Rappels de Statistique et d Algèbre Linéaire. Emmanuel Duguet
|
|
- Christelle Laroche
- il y a 7 ans
- Total affichages :
Transcription
1 Rappels de Statistique et d Algèbre Linéaire Emmanuel Duguet Septembre 200
2 table des matières Moments empiriques et moments théoriques 2 Momentsempiriquesdesvecteurs 2 Moyennearithmétique 2 2 Varianceempirique 3 3 Ecart-typeempirique 3 4 Covarianceempirique 4 5 Corrélationempirique 4 2 Momentsempiriquesdesmatrices 5 2 Moyennearithmétique 5 22 Matricedecovarianceempirique 5 3 Convergence en probabilité 9 4 InégalitédeBienaymé-Chebichev 0 5 Laloifaibledesgrandsnombres 2 6 Théorèmedelalimitecentrale 3 2 Algèbre linéaire 4 2 Calculmatriciel 4 22 Matrices définiespositives 5 23 ProduitsdeKronecker 6
3 AEXE Moments empiriques et moments théoriques Moments empiriques des vecteurs Le but de cette section est de se familiariser avec les notations de calcul matriciel, car c est sous cette forme qu apparaissent le plus souvent les moments empiriques Il faut donc savoir les simplifier quand on les recontre dans une expression Moyenne arithmétique La moyenne arithmétique d un vecteur colonne z =(z,z 2,, z ) 0 peut se trouver sous les formes équivalentes suivantes : car on a : et : z 0 e =(z,z 2,, z ) z = z0 e e 0 e = z0 e = e 0 e =(,,, ) z i, = z + z z = z i, =++ {z + } = fois 2
4 3 2 Variance empirique La variance empirique de la série z, notée Ve (z), peut se trouver sous les formes équivalentes : car ce qui implique : z ze = Ve (z) = z z 2 z = (z i z) 2 zi 2 (z) 2 = (z ze)0 (z ze), = z0 z (z)2 z z z = z z z 2 z z z (z ze) 0 (z ze) =(z z, z 2 z,, z z), z z z 2 z z z =(z z) 2 +(z 2 z) 2 + +(z z) 2 = (z i z) 2 En posant z =0, on trouve : z 0 z = 3 Ecart-type empirique zi 2 Ils agitsimplementdelaracinecarréedelavarianceempiriqueonlenote: σ e (x) = p Ve (x)
5 4 4 Covariance empirique La covariance empirique entre le vecteur z =(z,z 2,, z ) 0 et le vecteur x = (x,x 2,, x ) 0, Cov e (z, x), s écrit : En effet : Cov e (x, z) = = (z i z)(x i x) z i x i z x = (z ze)0 (x xe) = z0 x z x (z ze) 0 (x xe) =(z z, z 2 z,, z z) x x x 2 x x x =(z z)(x x)+ +(z z)(x x) = (z i z)(x i x) En posant z =0=x dans l expression précédente, on a : z 0 x = z i x i On remarque de plus que lorsque z = x : Cov e (x, x) = = (x i x)(x i x) (x i x) 2 = Ve (x) 5 Corrélation empirique Le coefficient de corrélation linéaire empirique entre les séries z et x, noté ρ e (x, z) est défini par : ρ e (x, z) = Cov e (x, z) p Ve (x) Ve (z) = Cov e (x, z) σ e (x) σ e (z)
6 5 Il peut donc prendre différentes formes en fonction des expressions que nous avons vu plus haut On peut faire apparaître son expression dans la définition des différents estimateurs 2 Moments empiriques des matrices 2 Moyenne arithmétique On considère maintenant une matrice X de dimension (,p) Chaque ligne de X correspond à une observation et chaque colonne de X corrrespond à une variable On note ces variables X = X () X (2) X (p) On a : X = X0 e = {z} (p,) X ()0 X (2)0 X (p)0 e = X ()0 e X (2)0 e X (p)0 e 22 Matrice de covariance empirique = Contrairement au cas univarié, on définit une matrice qui contient à la fois les variances et les covariances des variables Les variances sont sur la diagonale de lamatricedecovarianceona: Ve (X) = X0 X X X0 On peut définir la matrice des produits croisés des variables explicatives X 0 X à partir du modèle écrit par observations ou par variables Selon le contexte une expression peut s avérer plus pratique que l autre, et il faut pouvoir passer facilement entre les différentes expressions x x 2 x p
7 6 Par rapport aux variables, on a: X ()0 X 0 X = X (2)0 ³X (p) () X (2) X (,p) (,p) X (p)0 = X ()0 X () X ()0 X (2) X ()0 X (p) X ()0 X (2) X (2)0 X (2) X (2)0 X (p) X (p)0 X () X (p)0 X (2) X (p)0 X (p) = P x2 i P x P ix i2 P x ix ip x P P ix i2 x2 i2 x i2x ip P x P ix ip x i2x ip P x2 ip La matrice des moments empiriques non centrés de X est définie par : x2 i x ix ip X 0 X = x ix i2 x i2x ip x ix ip P x2 ip On en déduit la matrice de covariance empirique : Ve (X) = x2 i x ix ip x ix i2 x i2x ip x ix ip x2 ip x x 2 x p x x 2 x p
8 7 = x2 i x ix ip x ix i2 x i2x ip x ix ip P x2 ip x 2 x x p x x 2 x 2 x p x x p x 2 p = x2 i x2 x ix ip x x p x ix i2 x x 2 x i2x ip x 2 x p x ix ip x x p x2 ip x2 p On obtient donc finalement : Ve (x ) Cov e (x,x 2 ) Cov e (x,x p ) Cov e (x,x 2 ) Ve (x 2 ) Cov e (x 2,x p ) Ve (X) = Cov e (x,x p ) Cov e (x 2,x p ) Ve (x p ) Par rapport aux observations La matrice de covariance empirique peut s écrire : Ve (X) = X 0 ix i X X 0 on a : XiX 0 i = (x i,x i2,, x ip ) x i x i2 x ip = x 2 i x i x i2 x i x ip x i x i2 x 2 i2 x i2 x ip x i x ip x i2 x ip x 2 ip = P x2 i P x P ix i2 P x ix ip x P P ix i2 x2 i x i2x ip P x P ix ip x i2x ip P x2 ip = X 0 X
9 8 On retrouve donc le même résultat que précédemment De même pour les produits croisés entre les variables explicatives et la variable expliquée, on a : X 0 y (,p)(,) = X ()0 X (2)0 X (p)0 y = Les moments centrés donnent donc : X ()0 y X (2)0 y X (p)0 y = P x iy i P x i2y i P x ipy i = X Xi 0 y i Cov e (X, y) = X 0 iy i X y = X0 y X y Le vecteur correspondant est égal à : Cov e (X, y) = = x iy i x i2y i x ipy i x iy i x i2y i x ipy i x iy i x y = x i2y i x 2 y P x ipy i x p y = Cov e (x,y) Cov e (x 2,y) Cov e (x p,y) x y x 2 y x p y x x 2 x p y Sous certaines conditions, les moments empiriques que nous venons de voir convergent en probabilité vers les moments théoriques correspondants Ce point est examiné dans la section suivante
10 9 3 Convergence en probabilité définition Soit b une variable aléatoire dont la réalisation dépend du nombre d observations disponibles dans un échantillon (noté ) On dit que cette suite de variables aléatoires b converge en probabilité vers une valeur b lorsquelenombred observations tend vers l infini,siellevérifie lapropriété suivante : i ε >0, Pr h b b b >ε 0 + La convergence en probabilité de b vers b est notée de manière abrégée par l expression : Plim b = b, où Plim est l abréviation de probability limit (ie, limite en probabilité) Elle s écrit également : b P b b + Cette définition signifie que l évènement b s écarte de b d une distance supérieure à ε est de probabilité nulle (ie, impossible) lorsque + Cette propriété s étend à certaines fonctions de b, comme le montre le théorème suivant THÉORÈME [Slutsky] Soit b b une suite de variables aléatoires qui converge en probabilité vers b : Plim b b = b, et soit g () une fonction continue définie au point b On a : ³ Plim g bb = g ³Plim b = g (b) Les définitions précédentes et le théorème de Slutsky s étendent au cas vectoriel en raisonnant composante par composante En particulier le théorème de Slutsky permet de simplifier considérablement le calcul des limites en probabilités Prenons deux estimateurs convergents, ba d un paramètre a et b b d un paramètre b On a : Plim ba + b b = Plim ba + Plim b b = a + b, car la fonction g (a, b) =a + b est continue et les estimateurs convergent en probabilité De même, en utilisant les fonctions g (a, b) =ab, g (a, b) =a/b (pour b 6= 0) on obtient les propriétés : Plim ba b b = Plim ba Plim b b = ab, Plim ba b b = Plim ba Plim b = a, b 6= 0 b
11 0 4 Inégalité de Bienaymé-Chebichev Le théorème suivant est très important Il nous permet notamment de démontrer la loi des grands nombres et le fait que la convergence en moyenne quadratique implique la convergence en probabilitéen une seule ligne THÉORÈME 2 [Inégalité de Bienaymé-Chebichev] Soit Z une variable de carré intégrable, on a : δ >0, Pr [ Z δ] δ 2 E Z 2 preuve : Soit la variable de Bernoulli : ½ si Z δ D = 0 sinon son espérance mathématique est égale à : D autre part : E (D) = Pr [ Z δ]+0 Pr [ Z <δ]=pr[ Z δ] Si Z δ on a D =donc : Z δ 2 Si Z <δon a D =0donc : Z 2 δ 2 Z δ Z2 δ 2 D = 0 Z2 δ 2 D =0 donc dans tous les cas on a : µ Z 2 D E E (D) δ 2 δ 2 E Z 2 Pr [ Z δ] Remarque En posant Z = X E (X), on obtient l expression : h car V (X) =E (X E (X)) 2i δ >0, Pr [ X E (X) δ] δ 2 V (X),
12 La convergence en probabilité est parfois difficile à vérifier directement, on utilise alors une conditions suffisante, qui correspond en fait à la convergence en moyenne quadratique définition 2 Soit b une variable aléatoire dont la réalisation dépend du nombre d observations disponibles dans un échantillon (noté ) On dit que cette suite de variables aléatoires b converge en moyenne quadratique vers une valeur b lorsquelenombred observations tend vers l infini, si elle vérifie une des deux propriétés équivalentes suivantes : ³bb 2 E b 0 lorsque + ³ ³ 2 E bb b et V bb 0 lorsque + On note ce résultat : b b mq + b Cette définition porte directement sur la distance entre b b et b Elle impose que cette distance s annule quand le nombre d observations devient suffisamment grand L équivalence entre les deux définitions vient du développement suivant : ³bb 2 h i h ³ i 2 E b = V bb b + E bb b ³ ³ ³ = V bb + E bb b 2 0 Les deux termes précédents sont positifs ou nuls donc pour que³ l expression s annule lorsque +, il faut que l on ait simultanément V bb 0 et ³ E bb b propriété Soit b b une suite de variables aléatoires, on a : b b mq b Plimb b = b, + la convergence en moyenne quadratique implique la convergence en probabilité preuve : C est une conséquence de l inégalité de Bienaymé-Chebichev En posant Z = b b b et δ = ε>0 dans le théorème [2], on obtient : i ε >0, 0 Pr h b b b ε ³bb 2 ε 2 E b + 0 On rappelle que : V(X) = E X 2 E(X) 2 E X 2 = V(X)+E(X) 2 Ici on pose X = b n b
13 2 5 La loi faible des grands nombres Cette section permet de faire le lien entre les moments empiriques que nous avons vu plus haut et la convergence en probabilité que nous venons de voir Elle signifie que sous certaines conditions, les moments empiriques convergent en probabilité vers les moments théoriques correspondants On l appelle loi faible des grands nombres, car la convergence en probabilité est également appelée convergence faible La version de cette loi que nous utilisons est due à Markov (cf Petrov 995, p34) THÉORÈME 3 [Markov] Soit (X,, X ) une suite de variables aléatoires qui admettent une espérance mathématique E (X k )=m k pour toute valeur de k {,, }, et qui vérifient la propriété suivante : " # X 2 V X k 0 lorsque +, alors " Plim X k # m k =0 preuve : Il suffit deposerz = (X k m k ) dans l inégalité de Bienaymé- Chebichev (théorème [2]) : # " δ >0, Pr " X k m δ # X k δ 2 V X 2 k 0 + En effet, on a : E (Z) = [E (X k ) m k ]=0 " # " # V (Z) =V X k m k = V X k car m k est une quantité certaine et que l on a :V h P i 2 V X k h X k i = Une moyenne arithmétique de variable aléatoires converge donc vers la moyenne des espérances mathématiques h des variables aléatoires, à condition que la variance de leur moyenne V P i X k tende vers 0 lorsque +
14 3 Exemple On considère un échantillon de variables (X,, X k ) indépendantes, d espérance et de variance constantes : k, m k = m et V (X k )=σ 2 Sous hypothèse d indépendance, on obtient la condition suivante : " # X 2 V X k = 2 V (X k )= σ2 2 = σ2 0 quand + D autre part m k = ( m) =m On a donc le résultat de convergence suivant : Plim X = m, la moyenne empirique converge vers l espérance mathématique commune des variables (X,,X k ) Exemple 2 On considère un échantillon de variables (X,, X k ) indépendantes de variances différentes et finies : V (X k )=σ 2 k La moyenne arithmétique de ces variances σ2 k = σ est également finie En effet : ce qui implique : " # X 2 V X k On en déduit que : σ = 2 max,, σ2 k qui est finie σ 2 k = σ 0 quand + Plim X = Plim E (X k ) 6 Théorème de la limite centrale Le théorème suivant nous permet de déterminer la loi asymptotique de la plupart de nos estimateurs THÉORÈME 4 (Liapunov) Soit u,u 2,, u une suite de variables aléatoires indépendantes d espérances mathématiques E (u i )=μ i et de variances respectives V (u i )=E(u i μ i ) 2 = σ 2 i 6=0,,, n On suppose également que le moment absolu d ordre trois existe E u i μ i 3 = β i i Soient : Ã! /3 Ã X! /2 X B = β i,d = σ 2 i, alors, si lim B /D =0lorsque +, on a : u i μ i D (0, ) +
15 AEXE 2 Algèbre linéaire 2 Calcul matriciel On considère une matrice A =[A ij ] de format (m, n) La transposée de A, notée A 0, est définie par A 0 =[A ji ], on intervertit donc les lignes et les colonnes 2 A est de plein rang colonne si ses colonnes sont linéairement indépendantes C est-à-dire si : α IR n, Aα =0 α =0 3 A est de plein rang ligne si ses lignes sont linéairement indépendantes (ie, si A 0 est de plein rang colonne) On considère maintenant deux matrices A de format (m, n) et B de format (r, p) Le produit matriciel de A par B n existe que si le nombre de colonnes de A est égal au nombre de lignes de B : n = r Dans ce cas, on le note F = AB et il est de format (m, p) 2 Les élements de la matrice produit F =[F ij ]=AB sont définis comme les produits scalaires de la i ème ligne de A et de la j ième colonne de B 3 AB n est généralement pas égal à BA, le produit matriciel n est pas commutatif 4 A (B + C) =AB + BC 5 (A + B) C = AC + BC 6 (AB) 0 = B 0 A 0 4
16 5 On considère maintenant deux matrices carrées A de format (m, m) et B de format (r, r) Une matrice est carrée si elle a autant de lignes que de colonnes 2 Une matrice carrée A est symétrique si A 0 = A 3 La trace d une matrice carrée A est définieparlasommedesesélements diagonaux On la note tr (A) = P m A ii 4 tr (A + B) =tr(a)+tr(b) 5 Si ABC est une matrice carrée et si les formats sont compatibles : tr (ABC) = tr (CAB)=tr(BCA) Il n est pas nécessaire que chaque matrice soit carrée à l intérieur des produits précédents 6 Si A est une matrice carrée de plein rang (ligne ou colonne), elle admet une inverse notée A telle que AA = A A = I 7 Si les matrices A et B sont inversibles : (AB) = B A 8 Une matrice carrée A est idempotente si A 2 = A 22 Matrices définies positives définition 2 Une matrice A de format (m, m) est semi définie positive lorsque : α IR m,s(α, A) =α 0 Aα 0 définition 22 Une matrice A de format (m, m) est définie positive lorsque : α IR m,α6= 0,s(α, A) =α 0 Aα > 0 La propriété suivante est utile pour comparer les variances des différents estimateurs propriété 2 Soit X (n,p) une matrice quelconque, alors X 0 X est semi définie positive preuve : En posant A = X 0 X, on obtient : s (α, X 0 X)=α 0 X 0 Xα =(Xα) 0 (Xα) = kxαk 2 0 {z } {z } (,n) (n,) La propriété suivante est utile pour montrer l existence de certains estimateurs
17 6 propriété 22 Soit X (n,p) une matrice de plein rang colonne, rang (X) =p, alors X 0 X est définiepositive(doncderangégalàp) preuve : La matrice X est de plein rang colonne : α IR p, X 0 α =0 α =0 donc kxαk 2 ne peut être nul que dans le cas α =0 En conséquence : α IR p,α6= 0, kxαk 2 > 0 23 Produits de Kronecker Soient deux matrices A =[A ij ] de format (a, b) et B =[B ij ] de format (c, d) Le produit de Kronecker de la matrice A par la matrice B, noté A B, donne une matrice F =[F ij ] de format (ac, bd) Cette matrice est définie par : A, B A,2 B A,b B A 2, B A 2,2 B A 2,b B F =[A ij B]=, A a, B A a,2 B A a,b B chaque élément originel de la matrice A se voit multiplié par la totalité de la matrice B Chacun des éléments de la matrice ci-dessus est donc de dimensions égales à celles de B, et C est de format (ac, bd) Les propriétés suivantes sont valables sous réserve que les formats des matrices autorisent les multiplications matricielles indiquées Dans le cas général (A B) n est pas égal à (B A), le produit de Kronecker n est donc pas commutatif 2 0 A =0 3 A 0 = 0, mais attention, le format de ce 0 n est pas nécessairement le même que celui de la propriété précédente 4 A (B + C) =A B + A C 5 (A + B) C = A B + B C 6 (x, y) IR 2, (xa) (yb) =xy (A B) 7 (A B)(C D) =(AC BD) 8 (A B) 0 =(A 0 B 0 ) 9 Si A et B sont inversibles : (A B) = A B 0 tr (A B) =tra tr B
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 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 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 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 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 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 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 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 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 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 détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 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 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 détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
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 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 détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détail* 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 détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
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 détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en 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 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 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 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 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 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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en 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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en 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 détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
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 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 détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
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 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 détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailLe Modèle Linéaire par l exemple :
Publications du Laboratoire de Statistique et Probabilités Le Modèle Linéaire par l exemple : Régression, Analyse de la Variance,... Jean-Marc Azaïs et Jean-Marc Bardet Laboratoire de Statistique et Probabilités
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
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 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 détailRappels et compléments, première partie : Nombres complexes et applications à la géométrie
Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)
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 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 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 détailContinuité 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 détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
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 détailPlanche 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 détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en 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 détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
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 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 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 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 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 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 détailUne introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
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 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 détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en 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 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 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 détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
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 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 détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en 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 détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
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 détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
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 détail