L’analyse fonctionnelle, le secret le mieux gardé des bons gestionnaires de p...PMI-Montréal
La présentation portera sur une description de la méthodologie d’analyse fonctionnelle, qui a pour but de bien comprendre et documenter les besoins-clients, dans le but de réaliser un projet le mieux enligné possible sur ces besoins et de livrer ce que le client s’attendait à avoir. Les 5 étapes de la méthodologie seront présentées.
Cours dispensé à l'IUT de l'Indre sur la base des systèmes à microprocesseur
Objectif principal : démystifier le travail du compilateur en analysant le résultat de compilation d'un programme à l'issue de quelques séances de programmation en assembleur IA32.
L’analyse fonctionnelle, le secret le mieux gardé des bons gestionnaires de p...PMI-Montréal
La présentation portera sur une description de la méthodologie d’analyse fonctionnelle, qui a pour but de bien comprendre et documenter les besoins-clients, dans le but de réaliser un projet le mieux enligné possible sur ces besoins et de livrer ce que le client s’attendait à avoir. Les 5 étapes de la méthodologie seront présentées.
Cours dispensé à l'IUT de l'Indre sur la base des systèmes à microprocesseur
Objectif principal : démystifier le travail du compilateur en analysant le résultat de compilation d'un programme à l'issue de quelques séances de programmation en assembleur IA32.
Séries de Fourier complexes, Transformées de Fourier, Spectres d’amplitude et de phases, Relation d’indéterminatoin d’Heisenberg-Gabor, Produit de convolution, Théorème de convolution, Impulsion de Dirac, Éléments sur les distributions
Matrices, opérations élémentaires (addition, produit, transposition), déterminant, inverse, méthodes d'inversion, lien avec les systèmes d'équations linéaires, résolution des systèmes d'équations linéaires, système de Cramer
SUITES ET SÉRIES NUMÉRIQUES
VARIATION DES SUITES
CONVERGENCE DES SÉRIES NUMÉRIQUES
SÉRIES DE FONCTIONS
SÉRIES ENTIÈRES
Développement en séries entières
In previous works, we have proposed a local dissimilarity map (LDM) in order
to compare images. In this research, we show how the LDM can be applied in the
field of symbol recognition. A global dissimilarity measure (GDM) is obtained
from the LDM. This versatile allow to measure symetric as well as asymetric
similarities. A matcher is derived by summing the values of the LDM. The
obtained matcher is compared to the chamfer matching. Its properties are
related to the human similarity judgement from Tversky results. It is tested
on the grec2005 symbol recognition database. Good to excellent results are
obtained without any knowledge on images, and no pre-processing nor
segmentation involved.
Newsletter SPW Agriculture en province du Luxembourg du 03-06-24BenotGeorges3
Les informations et évènements agricoles en province du Luxembourg et en Wallonie susceptibles de vous intéresser et diffusés par le SPW Agriculture, Direction de la Recherche et du Développement, Service extérieur de Libramont.
https://agriculture.wallonie.be/home/recherche-developpement/acteurs-du-developpement-et-de-la-vulgarisation/les-services-exterieurs-de-la-direction-de-la-recherche-et-du-developpement/newsletters-des-services-exterieurs-de-la-vulgarisation/newsletters-du-se-de-libramont.html
Bonne lecture et bienvenue aux activités proposées.
#Agriculture #Wallonie #Newsletter #Recherche #Développement #Vulgarisation #Evènement #Information #Formation #Innovation #Législation #PAC #SPW #ServicepublicdeWallonie
M2i Webinar - « Participation Financière Obligatoire » et CPF : une opportuni...M2i Formation
Suite à l'entrée en vigueur de la « Participation Financière Obligatoire » le 2 mai dernier, les règles du jeu ont changé !
Pour les entreprises, cette révolution du dispositif est l'occasion de revoir sa stratégie de formation pour co-construire avec ses salariés un plan de formation alliant performance de l'organisation et engagement des équipes.
Au cours de ce webinar de 20 minutes, co-animé avec la Caisse des Dépôts et Consignations, découvrez tous les détails actualisés sur les dotations et les exonérations, les meilleures pratiques, et comment maximiser les avantages pour les entreprises et leurs salariés.
Au programme :
- Principe et détails de la « Participation Financière Obligatoire » entrée en vigueur
- La dotation : une opportunité à saisir pour co-construire sa stratégie de formation
- Mise en pratique : comment doter ?
- Quelles incidences pour les titulaires ?
Webinar exclusif animé à distance en coanimation avec la CDC
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La JeunesseOscar Smith
Besoin des conseils pour les Jeunes ? Le document suivant est plein des conseils de la Vie ! C’est vraiment un document conseil de la jeunesse que tout jeune devrait consulter.
Voir version video:
➡https://youtu.be/7ED4uTW0x1I
Sur la chaine:👇
👉https://youtube.com/@kbgestiondeprojets
Aimeriez-vous donc…
-réussir quand on est jeune ?
-avoir de meilleurs conseils pour réussir jeune ?
- qu’on vous offre des conseils de la vie ?
Ce document est une ressource qui met en évidence deux obstacles qui empêchent les jeunes de mener une vie épanouie : l'inaction et le pessimisme.
1) Découvrez comment l'inaction, c'est-à-dire le fait de ne pas agir ou d'agir alors qu'on le devrait ou qu'on est censé le faire, est un obstacle à une vie épanouie ;
> Comment l'inaction affecte-t-elle l'avenir du jeune ? Que devraient plutôt faire les jeunes pour se racheter et récupérer ce qui leur appartient ? A découvrir dans le document ;
2) Le pessimisme, c'est douter de tout ! Les jeunes doutent que la génération plus âgée ne soit jamais orientée vers la bonne volonté. Les jeunes se sentent toujours mal à l'aise face à la ruse et la volonté politique de la génération plus âgée ! Cet état de doute extrême empêche les jeunes de découvrir les opportunités offertes par les politiques et les dispositifs en faveur de la jeunesse. Voulez-vous en savoir plus sur ces opportunités que la plupart des jeunes ne découvrent pas à cause de leur pessimisme ? Consultez cette ressource gratuite et profitez-en !
En rapport avec les " conseils pour les jeunes, " cette ressource peut aussi aider les internautes cherchant :
➡les conseils pratiques pour les jeunes
➡conseils pour réussir
➡jeune investisseur conseil
➡comment investir son argent quand on est jeune
➡conseils d'écriture jeunes auteurs
➡conseils pour les jeunes auteurs
➡comment aller vers les jeunes
➡conseil des jeunes citoyens
➡les conseils municipaux des jeunes
➡conseils municipaux des jeunes
➡conseil des jeunes en mairie
➡qui sont les jeunes
➡projet pour les jeunes
➡conseil des jeunes paris
➡infos pour les jeunes
➡conseils pour les jeunes
➡Quels sont les bienfaits de la jeunesse ?
➡Quels sont les 3 qualités de la jeunesse ?
➡Comment gérer les problèmes des adolescents ?
➡les conseils de jeunes
➡guide de conseils de jeunes
Étude des fonctions à plusieurs variables (GEII MA32)
1. MA32 (GEII - S3)
D - F ONCTIONS À PLUSIEURS VARIABLES
F. Morain-Nicolier
frederic.nicolier@univ-reims.fr
2013 - 2014 / URCA - IUT Troyes
1 / 62
2. O UTLINE
1. F ONCTIONS À PLUSIEURS VARIABLES
2. I NTÉGRALES MULTIPLES ( DOUBLES )
2 / 62
3. 1.1. D ÉFINITION ET EXEMPLES
On appelle fonction de plusieurs variables de Rn dans R,
d’ensemble de définition D ⊆ R, toute application définie
par :
f : D ⊆ Rn
(x1 , x2 , . . . , xn )
→R
→ f (x1 , x2 , . . . , xn )
1. figs/MA32-4.pdf
3 / 62
4. 1.1. D ÉFINITION ET EXEMPLES
On appelle fonction de plusieurs variables de Rn dans R,
d’ensemble de définition D ⊆ R, toute application définie
par :
f : D ⊆ Rn
(x1 , x2 , . . . , xn )
→R
→ f (x1 , x2 , . . . , xn )
La détermination du domaine de définition est essentielle !
Exemples : équations aux dérivées partielles (EDP) :
Schrödinger, Maxwell, propagation des ondes, de la
chaleur (Fourier), mécaniqugraphe2xy 1 e des fluides
(Navier-Stokes), relativité générale, . . .
1. figs/MA32-4.pdf
4 / 62
5. 1.2. G RAPHES
Soit f : D ⊆ R2 → R, une fonction à deux variables.
graphe : ensembles de points (x, y, f (x, y)).
y = f (x) : représente une courbe (C) dans le plan
z = f (x, y) : représente une surface (S) dans l’espace 3D.
5 / 62
6. 1.2. G RAPHES
Soit f : D ⊆ R2 → R, une fonction à deux variables.
graphe : ensembles de points (x, y, f (x, y)).
y = f (x) : représente une courbe (C) dans le plan
z = f (x, y) : représente une surface (S) dans l’espace 3D.
Difficile à représenter
graphes des sections x = K, y = K et z = K
6 / 62
7. 1.2. G RAPHES : EXEMPLE 1
Soit f (x, y) = x2 y.
7 / 62
8. 1.2. G RAPHES : EXEMPLE 1
Soit f (x, y) = x2 y.
F IGURE : Graphe de fK (y) = K2 y
8 / 62
9. 1.2. G RAPHES : EXEMPLE 1
Soit f (x, y) = x2 y.
F IGURE : Graphe de fK (x) = Kx
9 / 62
10. 1.2. G RAPHES : EXEMPLE 1
Soit f (x, y) = x2 y.
F IGURE : Graphe de f (x, y) = x2 y
10 / 62
11. 1.2. G RAPHES : EXEMPLE 2
Soit f (x, y) = x2 + y2 .
11 / 62
12. 1.2. G RAPHES : EXEMPLE 2
Soit f (x, y) = x2 + y2 .
F IGURE : Graphe de f (x, y) = x2 + y2
12 / 62
13. 1.2. G RAPHES : EXEMPLE 3
2 +y2 )
Soit f (x, y) = xe−(x
.
13 / 62
14. 1.2. G RAPHES : EXEMPLE 3
2 +y2 )
Soit f (x, y) = xe−(x
.
F IGURE : Graphe de f (x, y) = xe−(x
2 + y2 )
14 / 62
15. 1.2. G RAPHES : EXEMPLE 3
2 +y2 )
Soit f (x, y) = xe−(x
.
F IGURE : Graphe de f (x, y) = K
15 / 62
17. 1.3. L IMITE ET CONTINUITÉ
Soit M0 un point du domaine de définition D d’une fonction f à
plusieurs variables.
D ÉFINITION f est continue en M0 ssi
1. f est définie au voisinage de M0 ,
2. f (M) tend vers f (M0 ) lorsque M tend vers M0 .
17 / 62
18. 1.4. D ÉRIVÉES PARTIELLES - D ÉFINITIONS
Comment varient les valeurs de f ?
⇒ Concept de dérivées partielles.
18 / 62
19. 1.4. D ÉRIVÉES PARTIELLES - D ÉFINITIONS
Comment varient les valeurs de f ?
⇒ Concept de dérivées partielles.
D ÉFINITION Soit f (x, y) une fonction définie dans R2 , on
appelle dérivée partielle de f par rapport à x, la
fonction obtenue en dérivant f (x, y) par rapport à
x et en considérant y constant.
On note cette dérivée partielle :
∂f
∂
ou
f
∂x
∂x
19 / 62
20. 1.5. D ÉRIVÉE D ’ ORDRE SUPÉRIEUR À 1 - T HÉORÈME
DE S CHARTZ
Raisonnons avec deux variables.
Si les dérivées partielles de f existent et sont dérivables sur
D, leurs dérivées partielles sont pour f des dérivées
partielles secondes.
20 / 62
21. 1.5. D ÉRIVÉE D ’ ORDRE SUPÉRIEUR À 1 - T HÉORÈME
DE S CHARTZ
Raisonnons avec deux variables.
Si les dérivées partielles de f existent et sont dérivables sur
D, leurs dérivées partielles sont pour f des dérivées
partielles secondes.
∂f
∂x
dérivable ⇒
∂2 f
∂x2
∂f
∂y
dérivable ⇒
∂2 f
∂x∂y
et
∂2 f
∂y∂x .
et
∂2 f
.
∂y2
Attention à la disposition des variables ! !
E XEMPLE f (x, y) = ex ln y + sin(xy).
21 / 62
22. 1.5. D ÉRIVÉE D ’ ORDRE SUPÉRIEUR À 1 - T HÉORÈME
DE S CHARTZ
T HÉORÈME (de Schwartz)
∂2 f
∂2 f
Si ∂y∂x et ∂x∂y sont continues en M = (x, y) alors
∂2 f
∂2 f
=
∂y∂x
∂x∂y
⇒ L’ordre des dérivées partielles n’importe pas.
22 / 62
24. 1.6. D IFFÉRENTIELLES
Rappelons la notion de différentielle pour une fonction à
une variable f (x).
⇒ différentielle de f = produit de la dérivée par la différentielle
de la variable :
df = f (x)dx.
24 / 62
25. 1.6. D IFFÉRENTIELLES
Rappelons la notion de différentielle pour une fonction à
une variable f (x).
⇒ différentielle de f = produit de la dérivée par la différentielle
de la variable :
df = f (x)dx.
(Généralisation à plusieurs dimensions)
différentielle de f = somme des produits entre les dérivées
partielles et les différentielles des variables.
Exemple (à deux variables)
df =
∂f
∂f
dx + dy.
∂x
∂y
25 / 62
26. 1.7 A NALYSE VECTORIELLE
C’est l’analyse des champs (i.e. espaces) tensoriels.
26 / 62
27. 1.7 A NALYSE VECTORIELLE
C’est l’analyse des champs (i.e. espaces) tensoriels.
tenseur d’ordre 1 : champ scalaire. À chaque point de l’espace
est associé un nombre (ex. température, pression, . . . ).
tenseur d’ordre 2 : champ vectoriel. À chaque point de
l’espace est associé un vecteur (ex. gravité, champ
électromagnétique).
tenseur d’ordre 3 : champ matriciel. À chaque point de
l’espace est associé une matrice (ex. contraintes, déformation).
27 / 62
28. 1.7 A NALYSE VECTORIELLE
C’est l’analyse des champs (i.e. espaces) tensoriels.
tenseur d’ordre 1 : champ scalaire. À chaque point de l’espace
est associé un nombre (ex. température, pression, . . . ).
tenseur d’ordre 2 : champ vectoriel. À chaque point de
l’espace est associé un vecteur (ex. gravité, champ
électromagnétique).
tenseur d’ordre 3 : champ matriciel. À chaque point de
l’espace est associé une matrice (ex. contraintes, déformation).
On définit des opérations sur ces champs : gradient,
divergence et rotationnel.
Très utilisé en électromagnétisme (équations de Maxwell), mécanique
des fluides, propagation, . . .
28 / 62
29. 1.7 A NALYSE VECTORIELLE : GRADIENT
Indique de quelle façon le champ varie dans l’espace. Il est
donc défini à partir des dérivées partielles. C’est un vecteur.
29 / 62
30. 1.7 A NALYSE VECTORIELLE : GRADIENT
Indique de quelle façon le champ varie dans l’espace. Il est
donc défini à partir des dérivées partielles. C’est un vecteur.
Soit f une fonction à trois variables :
f : D ⊆ R3
(x, y, z)
→ R,
→ f (x, y, z).
30 / 62
31. 1.7 A NALYSE VECTORIELLE : GRADIENT
Indique de quelle façon le champ varie dans l’espace. Il est
donc défini à partir des dérivées partielles. C’est un vecteur.
Soit f une fonction à trois variables :
f : D ⊆ R3
→ R,
→ f (x, y, z).
(x, y, z)
Le gradient est un opérateur qui s’applique à un champ de
scalaires et le transforme en un champ de vecteurs :
grad f =
∂f
∂x
∂f
∂y
∂f
∂z
.
31 / 62
32. 1.7 A NALYSE V ECTORIELLE : GRADIENT
Le gradient est un opérateur. Il est parfois noté
:
: (R3 → R) → (R3 → R3 ),
=
∂
∂x
∂
∂y
∂
∂z
.
32 / 62
33. 1.7 A NALYSE VECTORIELLE : GRADIENT
Pratiquement, le gradient indique la direction de la plus grande
variation du champ scalaire, et l’intensité de cette variation. Par
exemple, le gradient de l’altitude est dirigé selon la ligne de
plus grande pente et sa norme augmente avec la pente.
33 / 62
34. 1.7 A NALYSE VECTORIELLE : GRADIENT
Pratiquement, le gradient indique la direction de la plus grande
variation du champ scalaire, et l’intensité de cette variation. Par
exemple, le gradient de l’altitude est dirigé selon la ligne de
plus grande pente et sa norme augmente avec la pente.
F IGURE : Deux exemples de gradients
34 / 62
35. 1.7 A NALYSE VECTORIELLE : DIVERGENCE
La divergence transforme un champ vectoriel en champ
scalaire.
35 / 62
36. 1.7 A NALYSE VECTORIELLE : DIVERGENCE
La divergence transforme un champ vectoriel en champ
scalaire.
Soit F un champ de vecteur :
Fx
F = Fy
Fz
36 / 62
37. 1.7 A NALYSE VECTORIELLE : DIVERGENCE
La divergence transforme un champ vectoriel en champ
scalaire.
Soit F un champ de vecteur :
Fx
F = Fy
Fz
div F =
∂Fy
∂Fx
∂Fz
+
+
∂x
∂y
∂z
div F =
.F
Utilisé lorsque des flux sont présents.
37 / 62
38. 1.7 A NALYSE VECTORIELLE : ROTATIONNEL
Le rotationnel transforme un champ vectoriel en un autre
champ vectoriel.
38 / 62
39. 1.7 A NALYSE VECTORIELLE : ROTATIONNEL
Le rotationnel transforme un champ vectoriel en un autre
champ vectoriel.
Soit F un champ de vecteur :
Fx
F = Fy
Fz
39 / 62
40. 1.7 A NALYSE VECTORIELLE : ROTATIONNEL
Le rotationnel transforme un champ vectoriel en un autre
champ vectoriel.
Soit F un champ de vecteur :
Fx
F = Fy
Fz
∂Fz /∂y − ∂Fy /∂z
rot F = ∂Fx /∂z − ∂Fz /∂x
∂Fy /∂x − ∂Fx /∂y
rot F =
∧F
Il exprime la tendance d’un champ à tourner autour d’un point.
40 / 62
41. 1.7 A NALYSE VECTORIELLE
Ces opérateurs possèdent certaines propriétés (non démontrées
ici) :
rot(grad) = 0
div(rot) = 0
rot(rot) = grad(div) − div(grad)
...
41 / 62
42. O UTLINE
1. F ONCTIONS À PLUSIEURS VARIABLES
2. I NTÉGRALES MULTIPLES ( DOUBLES )
42 / 62
43. 2.1. R ETOUR SUR L’ INTÉGRALE SIMPLE
L’intégrale simple permet de calculer l’aire délimitée par
une courbe plane.
43 / 62
44. 2.1. R ETOUR SUR L’ INTÉGRALE SIMPLE
L’intégrale simple permet de calculer l’aire délimitée par
une courbe plane.
b
S=
a
f (x)dx = lim
∑ f (xi )∆xi .
∆xi →0 x
i
44 / 62
45. 2.1. R ETOUR SUR L’ INTÉGRALE SIMPLE
L’intégrale simple permet de calculer l’aire délimitée par
une courbe plane.
b
S=
a
f (x)dx = lim
∑ f (xi )∆xi .
∆xi →0 x
i
L’intégrale double va permettre de calculer le volume
délimité par une surface tri-dimensionnelle.
V=
D
f (x, y)dxdy.
45 / 62
47. 2.2. I NTÉGRALE DOUBLE : DÉFINITION
V = lim lim
∑ ∑ f (xi , yi )∆xi ∆yi .
∆xi →0 ∆yi →0 x
i
yi
On note
V=
D
f (x, y)dxdy.
(∗)
47 / 62
48. 2.3. M ÉTHODE DE CALCUL
Raisonnons sur
V
∑ ∑ f (xi , yi )∆xi ∆yi .
xi
yi
48 / 62
49. 2.3. M ÉTHODE DE CALCUL
Raisonnons sur
∑ ∑ f (xi , yi )∆xi ∆yi .
V
xi
yi
Au final :
V=
b
V=
dx
a
c
V=
d
dy
y1 (x)
y0 (x)
x1 (y)
x0 (y)
D
f (x, y)dxdy.
(notation)
f (x, y)dy.
(ordre de calcul 1 : y puis x)
f (x, y)dx.
(ordre de calcul 2 : x puis y)
49 / 62
50. 2.3. M ÉTHODE DE CALCUL
Raisonnons sur
∑ ∑ f (xi , yi )∆xi ∆yi .
V
xi
yi
Au final :
V=
b
V=
dx
a
c
V=
d
dy
y1 (x)
y0 (x)
x1 (y)
x0 (y)
D
f (x, y)dxdy.
(notation)
f (x, y)dy.
(ordre de calcul 1 : y puis x)
f (x, y)dx.
(ordre de calcul 2 : x puis y)
T HÉORÈME Si f (x, y) est continue sur D, quelque soit le
partage, il existe une limite unique V lorsque les
∆xi et ∆yi tendent vers 0.
50 / 62
51. 2.4. E XEMPLES
a) Soit le domaine D = {(x, y) ∈ R : 1 ≤ y ≤ x2 , 1 ≤ x ≤ 2},
calculons
Ia =
f (x, y)dxdy
D
avec
f (x, y) = x2 + y2 .
51 / 62
52. 2.4. E XEMPLES
a) Soit le domaine D = {(x, y) ∈ R : 1 ≤ y ≤ x2 , 1 ≤ x ≤ 2},
calculons
Ia =
f (x, y)dxdy
D
avec
f (x, y) = x2 + y2 .
b) Calculons Ib = D ex2 dxdy, où D désigne l’intérieur du
triangle (0, 0) − (1, 0) − (1, 1 ).
3
52 / 62
54. 2.5. P ROPRIÉTÉS DE L’ INTÉGRALE DOUBLE
Linéarité
D
α
D
[αf (x, y) + βg(x, y)] dxdy =
f (x, y)dxdy + β
D
g(x, y)dxdy.
Partition du domaine
Si D = D1 ∪ D2 avec D1 ∩ D2 = ∅, alors
D
f (x, y)dxdy =
D1
f (x, y)dxdy +
D2
f (x, y)dxdy.
54 / 62
55. 2.6. I NTÉGRALES SÉPARABLES
Si D est un domaine rectangulaire et parallèle aux axes
55 / 62
56. 2.6. I NTÉGRALES SÉPARABLES
Si D est un domaine rectangulaire et parallèle aux axes et si f
est une fonction séparable, ie.
f (x, y) = g(x)h(y)
56 / 62
57. 2.6. I NTÉGRALES SÉPARABLES
Si D est un domaine rectangulaire et parallèle aux axes et si f
est une fonction séparable, ie.
f (x, y) = g(x)h(y)
alors
b
I=
D
f (x, y)dxdy =
a
g(x)dx ×
d
c
h(y)dy .
57 / 62
58. 2.6. I NTÉGRALES SÉPARABLES
Si D est un domaine rectangulaire et parallèle aux axes et si f
est une fonction séparable, ie.
f (x, y) = g(x)h(y)
alors
b
I=
D
f (x, y)dxdy =
a
g(x)dx ×
d
c
h(y)dy .
L’intégrale se ramène à produit de deux intégrales simples
Un changement de variable permet parfois d’obtenir la
séparabilité.
58 / 62
59. 2.7. C HANGEMENT DE VARIABLES DANS UNE
INTÉGRALE DOUBLE
Soient ∆ et D de R2 et ϕ une application :
ϕ:∆→D
(x, y) → (s, t)
59 / 62
60. 2.7. C HANGEMENT DE VARIABLES DANS UNE
INTÉGRALE DOUBLE
Soient ∆ et D de R2 et ϕ une application :
ϕ:∆→D
(x, y) → (s, t)
Soit donc le changement de variables x = x(s, t) et y = y(s, t), ie.
f (x, y) = f (x(s, t), y(s, t)) = F(s, t)
60 / 62
61. 2.7. C HANGEMENT DE VARIABLES DANS UNE
INTÉGRALE DOUBLE
Soient ∆ et D de R2 et ϕ une application :
ϕ:∆→D
(x, y) → (s, t)
Soit donc le changement de variables x = x(s, t) et y = y(s, t), ie.
f (x, y) = f (x(s, t), y(s, t)) = F(s, t)
Alors
∆
où
∂(x,y)
∂(s,t)
f (x, y)dxdy =
D
F(s, t)
∂(x, y)
dsdt
∂(s, t)
est le jacobien de ϕ :
∂(x, y)
=
∂(s, t)
∂x
∂s
∂x
∂t
∂y
∂s
∂y
∂t
61 / 62