1 Intégration des fonctions en escalier

Dimension: px
Commencer à balayer dès la page:

Download "1 Intégration des fonctions en escalier"

Transcription

1 Mster Métiers de l Eseigemet, Mthémtiques - ULCO, L Mi-Voi, /3 ANALYSE Fiche de Mthémtiques 7 - Itégrles simples. O cosidère ds ce chpitre des foctios (umériques ou vectorielles) orées sur u itervlle compct (c est-à-dire fermé et oré) de R. Itégrtio des foctios e esclier Défiitio. Soit [, ] u itervlle compct (c est-à-dire fermé et oré) de R. Ue sudivisio de [, ] est ue suite fiie et strictemet croisste de poits de [, ] dot le premier terme est, et le derier. À chque sudivisio σ de [, ] o ssocie l esemle S costitué pr les poits de l suite σ. Iversemet, à chque esemle fii S de poits de [, ], cotet et, o ssocier l sudivisio σ oteue e rget ces poits ds l ordre turel de R. Défiitio. Soiet σ et σ deu sudivisios de [, ]. O dit que l sudivisio σ est plus fie que σ, ou cosécutive à σ, si les esemles S et S respectivemet ssociés à σ et σ vérifiet l iclusio S S. E d utres termes, l sudivisio σ est plus fie si tous les poits de σ pprtieet à σ. Défiitio.3 Étt doé deu sudivisios quelcoques σ, σ de [, ] l réuio de σ et de σ est l sudivisio σ dot l esemle ssocié est l réuio des esemles ssociés à σ et σ. Défiitio.4 Soiet [, ] u itervlle de R et E u espce vectoriel ormé. Ue pplictio f : [, ] E est dite e esclier s il eiste ue sudivisio σ = ( =,,...,, = ) de [, ] telle que f soit costte sur chcu des itervlles ouverts ] i, i [ ( i ). U telle foctio e pred qu u omre fii de vleurs : ses vleurs f( i ) u + poits de l sudivisio, et les vleurs costtes qu elle pred sur les itervlles ouverts ] i, i [. Il e résulte qu ue foctio e esclier sur u itervlle de R est écessiremet orée. Propositio. Soit f ue foctio vectorielle e esclier sur [, ] et pour chque sudivisio σ = ( =,,...,, = ) de [, ] ssociée à f, posos : I(f, σ) = ( i i )f i, i= où f i désige l vleur costte de f sur l itervlle ouvert ] i, i [. Alors I(f, σ) e déped que de f et o du choi de l sudivisio σ ssociée à f. Défiitio.5 Soit f ue foctio e esclier de l itervlle [, ] à vleurs ds u e.v.. E. L itégrle de f sur [, ] est l élémet de E, oté f() défii pr f() = ( i i )f i i= où ( =,,...,, = ) désige ue sudivisio ssociée à f, et f i l vleur costte de f sur l itervlle ouvert ] i, i [. O oter que l itégrle de f e déped que des vleurs prises pr f à l itérieur des itervlles de l sudivisio, et o des vleurs prises pr f u poits de l sudivisio. Propositio. Additivité pr rpport u itervlles. Soit f ue foctio e esclier sur l itervlle [, ] et soit c u poit quelcoque de [, ]. Alors f est e esclier sur chcu des itervlles [, c] et [c, ] et o : f() = c f() + c f(). /3

2 Propositio.3 Liérité pr rpport u foctios. Soiet f, g deu foctios e esclier sur le même itervlle [, ] à vleurs ds le même e.v.. E (sur R ou C). Alors, quels que soiet les sclires λ, µ R, l foctio λf + µg est e esclier sur [, ] et o : (λf() + µg()) = λ f() + µ g(). Propositio.4 Croissce. L itégrle d ue foctio umérique positive e esclier sur [, ] est positive ; e coséquece, si f, g sot deu foctios umériques e esclier sur [, ], vérifit f() g()pour tout [, ], o : f() g(). Propositio.5 Mjortio. Soit f ue foctio e esclier sur [, ] à vleurs ds u e.v.. E. Alors l foctio f() est e esclier sur [, ] et o : f() f(). E coséquece, si f vérifie f() k pour tout [, ], o : f() k( ). Itégrle de Riem (foctios umériques) Défiitio. Ue foctio umérique f défiie sur u itervlle compct [, ] de R est dite itégrle u ses de Riem sur [, ] si quel que soit le omre ε >, il eiste u couple (g, h) de foctios umériques e esclier sur [, ], vérifit g() f() h() pour tout [, ] et : (h() g()) ε. De cette défiitio il résulte que toute foctio itégrle sur [, ] est écessiremet orée sur [, ] puisque les foctios e esclier sot elles-mêmes orées. À chque foctio umérique f, défiie sur l itervlle [, ] o ssocie les esemles E (f) et E + (f) isi défiis : E (f) est l esemle des foctios umériques g, e esclier sur [, ] et miort f, c est-à-dire vérifit g() f() pour tout [, ], E + (f) est l esemle des foctios umériques h, e esclier sur [, ] et mjort f, c est-à-dire vérifit h() f() pour tout [, ]. Théorème. À chque foctio umérique f, défiie et orée sur u itervlle [, ] de R, o ssocie l esemle E + (f) (resp. E (f)) costitué des foctios umériques e esclier mjort (resp. miort) f sur [, ] et o pose : I (f) = sup g E (f) g(), I + (f) = if h E +(f) Pour que f soit itégrle sur [, ], il fut et il suffit que l o it : I (f) = I + (f). h(). Défiitio. Les ottios étt celles de du Théorème précédet, l itégrle d ue foctio umérique itégrle f sur [, ] est le omre I + (f) = I (f). O le ote : f(). Propositio. Si f est ue foctio umérique positive et itégrle sur l itervlle [, ], so itégrle est positive (évetuellemet ulle). Propositio. Foctios mootoes. Toute foctio umérique f, mootoe sur u itervlle compct [, ] de R est itégrle. /3

3 Propositio.3 Foctios cotiues. Toute foctio umérique f cotiue sur u itervlle compct [, ] de R est itégrle. Défiitio.3 Iterpréttio géométrique de l itégrle. Soit D u esemle pl défii pr des iéglités de l forme, y f(), où f désige ue foctio umérique positive itégrle sur l itervlle [, ]. L ire de D est le omre f(). Eercice Les foctios suivtes sot-elles itégrles u ses de Riem?. f() = [] sur [, ]. [ ] si <,. g : [, ] R, g() = si = ( ) 3. h : [, ] R, h() = si si < si = { si [, ] Q, 4. k : [, ] R, k() = si [, ]\Q Eercice ryo R. Clculer R R ( ) R (o poser pour cel, θ = rcsi ) et e déduire l ire d u disque de R Eercice 3 Clculer l ire de l régio délimitée pr les coures d équtio y = et y = +. 3 Itégrle de Riem (foctios vectorielles) Défiitio 3. Soiet E u e.v.. complet sur R ou C et [, ] u itervlle compct de R. Ue pplictio f : [, ] E est dite itégrle sur [, ] si quel que soit ε >, il eiste ue foctio vectorielle ϕ : [, ] E, et ue foctio umérique θ : [, ] R, toutes deu e esclier, vérifit : [, ], f() ϕ() θ(), θ() ε. Propositio 3. Soiet E u e.v.. complet sur R ou C et [, ] u itervlle compct de R. Pour qu ue pplictio f : [, ] E soit itégrle, il fut et il suffit qu il eiste ue suite (ϕ ) d pplictios e esclier de [, ] ds E, et ue suite (θ ) de foctios umériques e esclier sur [, ] telles que : [, ], N, f() ϕ () θ (), l suite ε = θ () tede vers zéro. Pour réger, o ppeller simplemet foctio vectorielle toute foctio à vleurs ds u e.v.. complet E (évetuellemet E = R ou C). Si f est ue foctio vectorielle défiie sur u itervlle compct [, ] de R, o ppeller suite ssociée à f toute suite (ϕ, θ ) de couples de foctios e esclier sur [, ] éocées ds l Propositio précédete : l eistece d ue telle suite est ue coditio écessire et suffiste pour que f soit itégrle. Efi, o emploier souvet les termes foctio itégrle u lieu de foctio vectorielle itégrle, ss préciser ds quel e.v.. complet cette foctio pred ses vleurs. Avec ces covetios, o l Propositio 3. Soit f ue foctio itégrle sur l itervlle [, ] et soit (ϕ, θ ) ue suite ssociée à f. Alors l suite ϕ () est de Cuchy, doc covergete et s limite I e déped que de l foctio f. Défiitio 3. Les ottios étt celles de l Propositio précédete, le vecteur (ou omre) lim + ϕ () est ppelé itégrle de l foctio f sur l itervlle [, ] et oté f(). 3/3

4 Plços ous mitet ds le cs d u espce vectoriel E de dimesio fiie : soit (e i ) i ue se de E. Si ϕ : [, ] E est e esclier, il est évidet que les compostes de l itégrle de ϕ pr rpport à l se (e i ) sot les itégrles des compostes de ϕ. Pr pssge à l limite, o voit que cette propriété reste vrie pour toute foctio itégrle à vleurs ds E. O isi l Propositio 3.3 Soit [, ] u itervlle compct de R et soit E u espce vectoriel de dimesio fiie sur R ou C. Pour qu ue pplictio f : [, ] E soit itégrle sur [, ] il fut et il suffit que chcue de ses compostes f, f,..., f pr rpport à ue se (e i ) de E le soit et o lors : ( ) f() = f i () e i. E d utres termes, les compostes de l itégrle de f sot les itégrles de ses compostes. Ds le cs où f est ue foctio complee, o de même : i= Propositio 3.4 Soiet [, ] u itervlle compct de R et f = u + iv : [, ] C ue foctio complee sur [, ]. Pour que f soit itégrle sur [, ], il fut et il suffit que s prtie réelle u et s prtie imgiire v le soiet et o lors : f() = u() + i v(). 4 Propriétés géérles de l itégrle de Riem Propositio 4. Additivité pr rpport u itervlles. Soit f ue foctio vectorielle défiie sur u itervlle compct [, ] de R et soit c u poit de ], [. Pour que f soit itégrle sur [, ], il fut et il suffit que ses restrictios à chcu des itervlles [, c] et [c, ] le soiet. O lors : f() = c f() + c f(). Propositio 4. Liérité. Soiet f, g deu foctios itégrles sur l itervlle compct [, ], à vleurs ds le même e.v.. complet E (sur R ou C). Quels que soiet les sclires (réels ou complees) λ, µ, l foctio λf + µg est itégrle sur [, ] et o : (λf() + µg()) = λ f() + µ g(). O e déduit doc que les foctios itégrles (u ses de Riem) sur u itervlle [, ], à vleurs ds u e.v.. complet doé E, costituet u espce vectoriel R E sur le même corps (R ou C) que E et l pplictio : I : R E E, f f() est liéire. Lorsque E = R, cette pplictio I est ue forme liéire vérifit I(f) pour toute foctio itégrle positive f : o dit que c est ue forme liéire positive (ou croisste). Propositio 4.3 Croissce. Soiet f, g deu foctios umériques itégrles sur l itervlle [, ] vérifit pour tout [, ] : f() g(). O lors : f() g(). () Remrque 4. Si f, g sot deu foctios umériques ou vectorielles itégrles sur [, ] et si leurs vleurs e diffèret qu e u omre fii de poits de [, ], leurs itégrles sot égles : e effet, leur différece f g est ue foctio e esclier, ulle suf e omre fii de poits, so itégrle est doc ulle. Cet eemple motre que l iéglité () peut se réduire à ue églité ss que l o it f = g. Le Théorème fodmetl suivt motre que ce est ps possile si f et g sot cotiues. Théorème 4. L itégrle d ue foctio umérique f, positive et cotiue sur u itervlle [, ] de R, e peut être ulle que si cette foctio est prtout ulle. 4/3

5 Théorème 4. Mjortio. Soit f ue foctio vectorielle itégrle sur l itervlle compct [, ]. Alors, l foctio F : f() est itégrle sur [, ] et o f() f(). Corollire 4. Soit f ue foctio itégrle sur l itervlle compct [, ], vérifit pour tout [, ] l iéglité f() k (k =cste). O lors : f() k( ). () Iterpréttio : O désige pr R(,, E) l espce vectoriel costitué pr les foctios itégrles sur l itervlle [, ], à vleurs ds u e.v.. complet doé E. Les foctios itégrles étt orées, o peut muir R(,, E) de l orme de l covergece uiforme défiie pr ν(f) = sup f(). L iéglité () etrîe lors l iéglité f() ( )ν(f) qui motre que l pplictio liéire R(,, E) E, f f() est cotiue, de orme u plus égle à ( ). Propositio 4.4 Si f est ue foctio umérique (resp. complee), itégrle sur [, ], s vleur solue (resp. so module) f() est ue foctio umérique itégrle sur [, ] et o : f() f(). Corollire 4. Si f, g sot deu foctios umériques itégrles sur [, ], les foctios sot itégrles. sup(f, g) : sup(f(), g()) et if(f, g) : if(f(), g()) Eercice 4 Soit f l foctio défiie sur [, 3] pr f() = si = si < < 3 si = si < 4 si < 3.. Clculer 3 f(t)dt.. Soit [, 3], clculer F () = f(t)dt. 3. Motrer que F est ue foctio cotiue sur [, 3]. L foctio F est-elle dérivle sur [, 3]? Eercice 5 Motrer que les foctios défiies sur R, f() =, g() = et h() = ep(), sot itégrles sur tout itervlle fermé oré de R. E utilist les sommes de Riem, clculer les itégrles Eercice 6 suivts : f(), g() et h(t)dt. Clculer l itégrle de f : [, ] R comme limite de sommes de Riem-Drou ds les cs. f() = si() et f() = cos() sur [, π ] et k = kπ, k =,,...,.. g() = sur [, ] R + et k = q k, k =,,..., (q étt à détermier), 3. h() = α sur [, ], α >, et k = + ( ) k, k =,,...,. Eercice 7 Soit f : [, ] R ue foctio itégrle sur [, ] ( < ). 5/3

6 . O suppose que f est positive ou ulle sur [, ]. O suppose que f est églemet cotiue e u poit [, ] et que f( ) >. Motrer que positive sur [, ] telle que. O suppose que f est cotiue sur [, ], et que f() >. E déduire que si f est ue foctio cotiue f() = lors f est idetiquemet ulle. 3. Applictio : o suppose que f est ue foctio cotiue sur [, ] telle que eiste d [, ] tel que f(d) = d. f() =. Motrer qu il eiste c [, ] tel que f(c) =. f(t)dt =. Motrer qu il Eercice 8 Soit f : [, ] R cotiue, positive ; o pose m = sup{f(), [, ]}. Motrer que lim + ( (f()) Eercice 9 Soit f : [, ] R ue pplictio strictemet croisste telle que f() =, f() =. Clculer : lim + ) f (t)dt. 5 Produit de foctios itégrles, iéglités de Schwrz et de Mikowski Propositio 5. Si f, g sot deu foctios umériques ou complees itégrles sur l itervlle compct [, ], leur produit fg est itégrle sur [, ]. Propositio 5. Si f, g sot deu foctios umériques ou complees itégrles sur l itervlle [, ], elles vérifiet l iéglité de Schwrz : ( ) ( ) f()g() f() g() (3) et l iéglité de Mikowski : = m. ( / ( / ( / f() + g() ) f() ) + g() ). (4) De plus, si f et g sot cotiues, l iéglité (3) e se trsforme e églité que si o f = ou s il eiste ue costte complee k telle que l o it g() = kf() pour tout [, ] et l iéglité (4) e se trsforme e églité que si o f = ou s il eiste ue costte positive k vérifit g() = kf() pour tout [, ]. 6 Eemples de foctios itégrles : foctios réglées, foctios cotiues Défiitio 6. Foctios réglées. Soiet [, ] u itervlle compct de R et E u e.v... Ue pplictio f : [, ] E est dite réglée si quel que soit le omre ε >, il eiste ue pplictio e esclier ϕ : [, ] E vérifit pour tout [, ] : ϕ() f() ε. Propositio 6. Ue pplictio f : [, ] E est réglée si et seulemet si il eiste ue suite (ϕ ) d pplictios e esclier de [, ] ds E, coverget uiformémet vers f sur [, ]. Théorème 6. Toute pplictio réglée d u itervlle compct [, ] ds u e.v.. complet E est itégrle. Théorème 6. Cs prticulier : foctios cotiues. Soiet [, ] u itervlle compct de R et E u e.v... Toute pplictio cotiue f : [, ] E est dite réglée. E coséquece, si E est complet, toute pplictio cotiue de [, ] ds E est itégrle. 6/3

7 Propositio 6. Soiet [, ] u itervlle compct de R et f : [, ] E ue pplictio de [, ] ds u e.v.. complet. Si f est orée sur [, ] et itégrle sur tout itervlle compct [α, β] coteu ds l itervlle ouvert ], [, lors f est itégrle sur [, ]. Corollire 6. Soiet [, ] u itervlle compct de R et f : [, ] E ue pplictio de [, ] ds u e.v.. complet E. Si f est orée sur [, ] et cotiue sur l itervlle ouvert ], [ lors f est itégrle. Plus géérlemet o : Propositio 6.3 Soiet [, ] u itervlle compct de R et f : [, ] E ue pplictio de [, ] ds u e.v.. complet E. Pour que f soit itégrle sur [, ], il suffit que f soit orée et que l esemle de ses poits de discotiuité soit fii. Propositio 6.4 Approimtio des foctios itégrles pr des foctios cotiues. Soit f : [, ] E ue foctio itégrle. Quel que soit le omre ε > doé, il eiste ue foctio cotiue g : [, ] E vérifit f() g() ε. Cette pproimtio permet souvet de rmeer l démostrtio de propriétés des foctios itégrles à celles des propriétés des foctios cotiues. 7 Itégrle idéfiie. Dérivtio Propositio 7. O f() = Propositio 7. Formule de Chsles. O f() et f() = c f() =. f() + c f() pourvu que f soit itégrle sur l itervlle [α, β] d etrémités α = if(,, c) et β = sup(,, c). Défiitio 7. Soit f ue foctio itégrle sur l itervlle compct [, ]. Pour tout t [, ], f est itégrle sur l itervlle [, t] et l foctio t f() est ppelée itégrle idéfiie de l foctio f. Propositio 7.3 Cotiuité. Soiet [, ] u itervlle compct de R et f : [, ] E ue pplictio itégrle de [, ] ds u e.v.. complet E. Alors l foctio est lipschitziee, de rpport k = F : [, ] E, t t f() sup f(), doc cotiue sur [, ]. Propositio 7.4 Dérivilité. Si f est ue foctio itégrle sur [, ], l foctio F : t t f() dmet f(t + ) pour dérivée à droite (resp. f(t ) pour dérivée à guche) e tout poit où cette limite eiste. Corollire 7. Si f est ue foctio itégrle sur l itervlle compct [, ], l itégrle idéfiie F : t t f() dmet f(t) pour dérivée e tout poit t de [, ] où f est cotiue. Défiitio 7. Soit f ue pplictio d u itervlle I de R ds u e.v.. quelcoque E. O ppelle primitive de f toute pplictio F : I E vérifit pour tout t I : F (t) = f(t). Théorème 7. Soit f : [, ] E ue pplictio cotiue de l itervlle [, ] ds u e.v.. complet E. Alors l itégrle idéfiie 7/3

8 F : t t f() est ue primitive de f sur [, ] et si G est ue primitive quelcoque de f sur [, ], o : f() = G() G(). Théorème 7. Toute foctio cotiue défiie sur u itervlle quelcoque I de R et à vleurs ds u e.v.. complet dmet ue primitive. Eercice Soit f : R R ue foctio cotiue sur R et F () = u ffirmtios suivtes :. F est cotiue sur R.. F est dérivle sur R de dérivée f. 3. Si f est croisste sur R lors F est croisste sur R. 4. Si f est positive sur R lors F est positive sur R. 5. Si f est positive sur R lors F est croisste sur R. 6. Si f est T -périodique sur R lors F est T -périodique sur R. 7. Si f est pire lors F est impire. f(t)dt. Répodre pr vri ou fu Eercice Soiet u et v deu foctios dérivles sur R et f ue foctio cotiue sur R.. O pose F () = v() u(). Clculer l dérivée de G() = f(t)dt. Motrer que F est dérivle sur R et clculer s dérivée. dt + t + t 4. Eercice Soit F () = l(t) dt.. Quel est l esemle de défiitio de F? F est-elle cotiue, dérivle sur so esemle de défiitio?. Détermier lim F () e comprt F à H() = + 8 Chgemet de vrile t l(t) dt. Théorème 8. Soit ϕ ue foctio umérique défiie sur u itervlle compct I = [, ] de R, et pourvue d ue dérivée cotiue. Pour toute foctio f (umérique, complee ou à vleurs ds u e.v.. complet) défiie et cotiue sur l itervlle compct ϕ(i), o l formule dite de chgemet de vrile : ϕ() ϕ() f() = f[ϕ()]ϕ (). Propositio 8. Cs où l itervlle d itégrtio est symétrique pr rpport à l origie. Soit f ue foctio itégrle sur u itervlle compct [, ] de cetre O, lors f() = (f() + f( )). Propositio 8. Ivrice pr trsltio. Applictio u foctios périodiques. Soit f ue foctio itégrle quelcoque sur l itervlle compct [, ], lors l foctio trsltée f u : f(+u) est itégrle sur l itervlle [ u, u] et qu elle vérifie l reltio : u u f u () = u u f( + u) = f(). E prticulier, si f est ue foctio périodique, de période T sur R, o quels que soiet, R : +T +T f() = f(). 8/3

9 9 Itégrtio pr prties Propositio 9. Soiet u, v deu foctios umériques ou complees défiies sur u itervlle compct [, ] de R et pourvues de dérivées cotiues. O l formule d itégrtio pr prties : soit, sous forme codesée : u()v () = [u()v()] udv = [uv] vdu. u ()v() Propositio 9. Soiet [, ] u itervlle compct de R et E u e.v.. complet sur le corps K = R ou C. Si les pplictios u : [, ] K et v : [, ] E sot de clsse C sur [, ], o : u()v () () = [u()v ( ) () u ()v ( ) () ( ) p u (p) ()v ( p ) () ( ) u ( ) ()v()] + ( ) u () ()v(). Propositio 9.3 Cs prticulier des polyômes de degré u plus. Si u est u polyôme de degré u plus, o u () = d où : u()v () () = [u (p) ()v ( p ) ()] = ( ) k [u ( k ) ()v (k) ()]. E chget les ottios et e pret pour u le polyôme t p= k= (t ), o otiet l ( )! Propositio 9.4 Applictio. Formule de Tylor vec reste itégrl. Soiet [, ] u itervlle compct de R et f : [, ] E ue foctio de clsse C m sur [, ], à vleurs ds u e.v.. complet E. Pour tout t [, ] o lors : f(t) = f() + Clcul des primitives k= (t ) k k! t f (k) () + (t ) f () (). ( )! Eercice 3 Clculer les primitives suivtes, e précist si écessire les itervlles de vlidité des clculs : ) rct() ) t () c) d) l() + e) rcsi() f) g) 3 + ep( ) h) 4 l + i) j) + ep() k) + + l) cos() ep() 3 4 Eercice 4 Clculer les primitives suivtes : si() et si() + cos() cos() si() + cos(). Eercice 5 Clculer les primitives suivtes, e précist si écessire les itervlles de vlidité des clculs : ) si 8 () cos 3 () ) cos 4 () c) cos 3 () si() d) + si() + cos() 3 si() e) f) g) h) si() cos() cos() + 3 t() 7 + t() Eercice 6 Soit I = π Itégrles de Wllis. si () si N. 9/3

10 . Motrer que (I ) est positive décroisste.. Motrer que I + = + + I et epliciter I, e déduire 3. Motrer que I I +. π 4. À l ide de ( + )I I + motrer que I ( + ) 5. E déduire.4... () π. ( ). Voici u tleu (o limittif) de primitives utiles : α = α+ α + + cste, α = Log + cste ep((α + iβ)) ep((α + iβ)) = + cste si() = cos + cste α + iβ cos() = si() + cste t() = Log cos() + cste ( t ) si() = Log ( t π + cste cos() = Log 4 + ) + cste cot() = Log si() + cste cos = t() + cste () si = cot() + cste = Log t() + cste () si() cos() sh() = ch() + cste ch() = sh() + cste th th() = Log(ch()) + cste sh() = Log + cste = rct(ep()) + cste = Log sh() + cste ch() th() ch = th() + cste () sh = coth() + cste () ) = Log th() + cste sh()ch() + = ( rct + cste = ( ) Log + + cste = rcsi + cste ( ) + = rg sh + cste = Log( + + ) + cste ( ) = rg ch + cste = Log + + cste ( + α) = 3/ α + α + cste Vleur pprochée d ue itégrle défiie (α ) = 3/ α α + cste, α Lorsqu o e coît ps l epressio d ue itégrle défiie u moye de foctios cotiues, o peut e chercher ue vleur pprochée e remplçt l foctio à itégrer pr ue foctio voisie plus simple. Propositio. Méthode des rectgles pour ue foctio mootoe. Soit f ue foctio mootoe (supposée croisste) sur l itervlle compct [, ]. L etier N étt fié ritriremet, o pose h = ( )/ et o cosidère l sudivisio O otiet lors c est-à-dire l vleur de h (, + h,..., + kh,..., + h = ). f( + kh) k= f() h f( + kh), f() vec ue erreur u plus égle à E(f) = [f() f()]. k= /3

11 Propositio. Méthode des trpèzes. Soit f : λ + µ ue foctio ffie sur l itervlle [, ] où λ, µ désiget des costtes. O : f() = ] [ [λ + µ = ( ) λ + ] f() + f() + µ = ( ). Plus géérlemet, soit f ue foctio itégrle quelcoque sur l itervlle [, ] et soit ( =,,..., = ) ue sudivisio quelcoque de cet itervlle. O désige pr g l foctio qui pred les mêmes vleurs que f u poits,,..., et qui se réduit à ue foctio ffie sur chque itervlle [ i, i+ ] ( i ). O otiet lors : i g() = g() = ( i i ) f( i) + f( i ). i i= Si f est pourvue d ue dérivée secode vérifit pour tout [, ] : α f () β vec α, β des costtes, o lors : vec S = [ f() + f() + f k= α( ) 3 S ( + k ) ]. i= ( )3 f() β Propositio.3 Autre méthode, pplicle u foctios vectorielles. Soit f ue foctio vectorielle défiie sur l itervlle compct [, ] et pourvue d ue dérivée secode vérifit pour tout [, ] : f () k vec k ue costte. O lors : ( ) + ( )3 f() ( )f k 4 et plus géérlemet pour tout etier > : f() f k= ( + (k + ) ) k( ) Propositio.4 Méthode de Simpso. Soit f ue foctio umérique ou vectorielle défiie sur l itervlle [, ] de R et pourvue d ue dérivée d ordre 5 vérifit pour tout [, ] : f (5) () k vec k ue costte. O lors : f() d où pour tout etier > : ( ) f() 6 k= ( ) 6 [ f() + f() + 4f ( + )] ( )5 k 88 [ ( f( + kh) + f( + kh h) + 4f + kh h )] ( )5 k Limite uiforme de foctios itégrles. Itégrtio terme à terme d ue série Théorème. Soit (f ) N ue suite uiformémet covergete de foctios itégrles sur [, ] à vleurs ds le même e.v.. complet E. Alors l foctio limite f = lim f est itégrle sur [, ] et o : + f() = lim + f (). (5) Il fut ie predre grde que l covergece uiforme de l suite (f ) est ue coditio suffiste mis o écessire pour etrîer l églité (5) et l théorie de Leesgue permet d étlir le résultt puisst que voici : Propositio. Soit (f ) ue suite de foctios umériques ou complees itégrles sur l itervlle [, ] coverget simplemet vers ue foctio f itégrle sur [, ]. Si les foctios f sot orées pr u même omre, o ecore l églité (5). /3

12 Propositio. Soit (f ) ue suite de foctios itégrles sur l itervlle compct [, ] coverget simplemet vers ue foctio f sur [, ]. Si les foctios (f ) st orées pr u même omre k, et si l covergece de f vers f est uiforme sur tout itervlle compct [α, β] coteu ds l itervlle ouvert ], [ lors f est itégrle sur [, ] et o ecore l églité f() = lim + f (). Propositio.3 Applictio u séries. Sit (u ) ue suite de foctios itégrles sur l itervlle compct [, ], à vleurs ds u e.v.. complet E. Si l série u est uiformémet covergete sur [, ], s somme S : sur [, ]. L série de terme géérl v = soit u () est covergete et o : S() = [ + ] u () = = + v = + = u (). + = u () est ue foctio itégrle E prtique, o retiedr les deu fits suivts : e itégrt terme à terme ue série uiformémet covergete sur l itervlle compct [, ], o otiet ue série covergete, l covergece uiforme d ue suite (resp. série) de foctios défiies sur u même itervlle compct est ue coditio suffiste pour pouvoir échger les siges lim et (resp. les siges et ). Eercice 7 Soit I = +.. E mjort l foctio itégrée, motrer que lim I =. +. Clculer I + I +. ( ) ( ) k+ 3. Détermier lim. + k k= Eercice 8 Clculer l limite des suites suivtes :. u = k + ;. v = k= k= ( + k ). 3 Formules de l moyee Propositio 3. Soiet f, g deu foctios umériques itégrles sur l itervlle [, ]. Si l foctio g est positive et si m, M désiget respectivemet l ore iférieure et l ore supérieure de f sur [, ], o : m g() f()g() M g(). Si de plus l foctio f est cotiue, il eiste u mois u poit c [, ] tel que : f()g() = f(c) g(). Propositio 3. Deuième formule de l moyee. Soiet f, g deu foctios umériques itégrles sur l itervlle [, ], l foctio f étt supposée positive et décroisste. Il eiste lors u poit c de [, ] tel que l o it : f()g() = f( + ) c g(). /3

13 4 Sommes de Riem Théorème 4. Soit f : [, ] E ue pplictio itégrle d u itervlle compct de R ds u e.v.. complet E. Quel que soit le omre ε >, il eiste u omre h > possédt l propriété suivte : pour toute sudivisio σ = ( =,,...,, = ) de [, ], de ps u plus égl à h et toute suite (ζ,..., ζ ) de poits de [, ] vérifit i ζ i i pour i =,,...,, o S(f, σ, ζ,..., ζ ) f() ε. Propositio 4. Soit f ue foctio itégrle sur l itervlle [, ] et soit (σ p ) ue suite de sudivisios de [, ] dot le ps ted vers zéro. Si pour chque sudivisio σ p = ( p,, p,,..., p,p ) o choisit u poit ζ p,i ds chque itervlle [ p,i, p,i ], l somme de Riem ted vers l itégrle p S p = ( p,i p,i )f(ζ p,i ) i= f() qud p ted vers l ifii. E prticulier, si f est itégrle sur [, ], l suite (S ) défiie pr ted vers Référeces S = ( ) f() qud l etier ted vers +. f k= ( + k [] Jcquelie LELONG-FERRAND, Je-Mrie ARNAUDIÈS. Cours de mthémtiques. Tome, Alyse, 4ème éditio. [] Eercices collectio EXO7. Clculs d itégrles. http ://eo7.emth.fr/ficpdf/fic5.pdf ) 3/3

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

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 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Déroulement de l épreuve de mathématiques

Déroulement de l épreuve de mathématiques Dérouleet de l épreuve de thétiques MATHÉMATIQUES Extrit de l ote de service 2012-029 du 24 février 2012 (BOEN 13 du 29-3-2012) Durée de l épreuve : 2 heures Nture de l épreuve : écrite pr le socle cou

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

A11 : La représentation chaînée (1ère partie)

A11 : La représentation chaînée (1ère partie) A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio

Plus en détail

Chapitre 6. Fonction réelle d une variable réelle

Chapitre 6. Fonction réelle d une variable réelle Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours. Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

INTENTION LES PROCESSUS MATHÉMATIQUES

INTENTION LES PROCESSUS MATHÉMATIQUES INTENTION Adpttios u Cdre commu des progrmmes d études de mthémtiques M-9 telles que reflétées ds le documet Mthémtiques M-9 : Progrmme d études de l Albert (2007) Le coteu du documet Mthémtiques M-9 :

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

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

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

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Cours d Analyse IV Suites et Séries de fonctions

Cours d Analyse IV Suites et Séries de fonctions Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

O, i, ) ln x. (ln x)2

O, i, ) ln x. (ln x)2 EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On

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

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers.

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers. CHAP: 8 Objecifs de ce chpire : Clculer comme se cosiuer u cpile ; Clculer comme rembourser ue dee e effecu des versemes réguliers. RAPPELS : Qu'es-ce qu'ue vleur cquise? Qu'es-ce qu'ue vleur cuelle? Le

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

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

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états. ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr

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

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Intégrale et primitives

Intégrale et primitives Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

STI2D Logique binaire SIN. L' Algèbre de BOOLE

STI2D Logique binaire SIN. L' Algèbre de BOOLE L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Chapitre VI Contraintes holonomiques

Chapitre VI Contraintes holonomiques 55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Dérivation : cours. Dérivation dans R

Dérivation : cours. Dérivation dans R TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

e x dx = e x dx + e x dx + e x dx.

e x dx = e x dx + e x dx + e x dx. Chtr Foctos Gmm t foctos d Bssl Chtr Focto Gmm t foctos d Bssl Détrmto d l focto Gmm L focto Gmm st très sml à dédur à rtr d l tégrl d'eulr: Ctt tégrl st u focto d rmètr ; ll st rrésté r l symbol () t

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

a g c d n d e s e s m b

a g c d n d e s e s m b PPrrooppoossiittiioo 22001111JJPP 22770055 000011 uu 0088 fféévvrriirr 22001111 VVlliiiittéé jjuussqquu uu 3300//0044//22001111 tim c ir tv é p g c h u i rè s G A Z iv lu s IC.G R é c lo y m ip s 9 r7

Plus en détail