E(ϕ(Z, Y )) = ϕ(r(x + f(y)), y)dxdm(y). ϕ(ξ)dξ.
|
|
- Clémence Gravel
- il y a 7 ans
- Total affichages :
Transcription
1 Corrigé 191 (Les pièges de l indépendnce) Soit (Ω,, P ) un espce probbilisé et X, Y deux v..r. indépendntes. n suppose que X pour loi l loi uniforme sur [, 1]. Pour x, on pose e(x) = mx{n Z, n x} et r(x) = x e(x). Soit f une fonction borélienne de dns. n définit l v..r. Z pr l formule Z = r(x + f(y )) (c est-à-dire Z(ω) = r(x(ω) + f(y (ω)) pour tout ω Ω). 1. Montrer que Z pour loi l loi uniforme sur [, 1]. [Soit ϕ une fonction borélienne bornée de [, 1[ dns. n note ϕ l fonction de dns obtenue en prolongent ϕ pr périodicité (de période 1), c est-à-dire ϕ(x + n) = ϕ(x) si x [, 1[ et n Z. n pourr commencer pr montrer que E(ϕ(Z)) = 1 ϕ(x + f(y)) dx dm(y), où m est l loi de Y, c est-à-dire m = P Y.] L fonction r est borélienne de dns. Pr composition de fonctions mesurbles on en déduit donc que Z est bien une v..r.. n remrque ussi que Z ne prend ses vleurs que dns l intervlle [, 1[. Soit ϕ une fonction borélienne bornée de [, 1[ dns et ϕ l fonction de dns obtenue en prolongent ϕ pr périodicité de période 1. Comme les v..r. X et Y sont inépendntes, l loi du couple (X, Y ) est le produit tensoriel des lois de X et Y, on donc 1 E(ϕ(Z)) = ϕ(r(x + f(y)))dxdm(y). Comme z = r(z) + n vec n Z, on ϕ(z) = ϕ(r(z)) pour tout z et donc 1 E(ϕ(Z)) = ϕ(x + f(y))dxdm(y). Pour tout y, on utilise mintennt le chngement de vrible ξ = x + f(y) dns l intégrle pr rpport à x. Puis, on utilise l périodicité de ϕ. n obtient insi ( f(y)+1 E(ϕ(Z)) = ϕ(ξ)dξ ) ( 1 dm(y) = ϕ(ξ)dξ ) ( 1 dm(y) = ϕ(ξ)dξ ) dm(y). f(y) Comme m est une probbilité, on donc finlement E(ϕ(Z)) = 1 ϕ(ξ)dξ. Cette dernière églité est vlble pour toutr fonction borélienne bornée de dns (on rppelle que Z prend ses vleurs dns [, 1[), elle donne bien que Z pour loi l loi uniforme sur [, 1]. 2. Montrer que Z et Y sont indépendntes. [Soit ϕ une fonction borélienne bornée de [, 1[ dns. n pourr s inspirer de l question précédente pour exprimer E(ϕ(Z, Y )).] Pour montrer l indépendnce de z et Y, il suffit de montrer que l loi du couple (Z, Y ) est le produit tensoriel des mois de Z et Y. Soit ϕ une fonction borélienne bornée de [, 1[ dns. n, grâce à l indépendnce de X et Y, 1 E(ϕ(Z, Y )) = ϕ(r(x + f(y)), y)dxdm(y). 517
2 Ici ussi, on prolonge ϕ pr périodicité (en x) de période 1, c est-à-dire que l on pose ϕ(x + n, y) = ϕ(x, y) si x [, 1[, n Z et y. n obtient E(ϕ(Z, Y )) = 1 ϕ(x + f(y), y)dxdm(y). y fixé, on utilise le chngement de vrible ξ = x + f(y). Puis on utilise l périodicité de ϕ. n lors E(ϕ(Z, Y )) = ( f(y)+1 ϕ(ξ, y)dξ ) dm(y) = f(y) ( 1 ϕ(ξ, y)dξ ) dm(y) = 1 ϕ(ξ, y)dξdm(y). Finlement, pour tout fonction borélienne bornée de 2 dns on E(ϕ(Z, Y )) = 1 ϕ(ξ, y)dξdm(y). Ceci montre bien que l loi du couple (Z, Y ) est le produit tensoriel de l loi uniforme vec l loi de Y et donc de l loi de Z vec l loi de Y. les v..r. Z et Y sont donc indépendntes. 3. Montrer, en donnnt un exemple, que Z et Y peuvent ne ps être indépendntes si on retire l hypothèse que X pour loi l loi uniforme sur [, 1]. n suppose, pr exemple, que Y pour loi l loi uniforme sur [, 1], que f(s) = s pour tout s et que X ne prend que des vleurs entières. n lors Z = r(x + f(y )) = r(y ) = Y p.s.. n en déduit que Z et Y ne sont ps indépendntes. (n, pr exemple, P (Z [, 1/2[ et Y [, 1/2]) = 1/2 1/4 = P (Z [, 1/2])P (Y [, 1/2]).) 518
3 Corrigé 175 (Chngement de vribles W 1,1 croissnt) Soit f L 1 (, B(), λ) t.q. f > p.p.. Pour x, on pose ϕ(x) = x b f(t)dt désigne 1 ],b[ fdλ.) f(t)dt. (n rppelle que, pour < b, 1. Montrer que ϕ C(, ) et que ϕ est strictement croissnte. Pour x, y, x < y, on ϕ(y) ϕ(x) = y f(t)dt. n en déduit que ϕ est continue (sur ) et même x uniformément continue en utilisnt l proposition 4.9. n en déduit ussi que ϕ est strictement croissnte cr f > p.p.. n note I m l imge de ϕ (I m est donc un intervlle dont les bornes sont et fdλ) et on note ψ : I m l fonction réciproque de ϕ. L fonction ψ est donc continue de I m dns et on ϕ(ψ(s)) = s pour tout s I m et ψ(ϕ(s)) = s pour tout s. n rppelle que si I est un intervlle de et B(I) est s tribu borélienne, on B(I) = P(I) B(). Pour, on note ϕ() = {ϕ(x), x }. Pour I m, on note ψ() = {ψ(x), x }. 2. Montrer que {ϕ(), B()} = B(I m ) et que {ψ(), B(I m )} = B(). Les fonctions ϕ et ψ sont continues, elles sont donc boréliennes (c est-à-dire que l imge réciproque, pr ϕ ou ψ, d un borélien est un borélien). Soit B(), Comme ϕ() = ψ 1 () et que ψ est borélienne, on donc ϕ() B(). Puis, comme Im(ϕ) = I m on ϕ() I m et donc ϕ() B(I m ). éciproquement, si C B(I m ), on C = ϕ(ϕ 1 (C)) et donc C = ϕ() vec = ϕ 1 (C). Comme ϕ est borélienne, on = ϕ 1 (C) B() et donc C {ϕ(), B()}. n bien montré que {ϕ(), B()} = B(I m ). De mnière semblble on montre que {ψ(), B(I m )} = B(). 3. Soit I un intervlle de. Montrer que λ(ϕ(i)) = I fdλ. Soit, b les bornes de I, vec b. L ensemble ϕ(i) est lors un intervlle dont les bornes sont ϕ() et ϕ(b). n donc, en utilisnt ussi l définition de ϕ, b λ(ϕ(i)) = ϕ(b) ϕ() = fdλ = fdλ. 4. Soit un ouvert de. Montrer que λ(ϕ()) = fdλ. En déduire que, pour tout ε > il existe δ > t.q. : ouvert, λ() δ λ(ϕ()) ε. L ouvert est une union dénombrble d intervlles ouverts disjoints 2 à 2 (lemme 2.4). Il existe donc une suite (I n ) n N d intervlles ouverts disjoints 2 à 2 t.q. = n N I n (noter que certins intervlles ouverts peuvent être vides). n lors ϕ() = n N ϕ(i n ) et les ϕ(i n ) sont ussi disjoints 2 à 2 (pr injectivité de ϕ). n donc, pr σ-dditivité de λ et pr l question précédente, λ(ϕ()) = λ(ϕ(i n )) = fdλ = fdλ = fdλ. n N n N I n n N I n I 498
4 n utilise mintennt l proposition 4.9. Soit ε >, il existe δ > t.q. B(), λ() δ fdλ ε (18.15) n en déduit, en prticulier, que si est un ouvert et que λ() δ, on lors fdλ ε et donc λ(ϕ()) ε. 5. Soit B(). Montrer que λ(ϕ()) = fdλ. [n pourr, pr exemple, utiliser l régulrité de λ et l question précédente.] n commence pr remrquer que ϕ() I m et donc λ(ϕ() λ(i m ) = fdλ < +. n ussi fdλ fdλ < +. Soit ε >. n v montrer que λ(ϕ()) fdλ 2ε. Pour cel, on utilise δ donné pr (18.15). L régulrité de λ donne l existence de ouvert contennt et F fermé inclus dns t.q. λ( \ F ) δ. n en déduit, grâce à (18.15), en remrqunt que \ F est un ouvert, λ(ϕ()) λ(ϕ()) = λ(ϕ( \ )) λ(ϕ( \ F )) = fdλ ε. n ussi, toujours, grâce à (18.15), fdλ fdλ = fdλ ε. \ Comme l question précédente donne λ(ϕ()) = fdλ, on en déduit que λ(ϕ()) fdλ 2ε. Il reste à remrquer que ε > est rbitrire pour conclure que λ(ϕ()) fdλ. 6. Soit, b t.q. < b. () Soit B B(). n pose g = 1 B. Montrer que : ϕ(b) ϕ() g(t)dt = b \F g(ϕ(s))f(s)ds. (18.16) [Prendre = ψ(b I m ) ], b[ et utiliser l question précédente.] Puisque g = 1 B, on ϕ(b) ϕ() g(t)dt = B ]ϕ(),ϕ(b)[ dλ = λ(b ]ϕ(), ϕ(b)[). Comme Im(ϕ) = I m, on B ]ϕ(), ϕ(b)[) = (B I m ) ]ϕ(), ϕ(b)[. Puis, comme ϕ ψ est l indentité sur I m on en déduit, vec = ψ(b I m ) ], b[, (B I m ) ]ϕ(), ϕ(b)[= ϕ(ψ((b I m ) ]ϕ(), ϕ(b)[)) = ϕ(ψ(b I m ) ψ(]ϕ(), ϕ(b)[)) = ϕ(). 499
5 n donc, vec l question précédente et l définition de, ϕ(b) ϕ() g(t)dt = λ(ϕ()) = fdλ = ψ(b I m) ],b[ fdλ = b 1 ψ(b Im)(s)f(s)ds. Pour conclure, il reste à remrquer que s ψ(b I m ) si et seulement si ϕ(s) B. n obtient bien insi ϕ(b) ϕ() g(t)dt = b 1 B (ϕ(s))f(s)ds = b g(ϕ(s))f(s)ds. (b) Montrer que (18.16) est encore vrie pour g E + (, B()), puis pour g M + (, B()). Si g E + (, B()), il existe n N, 1,..., n + et B 1,... B n B() t.q. Pour chque i, l question précédente donne ϕ(b) ϕ() g = g i (t)dt = n i 1 Bi. i=1 b g i (ϕ(s))f(s)ds. n multiplie les termes de cette églité pr i, on somme sur i et on obtient bien (18.16). Soit mintennt g M + (, B()). Il existe une suite (g n ) n N d éléments de E + (, B()) t.q. g n g (convergence simple en croissnt). Pr convergence monotone on peut psser à l limite qund n dns (18.16) écrit vec g n u lieu de g. n obtient bien insi (18.16). (c) Soit g : mesurble. n suppose que g1 ]ϕ(),ϕ(b)[ L 1 (, B(), λ). Montrer g ϕf1 ],b[ L 1 (, B(), λ) et que (18.16) est vrie. n pplique l question précédente à g + et g (prties positive et négtive de g), c est-à-dire qu on écrit (18.16) vec g + et g. n en déduit que les fonctions g ± 1 ]ϕ(),ϕ(b)[ f sont intégrbles et donc que leur différence est intégrble. Ceci donne que g1 ]ϕ(),ϕ(b)[ f est intégrble (pour λ). Puis en fisnt l différence de (18.16) vec g + vec (18.16) vec g, on obtient bien (18.16) vec g. NB : n peut montrer que ϕ est dérivble p.p. et que ϕ = f p.p.. L formule (18.16) est lors l formule hbituelle de chngement de vrible. Noter ussi que l fonction ϕ, restreinte à l intervlle ], b[, pprtient à un espce ppelé W 1,1 (], b[) (ce qui explique le titre de l exercice). 5
6 Corrigé 24 (Espérnce conditionnelle pour une suite décroissnte de tribus) Soit (Ω,, P ) un espce probbilisé et (B n ) n N une suite de tribus incluses dns. n suppose B n+1 B n, pour tout n N, et on pose B = n N B n (de sorte que B est ussi une tribu incluse dns ). 1. Soit X une v..r.. n suppose que pour tout n N il existe Y n v..r. B n -mesurble t.q. X = Y n p.s.. Montrer qu il existe Y v..r. B-mesurble t.q. X = Y p.s.. N.B. Cette première question montre en quel sens on peut écrire L p (Ω, B, P ) = n N L p (Ω, B n, P ) pour tout p [1, + ]. Pour tout n N, il existe n t.q. P ( n ) = et X = Y n sur c n. n pose = n N n. n donc P () = (pr σ-sous-dditivité de P ) et, pour tout n N, X = Y n sur c. n définit mintennt Ȳ de Ω dns en posnt Ȳ (ω) = lim inf n Y n (ω). Comme Y n = X sur c (pour tout n N), on donc Ȳ = X sur c et donc Ȳ = X p.s.. Soit p N. Comme Y n est B p -mesurble pour n p (cr B n B p ), l stbilité des fonctions mesurbles donne que Ȳ est B p-mesurble. Soit C un borélien de, on donc Ȳ 1 (C) B p pour p N. Pr l définition de B, on en déduit que Ȳ 1 (C) B. n donc Ȳ B-mesurble de Ω dns et Ȳ = X p.s.. Il nous reste à modifier légèrement Ȳ pour obtenir une v..r.. Pour cel, on pose E = {ω Ω, Ȳ (ω) = ± }. n E B (cr Ȳ est B-mesurble). n peut définir Y pr Y (ω) = Ȳ (ω) si ω E, Y (ω) = si ω E. L fonction Y est insi une v..r. B-mesurble et Y = X p.s. (noter que E ). 2. Soit (X n ) n N une suite de v..r.. n suppose que, pour tout n N, X n est B n -mesurble et de crré intégrble. () n suppose que X n X dns L 2 (Ω,, P ) qund n. Montrer que X est B-mesurble (u sens qu il existe Y B-mesurble t.q. X = Y p.s.). n peut supposer, près extrction éventuelle d une sous suite (encore notée (X n ) n N ), que X n X p.s.. (près cette extrction, on toujours n N B n = B.) Comme X n X p.s., il existe donc t.q. P () = et X n (ω) X(ω) (qund n ) pour tout ω c. n procède lors comme à l question précédente en posnt Ȳ (ω) = lim inf n X n (ω). L fonction Ȳ v de Ω dns et est B p-mesurble pour tout p N (cr X n est B p -mesurble pour n p). L fonction Ȳ est donc B-mesurble et Ȳ = X p.s. (cr Y = X sur c ). Enfin, on pose E = {ω Ω, Ȳ (ω) = ± }. n E B (cr Ȳ est B-mesurble) et on définit Y pr Y (ω) = Ȳ (ω) si ω E, Y (ω) = si ω E. L fonction Y est insi une v..r. B-mesurble et Y = X p.s.. (b) n suppose que X n X fiblement dns L 2 (Ω,, P ) qund n. Montrer que X est B-mesurble. n peut montrer cette question en utilisnt une petite remrque d nlyse fonctionnelle (voir l remrque 6.25). Puisque X n X fiblement dns L 2 (Ω,, P ) qund n, il existe une suite (Y n ) n N t.q. i. Y n X dns L 2 (Ω,, P ) qund n, 54
7 ii. pour tout n N, Y n est une combinison convexe de l ensemble des X p, p n. Comme X p est B n -mesurble pour p n, l v..r. Y n est ussi B n -mesurble. n est insi rmené à l question précédente et on obtient qu il existe Y v..r. B-mesurble t.q. X = Y p.s.. 3. Soit X une v..r. de crré intégrble. Montrer que E(X B n ) E(X B) dns L 2 (Ω,, P ) qund n. n pose Z n = E(X B n ) (en étnt quelque peu pointilleux, on devrit plutôt dire qu on choisit un élément de l ensemble E(X B n )). n pose ussi Z = E(X B) et on risonne pr l bsurde. Si Z n Z dns L 2 (Ω,, P ) qund n, il existe ε > et une sous suite, encore notée (Z n ) n N, t.q. Z n Z 2 ε pour tout n N. (22.4) n remrque mintennt que l suite (Z n ) n N est bornée dns L 2 (Ω,, P ) (plus précisément, on E(Z 2 n) E(X 2 ) cr E(Z 2 n) = E(Z n X) E(Z 2 n) E(X 2 )). Comme L 2 (Ω,, P ) est un espce de Hilbert, on peut donc supposer, toujours près extrction d une sous suite, qu il existe Z t.q. n montre mintennt que Z = Z p.s.. Z n Z fiblement dns L 2 (Ω,, P ) qund n. L question précédente montre que Z est B-mesurble. Puis pour tout U v..r. B-mesurble et de crré intégrble on E(Z n U) = E(XU) pour tout n N. Comme Z n Z fiblement dns L 2 (Ω,, P ), on peut psser à l limite (qund n ) dns cette églité. n obtient E( ZU) = E(XU). Ce qui prouve que Z = E(X B) p.s. et donc que Z = Z p.s.. Pour conclure, il reste à montrer que Z n Z dns L 2 (Ω,, P ) (en contrdiction vec (22.4)). Pour cel, il suffit de montrer que E(Zn) 2 E(Z 2 ) (cr E((Z n Z) 2 ) = E(Zn) 2 2E(Z n Z) + E(Z 2 ) et E(Z n Z) E(Z 2 ) gràce à l convergence fible de Z n vers Z). n utilise une nouvelle fois l convergence fible de Z n vers Z (et le fit que Z n = E(X B n ) et Z = E(X B) pour écrire que E(Z 2 n) = E(Z n X) E(ZX) = E(Z 2 ) qund n. Finlement, on obtient bien que Z n Z dns L 2 (Ω,, P ), en contrdiction vec (22.4). 541
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 détailThéorème 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 détailCorrection 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 détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailChapitre 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 détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailCOURS 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 détailUniversité 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 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 détailIntégrale 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 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 détailSynthèse 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 détailCours 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 détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailANALYSE 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 détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailsemestre 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 détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
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 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 détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailAUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)
Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,
Plus en détailANALYSE : 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 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 détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en 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 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 détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
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 détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
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 détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
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 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 détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
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 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 détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en détailSéquence 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 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 détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
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 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 détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailBaccalauréat 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 détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailStatuts ASF Association Suisse Feldenkrais
Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailChapitre 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 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 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 détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
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 détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailIntroduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag
Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos
Plus en détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
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 détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
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 détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
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 détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
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 détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
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 détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
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 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailModification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages
Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions
Plus en détailTIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES
Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
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 détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailRégression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006
Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détail