Introduction à l optimisation

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à l optimisation"

Transcription

1 Université du Québec à Montréal Introduction à l optimisation Donnée dans le cadre du cours Microéconomie II ECO2012 Baccalauréat en économique Par Dominique Duchesneau 21 janvier septembre 2008 Ce document est protégé par une license Creative Commons

2 Table des matières 1 Introduction à l optimisation - reprise 2 2 Introduction à l optimisation Optimisation d une fonction à une variable, sans contrainte Conditions nécessaire pour un maximum conditions du premier ordre Conditions du second ordre : Optimisation de fonction à plusieurs variables 4 4 Optimisation sous contrainte Méthode par substitution Méthode de Lagrange Conditions du premier ordre condition du second ordre Remarque concernant le multiplicateur de Lagrange

3 1 Introduction à l optimisation - reprise 2 Introduction à l optimisation L optimisation consiste à trouver le maximum ou le minimum d une fonction, c est-à-dire la valeur de x qui produit la plus grande (ou la plus petite) valeur de y = f (x). Ici, y = f (x) est appelée fonction objectif. Cette fonction peut être contrainte, c est-à-dire sujette à une autre fonction qui limite ses arguments. 2.1 Optimisation d une fonction à une variable, sans contrainte Le premier cas étudié est celui où il n y a pas de contrainte, seulement une fonction objectif. On appelle maximum global la plus haute valeur de y atteinte dans un intervalle donné, par opposition à un maximum local. Celui-ci est une valeur de x telle que la fonction évaluée immédiatement à droite ou à gauche (soit avec x à peine plus petit ou à peine plus grand) produit une valeur de y inférieure à la valeur obtenue lorsque y est évaluée en x. Exemple graphique : maximum global maximum local FIG. 1 Types de maximums Formellement, nous écrirons que pour x un maximum local, alors f (x ) f (x), pour un intervalle donné autour de x, et que x est un maximum global si f (x ) f (x) x ɛ D f (x) Alors x est appelé le maximiseur de y = f (x), et est noté x = argmax( f (x)). 2.2 Conditions nécessaire pour un maximum Il y a 2 types de conditions à vérifier pour savoir si x est un maximum (ou un minimum) : Ce sont les condition du premier ordre et les condition du second ordre. Comme leur nom l indique, ces conditions sont nécéssaires, elle doivent être satisfaites. Cependant, elles ne sont pas suffisantes, c est-à-dire que la satisfaction de l une ou l autre de ces conditions ne garantit pas un optimum. 2

4 2.2.1 conditions du premier ordre Pour obtenir un optima (un valeur de x qui peut être un maximum ou un minimum), il faut égaliser la dérivée première à 0 : f (x) = x = Conditions du second ordre : Ensuite, pour déterminer s il s agit d un maximum (minimum) local ou global, il faut évaluer la dérivée seconde : f (x) = 2 y < 0 pour un maximum x2 Autrement dit, pour résumer le tout : Si f (x) = x = 0 et f (x) = 2 y < 0 x x 2 alors x est un maximum global Si f (x) = x = 0 et f (x) = 2 y > 0 x x 2 alors x est un minimum global Si les deux conditions (premier ordre et second ordre) sont satisfaites ensemble, alors nous pouvons conclure à un maximum ou un minimum. Ce que la dérivée seconde nous apprend est le sens de l évolution de la dérivée première ; autrement dit, est-ce que la pente de la tangente croît ou décroît? Cela peut être représenté graphiquement comme : maximum minimum 1 FIG. 2 La fonction croît, puis décroît FIG. 3 La fonction décroît, puis croît Dans ces deux figure, on peut remarquer que le signe de la dérivée première change une fois le maximum (ou minimum) dépassé. Cependant, la pente de la tangente elle continue de croître dans le cas du minimum (elle passe de négative à positive) et à décroître dans le cas du maximum (elle passe de positive à négative). 3

5 3 Optimisation de fonction à plusieurs variables Le procédé d optimisation lorsqu il y a plusieurs variables est assez semblable à celui n ayant qu une seule variable. Autrement dit, il faut toujours : 1. vérifier les conditions du premier ordre, c est à dire égaliser la dérivée première à zéro pour déterminer à quelle valeur de x l optima se trouve ; 2. vérifier les conditions du second ordre, et leur signe déterminera si l optima trouvé plus haut est un maximum ou un minimum. Exemple : Soit une fonction de plusisurs variables y = f (x 1, x 2,...,x n ). Les conditions du premier ordre sont que : x 1 = 0 x 2 = 0. x n = 0 Les conditions du second ordre sont cependant un peu plus complexe ; il faut dorénavant vérifier que la fonction est concave. Dans le cas à une seule variable il fallait vérifier que la dérivée seconde est positive dans le cas d un maximum, ou négative dans le cas d un maximum, ce qui nous donnait la concavité ou convexité de la fonction selon le cas. Pour le cas à deux variables, voici la marche à suivre : Prmièrement il faut calculer le déterminant de la matrice hessienne, c est-à-dire la matrice des dérivées seconde : f 11 (x 1,...,x n ) f 12 (x 1,..., x n ) f 1n (x 1,...,x n ) [ ] f 21 (x 1,...,x n ) f 22 (x 1,..., x n ) f 2n (x 1,...,x n ) a11 a H(x) =. = a 21 a 22 f n1 (x 1,..., x n ) f n2 (x 1,...,x n ) f nn (x 1,...,x n ) Le déterminant de cette matrice est a 11 a 22 a 21 a Il faut ensuite s assurer que le déterminant est toujours positif, et c est ensuite le signe de la dérivée f 11 qui nous dira s il s agit d un maximum ou d un minimum : Si f 11 < 0 et que H(x) > 0 : alors il s agit d un maximum Si f 11 > 0 et que H(x) > 0 : alors il s agit d un minimum Autrement dit, il faut que pour un maximum la matrice hessienne soit NÉGATIVE DÉFINIE et pour un minimum qu elle soit POSITIVE DÉFINIE. Voici un exemple à deux variables. Soit la fonction continue et différentiable deux fois y = f (x 1, x 2 ) = x 2 4x x 1x 2 x 2 2. Trouver un point critique (optima) et déterminez s il s agit d un maximum ou d un minimum. 1 Nous reviendrons au cas des matrices plus grandes au besoin. 4

6 première étape : égaliser les dérivées premières à zéro, afin d obtenir les coordonnées du point critique. x 1 = 0 = 8x 1 + 3x 2 x 1 = 3 8 x 2 8x 1 = 3x 2 x 2 = 0 = 1 + 3x 1 2x 2 avec la première dérivée, on a trouvé x 1 : ( ) 3 0 = x 2 2x 2 ( 9 0 = 1 + 2) 8 x 16 8 x 2 ( ) = x = 7 8 x 2 x 2 = 8 7 et qui retourne dans la première dérivée : x 1 = x 1 = 3 7 Alors le point critique est ( 3 7, 8 7, 49) 28 Il faut maintenant vérifier s il s agit d un maximum ou d un minimum. La matrice hessienne est donc : f H(x) = 11 = 8 f 12 = 3 f 21 = 3 f 22 = 2 = ( 8 2) (3 3) = 7 > 0 La matrice hessienne nous donne directement la valeur de f 11, et maintenant qu on connait le signe du déterminant, on sait qu il s agit bel et bien d un maximum. 4 Optimisation sous contrainte L optimisation sous contrainte est une des techniques les plus utilisées en économie. Il est important de comprendre que les résultats obtenus de cette façon peuvent être tout à fait différents de ceux obtenus lors d une optimisation sans contrainte. Par exemple, si vous voulez acheter une maison, vous choisirez peut-être un château à Westmount s il n y a pas de contraintes. Cependant, en présence de contraintes, peut-être vous rabattrez-vous sur un bungalow en banlieue. 5

7 Deux méthodes d optimisation sous contraintes seront présentées ici. La première est la méthode par substition et la deuxième est la méthode de Lagrange 2. Le cadre de présentation sera un problème classique de maximisation sous contrainte : tracer le rectangle avec la plus grande aire possible avec 20 mètres de corde 3. Formellement, nous écrirons : max xy s.c. 2x + 2y 20 x,y Nous avons tout d abord un but : max x,y, c est-à-dire «maximiser par choix de x et de y. Ensuite, ce but s applique sur une fonction objectif, xy, qui est ce que nous désirons maximiser. La troisième section, «s.c.»veut dire «sous contrainte de» 4. Et la dernière section est la contrainte, c est-à-dire une fonction qui limite les valeurs que peuvent prendre les variables de choix. Remarque : En économie, comme nous disons généralement que les agents «saturent»leurs contraintes de budget, ou que les firmes épuisent leurs ressources, nous travaillons «sur la frontière»des fonctions, ce qui nous permet de remplacer la contrainte 2x + 2y 20 par 2x + 2y = 20 ; nous utiliserons toute la corde. 4.1 Méthode par substitution L idée derrière cette méthode est d éliminer la contrainte en la substituant dans la fonction objectif. De cette manière il ne reste qu un problème d optimisation sans contrainte à résoudre. Pour ça, il faut transformer la contrainte, afin qu une des variables de choix soit exprimée en fonction de l autre : 2x + 2y = 20 2x = 20 2y x = 1 ( ) 20 2y 2 x = 10 y Une fois que nous avons obtenue cette nouvelle version de la contrainte, on la substitue à la variable correspondante de la fonction objectif et de résoudre normallement : xy = (10 y)y = 10y y 2 max 10y y2 x,y CPO : f (y) = 10 2y = 0 CSO : 2 f (y) 2 = 2y < 0 Comme les conditions du premier ordre (CPO) et du second ordre (CSO) sont satisfaite, on peut maintenant obtenir les valeur de x et de y : on prends la CPO qu on a trouvé et on isole y 2 N.B. : il n y a pas de meilleure méthode, seulement l une ou l autre sera plus simple à utiliser selon la situation. 3 rappel : l aire d un rectangle se calcule comme «base hauteur (x y) et son contour comme 2x + 2y. 4 Il sera très courant de rencontre «s.à.», qui veut dire «sujet à», ou la version en anglais, «s.t.», qui veut dire «subject to». 6

8 pour obtenir y, la valeur optimale de y : 10 2y = 0 y = 5 10 = 2y Pour obtenir x, il ne reste qu à prendre y et à le mettre dans la contrainte initiale, afin de pouvoir isoler x : 2x + 2y = 20 = 2x + 2(5) x = 5 20 = 2x = 2x Alors on sait que le rectangle optimal sera un carrè, qu il aura 5 mètres de côté et que son aire sera 5 5 = 25m 2. Celà revient à dire que le maximiseur de la fonction objectif est (5, 5) et que le maximum de cette fonction, étant donné cette contrainte, est Méthode de Lagrange Voici le théorème qui a été écrit pour la maximisation d une fonction à deux variables sous contrainte d égalité : Soit un problème de maximisation qui se pose comme : max x 1,x 2 f (x 1, x 2 ) s.c. g(x 1, x 2 ) = c et qui fait appel à deux fonctions continues et différentiables deux fois. Soit (x 1, x ) une solution du problème, mais qui n est pas un point critique de la contrainte. 2 Alors il existe un nombre λɛr tel que (x 1, x 2,λ ) est un point critique du Lagrangien C est-à-dire : L (x 1, x 2,λ) = f (x 1, x 2 ) λ[g(x 1, x 2 ) c] L x 1 = 0; L x 2 = 0; L λ = 0 La méthode de Lagrange fait intervenir un troisième nombre. Autrement dit, en ajoutant une coordonnée au point critique, le problème passe d une maximisation sous contrainte à deux inconnues à une maximisation sans contrainte à trois inconnues. L application de ce théorème au problème du rectangle se fait comme suit. Premièrement, il faut poser le problème : max xy s.c. 2x + 2y = 20 x 1,x 2 xy λ[2x + 2y 20] Ensuite, il faut calculer les conditions du premier ordre, en n oubliant pas que λ est désormais une des variable de choix : 7

9 4.2.1 Conditions du premier ordre L x 1 L x 2 L λ = y 2λ = 0 donc : y = 2λ = x 2λ = 0 donc : x = 2λ = 2x 2y + 20 = 0 donc : 2x + 2y = 20 On a ainsi un système de trois équations et trois inconnues à résoudre. La première étape est d égaliser les 2 premières équations, afin d isoler soit x, soit y. Ceci est possible puisque chacune est égale à 2λ. x = 2λ = y qu on met dans la contrainte : x = y 2x + 2x = 20 4x = 20x = 5 qui va aussi dans la contrainte :2(5) + 2y = y = 20 2y = 20 y = 20 Alors encore une fois, on trouve que le maximiseur de la fonction objectif est (5, 5), et que le maximum de cette fonction, sujette à cette contrainte, est 5 5 = condition du second ordre La matrice hessienne de ce système est : [ ] [ ] L1 1 L H(x) = 1 2 Lxx L = xy = L 2 1 L 2 2 L yx L yy [ ] S il y a plus de 2 variables, et qu il y a des contraintes, la matrice hessienne ne suffit pas ; il faut plutôt construire la matrice hessienne bordée. Il s agit de la hessienne précédente, à laquelle on ajoute la ligne et la colonne des dérivée premières de la contrainte avant les dérivées secondes. Dans le cas max x,y f (x, y) s.c. g(x) = c : 0 g x (x, y) g y (x, y) 0 g x (x, y) g y (x, y) H(x) = g x (x, y) L 11 L 12 = g x (x, y) L xx L xy = g y (x, y) L 21 L 22 g y (x, y) L yx L yy

10 Il faut calculer le déterminant des sous-matrices 5 de cette matrice, et vérifier qu ils sont positif pour un minimum, ou qu ils alternent en signe en débutant par négatif pour un minimum. À noter : dans le cas d une hessienne bordée, la sous-matrice d ordre 1 comprends 4 éléments, soit le minimum pour former une matrice carrée qui comporte L 11. Pour pouvoir calculer le déterminant, il faut d abord définir ce qu est un mineur dans une matrice. Le mineur m ij d une matrice est le déterminant de la matrice qui reste lorsqu on enlève la ligne i et la colonne j de la matrice originale. Si la matrice originale est A, la matrice restante est a ij Ensuite le déterminant de la matrice se calcule comme : A = n i ou j=1 ( 1) i+j M ij a ij Autrement dit, pour une matrice A n n, il faut choisir une ligne ou une colone et faire la somme alternée (+,, +,,...) de tous les mineurs multipliant leurs matrices restantes a ij. Voici un exemple pour mieux saisir, qui fait la somme par rapport à la première ligne : = ( 2) = = 1(0 0 ( 2 2)) 2(1 2 ( 2 0)) = 1( 4) + ( 2( 2)) = = 8 > 0 Alors dans l exemple du rectangle, les conditions du second ordre sont satisfaites. 4.3 Remarque concernant le multiplicateur de Lagrange Le multiplicateur de lagrange λ est aussi appelé prix implicite 6. Dans l exemple précédent, on peut remarquer que x et y ont le même prix implicite, qui se calcule d après les valeurs trouvée pour l un ou l autre : x = 2λ 5 = 2λ λ = 2.5. La signification économique de ce prix implicite est très utile : elle donne la variation de la fonction objectif résultant d une modification de la contrainte. Par exemple, supposons que nous avons un mètre de corde de plus ; la contrainte devient donc 2x + 2y = 21. D après le multiplicateur de Lagrange l aire du carré devrait augmenter de En fait nous savons que le périmètre du carré passe à 21 mètres, ce qui lui fait des côtés de 5.25 mètres, pour une aire de = Le prix implicite avait donc raison! 5 Les sous-matrices sont les matrices dont on ne [ conserve ] qu un certain nombre de colonnes et de ligne, en 0 1 débutant par 1. Par exemple, pour la sous-matrice, la sous-matrice d ordre 1, M est 0, l élément de la position (1,1) alors que la sous-matrice d ordre 2, M 2, contient la matrice au complet. 6 En anglais : «shadow price» 9

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

La maximisation du profit

La maximisation du profit 2 La maximisation du profit Le profit, au sens économique du terme, se définit comme la différence entre les recettes perçues et les coûts supportés par une firme. Il est important de bien comprendre que

Plus en détail

Chapitre 1 Second degré. Table des matières. Chapitre 1 Second degré TABLE DES MATIÈRES page -1

Chapitre 1 Second degré. Table des matières. Chapitre 1 Second degré TABLE DES MATIÈRES page -1 Chapitre 1 Second degré TABLE DES MATIÈRES page -1 Chapitre 1 Second degré Table des matières I Exercices I-1 1................................................ I-1................................................

Plus en détail

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

KIT DE SURVIE EN RECHERCHE D EXTREMA LIÉS

KIT DE SURVIE EN RECHERCHE D EXTREMA LIÉS KIT DE SURVIE EN RECHERCHE D EXTREMA LIÉS Remarques préliminaires : Ce court document n a nullement la prétention de présenter la question de la recherche d extrema liés avec toute la rigueur qui lui serait

Plus en détail

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin.

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin. Exo7 Développements ités Corrections d Arnaud Bodin. Calculs Exercice Donner le développement ité en 0 des fonctions :. cosx expx à l ordre 2. ln + x)) 2 à l ordre 4 shx x. x à l ordre 6 4. exp sinx) )

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

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

TD Dérivation n 2 : étude des variations de fonctions

TD Dérivation n 2 : étude des variations de fonctions 1) f (x) = 7x+3 TD Dérivation n : étude des variations de fonctions Étude de variations f est une fonction affine, de coefficient directeur négatif, on sait donc qu elle est décroissante surê. Le calcul

Plus en détail

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1 Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1. Présentation générale du contexte intertemporel La théorie du comportement du consommateur telle que nous l'avons vue jusqu'à présent,

Plus en détail

Régression linéaire et corrélation

Régression linéaire et corrélation CHAPITRE 10 Régression linéaire et corrélation 1. Introduction Dans ce chapitre, nous regarderons comment vérifier si une variable à un influence sur une autre variable afin de prédire une des variables

Plus en détail

Fonctions Nombre Dérivé Fonction dérivée

Fonctions Nombre Dérivé Fonction dérivée Fonctions Nombre Dérivé Fonction dérivée Ce chapitre est le chapitre central de la classe de Terminale STG. Il permet (en partie) de clore ce qui avait été entamé dés le collège avec les fonctions affines

Plus en détail

OPTIMISATION SOUS CONTRAINTES

OPTIMISATION SOUS CONTRAINTES OPTIMISATION SOUS CONTRAINTES Sommaire 1. Optimisation entre des bornes... 1 2. Exercice... 4 3. Optimisation sous contrainte à variables multiples... 5 Suite à une planification de la production, supposons

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Chapitre 1 Introduction à l optimisation 1.1 Problématique 1.1.1 Cadre Un problème d optimisation consiste, étant donnée une fonction f : S R, àtrouver: 1) son minimum v (resp. son maximum) dans S 2) un

Plus en détail

CQP 208. Chapitre 5 Optimisation. Olivier Godin. 20 novembre 2015. Université de Sherbrooke. Optimisation 1 / 50

CQP 208. Chapitre 5 Optimisation. Olivier Godin. 20 novembre 2015. Université de Sherbrooke. Optimisation 1 / 50 CQP 208 Chapitre 5 Optimisation Olivier Godin Université de Sherbrooke 20 novembre 2015 Optimisation 1 / 50 Plan du chapitre 1 Croissance, décroissance et extremums relatifs d une fonction 2 Extremums

Plus en détail

La fonction racine carrée. Document B. Table des matières

La fonction racine carrée. Document B. Table des matières 1 La fonction racine carrée Document B Table des matières - Résolution algébriques d équations avec racine carrée, p.2 à 8; - Règles sous la forme canonique avec b 1 et b = 1, p.9-10; - Équation axe de

Plus en détail

Chapitre 5. Le monopole

Chapitre 5. Le monopole Chapitre 5. Le monopole 5.1. Présentation. Une entreprise est dite en situation de monopole lorsqu elle est l unique offreur sur le marché d un bien, si le nombre de demandeurs sur le marché est grand

Plus en détail

Correction. Mathématique Élémentaire. Test n 2 (26 septembre 2011) Question 1. Calculez. (a) (1 + i)(3 i) = 1 3 i 2 + 3i i = 4 + 2i.

Correction. Mathématique Élémentaire. Test n 2 (26 septembre 2011) Question 1. Calculez. (a) (1 + i)(3 i) = 1 3 i 2 + 3i i = 4 + 2i. Question 1. Calculez (a) (1 + i)(3 i) = 1 3 i + 3i i = 4 + i. (b) l inverse dans C de i : i 1 = i car ( i) i = i = 1. (c) l inverse dans C de ( i) : par une formule du cours, ( i) 1 = (d) 1 + 7i = 1 +

Plus en détail

TP - Modélisation et optimisation des systèmes complexes

TP - Modélisation et optimisation des systèmes complexes Master Informatique 1ere année (M1) Année 2010-2011 TP - Modélisation et optimisation des systèmes complexes Résolution du problème d'aectation généralisé par relaxation lagrangienne 1 Introduction Le

Plus en détail

Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques

Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques Agrégation externe de mathématiques, session 2005 Épreuve de modélisation, option Probabilités et Statistiques (605) GESTION DE STOCK À DEMANDE ALÉATOIRE Résumé : Chaque mois, le gérant d un magasin doit

Plus en détail

Livrable 1 : Modélisation UML A13

Livrable 1 : Modélisation UML A13 CHATIRON Thibault LAGRANGE Emilien CHATIRON Thibault LAGRANGE Emilien Automne 2013 Automne 2013 Livrable 1 : Modélisation UML 1 Sommaire Introduction... 3 Diagramme de cas d utilisation... 4 Diagramme

Plus en détail

Maximisation et Minimisation sous contrainte. Rappels sur la méthode d optimisation du Lagrangien

Maximisation et Minimisation sous contrainte. Rappels sur la méthode d optimisation du Lagrangien Université Paris Ouest Nanterre La Défense Licence 3 Mention Economie U.F.R SEGMI Premier semestre 2010-2011 Dynamique économique: analyse des fluctuations Cours de Valérie Mignon Maximisation et Minimisation

Plus en détail

Excel 2002 Avancé. Guide de formation avec exercices et cas pratiques. Patrick Morié, Bernard Boyer

Excel 2002 Avancé. Guide de formation avec exercices et cas pratiques. Patrick Morié, Bernard Boyer Excel 2002 Avancé Guide de formation avec exercices et cas pratiques Patrick Morié, Bernard Boyer Tsoft et Groupe Eyrolles, 2003 ISBN : 2-212-11238-6 5 - ANALYSE ET SIMULATION MODÈLE ITÉRATIF 1 - NOTION

Plus en détail

Équations différentielles en physique

Équations différentielles en physique Fiche Mathématiques pour la Physique - Équations différentielles en physique - MPSI 1 Lycée Chaptal - 2012 Équations différentielles en physique On ne considère en physique en prépa (quasiment) que des

Plus en détail

Effet substitution et effet revenu dans la décision intertemporelle de consommation

Effet substitution et effet revenu dans la décision intertemporelle de consommation Effet substitution et effet revenu dans la décision intertemporelle de consommation Olivia D Aoust Séminaire d actualité économique Rappels et intuitions Quelques notations : = richesse (de ealth en anglais)

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

Plus en détail

Fiche PanaMaths Introduction au tracé de courbes avec Scilab

Fiche PanaMaths Introduction au tracé de courbes avec Scilab Fiche PanaMaths Introduction au tracé de courbes avec Scilab Introduction Ce document présuppose un certain niveau de connaissance du logiciel Scilab de la part du lecteur (de la lectrice) : calcul matriciel,

Plus en détail

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

Plus en détail

Chapitre 3 : Le revenu d équilibre

Chapitre 3 : Le revenu d équilibre Chapitre 3 : Le revenu d équilibre - 112 - Dans ce chapitre vous allez : - Distinguer entre la théorie classique et la théorie moderne de l équilibre macroéconomique. - Découvrir l interprétation moderne

Plus en détail

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel Cours Excel Licence des Sciences de Gestion 2006-2007 I. Présentation d Excel Classeur, feuilles, cellules, colonnes, lignes, Fenêtre principale o Barre de menus o Barre d outils o Barre de formules o

Plus en détail

Préparation aux épreuves écrites du CAPES Conseils de rédaction

Préparation aux épreuves écrites du CAPES Conseils de rédaction Préparation aux épreuves écrites du CAPES Conseils de rédaction Claire Debord Le texte qui suit est une libre compilation de plusieurs textes sur le même thème, notamment ceux de Christophe Champetier

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

Groupe : (h, k) ( 5, 12)

Groupe : (h, k) ( 5, 12) Fiche de soutien Les propriétés de la fonction racine carrée PROPRIÉTÉ FONCTION SOUS FORME CANONIQUE f(x) = a + k (ou f(x) = a 1 + k et a 1 = a ) EXEMPLE f(x) = 2 12 (ou f(x) = 6 12) Coordonnées du sommet

Plus en détail

Problèmes à propos des nombres entiers naturels

Problèmes à propos des nombres entiers naturels Problèmes à propos des nombres entiers naturels 1. On dispose d une grande feuille de papier, on la découpe en 4 morceaux, puis on déchire certains morceaux (au choix) en 4 et ainsi de suite. Peut-on obtenir

Plus en détail

Problèmes de transport

Problèmes de transport Problèmes de transport formulation des problèmes d affectation Hugues Talbot Laboratoire A2SI 31 mars 2009 Problèmes de Transport Introduction Distribution Théorie Équilibrage Modélisation Plan Solution

Plus en détail

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE Nous abordons dans cette leçon la partie analyse de sensibilité de la résolution d'un problème de programmation linéaire. Il s'agit d'étudier les conséquences

Plus en détail

Le second degré. Table des matières

Le second degré. Table des matières Le second degré Table des matières 1 La forme canonique du trinôme 1.1 Le trinôme du second degré......................... 1. Quelques exemples de formes canoniques................. 1.3 Forme canonique

Plus en détail

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables

Plus en détail

Analyse de la complexité algorithmique (1)

Analyse de la complexité algorithmique (1) Analyse de la complexité algorithmique (1) L analyse de la complexité telle que nous l avons vue jusqu à présent nous a essentiellement servi à déterminer si un problème est ou non facile (i.e. soluble

Plus en détail

RESOLUTION D UNE INEQUATION. Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation 2 Appellation 3 Vocabulaire à utiliser

RESOLUTION D UNE INEQUATION. Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation 2 Appellation 3 Vocabulaire à utiliser THEME : Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation Appellation Vocabulaire à utiliser < plus petit inférieur strictement inférieur strictement inférieur plus petit ou égal

Plus en détail

Proposition de corrigé

Proposition de corrigé Externat Notre Dame Devoir Survéillé n 2 (1 ere ES/L) Samedi 14 décembre Durée : 3 h calculatrice autorisée - pas d échange de calculatrice ou de matériel Proposition de corrigé Dans tout ce devoir, la

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

Analyse en composantes principales

Analyse en composantes principales Analyse en composantes principales Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire LITIS Analyse en composantes principales p. 1/18 Introduction Objectifs Soit {x i } i=1,,l

Plus en détail

InfoMaison No.08. LA NOTION DU NOMBRE DE MOIS D INVENTAIRE (Mi)

InfoMaison No.08. LA NOTION DU NOMBRE DE MOIS D INVENTAIRE (Mi) InfoMaison No.08 Est un dossier préparé pour Info-Immobilier-Rive-Nord (IIRN) à l intention de toutes les personnes intéressées par l immobilier et l immobilier résidentiel de la Rive-Nord du Grand Montréal

Plus en détail

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Sommaire Définition et objectifs de l épreuve.. p1 Compétences à évaluer.. p2 Conception du sujet..

Plus en détail

I n t r o d u c t i o n a u x ( 2 0 S ) m a t h é m a t i q u e s a p p l i q u é e s e t p r é - c a l c u l 1 0 e a n n é e

I n t r o d u c t i o n a u x ( 2 0 S ) m a t h é m a t i q u e s a p p l i q u é e s e t p r é - c a l c u l 1 0 e a n n é e I n t r o d u c t i o n a u x m a t h é m a t i q u e s a p p l i q u é e s e t p r é - c a l c u l 0 e a n n é e ( 0 S ) Examen de préparation de mi-session Corrigé I n t r o d u c t i o n a u x m a

Plus en détail

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif Chapitre 6 Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique 6.1.1 Exemple introductif Problème : n matrices M i (m i, m i+1 ) à multiplier en minimisant le nombre de multiplications,

Plus en détail

Analyse Microéconomique. Francesco Quatraro L1 AES 2010/2011

Analyse Microéconomique. Francesco Quatraro L1 AES 2010/2011 Francesco Quatraro L1 AES 2010/2011 1 Les courbes de coût Considérons la fonction de coût qui donne le coût minimum de production d un niveau d output y: c(w 1, w 2, y) Considérons les prix des facteurs

Plus en détail

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL LINF 2275 Stat. explor. multidim. 1 A.C.P.: Analyse en Composantes Principales Analyse de la structure de la matrice

Plus en détail

Chapitre 1. Le marché, lieu de rencontre entre l offre et la demande

Chapitre 1. Le marché, lieu de rencontre entre l offre et la demande Chapitre 1. Le marché, lieu de rencontre entre l offre et la demande La notion de marché, dans les économies industrialisées contemporaines, est devenue pour une large majorité d économistes la référence

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

Chapitre 8: Inférence, échantillonnage et estimation Chapitre 8: Inférence, échantillonnage et estimation 1. Echantillonnage aléatoire simple 2. Inférence statistique 3. Estimation 4. Evaluation graphique de l adéquation d un modèle de distribution 1 L inférence

Plus en détail

Chapitre II LES MONOPOLES NATURELS

Chapitre II LES MONOPOLES NATURELS Chapitre II LES MONOPOLES NATURELS 1) Rappels sur le monopole i) Hypothèses et notations Définition : Une entreprise est en position de monopole si elle est seule à fournir le marché d un bien pour lequel

Plus en détail

Chapitre I La théorie néo-classique du comportement du consommateur ou théorie du consommateur (TNCc)

Chapitre I La théorie néo-classique du comportement du consommateur ou théorie du consommateur (TNCc) Chapitre I La théorie néo-classique du comportement du consommateur ou théorie du consommateur (TNCc) Introduction Le but de la TNC c est de déterminer la loi qui régit la demande de biens, dotés d un

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

Plus en détail

CAUSES RÉELLES DE LA DETTE PUBLIQUE. ou comment les intérêts payés sur la dette nourrissent la dette

CAUSES RÉELLES DE LA DETTE PUBLIQUE. ou comment les intérêts payés sur la dette nourrissent la dette CAUSES RÉELLES DE LA DETTE PUBLIQUE ou comment les intérêts payés sur la dette nourrissent la dette Explications préalables Il y a quelques années nous avions demandé à l INSEE de nous fournir le montant

Plus en détail

8. Statistique descriptive

8. Statistique descriptive 8. Statistique descriptive MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: statistique descriptive 1/47 Plan 1. Introduction 2. Terminologie 3. Descriptions graphiques des

Plus en détail

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé.

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé. TES/spé TL Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013 Calculatrice autorisée - Aucun document n'est autorisé. Vous apporterez un grand soin à la présentation et à la rédaction

Plus en détail

Circuits séquentiels. Chapitre 6. 6.1 Circuits séquentiels

Circuits séquentiels. Chapitre 6. 6.1 Circuits séquentiels Chapitre 6 Circuits séquentiels Plusieurs circuits utilisés dans la vie courante ont besoin de mémoire. Ce chapitre présente les méthodes de base de stockage d information. Les circuits combinatoires présentés

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 3 novembre 2005 1 programmation linéaire à deux variables 1.1 Partitionnement du plan Une droite permet de découper un plan en plusieurs parties. Droite

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire NICOD JEAN-MARC Master 2 Informatique Université de Franche-Comté UFR des Sciences et Techniques septembre 2008 NICOD JEAN-MARC Rappels sur les graphes 1 / 47 Sommaire 1 Exemple

Plus en détail

Fonctions. Fonctions linéaires, affines et constantes

Fonctions. Fonctions linéaires, affines et constantes linéaires, affines et constantes 1. linéaires Comme il existe une infinité de fonctions différentes, on les classe par catégories. La première catégorie est constituée par les fonctions linéaires. Une

Plus en détail

Tracé de contours et de courbes (en deux dimensions)

Tracé de contours et de courbes (en deux dimensions) 1 Tracé de contours et de courbes (en deux dimensions) Ce problème se pose dans de nombreux contextes, mais il s agit toujours de trouver la frontière entre deux zones. Cela peut être la frontière entre

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

Informatique - TD 3 Graphiques, diagrammes et aléatoire

Informatique - TD 3 Graphiques, diagrammes et aléatoire Informatique - TD 3 Graphiques, diagrammes et aléatoire Bcpst - Lycée F1 Rappels et extensions sur les outils graphiques de base Rappel : Pour faire des graphiques en Python, on introduit les bibliothèques

Plus en détail

Le Dobble. Cellya Sirot en Tale S ; Jean-Baptiste Fraisse en Tale S et Jammy Mariotton en Tale S

Le Dobble. Cellya Sirot en Tale S ; Jean-Baptiste Fraisse en Tale S et Jammy Mariotton en Tale S Cet article est rédigé par des élèves. Il peut comporter des oublis et imperfections, autant que possible signalés par nos relecteurs dans les notes d'édition. Année 2014-2015 Le Dobble Cellya Sirot en

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

DÉVELOPPEMENTS LIMITÉS

DÉVELOPPEMENTS LIMITÉS Auteur : Alain Ladureau DÉVELOPPEMENTS LIMITÉS TI-Nspire CAS 1. Objectifs Découvrir la notion de développement limité. Utiliser des développements limités dans l étude locale des fonctions. Les appliquer

Plus en détail

RAPPELS ET COMPLÉMENTS CALCULATOIRES

RAPPELS ET COMPLÉMENTS CALCULATOIRES RAPPELS ET COMPLÉMENTS CALCULATOIRES ENSEMBLES DE NOMBRES ENSEMBLES,,,ET: On rappelle que : désigne l ensembleprivé de 0 idem pour, et, + désigne l ensemble des réels positifs ou nuls et l ensemble des

Plus en détail

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin.

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin. Exo7 Espaces vectoriels Fiche amendée par David Chataur et Arnaud Bodin. Définition, sous-espaces Exercice Montrer que les ensembles ci-dessous sont des espaces vectoriels (sur R) : E = { f : [,] R } :

Plus en détail

Introduction à Excel

Introduction à Excel Introduction à Excel Commentaires : Cet exercice a pour but de vous apprendre les fonctions rudimentaires du logiciel excel. C est seulement par la pratique que vous connaîtrez parfaitement le logiciel.

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

La détermination du prix optimal des cigarettes

La détermination du prix optimal des cigarettes Faculté de Droit et des Sciences Economiques de Limoges Sciences Economiques I Semestre I Cours de Microéconomie (Mr. P. Rous) Année Universitaire 2000-2001 La détermination du prix optimal des cigarettes

Plus en détail

Gestion de la congestion

Gestion de la congestion Gestion de la congestion réseau de télécommunication ou de transport Madiagne Diallo Laboratoire Université de Versailles, France Projet FT R&D Participants : Barth, Bouhtou, Diallo et Wynter : 000 --

Plus en détail

Fonctions Affines Problèmes du premier degré

Fonctions Affines Problèmes du premier degré Fonctions Affines Problèmes du premier degré Christophe ROSSIGNOL Année scolaire 2015/2016 Table des matières 1 Fonctions Affines 2 1.1 Définition Représentation graphique.................................

Plus en détail

TOPOLOGIE DE LA DROITE REELLE

TOPOLOGIE DE LA DROITE REELLE TOPOLOGIE DE LA DROITE REELLE P. Pansu 16 mai 2005 1 Qu est-ce que la topologie? C est l étude des propriétés des objets qui sont conservées par déformation continue. Belle phrase, mais qui nécessite d

Plus en détail

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 013 Lectures graphiques (9 points) Les parties sont indépendantes Partie A Tous les clients d un petit restaurant ont opté pour la formule

Plus en détail

Université Paris-Est Val-de-Marne Créteil. Fiche 2 Résolution d équations

Université Paris-Est Val-de-Marne Créteil. Fiche 2 Résolution d équations Université Paris-Est Val-de-Marne Créteil DAEU-B Fiche 2 Résolution d équations 1 Une équation est une question Une équation correspond à une formulation mathématique de certaines questions. Elle se présente

Plus en détail

Explo4 Exploration des projets

Explo4 Exploration des projets Explo4 Exploration des projets SERVICE DES FINANCES Équipe de formation PeopleSoft version 8.9 Juillet 2013 TABLE DES MATIÈRES INTRODUCTION...1 LES CRITERES DE RECHERCHE...2 LES CRITERES COMMUNS A TOUTE

Plus en détail

Programmation Linéaire - Cours 4

Programmation Linéaire - Cours 4 Programmation Linéaire - Cours 4 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire Dualité 1 Dualité 2 3 Primal / Dual Dualité Les PL vont toujours par paires

Plus en détail

Remarques sur le premier contrôle de TD :

Remarques sur le premier contrôle de TD : Remarques sur le premier contrôle de TD : Démêlons les confusions en tous genres... Licence 1 MASS semestre 2, 2006/2007 La première remarque est qu il faut apprendre le cours, faire les exercices et poser

Plus en détail

Module 26 : Techniques de modélisation

Module 26 : Techniques de modélisation Module 26 : Techniques de modélisation 26.0 Introduction Ce module enseigne une série de techniques qui constituent une trousse à outils bien pratique quand il s agit de construire des modèles dans Excel

Plus en détail

Analyse des données 1: erreurs expérimentales et courbe normale

Analyse des données 1: erreurs expérimentales et courbe normale Analyse des données 1: erreurs expérimentales et courbe normale 1 Incertitude vs. erreur Une mesure expérimentale comporte toujours deux parties: la valeur vraie de la grandeur mesurée et l'erreur sur

Plus en détail

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien TRAVAUX DIRIGÉS DE l UE MNBif Informatique 3A MÉTHODES NUMÉRIQUES DE BASE 2015-2016, Automne N. Débit & J. Bastien Document compilé le 13 novembre 2015 Liste des Travaux Dirigés Avant-propos iii Travaux

Plus en détail

Algorithme du simplexe

Algorithme du simplexe Algorithme du simplexe Une solution à la programmation linéaire Hugues Talbot Laboratoire A2SI 18 mars 2008 Plan Algèbre linéaire Algorithme du simplexe Formulation et forme standard Notations Recherche

Plus en détail

2 Fonctions affines : définitions et propriétés fondamentales

2 Fonctions affines : définitions et propriétés fondamentales Chapitre 3 : Fonctions affines Dans tout ce chapitre, le plan est muni d un repère. 1 Rappels sur les équations de droite Une droite qui n est pas verticale a une unique équation du type y = ax + b, qu

Plus en détail

Programmation linéaire (PL) 2. Programmation linéaire a. Modélisation. Exemple d un modèle de PL. Exemple d un modèle de PL (suite)

Programmation linéaire (PL) 2. Programmation linéaire a. Modélisation. Exemple d un modèle de PL. Exemple d un modèle de PL (suite) Programmation linéaire (PL) IFT1575 Modèles de recherche opérationnelle (RO). Programmation linéaire a. Modélisation Problème classique de planification : affecter des ressources limitées à plusieurs activités

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé Baccalauréat ES/L Amérique du Sud 2 novembre 2 Corrigé A. P. M. E. P. EXERCICE Commun à tous les candidats 5 points. Diminuer le budget de 6 % sur un an revient à multiplier par 6 =,94. Diminuer le budget

Plus en détail

Cours/TD n 3bis : les boucles

Cours/TD n 3bis : les boucles Cours/TD n 3bis : les boucles Découpons le problème Nous avons plusieurs utilisations des boucles C est précisément ce qui rend difficile leur création. Vu la difficulté, nous allons séparer les différentes

Plus en détail

GÉNÉRALITÉS SUR LES FONCTIONS

GÉNÉRALITÉS SUR LES FONCTIONS . Qu'est-ce qu'une fonction? Vocabulaire GÉNÉRALITÉS SUR LES FONCTIONS Définition Notion de fonction À chaque fois que l'on associe à une quantité une (autre) quantité, on dit que que l'on définit une

Plus en détail

La fonction logarithme népérien

La fonction logarithme népérien La fonction logarithme népérien Christophe ROSSIGNOL Année scolaire 204/205 Table des matières La fonction logarithme népérien 2. Définition Courbe représentative................................... 2.2

Plus en détail

GUIDE UTILISATEUR VERSION CORRESPONDANT UFR

GUIDE UTILISATEUR VERSION CORRESPONDANT UFR INSCRIPTION AU C2i R (Certificat Informatique et Internet) GUIDE UTILISATEUR VERSION CORRESPONDANT UFR Nicolas Cazin 2 Table des matières 1 Un mot sur ce manuel 3 2 Votre rôle, vos responsabilités 3 3

Plus en détail

Sommaire. Les pourcentages. Les suites. Statistiques. Les probabilités. Descriptif de l épreuve... Conseils pour l épreuve...

Sommaire. Les pourcentages. Les suites. Statistiques. Les probabilités. Descriptif de l épreuve... Conseils pour l épreuve... Sommaire Descriptif de l épreuve............................................. Conseils pour l épreuve............................................ Les pourcentages FICHES Pages 1 Pourcentage Proportions....................................7

Plus en détail

Contents. Fonctions affines 3. Fonctions usuelles 7. Dérivation 11. Fonctions de plusieurs variables 15. Optimisation sous contraintes 23

Contents. Fonctions affines 3. Fonctions usuelles 7. Dérivation 11. Fonctions de plusieurs variables 15. Optimisation sous contraintes 23 Contents Fonctions affines 3 Fonctions usuelles 7 Dérivation 11 Fonctions de plusieurs variables 15 Optimisation sous contraintes 23 i Fonctions affines 1 Définition - représentation graphique Les fonctions

Plus en détail

Dessiner des plans. 11.1 Scénario

Dessiner des plans. 11.1 Scénario 11 Dessiner des plans Objectif Notions Applications Dessiner un plan d appartement et préparer son aménagement Dimensions et bordures des cellules dans Calc Colorer des cellules Insérer des images Calc

Plus en détail

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

Laboratoire 2 Extraction des caractéristiques

Laboratoire 2 Extraction des caractéristiques Laboratoire 2 Extraction des caractéristiques L objectif de l extraction et de la sélection de caractéristiques est d identifier les caractéristiques importantes pour la discrimination entre classes. Après

Plus en détail

D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses

D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses LES ABEILLES D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses 1. Présentation de la trame : Recherche et synthèse d infos Notion d optimisation Intérêt et

Plus en détail

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L BACCALAURÉAT GÉNÉRAL SESSION 2015 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

Résumé du chapitre 8 Ressources et interblocage

Résumé du chapitre 8 Ressources et interblocage Résumé du chapitre 8 Ressources et interblocage Jacques Mossière 12 août 2004 1 Introduction Ce chapitre est consacré à l étude d un problème classique dans les systèmes, l interblocage, c est à dire l

Plus en détail