4 Approximation des fonctions
|
|
- Zoé Leroy
- il y a 8 ans
- Total affichages :
Transcription
1 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour t I. Ces valeurs sot e ombre ifii et il est doc pas possible e pratique de les mettre e mémoire sur u ordiateur. O peut alors chercher à remplacer f par ue foctio g plus simple qui est proche de f et déped d u ombre fii de paramètres que l o peut aisi mettre e mémoire. U exemple cosiste à choisir g das l esemble des polyômes de degré 1 : o peut alors caractériser g par ses coefficiets. Plus gééralemet, o peut chercher à approcher f par ue foctio g apparteat à u espace de foctios E de dimesio. O peut efi chercher à approcher f à partir de la doée de ses valeurs e poits x 1, x,, x. Ituitivemet, o approche de mieux e mieux f lorsque la quatité d iformatio augmete. La théorie de l approximatio étudie de faço rigoureuse le compromis etre la complexité doée par le ombre de paramètres et la précisio que l o peut obteir etre f et g. Elle s itéresse aussi à la maière dot o costruit e pratique l approximatio g à partir de f. Das ce chapitre, o s itéresse pricipalemet à l approximatio des foctios par des polyômes, après avoir fait quelques rappels sur les séries trigoométriques. O termie par l approximatio polyômiale par morceaux qui est la plus souvet utilisée e pratique. O cosidère ici uiquemet l approximatio de foctios d ue seule variable réelle, la gééralisatio à l approximatio des foctios à plusieurs variables dépassat le cadre de ce cours. Afi de mesurer la distace etre deux foctios défiies sur u itervalle I, o itroduit la orme dite L ou orme sup sur I : si f est défiie sur I et à valeur das IK = IR ou C, o pose f = f := sup f(x). x I Cette orme est aussi appelée orme de la covergece uiforme : e effet ue suite de foctios f coverge uiformémet vers f sur I si et seulemet si lim + f f = 0. O rappelle que l espace C(I) des foctios cotiues sur I est complet pour cette orme. L erreur de meilleure approximatio d ue foctio f das u espace de foctios E est défiie par la quatité if g E f g, et décrit la qualité de l approximatio de f par les élémets de E. O s itéresse e particulier à la décroissace de cette erreur lorsque augmete. 4.1 Approximatio par les séries trigoométriques Commecos par quelques rappels sur les séries trigoométriques, qui sot aussi appelée séries de Fourier. Il s agit de séries de foctios de la forme si(kx), que l o peut aussi mettre sous la forme k 0 a k cos(kx) + k>0 b k c k e ikx, k ZZ e posat c 0 = a 0 et c ±k = 1 (a k ib k ) pour k > 0. Lorsque ces séries coverget, leurs limites sot des foctios de période π, puisque chacu de leurs termes possèdet cette propriété. O appelle polyôme trigoométrique de degré ue foctio du type g(x) = c k e ikx = a k cos(kx) + si(kx). k 0 k 0<k L esemble T des polyômes trigoométriques de degré est doc l espace vectoriel egedré par les foctios e k : x e ikx pour k. O peut motrer que ces foctios sot idépedates : o part de la remarque que π e k (x)e l (x)dx = π e i(k l)x dx = π si k = l et 0 si k = l. 39 b k
2 Par coséquet, si k c ke k = 0, o a 0 = π ( c k e k (x))e l (x)dx = c l. k L espace T est doc de dimesio + 1. Le problème fodametal de la représetatio d ue foctio arbitraire π-périodique sous la forme d ue série de Fourier est u problème d approximatio : chercher à écrire f sous la forme d ue série uiformémet covergete f(x) = k ZZ c k e k (x), sigifie que l o cherche à approcher f par la suite de polyômes trigoométriques k c ke k T. Si ue telle covergece est vérifiée, alors e multipliat l idetité ci-dessus par e l (x) et e itégrat sur [, π], o trouve que le coefficiet c l déped de f suivat la forme c l = 1 π f(x)e ilx dx. π Les c l sot souvet otés c l (f) et appelés coefficiets de Fourier de f. Le polyôme trigoométrique S f(x) = c k (f)e k (x), k est appelé somme partielle de Fourier de f. Nous rappelos ue versio simple du théorème de Dirichlet qui doe ue coditio suffisate pour la covergece simple de S f vers f. Théorème (de Dirichlet). Soit f ue foctio π périodique et cotiue, telle qu e u poit x il existe ue dérivée à gauche et à droite. Alors lim S f(x) = f(x). + Le théorème de Dirichlet est pas satisfaisat du poit de vue umérique car il e doe aucue estimatio sur la faço dot l erreur f S f décroit e foctio de (ici désige la orme sup sur IR, qui coïcide avec celle sur [, π] puisque l o cosidère des foctios π-périodiques). Il est possible d obteir de telles estimatios si o fait des hypothèses supplémetaires portat sur la régularité de f. E effet, si f est ue foctio π périodique de classe C 1 sur IR, ue itégratio par partie permet d obteir et par coséquet c k (f) = 1 π π f(x)e ikx dx = 1 πik π c k (f) 1 π f (x) dx. π k f (x)e ikx dx = 1 ik c k(f ), Notos que cette estimatio reste valide pour des foctios dot la dérivée est pas écessairemet cotiue mais de valeur absolue itégrable sur [, π] (au ses où f est la primitive d ue foctio de valeur absolue itégrable). E itérat l itégratio par partie si f est suffisammet régulière, o trouve c k (f) = 1 (ik) m+1 c k(f (m+1) ), et par coséquet c k (f) 1 π π k m+1 f (m+1) (x) dx. 40
3 Si m 1, o e déduit l estimatio f S f = k > c k(f)e k k > c k(f)e k = k > c k(f) π f (m+1) (x) dx π k> k (m+1) π f (m+1) (x) dx mπ m, où l o a utilisé l estimatio k> k (m+1) + suivat. t (m+1) dt m m. O a doc prouvé le résultat Théorème 4.1. Soit m 1 et f ue foctio π périodique de classe C m telle que f (m+1) est itégrable sur [, π]. O a alors l estimatio f S f C m, avec C := π f (m+1) (x) dx mπ. Lorsque f est seulemet supposée cotiue sur IR, le théorème de Dirichlet e permet pas d affirmer que S f coverge uiformémet vers f. O sait e fait depuis le XIXème siècle que l o peut trouver des foctios f cotiues sur IR et π-périodiques telles qu e certais poits x IR la série de Fourier S f(x) diverge quad +. Il est cepedat possible d approcher les foctios cotiues par des polyômes trigoométriques qui diffèret de S f. Ue première approche cosiste à utiliser les moyees de Césaro des sommes partielles de Fourier, F f(x) = 1 S k f(x), + 1 qui sot aussi appelées sommes de Fejer. O remarque que F f T et que l o a avec F f(x) = k l= k π ( φ (z) := f(y)e iky dy)e ikx = l= k k e iz, π f(y)φ (x y)dy, La foctio φ qui est u polyôme trigoométrique de degré est appelée oyau de Fejer. O remarque que l o peut factoriser φ suivat φ (z) = (1 + eiz + e iz + + e iz )(1 + e iz + e iz + + e iz ) = 1 1 e i(+1)z 1 e i(+1)z e iz 1 e iz = 1 si (+1)z + 1 si ( z ). O voit aisi que le oyau de Fejer est positif et possède les propriétés suivates : π φ (z)dz = 1, et pour tout α > 0 et ε > 0 il existe 0 tel que pour tout 0 o a Ceci permet de motrer le résultat suivat. φ (z) ε, α z π 41
4 Théorème Pour toute foctio f cotiue et π-périodique, F f coverge uiformémet vers f lorsque teds vers +. Preuve : La foctio f état périodique, elle est uiformémet cotiue. Pour ε > 0, o fixe α tel que pour tout z h α f(x) f(x z) ε/, et o écrit esuite f(x) F f(x) = π (f(x) f(y))φ (x y)dy = π (f(x) f(x z))φ (z)dz, où o a utilisé π φ = 1, u chagemet de variable et la périodicité. Il viet que f(x) F f(x) f(x) f(x z)) φ (z)dz + f(x) f(x z)) φ (z)dz. z α α z π Le premier terme est iférieur à ε/, et le secod à f α z π φ (z)dz et par coséquet iférieur à ε/ pour suffisamet grad, ce qui prouve que f F f ε, pour suffisamet grad, autremet dit F f coverge uiformémet vers f. Il est possible d autres procédés d approximatio par des polyômes trigoométriques qui permettet de quatifier plus précisémet l erreur d approximatio. Ces procédés ot ue forme géérale A f(x) = π f(y)ψ (x y)dy, similaire aux sommes de Fejer, où ψ est ue foctio choisie das T ce qui etraîe que A f T. La foctio ψ est appelée oyau de sommabilité. Il est possible (exercice difficile) de mettre au poit, pour u etier m > 0 arbitraire que l o s est fixé, la foctio ψ de faço à ce qu elle vérifie les propriétés suivates : π ψ (z)dz = 1 et et il existe ue costate K m telle que π π z k ψ (z) = 0, k = 1,..., m 1, z m ψ (z) dz K m m, 0. O pourra à titre d exemple vérifier que la foctio ψ (z) = α (φ (z)) avec la partie etière de / et α = ( π (φ (z)) dz) 1 est u choix possible pour la valeur m =. E raisoat comme das la preuve la preuve du Theorème 4.1.3, o peut écrire f(x) A f(x) = π (f(x) f(x z))ψ (z)dz. Si f est ue foctio périodique et de classe C m sur IR o a u développemet de Taylor-Lagrage de la forme f(x) f(x z) = m 1 k=1 a k z k + r(z) où r(z) πm m! z m f (m) lorsque z [, π]. O e déduit que π π f(x) A f(x) = r(z)ψ (z)dz πm m! f (m) z m ψ (z) dz C m f (m) m, π où C m = K m m m!. E résumé, o a obteu le résultat suivat. 4
5 Théorème Si f est π-périodique, de classe C m o a if g T f g C m f (m) m. Par comparaiso au théorème 4.1., o ote que la coditio f C m est plus faible que f C m et f (m+1) itégrable, l idée pricipale restat que la vitesse de covergece du procédé d approximatio est liée à la régularité de la foctio f 4. Approximatio polyômiale O s itéresse à préset à l approximatio des foctios par des polyômes. O ote P := Vect{x x k ; k = 0, 1,, }, l espace des polyômes de degré. Approcher ue foctio f par u polyôme de degré est u procédé très classique e aalyse que l o recotre par exemple lorsque l o effectue fait u développemet limité de f e u poit x 0, f(x) f(x 0 ) + f (x 0 )(x x 0 ) + + f () (x 0 ) (x x 0 ) := p (x), avec p P.! L icovéiet du développemet de Taylor est que si o souhaite faire tedre so degré vers +, la covergece de la suite p vers la foctio f sur u itervalle [a, b] exige que celle-ci soit développable e série etière das u voisiage du poit x 0 coteat [a, b]. C est u hypothèse très forte puisqu elle etraie e particulier que f est de classe C sur cet itervalle. Il est doc légitime de rechercher d autres procédés d approximatio par des polyômes qui coverget lorsque la foctio f est mois régulière, par exemple simplemet cotiue. U résultat fodametal dû à Weierstrass affirme que toute foctio cotiue peut être approchée par ue suite de polyômes. Théorème 4..1 (de Weierstrass). Si f est cotiue sur I = [a, b], alors lim + if f g = 0. g P Autremet dit, il existe ue suite (f ) 0 de polyômes f P qui coverge uiformémet vers f. Preuve : O remarque qu o peut toujours se rameer au cas I = [ 1, 1] e utilisat le chagemet de variable affie φ(x) = a + 1 (b a)(x + 1) qui evoie [ 1, 1] sur [a, b]. E effet si f est cotiue sur [a, b] alors la foctio f φ est cotiue sur [ 1, 1]. Si o peut approcher f φ uiformémet sur [ 1, 1] par ue suite de polyômes g P, alors les foctios f = g φ 1 sot aussi das P puisque φ 1 est affie et elles approchet uiformémet f sur [a, b] : f f = max f(y) f (y) = max f(φ(x)) f (φ(x)) = f φ g. y [a,b] x [ 1,1] O suppose doc à préset que f est ue foctio cotiue sur I = [ 1, 1]. O effectue u ouveau chagemet de variable e posat pour tout t IR, F (t) = f(cos(t)). La foctio F est cotiue et π-périodique. D après le Théorème 4.1.3, il existe ue suite de polyômes trigoométrique F T qui coverge uiformémet vers F. O remarque qu il est toujours possible de supposer que F est de la forme F (t) = c k cos(kt). E effet, si ce est pas le cas, o remarque que puisque F (t) = F ( t), la suite des foctios t F ( t) coverge aussi uiformémet vers F, aisi que la suite t 1 (F (t) + F ( t)) qui a la forme souhaitée. 43
6 O remarque que les foctios cos(kt) peuvet s exprimer comme des polyômes de degré k e la variable cos(t) : il existe ue famille de polyômes à coefficiets réels T k P k, appelés polyômes de Tchebychev, tels que pour tout k 0 et t IR, cos(kt) = T k (cos(t)). Ceci est évidet pour les valeurs k = 0, 1, pour lesquelles o a T 0 (x) = 1, T 1 (x) = x et T (x) = x 1. O peut esuite le motrer par récurrece e remarquat que ce qui coduit à la relatio cos(( + 1)t) + cos(( 1)t) = cos(t) cos(t), T +1 (x) = xt (x) T 1 (x), qui motre que T P. O peut par coséquet écrire F sous la forme F (t) = b k cos(t) k, et o défiit alors f P par O coclut e écrivat f (x) = b k x k. f f = max f(x) f (x) = max x [ 1,1] t IR f(cos(t)) f (cos(t)) = F F, ce qui motre que f coverge uiformémet vers f. E examiat la preuve du théorème de Weierstrass, o costate que si f est de classe C 1 sur [ 1, 1], alos F est aussi de classe C 1 sur IR avec F f. Par coséquet, e utilisat le Théorème pour la valeur m = 1, o obtiet O a aisi prouvé le résultat suivat. f f = F F C 1 M 1. Propositio 4..1 Si f est de classe C 1 sur [ 1, 1] o a if g P f g C 1 f 1. Par chagemet de variable affie, o obtiet les mêmes estimatios sur l itervalle [a, b], avec la costate C 1 multipliée par b a. Ce résultat se gééralise sous la forme suivate que l o admet. Théorème 4.. Si f est de classe C m sur [a, b], o a if g P f g C m f (m) m. où la costate C m deped de m et de b a et est idépedate de et f. Nous termios cette sectio e idiquat ue autre preuve du théorème de Weierstrass utilisat la famille des polyômes de Berstei. O se ramèe das ce cas par chagemet de variable affie à ue foctio f défiie sur I = [0, 1]. Pour ue telle foctio, o défiit le -ème polyôme de Berstei par où k :=! k!( k)!. B f(x) := k f x k (1 x) k, k 44
7 Théorème 4..3 Si f est cotiue sur [0, 1], o a lim + f B f = 0. Preuve : O ote e 0 (x) = 1, e 1 (x) = x et e (x) = x et o examie les polyômes de Berstei associés à ces trois foctios. Pour e 0, o a Pour e 1, o obtiet B e 0 (x) = B e 1 (x) = = = x x k (1 x) k = (x + 1 x) = 1. k k k 1 k=1 k 1 k=1 x k (1 x) k x k (1 x) k x k 1 (1 x) 1 (k 1) 1 k 1 = xb 1 e 0 (x) = x. Pour e, o obtiet par des cosidératios similaires B e (x) = ( k ) k x k (1 x) k = 1 k(k 1) ( 1) k x k (1 x) k + = 1 x B e 0 (x) xb e 0 (x) = 1 x + 1 x. Pour x [0, 1], o peut écrire k ( 1) k x k (1 x) k f(x) B f(x) = f(x) f( k ) k x k (1 x) k = f(x) f( k ) k x k (1 x) k. Pour δ > 0 fixé, o peut estimer la somme ci-dessus e distiguat l esemble E des k {0,, } tels que k x δ et so complémetaire F. E otat Σ E := k f(x) f x k (1 x) k, k k E et Σ F la somme similaire pour k F, o a doc f(x) B f(x) Σ E + Σ F. O estime le premier terme e écrivat Σ E (max k E f(x) f( k ) ) k E k x k (1 x) k max x y δ f(x) f(y) = ω(f, δ). Pour le secod terme, o peut écrire Σ F f k F f δ k F = f δ k x k (1 x) k x k k x k (1 x) k (x B e 0 (x) xb e 1 (x) + B e (x)) = f 1 δ (x x ) f δ. Comme ceci est valable pour tout x [0, 1], o a aisi obteu l estimatio f B f ω(f, δ) + f δ. Pour tout ε > 0, o peut choisir δ > 0 tel que ω(f, δ) ε/, puis 0 tel que f δ ε/ pour 0, ce qui etraîe f B f ε. O a aisi motré que B f coverge uiformémet vers f. 45
8 4.3 Iterpolatio polyômiale Nous étudios à préset u procédé permettat d obteir de faço simple ue approximatio d ue foctio f par ue foctio polyômiale. O se place ici sur u itervalle I et o se doe + 1 poits disticts sur cet itervalle : x 0 < x 1 < < x 1 < x. Etat doé u esemble de + 1 réels {y 0,, y }, o se pose la questio de l existece et de l uicité d u polyôme de degré dot le graphe passe par tous les poits (x i, y i ). Ceci est évidet das le cas = 1 : il existe ue uique droite passat par deux poits. Le résultat suivat motre que ceci est aussi vrai pour > 1. Théorème Pour tout esemble de réels {y 0,, y }, il existe u uique polyôme p P tel que p (x i ) = y i pour tout i = 0,,. Preuve : Ceci reviet à motrer que l applicatio L : P IR +1 qui à p P associe le vecteur de coordoées (p(x 0 ),, p(x )) est bijective. Cette applicatio est liéaire, et dim(p ) = dim(ir +1 ). Il suffit doc de démotrer qu elle est ijective, c est à dire que so oyau est réduit au polyôme ul. Or L(p) = 0 sigifie que p s aule aux + 1 poits disticts x 0,, x ce qui est possible que si p = 0 puisque c est u polyôme de degré. Remarque Ue autre faço de prouver l existece et l uicité de p est de l exprimer sous la forme p (x) = j=0 a jx j. Les équatios p (x i ) = y i pour i = 0,,, sot alors équivaletes au système ( + 1) ( + 1) V a = y où a et y sot les vecteurs de coordoées (a 0,, a ) et (y 0,, y ) et où V = (x j i ) i,j=0,, est la matrice de Vadermode associée aux poits x 0,, x. Comme ces poits sot disticts, o sait que V est iversible et il existe doc ue uique solutio. Le polyôme p est appelé polyôme d iterpolatio de Lagrage (ou iterpolat de Lagrage) des valeurs y 1,, y aux poits x 1,, x. O peut préciser sa forme e itroduisat les polyômes ( i ),,, défiis par j {1,,} {i} i (x) = (x x j) j {1,,} {i} (x i x j ) = x x j. x i x j j=i O ote que i est l uique polyôme de degré tel que i (x j ) = 0 si i = j et i (x i ) = 1. O peut alors écrire p (x) = y i i (x). Puisque p = 0 si et seulemet si tous les y i sot uls, la famille { 0,, } costitue ue base de P. Les foctios i sot parfois appelées foctios de base de Lagrage de degré pour les poits {x 0,, x }. Il pourra être utile pour l ituitio de tracer les graphes de ces foctios das les cas simples = 1 et =. Défiitio Si f est ue foctio défiie sur I, o appelle polyôme d iterpolatio de Lagrage de f aux poits x 0,, x, l uique p P tel que p (x i ) = f(x i ), pour i = 0,,. D après les remarques précèdetes, ce polyôme peut s écrire sous la forme p (x) := f(x i )(x), dite forme de Lagrage. O remarque aussi que f P si et seulemet si p = f. Il est possible d exprimer p sous ue forme différete dite forme de Newto. O défiit par récurrece les différeces divisées de f e posat pour tout les poits x 0 < < x, f[x i ] := f(x i ), 46
9 puis e défiissat les différeces d ordre 1 par les différeces d ordre par jusqu à la différece d ordre par f[x i, x i+1 ] = f[x i+1] f[x i ] x i+1 x i, f[x i, x i+1, x i+ ] = f[x i+1, x i+ ] f[x i, x i+1 ] x i+ x i, f[x 0,, x ] = f[x 1,, x ] f[x 0,, x 1 ] x x 0. Le calcul des différeces divisées se fait aisi de proche e proche par ordre croissat. Propositio Le polyôme d iterpolatio de Lagrage de f aux poits x 0,, x s écrire i 1 p (x) = f[x 0,, x i ] (x x j ). j=0 peut aussi Preuve : O procède par récurrece sur. Il est évidet que f[x 0 ] = f(x 0 ) est le polyôme (costat) d iterpolatio de Lagrage de f au poit x 0, et de même que f[x 0 ] + f[x 0, x 1 ](x x 0 ) est le polyôme affie d iterpolatio de Lagrage aux poits x 0 et x 1. O suppose la propositio vérifiée à l ordre 1. O remarque que p p 1 est u polyôme de degré qui s aule aux poits x 0,, x 1 et par coséquet il existe τ IR tel que 1 1 i 1 p (x) = p 1 (x) + τ (x x j ) = f[x 0,, x i ] (x x j ) + τ j=0 j=0 1 (x x j ). Il reste à motrer que τ = f[x 0,, x ]. Pour cela o remarque que τ est le coefficiet de x das le polyôme d iterpolatio de Lagrage p, et o motre par récurrece que ce coefficiet est égal à f[x 0,, x ]. C est évidet pour = 0 et = 1. E supposat cela vrai à l ordre 1, o pose q (x) = (x x 0)r 1 (x) (x x )p 1 (x) x x 0, où r 1 est le polyôme d iterpolatio de f pour les poits x 1,, x. O voit aisi que q P et o vérifie aisémet que q (x i ) = f(x i ), i = 0,,. Par coséquet q = p. D après l hypothèse de récurrece, le coefficiet de x 1 das r 1 et p 1 est respectivemet f[x 1,, x ] et f[x 0,, x 1 ]. Par coséquet, le coefficiet de x das p est doé par f[x 1,, x ] f[x 0,, x 1 ] x x 0 = f[x 0,, x ], ce qui coclut la preuve. Remarque 4.3. A partir du fait que f[x, y] = f[y, x], o peut établir que la différece divisée f[x 0,, x ] est ivariate par permutatio des idices : f[x 0,, x ] = f[x ϕ(0),, x ϕ() ], pour toute bijectio ϕ de {0,, } das lui-même. E particulier la forme de Newto exige pas que les x i soiet ragés par ordre croissat. j=0 47
10 Il existe u autre procédé d iterpolatio dû à Hermite et qui fait iterveir les valeurs de f aisi que de ses dérivées. O se doe ici deux poits a < b et o part du résultat suivat. Théorème 4.3. Pour tout esemble de réels {α 0,, α, β 0,, β }, il existe u uique polyôme q P +1 tel que q (i) (a) = α i et q (i) (b) = β i, i = 0,,. où l o a utilisé la covetio q (0) = q. Preuve : Comme das la preuve du Théorème 4.3.1, il suffit de motrer que l applicatio liéaire L : P +1 IR + qui a p P +1 associe le vecteur de coordoées (p(a),, p () (a), p(b),, p () (b)) est ijective. Or si ce vecteur s aule, cela sigifie que p est de la forme p(x) = (x a) +1 (x b) +1 r(x), où r est u polyôme, ce qui est possible que si r = 0 puisque p P +1. Par coséquet p = 0. Défiitio 4.3. Soit f ue foctio de classe C sur u itervalle ouvert I et soit a < b deux poits de cet itervalle. O défiit le polyôme d iterpolatio de Hermite d ordre de f aux poits a et b comme l uique q +1 P +1 tel que q (i) +1 (a) = f (i) (a) et q (i) +1 (b) = f (i) (b), i = 0,,. Il est possible d exprimer l iterpolatio de Hermite à l aide de foctios de base sous la forme q +1 (x) = (f (i) (a) a,i (x) + f (i) (b) b,i (x)). A titre d exercice, o pourra chercher l expressio des foctios a,i et b,i lorsque = 1 ce qui correspod à ue iterpolatio par des polyômes de degré Estimatio de l erreur d iterpolatio Afi d étudier l erreur etre f et so polyôme d iterpolatio de Lagrage p aux poits x 0,, x, o doe tout d abord u résultat qui gééralise le théorème de Rolle. Lemme Soit f ue foctio de classe C sur u itervalle I et qui s aule e +1 poits disticts a 0 < < a coteus das cet itervalle. Alors il existe u poit z ]a 0, a [ tel que f () (z) = 0. Preuve : O procède par récurrece. Pour = 1 c est le théorème de Rolle. O suppose la propriété vraie à l ordre 1. Si f s aule e a 0,, a, alors f s aule e poits b 0,, b 1 avec a i < b i < a i+1. Par l hypothèse de récurrece, f () = (f ) ( 1) s aule e u poit z ]b 0, b 1 [ ]a 0, a [. Afi de décrire l erreur d iterpolatio o itroduit la foctio Π (x) = 1 ( + 1)! (x x i ). Théorème Soit f ue foctio de classe C +1 sur I et p so polyôme d iterpolatio de Lagrage e + 1 poits disticts x 0 < < x coteus das I, alors pour tout x I il existe y I qui déped de x, tel que f(x) p (x) = f (+1) (y)π (x). Le poit y est coteu das ] mi{x, x 0 }, max{x, x }[, c est à dire das ]x, x [ si x < x 0, das ]x 0, x[ si x > x, das ]x 0, x [ si x [x 0, x ]. 48
11 Preuve : Das le cas où x est égal à l u des x i, il y a rie à prouver puisque les deux membres de l égalité sot uls. O se fixe u x différet de tous les x i, ce qui etraîe Π (x) = 0. Par coséquet, il existe u ombre µ IR (qui déped de x) tel que f(x) p (x) = µπ (x). La foctio g(t) = f(t) p (t) µπ (t) s aule aux + poits disticts x 0,, x et x. Par coséquet, d après le Lemme il existe u poit y ] mi{x, x 0 }, max{x, x }[ (qui déped de x) tel que 0 = g (+1) (y) = f (+1) (y) p (+1) (y) µπ (+1) (y) = f (+1) (y) µ, et par coséquet µ = f (+1) (y) ce qui doe le résultat. Remarque Lorsque f est pas de classe C +1 mais seulemet cotiue, o peut établir la formule d erreur f(x) p (x) = f[x 0, x 1,, x, x] (x x i ) à partir de la forme de Newto du polyôme d iterpolatio, e remarquat qu au poit x la foctio f coïcide avec le polyôme d iterpolatio p +1 de f aux poits {x 0,, x, x}. Combiée au résultat précèdet, cette formule d erreur etraîe la propriété suivate : si f est de classe C, alors pour tout esemble de poits {y 0,, y } il existe y ] mi x i, max x i [ tel que f[y 0,, y ] = f () (y).! A partir du Théorème o peut estimer l erreur d iterpolatio sur u itervalle [a, b] qui cotiet [x 0, x ]. Ue première coséquece est l estimatio e orme sup sur [a, b]. O peut estimer la orme sup de Π e écrivat Ceci etraie l estimatio f p f (+1) Π Π = 1 (+1)! max x [a,b] x x i 1 (+1)! (b a)+1. f p 1 ( + 1)! f (+1) (b a) +1. Cette estimatio peut être améliorée pour des choix particuliers des poits d iterpolatio. Par exemple, das le cas de poits a = x 0 < < x équidistats c est à dire x i = a + i (b a), il est facile d établir que x x i!(b a)+1, ce qui coduit à l estimatio +1 f p 1 + f (+1) (b a) +1, asymptotiquemet meilleure que la précèdete quad +. Ces estimatios ous permettet d établir u premier résultat sur la covergece de l iterpolat de Lagrage p vers f lorsque +, das le cas où f est très régulière au ses où elle admet u développemet e série etière coverget sur l itervalle [a, b]. Théorème 4.4. Soit f ue foctio qui admet u développemet e série etière au poit a+b de rayo de covergece R > 3 (b a). Alors la suite p coverge uiformémet vers f sur [a, b]. 49
12 Preuve : D après l hypothèse sur f, pour tout 0 < r < R, la série k 0 1 k! f (k) ( a + b ) rk, est covergete. E otat C(r) sa somme, o a e particulier, f (k) ( a + b ) C(r)k!r k. Comme o a supposé R > 3 b a (b a), o peut choisir r das l itervalle [, R[. Pour tout x [a, b], o peut dériver terme à terme la série etière f(x) = k 0 E posat u := x a+b, o obtiet après dérivatios f () (x) = k 0 1 k! f (k) ( a + b )(x a + b )k. 1 k! f (k) ( a + b ) d du (uk ) Lorsque 0 u a+b d, o a du (u k ) 0 et o peut doc écrire f () (x) k 0 1 k! f (k) ( a+b d ) du (u k ) C(r) d k 0 r k du (u k ) = C(r) d du k 0 ( u r )k = C(r) d r du r u = C(r)!r (r u) +1 C(r)!r r b a (+1) Lorsque a+b u 0, o fait le même calcul e posat v = u et e dérivat par rapport à v, et o aboutit aussi à l estimatio f () (x) C(r)!r r b a (+1). O a par coséquet f (+1) C(r)( + 1)!r r b a (+1), ce qui combié à l estimatio f p 1 (+1)! f (+1) (b a) +1, coduit à f p rc(r)ρ +1 avec ρ := b a r b a Lorsque R > 3 (b a), il est possible de choisir r < R tel que 0 < ρ < 1, ce qui etraie la covergece uiforme. Remarque 4.4. Das le cas où les poits x i sot équidistats avec x 0 = a et x = b, o peut utiliser l estimatio f p 1 f (+1) (b a) +1 afi d obteir le résultat du théorème ci-dessus sous la + coditio plus faible R > ( e )(b a) (idicatio : utiliser la formule de Stirlig qui doe u équivalet de! quad + ). La preuve du Théorème 4.4. ous idique que la covergece de p vers f est très rapide, puisque f p Cρ +1 avec 0 < ρ < 1, mais ceci est au prix d hypothèses très fortes sur f qui est supposée développable e série etière sur u itervalle ] a+b R, a+b + R[ coteat [a, b] avec R suffisammet grad, et e particulier C sur cet itervalle. Lorsque de telles hypothèses e sot pas satisfaites, la 50
13 covergece de p vers f est plus garatie, et elle demade u exame approfodi faisat iterveir le choix des poits d iterpolatio x i das l itervalle [a, b]. Le choix le plus aturel cosiste à predre des poits équidistats, mais das ce cas il est possible de mettre e évidece des problèmes de covergece même pour des foctios très régulières : il existe des foctios f développables e série etières sur u itervalle coteat [a, b] mais telles que p e coverge pas vers f. C est le phéomèe de Ruge que l o peut illustrer umériquemet sur sur [a, b] = [ 1, 1] e cosidérat la foctio f(x) = (x + α) 1 avec α > 0 : lorsque α est suffisamet petit, o costate la divergece de la suite p lorsque + qui se traduit e particulier par des oscillatios au voisiage des extrémités de l itervalle. Le choix des poits d iterpolatio joue aussi u rôle importat das l étude de la stabilité umérique du procédé d iterpolatio qui est l objet de la sectio suivate. Cette étude coduit à proposer d autres choix que celui des poits équidistats, et qui doet de meilleurs résultats de covergece. 4.5 Stabilité Etat doé u choix de poits a x 0 < < x b, désigos par I l opérateur qui à ue foctio f cotiue sur [a, b] associe so polyôme d iterpolatio p de degré aux poits x 0,, x. O dit que I est l opérateur d iterpolatio aux poits x 0,, x. O a doc I : C([a, b]) P, I f(x) = p (x) = f(x i ) i (x), où les i sot les foctios de bases de Lagrage aux poits x 0,, x. Il est immédiat de vérifier que P est ue applicatio liéaire c est à dire u élémet de L(C([a, b]), P ). O appelle costate de Lebesgue du procédé d iterpolatio de Lagrage aux poits x 0,, x la orme de l opérateur I subordoée à la orme sup sur [a, b], c est à dire Λ = I f sup I f = sup f C([a,b]), f 1 f C([a,b]), f=0 f, où f := sup x [a,b] f(x). La costate de Lebesgue joue u rôle cetrale das l étude de la stabilité du procédé d iterpolatio puisque pour toute paire de foctios f et g o a I f I g Λ f g Ceci sigifie que si o fait ue erreur de orme ε > 0 sur la foctio f, il e résulte ue erreur de orme au plus Λ ε sur so polyôme d iterpolatio. Remarque Il est facile de vérifier que la costate de Lebesgue peut aussi être défiie comme la orme de l applicatio liéaire qui à u vecteur y = (y 0,, y ) associe le polyôme d iterpolatio aux poits (x i, y i ), c est-à-dire J : IR +1 P, J y = y i i (x). Plus précisémet, o a Λ = J y sup J y = sup. y IR +1, y 1 y IR y +1, y=0 Ceci sigifie que si o commet ue erreur de ε sur les doées y i, il e résulte ue erreur de orme au plus Λ ε sur le polyôme d iterpolatio. La costate de Lebesgue joue aussi u rôle importat das l étude de l erreur etre f et so polyôme d iterpolatio, comme le motre le résultat suivat. Théorème Pour tout f C([a, b]), o a f I f (1 + Λ ) if g P f g 51
14 Preuve : Pour tout g P, o peut écrire f I f f g + I f g = f g + I f I g (1 + Λ )f g, où o a utilisé le fait que I g = g. Comme g est arbitraire o obtiet le résultat aocé. E combiat ce résultat avec ceux qui décrivet l erreur de meilleure approximatio par des polyômes, o obtiet des estimatios sur l erreur d iterpolatio. Par exemple, e utilisat le Théorème 4.., o obtiet le résultat suivat. Corollaire Si f est de classe C m sur [a, b], alors f I f C m f (m) (1 + Λ ) m. où la costate C m deped de m et de b a et est idépedate de et f. Pour préciser ces estimatios, il est importat de compredre si la costate de Lebesgue augmete lorsque +, et si sa croissace peut compeser le facteur de décroissace m. Doos d abord u moye de calcul de Λ. Propositio O a Λ = max x [a,b] où les i sot les foctios de base de Lagrage. Preuve : Pour tout x [a, b], o a ce qui etraie i (x) = i I f(x) = f(x i ) i (x) max f(x i) i (x) f i,,, I f f i, et par coséquet Λ i. Pour démotrer l iégalité iverse, o cosidère le poit x tel que i (x ) = max x [a,b] i (x) = i et o pose y i = 1 si i (x ) > 0 et 1 sio. Il est facile de costruire ue foctio f telle que f(x i ) = y i et f = 1 (o pred par exemple f cotiue et affie sur chaque itervalle [x i, x i+1 ] avec les valeurs prescrites aux poits x i ). Pour cette foctio, o a et par coséquet Λ I f I f(x ) = y i i (x ) =, i (x ) = i i. Cosidéros à preset le cas particulier où les poits x i sot équidistats avec x i = a + i (b a). Le résultat suivat ous motre que la costate de Lebesgue croît expoetiellemet lorsque augmete. Propositio 4.5. Pour les poits équidistats o a Λ 4., 5
15 Preuve : Tout x [a, b] peut s écrire x = a + s (b a) avec s [0, ] et o a i (x) = j=i x x j = s j x i x j i j. j=i Au poit x = a + 1 (b a) qui correspod à s = 1 o a Et par coséquet i (x ) = j=i 1 j i!( i)! j {,,} {i} (j 1) 4i!( i)!! 4 i!( i)! = 1 4 i i (x ) 4, ce qui etraie le résultat puisque Λ i(x ). Remarque 4.5. O peut aussi majorer Λ e remarquat que pour tout s [k, k + 1] o a s j (k + 1)!( k)! i j i!( i)! i ce qui coduit à Λ. j=i O voit aisi que le choix de poits équidistats coduit à des problèmes de stabilité umérique lorsque est grad. D autre part, la croissace expoetielle de Λ est plus forte que toute décroissace e m, et par coséquet les estimatios telles que celles du Corollaire e se traduiset par aucue propriété de covergece. U meilleur choix est celui des poits de Tchebychev. Lorsque l o travaille sur l itervalle [ 1, 1] ces poits sot doés par (i + 1)π u i = cos, i = 0,,. + O remarquera que la répartitio de ces poits est plus dese au voisiage des extrémités de l itervalle. O ote aussi que ce sot exactemet les + 1 racies du polyôme de Tchebychev T +1 P +1 qui a été itroduit das la preuve du théorème de Weierstrass. Das le cas d u itervalle [a, b] quelcoque, o défiit les poits de Tchebychev e trasportat les poits défiis sur [ 1, 1] par l applicatio affie t x = a+b u. O pose doc + b a x i = a + b + b a u i = a + b + b a cos. (i + 1)π +, i = 0,,. Le résultat suivat ous motre que la costate de Lebesgue a ue croissace logarithmique lorsque l o utilise les poits de Tchebychev. Propositio Pour les poits de Tchebychev o a Λ C log() pour tout > 1, où C est ue costate idépedate de. Preuve : Tout x [a, b] peut s écrire x = a+b i (x) = j=i + b a u avec u [ 1, 1]. O a x x j = u u j. x i x j u i u j j=i E remarquat que T +1 (u) = c j=0 (u u j) avec c IR o e déduit i (x) = T +1 (u) (u u i )T +1 (u i). 53
Chapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailSommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance
Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en détailRésolution numérique des équations aux dérivées partielles (PDE)
Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity
Plus en détailMécanique non linéaire
M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
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 détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détail