J.F.C. p. 1. Ceci est un premier jet et a besoin encore de relectures pour bien tenir la route. EDHEC 2014 EXERCICE 1. Φ ( x) + Φ ( x) ).
|
|
- Paul Goudreau
- il y a 7 ans
- Total affichages :
Transcription
1 3-- 4 JFC p JF COSSUTTA jean-francoiscossutta@wanadoofr Ceci est un premier jet et a besoin encore de relectures pour bien tenir la route EDHEC 4 EXERCICE a U est une variable aléatoire réelle sur Ω, A, P comme produit de deux variables aléatoires réelles sur Ω, A, P! Déterminons la fonction de répartition F U de U Soit Φ la fonction de répartition de X Rappelons que Φ est de classe C sur R et que x R, Φ x = π e x x ], [, F U x = P U x = P = x [, + [, F U x = P U x = P X x = P x X x = P x < X x x [, + [, F U x = Φ x Φ x { Φ x Φ x si x [, + [ On a donc F U x = sinon { Φ x Φ x si x [, + [ Notons que l on a encore : F U x = si x ], ] car F U = Φ Φ = x x et x x sont continues sur [, + [ et de classes C sur ], + [ De plus Φ est de classe C sur R Alors par composition x Φ x et x Φ x sont continues sur [, + [ et de classes C sur ], + [ Par différence F U est continue sur [, + [ et de C classe sur ], + [ Rappelons que F U est nulle sur ], ] Alors F U est continue sur ], ] et sur [, + [, et elle est C sur ], ] et sur ], + [ Cela permet de dire que F U est continue sur R et au moins de classe C sur R donc sur R privé d un nombre fini de points Alors U est une variable aléatoire à densité x ], [, F U x = x ], + [, F Ux = x Φ x x ], + [, F Ux = x Posons x R, l U x = Φ x = x Φ x + Φ x x e x = e x = e x x π x π π e x + π e x x π sinon si x ], + [ l U est est application de R dans R positive ou nulle, qui coïncide avec F U sur R donc sur R privé d un nombre fini de points Donc l U est une densité de U Remarque J aurais pu aller un peu plus vite en écrivant x [, + [, F U X = Φ x Mais j ai préféré être au plus près de la gestion du carré d une variable aléatoire à densité
2 Concluons en deux versions Version On admet que Γ Alors x R, l U x = = π Γ JFC p e x x si x ], + [ Donc U suit la loi Gamma de paramètres et sinon Version On n admet pas que Γ = π et on le retrouve Posons x R, hx = Γ e x x si x ], + [ sinon Donc h est une densité d une variable aléatoire réelle à densité qui suit la loi Gamma de paramètres et + Alors : = ht dt = ht dt = Γ e t t π + dt = Γ e t t dt π Ainsi = π Γ l U t dt = π Γ On retrouve donc le résultat de la version l U t dt = π Γ = Comme Y a même loi que X, V = Y a même loi que U = X Ainsi : π Γ Ainsi π = Γ Alors l U = h U et V suivent la loi gamma de paramètres et Exercice Retrouver la valeur de Γ en faisante un changement de variable u = t b Le cours indique encore que EU existe et vaut donc et V U existe et vaut donc Il en est de même pour V car V a même loi que U U et V possède une espérance commune qui vaut U et V possède une variance commune qui vaut a X et Y sont indépendantes donc U = X et V = Y sont indépendantes De plus U et V suivent la loi gamma de paramètres et Le cours montre alors que U + V suit la loi gamma de paramètres et + Ainsi U + V suit la loi gamma de paramètres et donc la loi exponentielle de paramètre W suit la loi exponentielle de paramètre b Rappelons que nous avons posé plus haut x R, l U x = une densité de U et de V e x x π sinon si x ], + [ et dit que l U est Notons que rien n indique que f U resp f V coïncide avec l U!! De même rien n indique que f U resp f V soit définie sur R f U resp f V et l U sont deux densités de U resp V Alors f U resp f V et l U coïncident sur R privé d un nombre fini de points
3 Or l U est nulle sur ], ] donc f U resp f V est nulle sur ], ] privé d un ensemble fini de points Soit x est un élément de [, + [ Rappelons que F W x = f U t f V x t dt Or f U est nulle sur ], ] privé d un ensemble fini de points Il en est de même pour t f U t f V x t Ainsi f U t f V x t dt = Alors F W x = f U t f V x t dt JFC p 3 Or f V est nulle sur ], ] privé d un ensemble fini de points Alors t f V x t est nulle sur [x, + [ privé d un ensemble fini de points Il en est de même pour t f U t f V x t Ainsi Pour tout élément x de [, + [, f W x = x f U t f V x t dt = Donc F W x = c Posons x R, gx = e x si x [, + [ g est une densité de W sinon Notons F W la fonction de répartition de W f U t f V x t dt f U t f V x t dt g est en particulier continue sur ], + [ donc F W est de classe C sur ], + [ et x ], + [, F W x = gx Appliquons le résultat de Q l u est une densité de U et de V Considérons la fonction g W nulle sur ], [ et définie sur [, + [ par g W x = Q, g W est une densité de W De plus x [, + [, g W x = Alors x ], + [, g W x = Soit x un élément de ], + [ l U t l U x t dt t e t x t π π dt t x t converge d après ce qui a été admis e x t dt = e x π dt t x t = e x π Ix l U t l U x t dt D après t t x est une bijection strictement croissante de ], x[ sur ], [ de classe C et On peut donc faire le changement y = t x dans cette intégrale en récupérant une intégrale convergente Ix = dt = t x t x dy = x y x x y dy y y = I Ix = I et ceci pour tout x dans ], + [ Alors x ], + [, g W x = e x π Ix = e x π I Ceci permet de dire que g W est continue sur ], + [, de redire que F W est de classes C sur ], + [, et d écrire que x ], + [, F W x = g W x = e x π Ix Ainsi x ], + [, e x = gx = F W x = g W x = e x π Ix et e x Alors x ], + [, = Ix et donc x ], + [, Ix = π π Pour tout réel x strictement positif Ix = dt t x t converge et vaut π
4 JFC p 4 Remarque Évidemment cet exercice laisse sans voix lorsque l on sait que Ix se calcule en deux lignes avec le changement de variable t = x sin u
5 JFC p 5 EXERCICE Soit M est un élément de M n R TrA et TrM sont deux réels et M et A sont deux éléments du R-espace vectoriel M n R Alors TrA M TrM A est un élément de M n R Donc M M n R, fm M n R f est une application de M n R dans M n R Soit λ un réel Soient M et N deux éléments de M n R fλ M +N = TrA λ M +N Trλ M +N A = λ TrA M +TrA N λ TrM+TrN A la trace est linéaire fλ M + N = λ TrA M TrM A + TrA N TrN A = λ fm + fn λ R, M, N M n R M n R, fλ M + N = λ fm + fn f est linéaire Finalement : f est un endomorphisme de M n R Supposons que la trace de A est nulle Alors fi n = TrI n A = n A Or A n est pas la matrice nulle de M n R donc fi n n est pas la matrice nulle de M n R Ainsi f n est pas l endomorphisme nul de M n R Supposons que la trace de A n est pas nulle Soit E, l élément de M n R dont tous les coefficients sont nuls sauf celui situé à l intersection de la première ligne et de la deuxième colonne qui vaut TrE, = donc fe, = TrA E, Or TrA n est pas le réel nul et E, n est pas la matrice nulle de M n R Ainsi fe, n est pas la matrice nulle de M n R Donc f n est pas l endomorphisme nul de M n R Dans tous les cas f n est pas l endomorphisme nul de M n R 3 a Soit M un élément de M n R f fm = f TrA M TrM A = TrA fm TrA fa par linéarité de f De plus fa = TrA A TrA A = MnR Donc f fm = TrA fm Pour toute matrice M de M n R, on a : f fm = TrA fm b M M n R, f fm = TrA fm Donc M M n R, f f TrA f M = f fm TrA fm = Mn R Ainsi f f TrA f = LMn R Alors X TrA X est un polynôme annulateur de f dont les zéros dans R sont et TrA Comme les valeurs propres de f sont contenues dans l ensemble des zéros de X TrA X dans R : les valeurs propres possibles de f sont et TrA 4 fa = TrA A TrA A = MnR et A MnR, donc est valeur propre de f et A est un vecteur propre associé est valeur propre de f
6 JFC p 6 5 Ici on suppose que la trace de A est nulle Nous avons vu que les valeurs propres possibles de f sont et TrA, et que est valeur propre de f Alors est la seule valeur propre de f La question a montré que f n est pas l endomorphisme nul de M n R donc Ker f est différent de E Alors SEP f, est différent de E, donc f n est pas diagonalisable car est sa seule valeur propre Si la trace de A est nulle f n est pas diagonalisable 6 Ici on suppose que la trace de A n est pas nulle a Tr est une application linéraire de M n R dans R et dim R = Alors l image de Tr est de dimension ou Or TrI n = n donc n est un élément non nul de Im Tr Alors Im Tr est de dimension Le théorème du rang montre alors que dim Ker Tr = dim M n R dim Im Tr = n dim KerTr = n b Montrons que TrA est valeur propre de f Soit M un élément de M n R fm = TrA M TrA M TrM A = TrA M TrM A = Mn R Or A n est pas la matrice nulle de M n R Donc fm = TrA M TrM = M KerTr Ainsi dim Ker f TrA Id Mn R = dim KerTr = n > Donc TrA est une valeur propre de f et le sous-espace propre associé est de dimension n Sp f = {, TrA}, TrA et dim SEP f, TrA = n Donc dim SEP f, + dim SEP f, TrA = dim SEP f, + n + n = n = dim M n R Sp f = {, TrA} donc dim SEP f, + dim SEP f, TrA dim M n R Ainsi Sp f = {, TrA} et dim SEP f, + dim SEP f, TrA = dim M n R Alors f est diagonalisable Si la trace de A n est pas nulle f est diagonalisable
7 JFC p 7 EXERCICE 3 Partie I : méthode utilisant un produit scalaire Remarque Notons que = Inf x,y R t 3 x t y e t dt existe car { est une partie non vide et minorée par zéro! de R Un peu plus tard il deviendra un Min a Le cours indique que la fonctions Γ : x Il dit aussi que x ], + [, Γx + = x Γx et n N, Γn = n! Alors n N, t n e t dt = n! donc k N, Pour tout élément k de N, b Montrons que <, > est un produit scalaire sur E } t 3 x t y e t dt ; x, y R R t x e t dt a pour domaine de définition ], + [ t k e t dt = k! t k e t dt converge et vaut k! Soit A un élément de R[X] Il existe un élément r de N et un élément a, a,, a r de R r+ tels que : r x R, Ax = a k x k k= Pour tout élément k de N, x k e x dx converge donc linéaire de r + intégrales convergentes Ainsi l intégrale Pour tout élément A de R[X], l intégrale r a k x k e x dx converge comme combinaison k= Ax e x dx est convergente Ax e x dx est convergente Remarque On pouvait obtenir l absolue convergence, donc la convergence, de Ax e x dx en montrant que Ax e x = o x + x par croissance comparée ou en utilisant un équivalent de x Ax e x en + Soit P, Q un couple d éléments de E P Q appartient à R[X] donc Ainsi < P, Q > existe et est réel! P Qx e x dx converge donc <, > est bien une application de E E dans R Soit λ un réel et soient P, Q, R trois éléments de E < λ P + Q, R >= < λ P + Q, R >= P x Qx e x dx converge! + λ P + Q x Rx e x dx = λ P x Rx + Qx Rx e x dx λ P x Rx e x + Qx Rx e x dx = λ P x Rx e x dx + car toutes les intégrales convergent Alors < λ P + Q, R >= λ < P, R > + < Q, R > λ R, P, Q, R E 3, < λ P + Q, R >= λ < P, R > + < Q, R > <, > est linéaire à gauche Qx Rx e x dx
8 Soit P, Q un couple d éléments de E < P, Q >= P x Qx e x dx = P, Q E, < P, Q >=< Q, P > <, > est symétrique Soit P un élément de E x R, P x e x et +! donc < P, P >= P E, < P, P > <, > est positive Soit P un élément de E tel que < P, P >= P x e x dx = JFC p 8 Qx P x e x dx =< Q, P > P x e x dx x P x e x est positive sur [, + [ x P x e x est continue sur [, + [ +! Alors x P x e x est nulle sur [, + [ Comme x e x ne s annule pas sur [, + [ : x [, + [, P x = Ainsi x [, + [, P x = Le polynôme P admet alors une infinité de zéroz c est donc le polynôme nul P = E P E, < P, P > P = E <, > est définie Les cinq points précédents permettent de dire que : P E, P =< P, P >= <, > est un produit scalaire sur E P t P t e t dt = P t e t dt Alors si Q est un polynôme de F défini par Q = x X + y, où x et y sont deux réels : X 3 Q = X 3 x X y = t 3 x t y e t dt Si Q est un polynôme de F défini par Q = x X + y, où x et y sont deux réels : X 3 Q = t 3 x t y e t dt 3 a E, <, > est un espace vectoriel euclidien, F est un sous espace vectoriel de E et X 3 est un élément de E Le théorème de meilleur approximation indique que : { X 3 Q, Q F } possède un minimum donc { X 3 Q, Q F } possède également un minimum Il existe un élément Q de F et un seul qui réalise ces deux minimums 3 Q est la projection orthogonale de X 3 sur F 4 dx 3, F = Min{ X 3 Q, Q F } = X 3 Q = X 3 Q = X 3 < X 3, Q > 3 b Q est la projection orthogonale de X 3 sur F et F = Vect, X Ainsi X 3 Q appartient à l orthogonal de F Alors X 3 Q est orthogonal à et à X < X 3 Q, >= et < X 3 Q, X >=
9 JFC p 9 3 c Q appartient à F donc il existe deux réels x et y tels que Q = x X + y De plus < X 3 Q, >=< X 3 Q, X >= Alors =< X 3 Q, >=< X 3 x X y, >= Donc = Ainsi : x + y = 6 t 3 x t y e t dt t 3 e t dt x t e t dt y e t dt = 3!! x! y = 6 x y On a aussi =< X 3 Q, X >=< X 3 x X y, X >= Donc = t 4 x t y t e t dt = Alors = 4! x y ou x + y = 4! = 4 t 3 x t y t e t dt t 4 e t dt x t e t dt y t e t dt = 4!! x! y { x + y = 6 Si Q = x X + y réalise le minimum de { X 3 Q Q F } et réciproquement : x + y = 4 3 d = Inf x,y R Alors = Inf Q F t 3 x t y e t dt t 3 Q e t dt = Inf Q F X3 Q = Min Q F X3 Q Donc = X 3 Q = X 3 Q = X 3 < X 3, Q > { x + y = 6 Calculons Q Cela revient à trouver x, y vérifiant : x + y = 4 En retranchant à la deuxième ligne la première ligne il vient x = 8 En remplaçant x par 8 dans la première ligne il vient y = = X 3 < X 3, Q >= t 6 e t dt t 3 8 t e t dt = 6! 8 = 7 8 4! + 3! = = = 36 La valeur de est 36 Remarque 8, est l unique élément de R qui réalise Inf x,y R t 4 e t dt + t 3 x t y e t dt t 3 e t dt Partie II : méthode utilisant une fonction de deux variables 4 Soit x, y un élément de R R fx, y = fx, y = t 3 x t y e t dt = t 6 dt x t 4 dt y t 6 + x t + y x t 4 y t 3 + x y t e t dt t 3 dt + x t dt + x y t dt + y t dt car toutes les intégrales convergent fx, y = 6! x 4! y 3! + x! + x y! + y! = x + y + x y 48 x y + 7
10 JFC p x, y R R, fx, y = x + y + x y 48 x y Notons que f est une fonction polynôme sur R R donc f est de classe C sur R R f f Soit x, y un élément de R R x, y = 4 x + y 48 et x, y = y + x x y { f f 4 x + y 48 = { x + y = 4 { x = 4 6 { x = 8 x, y = x, y = x y x + y = x + y = 6 x + y = 6 y = 6 8 { f f x = 8 x, y = x, y = x y y = f admet un point critique et un seul x, y sur R R x, y = 8, 6 f est de classe C sur l ouvert R R donc si f possède un extremum local en un point de R R, ce point est un point critique de f Ainsi x, y est le seul point de R R où f peut admettre un extremum local Étudions alors si f admet un extremum local en x, y en utilisant le cours f est de classe C sur R R comme fonction polynôme f x, y R R, x x, y = 4, f f x, y = et x, y = y y x Alors f x x, y f y x f, y y x x, y = 4 = 4 > et f x x, y = 4 > Le cours permet de dire alors que : f admet en x, y un minimum local fx, y = = fx, y = = = 36 f admet en x, y un minimum local qui vaut 36 7 Montrons que ce minimum est global Pour cela établissons que : x, y R R, fx, y fx, y Soit x, y un élément de R Posons α = x x et β = y y Alors fx, y = fx + α, y + β fx, y = x + α + y + β + x + α y + β 48 x + α y + β + 7 fx, y = x + α + 4 x α + y + β + y β + x y + x β + α y + α β 48 x 48 α y β + 7 fx, y = x + y + x y 48 x y α + β + α β + α 4 x + y 48 + β x + y Notons que x + y + x y 48 x y + 7 = fx, y De plus 4 x + y 48 = f x x, y = et x + y = f y x, y = Alors fx, y = fx, y + α + β + α β Donc fx, y fx, y = α + β + α β = α + α + β Ainsi x, y R R, fx, y fx, y ou x, y R R, fx, y fx, y Donc f admet un minimum global en x, y
11 JFC p f admet un minimum global en x, y Remarque Remarque f admet en x, y un minimum global strict On peut montrer que f est convexe sur R R Alors la question 6 donne la question 7, non?
12 JFC p PROBLÈME Question préliminaire a Soit x un réel quelconque Posons t R, M x t = Maxx, t t ], x], M x t = Maxx, t = x et t [x, + [, M x t = Maxx, t = t t x et t t sont continues sur R Ainsi M x est continue sur ], x] et sur [x, + [ Cela suffit à dire que M x est continue sur R Pour tout réel x la fonction t Maxx, t est continue sur R b Soit x un réel quelconque Si x appartient à ], ], y = Si x appartient à ], [, y = Si x appartient à [, + [, y = Maxx, t dt = Maxx, t dt = Maxx, t dt = si x est un réel quelconque et si y = x dt + [ t t dt = x x dt = x ] t dt = x = [ t dt + ] dt = x Finalement : Maxx, t dt, y = x + x = x x + x = x + si x ], ] si x ], [ x si x [ + [ Partie : étude de plusieurs cas où X est discrète XΩ = N Soit ω un élément de Ω Il existe un unique élément k de N tel que Xω = k k donc Y ω = Max Xw, t dt = Y = X 3 a XΩ = {,, } donc P X = + P X = + P X = = Alors P X = = P X = P X = = 4 4 = = Max k, t dt = k = Xω Ainsi ω Ω, Y ω = Xω Alors : P X = = b Soit ω un élément de Ω Si Xω = ou si Xω =, Y ω = Max Xω, t dt = car et sont dans ], ]
13 JFC p 3 Si Xω =, Y ω = MaxX ω, t dt = car [, + [ Alors Y ne prend que deux valeurs : et Donc : Y Ω = { }, Y prend la valeur si et seulement si X prend la valeur Donc P Y = = P X = = 4 Alors P Y = = P Y = = 4 = 3 4 P Y = = 3 4 et P Y = = 4 Y est une variable aléatoire réelle finie donc elle possède une espérance et une variance EY = P Y = + P Y = = = 5 8 EY = P Y = + P Y = = = 7 6 V Y = EY EY = = = Y possède une espérance et une variance EY = 5 8 et V Y = 3 64 c Notons que si l on tire un nombre au hasard dans [[, 3]], la probabilité que cela soit est 4 et la probabilité que ce ne soit pas et 3 4 Complétons! Function y:real; var u:integer; 3 Begin 4 u:=random4; 5 if u= then y:= else y:=5; 6 End; 4 a XΩ = N Soit ω un élément de Ω Si Xω =, Y ω = Max Xω, t dt = Si k est un élément de N et si Xω = k, Y ω = car ], ] Y Ω = Max Xω, t dt = k car k [, + [ Ainsi : { } N Notons que Y prend la valeur si et seulement si X prend la valeur Ainsi P Y = = P X = = e λ Si k appartient à N, Y prend la valeur k si et seulement si X prend la valeur k Alors k N, P Y = k = P X = k = λk k! e λ
14 JFC p 4 Y ω = { } N, P Y = = e λ et k N, P Y = k = λk k! e λ b X posséde un moment d ordre donc la série de terme général k P X = k est absolument convergente { } Or Y ω = N, P Y = = e λ et k N, P Y = k = P X = k Ainsi la série de terme général k P Y = k est absolument convergente Alors Y possède un moment d ordre Donc : EY = P Y = + + k= Y possède une espérance et une variance k P Y = k = + e λ + k= Alors EY = e λ + EX = e λ + λ = λ + e λ EY = P Y = + + EY = 4 e λ + EX Alors : k= k P Y = k = + 4 e λ + k P X = k = + e λ + k= k= k P X = k = + 4 e λ + k P X = k = e λ + EX k= k P X = k V Y = EY EY = 4 e λ + EX e λ + EX = 4 e λ + EX 4 e λ e λ EX EX V Y = 4 e λ + V X 4 e λ e λ EX = 4 e λ + V X 4 e λ e λ λ V Y = 4 e λ + λ 4 e λ e λ λ = 4 e λ e λ + λ e λ = e λ EY = λ + e λ et V Y = e λ λ + 4 e λ λ + 4 e λ Partie : étude de plusieurs cas où X est à densité 5 a Soit ω un élément de Ω Rappelons que XΩ = [, [ Supposons que Xω = Y ω = Si Xω appartient à ], [, Y ω = Finalement : ω Ω, Y ω = X ω + MaxX ω, t dt = car ], ] Donc Y ω = + MaxX ω, t dt = X ω + = X + ω Ainsi : Y = X + b XΩ = [, [ donc X Ω = [, [ puisque z z définie une bijection de [, [ sur [, [ Alors X + [ [ Ω = [, [ Ainsi X + Ω =, Donc : = X ω +
15 JFC p 5 c Soit x un élément de Y Ω = [ [, [ [ X, + F Y x = P Y x = P x = P X x X ne prend que des valeurs positives ou nulles et x est un réel positif ou nul Alors F Y x = P X x = F X x Or [ [ x appartient à [, [ car x, et z [, [, F X z = z donc F Y x = x Pour tout réel x appartenant à [ [,, on a : F Y x = x [ [ ] d Y Ω =, Ainsi x, [, F Y x = et x [, + [, F Y x = ] si x, [ [ [ Ainsi x R, F Y x = x si x, si x [, + [ En remarquant que F Y = = et que F Y = = on peut encore écrire que : ] si x, ] [ ] x R, F Y x = x si x, x est de classe C sur classe C sur [, + [ Alors F Y est continue sur si x [, + [ ], ], x [ ] ] ] x est continue sur, et de classe C sur, et x est de ], ] [ ] ],,, [, + [ et de classe C sur, ] ] ],,, [, + [ Ceci suffit pour dire que F Y est continue sur R et de classe C au moins sur R {, } donc sur R privé d un ensemble fini de points Alors : e Rappelons que Y = X + Y est une variable aléatoire à densité = X + X possède un moment d ordre, donc X possède une espérance Alors Y, qui est une fonction affine de X, possède une espérance De plus EY = EX + = V X + EX + = V X + EX + Rappelons que EX = + = et V X = =
16 Alors EY = = 4 + = 3 + = 4 3 = 3 EY = 3 JFC p 6 Exercice Utilisez une densité de Y pour retrouver l existence et la valeur de EY f Il suffit de remarquer que Y = X + Function y:real; Begin 3 y:=5*sqrrandom+; 4 End; et que l on peut simuler la variable aléatoire X par la fonction random Q6 a X suit la loi exponentielle de paramètre λ Alors X Ω = [, + [ donc XΩ = [, + [ ω Ω, Xω [, + [ donc ω Ω, Y ω = Max Xω, t dt = Xω Alors : Y = X b X suit la loi exponentielle de paramètre λ Donc X possède une espérance qui vaut λ et une variance qui vaut λ Or X = X +, ainsi X possède une espérance qui vaut EX + donc +, et une variance qui λ vaut V X donc λ X possède une espérance qui vaut λ + et une variance qui vaut λ c UΩ = [, [ et W = λ ln U Donc W Ω = [, + [ Alors x ], [, F W x = Soit x dans [, + [ F W x = P W x = P λ ln U x = P ln U λ x = P U e λ x F W x = P U e λ x Notons que e λ x [, [ car x [, + [ De plus z [, [, F U z = z Ainsi F W x = e λ x et ceci pour tout x dans [, + [ { Finalement F W x = e λ x si x [, + [ donc : sinon W = λ ln U suit la loi exponentielle de paramètre λ La loi de X est la même que celle de W + ou que λ ln U+ Pour simuler X il suffit de simuler λ ln U+ Cela se fait sans difficulté avec random Function ylambda:real:real; Begin 3 y:=-ln-random/lambda+; 4 End;
17 Q7 a XΩ = R Soit ω un élément de Ω Si Xω ], ], Y ω = Si Xω ], [, Y ω = Si Xω [, + [, Y ω = Max Xω, t dt = Max Xω, t dt = X ω + Max Xω, t dt = Xω Notons que x x + définit une bijection de ], [ sur { } ] [ [ [ Ainsi Y Ω =, [, + [=, + Y Ω = JFC p 7 ] [, et x x définit une bijection de [, + [ sur [, + [ [ [, + b Comme nous l avons vu plus haut : ω Ω, Y ω = Xω ], ] Ainsi P Y = = P X = Φ = P Y = = c Rappelons que l on a : ω Ω, Y ω = On peut aussi écrire : ω Ω, Y ω = X ω + X ω + si Xω si < Xω < Xω si Xω si Xω si Xω Xω si Xω [ [ ] Y Ω =, + Ainsi x, [, F Y x = [ [ Soit x un élément de, + {X }, { < X }, { < X} est un système complet d événements La formule des probabilités totales donne : F Y x = P Y x = P {Y x} {X } + P {Y x} { < X } + P {Y x} { < X} { {Y x} {X } = {Y x} {X } Y = } { = {X } Y = } = {X } Ainsi F Y x = P X + P {Y x} { < X } + P {Y x} { < X} [ ] Supposons que x appartienne à, P {Y x} { < X } { X } + = P x { < X } = P {X x } { < X } P {Y x} { < X } = P {X x } { < X } = P < X x car x [, ]
18 JFC p 8 P {Y x} { < X} = P {X x} { < X} = car x Ainsi F Y x = P X + P < X x = P X x = Φ x Supposons que x appartienne à ], + [ P {Y x} { < X } { X + = P } x { < X } = P {X x } { < X } P {Y x} { < X } = P {X x } { < X } = P < X car x ], + [ P {Y x} { < X} = P {X x} { < X} = P < X x Ainsi F Y x = P X + P < X + P < X x = P X x = Φx Finalement : ] si x, [ x R, F Y x = Φ [ ] x si x, Φx si x ], + [ d P Y = = donc Y n est pas une variable aléatoire à densité [ [ Y Ω =, + n est pas dénombrable car équipotent à R donc Y n est pas une variable aléatoire discrète La variable aléatoire réelle Y n est ni à densité ni discrète e Soit V n n N une suite de variables aléatoires réelles mutuellement indépendantes sur Ω, A, P qui suivent toutes la loi uniforme sur [, [ Les variables aléatoires de cette suite sont mutuellement indépendantes, ont même loi, ont une espérance commune égale à et une variance commune non nulle égale à Posons n N, V n = V + V + + V n Le théorème de la limite centrée montre alors que la suite de terme général n V n EV n converge en loi vers une variable aléatoire réelle suivant la loi normale centée réduite V V n n N, EV n = n EV + EV + + EV n = n n = n N, V V n = V V n + V V + + V V n = n n = n car les variables de la suite V n n N sont indépendantes Alors n N, Donc n N, V n EV n V V n V n EV n V V n = = V +V + +V n n n n = n n V + V + + V n n V + V + + V n n La suite de terme générale V + V + + V n n n suivant la loi normale centrée réduite converge en loi vers une variable aléatoire réelle
19 Donc pour n assez grand on pourra approcher la loi de la variable aléatoire loi normale centrée réduite n On considérera que pour n = 48 on peut approcher la loi de la variable aléatoire par la loi normale centrée réduite Notons que si n = 48, V + V + + V n n n = k= V k 48 JFC p 9 V + V + + V n n par la n = V + V + + V n n 48 k= V k 4 Si U, U,, U 48 sont des variables aléatoires mutuellement indépendantes sur Ω, A, P suivant toutes la loi uniforme sur [, [, le théorème de la limite centrée qdoit pouvoir permettre d approcher la loi de la variable aléatoire 48 V k 4 par la loi normale centrée réduite k= On simule X par 48 k= V k 4 et on utilise la définition de Y Function ylambda:real:real; Var k:integer;aux:real; 3 Begin 4 aux:=; 5 For k:= to 48 aux:=aux+random; 6 x:=aux-4/; 7 if x<= then y:=5 else 8 If x< then y:=x*x+/ else y:=x; 9 End;
Exercice 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 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 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 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 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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en 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 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 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 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 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 détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en 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 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. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en 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 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 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 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 détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailCours d Analyse I et II
ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Cours d Analyse I et II Sections Microtechnique & Science et génie des matériaux Dr. Philippe Chabloz avril 23 Table des matières Sur les nombres. Les nombres
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1
[http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble
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 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 détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
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 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 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 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 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 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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
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 détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détailCalcul 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 détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
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 détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
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 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 détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailhttp://cermics.enpc.fr/scilab
scilab à l École des Ponts ParisTech http://cermics.enpc.fr/scilab Introduction à Scilab Graphiques, fonctions Scilab, programmation, saisie de données Jean-Philippe Chancelier & Michel De Lara cermics,
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 détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
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 détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en 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 détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détail