GREYC, université de Caen. Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.1/20

Dimension: px
Commencer à balayer dès la page:

Download "GREYC, université de Caen. Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.1/20"

Transcription

1 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes Loïck LHOTE et Brigitte VALLÉE GREYC, université de Caen Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.1/20

2 Analyse Dynamique analyse classique Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.2/20

3 Analyse Dynamique analyse Dynamique Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.2/20

4 Analyse Dynamique analyse Dynamique+constantes Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.2/20

5 Systèmes Dynamiques (SD) un intervalle I I Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.3/20

6 Systèmes Dynamiques (SD) un intervalle I une partition P = (I a ) a A de I I a I b ex: P = (I a,i b ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.3/20

7 Systèmes Dynamiques (SD) T un intervalle I une partition P = (I a ) a A de I ex: P = (I a,i b ) une fonction T (ou shift) surjective par morceaux st. monotone par morceaux I a I b Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.3/20

8 Systèmes Dynamiques (SD) un intervalle I une partition P = (I a ) a A de I ex: P = (I a,i b ) I a a I b b une fonction T (ou shift) surjective par morceaux st. monotone par morceaux un codage de la partition ex: I a a, I b b Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.3/20

9 Mots a x b M(x) = Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

10 Mots a x b M(x) = a Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

11 Mots a x b M(x) = a b Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

12 Mots a x b M(x) = a b a Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

13 Mots a x b M(x) = a b a a Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

14 Mots a x b M(x) = a b a a... Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.4/20

15 Ex: SD des Fractions Continues intervalle: I = [0,1] [ ] partition: I j = 1 j+1, 1 j shift: T FC (x) = { } 1 x codage: I j j M(x) = Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.5/20

16 Ex: SD des Fractions Continues M(x) = x= intervalle: I = [0,1] [ ] partition: I j = 1 j+1, 1 j shift: T FC (x) = { } 1 x codage: I j j Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.5/20

17 Exemple 1 d utilisation Système Dynamique= source Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.6/20

18 Exemple 1 d utilisation Système Dynamique= source paramètres de la source? entropie, proba. de 2-coïncidence,... action sur les structures? hauteur moyenne des tries, longueur moyenne de cheminement,.. Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.6/20

19 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

20 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

21 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

22 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3. a p 1 = a p q p + 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

23 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3. a p 1 = a p q p + 0 Retourner a p Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

24 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 T FC ( a 1 a 0 ) = a 2 a 1 a 1 = a 2 q 2 + a 3. a p 1 = a p q p + 0 Retourner a p Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

25 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3. T FC ( a 1 a 0 ) = a 2 a 1 T FC ( a 2 a 1 ) = a 3 a 2 a p 1 = a p q p + 0 Retourner a p Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

26 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3. T FC ( a 1 a 0 ) = a 2 a 1 T FC ( a 2 a 1 ) = a 3. a 2 a p 1 = a p q p + 0 T FC ( a p a p 1 ) = 0 Retourner a p Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

27 Exemple 2 d utilisation: algorithmes euclidiens Algorithme d Euclide classique Départ: (a 0,a 1 ) avec a 0 a 1 > 0 a 0 = a 1 q 1 + a 2 a 1 = a 2 q 2 + a 3. T FC ( a 1 a 0 ) = a 2 a 1 T FC ( a 2 a 1 ) = a 3. a 2 a p 1 = a p q p + 0 T FC ( a p a p 1 ) = 0 Retourner a p se généralise à tous les algorithmes euclidiens Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.7/20

28 operateurs de transfert T notation: h m = T 1 I m I 1 I 2 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.8/20

29 operateurs de transfert f 1? T notation: h m = T 1 I m densité initiale f 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.8/20

30 operateurs de transfert f 1? T notation: h m = T 1 I m transformateur de densité f 1 = G[ f 0 ] = m A h m f 0 h m densité initiale f 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.8/20

31 operateurs de transfert f 1? T notation: h m = T 1 I m transformateur de densité f 1 = G[ f 0 ] = m A h m f 0 h m perturbation opérateurs de transfert G s [ f ] = m A h m s f h m densité initiale f 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.8/20

32 operateurs de transfert f 1? T notation: h m = T 1 I m transformateur de densité f 1 = G[ f 0 ] = m A h m f 0 h m perturbation opérateurs de transfert G s [ f ] = m A h m s f h m densité initiale f 0 généralisation opérateurs contraints Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.8/20

33 exemples operateurs de transfert Branches inverses: h m (x) = 1, m > 0, x [0,1]. m + x Opérateur de transfert G s [ f ](x) = m>0 1 (m + x) 2s f ( 1 m + x ) Opérateur de transfert contraint 1 G s [ f ](x) = m pair (m + x) 2s f ( 1 m + x ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.9/20

34 Utilisation des opérateurs de transfert Exemple pour les algorithmes euclidiens: Série de Dirichlet de coût: F C (s) = (u,v) Ω C(u, v) v s = n 1 x n n s Pour C(u,v) = 1 F C (s) = (u,v) Ω 1 v s = (I G s/2) 1 [1](0) singularité simple en s = 2 x n = O(n(logn) 0 ) (en fait = n 1) Pour C(u,v) = coût en bits sur l entrée (u,v) F C (s) = (I G s/2 ) 1... (I G s/2 ) 1... (I G s/2 ) 1 [1](0) singularité triple en s = 2 x n = O(n(logn) 2 ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.10/20

35 Analyse Dynamique analyse Dynamique+constantes Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.11/20

36 Spectre des opérateurs de transfert spectre des opérateurs de transfert (sur un espace fonctionnel convenable): Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.12/20

37 Objectif Proposer une méthode générale pour calculer λ(s). Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.13/20

38 Objectif Proposer une méthode générale pour calculer λ(s). Application au calcul de trois types de constantes: λ(a) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.13/20

39 Objectif Proposer une méthode générale pour calculer λ(s). Application au calcul de trois types de constantes: λ(a) λ (a), λ (a) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.13/20

40 Objectif Proposer une méthode générale pour calculer λ(s). Application au calcul de trois types de constantes: λ(a) λ (a), λ (a) a tel que λ(a) = 1 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.13/20

41 constantes de type λ(a) λ(2)= probabilité de 2-coïncidence liée à la probabilité que deux mots commencent par le même préfixe Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.14/20

42 constantes de type λ(a) λ(2)= probabilité de 2-coïncidence liée à la probabilité que deux mots commencent par le même préfixe exemple: structure de trie code les dictionnaires Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.14/20

43 constantes de type λ(a) λ(2)= probabilité de 2-coïncidence liée à la probabilité que deux mots commencent par le même préfixe structure de trie: code les dictionnaires hauteur moyenne 2logn/ logλ(2) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.14/20

44 constantes de type λ(a) λ(2)= probabilité de 2-coïncidence liée à la probabilité que deux mots commencent par le même préfixe structure de trie: code les dictionnaires hauteur moyenne 2logn/ logλ(2) Algorithme de Gauss (LLL) λ(r) comparaison de deux nombres Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.14/20

45 constantes de type λ (a),λ (a) λ (1)= entropie de la source (du SD) mesure l incertitude de la source la source qui produit a ou b uniformement est plus incertaine que la source qui produit a avec proba 1/4 et b avec proba 3/4 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.15/20

46 constantes de type λ (a),λ (a) λ (1)= entropie de la source (du SD) mesure l incertitude de la source la source qui produit a ou b uniformement est plus incertaine que la source qui produit a avec proba 1/4 et b avec proba 3/4 influence sur les tries: longueur moyenne de cheminement (nlogn)/λ (1) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.15/20

47 constantes de type λ (a),λ (a) Algorithme d Euclide classique: Le nombre d étapes est asymptotiquement gaussien Sur des entrées (u,v) telles que 0 < u < v N, on a Espérance: Variance: E[X N ] 1 λ (1) log(n) Var[X N ] c H log(n) = 2 λ (1) λ (1) 2 avec c H la constante de Hensley. λ (1) 3 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.16/20

48 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.17/20

49 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor ex: ensemble triadique de Cantor Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.17/20

50 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor ex: ensemble triadique de Cantor 1 intervalle de longueur 1 2 intervalles de longueur 1/3 4 intervalles de longueur 1/9. 2 n intervalles de longueur (1/3) n Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.17/20

51 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor ex: ensemble triadique de Cantor 1 intervalle de longueur 1 2 intervalles de longueur 1/3 4 intervalles de longueur 1/9. 2 n intervalles de longueur (1/3) n compact, non dénombrable mais mesure= lim2 n ( 1 3 )n = 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.17/20

52 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor ex: ensemble triadique de Cantor 1 intervalle de longueur 1 2 intervalles de longueur 1/3 4 intervalles de longueur 1/9. 2 n intervalles de longueur (1/3) n compact, non dénombrable mais mesure= lim2 n ( 1 3 )n = 0 Comment mesurer cet ensemble? Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.17/20

53 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Comment mesurer cet ensemble? Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.18/20

54 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Comment mesurer cet ensemble? mesure= lim2 n ( 1 3 )n Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.18/20

55 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Comment mesurer cet ensemble? mesure= lim2 n ( 1 3 )ns Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.18/20

56 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Comment mesurer cet ensemble? mesure= lim2 n ( 1 3 )ns log2 log3 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.18/20

57 constantes de type a tq λ(a) = 1 dimension de Hausdorff d ensemble de Cantor Comment mesurer cet ensemble? mesure= lim2 n ( 1 3 )ns mesure=1 dimension de Hausdorff= log2 log3 log2 log3 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.18/20

58 lien avec les SD Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

59 lien avec les SD Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

60 lien avec les SD Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

61 lien avec les SD Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

62 lien avec les SD opérateur de transfert G s [ f ] = 1 3 s f ( x 3 ) s f ( x 1 3 ) s f ( x 2 3 ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

63 lien avec les SD opérateur de transfert G s [ f ] = 1 3 s f ( x 3 ) s f ( x 1 3 ) s f ( x 2 3 ) opérateur de transfert contraint G s [ f ] = 1 3 f ( x s 3 ) f ( x 2 s 3 ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

64 lien avec les SD opérateur de transfert G s [ f ] = 1 3 s f ( x 3 ) s f ( x 1 3 ) s f ( x 2 3 ) opérateur de transfert contraint G s [ f ] = 1 3 f ( x s 3 ) f ( x 2 s 3 ) unique valeur propre dominante λ(s) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

65 lien avec les SD opérateur de transfert G s [ f ] = 1 3 s f ( x 3 ) s f ( x 1 3 ) s f ( x 2 3 ) opérateur de transfert contraint G s [ f ] = 1 3 f ( x s 3 ) f ( x 2 s 3 ) unique valeur propre dominante λ(s) dim. de Hausdorff= s tel que λ(s) = 1 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

66 lien avec les SD opérateur de transfert G s [ f ] = 1 3 s f ( x 3 ) s f ( x 1 3 ) s f ( x 2 3 ) opérateur de transfert contraint G s [ f ] = 1 3 f ( x s 3 ) f ( x 2 s 3 ) unique valeur propre dominante λ(s) dim. de Hausdorff= s tel que λ(s) = 1 Généralisable à tout SD ayant au moins 3 branches Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.19/20

67 Objectif Proposer une méthode générale pour calculer λ(s). Application au calcul de trois types de constantes: λ(a) λ (a), λ (a) a tel que λ(a) = 1 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.20/20

68 Objectifs Objectif: proposer une methode pour le calcul (numérique) prouvé des trois types de constantes. Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.21/20

69 Objectifs Objectif: proposer une methode pour le calcul (numérique) prouvé des trois types de constantes. Pour tous les SD? Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.21/20

70 Objectifs Objectif: proposer une methode pour le calcul (numérique) prouvé des trois types de constantes. Pour tous les SD? NON Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.21/20

71 Objectifs Objectif: proposer une methode pour le calcul (numérique) prouvé des trois types de constantes. Pour tous les SD? NON Propriété de contraction Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.21/20

72 Propriétés de contraction pas de point fixe indifférent avec sans Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.22/20

73 Propriétés de contraction pas de point fixe indifférent avec sans conséquence: ralentissement des algorithmes Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.22/20

74 Propriétés de contraction Condition suffisante: contraction h i (D g ) D g Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.23/20

75 Propriétés de contraction Condition suffisante: contraction h i (D g ) D g condition de contraction forte h i (D g ) D p Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.23/20

76 DFV méthode DFV= Daudet, Flajolet et Vallée Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.24/20

77 DFV méthode DFV= Daudet, Flajolet et Vallée méthode utilisée mais non prouvée Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.24/20

78 DFV méthode DFV= Daudet, Flajolet et Vallée méthode utilisée mais non prouvée Sur un espace convenable, G s est une matrice infinie Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.24/20

79 DFV méthode DFV= Daudet, Flajolet et Vallée méthode utilisée mais non prouvée Sur un espace convenable, G s est une matrice infinie calcul de valeurs propres facile ssi on a des matrices finies Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.24/20

80 DFV méthode DFV= Daudet, Flajolet et Vallée méthode utilisée mais non prouvée Sur un espace convenable, G s est une matrice infinie calcul de valeurs propres facile ssi on a des matrices finies Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.24/20

81 DFV méthode: théorie G s : A (D p ) A (D g ) A (D g ) avec A (D) = {fonctions holomorphes sur D et continues sur le bord} Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.25/20

82 DFV méthode: théorie G s : A (D p ) A (D g ) A (D g ) avec A (D) = {fonctions holomorphes sur D et continues sur le bord} toute fonction de A (D) s écrit f (z) = a k (z x 0 ) k k 0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.25/20

83 DFV méthode: théorie G s : A (D p ) A (D g ) A (D g ) avec A (D) = {fonctions holomorphes sur D et continues sur le bord} toute fonction de A (D) s écrit opérateur de troncature: f (z) = a k (z x 0 ) k k 0 π n [ f ](s) = n a k (z x 0 ) k k=0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.25/20

84 DFV méthode: théorie G s : A (D p ) A (D g ) A (D g ) avec A (D) = {fonctions holomorphes sur D et continues sur le bord} toute fonction de A (D) s écrit opérateur de troncature: M n = π n G s π n f (z) = a k (z x 0 ) k k 0 π n [ f ](s) = n a k (z x 0 ) k k=0 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.25/20

85 Analyse fonctionnelle cercle C comme dans le dessin Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.26/20

86 Analyse fonctionnelle cercle C comme dans le dessin on pose α C = sup (M z Id) 1 z C Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.26/20

87 Analyse fonctionnelle cercle C comme dans le dessin on pose α C = sup (M z Id) 1 z C Si { 1 M M n min, 2α C 1 2r C αc 2, 1 8r 2 α 3 C } Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.26/20

88 Analyse fonctionnelle Alors M n admet une unique valeur propre λ n (s) dans C et λ n (s) λ(s) 2rα C M n M Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.27/20

89 Premier résultat Premier résultat: M n M K ( ) n Rp R g Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.28/20

90 Premier résultat Premier résultat: M n M K ( ) n Rp R g conséquence: la précision obtenue sur λ(s) est linéaire en la taille de la matrice Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.28/20

91 Premier résultat Premier résultat: M n M K ( ) n Rp R g conséquence: la précision obtenue sur λ(s) est linéaire en la taille de la matrice corollaire: Si les M n sont calculables en temps polynomial, λ(s) est calculable en temps polynomial. Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.28/20

92 vers des résultats numériques Problèmes: déterminer un cercle C Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.29/20

93 vers des résultats numériques Problèmes: déterminer un cercle C calculer α C Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.29/20

94 vers des résultats numériques Problèmes: déterminer un cercle C calculer α C Le problème reste ouvert dans le cadre général des systèmes dynamiques à forte contraction Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.29/20

95 vers des résultats numériques Problèmes: déterminer un cercle C calculer α C Le problème reste ouvert dans le cadre général des systèmes dynamiques à forte contraction cas de la source des fractions continues Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.29/20

96 Cercle C Cercle C: estimation simple de λ(s) minoration du saut spectral Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.30/20

97 Cercle C Cercle C: estimation simple de λ(s): Si µ G s[ f ] f ν, alors µ λ(s) ν minoration du saut spectral Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.30/20

98 Cercle C Cercle C: estimation simple de λ(s) Si µ G s[ f ] f ν, alors µ λ(s) ν minoration du saut spectral TrG 2 s = λ vp de Gs λ 2 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.30/20

99 Cercle C Cercle C: estimation simple de λ(s) Si µ G s[ f ] f ν, alors µ λ(s) ν minoration du saut spectral TrG 2 s = λ vp de Gs λ 2 γ 2 TrG 2 s λ(s) 2 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.30/20

100 Cercle C Cercle C: estimation simple de λ(s) Si µ G s[ f ] f ν, alors µ λ(s) ν minoration du saut spectral TrG 2 s = λ vp de Gs λ 2 γ 2 TrG 2 s λ(s) 2 TrG 2 s est calculable en temps polynomial Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.30/20

101 Constante α C α C = sup (G s zi) 1 z C Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

102 Constante α C α C = sup (G s zi) 1 z C Pb: en général difficile à calculer sauf si l opérateur satisfait une propriété de normalité. (G s zi) 1 = 1 dist(c,spectre) = 1 r C Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

103 Constante α C α C = sup (G s zi) 1 z C Pb: en général difficile à calculer sauf si l opérateur satisfait une propriété de normalité. (G s zi) 1 = 1 dist(c,spectre) = 1 r C Pb: G n est pas normal sur A (D p ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

104 Constante α C α C = sup (G s zi) 1 z C Pb: en général difficile à calculer sauf si l opérateur satisfait une propriété de normalité. (G s zi) 1 = 1 dist(c,spectre) = 1 r C Pb: G n est pas normal sur A (D p ) G s est normal sur un autre espace H Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

105 Constante α C α C = sup (G s zi) 1 z C Pb: en général difficile à calculer sauf si l opérateur satisfait une propriété de normalité. (G s zi) 1 = 1 dist(c,spectre) = 1 r C Pb: G n est pas normal sur A (D p ) G s est normal sur un autre espace H + relations: H A (D g ) et G s [A (D g )] H Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

106 Constante α C α C = sup (G s zi) 1 z C Pb: en général difficile à calculer sauf si l opérateur satisfait une propriété de normalité. (G s zi) 1 = 1 dist(c,spectre) = 1 r C Pb: G n est pas normal sur A (D p ) G s est normal sur un autre espace H + relations: H A (D g ) et G s [A (D g )] H borne sur (G s zi) 1 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.31/20

107 Résultat 2 Dans le cadre des Fractions Continues, λ(s) est calculable numériquement en temps polynomial Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.32/20

108 Constantes de type λ(a) probabilité de 2-coïncidence λ(2) = 0.51 λ(s) s Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.33/20

109 Constantes de type a tq λ(a) = 1 A N Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.34/20

110 Constantes de type a tq λ(a) = 1 A N E A = {x [0,1] développement en fraction continue contraint à A} Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.34/20

111 Constantes de type a tq λ(a) = 1 A N E A = {x [0,1] développement en fraction continue contraint à A} Opérateurs de transfert concernés: G s [ f ](x) = i A 1 (i + x) 2s f ( 1 i + x ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.34/20

112 calcul numérique prouvé Valeurs pour A = {1,2} digits temps dimension de Hausdorff 5 2mn mn mn h h h Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.35/20

113 Calcul de λ (a), λ (a) Formule de Taylor+inégalité triangulaire λ (1) λ n(1 + h) + λ n (1 h) 2λ n (1) h 2 h2 12 sup λ (4) ]1 h,1+h[ + 1 h 2 [ λ n(1 + h) λ(1 + h) + λ n (1 h) λ(1 h) + λ n (1) λ(1) ] Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.36/20

114 Calcul de λ (a), λ (a) Formule de Taylor+inégalité triangulaire λ (1) λ n(1 + h) + λ n (1 h) 2λ n (1) h 2 h2 12 sup λ (4) ]1 h,1+h[ + 1 h 2 [ λ n(1 + h) λ(1 + h) + λ n (1 h) λ(1 h) + λ n (1) λ(1) ] Etape 1: majorer sup (possible dès que α C est connu) Etape 2: determiner h tel que bleu soit < précision 2 Etape 3: déterminer n tel que rouge soit < précision 2 Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.36/20

115 applications numériques entropie λ (1) = entropie= π2 6log2 constante de Hensley = 2 λ (1) λ (1) 2 λ (1) 3 c H = Première valeur numérique PROUVÉE Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.37/20

116 Conclusion 2 types d algorithmes basés sur la même méthode: des algorithmes théorique: on ne connait pas α C des algorithmes numérique: tout est connu (cas des Fractions Continues) première valeur numérique prouvée pour la constante de Hensley un nouvel algorithme polynomial pour les dimensions de Hausdorff généralisable à d autres problèmes (FC à contraintes périodiques, analyse en distribution d algorithmes Euclidiens,... ) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.38/20

117 A faire Traitement des erreurs de calcul pour le calcul de la matrice pour le calcul de la valeur propre généraliser à d autres SD Résoudre le problème des constantes α C (difficile) Algorithmes polynomiaux pour le calcul numérique prouvé de constantes p.39/20

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015 et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L

Plus en détail

Continuité et dérivabilité d une fonction

Continuité 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 détail

Continuité d une fonction de plusieurs variables

Continuité 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 détail

Fonctions de plusieurs variables

Fonctions 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 détail

I. Polynômes de Tchebychev

I. 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 détail

Limites finies en un point

Limites 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 détail

Intégration et probabilités TD1 Espaces mesurés

Intégration 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 détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail

1.1 Codage de source et test d hypothèse

1.1 Codage de source et test d hypothèse Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables

Plus en détail

Programmation linéaire

Programmation 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 détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Capacité 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 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 détail

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* 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 détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

Quelques tests de primalité

Quelques tests de primalité Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

C algèbre d un certain groupe de Lie nilpotent.

C algèbre d un certain groupe de Lie nilpotent. Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble

Plus en détail

Master of Science en mathématiques 2015-2016

Master of Science en mathématiques 2015-2016 Remarques liminaires : 1/9 Ce master à 90 ECTS (3 semestres) permet 2 orientations distinctes : - Un master général en mathématiques - Un master qui permet de choisir des mineurs en finance, statistique

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité 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 détail

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t 3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 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 détail

Moments des variables aléatoires réelles

Moments 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 détail

Programmation Par Contraintes

Programmation Par Contraintes Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

Master of Science en mathématiques 2013-2014

Master of Science en mathématiques 2013-2014 Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique

Plus en détail

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad 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 détail

Simulation de variables aléatoires

Simulation 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 détail

Image d un intervalle par une fonction continue

Image 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 détail

Echantillonnage Non uniforme

Echantillonnage Non uniforme Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes 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 détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

Sur certaines séries entières particulières

Sur 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 détail

Une introduction aux codes correcteurs quantiques

Une introduction aux codes correcteurs quantiques Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger

Plus en détail

Programmation Visual Basic. Visite guidée d'un programme Visual Basic 6.0

Programmation Visual Basic. Visite guidée d'un programme Visual Basic 6.0 UNIVERSITE DES SCIENCES SOCIALES DE TOULOUSE Licence Professionnelles LSi Master FC IGSI Programmation Visual Basic Visite guidée d'un programme Visual Basic 6.0 1. un exemple d'application a) créer dans

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation 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 détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul

Plus en détail

Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB)

Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) FICHE D IDENTITE DE LA FORMATION Domaine de formation : Sciences, Technologies, Santé Intitulé : Licence Sciences, Technologies,

Plus en détail

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x = LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste

Plus en détail

MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME

MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME Notre cadre de réflexion MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME La proposition de programme qui suit est bien sûr issue d une demande du Premier Cycle : demande de rénovation des contenus

Plus en détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche 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 détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES

SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique

Plus en détail

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème 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 détail

3. Conditionnement P (B)

3. 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours. 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 détail

3 Approximation de solutions d équations

3 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 détail

Mesure et Intégration (Notes de cours de L3)

Mesure 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 détail

Approximation diophantienne uniforme et dimension de Hausdorff

Approximation diophantienne uniforme et dimension de Hausdorff Approximation diophantienne uniforme et dimension de Hausdorff Lingmin LIAO Travaux en collaboration avec Yann Bugeaud, Dong Han Kim et Micha l Rams Université Paris-Est Créteil Séminaire de Probabilités

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

Une comparaison de méthodes de discrimination des masses de véhicules automobiles p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans

Plus en détail

Module d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere

Module d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge

Plus en détail

Trouver un vecteur le plus court dans un réseau euclidien

Trouver un vecteur le plus court dans un réseau euclidien Trouver un vecteur le plus court dans un réseau euclidien Damien STEHLÉ http://perso.ens-lyon.fr/damien.stehle Travail en commun avec Guillaume HANROT (INRIA Lorraine) CNRS/LIP/INRIA/ÉNS Lyon/Université

Plus en détail

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP 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 détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Résolution d équations non linéaires

Résolution 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 détail

CHAPITRE 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. 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 détail

On ne peut pas entendre la forme d un tambour

On ne peut pas entendre la forme d un tambour On ne peut pas entendre la forme d un tambour Pierre Bérard Institut Fourier Laboratoire de Mathématiques Unité Mixte de Recherche 5582 CNRS UJF Université Joseph Fourier, Grenoble 1 Introduction 1.1 Position

Plus en détail

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2 33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Conversion d un entier. Méthode par soustraction

Conversion d un entier. Méthode par soustraction Conversion entre bases Pour passer d un nombre en base b à un nombre en base 10, on utilise l écriture polynomiale décrite précédemment. Pour passer d un nombre en base 10 à un nombre en base b, on peut

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 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 détail

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires

Plus en détail

IFT2880 Organisation des ordinateurs et systèmes

IFT2880 Organisation des ordinateurs et systèmes Représentation des nombres flottants Notation exponentielle Représentations équivalentes dans la base 10 de 1,234 1 2 3, 4 0 0. 0 x 1 0-2 1 2, 3 4 0. 0 x 1 0-1 1, 2 3 4. 0 x 1 0 1 2 3. 4 x 1 0 1 2. 3 4

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes 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 détail

Sites web éducatifs et ressources en mathématiques

Sites web éducatifs et ressources en mathématiques Sites web éducatifs et ressources en mathématiques Exercices en ligne pour le primaire Calcul mental élémentaire : http://www.csaffluents.qc.ca/wlamen/tables-sous.html Problèmes de soustraction/addition

Plus en détail

Logique. Plan du chapitre

Logique. 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 détail

FONDEMENTS DES MATHÉMATIQUES

FONDEMENTS DES MATHÉMATIQUES FONDEMENTS DES MATHÉMATIQUES AYBERK ZEYTİN 1. DIVISIBILITÉ Comment on peut écrire un entier naturel comme un produit des petits entiers? Cette question a une infinitude d interconnexions entre les nombres

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes

Plus en détail

Partie 1: Gestion de l interférence entre symboles

Partie 1: Gestion de l interférence entre symboles Partie 1: Gestion de l interférence entre symboles Philippe Ciblat Télécom ParisTech, France Algo de Viterbi Egalisation OFDM Section 11 : Algorithme de Viterbi Philippe Ciblat Gestion de l interférence

Plus en détail

Programme de la classe de première année MPSI

Programme de la classe de première année MPSI Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire

Plus en détail

Analyse des Systèmes Asservis

Analyse des Systèmes Asservis Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas

Plus en détail

Intégrale de Lebesgue

Intégrale 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 détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

Table des matières. Télécharger MetaTrader 4. Première connexion à MetaTrader 4. Se connecter à MetaTrader 4. Modifier la langue

Table des matières. Télécharger MetaTrader 4. Première connexion à MetaTrader 4. Se connecter à MetaTrader 4. Modifier la langue Guide METATRADER 4 Table des matières Télécharger MetaTrader 4 Première connexion à MetaTrader 4 Se connecter à MetaTrader 4 Modifier la langue Modifier votre mot de passe Mot de passe oublié Trader avec

Plus en détail

Chapitre VI - Méthodes de factorisation

Chapitre VI - Méthodes de factorisation Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 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 détail

Capes 2002 - Première épreuve

Capes 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 détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte 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 détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Les nombres entiers. Durée suggérée: 3 semaines

Les nombres entiers. Durée suggérée: 3 semaines Les nombres entiers Durée suggérée: 3 semaines Aperçu du module Orientation et contexte Pourquoi est-ce important? Dans le présent module, les élèves multiplieront et diviseront des nombres entiers concrètement,

Plus en détail

La mesure de Lebesgue sur la droite réelle

La 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 détail

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )

Plus en détail