Théorèmes de Point Fixe et Applications 1

Dimension: px
Commencer à balayer dès la page:

Download "Théorèmes de Point Fixe et Applications 1"

Transcription

1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des Sciences Economiques, Paris: Presses Universitaires de France, Introduction Considérons une fonction continue à une variable g(x) qui applique des points de I =[0, 1] dans I. Comme le montre la Figure 1, il existe nécessairement un point x I tel que x = g(x ). Un tel point est appelé point fixe de l application continue g. 2 Remarquons que si l une des deux hypothèses (g est continue, g applique des points de I dans I) n est pas vérifiée, il peut ne pas exister de point fixe. Ces situations sont illustrées dans la Figure 2 pour une fonction continue qui applique des points de I dans un autre ensemble que I et dans la Figure 3 pour une fonction qui applique des points de I dans I, mais qui n est pas continue. La situation représentée dans la Figure 4 montre cependant qu il peut exister un point fixe si l une des hypothèses (en l occurrence, la continuité de g) n est pas vérifiée. Ce qui vient d être suggéré pour une fonction d une variable peut être généralisé au cas de r fonctions à r variables. Dans la Figure 5, nous illustrons le cas de deux fonctions (linéaires) à deux variables g 1 (x 1,x 2 )=(1 x 2 )/2 et g 2 (x 1,x 2 )=(1 x 1 )/2, définies pour x 1 I et x 2 I. Ces deux fonctions sont continues et appliquent des points appartenant à I 2 = I I dans I 2. Il est facile de voir qu il existe un point fixe x = (x 1,x 2) I 2 tel que x 1 =(1 x 2)/2 etx 2 =(1 x 1)/2, avec x =(1/3, 1/3). 1 Je remercie Renato Flores et Jean Gabszewicz pour des commentaires sur une version préliminaire. 2 Notons qu il peut exister plus d un point fixe, si, dans la Figure 1, g croise la diagonale plus d une fois. 1

2 Le théorème de point fixe de Brouwer Ces considérations intuitives ont été formalisées et démontrées sous forme d un théorème par le mathématicien hollandais Brouwer, en Théorème (Brouwer). Considérons un ensemble A R r et une fonction g = (g 1,g 2,..., g r ). Si les deux hypothèses suivantes sont satisfaites: (a) l ensemble A est non vide, compact et convexe, et (b) g est une application continue de A dans A, alors g(.) possède un fixe x A tel que x = g(x ). L ensemble I 2 de l exemple qui précède est un cas particulier de l ensemble A. Dans les applications économiques, il arrivera souvent que les coordonnées des points de l ensemble A soient non-négatives et somment sur 1. Si tel est le cas, on dira que A est un simplexe de dimension r, noté S r et défini comme suit: Définition (Simplexe). L ensemble S r = {x 1,x 2,..., x r : x 1 0,x 2 0,..., x r 0, r k=1 x i =1} est appelé simplexe de dimension r 1. Le théorème de Brouwer peut dès lors aussi s énoncer comme suit: Une application continue g de S r dans S r possède un point fixe. Avant de considérer des applications du théorème de Brouwer, il est utile de noter l équivalence entre les deux affirmations suivantes: (a) la fonction g possède un point fixe x et (b) le système d équations x g(x) =f(x) =0 possède une solution x. Trois exemples d utilisation du théorème de Brouwer Une chaîne de Markov. Considérons une matrice A de r lignes et r colonnes, dans laquelle l élément a ij donne la probabilité qu un système possède de passer de l état j àl état i entre les instants t et t +1(une transition). Par définition, r i=1 a ij =1,j =1, 2,..., r. Silevecteur x t =(x 1t,x 2t,..., x rt ) représente les probabilités que le système ad être dans chacun des r états à l instant t (et que dès lors x t S r ), alors l état du système à l instant t +1 est décrit par les équations x t+1 = Ax t. Il est aisé devoir que le vecteur x t+1 appartient aussi à S r. La fonction continue Ax applique des points de S r dans S r et possède par conséquent un point fixe x tel que x = Ax. 2

3 En ce point fixe, les probabilités (x 1,x 2,..., x r)nesemodifient plus lors des transitions suivantes. Un jeu non coopératif. Considérons une situation dans laquelle r agents repérés par l indice j =1, 2,..., r (les joueurs) interagissent sur un marché. Chacun d eux choisit dans son ensemble de stratégies Y j R (par exemple l ensemble de ses possibilités de production) une action y j (sa production) de manière à maximiser son profit. Le profit de l agent j, Π j (y j,y j ), dépend bien entendu de sa propre action y j, mais aussi des actions y j = (y 1,y 2,...y j 1,y j+1,..., y r ) prises par ses concurrents. Si le choix de j est unique pour chaque y j,ilest donné par la fonction (appelée fonction de réaction de j), g j (y j )=argmax yj Y j Π j (y j,y j ), qui prend nécessairement ses valeurs dans Y j. Un équilibre de Nash de ce jeu est un vecteur y = (y1,y 2,..., yj,..., yr), tel que pour chaque producteur j, yj = argmax Π j (y j,y j). Un tel vecteur, s il existe, doit donc être solution du système de r équations à r inconnues yj = g j (y j). Définissons la fonction g(y) = (g 1 (y 1 ),g 2 (y 2 ),..., g j (y j ),..., g r (y r )), qui applique des points de Y = Y 1 Y 2... Y j... Y r dans Y.SiY est non vide, compact et convexe (ce qui est assuré sichacun des ensembles de production Y j est non vide, compact et convexe) et que la fonction g(y) est continue (ce qui est le cas si Π j (y j,y j ) est une fonction continue et strictement (quasi) concave), le théorème de Brouwer implique que g(y) possède un point fixe y tel que y = g(y ); ce point fixe est bien un équilibre de Nash. Voir par exemple Friedman (1986) pour les détails. Dans les deux exemples que nous venons de considérer, le modèle pour lequel il faut prouver l existence d un point fixe se présente de façon naturelle sous la forme d une application g(x) pour laquelle les conditions d application du théorème de Brouwer sont satisfaites, ce qui permet de conclure à l existence d un point fixe. Il n en est pas toujours ainsi. En particulier, dans le modèle d équilibre concurrentiel, on doit prouver qu il existe un vecteur de prix p 0 tel que la demande soit inférieure ou égale à l offre sur chaque marché, ou encore que la demande excédentaire z(p ) (obtenue en retranchant l offre de la demande) soit non-positive. Ici, il faudra, dans une première étape, construire une fonction (artificielle) qui satisfasse les hypothèses requises pour invoquer le théorème de Brouwer; il s agira, ensuite, de démontrer qu au point fixe p, l on obtient bien le résultat voulu, 3

4 en l occurence, z(p ) 0. 4

5 Le modèle concurrentiel d échange. Dans une économie d échange il y a m consommateurs, repérés par un indice i = 1, 2,..., m qui procèdent à des échanges de biens sur r marchés, repérés par un indice k =1, 2,..., r. Soit ω i le vecteur à r éléments qui représente la dotation initiale du consommateur i et x i le vecteur à r éléments qui représente un choix possible de sa consommation. Chaque consommateur fait, à prix donnés p 0,unchoix optimal obtenu en maximisant son utilité u i (x i ) sous sa contrainte budgétaire p 0 x i p 0 ω i, où p 0 x i et p 0 ω i représentent respectivement sa dépense et son revenu. Sous des hypothèses appropriées (essentiellement, que u i (x i ) est une fonction continue, croissante, strictement (quasi) concave 3 ), la contrainte budgétaire est satisfaite avec égalité etlechoix optimal est unique pour chaque vecteur de prix p 0 ;lademande optimale est alors une fonction continue 4 des prix, notée x i (p). La demande excédentaire z(p) est alors simplement obtenue en soustrayant l offre agrégée r i=1 ω i de la demande agrégée r i=1 x i (p): z(p) = r i=1 x i (p) r i=1 ω i. Cette fonction est continue. Nous montrons maintenant que z(p) possède deux propriétés supplémentaires. D une part, le choix optimal ne se modifie pas lorsque les prix sont multipliés par un nombre positif (en effet, une telle opération ne modifie en rien la contrainte budgétaire); par conséquent, z(p) est une fonction homogène de degré 0enp et il est permis, sans perte de généralité, de normaliser les prix en les contraignant à appartenir au simplexe S r = {p : p 0, r k=1 p k =1}. Par ailleurs, comme, en chaque optimum, les contraintes budgétaires sont satisfaites avec égalité, on peut, en les additionnant membre à membre, voir que p( m i=1 x i (p) m i=1 ω i )=pz(p) =0,pour tout p 0 (la loi de Walras). Pour démontrer l existence d un vecteur de prix p 0 tel que z(p ) 0, on procède en suivant les deux étapes décrites plus haut: (a) Construction d une fonction artificielle qui satisfait les hypothèses du théorème de Brouwer. Cette fonction est p k + max{0,z k (p)} g k (p) = rj=1 p j + r,k =1, 2,..., r. j=1 max{0,z j (p)} Par construction, la fonction g(p) =(g 1 (p),g 2 (p),..., g r (p)) est continue et applique de points du simplexe des prix S r dans le simplexe S r = {g(p) : 3 Ces hypothèses peuvent être légèrement relachées. 4 La continuité nécessite des hypothèses techniques pour assurer que la demande reste finie lorsqu un ou plusieurs prix p k sont nuls. 5

6 g(p) 0, k g k (p) =1}. Envertu du théorème de Brouwer, elle possède un point fixe p S r tel que p = g(p ). (b) Ce point fixe est un équilibre. En effet, en p,onabien: r p k j=1 max{0,z j (p )} = max{0,z k (p )},k =1, 2,..., r. En multipliant les deux membres par z k et en additionnant toutes les égalités ainsi obtenues membre à membre, on trouve: r r r p kz k (p ) max{0,z j (p )} = z k (p )max{0,z k (p )}. k=1 j=1 k=1 Puisque, par la loi de Walras, r k=1 p kz k (p )=0,onaaussi r z k (p )max{0,z k (p )} =0. k=1 Cette égalité est vérifiée si et seulement si z k (p ) 0pour tout k, cequi montre que p S r est bien un vecteur de prix qui assure que la demande est inférieure ou égale à l offre. Le théorème de point fixe de Kakutani Le théorème de Brouwer est utilisé pour montrer qu une fonction g continue possède un point fixe. Rappelons qu une fonction (ou application) associe à tout élément x A un et un seul élément y B (ou A lui-même, comme dans les cas considérés plus haut). En économie, l on est souvent amené à considérer des correspondances; une correspondance g associe à tout élément x A un sous-ensemble non vide Y B: Y peut donc contenir plusieurs éléments appartenant à B. Ceci sera, par exemple, le cas dans un programme linéaire (Figure 6) dans lequel un producteur doit choisir les niveaux de production x 1 et x 2 qui maximisent son profit c 1 x 1 +4x 2 à contribution c 1 donnée, sous les contraintes technologiques 2x 1 +4x 2 8,x 1 0,x 2 0. Supposons que la question soit de décrire la (ou les) solution(s) optimale(s) lorsque c 1 varie entre 0 et 3. Il est facile de vérifier que pour c 1 2,lasolution optimale est unique (elle vaut x 1 =4,x 2 =0sic 1 > 2etx 1 =0,x 2 =2sic 1 < 2). Lorsque c 1 =2, 6

7 toutes les solutions x 1 telles que 2 x 1 4 sont optimales. La Figure 7 illustre la correspondance x 1 = f(c 1 ). Celle-ci possède plusieurs propriétés que nous définissons maintenant. Définition (Correspondance hemi-continue supérieure). Une correspondance f qui associe à tout élément x A un sous ensemble non vide et compact Y B est hemi-continue supérieure (hcs) si et seulement si son graphe, c està-dire l ensemble {(x, y) A B : y f(x)} est fermé. Il est clair que la correspondance de la Figure 6 satisfait aux conditions de la définition: à tout c 1, est associé unensemble non vide et compact (qui peut ne contenir qu un seul élément) et le graphe est fermé. Dans la Figure 8, on trouvera une correspondance dont le graphe est fermé, mais pour laquelle B n est pas compact; la Figure 9 illustre un autre cas d une correspondance hcs (x [0, 1]); cependant, si l on exclut le point Q, legraphe n est plus fermé et la correspondance n est pas hcs. Une comparaison des Figures 6 et 9, qui représentent deux correspondances hcs, fait apparaître une différence importante: dans la Figure 6, les valeurs x 1 f(2) engendrent un ensemble convexe, ce qui n est pas le cas pour la correspondance de la Figure 8, au point x 0. Le théorème suivant, démontré par Kakutani en 1941, généralise le théorème de Brouwer en faisant appel à des correspondances hcs, à valeurs convexes: Théorème (Kakutani). Considérons un ensemble B R r et une correspondance g =(g 1,g 2,..., g r ). Si les hypothèses suivantes sont satisfaites: (a) l ensemble B est non vide, compact et convexe, (b) g est une correspondence hcs de B dans B, et(c) l ensemble g(x) B est non vide et convexe pour tout x B, alors g(.) possède un point fixe x B tel que x g(x ). La Figure 10 illustre le théorème dans une situation similaire à celle considérée dans la Figure 1, dans le cas où g(x) n est pas une fonction continue, mais une correspondance hcs àvaleurs convexes. Il est facile de voir que si l une de hypothèses n est pas satisfaites (par exemple, l absence de convexité), il peut ne pas exister de point fixe. 7

8 Utilisations du théorème de Kakutani Un jeu non coopératif. Revenons au jeu décrit précédemment, mais dans lequel le choix optimal calculé par les agents n est pas unique. Ceci sera le cas si la fonction de profit de j, Π j (y j,y j ) est (quasi) concave en y j au lieu d être strictement (quasi) concave. Les choix optimaux pour y j fixé pourront néanmoins être représentés par une correspondance hcs àvaleurs convexes et le théorème de Kakutani permettra d assurer qu il existe une solution au jeu. Le modèle d équilibre général avec producteurs. Il est possible de généraliser le modèle d équilibre concurrentiel considéré plus haut en y incorporant des producteurs, dont chacun maximise, à prix donnés, son profit sous des contraintes décrivant son ensemble de production. Si les rendements de chaque producteur sont décroissants (les contraintes de l ensemble de production forment un ensemble strictement convexe), alors son choix optimal est unique et l on peut définir un modèle dans lequel la fonction de demande excédentaire continuera de jouir des mêmes propriétés que celles qui ont été décrites précédemment. Par contre, si les ensembles de production sont convexes, comme dans la Figure 6, les producteurs pourront faire face à des solutions optimales multiples: la demande excédentaire ne sera plus une fonction, mais une correspondance hcs àvaleurs convexes. 5 Ici aussi, l utilisation du théorème de Kakutani permettra de démontrer l existence de prix qui assurent l équilibre sur tous les marchés. Une première démonstration de ce résultat a été donnée par Wald en ; Arrow, Debreu et McKenzie ont largement contribué à ces résultats d existence durant les années Voir Debreu (1966) pour un traitement exhaustif. Voir aussi Ekeland (1979) ou Mas-Colell et al. (1995). Le calcul de points fixes Les deux théorèmes de point fixe décrits dans ce qui précède permettent de conclure à l existence de solutions pour un grand nombre de modèles économiques, mais ne donnent aucune indication sur la manière de les cal- 5 Il suffit qu un des ensembles de production soit convexe. Ceci sera également le cas dans le modèle d échanges sans producteurs, si la fonction d utilité d un des consommateurs est (quasi) concave et non plus strictement (quasi) concave. 8

9 culer. L on connaissait depuis longtemps des méthodes numériques permettant de résoudre des systèmes d équations non-linéaires f(x) = 0(voir, par exemple, Ortega and Rheinboldt (1970)) et donc également des problèmes de point fixe (on peut trouver un point fixe de g(x) enrésolvant le système f(x) = g(x) x = 0). Cependant, aucune des méthodes ne garantissait la convergence des calculs vers une solution. En 1967, Scarf découvre un algorithme permettant de calculer un point fixe approximatif d une fonction et pour lequel la convergence est garantie. Cet algorithme a d ailleurs conduit à une nouvelle preuve du théorème de Brouwer (et, un peu plus tard, du théorème de Kakutani, toujours par Scarf). La découverte a également ouvert le champ à de nombreuses recherches algorithmiques ainsi qu au calcul numérique de solutions de modèles d équilibre général, encore que l on se soit rendu compte, peu de temps après, que des algorithmes plus simples et plus rapides, mais sans garantie de convergence, pouvaient être utilisés de façon plus efficace. Voir Scarf (1973) pour les premiers algorithmes de point fixe et Kehoe (1991) pour les approches plus récentes. Voir aussi Ginsburgh and Keyzer (1997) pour les modèles d équilibre général calculables. Références Debreu, G. (1966), Théorie de la Valeur, Paris: Dunod. Ekeland, I. (1979), Eléments d Economie Mathématique, Paris: Hermann. Friedman, J. (1986), Game Theory with Applications to Economics, Oxford: Oxford University Press. Ginsburgh, V. and M. Keyzer (1997), The Structure of Applied General Equilibrium Models, Cambridge, MA: MIT Press. Kehoe, T. (1991), Computation and multiplicity of equilibria, in W. Hildenbrand and H. Sonnenschein, eds., Handbook of Mathematical Economics, vol.4, Amsterdam: North Holland. Mas-Colell, A., M. D. Whinston and J. R. Green (1995), Microeconomic Theory, Oxford: Oxford University Press. Ortega, J. M. and W. C. Rheinboldt (1970), Iterative Solutions of Nonlinear Equations in Several Variables, New York: Academic Press. 9

10 Scarf, H., with the collaboration of T. Hansen (1973), The Computation of Economic Equilibria, New Haven: Yale University Press. Smart, D. R. (1974), Fixed Point Theorems, Cambridge: Cambridge University Press. 10

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Le 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 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 détail

Image d un intervalle par une fonction continue

Image 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 détail

THÉORIE DES JEUX : ÉQUILIBRES DE NASH

THÉORIE DES JEUX : ÉQUILIBRES DE NASH THÉORIE DES JEUX : ÉQUILIBRES DE NASH INDEX 1) INTRODUCTION 1.1)Définition d'un jeu 1.2)Historique et applications 2)LES JEUX MATRICIELS 2.1)Définition 2.2)Le Théorème fondamental 2.3)Principe de la preuve

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

Partie I Le consommateur et la demande

Partie I Le consommateur et la demande Partie I Le consommateur et la demande Chapitre 1 La fonction d utilité 1 Plan du cours 1. Le consommateur. 2. La notion d utilité. 3. Les courbes d indifférence. 4. L optimum du consommateur. 5. Exercices.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

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

Plus en détail

Première partie. Deuxième partie

Première partie. Deuxième partie PC 96-97 correction épreuve X97 Première partie. f étant convexe sur l intervalle [t, t 2 ], sa courbe représentative est en dessous la corde joignant les points (t, f(t )) et (t 2, f(t 2 )). Comme f(t

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Démontrer le caractère injectif / surjectif / bijectif d une application

Démontrer le caractère injectif / surjectif / bijectif d une application Démontrer le caractère injectif / surjectif / bijectif d une application Il s agit donc de montrer une propriété commençant par un symbole. La démonstration débute donc par : Soit (x 1, x 2 ) E 2. La propriété

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Dédié à Ky Fan, en témoignage de notre profonde admiration

Dédié à Ky Fan, en témoignage de notre profonde admiration Topological Methods in Nonlinear Analysis Journal of the Juliusz Schauder Center Volume 5, 1995, 261 269 FAMILLES SÉLECTANTES Paul Deguire Marc Lassonde Dédié à Ky Fan, en témoignage de notre profonde

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

3 Approximation de solutions d équations

3 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 détail

Base : une axiomatique

Base : une axiomatique Autour des groupes de réflexions Master 2 Mathématiques fondamentales Cours : Michel Broué Université Paris VII Denis Diderot TD : Vincent Beck Année 2005 2006 Base : une axiomatique a) D après (i), on

Plus en détail

Résolution d équations non linéaires

Résolution 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 détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Problèmes de transport et transbordement

Problèmes de transport et transbordement Problèmes de transport et transbordement Résolution Hugues Talbot Laboratoire A2SI 9 avril 2009 Plan Introduction Introduction Solution des problèmes de transport Solution de base initiale Le simplexe

Plus en détail

1 - INTERPOLATION. J-P. Croisille. Semestre S7, master de mathématiques M1, année 2008/2009. Université Paul Verlaine-Metz

1 - INTERPOLATION. J-P. Croisille. Semestre S7, master de mathématiques M1, année 2008/2009. Université Paul Verlaine-Metz 1 - INTERPOLATION J-P. Croisille Université Paul Verlaine-Metz Semestre S7, master de mathématiques M1, année 2008/2009 1- INTRODUCTION Théorie de l interpolation: approximation de f(x) par une fonction

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Problème de contrôle optimal pour une chaîne de Markov

Problème de contrôle optimal pour une chaîne de Markov Problème de contrôle optimal pour une chaîne de Markov cours ENSTA MA206 Il s agit de résoudre un problème d arrêt optimal pour une chaîne de Markov à temps discret. Soit X n une chaîne de Markov à valeurs

Plus en détail

Terminale ES Correction du bac blanc de Mathématiques (version spécialité).

Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Lycée Jacques Monod février 05 Exercice : Voici les graphiques des questions. et.. A 4 A Graphique Question. Graphique Question..

Plus en détail

Polynômes à plusieurs variables. Résultant

Polynômes à plusieurs variables. Résultant Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème 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 détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

CHAPITRE 10. Jacobien, changement de coordonnées.

CHAPITRE 10. Jacobien, changement de coordonnées. CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

Plus en détail

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Incertain, Marché financier, - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Plan du cours 1. Incertain, actifs financiers et marché financier 2. Les conditions d un marché sans arbitrage

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Continuité en un point

Continuité 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Épreuve d informatique 2011

Épreuve d informatique 2011 A 2011 INFO. MP ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L AÉRONAUTIQUE ET DE L ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE

Plus en détail

Devoir surveillé n 1 : correction

Devoir surveillé n 1 : correction E1A-E1B 013-01 Devoir surveillé n 1 : correction Samedi 8 septembre Durée : 3 heures. La calculatrice est interdite. On attachera une grande importance à la qualité de la rédaction. Les questions du début

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Programmation Linéaire - Cours 2

Programmation Linéaire - Cours 2 Programmation Linéaire - Cours 2 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire 1 2 3 Retournons dans le yaourt! Reprenons l exemple du 1er cours Forme normale

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Groupes et Actions de groupes. 1 Groupes, morphismes et actions de groupes.

Groupes et Actions de groupes. 1 Groupes, morphismes et actions de groupes. Groupes et Actions de groupes On présente ici des notions de base de théorie des groupes pour l agrégation interne. 1 Groupes, morphismes et actions de groupes. Un groupe (G, ), ou plus simplement G, est

Plus en détail

Calculs préliminaires.

Calculs préliminaires. MINES-PONTS 005. Filière MP. MATHÉMATIQES 1. Corrigé de JL. Lamard jean-louis.lamard@prepas.org) Calculs préliminaires. Notons que si f H alors f)e / est bien intégrable sur R car continue positive et

Plus en détail

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie CENTRALE PC 2000 ÉPREUVE DE MATH 2 Première partie I. A. 1. La fonction x px kx 2 = x(p kx) présente un maximum pour toute valeur de p au point d abscisse x = p p2 et il vaut 2k 2k. Conclusion : J(f) =

Plus en détail

Notes de cours. Cours introductif sur la théorie des domaines. Modèles des langages de programmation Master Parisien de Recherche en Informatique

Notes de cours. Cours introductif sur la théorie des domaines. Modèles des langages de programmation Master Parisien de Recherche en Informatique Notes de cours Cours introductif sur la théorie des domaines Paul-André Melliès Modèles des langages de programmation Master Parisien de Recherche en Informatique 1 Ensembles ordonnés Definition 1.1 (ensemble

Plus en détail

CONCOURS D'ELEVE INGENIEUR STATISTICIEN ECONOMISTE OPTIONS MATHEMATIQUES ET ECONOMIE. Les candidats traiteront l'un des trois sujets au choix.

CONCOURS D'ELEVE INGENIEUR STATISTICIEN ECONOMISTE OPTIONS MATHEMATIQUES ET ECONOMIE. Les candidats traiteront l'un des trois sujets au choix. ECOLE NATIONALE SUPERIEURE DE STATISTIQUE ET D'ECONOMIE APPLIQUEE ABIDJAN 1 AVRIL 21 CONCOURS D'ELEVE INGENIEUR STATISTICIEN ECONOMISTE OPTIONS MATHEMATIQUES ET ECONOMIE EPREUVE D'ORDRE GENERAL DUREE :

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

Plus en détail

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

Plus en détail

TRAVAUX DIRIGÉS DE MICROÉCONOMIE Licence 1 Semestre 2 - Parcours EM

TRAVAUX DIRIGÉS DE MICROÉCONOMIE Licence 1 Semestre 2 - Parcours EM TRAVAUX DIRIGÉS DE MICROÉCONOMIE Licence 1 Semestre 2 - Parcours EM Aurelia Tison, Anne-Sarah Chiambretto AMU, année 2013 1 La théorie du producteur (séances 1 à 4) La fonction de production : les facteurs

Plus en détail

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz Master Modélisation Statistique M2 Finance - chapitre 1 Gestion optimale de portefeuille, l approche de Markowitz Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté.

Plus en détail

BJ - RELATIONS BINAIRES

BJ - RELATIONS BINAIRES BJ - RELATIONS BINAIRES Définitions Soit A et B deux ensembles non vides, et G une partie de A B. On dit qu un élément x de A est relié à un élément y de B par une relation binaire de graphe G, si le couple

Plus en détail

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Zoltán Szigeti Ensimag April 4, 2015 Z. Szigeti (Ensimag) RO 1A April 4, 2015 1 / 16 Forme Générale Définition

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Arnaud Triay Table des matières 1 Introduction Position du problème.1 Pricing des options........................................... Formalisme..............................................

Plus en détail

LE PROBLEME DU FLOT MAXIMAL

LE PROBLEME DU FLOT MAXIMAL LE PROBLEME DU FLOT MAXIMAL I Exemple d introduction Deux châteaux d'eau alimentent 3 villes à travers un réseau de canalisations au sein duquel se trouvent également des stations de pompage. Les châteaux

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Factorisation des matrices creuses

Factorisation des matrices creuses Chapitre 5 Factorisation des matrices creuses 5.1 Matrices creuses La plupart des codes de simulation numérique en mécanique des fluides ou des structures et en électromagnétisme utilisent des discrétisations

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires :

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires : Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes sont linéaires : f 1 : R R f 1 x,y = x + y,x y f : R R f x,y,z = xy,x,y f : R R f x,y,z = x + y + z,y z,x

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban EXERCICE 1 : 4 Points Cet exercice est un questionnaire à choix multiples. Aucune justification n est demandée. Pour chacune des questions, une

Plus en détail

Corrigé de l examen partiel du 19 novembre 2011

Corrigé de l examen partiel du 19 novembre 2011 Université Paris Diderot Langage Mathématique (LM1) Département Sciences Exactes 2011-2012 Corrigé de l examen partiel du 19 novembre 2011 Durée : 3 heures Exercice 1 Dans les expressions suivantes, les

Plus en détail

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels.

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels. Licence de Sciences et Technologies EM21 - Analyse Fiche de cours 1 - Nombres réels. On connaît les ensembles suivants, tous munis d une addition, d une multiplication, et d une relation d ordre compatibles

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : Accès à l'université chez DUNOD Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD Les supports de cours ne sont pas complets, ils ne contiennent ni les démonstrations,

Plus en détail

Niveau de production croissant

Niveau de production croissant En effet, la fonction de production définit : l ensemble de production l ensemble des paniers de facteurs qui permettent de produire un niveau donné de bien. Cette fonction permet de définir des courbes

Plus en détail

Un tout petit peu d homotopie

Un tout petit peu d homotopie Vincent Beck On note I = [ 0, 1 ]. Un tout petit peu d homotopie 0.1 Homotopie Définition 1 Applications homotopes. Soient X, Y deux espaces topologiques et f, g : X Y deux applications continues. On dit

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Frédéric Messine Introduction Dans ce chapitre, nous allons étudier une application de la dérivation des fonctions de plusieurs variables

Plus en détail

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe Phase I 1 Introduction Algorithme du simplexe : Soit x 0 une solution de base admissible Comment déterminer x 0? Comment déterminer

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites 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 détail

Couplages et colorations d arêtes

Couplages et colorations d arêtes Couplages et colorations d arêtes Complément au chapitre 5 «Une employée mécontente» et au chapitre 9 «L apprentie sudokiste» Considérons n équipes de hockey qui doivent s affronter lors d un tournoi.

Plus en détail

S5 Info-MIAGE 2013-2014 Mathématiques Financières Les bases de l évaluation des investissements

S5 Info-MIAGE 2013-2014 Mathématiques Financières Les bases de l évaluation des investissements Université de Picardie Jules Verne Année 2013-2014 UFR des Sciences Licence mention Informatique parcours MIAGE - Semestre 5 Mathématiques Financières LES BASES DE L EVALUATION DES INVESTISSEMENTS Les

Plus en détail

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 0 et l échéance N. Définition 5.1. Une option américaine est définie par une suite (h n ) n=0..n,

Plus en détail

Méthodes avancées en décision

Méthodes avancées en décision Méthodes avancées en décision Support vector machines - Chapitre 2 - Principes MRE et MRS Principe MRE. Il s agit de minimiser la fonctionnelle de risque 1 P e (d) = y d(x;w, b) p(x, y) dxdy. 2 La densité

Plus en détail