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

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

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

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

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

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

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

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

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

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

Cahier de vacances. Exercices PCSI - PC, Lycée Dupuy de Lôme

Cahier de vacances. Exercices PCSI - PC, Lycée Dupuy de Lôme Cahier de vacances Exercices PCSI - PC, Lycée Dupuy de Lôme Votre année de PCSI a été bien remplie et il est peu probable que l année de PC qui arrive vous paraisse plus facile. C est pourquoi, je vous

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

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

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

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

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

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

PROGRAMME DE MATHEMATIQUES

PROGRAMME DE MATHEMATIQUES MINISTERE DE L EDUCATION NATIONALE -------------- DIRECTION DE LA PEDAGOGIE ET DE LA FORMATION CONTINUE -------------- COORDINATION NATIONALE DE MATHEMATIQUES REPUBLIQUE DE COTE D IVOIRE UNION-DISCIPLINE-TRAVAIL

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

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

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

Equations différentielles

Equations différentielles Maths PCSI Cours Table des matières Equations différentielles 1 Généralités 2 1.1 Solution d une équation différentielle................................ 2 1.2 Problème de Cauchy.........................................

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

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

Méthodes avancées en décision

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

Plus en détail

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

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

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

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9 C OLLECTION LES MÉMENTOS DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Les astuces de Maths par Isabelle Blejean MÉMENTO N 9 Les Mémentos de l INSEEC

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de première ES ii Table des matières 1 Les pourcentages 1 1.1 Variation en pourcentage............................... 1 1.1.1 Calcul d une variation............................

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

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

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

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

Cours de Mathématiques. BTS Bio-analyses et contrôles

Cours de Mathématiques. BTS Bio-analyses et contrôles Cours de Mathématiques BTS Bio-analyses et contrôles 1ère année Ph Griffiths 1 2008/2009 Lycée Alexis de Tocqueville F-06130 Grasse 1. Philippe.Griffiths@ac-nice.fr ii Lycée Alexis de Tocqueville Table

Plus en détail

Définition d une norme

Définition d une norme Définition d une norme Définition E est un K-ev. L application N : E R + est une norme sur E ssi 1. x E, N(x) = 0 x = 0. 2. k K, x E, N(k.x) = k N(x). 3. x, y E, N(x + y) N(x) + N(y) Notation N,. Propriété

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

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

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

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

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

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

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

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

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

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

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

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

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

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

Systèmes différentiels. 1 Généralités, existence et unicité des solutions

Systèmes différentiels. 1 Généralités, existence et unicité des solutions Systèmes différentiels Cours de YV, L3 Maths, Dauphine, 2012-2013 Plan du cours. Le cours a pour but de répondre aux questions suivantes : - quand une équation différentielle a-t-elle une unique solution

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

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Terminale S3 Année 2009-2010 Table des matières I Les fonctions. 4 1 Les limites (suite du cours) 5 IV Limites par comparaison....................................... 5 V 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

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

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

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

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

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

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

THÉORIE DE LA MESURE ET INTÉGRATION

THÉORIE DE LA MESURE ET INTÉGRATION Université Pierre et Marie Curie Licence de Mathématiques Années 2004-2005-2006 LM 363 THÉORIE DE LA MESURE ET INTÉGRATION Cours de P. MAZET Edition 2004-2005-2006 Table des matières Table des matières

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 : 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

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

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

Fiche de révisions de première année pour une rentrée en PSI en toute sérénité!

Fiche de révisions de première année pour une rentrée en PSI en toute sérénité! PSI Septembre 0 MATHEMATIQUES Fiche de révisions de première année pour une rentrée en PSI en toute sérénité! Table des matières Nombres complexes 3. Cours...................................... 3. Exercices

Plus en détail

Séries de Fourier. licence de mathématiques 2ème année. Vincent Thilliez. 24 avril 2008

Séries de Fourier. licence de mathématiques 2ème année. Vincent Thilliez. 24 avril 2008 Séries de Fourier licence de mathématiques 2ème année Vincent Thilliez 24 avril 28 Introduction La théorie des séries de Fourier permet d interpréter certains signaux (autrement dit, certaines fonctions

Plus en détail

CONCOURS DE RECRUTEMENT D ELEVES PILOTES DE LIGNE EPREUVE DE MATHEMATIQUES

CONCOURS DE RECRUTEMENT D ELEVES PILOTES DE LIGNE EPREUVE DE MATHEMATIQUES ÉCOLE NATIONALE DE L AVIATION CIVILE ANNEE 2009 CONCOURS DE RECRUTEMENT D ELEVES PILOTES DE LIGNE EPREUVE DE MATHEMATIQUES Durée : 2 Heures Coefficient : 1 Ce sujet comporte : 1 page de garde, 2 pages

Plus en détail

Notes du cours Mathématiques pour l ingénieur. Sup Galilée - année 2008-2009

Notes du cours Mathématiques pour l ingénieur. Sup Galilée - année 2008-2009 Notes du cours Mathématiques pour l ingénieur Sup Galilée - année 2008-2009 Benoît Merlet Ces notes de cours s adressent aux élèves ayant suivi le cours. Elles contiennent peu d explications. Elles pourront

Plus en détail

Feuilles de TD du cours d Algèbre S4

Feuilles de TD du cours d Algèbre S4 Université Paris I, Panthéon - Sorbonne Licence M.A.S.S. 203-204 Feuilles de TD du cours d Algèbre S4 Jean-Marc Bardet (Université Paris, SAMM) Email: bardet@univ-paris.fr Page oueb: http://samm.univ-paris.fr/-jean-marc-bardet-

Plus en détail

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé LICENCE DE MATHÉMATIQUES FONDAMENTALES Calcul Différentiel et Équations Différentielles D. Azé Université Paul Sabatier Toulouse 2008 Table des matières 1 Généralités sur les espaces normés 3 1.1 Espaces

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

PROGRAMME DE I. NOMBRES COMPLEXES ET GÉOMÉTRIE ÉLÉMENTAIRE CLASSE DE PREMIÈRE ANNÉE MPSI

PROGRAMME DE I. NOMBRES COMPLEXES ET GÉOMÉTRIE ÉLÉMENTAIRE CLASSE DE PREMIÈRE ANNÉE MPSI CLASSE DE PREMIÈRE ANNÉE MPSI Le programme de première année MPSI est organisé en trois parties. Dans une première partie figurent les notions et les objets qui doivent être étudiés dès le début de l année

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

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

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

Exercices de mathématiques MPSI et PCSI

Exercices de mathématiques MPSI et PCSI Exercices de mathématiques MPSI et PCSI par Abdellah BECHATA www.mathematiques.ht.st Table des matières Généralités sur les fonctions 2 2 Continuité 3 3 Dérivabilité 4 4 Fonctions de classes C k 5 5 Bijections

Plus en détail

Algorithmique et Programmation TD n 9 : Fast Fourier Transform

Algorithmique et Programmation TD n 9 : Fast Fourier Transform Algorithmique et Programmation TD n 9 : Fast Fourier Transform Ecole normale supérieure Département d informatique td-algo@di.ens.fr 2011-2012 1 Petits Rappels Convolution La convolution de deux vecteurs

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

TD 1 & 2 Rappels de probabilités

TD 1 & 2 Rappels de probabilités Master IF, ENS de Lyon Évaluation de performance 5 & 22 septembre 20 TD & 2 appels de probabilités lionel.rieg@ens-lyon.fr Probabilités discrètes. Calcul de probabilités Exercice Soient A et B des événements

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

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

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

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

Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Economique (ECE) Discipline : Mathématiques- Informatique Première année Ministère de l enseignement

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

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

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

Intégration et probabilités (cours + exercices corrigés) L3 MASS, Université de Nice-Sophia Antipolis 2009-2010. Sylvain Rubenthaler

Intégration et probabilités (cours + exercices corrigés) L3 MASS, Université de Nice-Sophia Antipolis 2009-2010. Sylvain Rubenthaler Intégration et probabilités (cours + exercices corrigés) L3 MASS, Université de Nice-Sophia Antipolis 9- Sylvain ubenthaler Table des matières Introduction iii Dénombrement (rappels). Ensembles dénombrables...............................

Plus en détail

Équations du troisième degré

Équations du troisième degré par Z, auctore L objet de cet article est d exposer deux méthodes pour trouver des solutions à une équation du troisième degré : la recherche de racines évidentes d une part, et la formule de Cardan d

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

MATHEMATIQUES Option Economique

MATHEMATIQUES Option Economique Concours EDHEC 9 Classes Préparatoires MATHEMATIQUES Option Economique La présentation, la lisibilité, l'orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront pour

Plus en détail

Application des Ondelettes aux Signaux Fractales. Andrei Doncescu LAAS-CNRS

Application des Ondelettes aux Signaux Fractales. Andrei Doncescu LAAS-CNRS Application des Ondelettes aux Signaux Fractales Andrei Doncescu LAAS-CNRS Les Fractales n Définition Inachevée des fractales Fractal, ale, als : adj.

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

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

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

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

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

Université d Orléans Faculté des Sciences Licence de physique 3ème année ANALYSE NUMÉRIQUE. T. Dudok de Wit Université d Orléans Janvier 2013

Université d Orléans Faculté des Sciences Licence de physique 3ème année ANALYSE NUMÉRIQUE. T. Dudok de Wit Université d Orléans Janvier 2013 Université d Orléans Faculté des Sciences Licence de physique 3ème année ANALYSE NUMÉRIQUE T. Dudok de Wit Université d Orléans Janvier 13 Table des matières 1 Introduction 4 1.1 Un exemple : le calcul

Plus en détail