Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
|
|
- Bérengère Ménard
- il y a 8 ans
- Total affichages :
Transcription
1 Méthodes de Polytech Paris-UPMC - p. 1/48
2 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
3 Polynôme d interpolation de Théorème (Polynôme d interpolation) Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, il existe un unique polynôme P de degré n qui coupe la fonction f sur ces points i.e. tel que : i {0,...,n} P(a i ) = f(a i ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes C est le polynôme interpolateur de de f sur les points a i. - p. 3/48
4 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i x a k a i a k Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 4/48
5 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i i, j L i (a j ) = x a k a i a k { 1 si i = j 0 si i j Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 4/48
6 Preuve et polynôme de Soient les n + 1 points distincts (a 0 < a 1 <, a n ) IR n+1, on appelle base de les polynômes de la forme : L i (x) = n k=0,k i i, j L i (a j ) = x a k a i a k { 1 si i = j 0 si i j Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Le polynôme : P(x) = f 0 L 0 (x) + f 1 L 1 (x) + + f n L n (x) Convient. On l appelle polynôme d interpolation de L unicité est à démontrer en exercice. - p. 4/48
7 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 5/48
8 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48
9 a 6 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48
10 a 3 a 6 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48
11 Polynôme d interpolation de Preuve et polynôme de a 3 a 4 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48
12 Polynôme d interpolation de Preuve et polynôme de a 0 a 3 a 4 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes a 1 - p. 5/48
13 Polynôme d interpolation de Preuve et polynôme de a 0 a 1 a 2 a 3 a 4 a 5 a 6 Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 5/48
14 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 6/48
15 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) - p. 6/48
16 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois - p. 6/48
17 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois - p. 6/48
18 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois... g (n+1) s annule une fois en η - p. 6/48
19 Calcul de l erreur d interpolation Si on interpole la fonction f C n+1 sur l intervalle [a, b], par le polynôme P(x) de degré n, grâce au points d interpolation a 0 < a 1 < < a n. Théorème x [a, b] il existe η [a 0, a n ] tel que f(x) P(x) = 1 (n + 1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Idée de la preuve : On étudie la fonction g(z) = f(z) P(z) (f(x) P(x)) φ(z) φ(x) g s annule n + 2 fois g s annule n + 1 fois... g (n+1) s annule une fois en η Or φ (n+1) = (n + 1)! et P (n+1) = 0. - p. 6/48
20 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48
21 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48
22 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48
23 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 7/48
24 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes f(x) = e 10x2 - p. 7/48
25 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
26 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
27 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
28 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
29 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
30 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. problèmes si un point est très différent des autres (f (n+1) >> 1) le polynôme a tendance à osciller entre les points d interpolations Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 8/48
31 Étude de la formule d erreur f(x) P(x) = 1 (n+1)! f(n+1) (η)φ(x) avec φ(x) = (x a 0 )(x a 1 ) (x a n ) L erreur dépend de : qui tend vers 0 si n. 1 (n+1)! φ(x) qui tend vers quand x. problèmes quand x f (n+1) (η) qui dépend de la fonction f et de l intervalle [a 0, a n ]. problèmes si un point est très différent des autres (f (n+1) >> 1) le polynôme a tendance à osciller entre les points d interpolations Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Certaines fonctions simples seront mal interpolées par un polynôme. - p. 8/48
32 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
33 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
34 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
35 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
36 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
37 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 9/48
38 Autres méthodes Comment améliorer l interpolation? Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 10/48
39 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 10/48
40 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : - p. 10/48
41 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux - p. 10/48
42 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux Fonctions quadratiques par morceaux - p. 10/48
43 Autres méthodes Comment améliorer l interpolation? On découpe l intervalle en petits morceaux, On utilise des polynômes de petit degré pour approcher la fonction sur chaque sous-intervalle. Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes Par exemple : Fonctions linéaires par morceaux Fonctions quadratiques par morceaux Les splines cubiques (polynôme de degré 3 par morceau). - p. 10/48
44 Intégration numérique Principe Principe (suite) - p. 11/48
45 Intégration numérique On cherche à approcher l intégrale d une fonction : Dont on ne connaît la valeur qu en certains points mesures Dont on peut calculer les valeurs, mais dont on ne peut pas calculer la primitive pas de formule analytique trop complexe Intégration numérique Principe Principe (suite) Il faut approcher I(f) = b a f(t)dt - p. 12/48
46 Principe Intégration numérique Principe Principe (suite) - p. 13/48
47 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m Intégration numérique Principe Principe (suite) - p. 13/48
48 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. Intégration numérique Principe Principe (suite) - p. 13/48
49 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). Intégration numérique Principe Principe (suite) - p. 13/48
50 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). On calcule l intégrale du polynôme d interpolation de chaque sous intervalle, cela s exprime simplement en fonction des valeurs f i = f(y i ) : Intégration numérique Principe Principe (suite) - p. 13/48
51 Principe On dispose de la valeur de f sur des points régulièrement espacés f(y 0 ), f(y 1 ),...,f(y m ) avec y 0 = a < y 1 < < y m 1 < y m = b et y i+1 y i = b a m On sépare [a, b] en sous-intervalles i.e. on regroupe les points y i par paquets de un, deux ([y i, y i+1 ]) ou trois ([y i, y i+1, y i+2 ]) points consécutifs. On interpole la fonction sur chaque sous-intervalle par des polynômes g i (t). On calcule l intégrale du polynôme d interpolation de chaque sous intervalle, cela s exprime simplement en fonction des valeurs f i = f(y i ) : Intégration numérique Principe Principe (suite) yi+k y i g i (t)dt = k α l f i+l l=0 - p. 13/48
52 Principe (suite) - p. 14/48
53 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) i=0 - p. 14/48
54 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point 2 points 3 points n points i=0 - p. 14/48
55 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points 3 points n points i=0 - p. 14/48
56 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points n points i=0 - p. 14/48
57 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points i=0 - p. 14/48
58 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points approximation de degré n 1 méthode de NEWTON-CÔTES i=0 - p. 14/48
59 Principe (suite) La somme de ces valeurs est une approximation de l intégrale de f sur [a, b]. Cette somme s exprime aussi simplement en fonction des valeurs f i I(f) m β i f i (1) La différence entre les méthodes vient du nombre de points d interpolations dans les paquets : 1 point approximation de degré 0 méthode des rectangles 2 points approximation de degré 1 méthode des trapèzes 3 points approximation de degré 2 méthode de SIMPSON n points approximation de degré n 1 méthode de NEWTON-CÔTES Pour chaque méthode, il existe des constantes β i qui permettent d appliquer la formule (1) et une majoration de l erreur que l on va calculer. i=0 - p. 14/48
60 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 15/48
61 Méthode des rectangles Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction constante g i tel que g i (t) = f(y i ). yi+1 g i (t)dt = (y i+1 y i )f(y i ) = b a y i m f(y i) b a f(t)dt = y1 y 0 f(t)dt + y2 y 1 f(t)dt ym y m 1 f(t)dt L approximation de b f(t)dt par la méthode des rectangles est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 16/48
62 Méthode des rectangles Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction constante g i tel que g i (t) = f(y i ). yi+1 g i (t)dt = (y i+1 y i )f(y i ) = b a y i m f(y i) b a f(t)dt = y1 y 0 f(t)dt + y2 y 1 f(t)dt ym y m 1 f(t)dt L approximation de b f(t)dt par la méthode des rectangles est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication I R = b a m m 1 i=0 f(y i ) - p. 16/48
63 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 17/48
64 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48
65 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = yi+1 y i f (η(t))(t y i )dt Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48
66 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = Soit M = sup t [a,b] f (t) yi+1 y i f (η(t))(t y i )dt Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48
67 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que yi+1 y i f(t) g i (t) = f (η(t))(t y i ) f(t)dt b a m f(y i) = yi+1 Soit M = sup t [a,b] f (t) yi+1 f(t)dt b a m f(y i) M y i y i f (η(t))(t y i )dt yi+1 y i (t y i )dt M (y i+1 y i ) 2 2 (b a)2 M 2m 2 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 18/48
68 (suite) Finalement Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48
69 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 2m Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48
70 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b a de prendre m plus grand que M (b a)2 2ε 2m f(t)dt à ε près, il suffit Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48
71 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b a de prendre m plus grand que M (b a)2 2ε L approximation est exacte si 2m f(t)dt à ε près, il suffit Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48
72 (suite) Finalement Remarques : b a f(t)dt I R M (b a) 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)2 2ε L approximation est exacte si la dérivée f est nulle c est-à-dire si la fonction f est constante. 2m Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 19/48
73 Méthode des trapèzes Les points (y i ) i = 0,..., m sont pris régulièrement espacés sur [a, b] : y i = a + i b a m. Sur chaque intervalle I i = [y i, y i+1 ], la fonction f est approchée par la fonction affine g i coïncidant avec f en y i et y i+1 soit : g i (t) = f(y i ) + (t y i) (y i+1 y i ) (f(y i+1) f(y i )). Remarque : g i est la fonction affine par morceaux reliant les points de coordonnées (y i, f(y i )). Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 20/48
74 Calcul de la formule yi+1 y i g i (t)dt = y i+1 y i [ t y i+1 y i (f(y i+1 ) f(y i )) y i y i+1 y i (f(y i+1 ) f(y i ))+f(y i )]dt = y i y i 2(y i+1 y i ) (f(y i+1) f(y i )) y i (f(y i+1 ) f(y i )) + (y i+1 y i )f(y i ) = y i+1+y i 2 (f(y i+1 ) f(y i )) y i f(y i+1 ) + y i+1 f(y i ) = y i+1 y i 2 (f(y i+1 ) + f(y i )) = b a 2m (f(y i+1) + f(y i )) Or b a f(t)dt = y 1 y 0 f(t)dt + y 2 y 1 f(t)dt y m y m 1 f(t)dt Donc l approximation de b f(t)dt par la méthode des trapèzes est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 21/48
75 Calcul de la formule yi+1 y i g i (t)dt = y i+1 y i [ t y i+1 y i (f(y i+1 ) f(y i )) y i y i+1 y i (f(y i+1 ) f(y i ))+f(y i )]dt = y i y i 2(y i+1 y i ) (f(y i+1) f(y i )) y i (f(y i+1 ) f(y i )) + (y i+1 y i )f(y i ) = y i+1+y i 2 (f(y i+1 ) f(y i )) y i f(y i+1 ) + y i+1 f(y i ) = y i+1 y i 2 (f(y i+1 ) + f(y i )) = b a 2m (f(y i+1) + f(y i )) Or b a f(t)dt = y 1 y 0 f(t)dt + y 2 y 1 f(t)dt y m y m 1 f(t)dt Donc l approximation de b f(t)dt par la méthode des trapèzes est a donnée par : Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication I T = b a 2m (f(y 0) + 2f(y 1 ) f(y m 1 ) + f(y m )) - p. 21/48
76 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 22/48
77 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que - p. 23/48
78 On applique la formule d erreur de l interpolation de : t [y i, y i + 1] il existe η(t) [y i, y i + 1] tel que f(t) g i (t) = 1 2 f (η(t))(t y i )(t y i+1 ) yi+1 y i f(t)dt b a 2m (f(y i+1) + f(y i )) = 1 2 yi+1 y i f (η(t))(t y i )(t y i+1 )dt d où si M = sup t [a,b] f (t) yi+1 y i f(t)dt b a 2m (f(y i+1) + f(y i )) M yi+1 y i (t y i )(y i+1 t)dt - p. 23/48
79 (suite) Pour le calcul de y i+1 y i (t y i )(y i+1 t)dt, on effectue un changement de variable. Soit x = t y i (t = x + y i ) yi+1 y i Donc (t y i )(y i+1 t)dt = y i+1 y i 0 x(y i+1 y i x)dx y i+1 y i = y i+1 y i x 2 + x(y 0 i+1 y i )dx = (y i+1 y i ) (y i+1 y i ) 2 2 (y i+1 y i ) = (y i+1 y i ) 3 6 f(t)dt b a 2m (f(y i+1) + f(y i )) M (y i+1 y i ) 3 12 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 24/48
80 (suite) Pour le calcul de y i+1 y i (t y i )(y i+1 t)dt, on effectue un changement de variable. Soit x = t y i (t = x + y i ) yi+1 y i Donc (t y i )(y i+1 t)dt = y i+1 y i 0 x(y i+1 y i x)dx y i+1 y i = y i+1 y i x 2 + x(y 0 i+1 y i )dx = (y i+1 y i ) (y i+1 y i ) 2 2 (y i+1 y i ) = (y i+1 y i ) 3 6 f(t)dt b a 2m (f(y i+1) + f(y i )) M (y i+1 y i ) 3 12 b a f(t)dt I T M (b a)3 12m 2 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 24/48
81 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48
82 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε L approximation est exacte si Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48
83 (fin) Finalement Remarques : b a f(t)dt I T M (b a) 3 12m 2 Pour trouver une valeur approchée de b f(t)dt à ε près, il suffit a de prendre m plus grand que M (b a)3 12ε L approximation est exacte si la dérivée seconde f est nulle c est-à-dire si la fonction f est affine. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 25/48
84 Méthode de SIMPSON On considère les 2n + 1 points z i = a + i b a 2n (i = 0,..., 2n) Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 26/48
85 Méthode de SIMPSON On considère les 2n + 1 points z i = a + i b a 2n (i = 0,..., 2n) Sur chaque intervalle I i = [z 2i, z 2i+2 ], la fonction f est approchée par la parabole g i passant par les points Donc (z 2i, f(z 2i )) (z 2i+1, f(z 2i+1 )) (z 2i+2, f(z 2i+2 )) g i (t) = f(z 2i ). +f(z 2i+1 ). +f(z 2i+2 ). (t z 2i+1 )(t z 2i+2 ) (z 2i z 2i+1 )(z 2i z 2i+2 ) (t z 2i )(t z 2i+2 ) (z 2i+1 z 2i )(z 2i+1 z 2i+2 ) (t z 2i )(t z 2i+1 ) (z 2i+2 z 2i )(z 2i+2 z 2i+1 ) Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 26/48
86 Méthode de SIMPSON (suite) Ce qui donne, tout calcul fait : z2i+2 z 2i g i (t)dt = b a 6n (f(z 2i) + 4f(z 2i+1 ) + f(z 2i+2 )) L approximation de l intégrale par la méthode de SIMPSON est donc I S avec - p. 27/48
87 Méthode de SIMPSON (suite) Ce qui donne, tout calcul fait : z2i+2 z 2i g i (t)dt = b a 6n (f(z 2i) + 4f(z 2i+1 ) + f(z 2i+2 )) L approximation de l intégrale par la méthode de SIMPSON est donc I S avec I S = b a 6n ( f(z 0 ) + 4f(z 1 ) + 2f(z 2 ) + 4f(z 3 ) + 2f(z 4 ) + ) + 2f(z 2n 2 ) + 4f(z 2n 1 ) + f(z 2n ) - p. 27/48
88 Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 28/48
89 Soit M = max t [a,b] f (4) (t) Remarques : b a f(t)dt I S M(b a)5 2880n 4 Pour trouver une valeur approchée de b a de prendre m plus grand que 4 L approximation est exacte si M (b a)5 2880ε f(t)dt à ε près, il suffit. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 29/48
90 Soit M = max t [a,b] f (4) (t) Remarques : b a f(t)dt I S M(b a)5 2880n 4 Pour trouver une valeur approchée de b a de prendre m plus grand que 4 M (b a)5 2880ε f(t)dt à ε près, il suffit L approximation est exacte si la dérivée f (4) est nulle c est-à-dire si la fonction f est un polynôme de degré inférieur ou égal à 3. Méthode des rectangles (suite) Méthode des trapèzes Calcul de la formule (suite) (fin) Méthode de SIMPSON Méthode de SIMPSON (suite) Explication - p. 29/48
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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours 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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailPascal Viot Laboratoire de Physique Théorique des Liquides, Boîte 121, 4, Place Jussieu, 75252 Paris Cedex 05 Email : viot@lptl.jussieu.
Méthodes d analyse numérique Cours commun au Parcours Modélisation Dynamique et Statistique des Systèmes Complexes et au Parcours Professionnel Interfaces, Génie des milieux divisés Pascal Viot Laboratoire
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailn 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 détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailrf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse
page 8 AGREGATIN de MATHEMATIQUES: 1991 1/5 externeanalyse concours externe de recrutement de professeurs agreg6s composition d analyse NTATINS ET DGFINITINS Dans tout le problème, R+ désigne l intervalle
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailFiltrage 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 détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailCorrection 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 détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
Plus en détailPremière partie. Introduction à la méthodes des différences finies
Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailFonctions Analytiques
5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailApprentissage non paramétrique en régression
1 Apprentissage non paramétrique en régression Apprentissage non paramétrique en régression Résumé Différentes méthodes d estimation non paramétriques en régression sont présentées. Tout d abord les plus
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailLa 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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailENS 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 détailComparaison 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailRO04/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 détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailDéveloppements limités
Université Joseph Fourier, Grenoble Maths en Ligne Développements limités Bernard Ycart Les développements limités sont l outil principal d approximation locale des fonctions. L objectif de ce chapitre
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailRappels et compléments, première partie : Nombres complexes et applications à la géométrie
Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailMATHÉMATIQUES 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détail