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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Aire sous une courbe et calcul de primitives

Aire sous une courbe et calcul de primitives Aire sous une courbe et calcul de primitives Le calcul de primitives d une fonction et celui de l aire de la surface bordée par le graphique de cette fonction sont intimement liés. Les exemples qui suivent

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Direction des Admissions et concours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

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

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

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

Introduction - p. 2/42. - p. 1/42. Introduction. Le problème. Exemple. Spline Cubique. Introduction - p. 4/42. Introduction. Le problème.

Introduction - p. 2/42. - p. 1/42. Introduction. Le problème. Exemple. Spline Cubique. Introduction - p. 4/42. Introduction. Le problème. Interpolation VIET HUNG NGUYEN - FABIEN RICO HungNguyen@lip6fr EPU Pierre et Marie Curie - Sicence de la Terre - p /42 - p 2/42 L interpolation sert à transformer un ensemble de points en une courbe Ensemble

Plus en détail

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien TRAVAUX DIRIGÉS DE l UE MNBif Informatique 3A MÉTHODES NUMÉRIQUES DE BASE 2015-2016, Automne N. Débit & J. Bastien Document compilé le 13 novembre 2015 Liste des Travaux Dirigés Avant-propos iii Travaux

Plus en détail

1 Fonctions de plusieurs variables

1 Fonctions de plusieurs variables Université de Paris X Nanterre U.F.R. Segmi Année 006-007 Licence Economie-Gestion première année Cours de Mathématiques II. Chapitre 1 Fonctions de plusieurs variables Ce chapitre est conscré aux fonctions

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

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques 1 UNIVERSITÉ DE CERGY Année 2012-201 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques Chapitre III : Polynômes 1 Fonctions polynômes & polynômes Définition 1. Soit

Plus en détail

FICHE DE RÉVISION DU BAC

FICHE DE RÉVISION DU BAC Introduction Pré-requis : Etude de fonctions dérivées logarithmes et exponentielles continuité Plan du cours 1. Intégrales 2. Primitives 1. Intégrales A. Aire sous la courbe Méthode des rectangles : Pour

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

Feuille n 2 : Contrôle du flux de commandes

Feuille n 2 : Contrôle du flux de commandes Logiciels Scientifiques (Statistiques) Licence 2 Mathématiques Générales Feuille n 2 : Contrôle du flux de commandes Exercice 1. Vente de voiture Mathieu décide de s acheter une voiture neuve qui coûte

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en 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

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

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

Primitives Cours maths Terminale S

Primitives Cours maths Terminale S Primitives Cours maths Terminale S Dans ce module est introduite la notion de primitive d une fonction sur un intervalle. On définit cette notion puis on montre qu une fonction admet une infinité de primitives

Plus en détail

Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction. 9.1 Fonctions affines, convexes, strictement convexes

Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction. 9.1 Fonctions affines, convexes, strictement convexes Chp. 9. Convexité Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction numérique partout définie sur C. 9.1 Fonctions affines, convexes, strictement convexes Définition

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

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

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale.

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Aix Marseille Université. Algorithmes Stochastiques. M MIS. Fabienne Castell... Chapitre : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Le but de ce chapitre

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

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

Du Calcul d Aire... ...Au Calcul Intégral

Du Calcul d Aire... ...Au Calcul Intégral Du Calcul d Aire......Au Calcul Intégral Objectifs Définir proprement l aire d une surface plane, au moins pour les domaines usuels (limités par des courbes simples) et fournir un moyen de la calculer.

Plus en détail

MULTIPLICATION RAPIDE : KARATSUBA ET FFT

MULTIPLICATION RAPIDE : KARATSUBA ET FFT MULTIPLICATION RAPIDE : KARATSUBA ET FFT 1. Introduction La multiplication est une opération élémentaire qu on utilise évidemment très souvent, et la rapidité des nombreux algorithmes qui l utilisent dépend

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

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

Mathématiques pour l informatique 1 notes de cours sur la seconde partie

Mathématiques pour l informatique 1 notes de cours sur la seconde partie Mathématiques pour l informatique notes de cours sur la seconde partie L Université Paris-Est, Marne-la-Vallée Cyril Nicaud Organisation Ce demi-cours est composé de 6 séances de cours et 6 séances de

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

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

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour L / Recueil d exercices corrigés et aide-mémoire USTV M Analyse numérique G FACCANONI Dernière mise-à-jour Jeudi mai Avertissement : ces notes sont régulièrement mises à jour et corrigées, ne vous étonnez

Plus en détail

Développements limités, équivalents et calculs de limites

Développements limités, équivalents et calculs de limites Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin.

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin. Exo7 Développements ités Corrections d Arnaud Bodin. Calculs Exercice Donner le développement ité en 0 des fonctions :. cosx expx à l ordre 2. ln + x)) 2 à l ordre 4 shx x. x à l ordre 6 4. exp sinx) )

Plus en détail

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7.

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7. Mathématiques pour l informatique IMAC première année - Soutien - Nombres complexes Rappels. Un nombre complexe z admet plusieurs représentations : représentation vectorielle z = (a, b) où a, b R représentation

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

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot SOMMES ET PRODUITS 1 Techniques de calcul 1.1 Le symbole Notation 1.1 Soient m et n deux entiers naturels. Alors { a m + a m+1 + + a + a n si m n, a = 0 sinon. On peut aussi noter m n =m a ou encore m,n

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

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

Fonctions. Fonctions linéaires, affines et constantes

Fonctions. Fonctions linéaires, affines et constantes linéaires, affines et constantes 1. linéaires Comme il existe une infinité de fonctions différentes, on les classe par catégories. La première catégorie est constituée par les fonctions linéaires. Une

Plus en détail

Fonctions de référence Variation des fonctions associées

Fonctions de référence Variation des fonctions associées DERNIÈRE IMPRESSION LE 9 juin 05 à 8:33 Fonctions de référence Variation des fonctions associées Table des matières Fonction numérique. Définition.................................. Ensemble de définition...........................3

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

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

CH1 : Langages de la continuité Limites

CH1 : Langages de la continuité Limites CH : Langages de la continuité Limites I. Continuité- Théorème des valeurs intermédiaires. Définition : Soit f une fonction définie sur un intervalle I de R. Lorsque la courbe représentative de f ne présente

Plus en détail

Nombre dérivé, interprétations géométrique et cinématique

Nombre dérivé, interprétations géométrique et cinématique CHAPITRE 4 DÉRIVATION ET PRIMITIVATION Nombre dérivé, interprétations géométrique et cinématique 08. Nombre dérivé Soit f une fonction numérique, définie sur un intervalle ou une réunion d intervalles,

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

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 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

Zéros de a.x.ln(x) + b.x + c

Zéros de a.x.ln(x) + b.x + c Zéros de a.x.ln(x) + b.x + c 1 Étude succincte de la fonction x f(x) = a.x.ln(x) + b.x + c A priori, a, b, c, x sont des réels quelconques et f prend ses valeurs dans R. 1.1 Restriction préliminaire Si

Plus en détail

Fonctions - Continuité Cours maths Terminale S

Fonctions - Continuité Cours maths Terminale S Fonctions - Continuité Cours maths Terminale S Dans ce module, introduction d une nouvelle notion qu est la continuité d une fonction en un point. En repartant de la définition et de l illustration graphique

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

Cours MP. Espaces vectoriels normés

Cours MP. Espaces vectoriels normés Table des matières Espaces vectoriels normés B. Seddoug. Médiane Sup, Oujda I Norme et distance 1 I.1 Définitions..................... 1 I.2 Evn produit.................... 12 I.3 Notions topologiques

Plus en détail

Applications des nombres complexes à la géométrie

Applications des nombres complexes à la géométrie Chapitre 6 Applications des nombres complexes à la géométrie 6.1 Le plan complexe Le corps C des nombres complexes est un espace vectoriel de dimension 2 sur R. Il est donc muni d une structure naturelle

Plus en détail

IV. Espaces L p. + tx 1. (1 t)x 0

IV. Espaces L p. + tx 1. (1 t)x 0 cours 13, le lundi 7 mars 2011 IV. spaces L p IV.1. Convexité Quand deux points x 0, x 1 R sont donnés, on peut parcourir le segment [x 0, x 1 ] qui les joint en posant pour tout t [0, 1] x t = (1 t)x

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)

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

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif Chapitre 6 Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique 6.1.1 Exemple introductif Problème : n matrices M i (m i, m i+1 ) à multiplier en minimisant le nombre de multiplications,

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

Plus en détail

Résume du cours de Mécanique Analytique

Résume du cours de Mécanique Analytique Résume du cours de Mécanique Analytique jean-eloi.lombard@epfl.ch 22 janvier 2009 Table des matières 1 Équations de Lagrange 1 1.1 Calcul des variations....................... 3 1.2 Principe de moindre

Plus en détail

Cours de mathématiques : Equation du second degré

Cours de mathématiques : Equation du second degré Cours de mathématiques : Equation du second degré I ) Formes de l'équation du second degré. L'équation du deuxiéme degré à une inconnue est celle où l'inconnue est élévé à la puissance de 2, sans y etre

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

Suites et Convergence

Suites et Convergence Suites et Convergence Une suite c est se donner une valeur (sans ambigüité) pour chaque N sauf peutêtre les premiers n. Donc une suite est une fonction : I R où I = N: = N. Notation : On note ( ) I R pour

Plus en détail

Chapitre : Fonctions convexes

Chapitre : Fonctions convexes Chapitre : Fonctions convexes I Définition Définition 1 Soit f : I R une fonction continue où I un intervalle de R On dit que f est une fonction convexe si (x, y I 2, λ [0, 1], f(λx + (1 λy λf(x + (1 λf(y

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

Table des matières LES FONCTIONS POLYNOMIALES

Table des matières LES FONCTIONS POLYNOMIALES Table des matières LES FONCTIONS POLYNOMIALES 1 Différents types de fonctions polynomiales Étude des différentes fonctions polynomiales.1 Les fonctions constantes.1.1 La fonction constante de base.1. La

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

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

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Le second degré. Table des matières

Le second degré. Table des matières Le second degré Table des matières 1 La forme canonique du trinôme 1.1 Le trinôme du second degré......................... 1. Quelques exemples de formes canoniques................. 1.3 Forme canonique

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

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

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

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

La fonction exponentielle

La fonction exponentielle La fonction exponentielle L expression «croissance exponentielle» est passée dans le langage courant et désigne sans distinction toute variation «hyper rapide» d un phénomène. Ce vocabulaire est cependant

Plus en détail

M42. Compléments d analyse (résumé).

M42. Compléments d analyse (résumé). Université d Evry-Val-d Essonne. Année 2008-09 D. Feyel M42. Compléments d analyse (résumé). Table. I. Rappels sur les suites. Limites supérieure et inférieure. II. Topologie élémentaire. III. Fonctions

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

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

Master de Formation des Formateurs Groupe Modélisation. Séance du 19 septembre 2003 Modélisation du trafic routier François Sauvageot

Master de Formation des Formateurs Groupe Modélisation. Séance du 19 septembre 2003 Modélisation du trafic routier François Sauvageot Master de Formation des Formateurs Groupe Modélisation Séance du 19 septembre 2003 Modélisation du trafic routier François Sauvageot Position du problème Modéliser le trafic routier c est tenter de prédire

Plus en détail

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

Plus en détail

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 Voici une fiche contenant 100 exercices de difficulté raisonable, plutôt techniques, qui recouvrent l ensemble du programme étudié cette année. A raison

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

ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.

ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives. L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.

Plus en détail

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Séquence 6. Fonctions dérivées. Sommaire

Séquence 6. Fonctions dérivées. Sommaire Séquence 6 Fonctions dérivées Sommaire Pré-requis Définition Dérivées des fonctions usuelles Dérivation et opérations algébriques Applications de la dérivation Synthèse de la séquence Eercices d approfondissement

Plus en détail

Prévision de la demande

Prévision de la demande But : Pour prendre des décisions relatives à la structure et au fonctionnement opérationnel de tout système logistique; il faut s appuyer sur un système de prévision fiable. Concerne le long, moyen et

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 (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version

Plus en détail

Mathématique - Cours

Mathématique - Cours Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge Le programme se compose ainsi : partie seconde partie 1/3 partie 2/3 partie 3/3 Sommaire 1 Ensemble

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en 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

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2 BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES Durée : 2 heures Coefficient : 2 SUJET Dès que le sujet vous est remis, assurez-vous qu il

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

Analyse numérique avec Python

Analyse numérique avec Python Analyse numérique avec Python PTSI Lycée Eiffel mai 14 Retour au Python pour ce dernier gros chapitre de l année (un tout petit chapitre final sera sûrement consacré aux rudiments de Scilab), où nous allons

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Formulaire de maths - Analyse dans R n

Formulaire de maths - Analyse dans R n Formulaire de maths - Analyse dans R n Nom Théorème ou formule Espaces vectoriels normés Norme sur E Application qui vérifie les propriétés de : séparation : homogénéité : inégalité triangulaire : Normes

Plus en détail