4 Approximation des fonctions

Dimension: px
Commencer à balayer dès la page:

Download "4 Approximation des fonctions"

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

16 E dérivat la relatio T +1 (cos(t)) = cos(( + 1)t), o voit que si(t)t +1(cos(t)) = ( + 1) si(( + 1)t). Tout u [ 1, 1] peut s écrire u = cos(t) avec t [0, π], et e particulier u i = cos(t i ) avec t i = (i+1)π +. O a doc i (x) = cos(( + 1)t) si(t i ) ( + 1)(cos(t) cos(t i )) si(( + 1)t i ) = cos(( + 1)t) si(t i ) ( 1)i ( + 1)(cos(t) cos(t i )), où o a utilisé le fait que si(( + 1)t i ) = si((i + 1 )π) = ( 1)i. O remarque à préset que t + ti t ti cos(t) cos(t i ) = si si. O remarque que puisque t ti π o a D autre part, o peut écrire si t ti si t+t i π t t i. t mi{si i t, si i+π t = mi{si i t, cos i } t si i t cos i = 1 si(t i). E combiat ces remarques avec l expressio obteue pour i (x), o obtiet i (x) π cos(( + 1)t). ( + 1) t t i Soit t j le poit de Tchebychev le plus proche de t. Pour i = j 1, j, j + 1, o a t t i π +1 ( j i 1) et o peut doc écrire π i (x) ( + 1) t t i 1 i j 1. Pour i = j 1, j, j + 1, o a e utilisat le théorème des accroissemets fiis, et par coséquet cos(( + 1)t) = cos(( + 1)t) cos(( + 1)t i ) ( + 1) t t i, Ces deux estimatios coduiset fialemet à i (x) 3π + i=1 i=j 1,j,j+1 i (x) π. 1 1 i j 1 3π + k=1 } 1 3π + + log(). k O peut trouver ue costate C telle que 3π + log() C log pour tout > 1 ce qui coduit au résultat aocé. U corollaire immédiat de ce résultat motre que l erreur pour l approximatio par l iterpolatio aux poits de Tchebychev décroit presque à la même vitesse que l erreur de meilleure approximatio par les polyômes. Corollaire 4.5. Si f est de classe C m 1 sur [a, b] et si f (m 1) est M-Lipschitziee, alors pour I l opérateur d iterpolatio avec les poits de Tchebychev, o a f I f C m M m log(), où la costate C m deped de m et de b a et est idépedate de et f. E particulier si f est de classe C m o a f I f C m f (m) m log(). 54

17 4.6 Approximatio des moidres carrés Das le procédé d iterpolatio, o a besoi des valeurs de f e + 1 poits pour costruire u polyôme de degré. Si l o dispose des valeurs de f e m + 1 poits x 0 < < x m avec m >, o peut chercher à costruire u polyôme de degré qui approche f par u autre procédé. Plus précisémet, état doé u vecteur y de m+1 coordoées y 0,, y m, o défiit le polyôme des moidres carrés de degré aux poits x 0,, x m comme le polyôme q P qui miimise la quatité m q(x i ) y i, parmis tous les polyômes q P. Das le cas où les y i sot les valeurs d ue foctio f aux poits x i, o dit que q est l approximatio des moidres carrés de degré de f aux poits x 0,, x m, qui miimise doc la quatité m q(x i ) f(x i ). Si l o écrit q (x) = a kx k, alors o voit que la recherche de q est équivalete à celle du vecteur a de coordoées a 0,, a qui miimise la orme euclidiee V a y où V est ue matrice (m + 1) ( + 1) dot les coefficiets sot doés par v i,j = x j i. Il s agit doc de la méthode des moidres carrés déjà abordée das la sectio 1.5. O sait qu il existe toujours ue solutio et que celle-ci est uique lorsque V est ijective. C est le cas ici puisque V a = 0 équivaut à l aulatio du polyôme a kx k aux poits x 0,, x m, ce qui est possible que si ce polyôme est ul, i.e. a = 0, puisque m. Les équatios ormales qui caractériset a sot doées par le système ( + 1) ( + 1) V t V a = V t y, avec m m V t V = ( x i+j k ) i,j=0,, et V t y = ( x j k y k) j=0,,. Das le cas = 0, o trouve aisi que la solutio costate du problème des moidres carrés q 0 (x) = a 0 est doée par la moyee des valeurs y k : a 0 = 1 m + 1 m y k. Das le cas = 1, la solutio affie q 1 (x) = a 0 + a 1 x est appelée e statistiques droite de régressio pour les poits {(x i, y i ), i = 1,, }, et ses coefficiets se calculet simplemet à partir des valeurs x k et y k e résolvat u système. U autre type d approximatio des moidres carrés pour ue foctio f cotiue sur u itervalle [a, b] est obteu e cherchat à miimiser la quatité b a f(x) q(x) dx, parmis tous les polyômes q P. Ce procédé est ituitivemet lié au précèdet e remarquat que si o choisi des poits a = x 0 < < x m = b équidistats, la quatité 1 m m f(x i ) q(x i ), 55

18 qui est miimisée par le polyôme des moidres carrés aux poits x 0,, x m est alors ue somme de Riema qui approche l itégrale ci-dessus lorsque le ombre de poits m augmete. Il est facile de voir que l o défiit ue orme sur C([a, b]) e posat b 1/. g := g(x) dx a Cette orme est appelée orme L sur l itervalle [a, b]. O remarque qu elle dérive du produit scalaire f, g := b a f(x)g(x)dx, au ses où g := g, g. O recherche doc le polyôme q P solutio de f q = mi q P f q. Afi de prouver l existece et l uicité du polyôme q, o itroduit la suite des polyômes de Legedre qui est défiie e appliquat le procédé d orthogoalisatio de Gramm-Schmidt aux foctios e k := x x k. Défiitio La suite des polyômes de Legedre orthoormés sur [a, b] est défiie par récurrece e posat L 0 = et e0 e 0 L = c est-à-dire L 0 (x) = (b a) 1/ et L (x) = e 1 e, L k L k e 1 e,, L k L k x 1 ( b a t L k (t)dt)l k (x) b a (t 1 ( b a s L k (s)ds)l k (t)) dt O déduit immédiatemet de cette défiitio que les polyômes de Legedre formet u esemble orthoormé au ses où L i, L j = 0 si i = j et L i, L i = L i = 1. La famille {L 0,, L } est ue base orthoormée de P, et il est aussi facile de vérifier que L est exactemet de degré. 1/. Propositio Le polyôme q qui miimise f q parmi tous les q P est doé par q := f, L k L k. C est la projectio orthogooale de f sur P qui est caractérisée par la propriété f q, q = 0 pour tout q P. Preuve : Si q est doé par la formule ci-dessus, o remarque que pour tout i = 0,,, o a f q, L i = f, L i f, L k L k, L i = f, L i f, L i = 0. Puisque tout q P peut s écrire comme ue combiaiso liéaire des L i o a bie la propriété Pour tout q P o a d autre part f q, q = 0. f q = f q + q q = f q + q q f q, puisque f q, q q = 0. 56

19 Remarque Il est possible de doer u ses à la projectio orthogoale de f sur P lorsque f est pas ue foctio cotiue : il suffit e effet que f soit itégrable sur [a, b] pour que les produits scalaires f, L k soiet bie défiis. La orme L sur [a, b] peut-être majorée par la orme sup sur [a, b] suivat g (b a) 1/ g, pour toute foctio g C([a, b]). O obtiet aisi pour l erreur de projectio orthogoale pour tout q P c est à dire f q (b a) 1/ f q, f q (b a) 1/ if f q. q P E combiat cette estimatio avec les résultats de meilleure approximatio polyômiale obteue das la sectio 4., o obtiet immédiatemet des résultats de covergece de q vers f. Propositio 4.6. Pour toute foctio f C([a, b]), l erreur de projectio orthogoale sur P vérifie Si f est de classe C m sur [a, b], o a lim + f q = 0. f q C m f (m) m. où la costate C m deped de m et de b a et est idépedate de et f. La covergece de q vers f sigifie que l o peut écrire f = k 0f, L k L k, au ses où la série coverge vers f e orme L. E ce ses, la famille {L k } k 0 costitue ue base orthoormée pour décrire les foctios cotiues sur [a, b]. E combiat le fait que f q ted vers 0 avec l égalité de Pythagore o obtiet l égalité dite de Parseval f = q + f q = f = + f, L + f q, f, L, qui est classique pour les bases orthoormée e dimesio fiie. U autre exemple de base orthoormée de foctios {f k } k ZZ est associé aux séries de Fourier dot la covergece peut s écrire f = k ZZf, f k f k, où, désige le produit scalaire L sur [, π] et f k (x) := (π) 1/ e ikx. Le cocept gééral de base orthoormée e dimesio ifiie peut-être redu plus rigoureux das le cadre des espaces de Hilbert qui est pas abordé das ce cours. Il est itéressat de remarquer qu ue base orthoormée telle que L est ue suite uiformémet borée e orme L puisque L = 1 mais que pour tout = m o a L L m = ce qui etraîe qu o e peut pas e extraire de sous-suite covergete. Ceci traduit le fait qu e dimesio ifiie u esemble fermé et boré est pas écessairemet compact. 57

20 Remarque 4.6. Les polyômes de Legedre sot plus usuellemet défiis sur l itervalle [a, b] = [ 1, 1] et reormalisés de maière à ce que L (1) = 1 pour tout (il s agit doc d ue suite de polyômes orthogoaux mais o-orthoormés). O peut facilemet établir quelques propriétés importates de cette famille, e particulier la formule de Rodrigues et la formule de récurrece iitialisée par L 0 (x) = 1 et L 1 (x) = x. L (x) = ( 1)! d dx (1 x ), L +1 (x) = xl (x) + 1 L 1(x), Remarque E utilisat le chagemet de variable x = cos(t), o voit que les polyômes de Tchebychev abordés das la preuve du théorème de Weierstrass vérifiet pour tout m = 1 1 T (x)t m (x)(1 x ) 1/ dx = π T (cos(t))t m (cos(t))dt = π cos(t) cos(mt)dt = 0. Il s agit doc d ue suite de polyômes orthogoaux au ses du produit scalaire f, g := 1 1 f(x)g(x)(1 x ) 1/ dx. Plus gééralemet, la théorie des polyômes orthogoaux établit l existece de bases orthoormées de polyômes pour u produit scalaire de type f, g := f(x)g(x)w(x)dx, I où I est u itervalle boré ou o, et w(x) ue foctio positive telle que I x w(x)dx < pour tout 0. Citos e particulier les polyômes de Hermite (I = IR et w(x) = e x ) et de Laguerre (I = [0, + [ et w(x) = e x ). 4.7 Iterpolatio polyômiale par morceaux Nous avos observé que l iterpolatio polyômiale sur u itervalle [a, b] fait apparaître des problèmes de stabilité lorsque l o fait tedre le degré vers +, e particulier si l o choisi des poits d iterpolatio équidistats. U procédé alteratif permettat d éviter ces difficultés, et très utilisé e pratique, cosiste à découper l itervalle e morceaux e appliquat sur chacu d etre eux u procédé d iterpolatio de degré fixé. O fait esuite tedre la taille de ces morceaux vers 0. Plus précisémet, pour 0 o se doe ue subdivisio et o défiit sa fiesse par a = a 0 < a 1 < < a 1 < a = b, h = max,, 1 (a i+1 a i ). E se fixat u etier m > 0, o se doe sur chacu des itervalles [a i, a i+1 ] ue autre subdivisio a i = x i,0 < x i,1 < < x i,m 1 < x i,m = a i+1. U choix classique cosiste à predre des poits équidistats sur chaque itervalle [a i, a i+1 ] c est à dire x i,j = a i + j m (a i+1 a i ). Etat doée ue foctio f, o peut alors défiir so iterpolatio polyômiale de Lagrage de degré m par morceaux sur la subdivisio a 0,, a, comme l uique foctio f dot la restrictio à chaque itervalle [a i, a i+1 ] est u polyôme de degré m et qui vérifie f (x i,j ) = f(x i,j ), i = 0,, 1, j = 0,, m. 58

Chapitre 3 : Fonctions d une variable réelle (1)

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 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

. (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 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 détail

Séries réelles ou complexes

Séries 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

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 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 détail

1 Mesure et intégrale

1 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 détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

Limites des Suites numériques

Limites 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 détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Etude de la fonction ζ de Riemann

Etude 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 détail

Suites et séries de fonctions

Suites 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

* 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

14 Chapitre 14. Théorème du point fixe

14 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 détail

Exo7. 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. 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 détail

Processus et martingales en temps continu

Processus 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* 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 détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES 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 détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

Exercice 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

Exercice 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 détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. 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 détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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 détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe 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 détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : 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 détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 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 détail

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état Approximatio de la solutio d ue équatio différetielle ordiaire avec impulsios qui dépedet de l état F. Dubeau A. Ouasafi A. Sakat CRM-276 Jauary 21 Départemet de mathématiques et d iformatique, Uiversité

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 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 détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +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 détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE 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 détail

Comportement d'une suite

Comportement 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 détail

Statistique descriptive bidimensionnelle

Statistique 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 détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : 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 détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

20. Algorithmique & Mathématiques

20. 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 détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE 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 détail

Introduction : Mesures et espaces de probabilités

Introduction : 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 détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième 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 détail

Exercices de mathématiques

Exercices 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 détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE 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 détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES 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 détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. 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 détail

Les Nombres Parfaits.

Les 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 détail

Maîtrise de Mathématiques TER Le bandit manchot à deux bras

Maîtrise de Mathématiques TER Le bandit manchot à deux bras Maîtrise de Mathématiques TER Le badit machot à deux bras Deis Cousieau Sous la directio de Jea-Michel Loubes Septembre 2003 Table des matières 1 Présetatio du problème 2 1.1 Exemple de la machie à sous,

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des 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 détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat 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 détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université 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 détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 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 détail

Processus géométrique généralisé et applications en fiabilité

Processus 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 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 détail

Cours de Statistiques inférentielles

Cours 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 détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie 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 détail

Statistique Numérique et Analyse des Données

Statistique 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 détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques 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 détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II 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 détail

DETERMINANTS. a b et a'

DETERMINANTS. 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 détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ 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 détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE 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 détail

Solutions particulières d une équation différentielle...

Solutions 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 détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - 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 détail

Probabilités et statistique pour le CAPES

Probabilités 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 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 détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT 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 détail

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire HEC Gilles Mauffrey METHODES QUANTITATIVES AVEC EXCEL Programmatio liéaire, programmatio dyamique, simulatio, statistique élémetaire La Modélisatio LA MODELISATION Modèle et typologie des modèles. La otio

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

Principes et Méthodes Statistiques

Principes 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 détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 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 détail

Contribution à la théorie des entiers friables

Contribution 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 détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

Module 3 : Inversion de matrices

Module 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 détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. 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 détail

Intérêt simple CHAPITRE. Sommaire

Intérêt simple CHAPITRE. Sommaire HAPTRE térêt simple Sommaire A B D E F G H J K L Notio d itérêt Formule fodametale de l itérêt simple Durée de placemet exprimée e mois Durée de placemet exprimée e jours alculs sur la formule fodametale

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV 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 détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 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 détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation 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 détail

trouve jamais dans les concepts généraux que ce qu on y met

trouve jamais dans les concepts généraux que ce qu on y met ,QIRUPDWLTXHQRUPHHWWHPSV,VDEHOOH%R\GHQV Présetatio par Marie-Ae Chabi Réuio PIN 15 javier 2004 /HVEDVHVGHGRQQpHVHPSLULTXHV Collectio fiie et structurée de doées codifiées, textuelles ou multimédia, destiées

Plus en détail

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Commet utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Survol du compte Mauvie U La majorité des Caadies gèret leurs fiaces comme suit : 1. Ils déposet leur reveu et autres actifs à court

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université 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 détail

capital 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...

capital 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 détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 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 détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION 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 détail

Séries numériques. Chap. 02 : cours complet.

Séries 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 détail

Cours : Le choix des investissements grâce à l actualisation : La VAN (Valeur Actualisée Nette) et le TIR (Taux Interne de Rendement)

Cours : Le choix des investissements grâce à l actualisation : La VAN (Valeur Actualisée Nette) et le TIR (Taux Interne de Rendement) Cours : Le choix des ivestissemets grâce à l actualisatio : La VAN (Valeur Actualisée Nette) et le TIR (Taux Itere de Redemet) 1 La VAN, la Valeur Actualisée (ou Actuelle) Nette e aveir certai 11 La comparaiso

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen 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 est à dispositio olie et sera doé aux cadidats lors des exames oraux

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen 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 détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux 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 détail

Formation d un ester à partir d un acide et d un alcool

Formation 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 détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université 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 détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

Les algorithmes de tri

Les 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 détail

Gérer les applications

Gérer 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 détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le 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 détail

1. CALCUL DES CARACTÉRISTIQUES «R- L-C» D'UNE JONCTION TRIPHASÉE

1. CALCUL DES CARACTÉRISTIQUES «R- L-C» D'UNE JONCTION TRIPHASÉE . CALCUL DES CAACTÉISTIQUES «- L-C» DUNE JONCTION TIPHASÉE Trasport et Distributio de léergie Electrique Mauel de travaux pratiques. CALCUL DES CAACTÉISTIQUES «-L-C» DUNE JONCTION TIPHASÉE.. Itroductio....

Plus en détail

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

La 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 détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES 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 détail

Initiation à l analyse factorielle des correspondances

Initiation 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 détail

Baccalauréat S Nouvelle - Calédonie Mars 2009

Baccalauréat S Nouvelle - Calédonie Mars 2009 Bcclurét S Nouvelle - Clédoie Mrs 009 Exercice Commu à tous les cdidts (5 poits) r r Le pl est rpporté à u repère orthoorml direct ( O, u, v) d uité grphique cm O cosidère les poits et B d ffixes respectives

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un 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 détail