi-paramétriques d indépendance
Tests semi-paramétriques d indépendance Bernard Colin et Ernest Monga Département de Mathématiques Université de Sherbrooke Sherbrooke J1K-2R1 (Québec) Canada Rapport de recherche N o 139 Abstract Let
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en 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 détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail3ème séance de Mécanique des fluides. Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait. 2 Écoulements potentiels
3ème séance de Mécanique des fluides Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait 1 Généralités 1.1 Introduction 1.2 Équation d Euler 1.3 Premier théorème de Bernoulli 1.4
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailCours d électricité. Introduction. Mathieu Bardoux. 1 re année. IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie
Cours d électricité Introduction Mathieu Bardoux mathieu.bardoux@univ-littoral.fr IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie 1 re année Le terme électricité provient du grec ἤλεκτρον
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 détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailAOT 13. et Application au Contrôle Géométrique
AOT 13 Géométrie Différentielle et Application au Contrôle Géométrique Frédéric Jean Notes de cours Édition 2011/2012 ii Table des matières 1 Variétés différentiables 1 1.1 Variétés différentiables............................
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailCONCOURS COMMUN 2010 PHYSIQUE
CONCOUS COMMUN SUJET A DES ÉCOLES DES MINES D ALBI, ALÈS, DOUAI, NANTES Épreuve de Physique-Chimie (toutes filières) Corrigé Barème total points : Physique points - Chimie 68 points PHYSIQUE Partie A :
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailAnalyse et Commande des Systèmes Non Linéaires
Analyse et Commande des Systèmes Non Linéaires J. Lévine Centre Automatique et Systèmes école des Mines de Paris 35 rue Saint Honoré 77305 Fontainebleau Cedex E-mail : Jean.Levine@ensmp.fr Mars 2004 2
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailMATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés
MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés Département GPI 1ère année Avril 2005 INPT-ENSIACET 118 route de Narbonne 31077 Toulouse cedex 4 Mail : Xuan.Meyer@ensiacet.fr
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailLes mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailPRÉCIS DE SIMULATION
PRÉCIS DE SIMULATION P. Del Moral Centre INRIA Bordeaux Sud-Ouest & Institut de Mathématiques de Bordeaux Université Bordeaux I, 351, cours de la Libération 33405 Talence, France Table des matières 1
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailCours d Analyse I et II
ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Cours d Analyse I et II Sections Microtechnique & Science et génie des matériaux Dr. Philippe Chabloz avril 23 Table des matières Sur les nombres. Les nombres
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailIntégration 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 détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en 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 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 détailEquations Différentielles
IFIPS S4 Université Paris XI Equations Différentielles Cours et Exercices Jean-Luc Raimbault raimbault@lptp.polytechnique.fr 2007 2 Dans ce petit cours sur les équations différentielles, on vous propose
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
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 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 détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
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 détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailTIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES
Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailIntroduction. aux équations différentielles. et aux dérivées partielles
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailDynamique des protéines, simulation moléculaire et physique statistique
Dynamique des protéines, simulation moléculaire et physique statistique Gerald R. Kneller kneller@llb.saclay.cea.fr, kneller@cnrs-orleans.fr Université d Orléans Laboratoire Léon Brillouin, CEA Saclay
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détail