ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES. Semestre d accueil, le 30 mars 2006
|
|
- Claudine St-Cyr
- il y a 8 ans
- Total affichages :
Transcription
1 ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES. Semestre d accueil, le 30 mars 2006
2 MODÈLES DE DYNAMIQUE DES POPULATIONS N désigne l effectif d une population isolée. dn(t) dt MODÈLE DE MALTHUS ( ) dn(t) dt = naissances morts + migrations. = an(t) bn(t) N(t) = N(0)e (a b)t. MODÈLE LOGISTIQUE OU DE VERLHUST ( ) dn(t) dt ( = rn(t) 1 N(t) ) N(t) = K N(0)Ke rt K + N(0)(e rt 1).
3 MODÈLES DE DYNAMIQUE DES POPULATIONS N désigne l effectif d une population isolée. dn(t) dt MODÈLE DE MALTHUS ( ) dn(t) dt = naissances morts + migrations. = an(t) bn(t) N(t) = N(0)e (a b)t. MODÈLE LOGISTIQUE OU DE VERLHUST ( ) dn(t) dt ( = rn(t) 1 N(t) ) N(t) = K N(0)Ke rt K + N(0)(e rt 1).
4 MODÈLES DE DYNAMIQUE DES POPULATIONS N désigne l effectif d une population isolée. dn(t) dt MODÈLE DE MALTHUS ( ) dn(t) dt = naissances morts + migrations. = an(t) bn(t) N(t) = N(0)e (a b)t. MODÈLE LOGISTIQUE OU DE VERLHUST ( ) dn(t) dt ( = rn(t) 1 N(t) ) N(t) = K N(0)Ke rt K + N(0)(e rt 1).
5 MODÈLES DE DYNAMIQUE DES POPULATIONS MODÈLE DE LOTKA-VOLTERRA : deux populations en interaction proie-prédateur : sans prédateurs, taux de croissance des proies proportionnel à la taille de la population ; sans proies, taux de morts des prédateurs proportionnel à la taille de la population ; taux de disparition des proies proportionnel au nombre de rencontres entre une proie et un prédateur, supposé lui-même proportionnel au produit des deux populations ; taux de croissance des prédateurs proportionnel au nombre de rencontres entre proie et prédateur. Si N est l effectif des proies et P celui des prédateurs : dn(t) dt dp(t) dt = N(a bp), = P(cN d).
6 MODÈLES DE DYNAMIQUE DES POPULATIONS MODÈLE DE LOTKA-VOLTERRA : deux populations en interaction proie-prédateur : sans prédateurs, taux de croissance des proies proportionnel à la taille de la population ; sans proies, taux de morts des prédateurs proportionnel à la taille de la population ; taux de disparition des proies proportionnel au nombre de rencontres entre une proie et un prédateur, supposé lui-même proportionnel au produit des deux populations ; taux de croissance des prédateurs proportionnel au nombre de rencontres entre proie et prédateur. Si N est l effectif des proies et P celui des prédateurs : dn(t) dt dp(t) dt = N(a bp), = P(cN d).
7 PREMIÈRES DÉFINITIONS. Dans toute la suite : U : ouvert de R R m, f : U R m : application continue. Équation différentielle y = f (t, y), (t, y) U, t R, y R m. (E) DÉFINITION Une solution de (E) sur un intervalle I R est une fonction dérivable y : I R m telle que 1. t I, (t, y(t)) U, 2. t I, y (t) = f (t, y(t)). PROBLÈME DE CAUCHY : étant donné un point (t 0, y 0 ) U, trouver une solution y : I R m de (E) sur un intervalle I contenant t 0 dans son intérieur, telle que y(t 0 ) = y 0.
8 PREMIÈRES DÉFINITIONS. Dans toute la suite : U : ouvert de R R m, f : U R m : application continue. Équation différentielle y = f (t, y), (t, y) U, t R, y R m. (E) DÉFINITION Une solution de (E) sur un intervalle I R est une fonction dérivable y : I R m telle que 1. t I, (t, y(t)) U, 2. t I, y (t) = f (t, y(t)). PROBLÈME DE CAUCHY : étant donné un point (t 0, y 0 ) U, trouver une solution y : I R m de (E) sur un intervalle I contenant t 0 dans son intérieur, telle que y(t 0 ) = y 0.
9 SOLUTIONS MAXIMALES. DÉFINITION Soient y : I R m, ỹ : Ĩ R m des solutions de (E). On dit que ỹ est un prolongement de y si I Ĩ et ỹ I = y. DÉFINITION On dit qu une solution y : I R m est maximale si y n admet pas de prolongement ỹ : Ĩ R m, avec I Ĩ. THÉORÈME Toute solution y se prolonge en une solution maximale ỹ (pas nécessairement unique).
10 SOLUTIONS GLOBALES. U = J U, avec J intervalle de R et U ouvert de R m. DÉFINITION Une solution globale est une solution définie sur l intervalle J tout entier. EXEMPLE : y = y 2 sur U = R R. Une solution globale y(t) = 0. Si y ne s annule pas : y y 2 = = t + C, y(t) = y(t) t + C. d où deux solutions maximales, définies respectivement sur ], C[ et ] C, + [.
11 ÉQUATION INTÉGRALE. LEMME Une fonction y : I R m est une solution du problème de Cauchy de données initiales (t 0, y 0 ) si et seulement si 1. y est continue et pour tout t I, (t, y(t)) U ; 2. et pour tout t I, y(t) = y 0 + t t 0 f (r, y(r))dr. (1)
12 CYLINDRE DE SÉCURITÉ. une norme (quelconque) sur R m B(x, r) la boule fermée de centre x et de rayon r. Comme U est ouvert, il existe un cylindre C 0 = [t 0 T 0, t 0 + T 0 ] B(y 0, r 0 ) U. M = sup f (t, y) < +. (t,y) C 0 C = [t 0 T, t 0 + T] B(y 0, r 0 ) C 0. DÉFINITION C est un cylindre de sécurité pour l équation (E) si toute solution y : I R m du problème de Cauchy y(t 0 ) = y 0 avec I [t 0 T, t 0 + T], reste contenue dans B(y 0, r 0 ).
13 CYLINDRE DE SÉCURITÉ. une norme (quelconque) sur R m B(x, r) la boule fermée de centre x et de rayon r. Comme U est ouvert, il existe un cylindre M = C 0 = [t 0 T 0, t 0 + T 0 ] B(y 0, r 0 ) U. sup f (t, y) < +. (t,y) C 0 C = [t 0 T, t 0 + T] B(y 0, r 0 ) C 0. LEMME Pour que C soit un cylindre de sécurité, il suffit de prendre ( T min T 0, r ) 0. M
14 MÉTHODE D EULER. subdivision t 0 < t 1 <... < t N 1 < t N = t 0 + T. pas successifs h n = t n+1 t n, 0 n N 1, h max = max(h 0,..., h N 1 ). MÉTHODE D EULER : partant de la donnée initiale y 0, et par récurrence : 0 n N 1, { yn+1 = y n + h n f (t n, y n ) t n+1 = t n + h n La solution approchée y s obtient graphiquement en traçant les segments joignant les points (t n, y n ) et (t n+1, y n+1 ) : y(t) = y n + (t t n )f (t n, y n ), t [t n, t n+1 ). On construit de même une solution approchée sur [t 0 T, t 0 ] en prenant des pas h n < 0.
15 MÉTHODE D EULER. subdivision t 0 < t 1 <... < t N 1 < t N = t 0 + T. pas successifs h n = t n+1 t n, 0 n N 1, h max = max(h 0,..., h N 1 ). MÉTHODE D EULER : partant de la donnée initiale y 0, et par récurrence : 0 n N 1, { yn+1 = y n + h n f (t n, y n ) t n+1 = t n + h n PROPOSITION Si C = [t 0 T, t 0 + T] B(y 0, r 0 ) est un cylindre de sécurité tel que T min(t 0, r 0 /M), toute solution approchée y donnée par la méthode d Euler est contenue dans B(y 0, r 0 ).
16 SOLUTIONS APPROCHÉES. DÉFINITION Soit y : [a, b] R m une fonction C 1 par morceaux (ceci signifie qu il existe une subdivision a = a 0 < a 1 <... < a N = b de [a, b] telle que pour tout n, la restriction y [an,a n+1 ] soit de classe C 1 ). On dit que y est une ε-solution approchée de (E) si 1. t [a, b], (t, y(t)) U, 2. n, t ]a n, a n+1 [, y (t) f (t, y(t)) ε.
17 SOLUTIONS APPROCHÉES. Soit ω f le module de continuité de f sur C, défini par ω f (u) = max { f (t 1, y 1 ) f (t 2, y 2 ) ; t 1 t 2 + y 1 y 2 u}. Comme C est compact, f est uniformément continue sur C, ainsi lim ω f (u) = 0. u 0 PROPOSITION Soit y : [t 0 T, t 0 + T] R m une solution approchée construite par la méthode d Euler avec pas maximum h max. Alors l erreur ε vérifie ε ω f ((M + 1)h max ).
18 SOLUTIONS APPROCHÉES. PROPOSITION Soit y (p) : [t 0 T, t 0 + T] R m une suite de solutions ε p -approchées contenues dans le cylindre de sécurité C, telles que y (p) (t 0 ) = y 0 et lim p + ε p = 0. On suppose que la suite y (p) converge uniformément sur [t 0 T, t 0 + T] vers une fonction y. Alors y est solution exacte du problème de Cauchy pour l équation (E).
19 THÉORÈME DE CAUCHY-PEANO-ARZELA. On suppose que f : U R m est continue. PROPOSITION (ASCOLI) On suppose que E et F sont deux espaces métriques compacts. Soit φ p : E F une suite d applications k-lipschitziennes, où k 0 est une constante donnée. Alors on peut extraire de φ p une sous-suite φ pn uniformément convergente, et la limite est une application k-lipschitzienne. CAUCHY-PEANO-ARZELA Soit C = [t 0 T, t 0 + T] B(y 0, r 0 ), avec T min(t 0, r 0 /M), un cylindre de sécurité pour (E) y = f (t, y). Alors il existe une solution y : [t 0 T, t 0 + T] B(y 0, r 0 ) de (E) avec condition initiale y(t 0 ) = y 0.
20 THÉORÈME DE CAUCHY-PEANO-ARZELA. COROLLAIRE Par tout point (t 0, y 0 ) U, il passe au moins une solution maximale y : I R m de (E). De plus, l intervalle de définition I de toute solution maximale est ouvert (mais en général il n y a pas unicité de ces solutions maximales). EXEMPLE : soit l équation y = 3 y 2/3. Le problème de Cauchy de condition initiale y(0) = 0 admet alors au moins deux solutions maximales : y (1) (t) = 0, y (2) (t) = t 3, t R.
21 THÉORÈME DE CAUCHY-LIPSCHITZ. Soit f LOCALEMENT LIPSCHITZIENNE en y : pour tout point (t 0, y 0 ) U, il existe un cylindre C = [t 0 T, t 0 + T] B(y 0, r 0 ) U et une constante k = k(t 0, y 0 ) 0 tels que f soit k-lipschitzienne en y sur C : (t, y 1 ), (t, y 2 ) C, f (t, y 1 ) f (t, y 2 ) k y 1 y 2. Soit C 0 = [t 0 T 0, t 0 + T 0 ] B(y 0, r 0 ) U un cylindre sur lequel f est k-lipschitzienne en y et soit M = sup f. C 0 On se donne ε > 0 et on considère des solutions y (1) et y (2) respectivement ε 1 et ε 2 approchées du problème de Cauchy de donnée initiale (t 0, y 0 ), avec ε 1, ε 2 ε. On a alors y (i) M + ε, et les graphes de y (1) et y (2) restent contenus dans( le cylindre ) C = [t 0 T, t 0 + T] B(y 0, r 0 ) C 0, dès r 0 que T min T 0,. M + ε
22 THÉORÈME DE CAUCHY-LIPSCHITZ. Soit f LOCALEMENT LIPSCHITZIENNE en y. LEMME (GRONWALL) Sous les hypothèses précédentes, on a y (2) (t) y (1) (t) (ε 1 + ε 2 ) ek t t0 1, t [t 0 T, t 0 + T]. k CAUCHY-LIPSCHITZ Pour tout( cylindre de ) sécurité C = [t 0 T, t 0 + T] B(y 0, r 0 ) tel que r 0 T min T 0,, le problème de Cauchy avec donnée initiale M + ε (t 0, y 0 ) admet une unique solution exacte y : [t 0 T, t 0 + T] R m. De plus, toute suite y (p) de solutions ε p -approchées avec ε p tendant vers 0, converge uniformément vers la solution exacte y sur [t 0 T, t 0 + T].
23 UNICITÉ GLOBALE. THÉORÈME Soient y (1), y (2) : I R m deux solutions de (E), avec f localement lipschitzienne en y. Si y (1) et y (2) coïncident en un point de I, alors y (1) = y (2) sur I. COROLLAIRE Si f est localement lipschitzienne en y sur U, pour tout point (t 0, y 0 ) U, il passe une unique solution maximale y : I R m et une seule.
24 EXISTENCE DE SOLUTIONS GLOBALES. THÉORÈME Soit f : U R m une application continue sur un ouvert produit U = J R m, où J R est un intervalle ouvert. On suppose qu il existe une fonction continue k : J R + telle que pour tout t J fixé, l application y f (t, y) soit lipschitzienne de rapport k(t) sur R m. Alors toute solution maximale de l équation y = f (t, y) est globale. EXEMPLES Montrer que toute solution maximale de l équation différentielle y = t t 2 + y 2, (t, y) R R, est globale. On définit f : R R par f (y) = e si y e et f (y) = y ln y si y e. Montrer que f n est pas lipschitzienne. Déterminer explicitement les solutions maximales de l équation y = f (t, y).
25 EXISTENCE DE SOLUTIONS GLOBALES. THÉORÈME Soit f : U R m une application continue sur un ouvert produit U = J R m, où J R est un intervalle ouvert. On suppose qu il existe une fonction continue k : J R + telle que pour tout t J fixé, l application y f (t, y) soit lipschitzienne de rapport k(t) sur R m. Alors toute solution maximale de l équation y = f (t, y) est globale. EXEMPLES Montrer que toute solution maximale de l équation différentielle y = t t 2 + y 2, (t, y) R R, est globale. On définit f : R R par f (y) = e si y e et f (y) = y ln y si y e. Montrer que f n est pas lipschitzienne. Déterminer explicitement les solutions maximales de l équation y = f (t, y).
26 EXISTENCE DE SOLUTIONS GLOBALES. THÉORÈME Soit f : U R m une application continue sur un ouvert produit U = J R m, où J R est un intervalle ouvert. On suppose qu il existe une fonction continue k : J R + telle que pour tout t J fixé, l application y f (t, y) soit lipschitzienne de rapport k(t) sur R m. Alors toute solution maximale de l équation y = f (t, y) est globale. EXEMPLES Montrer que toute solution maximale de l équation différentielle y = t t 2 + y 2, (t, y) R R, est globale. On définit f : R R par f (y) = e si y e et f (y) = y ln y si y e. Montrer que f n est pas lipschitzienne. Déterminer explicitement les solutions maximales de l équation y = f (t, y).
27 ÉQUATIONS D ORDRE SUPÉRIEUR À UN. Un système différentiel d ordre p dans R m est une équation de la forme y (p) = f (t, y, y,..., y (p 1) ), (2) où f : U R m est une application continue définie sur un ouvert U R (R m ) p. DÉFINITION Une solution de (2) sur un intervalle I R est une application y : I R m p-fois dérivable, telle que 1. t I, y(t), y (t),..., y (p 1) (t) U ; 2. t I, y (p) (t) = f (t, y(t), y (t),..., y (p 1) (t)). Si f est de classe C k, les solutions y sont de classe C k+p.
28 ÉQUATIONS D ORDRE SUPÉRIEUR À UN. Ce système est équivalent au système différentielle d ordre 1 Y 0 = Y 1 Y 1 = Y 2. Y p 2 = Y p 1 Y p 1 = f (t, Y 0, Y 1,..., Y p 1 ) où Y 0 = y, Y 1 = y,... ; soit Y = F(t, Y) avec Y = (Y 0, Y 1,..., Y p 1 ) (R m ) p F = (F 0, F 1,..., F p 1 ) : U (R m ) p F 0 (t, Y) = Y 1,..., F p 2 (t, Y) = Y p 1, F p 1 (t, Y) = f (t, Y).
29 ÉQUATIONS LINÉAIRES. Systèmes différentiels linéaires du premier ordre dans R m : où dy(t) dt = A(t)Y + B(t), A(t) = (a ij (t)) 1 i,j m R m m, B(t) = b 1 (t). b m (t) R m. Les fonctions A et B sont continues, donc la fonction f (t, Y) = A(t)Y + B(t) est lipschitzienne en Y de constante k(t) = A(t). THÉORÈME Pour tout point (t 0, y 0 ) I R m, il passe une solution globale unique.
30 ÉQUATIONS LINÉAIRES. Si le système est dit sans second membre, i.e. B = 0, d où dy(t) = A(t)Y, dt alors l ensemble des solutions maximales est un R-espace vectoriel de dimension m : l application qui à Y solution maximale associe Y(t 0 ), est un isomorphisme linéaire. Le système sans second membre est résoluble explicitement au moins dans les cas suivants : si A est constante, alors Y(t) = exp((t t 0 )A)Y(t 0 ), avec : exp(b) = + n=0 B n n!. si A(t)A(u) = A(u)A(t) pour tous t, u dans I, alors ( t ) Y(t) = exp A(s)ds Y(t 0 ) = R(t, t 0 )Y(t 0 ). t 0
31 ÉQUATIONS LINÉAIRES. Dans le cas général, si Y (1) est une solution globale du système Y = AY + B, alors l ensemble des solutions est de la forme Y (1) + Z avec Z solution maximale du système sans second membre. Une solution particulière s obtient par la méthode dite de VARIATION DES CONSTANTES. On la cherche sous la forme On obtient alors Y (1) (t) = R(t, t 0 )V(t) R(t, t 0 )V (t) = B(t). Y (1) (t) = R(t, t 0 ) t t 0 R(t 0, u)b(u)du = t t 0 R(t, u)b(u)du.
32 ÉQUATIONS NON LINÉAIRES. RAISONNEMENT TYPE dans le cas du modèle logistique : ( dn(t) = rn(t) 1 N(t) ) = rn(t) r dt K K N(t)2 = f (N(t)). Étude de f : f localement lipschitzienne, donc, en tout point N 0, il passe une unique solution maximale N : I R telle que N(0) = N 0. Recherche d éventuel point fixe : f (0) = f (K) = 0. Donc deux solutions globales constantes Y (0) (t) = 0 et Y (K) (t) = K. De plus, si N 0 {0, K} alors pour tout t, N(t) {0, K}. Recherche de solutions globales : si N 0 ]0, K[, nécessairement pour tout t, N(t) ]0, K[, et dans ce cas, toute solution maximale est globale. En revanche si N 0 [0, K], il n y a aucune raison qu une solution maximale soit globale.
33 ÉQUATIONS NON LINÉAIRES. RAISONNEMENT TYPE dans le cas du modèle logistique : ( dn(t) = rn(t) 1 N(t) ) = rn(t) r dt K K N(t)2 = f (N(t)). Étude de f : f localement lipschitzienne, donc, en tout point N 0, il passe une unique solution maximale N : I R telle que N(0) = N 0. Recherche d éventuel point fixe : f (0) = f (K) = 0. Donc deux solutions globales constantes Y (0) (t) = 0 et Y (K) (t) = K. De plus, si N 0 {0, K} alors pour tout t, N(t) {0, K}. Recherche de solutions globales : si N 0 ]0, K[, nécessairement pour tout t, N(t) ]0, K[, et dans ce cas, toute solution maximale est globale. En revanche si N 0 [0, K], il n y a aucune raison qu une solution maximale soit globale.
34 ÉQUATIONS NON LINÉAIRES. RAISONNEMENT TYPE dans le cas du modèle logistique : ( dn(t) = rn(t) 1 N(t) ) = rn(t) r dt K K N(t)2 = f (N(t)). Étude de f : f localement lipschitzienne, donc, en tout point N 0, il passe une unique solution maximale N : I R telle que N(0) = N 0. Recherche d éventuel point fixe : f (0) = f (K) = 0. Donc deux solutions globales constantes Y (0) (t) = 0 et Y (K) (t) = K. De plus, si N 0 {0, K} alors pour tout t, N(t) {0, K}. Recherche de solutions globales : si N 0 ]0, K[, nécessairement pour tout t, N(t) ]0, K[, et dans ce cas, toute solution maximale est globale. En revanche si N 0 [0, K], il n y a aucune raison qu une solution maximale soit globale.
35 ÉQUATIONS NON LINÉAIRES. RAISONNEMENT TYPE dans le cas du modèle logistique : ( dn(t) = rn(t) 1 N(t) ) = rn(t) r dt K K N(t)2 = f (N(t)). Étude de f : f localement lipschitzienne, donc, en tout point N 0, il passe une unique solution maximale N : I R telle que N(0) = N 0. Recherche d éventuel point fixe : f (0) = f (K) = 0. Donc deux solutions globales constantes Y (0) (t) = 0 et Y (K) (t) = K. De plus, si N 0 {0, K} alors pour tout t, N(t) {0, K}. Recherche de solutions globales : si N 0 ]0, K[, nécessairement pour tout t, N(t) ]0, K[, et dans ce cas, toute solution maximale est globale. En revanche si N 0 [0, K], il n y a aucune raison qu une solution maximale soit globale.
36 MODÈLE LOGISTIQUE : RÉSOLUTION EXPLICITE. SUPPRESSION DE LA PARTIE LINÉAIRE : si f est de la forme f (t, y) = a(t)y + g(t, y), si y : I R m est une solution maximale, alors z : I R m définie par z(t) = exp ( t 0 ) a(s)ds y(t) est solution de l équation ( t ) z (t) = a(t)z(t) + a(t)z(t) + exp a(s)ds g(t, y(t)) 0 ( t ) ( ( t ) ) = exp a(s)ds g t, exp a(s)ds z(t). 0 0
37 MODÈLE LOGISTIQUE : RÉSOLUTION EXPLICITE. Pour le modèle de Verlhust, dn(t) dt = rn(t) ( 1 N(t) ) K Y(t) = e rt N(t), Y(0) = N(0) satisfait = rn(t) r K N(t)2 = f (N(t)), Y (t) = r K e rt N(t) 2 = r K ert Y 2 (t) dy (t) Y 2 (t) = r K ert
38 MODÈLE LOGISTIQUE : RÉSOLUTION EXPLICITE. Pour le modèle de Verlhust, dn(t) dt = rn(t) ( 1 N(t) ) K Y(t) = e rt N(t), Y(0) = N(0) satisfait = rn(t) r K N(t)2 = f (N(t)), Y (t) = r K e rt N(t) 2 = r K ert Y 2 (t) dy (t) Y 2 (t) = r K ert Donc Y(t) = 1 Y(0) 1 t Y(t) = dy (s) 0 Y 2 (s) ds = 1 K (ert 1). 1 1 Y(0) + 1 K (ert 1) N(t) = KN(0)ert K + N(0)(e rt 1).
39 MODÈLE LOGISTIQUE : RÉSOLUTION EXPLICITE. Si N(0) < 0, alors N(t) = KN(0)ert K+N(0)(e rt 1) est définie sur l intervalle ], τ 0 [, avec τ 0 = 1 ) (1 KN0 > 0. r De plus lim t τ0 N(t) =. Donc solution maximale, non globale.
40 MODÈLE LOGISTIQUE : RÉSOLUTION EXPLICITE. Si N(0) < 0, alors N(t) = KN(0)ert K+N(0)(e rt 1) est définie sur l intervalle ], τ 0 [, avec τ 0 = 1 ) (1 KN0 > 0. r De plus lim t τ0 N(t) =. Donc solution maximale, non globale. Si N(0) > K, alors N(t) = KN(0)ert K+N(0)(e rt 1) est définie sur l intervalle ]τ 1, + [, avec τ 1 = 1 ) (1 KN0 < 0. r De plus lim t τ1 N(t) = +. Donc solution maximale, non globale.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailLicence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas.
Licence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas. M. Granger Table des matières 1 Rappels sur le cours d équations différentielles 2 1.1 Généralités..........................................
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailIntroduction. aux équations différentielles. et aux dérivées partielles
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCours d Analyse 3 Fonctions de plusieurs variables
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailMESURE DE LA TEMPERATURE
145 T2 MESURE DE LA TEMPERATURE I. INTRODUCTION Dans la majorité des phénomènes physiques, la température joue un rôle prépondérant. Pour la mesurer, les moyens les plus couramment utilisés sont : les
Plus en détailLicence de Mathématiques 3
Faculté des sciences et techniques Département de mathématiques 2004-2005 Licence de Mathématiques 3 M62 : Fonctions réelles de plusieurs variables Laurent Guillopé www.math.sciences.univ-nantes.fr/~guillope/m62/
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailRépublique Algérienne Démocratique et Populaire
République Algérienne Démocratique et Populaire الشعبية الجمهوریة الجزاي ریة الدیمقراطية Ministère de l enseignement Supérieur et de la Recherche Scientifique Université 8 mai 45 Guelma التعليم العالي
Plus en détail