Examen d Optimisation Numérique CORRIGE
|
|
- Yves Dupont
- il y a 7 ans
- Total affichages :
Transcription
1 Uiversité Paris-Sud M1 Igéierie Mathématique 24 mars 211 Exame d Optimisatio Numérique CORRIGE Exercice 1 4 poits). Soit E R l ellipsoïde E = les ombres a i > sot fixés. Soit x / E. Démotrer qu il existe ue uique valeur de µ > telle que Cette valeur sera otée µ. a 2 i a 2 i x2 i + µ)2 = 1. { x = x 1,..., x ) R : xi a i ) 2 1 }, où Soit maiteat x = P E x) la projectio sur E de x. Justifier que cette projectio existe et est uique, et prouver qu elle est doée par x i = a ix i a 2 i + µ. La foctio φµ) := a 2 i x2 i a 2 i + µ)2 est ue foctio cotiue et strictemet décroissate de la variable µ R +. O a lim µ + φµ) = et φ) = x 2 i /a2 i. Or, x 2 i /a2 i > 1 puisque x / E. Doc, par le théorème des valeurs itermédiaires il existe ue valeur µ qui doe φ µ) = 1 et cette valeur est uique par mootoie. remarque : o aurait pu égalemet expliciter l équatio e µ qui est ue équatio d ordre deux, et vérifier qu elle a qu ue seule solutio positive, les calculs état cepedat u peu mois évidets. Chercher la projectio de x sur E reviet à miimiser fy) := x y 2, parmi les y E. Ce miimum existe parce que f est cotiue et E compact et il est uique parce que f est strictemet covexe et E covexe o aurait pu égalemet évoquer tout court le théorème vu e classe, comme quoi la projectio sur les covexes fermés est bie défiie). Or, fy) = 2y x), et c est impossible d avoir fy) = avec y E puisque f e s aule que e x, qui appartiet pas à E. Doc le miimum est sur la frotière et o veut appliquer le multiplicateur de Lagrage. La foctio gy) = yi a i ) 2 a pour gradiet 2y1 gy) = a 2 1, 2y 2 a 2 2,..., 2y ) a 2, qui e s aule qu e y =. O peut alors appliquer la méthode des multiplicateurs de Lagrage puisque ous sommes itéressés à la surface {g = 1} et sur cette surface o a g. Si y est u poit de miimum o a alors fy) + λ gy), ce qui sigifie i = 1,..., y i x i + λ y i a 2 i x i a 2 i = y i a 2 i + λ).
2 Ceci permet de dire y i = x ia 2 i a 2 i +λ. De plus, il faut gy) = 1, ce qui sigifie 1 a 2 i xi a 2 ) 2 i a 2 i + λ = 1. Ceci impose λ = µ si o peut prouver λ. Pour cela, o peut soit utiliser les coditios de Kuh- Tucket, qui ous doet le sige du multiplicateur, ou remarquer qu il faut fy) gy) puisque, pour h petit, o a y h gy) E puisque E = {g 1} et gy h gy)) = 1 h gy) 2 + oh) < 1) et fy h gy)) = fy) h fy) gy) + oh) fy), ce qui implique fy) gy) et doc λ. Exercice 2 6 poits). Résoudre le problème π [ 1 mi{jf) := 2 f t) 2 sit)ft)] dt ; f A}, où A := {f C 1 [, π]) : f) = fπ) = }. Idiquer la valeur miimale de J sur A aisi que la ou les foctios f la réalisat, e prouvat qu il s agit bie d u miimiseur. Posos Lt, x, v) = 1 2 v 2 sit)x. L équatio d Euler-Lagrage de ce problème est d L dt v t, ft), f t)) = L x t, ft), f t)) f t) = sit). Le coditios au bord vieet de f A, qui impose f) = fπ) =. Les solutios de f t) = sit) sot ft) = sit) + At + B il faut remarquer qu il e s agit pas vraimet ici d ue équadiff, mais juste d u double calcul de primitives). La coditio f) = impose B = et esuite fπ) = siπ) + Bπ = impose B =. La seule solutio est doc ft) = sit). C est doc la seule foctio de A qui puisse miimiser J. De plus, la foctio L état covexe par rapport à x, v), satisfaire l équatio d Euler-Lagrage avec les coditios au bord est aussi suffisat pour miimiser. Doc f miimise, ce que l o pourrait vérifier égalemet comme suit. Soit h A arbitraire et défiissos g = h f. Remarquos que g A aussi ce est pas vrai e gééral, ce qui se passe e gééral est que g s aule sur les poit du bord où les valeurs des foctios de A sot fixées ; e gééral, A est pas u espace vectoriel mais seulemet affie). Calculos π [ 1 Jf + g) = 2 f t) g t) 2 + f t)g t) sit)ft) sit)gt)] dt = Jf) + 1 π π g t) 2 [ dt + f t)g t) sit)gt) ] dt. 2 Or, l itégrale de g t) 2 est positive et pour l autre o a π [ f t)g t) sit)gt) ] dt = π [ f t)gt) sit)gt) ] dt = car f t) = sitt) les termes aux bores disparaisset puisque g s aule e et π). Doc Jf +g) Jf), c est-à-dire Jh) Jf) et f miimise. 2
3 L exercice demader à calculer la valeur miimale, il faut doc calculer maiteat Jf). O a π [ 1 π [ ] 1 2 f t) 2 sit)ft)] dt = 2 cost)2 sit) 2 dt = π 4. Exercice 3 6 poits). État doé a R o cosidère f a : Ω R défiie par où Ω = {x R : x < 1} f a x) = l1 x 2 )+ < a, x >, 1. Motrer que f a est strictemet covexe sur Ω. 2. Cosidérer le problème de miimisatio P a ) mi {f a x) : x 1 } 2, < a, x >. a) Résoudre P a ) pour a =. b) Justifier que le miimum de P a ) existe égalemet pour a. c) E supposat a et e appelat x le miimiseur, motrer que x et a sot coliéaires. d) E déduire que < a, x ><, et qu o peut doc igorer cette cotraite das les coditios d optimalité doées par les multiplicateurs de Lagrage. Expliciter alors ces coditios sous la forme d u système d équatios. e) Trouver le miimiseur x. La foctio x < a, x > est liéaire et doc covexe mais o strictemet). La foctio x l1 x 2 ) est strictemet cocave sur so domaie de défiitio, qui iclut Ω, e tat que compositio de deux foctios strictemet cocaves, dot celle à l extérieur croissate la seule cocavité des deux foctios e suffit pas, imagiez par exemple de composer ue foctio cocave avec la foctio x x, qui est cocave mais chage le sige de la cocavité du résultat). Pour vérifier cela, preez f : R R cocave et g : R R cocave croissate. O a alors gf1 t)x + ty)) > g1 t)fx) + tfy)) > 1 t)gfx)) + tgfy)), la première iégalité état justifiée par la cocavité de f et la croissace de g, la deuxième par la cocavité de g. Globalemet, f a résulte strictemet covexe. Pour le cas a = il suffit de remarquer qu o veut miimiser l1 x 2 ). Doc maximiser 1 x 2. Doc miimiser x 2. La seule solutio est doc x =. Pour a le miimum existe éamois puisque l esemble {x : x 1 2, < a, x > } est compact et f est cotiue. Pour démotrer que a et x sot coliéaires il suffit de remarquer que, parmi tous les vecteurs qui ot la même orme que x, il vaut mieux choisir celui qui a le même directio de a. E effet, chager la directio e chage rie à la partie avec le logarithme, qui e déped que de x, mais peut chager le produit scalaire. Et le produit scalaire est miimale quad les directios sot opposées et maximales quad elles sot égales). O vet de dire que x = λa avec λ. Il faut juste démotrer λ. Si c était le cas, o aurait x =. Or, si o pred le vecteur y = ta ce vecteur, pour t > suffisammet petit, est admissible il satisfait y 1/2 et < a, y >= t 2 ) et f a y) = t 2 2 t 2 + ot 2 ), ce qui doe fy) < = f) pour t petit. Doc e peut pas être u miimum pour a. La cotraite < a, x > état pas saturée par l optimum x, o peut alors dire que 3
4 soit x < 1/2 et x est à l itérieur, et alors f a x) =, c est-à-dire 2x 1 x 2 + a =, soit x = 1/2 et x est sur le bord, et alors f a x) + g x) =, où g est ue foctio qui exprime la cotraite, qu o peut écrire x 2 = 1 4 et predre doc gx) = x 2 ; o a doc 2x + a + 2λx =, 1 x 2 x 2 = 1 4. évetuellemet o peut remplacer la valeur de x 2 das le déomiateur de f a. Pour trouver le miimiseur o peut se coteter de le chercher parmi les vecteurs du type t a avec t [, 1/2], e miimisat doc la foctio ht) = f a t a ) = l1 t2 ) t. Cette foctio est ue foctio covexe dot la dérivée vaut h t) = 2t. O sait déjà que cette foctio est pas miimisée e t =, elle est doc miimisée soit e t = 1/2, soit e u poit t ], 1/2[ tel que =. Ce deuxième cas est vérifié quad 2t 1 t 2 de ces deux solutios seule t 2 t 2 + 2t = t = 1 ± 1 + 2, est positive. Il y a doc deux cas soit < 1/2, ce qui correspod à < 4 3, et alors le miimiseur x est a, soit /2, ce qui correspod à 4 3, et alors x = 1 2 Exercice 4 4 poits). Soiet B + et B les boules fermées das R 2 de rayo 1 cetrées e 1, ) et 1, ), respectivemet, et Q le carré [ 1, 1] [ 1, 1]. Soit K = B + B Q. Dessier cet esemble K, qui est u covexe ; écrire ue formule pour la projectio sur K, qu o appellera P K. La formule doit être de la forme P K x, y) =... avec des calculs explicites et, évetuellemet, des cas à distiguer. a y x 1, y 1 ) P K x 1, y 1 ) B Q B + x P K x 2, y 2 ) x 2, y 2 ) Figure 1 Le covexe K Le dessi du covexe K est doé e figure. Il est facile de de redre compte évetuellemet) e distiguat plusieurs cas) que la projectio d u poit x, y) sur K est soit la projectio sur B + si x 1), soit sur B si x 1), soit sur Q si 1 x 1). 4
5 E coaissat les projectios sur des rectagles et des disques o peut coclure ) x 1 1 +, y x 1) 2 +y 2 x 1) 2 +y 2 si x 1 et x 1) 2 + y 2 1, x, y) si x 1 et x 1) 2 + y 2 < 1, x, 1) si 1 < x < 1 et y 1, P K x, y) = x, y) si 1 < x < 1 et 1 < y < 1, x, 1) si 1 < x < 1 et y < 1, x, y) si x 1 et x + 1) 2 + y 2 < 1, ) x+1 1 +, y si x 1 et x + 1) 2 + y 2 1. x+1) 2 +y 2 x+1) 2 +y 2 Cette même projectio peut égalemet s écrire à l aide d autres formules équivaletes, otammet e utilisat des expressios avec mi et max. Par exemple, défiissos Rx, y) = mi{ x 1) 2 + y 2, x + 1) 2 + y 2 }, qui correspod à la plus petite des deux distaces aux poits, 1) et, 1). O a alors ce qui est exactemet la même chose. 1, ) + x 1,y) max{rx,y),1} si x 1 P K x, y) = x, mi{1, max{y, 1}})) si 1 < x < 1 1, ) + x+1,y) max{rx,y),1} si x 1, Exercice 5 4 poits). Ue quatité variable est observée aux istats t i et doe lieu à des observatios k i. Ces observatios devraiet découler d ue foctio f, qui est supposé être de type siusoïdal la fréquece état coue aussi) et o veut trouver la foctio qui approche mieux les observatios au ses des moidres carrés. O cosidère toutes les foctios de la forme ft) = A + B siωt φ), ω état ue fréquece fixée. Le but est de trouver A, B et φ qui miimiset JA, B, φ) := A + B siωt i φ) k i ) 2. S agit-il d u problème d optimisatio covexe c est-à-dire : J est-elle ue foctio covexe de 3 variables)? O le réécrit sous la forme suivate : o cherche maiteat ue foctio g doée par gt) = A + B siωt) + C cosωt) qui miimise HA, B, C) := A + B siωt i ) + C cosωt i ) k i ) 2. Justifier que ce problème est équivalet au précédet, e motrat que la classe des foctios g de ce type coïcide avec la classe des foctios f itroduite précédemmet. S agit-il maiteat d u problème covexe? Réécrire ce derier problème comme u problème d optimisatio quadratique, e trouvat ue matrice symétrique M, u vecteur v et ue costate c qui permettet de l écrire sous la forme mi 1 < Mx, x > < v, x > +c. 2 Suggérer u algorithme qui trouve sa solutio exactemet e u petit ombre d itératios, et estimer ce ombre. 5
6 La foctio J est pas covexe puisqu elle est périodique mais o costate par rapport à sa troisième variable φ. L équivalece etre la miimisatio de J et de H viet du fait que toute foctio s exprimat comme B siωt+φ) pour B, φ) R 2 s exprime égalemet comme combiaiso liéaire de siωt) et cosωt), e utilisat l égalité B siωt + φ) = B cos φ siωt) + B si φ cosωt). Cette trasformatio est égalemet iversible, puisque B siωt) + C cosωt) = B ) 2 + C ) 2 siωt + φ) pour φ = arctac /B ) et φ = π/2 si B = ). La foctio H est maiteat covexe puisque quadratique et défiie positive. Elle peut égalemet s expliciter comme HA, B, C) = A 2 + B 2 siωt i ) 2 + C 2 cosωt i ) 2 +2AB siωt i ) + 2AC cosωt i ) + 2BC siωt i ) cosωt i ) +2A k i + 2B siωt i )k i + 2C cosωt i )k i + ki 2, ce qui doe ue matrice M de taille 3 3 de la forme siωt i ) cosωt i ) M = 2 siωt i ) siωt i ) 2 siωt i ) cosωt i ), cosωt i ) siωt i ) cosωt i ) cosωt i ) 2 u vecteur v de la forme et ue costate ) v = 2 k i, siωt i )k i, cosωt i )k i, c = ki 2. L algorithme du gradiet cojugué trouverait la solutio exacte de ce problème e 3 itératios la dimesio de l icoue état ici 3). 6
Chapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en 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 détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en 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 détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
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 détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en 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 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 détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailPetit recueil d'énigmes
Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en 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 détailSommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance
Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
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 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
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 détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
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 détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailEn général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser
Chapitre VI Méthodes Itératives Equatios o Liéaires E pratique, o est souvet coroté à la résolutio d u système d équatios o liéaires. C estàdire pour ue octio tel que doée, o cherche u poit (0.1) E gééral,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en 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 détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
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 détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en 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 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 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 détail