x y z = 0 que l on paramètre par y pour avoir (?, 1,?) dans le générateur
|
|
- Joseph Sergerie
- il y a 7 ans
- Total affichages :
Transcription
1 Corrigé EDHEC 26 Eco par Pierre Veuillez Exercice Soit f l endomorphisme de R 3 dont la matrice dans la base canonique B de R 3 est : A On note I la matrice unité de M 3 (R) et on pose u (2,, 2).. a) (x, y, z) ker (f) f (u) A x y z (car les coordonnées de (x, y, z) dans la base canonique sont (x, y, z)) ce que l on résout : 2x + y + 7z L 2L 2 x + 4y + 3z 2x 8y 6z L 3 + 2L 2 2y + z x + 4y + 3z de la{ solution. z 2y x +2y que l on paramètre par y pour avoir (?,,?) dans le générateur Conclusion : ker (f) {y (2,, 2) /y R} Vect (u) b) Comme ker (f) alors A est non inversible. (on peut aussi en déduire que est valeur propre) 2. a) Soit v (x,, z) qui a pour coordonnées dans B : (x,, z) x 2 f (v) u A z 2 2x + + 7z 2 x z 2 + z L 3 + L L unique vecteur v vérifiant f (v) u est donc : Conclusion : v (3,, 2) 2x + + 7z 2 x z 2x 8 6z 2 L 3 + L x 3 x 3 z 2 par substitution b) Soit w (x,, z)on traduit sur les coordonnées dans la base B : x 3 f (w) v A z 2 2x + + 7z 3 x z 2 + z L 3 + L Donc l unique w est Conclusion : w (,, ) 2x + + 7z 3 x z 2x 8 6z 2 L 3 + L x x z swp Page /??
2 c) La famille (u, v, w) comprend trois vecteurs de R 3 qui est de dimension 3. Il suffi t donc de démontrer que la famille est libre : Si xu + yv + zw alors x (2,, 2) + y (3,, 2) + z (,, ) 2x + 3y L 2L 2 donc x + y + z 2x 2y z L 3 + 2L 2 et y 2z x + y + z z et x y z par substitution. Donc la famille est libre. Conclusion : B (u, v, w) est nue base de R 3 La matrice de passage de la base canonique dans B est formé par les coordonnées en colonne des vecteurs de B dans B. 2 3 donc P a) Comme f (u) u + v + w alors les coordonnées de f (u) dans B sont (,, ) et de même f (v) u a pour coordonnées (,, ) et f (w) v a pour coordonnées (,, ) Donc N N est triangulaire donc ses valeurs propres sont sur la diagonale : il n y a que. Conclusion : la seule valeur propre de f est. Si f était diagonalisable, sa matrice dans une base de vecteurs propres serait la matrice nulle. Donc f serait nulle. ce qui n est pas le cas. Conclusion : f n est pas diagonalisable. b) La formule de changement de base donne : Conclusion : A P N P On calcule N 2 et N 3 mat B f mat B (B ) mat B (f) mat B (B) et Donc pour tout k 3, N k N 3 N k 3 et A k P N k P Conclusion : pour tout entier k supérieur ou égal à 3, on a : A k. 4. On note C N (respectivement C A ) l ensemble des matrices de M 3 (R) qui commutent avec N (respectivement A). (ce sont les matrices M qui vérifient M C C M ) a) On peut vérifier les critères de sous espaces : N N donc O C N Soient α et β R et M et M de C N alors (αm + βm ) N αmn + βm N αnm + βnm N (αm + βm ) Donc C N est stable par combinaisons linéaires et est un sous espace de M 3. swp Page 2/??
3 Conclusion : C N est un sous-espace vectoriel de M 3 Ou plus rapidement, résoudre et trouver une famille génératrice : a b c Soit M d e f alors g h i a b c d e f NM d e f g h i et g h i M N a b c d e f g h i a b d e g h d e a f b Donc M N N M g h d e i g h a b c Donc C N a b, a, b, c R Vect (I, N, N 2 ) Et on peut conclure à la fois que d e a f b g h e i g h Conclusion : C N est le sous-espace vectoriel de M 3 engendré par (I, N, N 2 ) b) On procède par équivalence : M C A M A A M P MP P AP P AP P MP P MP N NP MP P MP C N Pour déterminer l ensemble, on procède par équivalence : M C A il existe (a, b, c) R 3 tels que P MP ai + bn + cn 2 il existe (a, b, c) R 3 tels que M ai + bp NP + cp N 2 P il existe (a, b, c) R 3 tels que M ai + ba + ca 2 M Vect (I, A, A 2 ) Pour avoir la dimension, reste à voire si la famille est libre :* Au lieu de la traiter directement, on réutilise N : Si ai + ba + ca 2 alors (en multipliant par P à droite et par P à gauche) ai + bn + cn 2. Et comme la famille (I, N, N 2 ) est échelonnée, elle est libre. Donc a b c et (I, A, A 2 ) est libre et génératrice donc base de C A. Conclusion : C A vect(i, A, A 2 ) et dim (C A ) 3 Exercice 2 On considère la fonction f définie par: f(x) 2( x) 2 si x [, 2 [ 2x 2 si x [ 2, [ sinon. swp Page 3/??
4 . On vérifie les critères d une densité de probabilité : f est positive ou nulle. f est continue sur R {, 2, }, continue par morceaux sur R. + f est impropre en ± : f et + f /2 ] /2 f /2 dx [ 2( x) 2 2 x 2 2 f dx [ ] + /2 /2 2x 2 2 x / f Donc + f converge et vaut Conclusion : f est une densité de probabilité. Dans toute la suite, on considère une variable aléatoire X définie sur un certain espace probabilisé (Ω, A, P ) et admettant la fonction f pour densité. 2. Pour tout x réel, on a F (x) x f si x < : F (x) x si x < : F (x) + x 2 dt [ x 2( t) 2 2 t] ( 2 si x < : F (x) + /2 dt + x 2 2( t) 2 /2 si x : F (x) 3. On étudie la convergence de + tf (t) dt impropre en ± : tf (t) dt /2 tf (t) dt /2 t dt??? 2( t) 2 Une indication aurait du être donnée! on peut au choix, dt + [ 2t x ) 2 faire un changement de variable x t (ou plutôt t x ) faire apparaître t au numérateur, pour simplifier: t x x ] x / x /2 t 2( t) 2 dt /2 /2 ( t) + 2( t) 2 dt 2 ( t) + 2( t) dt 2 [ 2 ln ( t) + ] /2 2 t 2 ln (/2) ln (2) 2 tf (t) dt t dt [ ln (t)] ln (2) /2 /2 2t 2 2 /2 2 swp Page 4/??
5 + tf (t) dt Donc + tf (t) dt converge et X a une espérance Conclusion : X a une espérance et E (X) 2 4. a) Par le théorème de transfert, on étudie l absolue convergence de + (t )2 f (t) dt impropre en ± Ce qui équivaut ici à la convergence simple car (t ) 2 est de signe constant au voisinage de ±. (t ) 2 f (t) dt (t )2 f (t) dt (t ) 2 f (t) dt /2 (t ) 2 f (t) dt /2 /2 sur [/2, ] il faut développer : (t ) 2 2( t) 2 dt [ 2 t] /2 4 /2 (t ) 2 f (t) dt /2 /2 (t ) 2 f (t) dt 2 t + 2t dt 2 [ 2 t ln (t) 2t ] /2 2 2 ln (2) + 4 /2 t 2 2t + dt 2t 2 3 ln (2) 4 + (t ) 2 f (t) + dt (t ) 2 f (t) dt Donc + (t )2 f (t) dt converge absolument donc (X ) 2 a une espérance et E ( (X ) 2) + Conclusion : E ( (X ) 2) ln (2) b) On a alors X 2 (X ) 2 + 2X Donc X 2 a une espérance et (t ) 2 f (t) dt ln (2) E ( X 2) E ( (X ) 2) + 2E (X) ln (2) + ln (2) Donc X a une variance et V (X) E (X 2 ) E (X) 2 3 ln 2. 4 Conclusion : X a une espérance et V (X) 3 ln On appelle variable indicatrice d un événement A, la variable de Bernoulli qui vaut si A est réalisé et sinon. On considère maintenant la variable aléatoire Y, indicatrice de l événement (X ) et la 2 variable aléatoire Z, indicatrice de l événement (X > 2 ). swp Page 5/??
6 a) On a Y quand Z et Y quand Z. On a donc Y Z Comme Y est fonction affi ne de Z alors le coeffi cient de corrélation linéaire vaut ± Et comme le coeffi cient directeur es négatif, alors ρ (Y, Z) b) D autre part, le coeffi cient de corrélation linéaire est ρ(y, Z) cov(y,z) σ(y )σ(z) Donc cov (Y, Z) σ (Y ) σ (Z) Et comme V (Y ) ( ) 2 V (Z), alors σ (Y ) σ (Z) V (Y ) On a P (Y ) P ( ( X 2) F 2) 2 Donc Y B ( ) ( ) 2 et V (Y ) 2 2 donc σ (Y ) 4 2 Conclusion : ov (Y, Z) 4 Exercice 3 Soit f la fonction définie pour tout couple (x, y) de R 2 par: f(x, y) 2x 2 + 2y 2 + 2xy x y.. a) f est de classe C sur R 2 f (x, y) x 4x + 2y f (x, y) y 4y + 2x b) (x, y) est un point critique si et seulement si { 4x + 2y L 2L 2 2x + 4y { { 6y + y /6 2x + 4y x /6 { f x f y Conclusion : Donc le seul point critique defest A 2. a) f est C 2 sur R 2 et r 2 f (x, y) 4 x2 s 2 f (x, y) 2 y x t 2 f (x, y) 4 y2 (x, y) ce que l on résout : (x, y) ( 6, ). 6 b) En (, 6 6) on a rt s > et r > Donc sur l ouvert R 2, le point critique (, 6 6) est un minimum local m f (, ) ( Conclusion :, ) 6 6 est un minimum local et la valeur en ce minimum est 6 3. a) Pour développer (a + b + c) 2, on regroupe : ( a + (b + c) 2 ) 2 a 2 + 2a (b + c) + (b + c) 2 a 2 + c 2 + b 2 + 2ab + 2ac + 2bc swp Page 6/??
7 On a développe ( 2 x + y 2 ) ( y 2 2 (x 4 2 6) 2 + y xy x 2 y ) + 3 ( y 2 y ) 36 2x 2 + 2y 2 + 2xy x y + 6 ( b) On a donc f (x, y) 2 x + y 2 ) ( y ) et comme un carré est toujours positif, on a donc pour tout (x, y) de R 2, f (x, y) 6 Conclusion : 6 est bien un minimum global. 4. On considère la fonction g définie pour tout couple (x, y) de R 2 par : g(x, y) 2e 2x + 2e 2y + 2e x+y e x e y. a) On remarque que g (x, y) f (e x, e y ) et comme f (x, y) pour tout couple (x, y) alors, en particulier, 6 Conclusion : (x, y) R 2, g (x, y) 6. b) Et comme g ( ln ( 6), ln ( 6)) f ( 6, 6) alors ce minorant est est atteint. Conclusion : g possède un minimum global sur R 2 en( ln (6), ln (6)) Problème Partie : étude d une variable discrète sans mémoire. Soit X une variable aléatoire discrète, à valeurs dans N telle que : m N, P (X m) >. On suppose également que X vérifie : (m, n) N N, P (X m) (X n + m) P (X n). On pose P (X ) p et on suppose que p >. (N.B. dans le cours, il est dit qu une telle variable discrète à valeurs dans N est sans mémoire suit une loi géométrique Ici, les valeurs sont prises dans N et le théorème ne s applique donc pas). Comme les valeurs de X sont entières, X (X ) Donc P (X ) P (X ) p q > par hypothèse. Et comme q p et que p > alors q <. Conclusion : P(X ) q et < q <. 2. On revient à la définition de la probabilité conditionnelle : P (X m) (X n + m) P (X n + m) P (X m) P (X n) Conclusion : Donc (m, n) N N, P (X n + m) P (X m) P (X n) 3. Pour tout n de N on pose u n P (X n). a) On a avec le couple (n, ) la relation : P (X n + ) P (X ) P (X n) Donc u n+ q u n Conclusion : la suite u est géométrique de raison q géométrique. swp Page 7/??
8 b) On a alors u n q n u q n P (X ) q n Conclusion : Pour tout n de N, P (X n) q n c) Comme X ne prend que des valeurs entières, (X n) (X n) (X n + ) et comme les deux sont incompatibles P (X n) P (X n + ) + P (X n) Conclusion : n N, P (X n) P (X n) P (X n + ). d) Et on trouve donc P (X n) q n q n+ q n ( q) q n p Conclusion : pour tout n de N, on a P (X n) q n p 4. a) La loi de X + est donnée par : X (Ω) N et P (X + n) P (X n ) q n p Conclusion : X + suit une loi géométrique de paramètre p b) Comme E (X + ) q et V (X + ) p p 2 et que X X + alors Conclusion : E (X) p et V (X) q p 2 Partie 2 : taux de panne d une variable discrète. Pour toute variable aléatoire Y à valeurs dans N et telle que, pour tout n de N >, on définit le taux de panne de Y à l instant n, noté λ n par : n N, λ n P (Y n) (Y n). Remarque : en terme de durée (discrète) de fonctionnement, c est la probabilité de tomber en panne à l instant n (Y n), quand le système fonctionnait encore à l instant (Y n). Le cas le plus classique est celui du nombre de lancer pour obtenir le premier Pile où λ n est constant.. a) Par définition de la probabilité conditionnelle on a : λ n et comme [Y n Y n] (Y n) on a donc Conclusion : n N, λ n b) On a alors P (Y n). P (Y n Y n) P (Y n) λ n P (Y n) P (Y n + ) car (Y n) (Y n) (Y n + ) puisque Y ne prend que des valeurs entières. Conclusion : n N, λ n P (Y n + ) c) Comme > pour tout entier n alors λ n > et λ n < Mais on peut avoir λ n (par exemple pour une loi géométrique, λ ) Conclusion : n N, λ n <. swp Page 8/??
9 d) Par récurrence : Pour n : ( λ k ) λ P (Y ) P (Y ) Soit n N tel que n ( λ k ) alors n ( λ k ) ( λ n ) n Donc, par récurrence, ( λ k ) Conclusion : n N, n P (Y ) car P (Y ) P (Y n + ) P (Y n + ) ( λ k ) 2. a) La probabilité du contraire est : P (Y < n) et comme Y prend que des valeurs entières : P (Y n ) Et comme (Y n ) n k (Y k) (incompatibles) alors Conclusion : n P (Y k) b) Comme Y (Ω) N alors + P (Y k) n Donc lim n + P (Y k) et n P (Y k) quand + Conclusion : lim. n c) On a vu que n ( λ k ) Donc ln () n ln ( λ k) Et comme alors ln () donc n ln ( λ k) et Conclusion : n lim n ln ( λ k ) + d) On pense au théorème de comparaison. On a ln ( + x) x quand x Mais il faudrait pour cela que λ n quand n +. Et on a vu que dans le cas d une loi géométrique, ce n était pas le cas (λ n constant) deux cas : si λ n alors ln ( λ k ) λ k et par comparaison de série à termes positifs, la série k λ k diverge également. Si λ n alors la série k λ k diverge (condition nécessaire de convergence) Conclusion : la série des (λ n ) n N diverge 3. a) On se souvient que n! n (n )! si n et! On complète donc : Function f(n : integer) : integer; Begin If (n) then f: swp Page 9/??
10 end; else f: f(n-) b) On considère la déclaration de fonction récursive suivante : Function g (a:real ; n:integer):real; Begin If (n) then g: else g: a * g(a,n- ); end ; Cela définit une suite u pour laquelle u n a u n Suite géométrique avec u Conclusion : g (a, n) retourne a n. c) Proposer un programme (sans écrire la partie déclarative) utilisant ces deux fonctions et permettant d une part le calcul de la somme n a k k! e a et d autre part, à l aide du résultat de la question a), le calcul et l affi chage du taux de panne à l instant n d une variable aléatoire suivant la loi de Poisson de paramètre a >, lorsque n et a sont entrés au clavier par l utilisateur (on supposera n ). Pour la somme, on utilise le fait que n a k k! e a n 2 a k k! e a + an (n )! e a. Le taux de panne est λ n a an P (Y n) e n! P (Y n) avec n P (Y < n) P (Y n ) a ak e k! begin S:; writeln( a?n? );readln(a,n); for k: t n- do S:S+g(a,k)/f(k); S:S*exp(-a); writeln( somme:,s); lambdaexp(-a)*g(a,n)/f(n)/(-s); writeln( taux de panne :,lambda); end. N.B. d un point de vue nombre de calcul, il aurait été beaucoup plus léger de calculer à la fois la factorielle, la puissance, comme la somme : en utilisant la relation de récurrence, sans récursivité, comme il est fait ci-dessous. d) Compléter la déclaration de fonction suivante pour, qu elle renvoie la valeur de n à l appel de sigma(a,n). Function sigma(a : real ; n : integer) : real; var k : integer; p: real; Begin p : ; s:; For k: to n- do begin p : p*a / k; s : S+p ; end; a k k! e a swp Page /??
11 s: S*exp(-a); sigma: s; end ; Partie 3 : caractérisation des variables dont la loi est du type de celle de X.. Déterminer le taux de panne de la variable X dont la loi a été trouvée à la question 3 d) de la partie. On avait P (X n) q n et P (X n) q n p Donc λ n P (X n) P (X n) p pour tout n N. Conclusion : le taux de panne est constant égal à p 2. On considère une variable aléatoire Z, à valeurs dans N, et vérifiant : n N, P (Z n) >. On suppose que le taux de panne de Z est constant, c est-à-dire que l on a : n N, λ n λ. P (Z n) a) Comme on est dans les hypothèses de la partie 3, on a λ P (Z n) Si λ alors P (Z n) pour tout entier n. (et P (Z n) ). Donc λ > Si λ alors P (Z n) P (Z n) donc P (Z n + ) ce qui contredit P (Z n) > pour tout entier n. Conclusion : Donc < λ < b) On a vu que, pour n on avait n ( λ k ) ( λ) n + et donc P (Z n) P (Z n) P (Z n + ) ( λ) n ( λ) n+ ( λ) n λ et P (Z ) P (Z ) λ Conclusion : n N : P (Z n) ( λ) n λ soit la même loi que X pour p λ. c) Donc, si la loi est celle de X, le taux de panne est constant, et réciproquement Conclusion : Les seules variables aléatoires Z à valeurs dans N, dont le taux de panne est constant et telles que pour tout n de N, P (Z n) >, sont les variables dont la loi est du type de celle de X. swp Page /??
Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailSimulation 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détail3 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailChapitre 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 détailCours 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailLimites 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailCommun 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 détailI. 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailFonctions 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailRésolution 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 détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailChapitre 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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailThéorème 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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailDe 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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 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 Polynôme d interpolation
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailExamen Médian - 1 heure 30
NF01 - Automne 2014 Examen Médian - 1 heure 30 Polycopié papier autorisé, autres documents interdits Calculatrices, téléphones, traducteurs et ordinateurs interdits! Utilisez trois copies séparées, une
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailMoments 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailExercices - 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 détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailContinuité 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailAlgorithmique & programmation
Algorithmique & programmation Type structuré Article, Enregistrement, Structure Définition de nouveaux types!! On a vu les types simples "! entier, booléen, caractère, chaîne de caractères!! Comment gérer
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailIntégration 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 détailDifférentiabilité ; 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 détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailCCP 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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTriangle de Pascal dans Z/pZ avec p premier
Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailCorrigé 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 détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailPlan du cours 2014-2015. Cours théoriques. 29 septembre 2014
numériques et Institut d Astrophysique et de Géophysique (Bât. B5c) Bureau 0/13 email:.@ulg.ac.be Tél.: 04-3669771 29 septembre 2014 Plan du cours 2014-2015 Cours théoriques 16-09-2014 numériques pour
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailSub CalculAnnuite() Const TITRE As String = "Calcul d'annuité de remboursement d'un emprunt"
TD1 : traduction en Visual BASIC des exemples du cours sur les structures de contrôle de l'exécution page 1 'TRADUCTION EN VBA DES EXEMPLES ALGORITHMIQUES SUR LES STRUCTURES 'DE CONTROLE DE L'EXECUTION
Plus en détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détail