ANALYSE NUMERIQUE NON-LINEAIRE

Dimension: px
Commencer à balayer dès la page:

Download "ANALYSE NUMERIQUE NON-LINEAIRE"

Transcription

1 Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1

2

3 Tble des mtières Chpitre 1. Représenttion des nombres 5 Chpitre. Interpoltion et pproximtion 9 1. Interpoltion selon Lgrnge 9. Etude de l erreur d interpoltion L lgorithme de Newton 1 4. Approximtion hilbertienne Approximtion uniforme 19 Chpitre 3. Intégrtion et différentition numérique 1 1. Intégrtion pprochée 1. Etude de l erreur d intégrtion pprochée 4 3. L formule d intégrtion pprochée de Guss 6 4. Différentition numérique 7 Chpitre 4. Résolution numérique d équtions non-linéires dns R N Résolution numérique d une éqution d une vrible pr dichotomie ou regul flsi 31. Approximtions successives 3 3. Méthode de Newton 3 4. Méthode de plus grnde descente 3 Chpitre 5. Résolution numérique d équtions différentielles ordinires Le schém d Euler explicite ou implicite 34 3

4

5 CHAPITRE 1 Représenttion des nombres PROPOSITION 1.1. Soit β un entier donné (l bse). Alors tout nombre réel x R s écrit de l forme k x = ( 1) s j β j vec s {0, 1}, k Z, j N, 0 j β 1. Si on exige que k 0, lors l représenttion ci-dessus est unique. On écrit ussi j= (1.1) x = k k , Si β = 10, lors l représenttion (1.1) est exctement l représenttion décimle de x. Autres bses fréquentes: β = (représenttion binire), β = 8 ou β = 16 (représenttion hexdécimle). Pour les ordinteurs, on typiquement β =. Dns l écriture (1.1), déplcer l virgule d une position à droite (ou à guche) correspond à une multipliction (ou une division) pr β. Tout nombre x R dmet donc une unique représenttion sous l forme (1.) x = ( 1) s k, k 1 k k 3 β k vec s {0, 1}, k Z, j N, 0 j β 1, k 0. C est cette représenttion scientifique (ou: représenttion en virgule flottnte) que l on v utiliser dns l suite. Dns cette représenttion on ppelle s ou ( 1) s le signe, l suite k, k 1 k k 3... l mntisse et k Z l exposnt de x. Ces trois vribles crctérisent le nombre réel x Représenttion binire. Nombres mchine. Dns l représenttion binire (c.à.d. β = ) on s {0, 1}, k Z, j {0, 1} k = 1. ( j k), et Comme l mémoire d un ordinteur est limité, on ne peut coder qu un nombre fini de nombres réels. Ainsi, l mntisse d un nombre mchine est toujours une suite finie, et l ensemble des exposnts k est un ensemble fini. Pr exemple, vec b bits (binry 5

6 6 1. REPRÉSENTATION DES NOMBRES digits) on ne peut coder que b nombres réels. Pour l comptibilité entre ordinteurs, on utilise le stndrd IEEE (Institute of Electricl nd Electronics Engineers) suivnt Simple précision (3 bits). Avec 3 bits on peut coder 3 4, 9 millirds de nombres réels. Selon le stndrd IEEE on utilise 1 bit pour le signe 3 bits pour l mntisse, et 8 bits pour l exposnt k qui vrie entre 16 et 17. On remrque que pour un nombre réel non-nul, on toujours k = 1 et qu il suffit donc de coder les 3 bits de l mntisse qui suivent prés l virgule. L exposnt est déclé de 7 1 = 17. Pour les nombres mchine non-nuls on donc }{{} S 1, } {{ } MMM... MMM } {{ } EEEEEEEE. signe (1 bit) mntisse (3 bits) exposnt (8 bits) L exposnt vec l mntisse représente le nombre x = 0. L exposnt vec l mntisse représente l infini. Le plus petit nombre mchine positif, non-nul est 0 1, =1 16 1, On ppelle précision mchine le plus petit nombre mchine positif eps tel que 1 eps > 1 (ddition en virgule flottnte, c.à.d. le résultt 1 eps est de nouveu un nombre mchine). En simple précision, on En générl, on eps = 3 1, x y = (x y)(1 + r) pour deux nombres mchine x, y. Ici, x y est l multipliction excte, x y est l multipliction en virgule flottnte, et l erreur reltif r vérifie r eps Double précision (64 bits). Avec 64 bits on peut coder 64 1, nombres réels. Selon le stndrd IEEE on utilise 1 bit pour le signe 5 bits pour l mntisse, et 11 bits pour l exposnt k qui vrie entre 10 et 103. On remrque qu on toujours k = 1 et qu il suffit donc de coder les 5 bits de l mntisse qui suivent prés l virgule. L exposnt est déclé de 11 1 = 103. }{{} S 1, } {{ } MMM... MMM } {{ } EEEEEEEEEEE. signe (1 bit) mntisse (5 bits) exposnt (11 bits)

7 1. REPRÉSENTATION DES NOMBRES 7 Le plus petit nombre mchine positif, non-nulle est donc 0 1, =1 10. En double précision, on eps = 5,

8

9 CHAPITRE Interpoltion et pproximtion 1. Interpoltion selon Lgrnge On considère le problème d interpoltion polynômile suivnt: étnt donné x 0,..., x n R y 0,..., y n R (les noeuds) et (les bscisses), on cherche un polynôme p : R R de degré n tel que p(x i ) = y i pour tout 0 i n. Bien sur, u lieu de chercher un polynôme clssique de degré n, on peut ussi chercher un polynôme trigonométrique, une fonction spline (une fonction de clsse C qui est un polynôme pr morceux), un élément fini... l importnt étnt qu on cherche une fonction interpolnte dns un espce vectoriel donné et de dimension finie. Pr exemple, l espce R n [X] = {p : R R : p est polynôme de degré n} des polynômes de degré n est un espce de dimension n + 1. Une bse vectorielle est constitué des monômes x i (0 i n) et tout polynôme p R n [X] dmet une représenttion unique de l forme vec i R. p(x) = x + + n x n PROPOSITION.1. Etnt donné des noeuds x 0 < < x n, et étnt donné de bscisses y 0,..., y n R, il existe un et un seul polynôme p n R n [X] tel que p(x i ) = y i pour tout 0 i n. En d utres mots, le problème d interpoltion polynômile dmet une unique solution. PREMIÈRE DÉMONSTRATION DE LA PROPOSITION.1 (COMPLIQUÉE?) Si on représente les polynômes comme combinisons linéires de l bse vectorielle des monômes, lors le problème d interpoltion est le problème de montrer existence et unicité d une fmille de coefficients 0,..., n tel que p(x) = x+ + n x n vérifie p(x i ) = y i (0 i n). Ceci est équivlent à résoudre le système linéire x n x n 0 = y x n + + n x n n = y n, 9..

10 10. INTERPOLATION ET APPROXIMATION c.à.d. le système 1 x 0 x n 0 0 y 0 1 x 1 x n 1 1 y =... 1 x n xn n n y n Ce système dmet une unique solution ( 0, 1,..., n ) si et seulement si l mtrice de Vndermonde 1 x 0 x n 0 1 x 1 x n 1 A = x n xn n est inversible. Autrement dit, le problème d interpoltion dmet une unique solution si et seulement si det A 0. Pour clculer le determinnt det A, on constte que, en développnt pr exemple pr l dernière ligne, que det A = f (x 0,..., x n ) est un polynôme de degré n en l vrible x n. En remplçnt x n pr x j (vec 0 j n 1) on voit que f (x 0,..., x n 1, x j ) = 0, c.à.d. chque noeud x j (0 j n 1) est une rcine de ce polynôme. Ainsi f (x 0,, x n ) = C (x n x 0 ) (x n x n 1 ) pour une constnte C R. Cette constnte est le coefficient principl du polynôme f (x 0,..., x n ), et en revennt u développement de det A pr l dernière ligne, on voit que C = f (x 0,..., x n 1 ), le déterminnt de l mtrice de Vndermonde ssocié ux n noeuds x 0,..., x n 1. Pr récurrence, on trouve lors det A = (x j x i ), 0 i< j n et comme les noeuds sont tous distincts, det A 0. DEUXIÈME DÉMONSTRATION DE LA PROPOSITION.1 (PLUS ÉLÉGANTE?) L idée principle de l démonstrtion est d utiliser une utre bse vectorielle de l espce R n [X]. Pour tout i {0,..., n} on définit le polynôme n x x j l i (x) = (x R). j=0 j i x i x j Alors l i est un polynôme de degré n vec l propriété importnte que 0 si i j, l i (x j ) = 1 si i = j. En conséquence, l fmille (l i ) 0 i n est linéirement indépendnte. Mis comme l dimension de R n [X] est n+1, c.à.d. exctement le nombre d élement de cette fmille, on obtient que (l i ) 0 i n est une bse vectorielle de R n [X].

11 . ETUDE DE L ERREUR D INTERPOLATION 11 Existence d un polynôme d interpoltion. Il suffit mintennt de poser (.1) p n (x) = y i l i (x) (x R). Comme combinison linéire des l i, p n est un polynôme de degré n. En plus, p n (x j ) = y i l i (x j ) = y j pour tout 0 j n. Donc, le polynôme p n est un polynôme d interpoltion. D où l existence d un polynôme d interpoltion. Unicité. Soit p R n [X] un polynôme d interpoltion. Alors, comme (l i ) 0 i n est une bse vectorielle de R n [X], p(x) = z i l i (x) (x R) pour des z i R. Alors, quelque soit j {0,..., n}, z j = z i l i (x j ) (propriété des l i ) = p(x j ) = y j (p est polynôme d interpoltion), et donc p(x) = z i l i (x) = y i l i (x) = p n (x), où p n est le polynôme de (.1). D où l unicité. On ppelle le polynôme l i le i-iéme polynôme de Lgrnge. D près l Proposition.1 nous pouvons (et nous llons) prler du polynôme d interpoltion. L représenttion (.1) est l représenttion de Lgrnge du polynôme d interpoltion ssocié ux noeuds x i et ux bscisses y i. Cette représenttion est simple, mis il fut noter que pour clculer le i-iéme polynôme de Lgrnge il fut fire n dditions, n divisions et n multiplictions. Eventuellement on divise pr des nombres petits si les noeuds sont proches l un de l utre; ceci peut engendrer des erreurs d rrondis importnts. Dns l suite nous verrons d utres représenttions de ce polynôme, ou u moins d utres lgorithmes pour clculer p n (x) en un point x donné.. Etude de l erreur d interpoltion On suppose dns cette section que les bscisses y i = f (x i ) pour une fonction f : [, b] R donnée, et que les noeuds vérifient x 0 < < x n b.

12 1. INTERPOLATION ET APPROXIMATION PROPOSITION.. Soit p n le polynôme d interpoltion de Lgrnge ssocié ux noeuds x 0 < < x n b et ux bscisses f (x 0 ),..., f (x n ), où f C n+1 ([, b]) est une fonction donnée. Alors pour tout x [, b] il existe ξ x ], b[ tel que f (x) p n (x) = f (n+1) (ξ x ) (n + 1)! n (x x i ). DÉMONSTRATION. Pr définition du polynôme d interpoltion, f (x) p n (x) = 0 si x = x i pour un i {0,..., n}. On peut lors supposer que x x i pour tout i {0,..., n}. On pose Q(t) := p n (t) f (t) + f (x) p n(x) n (x x i ) Alors Q C n+1 ([, b]) et n (t x i ) (t [, b]). Q(x i ) = 0 pour tout i, et Q(x) = 0. Le théorème de Rolle implique que l dérivée Q s nnulle en n + 1 points distincts dns l intervlle ], b[. En ppliqunt le théorème de Rolle encore une fois, on voit que Q s nnulle en n points distincts dns l intervlle ], b[, et finlement, qu il existe ξ x ], b[ tel que Q (n+1) (ξ x ) = 0. L proposition s en déduit fcilement. COROLLAIRE.3. Soit f (n+1) := sup x [,b] f (n+1) (x). Alors f (x) p n (x) f (n+1) n (x x i ) (x [, b]). (n + 1)! L proposition et le corollire montrent que l erreur d interpoltion dépend ussi du choix des noeuds x i. En fit, f (x) p n (x) f (n+1) n sup (t x i ) (x [, b]). (n + 1)! t [,b] On verr plus loin qu un choix optiml est le choix des noeuds de Tchebychev, c.à.d., sur l intervlle [, b] = [ 1, 1], le choix des noeuds (i + 1)π x i = cos (0 i n). n + 3. L lgorithme de Newton L lgorithme de Newton est une méthode efficce pour clculer le polynôme d interpoltion ssocié à des noeuds x 0,..., x n donnés et à des bscisses y 0,..., y n donnés (on suppose toujours que x i x j si i j). Il est prticulierement prtique dns les situtions où on veut rjouter des noeuds. L idée est de représenter le polynôme d interpoltion dns l forme (.) p(x) = c 0 + c 1 (x x 0 ) + + c n (x x 0 ) (x x n 1 ) vec des coefficients c 0,..., c n à determiner. On remrque ici que les polynômes 1, x x 0,..., (x x 0 ) (x x n 1 ) forment une bse de l espce R n [X] (exercice!)

13 3. L ALGORITHME DE NEWTON 13 et que les coefficients c 0,..., c n existent et sont uniques. Dns l suite, pour tout i, j {0,..., n}, j i, on note p i, j = le polynôme d interpoltion de degré j ssocié ux noeuds x i j,..., x i et ux bscisses y i j,..., y i. Le polynôme que l on recherche est le polynôme p n,n. On note ensuite c i, j = le coefficient principl du polynôme p i, j, c.à.d. le coefficient correspondnt u monôme x j dns l représenttion p i, j (x) = c i, j x j + polynôme de degré < j. On rppelle que, étnt donné des noeuds x 0,..., x n et des bscisses y 0,..., y n, le polynôme d interpoltion p de degré n existe et est unique (Proposition.1). Ainsi, le coefficient principl est déterminé de mnière unique en fonction des noeuds et des bscisses. REMARQUE.4. Le coefficient principl du polynôme d interpoltion correspondnt ux noeuds x 0,..., x n et ux bscisses y 0,..., y n est dns l littérture ussi noté f [x 0,..., x n ] (l nottion vec le f s explique si les bscisses y 0,..., y n sont de l forme f (x 0 ),..., f (x n ) pour une fonction f donnée). Avec cette nottion, on urit c i, j = f [x i j,..., x i ]. LEMME.5. Soit p = p n,n le polynôme d interpoltion correspondnt ux noeuds x 0,..., x n et ux noeuds y 0,..., y n. On représente p dns l forme (.), c.à.d. p(x) = c 0 + c 1 (x x 0 ) + + c n (x x 0 ) (x x n 1 ) (x R). Alors c i = c i,i (le coefficient principl du polynôme p i,i ). DÉMONSTRATION. Exercice. Afin de clculer des coefficients c i, j, on note d bord que (.3) c i,0 = y i (0 i n). En fit, c i,0 est, pr définition, le coefficient principl du polynôme p i,0 de degré 0 (c.à.d. p i,0 est constnt!) tel que p i,0 (x i ) = y i. Ainsi, p i,0 (x) = y i = y i x 0, d où (.3). Afin de clculer les utres coefficients c i, j vec j 1 on utilise le lemme et le corollire suivnt. LEMME.6 (Différences divisées). Pour tout i, j {1,..., n} vec i j on p i, j (x) = p i, j 1(x)(x x i j ) p i 1, j 1 (x)(x x i ) x i x i j (x R).

14 14. INTERPOLATION ET APPROXIMATION DÉMONSTRATION. Soit q(x) := p i, j 1(x)(x x i j ) p i 1, j 1 (x)(x x i ) x i x i j (x R). Pr définition, p i, j 1 et p i 1, j 1 sont des polynômes de degré j 1. Ainsi, q est un polynôme de degré j. Ensuite, on clcul q(x i j ) = 0 p i 1, j 1(x i j )(x i j x i ) x i x i j = y i j, cr p i 1, j 1 (x i j ) = y i j pr définition de p i 1, j 1. De mnière similire q(x i ) = p i, j 1(x i )(x i x i j ) 0 x i x i j = y i, cr p i, j 1 (x i ) = y i pr définition de p i, j 1. Finlement, pour tout k vec i j < k < i on p i, j 1 (x k ) = y k et p i 1, j 1 (x k ) = y k. Ainsi, q(x k ) = p i, j 1(x k )(x k x i j ) p i 1, j 1 (x k )(x k x i ) x i x i j = y k(x k x i j ) y k (x k x i ) x i x i j = y k. On donc montré que q est un polynôme d interpoltion de degré j ssocié ux noeuds x i j,..., x i et ux bscisses y i j,..., y i. Pr unicité du polynôme d interpoltion, q = p i, j. COROLLAIRE.7 (Différences divisées). Pour tout i, j {1,..., n} vec i j on (.4) c i, j = c i, j 1 c i 1, j 1 x i x i j. DÉMONSTRATION. Conséquence directe du Lemme.6 et de l définition des c i, j. D près les équtions (.3) et (.4), on obtient le schém suivnt pour clculer successivement les c i, j (lgorithme de Newton): x 0 c 0,0 = y 0 x 1 c 1,0 = y 1 c 1,1 x c,0 = y c,1 c, x n 1 c n 1,0 = y n 1 c n 1,1 c n 1,... c n 1,n 1 x n c n,0 = y n c n,1 c n,... c n,n 1 c n,n On finlement p n,n (x) = c 0,0 + c 1,1 (x x 0 ) + + c n,n (x x 0 ) (x x n 1 ) (x R).

15 4. APPROXIMATION HILBERTIENNE 15 EXEMPLE.8. On cherche le polynôme d interpoltion de degré 3 ssocié ux noeuds x 0 = 1, x 1 = 0, x = 1, x 3 = 3 et ux bscisses y 0 = 1, y 1 = 1, y = 0, y 3 =. Avec l lgorithme de Newton on trouve x 0 = 1 x 1 = 0 x = 1 x 3 = 3 c 0,0 = y 0 = 1 c 1,0 = y 1 = 1 c 1,1 = c,0 = y = 0 c,1 = 1 c, = 3 c 3,0 = y 3 = c 3,1 = 1 c 3, = 0 c 3,3 = 3 8 Ici, on clculé successivement, colonne pr colonne, On trouve lors c 1,1 = c 1,0 c 0,0 x 1 x 0 = ( 1) =, c,1 = c,0 c 1,0 x x 1 = 0 ( 1) 1 0 c 3,1 = c 3,0 c,0 x 3 x = = 1, c, = c,1 c 1,1 x x 0 = 1, = 1 ( ) 1 ( 1) = 3, c 3, = c 3,1 c,1 x 3 x 1 = = 0 c 3,3 = c 3, c, x 3 x 0 = ( 1) = 3 8. p(x) = 1 (x ( 1)) + 3 (x ( 1)) (x 0) 3 (x ( 1)) (x 0) (x 1) 8 = 1 (x + 1) + 3 (x + 1) x 3 (x + 1) x (x 1) 8 = x + 3 x 3 8 x3, et il est fcile vérifier que c est effectivement le polynôme d interpoltion recherché. 4. Approximtion hilbertienne Soit I R un intervlle et soit w : I R une fonction continue positive (une fonction poids). On considère l espce C w (I) := { f C(I) : f (x) w(x) dx < }, I

16 16. INTERPOLATION ET APPROXIMATION où C(I) est l espce de toutes les fonctions continues de I dns R. L espce C w (I) ser muni du produit sclire, w donné pr f, g w := f (x)g(x)w(x) dx ( f, g C w (I)). I L norme ssociée à ce produit sclire est l norme w donnée pr f w := ( 1 f, f w = f (x) w(x) dx). Soit F C w (I) un sous-espce vectoriel de dimension finie, et soit f C w (I) une fonction donnée. Le probléme de l meilleure pproximtion de f pr un élément de F est le problème de trouver une fonction p F telle que f p w = inf q F f q w, c.à.d. de trouver une fonction p F telle que l distnce f p w soit minimle prmi toutes les distnces f q w (q F) Solution théorique. L proposition suivnte montre que le problème de l meilleure pproximtion de f dmet une unique solution. PROPOSITION.9. Soit E un espce vectoriel réel muni d un produit sclire,. Soit f E et soit F E un sous-espce vectoriel de dimension finie. Alors il existe un unique élément p F telle que f p = inf q F f q (ici: g := g, g ). Cet élément p est ppelé l projection orthogonle de f sur F. Il est crctérisée pr le fit que (.5) f p, q w = 0 pour tout q F. DÉMONSTRATION. On démontre d bord que p F est une meilleure pproximtion de f dns F si et seulement si l condition (.5) est vérifiée. En fit, p F est une meilleure pproximtion de f dns F si et seulement si p F et ce qui est équivlent à f p f q pour tout q F, f, p + p f, q + q pour tout q F. En remplçnt q F pr p + q F, ceci est équivlent à f p, q q pour tout q F. Ici, on remplce q pr tq (t R, t > 0), on divise pr t, et on fit t tendre vers 0 pour obtenir f p, q 0 pour tout q F. Finlement, en remplçnt q pr q, on obtient que p F est une meilleure pproximtion de f dns F si et seulement si l condition (.5) est vérifiée. Existence et unicité d une meilleure pproximtion. Soit (p i ) 0 i n une bse vectorielle de l espce F (on suppose donc qu il est de dimension n + 1. Alors tout élément p F s écrit de l forme p = n λ i p i vec des coefficients λ i R. En I

17 4. APPROXIMATION HILBERTIENNE 17 plus, come (p i ) est une bse vectorielle de F, l condition (.5) est équivlente à l condition (.6) f, p i = λ j p j, p i pour tout 0 i n, j=0 ce qui est un système linéire pour le vecteur (λ 0,..., λ n ). Ce système linéire dmet une unique solution (λ 0,..., λ n ) si et seulement si le système homogène µ j p j, p i = 0 pour tout 0 i n j=0 dmet (µ 0,..., µ n ) = (0,..., 0) comme seule solution. Mis ce système implique que 0 = µ i µ j p j, p i j=0 µ i p i, et donc µ i p i = 0. Comme l fmille (p i ) est linéirement indépendnte, on trouve (µ 0,..., µ n ) = (0,..., 0). L démonstrtion de l proposition précédente montre que p = n λ i p i est meilleure pproximtion de f dns F si et seulement si (λ 0,..., λ n ) est solution de (.6). Il suffit donc de choisir une bse vectorielle (p i ) de F est de résoudre le système linéire (.6). On remrque que ce système linéire devient prticulièrement simple à résoudre si (p i ) est une bse orthogonle de F, c.à.d. p i si i = j, p j, p i = 0 si i j. COROLLAIRE.10. Soit (p i ) 0 i n une bse orthogonle de F. Alors l meilleure pproximtion p de f dns F est donné pr f, p i p = p i p i. 4.. Le procédé d orthogonlistion de Grm-Schmidt. Soit E un espce vectoriel réel muni d un produit sclire,. Soit (e i ) i 0 E une fmille de vecteurs linéirement indépendnte. Alors le procédé suivnt permet de construire une fmille orthonormle (p i ) i 0. Procédé de Grm-Schmidt. On pose d bord ẽ 0 = e 0 p 0 = et ẽ0 ẽ 0.

18 18. INTERPOLATION ET APPROXIMATION Ensuite, pour tout i 1 on définit de mnière recursive i 1 ẽ i = e i e i, p j p j et p i = ẽi ẽ i. C est un exercice de montrer que pour tout i, j 0 on 1 si i = j, p i, p j = 0 si i j, j=0 c.à.d. que (p i ) est une fmille orthonormle. En plus, si (e i ) étit une bse vectorielle, lors (p i ) est une bse vectorielle normle Les polynômes orthogonux. Soit I R un intervlle quelconque, et soit w : I R une fonction poids (continue, strictement positive). On suppose que, quelque soit n N, x n w(x) dx est bsolument convergente. I Dns ce cs, l espce C w (I) contient tous les polynômes. En ppliqunt le procédé de Grm-Schmidt ux monômes e n (x) = x n (n 0), on obtient une fmille (p n ) n 0 de polynômes orthogonles. Intervlle Poids w(x) Polynômes [ 1, 1] 1 Legendre [0, [ e x Lguerre R e x Hermite 1 ] 1, 1[ 1 x Tchebychev. Pr exemple, pour les polynômes de Legendre, on obtient p 0 (x) = p 1 (x) = p (x) = LEMME.11. Les polynômes orthogonux vérifient () p n est un polynôme de degré n, (b) l fmille (p i ) 0 i n est une bse orthogonle de l espce R n [X], (c) I p n(x)q(x)w(x) dx = 0 pour tout polynôme q de degré < n. THÉORÈME.1. Le polynôme p n possède n rcines réelles. Elles sont simples et contenues dns l intérieur de l intervlle I..

19 DÉMONSTRATION. On peut écrire 5. APPROXIMATION UNIFORME 19 p n (x) = k (x r i ) m i r(x) i=1 où les r i sont des rcines réelles distincts de multiplicité m i, et le polynôme r n ps de rcines réelles (en prticulier, r un signe). Notons r i1,..., r is les rcines de p n situées à l intérieur de l intervlle I et de multplicités m iα impirs. Alors le polynôme q(x) = (x r i1 ) (x r is ) est un polynôme de degré s, toutes les rcines de q sont simples et contenues dns l intérieur de l intervlle I. En plus, le produit p n (x)q(x) ne chnge ps de signe et est non-nulle. Donc p n, q 0. D près le lemme précédent (plus précisément, Lemme.11 (c), on obtient donc que degré p n = degré q, c.à.d. que q est un polynôme de degré = n. 5. Approximtion uniforme Dns cette section, on suppose que I = [, b] est un intervlle compct. L espce C([, b]) de toutes les fonctions continues [, b] R muni de l norme f := sup x [,b] f (x) est un espce vectoriel normé. Etnt donnée une fonction f C([, b]), on considère de nouveu le problème de (meilleure) pproximtion, mis mintennt vec l norme à l plce de l norme hilbertienne w du prgrphe précédent. On rppelle le théorème suivnt. THÉORÈME.13 (Weierstrss). Pour toute fonction f C([, b]) il existe une suite (p n ) de polynômes telle que lim n f p n = 0.

20

21 CHAPITRE 3 Intégrtion et différentition numérique 1. Intégrtion pprochée Soit f : [, b] R une fonction continue donnée, [, b] R étnt un intervlle compcte. On considère le problème de clculer l intégrle I( f ) = f (x) dx. En générl on cherche à trouver une vleur pprochée de l intégrle sous l forme J( f ) = λ i f (x i ), où x 0 < < x n b sont des noeuds donnés (ou à choisir) et où les coefficients λ 0,..., λ n sont donnés (ou à choisir), tous les deux indépendnts de l fonction f. Supposons d bord que les noeuds x 0 < < x n b sont donnés. Comment choisir les coefficients λ 0,..., λ n de telle mnière que l erreur E( f ) = I( f ) J( f ) soit 0 pour une certine clsse de fonctions? Pr exemple, comment choisir les coefficients λ 0,..., λ n de telle mnière que l erreur E( f ) = 0 pour tout polynôme de degré inférieur ou égl à n? C.à.d. telle que l formule d intégrtion pprochée J( f ) soit excte pour tout polynôme de degré inférieur ou égl à n? THÉORÈME 3.1. Etnt donné des noeuds x 0 < < x n b, il existe une et une seule formule d intégrtion pprochée J( f ) = n λ i f (x i ) telle que l erreur E( f ) = I( f ) J( f ) = 0 pour tout polynôme f R n [X]. DÉMONSTRATION. Existence. On pose λ i = l i(x) dx, oú l i est le i-éme polynôme d interpoltion de Lgrnge ssocié ux noeuds x 0,..., x n. Alors, pour tout polynôme f R n [X] on f (x) = f (x i ) l i (x), 1

22 3. INTÉGRATION ET DIFFÉRENTIATION NUMÉRIQUE cr l interpoltion est excte pour tout polynôme de degré n. Donc, I( f ) = = = = f (x) dx f (x i ) l i (x) dx f (x i ) λ i f (x i ) = J( f ). l i (x) dx Unicité. Soient J( f ) = n λ i f (x i ) et J ( f ) = n λ i f (x i) deux formules d intégrtion pprochées qui sont exctes pour tous les polynômes f R n [X], c.à.d. J( f ) = λ i f (x i ) = I( f ) = λ i f (x i ) pour tout f R n [X]. Alors (λ i λ i) f (x i ) = 0 pour tout f R n [X]. En prticulier, en choississnt f = l i le i-ième polynôme d interpoltion de Lgrnge (qui l propriété que l i (x j ) = δ i j pour tout 1 i, j n), on trouve que d où l unicité. λ i = λ i, DÉFINITION 3.. Une formule d intégrtion pprochée est dite d ordre m si I( f ) = J( f ) pour tout polynôme f R m [X] et s il existe un polynôme f R m+1 [X] tel que I( f ) J( f ). D près le Théorème 3.1, étnt donné des noeuds x 0 < < x n b, il existe une et une seule formule d intégrtion pprochée d ordre m n. On verr que l ordre m peut être strictement supérieur à n. Pr contre, on remrque d bord que l ordre est toujours inférieur ou égl à n + 1. LEMME 3.3. Soient x 0 < < x n b des noeuds donnés et soit J( f ) = n λ i f (x i ) une méthode d intégrtion pprochée. Alors l ordre de cette méthode est inférieur ou égl à n + 1. DÉMONSTRATION. Soit f (x) = n (x x i ).

23 1. INTÉGRATION APPROCHÉE 3 Alors f est un polynôme positif, de degré n+, tel que f (x i ) = 0 pour tout 0 i n. Donc J( f ) = λ i f (x i ) = 0 < I( f ). Ainsi, l ordre de J est inférieur ou égl à n + 1. EXEMPLE 3.4 (Méthode des rectngles). On prend n = 0 et x 0 noeud, u milieu de l intervlle [, b]). Alors = +b (un seul et donc λ 0 = l 0 (x) dx = dx = b, J( f ) = (b ) f ( + b ). Cette formule d intégrtion pprochée est excte pour les polynômes constnts f R 0 [X] (Théorème 3.1), mis on ussi Pr contre, J(x) = (b ) + b J(x ( + b) ) = (b ) 4 = b b3 3 3 = I(x). = I(x ). Donc, l ordre de cette formule d intégrtion pprochée est m = 1. EXEMPLE 3.5 (Méthode des trpézes). On prend n = 1, x 0 =, x 1 = b (deux noeuds, ux extrémités de l intervlle [, b]). On et Donc, λ 0 = λ 1 = l 0 (x) dx = l 1 (x) dx = x b b dx = b x b dx = b. J( f ) = b ( f () + f (b)). Cette formule d intégrtion pprochée est excte pour les polynômes f R 1 [X] (Théorème 3.1), mis J(x ) I(x ). L ordre de cette formule d intégrtion pprochée est m = 1.

24 4 3. INTÉGRATION ET DIFFÉRENTIATION NUMÉRIQUE EXEMPLE 3.6 (Méthode de Simpson). On prend n =, x 0 =, x 1 = +b, et x = b (trois noeuds, ux extrémités et u milieu de l intervlle [, b]). On λ 0 = λ 1 = λ = l 0 (x) dx = b 6, l 1 (x) dx = 4 b 6, l (x) dx = b 6. Donc J( f ) = b ( f () + 4 f ( + b 6 ) + f (b)). L ordre de cette formule d intégrtion pprochée est m = 3.. Etude de l erreur d intégrtion pprochée On rppelle l version suivnte du théorème de Tylor, et ussi le théorème de l moyenne. où THÉORÈME 3.7 (Tylor). Soit f C n+1 ([, b]). Alors pour tout x [, b] on (x ) k f (x) = f (k) (x t) n + () + f (n+1) (t) dt, k! n! k=0 t si t 0, t + = 0 si t < 0. THÉORÈME 3.8 (Théorème de l moyenne). Soient f, g : [, b] R deux fonctions continues. On suppose que g(x) 0 pour tout x [, b]. Alors il existe un ξ [, b] tel que f (x)g(x) dx = f (ξ) g(x) dx. THÉORÈME 3.9. Soient x 0 < < x n b des noeuds donnés et soit J( f ) = n λ i f (x i ) une méthode d intégrtion pprochée d ordre m n. Soit K(t) = (x t) m + dx λ i (x i t) m + Alors, pour toute fonction f C (m+1) ([, b]) on E( f ) = I( f ) J( f ) = K(t) m! f (m+1) (t) dt, (t [, b]).

25 et si le noyu K est positif, lors. ETUDE DE L ERREUR D INTÉGRATION APPROCHÉE 5 E( f ) = f (m+1) (ξ) K(t) m! dt pour un ξ [, b]. DÉMONSTRATION. D près le Théorème de Tylor (Théorème 3.7), on m (x ) k f (x) = f (k) (x t) m + () + f (m+1) (t) dt. k! m! k=0 Comme J est d ordre m, on obtient donc E( f ) = E(x = = = (x t) m + m! (x t) m + m! (x t) m + dx K(t) m! f (m+1) (t) dt. f (m+1) (t) dt) f (m+1) (t) dt dx λ i (x i t) m + m! λ i (x i t) m +) f (m+1) (t) dt f (m+1) (t) dt L deuxième représenttion de l erreur est une conséquence directe de cette première représenttion et du théorème de l moyenne (Théorème 3.8). EXEMPLE 3.10 (L erreur dns l méthode des rectngles). Cette méthode est d ordre 1. Donc, ( E( f ) = (x t) + dx (b )( + b ) t) + ) f (t) dt = K(t) f (t) dt vec (t ) si t +b K(t) =, (t b) si t +b. Ainsi, comme le noyu K est positif et pr le théorème de l moyenne, E( f ) = f (b )3 (ξ) 4 pour un certin ξ [, b]. EXEMPLE 3.11 (L erreur dns l méthode de Simpson). Cette méthode est d ordre 3. Donc, E( f ) = K(t) 3! f (4) (t) dt

26 6 3. INTÉGRATION ET DIFFÉRENTIATION NUMÉRIQUE vec K(t) = = (x t) 3 + dx b 6 (b t) 3 (b+ 3t) 1 si t +b, ( t) 3 (b+ 3t) 1 si t +b. ( ( t) ( + b t) (b t) 3 ) + Ainsi, comme le noyu K est négtif, E( f ) = f (4) (b )5 (ξ) 880 pour un certin ξ [, b]. 3. L formule d intégrtion pprochée de Guss On rppelle du Lemme 3.3 que toute méthode d intégrtion pprochée est u plus d ordre n + 1. On peut lors se demnder s il existe une méthode d intégrtion pprochée qui est exctement d ordre m = n + 1. L réponse à cette question est oui, si on choisit bien les noeuds x 0,..., x n. THÉORÈME 3.1 (Guss). Soit [, b] = [ 1, 1], et soit n 0. Alors il existe des noeuds x 0 < < x n b et une méthode d intégrtion pprochée J( f ) = n λ i f (x i ) qui est d ordre n + 1. Plus précisément, il suffit de prendre comme noeuds les rcines du n + 1-ième polynôme de Legendre L n+1 et comme méthode d intégrtion pprochée celle du Théorème 3.1. DÉMONSTRATION. Soit L n+1 le n + 1-ième polynôme de Legendre. On rppelle que l suite des polynômes de Legendre est obtenue pr le procédé de Grm-Schmidt ppliqué à l suite des monômes, en utilisnt le produit sclire f, g = 1 f (x)g(x) dx. 1 Le polynôme L n+1 est un polynôme de degré n + 1 qui est orthogonl à tous les polynômes de degré n (Lemme.11). En plus, toutes les rcines de L n+1 sont simples et contenues dns l intervlle [ 1, 1] (Théorème.1) Soit mintennt p un polynôme de degré n + 1. Une division vec reste montre que p = q L n+1 + r

27 pour des polynômes de degré n. Alors I(p) = = = = = = p(x) dx q(x)l n+1 (x) dx + r(x) dx 4. DIFFÉRENTIATION NUMÉRIQUE r(x) dx (q et L n+1 sont orthogonux) λ i r(x i ) (J est d ordre m n) λ i q(x i )L n+1 (x i ) + λ i p(x i ) = J(p). λ i r(x i ) (x i sont rcines de L n+1 ) Comme p R n+1 [X] étit rbitrire, ceci montre que J est d ordre m n + 1. Pr le Lemme 3.3, m n + 1, et donc l ordre m = n Différentition numérique Etnt donné une fonction f C 1 ([, b]) et un point x [, b], on souhite clculer l dérivée L( f ) = f (x). On souhite clculer cette dérivée à l ide d une formule à deux noeuds Λ( f ) = λ 0 f () + λ 1 f (b), où λ 0, λ 1 sont des constntes. On veut que l formule Λ( f ) soit excte pour tous les polynômes de degré 1. On choississnt f (x) = 1 et f (x) = x on trouve lors les deux conditions et donc λ 0 = λ 1 = 1 b. Ainsi Λ( f ) = λ 0 + λ 1 = 0 λ 0 + λ 1 b = 1, et f (b) f (). b 4.1. Schém centré. Ici, on prend x = +b L( f ) = f ( +b, c.à.d. on souhite clculer l dérivée ) u milieu de l intervlle [, b]. Pr construction, l erreur E( f ) = L( f ) Λ( f ) = f ( + b f (b) f () ) b est nulle pour tout polynôme f de degré 1. Mis on voit fcilement que E(x ) = 0 ussi, et que E(x 3 ) 0. On dit que l méthode de différentition Λ( f ) est d ordre.

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

Chapitre 1 : Fonctions analytiques - introduction

Chapitre 1 : Fonctions analytiques - introduction 2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux

Plus en détail

Licence M.A.S.S. Cours d Analyse S4

Licence M.A.S.S. Cours d Analyse S4 Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,

Plus en détail

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr

Plus en détail

Module 2 : Déterminant d une matrice

Module 2 : Déterminant d une matrice L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté

Plus en détail

Cours d Analyse IV Suites et Séries de fonctions

Cours d Analyse IV Suites et Séries de fonctions Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

Plus en détail

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

/HVV\VWqPHVFRPELQDWRLUHV

/HVV\VWqPHVFRPELQDWRLUHV /HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x

Plus en détail

Chapitre VI Contraintes holonomiques

Chapitre VI Contraintes holonomiques 55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce

Plus en 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

Notes de révision : Automates et langages

Notes de révision : Automates et langages Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s

Plus en détail

Techniques d analyse de circuits

Techniques d analyse de circuits Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre

Plus en détail

LANGAGES - GRAMMAIRES - AUTOMATES

LANGAGES - GRAMMAIRES - AUTOMATES LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront

Plus en détail

STI2D Logique binaire SIN. L' Algèbre de BOOLE

STI2D Logique binaire SIN. L' Algèbre de BOOLE L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.

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

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

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Intégrale et primitives

Intégrale et primitives Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition

Plus en 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

3- Les taux d'intérêt

3- Les taux d'intérêt 3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents

Plus en détail

Partie 4 : La monnaie et l'inflation

Partie 4 : La monnaie et l'inflation Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que

Plus en détail

Magister en : Génie Mécanique

Magister en : Génie Mécanique الجمهورية الجزاي رية الديمقراطية الشعبية République Algérienne Démocrtique et Populire وزارة التعليم العالي و البحث العلمي Ministère de l enseignement supérieur et de l recherche scientifique Université

Plus en détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

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

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

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

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 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

AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)

AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*) Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 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

Thèse Présentée Pour obtenir le diplôme de doctorat en sciences En génie civil Option : structure

Thèse Présentée Pour obtenir le diplôme de doctorat en sciences En génie civil Option : structure République Algérienne Démocrtique et Populire Ministère de l enseignement supérieur et de l recherche scientifique Université Mentouri de Constntine Fculté des sciences et sciences de l ingénieur Déprtement

Plus en détail

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits

Plus en 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

Introduction à la modélisation et à la vérication p. 1/8

Introduction à la modélisation et à la vérication p. 1/8 Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8 Modélistion & Vériction Introduction

Plus en détail

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006 Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent

Plus en détail

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Influence du milieu d étude sur l activité (suite) Inhibition et activation Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu

Plus en 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

Polynômes à plusieurs variables. Résultant

Polynômes 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

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

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

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

Équations non linéaires

Équations 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 détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

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

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

Le canal étroit du crédit : une analyse critique des fondements théoriques

Le canal étroit du crédit : une analyse critique des fondements théoriques Le cnl étroit du crédit : une nlyse critique des fondements théoriques Rfl Kierzenkowski 1 CREFED Université Pris Duphine Alloctire de Recherche Avril 2001 version provisoire Résumé A l suite des trvux

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 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 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

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

Chapitre 7 : Intégration sur un intervalle quelconque

Chapitre 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 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

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

Statuts ASF Association Suisse Feldenkrais

Statuts ASF Association Suisse Feldenkrais Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion

Plus en 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

Modification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages

Modification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

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

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI! Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles

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

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

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

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 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

Continuité en un point

Continuité 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 détail

Commun à tous les candidats

Commun 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 détail

Calcul différentiel sur R n Première partie

Calcul 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 détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première 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 détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. 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 détail

RO04/TI07 - Optimisation non-linéaire

RO04/TI07 - Optimisation non-linéaire RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels

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

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

LOGICIEL FONCTIONNEL EMC VNX

LOGICIEL FONCTIONNEL EMC VNX LOGICIEL FONCTIONNEL EMC VNX Améliortion des performnces des pplictions, protection des données critiques et réduction des coûts de stockge vec les logiciels complets d EMC POINTS FORTS VNX Softwre Essentils

Plus en détail

Guide d'utilisation Easy Interactive Tools Ver. 2

Guide d'utilisation Easy Interactive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

Algorithmes sur les mots (séquences)

Algorithmes sur les mots (séquences) Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)

Plus en détail

Conseils et astuces pour les structures de base de la Ligne D30

Conseils et astuces pour les structures de base de la Ligne D30 Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences

Plus en détail

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états. ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie

Plus en détail

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2 Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques

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

Compte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn

Compte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn Compte rendu de l vlidtion d'un oservteur cscde pour l MAS sns cpteurs mécniques sur l plte-forme d'essi de l'irccyn Mlek GHANES, Alin GLUMINEAU et Roert BOISLIVEAU Le 1 vril IRCCyN: Institut de Recherche

Plus en détail

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion

Plus en détail

Pour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!

Pour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI! Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,

Plus en détail

Correction du baccalauréat S Liban juin 2007

Correction du baccalauréat S Liban juin 2007 Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions 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 détail

Avant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation.

Avant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation. Guide de référence rpide Commencer Avnt d utiliser l ppreil, lisez ce Guide de référence rpide pour connître l procédure de configurtion et d instlltion. NE rccordez PAS le câle d interfce mintennt. 1

Plus en détail