Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Dimension: px
Commencer à balayer dès la page:

Download "Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48"

Transcription

1 Méthodes de Polytech Paris-UPMC - p. 1/48

2 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

3 Polynôme d interpolation de Théorème (Polynôme d interpolation) Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, il existe un unique polynôme P de degré n qui coupe la fonction f sur ces points i.e. tel que : i {0,...,n} P(a i ) = f(a i ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes C est le polynôme interpolateur de de f sur les points a i. - p. 3/48

4 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i x a k a i a k Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 4/48

5 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i i, j L i (a j ) = x a k a i a k { 1 si i = j 0 si i j Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 4/48

6 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i i, j L i (a j ) = x a k a i a k { 1 si i = j 0 si i j Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Le polynôme : P(x) = f 0 L 0 (x) + f 1 L 1 (x) + + f n L n (x) Convient. On l appelle polynôme d interpolation de L unicité est à démontrer en exercice. - p. 4/48

7 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 5/48

8 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48

9 a 6 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48

10 a 3 a 6 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48

11 Polynôme d interpolation de Preuve et polynôme de a 3 a 4 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48

12 Polynôme d interpolation de Preuve et polynôme de a 0 a 3 a 4 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48

13 Polynôme d interpolation de Preuve et polynôme de a 0 a 1 a 2 a 3 a 4 a 5 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 5/48

14 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 6/48

15 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) - p. 6/48

16 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois - p. 6/48

17 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois - p. 6/48

18 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois... g (n+1) s annule une fois en η - p. 6/48

19 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois... g (n+1) s annule une fois en η Or φ (n+1) = (n + 1)! et P (n+1) = 0. - p. 6/48

20 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48

21 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48

22 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48

23 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48

24 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes f(x) = e 10x2 - p. 7/48

25 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

26 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

27 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

28 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

29 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

30 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. problèmes si un point est très différent des autres (f (n+1) >> 1) le polynôme a tendance à osciller entre les points d interpolations Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48

31 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. problèmes si un point est très différent des autres (f (n+1) >> 1) le polynôme a tendance à osciller entre les points d interpolations Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Certaines fonctions simples seront mal interpolées par un polynôme. - p. 8/48

32 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

33 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

34 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

35 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

36 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

37 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48

38 Autres méthodes Comment améliorer l interpolation? Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 10/48

39 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 10/48

40 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : - p. 10/48

41 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux - p. 10/48

42 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux Fonctions quadratiques par morceaux - p. 10/48

43 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux Fonctions quadratiques par morceaux Les splines cubiques (polynôme de degré 3 par morceau). - p. 10/48

44 Intégration numérique Principe Principe (suite) - p. 11/48

45 Intégration numérique On cherche à approcher l intégrale d une fonction : Dont on ne connaît la valeur qu en certains points mesures Dont on peut calculer les valeurs, mais dont on ne peut pas calculer la primitive pas de formule analytique trop complexe Intégration numérique Principe Principe (suite) Il faut approcher I(f) = b a f(t)dt - p. 12/48

46 Principe Intégration numérique Principe Principe (suite) - p. 13/48

47 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m Intégration numérique Principe Principe (suite) - p. 13/48

48 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. Intégration numérique Principe Principe (suite) - p. 13/48

49 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). Intégration numérique Principe Principe (suite) - p. 13/48

50 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). On calcule l intégrale du polynôme d interpolation de chaque sous intervalle, cela s exprime simplement en fonction des valeurs f i = f(y i ) : Intégration numérique Principe Principe (suite) - p. 13/48

51 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). On calcule l intégrale du polynôme d interpolation de chaque sous intervalle, cela s exprime simplement en fonction des valeurs f i = f(y i ) : Intégration numérique Principe Principe (suite) yi+k y i g i (t)dt = k α l f i+l l=0 - p. 13/48

52 Principe (suite) - p. 14/48

53 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) i=0 - p. 14/48

54 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point 2 points 3 points n points i=0 - p. 14/48

55 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points 3 points n points i=0 - p. 14/48

56 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points n points i=0 - p. 14/48

57 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points i=0 - p. 14/48

58 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points approximation de degré n 1 méthode de NEWTON-CÔTES i=0 - p. 14/48

59 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points approximation de degré n 1 méthode de NEWTON-CÔTES Pour chaque méthode, il existe des constantes β i qui permettent d appliquer la formule (1) et une majoration de l erreur que l on va calculer. i=0 - p. 14/48

60 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 15/48

61 Méthode des rectangles Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction constante g i tel que g i (t) = f(y i ). yi+1 g i (t)dt = (y i+1 y i )f(y i ) = b a y i m f(y i) b a f(t)dt = y1 y 0 f(t)dt + y2 y 1 f(t)dt ym y m 1 f(t)dt L approximation de b f(t)dt par la méthode des rectangles est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 16/48

62 Méthode des rectangles Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction constante g i tel que g i (t) = f(y i ). yi+1 g i (t)dt = (y i+1 y i )f(y i ) = b a y i m f(y i) b a f(t)dt = y1 y 0 f(t)dt + y2 y 1 f(t)dt ym y m 1 f(t)dt L approximation de b f(t)dt par la méthode des rectangles est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication I R = b a m m 1 i=0 f(y i ) - p. 16/48

63 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 17/48

64 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48

65 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = yi+1 y i f (η(t))(t y i )dt Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48

66 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = Soit M = sup t [a,b] f (t) yi+1 y i f (η(t))(t y i )dt Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48

67 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = yi+1 Soit M = sup t [a,b] f (t) yi+1 f(t)dt b a m f(y i) M y i y i f (η(t))(t y i )dt yi+1 y i (t y i )dt M (y i+1 y i ) 2 2 (b a)2 M 2m 2 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48

68 (suite) Finalement Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48

69 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 2m Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48

70 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b a de prendre m plus grand que M (b a)2 2ε 2m f(t)dt à ε près, il suffit Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48

71 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b a de prendre m plus grand que M (b a)2 2ε L approximation est exacte si 2m f(t)dt à ε près, il suffit Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48

72 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)2 2ε L approximation est exacte si la dérivée f est nulle c est-à-dire si la fonction f est constante. 2m Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48

73 Méthode des trapèzes Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m. Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction affine g i coïncidant avec f en y i et y i+1 soit : g i (t) = f(y i ) + (t y i) (y i+1 y i ) (f(y i+1) f(y i )). Remarque : g i est la fonction affine par morceaux reliant les points de coordonnées (y i, f(y i )). Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 20/48

74 Calcul de la formule yi+1 y i g i (t)dt = y i+1 y i [ t y i+1 y i (f(y i+1 ) f(y i )) y i y i+1 y i (f(y i+1 ) f(y i ))+f(y i )]dt = y i y i 2(y i+1 y i ) (f(y i+1) f(y i )) y i (f(y i+1 ) f(y i )) + (y i+1 y i )f(y i ) = y i+1+y i 2 (f(y i+1 ) f(y i )) y i f(y i+1 ) + y i+1 f(y i ) = y i+1 y i 2 (f(y i+1 ) + f(y i )) = b a 2m (f(y i+1) + f(y i )) Or b a f(t)dt = y 1 y 0 f(t)dt + y 2 y 1 f(t)dt y m y m 1 f(t)dt Donc l approximation de b f(t)dt par la méthode des trapèzes est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 21/48

75 Calcul de la formule yi+1 y i g i (t)dt = y i+1 y i [ t y i+1 y i (f(y i+1 ) f(y i )) y i y i+1 y i (f(y i+1 ) f(y i ))+f(y i )]dt = y i y i 2(y i+1 y i ) (f(y i+1) f(y i )) y i (f(y i+1 ) f(y i )) + (y i+1 y i )f(y i ) = y i+1+y i 2 (f(y i+1 ) f(y i )) y i f(y i+1 ) + y i+1 f(y i ) = y i+1 y i 2 (f(y i+1 ) + f(y i )) = b a 2m (f(y i+1) + f(y i )) Or b a f(t)dt = y 1 y 0 f(t)dt + y 2 y 1 f(t)dt y m y m 1 f(t)dt Donc l approximation de b f(t)dt par la méthode des trapèzes est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication I T = b a 2m (f(y 0) + 2f(y 1 ) f(y m 1 ) + f(y m )) - p. 21/48

76 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 22/48

77 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que - p. 23/48

78 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que f(t) g i (t) = 1 2 f (η(t))(t y i )(t y i+1 ) yi+1 y i f(t)dt b a 2m (f(y i+1) + f(y i )) = 1 2 yi+1 y i f (η(t))(t y i )(t y i+1 )dt d où si M = sup t [a,b] f (t) yi+1 y i f(t)dt b a 2m (f(y i+1) + f(y i )) M yi+1 y i (t y i )(y i+1 t)dt - p. 23/48

79 (suite) Pour le calcul de y i+1 y i (t y i )(y i+1 t)dt, on effectue un changement de variable. Soit x = t y i (t = x + y i ) yi+1 y i Donc (t y i )(y i+1 t)dt = y i+1 y i 0 x(y i+1 y i x)dx y i+1 y i = y i+1 y i x 2 + x(y 0 i+1 y i )dx = (y i+1 y i ) (y i+1 y i ) 2 2 (y i+1 y i ) = (y i+1 y i ) 3 6 f(t)dt b a 2m (f(y i+1) + f(y i )) M (y i+1 y i ) 3 12 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 24/48

80 (suite) Pour le calcul de y i+1 y i (t y i )(y i+1 t)dt, on effectue un changement de variable. Soit x = t y i (t = x + y i ) yi+1 y i Donc (t y i )(y i+1 t)dt = y i+1 y i 0 x(y i+1 y i x)dx y i+1 y i = y i+1 y i x 2 + x(y 0 i+1 y i )dx = (y i+1 y i ) (y i+1 y i ) 2 2 (y i+1 y i ) = (y i+1 y i ) 3 6 f(t)dt b a 2m (f(y i+1) + f(y i )) M (y i+1 y i ) 3 12 b a f(t)dt I T M (b a)3 12m 2 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 24/48

81 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48

82 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε L approximation est exacte si Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48

83 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε L approximation est exacte si la dérivée seconde f est nulle c est-à-dire si la fonction f est affine. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48

84 Méthode de SIMPSON On considère les 2n + 1 points z i = a + i b a 2n (i = 0,..., 2n) Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 26/48

85 Méthode de SIMPSON On considère les 2n + 1 points z i = a + i b a 2n (i = 0,..., 2n) Sur chaque intervalle I i = [z 2i, z 2i+2 ], la fonction f est approchée par la parabole g i passant par les points Donc (z 2i, f(z 2i )) (z 2i+1, f(z 2i+1 )) (z 2i+2, f(z 2i+2 )) g i (t) = f(z 2i ). +f(z 2i+1 ). +f(z 2i+2 ). (t z 2i+1 )(t z 2i+2 ) (z 2i z 2i+1 )(z 2i z 2i+2 ) (t z 2i )(t z 2i+2 ) (z 2i+1 z 2i )(z 2i+1 z 2i+2 ) (t z 2i )(t z 2i+1 ) (z 2i+2 z 2i )(z 2i+2 z 2i+1 ) Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 26/48

86 Méthode de SIMPSON (suite) Ce qui donne, tout calcul fait : z2i+2 z 2i g i (t)dt = b a 6n (f(z 2i) + 4f(z 2i+1 ) + f(z 2i+2 )) L approximation de l intégrale par la méthode de SIMPSON est donc I S avec - p. 27/48

87 Méthode de SIMPSON (suite) Ce qui donne, tout calcul fait : z2i+2 z 2i g i (t)dt = b a 6n (f(z 2i) + 4f(z 2i+1 ) + f(z 2i+2 )) L approximation de l intégrale par la méthode de SIMPSON est donc I S avec I S = b a 6n ( f(z 0 ) + 4f(z 1 ) + 2f(z 2 ) + 4f(z 3 ) + 2f(z 4 ) + ) + 2f(z 2n 2 ) + 4f(z 2n 1 ) + f(z 2n ) - p. 27/48

88 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 28/48

89 Soit M = max t [a,b] f (4) (t) Remarques : b a f(t)dt I S M(b a)5 2880n 4 Pour trouver une valeur approchée de b a de prendre m plus grand que 4 L approximation est exacte si M (b a)5 2880ε f(t)dt à ε près, il suffit. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 29/48

90 Soit M = max t [a,b] f (4) (t) Remarques : b a f(t)dt I S M(b a)5 2880n 4 Pour trouver une valeur approchée de b a de prendre m plus grand que 4 M (b a)5 2880ε f(t)dt à ε près, il suffit L approximation est exacte si la dérivée f (4) est nulle c est-à-dire si la fonction f est un polynôme de degré inférieur ou égal à 3. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 29/48

I. Polynômes de Tchebychev

I. 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 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

Chapitre 7 : Intégration sur un intervalle quelconque

Chapitre 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 détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

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

Fonctions de plusieurs variables

Fonctions 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 détail

Moments des variables aléatoires réelles

Moments 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 détail

Continuité et dérivabilité d une fonction

Continuité 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 détail

Démonstrations exigibles au bac

Démonstrations exigibles au bac Démonstrations exigibles au bac On donne ici les 11 démonstrations de cours répertoriées comme exigibles dans le programme officiel. Toutes ces démonstrations peuvent donner lieu à une «restitution organisée

Plus en détail

La fonction exponentielle

La 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 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

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en 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

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

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

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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

Fonctions de plusieurs variables. Sébastien Tordeux

Fonctions 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 détail

Commun à tous les candidats

Commun à tous les candidats EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle

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

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

Intégrales doubles et triples - M

Intégrales doubles et triples - M Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5

Plus en détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières

Plus en détail

Chapitre VI Fonctions de plusieurs variables

Chapitre 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 détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Dérivées d ordres supérieurs. Application à l étude d extrema.

Dérivées d ordres supérieurs. Application à l étude d extrema. Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une

Plus en détail

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry Outils mathématiques pour le datamining http://wwwelsewarefr/univevry Géométrie Distance Distance entre parties Matrice de variance/covariance Inertie Minimisation Probabilités Définition Théorème de Bayes

Plus en détail

ANALYSE IV 29-06-2009. Informations. (5) Pour rendre l examen il faut signer une feuille de présence disponible avec les assistants responsables.

ANALYSE IV 29-06-2009. Informations. (5) Pour rendre l examen il faut signer une feuille de présence disponible avec les assistants responsables. EXAMEN CORRIGE ANALYSE IV 9-6-9 informations: http://cag.epfl.ch sections IN + SC Prénom : Nom : Sciper : Section : Informations () L épreuve a une durée de 3 heures et 45 minutes. () Les feuilles jaunes

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide)

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide) Épreuve pratique de mathématiques Printemps 2009 Descriptifs (Page vide) Sujet 001 Épreuve pratique de mathématiques Descriptif Étude d une fonction dépendant d un paramètre Étant donné une fonction dépendant

Plus en détail

Pascal Viot Laboratoire de Physique Théorique des Liquides, Boîte 121, 4, Place Jussieu, 75252 Paris Cedex 05 Email : viot@lptl.jussieu.

Pascal Viot Laboratoire de Physique Théorique des Liquides, Boîte 121, 4, Place Jussieu, 75252 Paris Cedex 05 Email : viot@lptl.jussieu. Méthodes d analyse numérique Cours commun au Parcours Modélisation Dynamique et Statistique des Systèmes Complexes et au Parcours Professionnel Interfaces, Génie des milieux divisés Pascal Viot Laboratoire

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité 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 détail

CONCOURS 2015 Programme des classes préparatoires

CONCOURS 2015 Programme des classes préparatoires CONCOURS 2015 Programme des classes préparatoires Voie économique et commerciale option scientifique option économique option technologique Voie littéraire Filière B/L Lettres et Sciences Sociales Filière

Plus en détail

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t

n 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 détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x )

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x ) Séries de Fourier Les séries de Fourier constituent un outil fondamental de la théorie du signal. Il donne lieu à des prolongements et des extensions nombreux. Les séries de Fourier permettent à la fois

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul 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 détail

BACCALAUREAT GENERAL

BACCALAUREAT GENERAL ACCALAUREAT GENERAL Session 2009 MATHÉMATIQUES - Série ES - Enseignement de Spécialité Liban EXERCICE 1 1) 2) C 3) C 4) A Explication 1. Chacun des logarithmes existe si et seulement si x > 4 et x > 2

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

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

Calcul différentiel et intégral

Calcul différentiel et intégral Chapitre 27. Calcul différentiel et intégral 27 Limites... 27 2 Limite en un point fini... 27 2 Limite à droite ou à gauche... 27 2 Limite à l infini... 27 2 Utilisation de conditions... 27 2 Dérivation...

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS 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 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

Corrigé du baccalauréat S Pondichéry 12 avril 2007

Corrigé du baccalauréat S Pondichéry 12 avril 2007 Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 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 détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice 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 détail

BTS Mécanique et Automatismes Industriels. Équations différentielles d ordre 2

BTS Mécanique et Automatismes Industriels. Équations différentielles d ordre 2 BTS Mécanique et Automatismes Industriels Équations différentielles d ordre, Année scolaire 005 006 . Définition Notation Dans tout ce paragraphe, y désigne une fonction de la variable réelle x. On suppose

Plus en détail

Calcul différentiel sur R n Première partie

Calcul 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 détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP 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 détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail

Équations non linéaires

Équations non linéaires Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et

Plus en détail

Mathématiques I Section Architecture, EPFL

Mathématiques I Section Architecture, EPFL Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Cours STAT 2150. "Statistique non paramétrique: Méthodes de lissage"

Cours STAT 2150. Statistique non paramétrique: Méthodes de lissage Cours STAT 2150 "Statistique non paramétrique: Méthodes de lissage" Année académique 2008-2009 Séance 1 1 Table de matière du cours 1. Introduction (Fonction de répartition, histogramme, propriétés d un

Plus en détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour

Plus en détail

Correction de l examen de la première session

Correction 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 détail

Les travaux doivent être remis sous forme papier.

Les travaux doivent être remis sous forme papier. Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24

Plus en détail

Méthodes de Simulation

Méthodes de Simulation Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents

Plus en détail

Fonctions holomorphes

Fonctions 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 détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

IV- Equations, inéquations dans R, Systèmes d équations

IV- Equations, inéquations dans R, Systèmes d équations IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation

Plus en détail

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Exercices 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 détail

MATIÈRE DU COURS D'ALGÈBRE ET D'ANALYSE

MATIÈRE DU COURS D'ALGÈBRE ET D'ANALYSE MATIÈRE DU COURS D'ALGÈBRE ET D'ANALYSE Titulaire : A.M. Tilkin 8h/semaine 1) MATIERE DE 4 e ANNEE a) ALGEBRE - Rappels algébriques concernant la résolution d équations et d inéquations (fractionnaires

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

Plus en détail

rf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse

rf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse page 8 AGREGATIN de MATHEMATIQUES: 1991 1/5 externeanalyse concours externe de recrutement de professeurs agreg6s composition d analyse NTATINS ET DGFINITINS Dans tout le problème, R+ désigne l intervalle

Plus en détail

Fonctions Analytiques

Fonctions Analytiques 5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,

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

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

Problème 1 : applications du plan affine

Problème 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 détail

Première partie. Introduction à la méthodes des différences finies

Première partie. Introduction à la méthodes des différences finies Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la

Plus en détail

INTRODUCTION. 1 k 2. k=1

INTRODUCTION. 1 k 2. k=1 Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à

Plus en détail

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

8.1 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 détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

Apprentissage non paramétrique en régression

Apprentissage non paramétrique en régression 1 Apprentissage non paramétrique en régression Apprentissage non paramétrique en régression Résumé Différentes méthodes d estimation non paramétriques en régression sont présentées. Tout d abord les plus

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

Remise à niveau en processus stochastiques

Remise à niveau en processus stochastiques M2IR Université Claude Bernard Lyon 1 Année universitaire 212-213 Remise à niveau en processus stochastiques F. Bienvenüe-Duheille Le but de ce poly est de vous mettre à niveau sur les processus stochastiques

Plus en détail

Corrigé Pondichéry 1999

Corrigé Pondichéry 1999 Corrigé Pondichéry 999 EXERCICE. = 8 = i ). D'où les solutions de l'équation : z = + i et z = z = i. a. De manière immédiate : z = z = b. Soit θ la mesure principale de arg z : cos θ = Par suite arg z

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master 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 détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 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 détail

La fonction logistique f: xa rx( 1 x)

La fonction logistique f: xa rx( 1 x) TIPE Math 97 (Version 5 pages) Letouzey Pierre La fonction logistique f: xa rx( x) Quelques résultats sur les suites récurrentes associées x x 0 n+ [ 0, ] = f ( x ) n / Pourquoi cette fonction? C est dans

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail