Un nouvel algorithme de calcul d une Base de Gröbner

Dimension: px
Commencer à balayer dès la page:

Download "Un nouvel algorithme de calcul d une Base de Gröbner"

Transcription

1 Un nouvel algorithme de calcul d une Base de Gröbner H. Lombardi Janvier 98 Équipe de Mathématiques de Besançon. UMR CNRS UFR des Sciences et Techniques. Université de Franche-Comté Besançon Cedex Résumé Nous donnons un nouvel algorithme de calcul d une base de Gröbner d un idéal dans un anneau de polynomes. Cet algorithme est de conception radicalement différente de l algorithme de Buchberger. Il n utilise ni divisions ni S-polynomes. Il est basé sur le controle de la croissance du rang de matrices de Sylvester généralisées successives. Ces matrices sont définies de manière incrémentale en rajoutant à chaque étape de nouvelles colonnes et les lignes nécessaires. L idée principale est de borner inférieurement et supérieurement les rangs des futures matrices en tant que fonctions du numéro de l étape en cours, jusqu à ce que ces fonctions coïncident. Classification AMS : 13P10, 12Y05, 15A03, 65F50 Mots clés : Bases de Gröbner, Algèbre linéaire, Matrices de Sylvester, Mathématiques Constructives. Introduction Nous donnons un nouvel algorithme de calcul d une base de Gröbner d un idéal dans un anneau de polynomes. Cet algorithme est de conception radicalement différente de l algorithme de Buchberger (cf. [3], [4], [1]). Il n utilise ni divisions ni S-polynomes. Il est basé sur le controle de la croissance du rang de matrices de Sylvester successives. Si A est une partie finie de k[x 1,..., x r ] nous définissons A [1] = A x 1 A... x r A and A [n+1] = (A [n] ) [1]. Si G 0 = [f 1,..., f s ] est une liste de polynomes de k[x 1,..., x r ] nous définissons G n = G [n] 0. Ceci peut être considéré comme une matrice de Sylvester associée à G 0. Nous notons E n le k-espace vectoriel engendré par G n. A partir de G n nous définissons dans la section 2 une fonction SMIC G0 (n, m) qui vérifie SMIC(n, m) dim(e m ) pour tout m n. Nous appelons cette fonction minimum structurel de croissance, prévisible à l étape n pour l étape m. Nous définissons dans la section 3 une fonction SMAC G0 (n, m) qui vérifie SMAC(n, m) dim(e m ) pour tout m n. Nous appelons cette fonction maximum structurel de croissance, prévisible à l étape n pour l étape m. 1

2 2 1 PRÉLIMINAIRES Nous indiquons comment calculer ces fonctions et comment tester leur égalité en utilisant une triangulation sans échange de colonnes de la matrice G n. L algorithme SMIC-SMAC est donné à la section 4. Il se résume en la triangulation des matrices G n successives jusqu à ce que le SMIC devienne égal au SMAC. Le fait que ceci se produit bien est prouvé dans les sections 5 and 7. La deuxième preuve est constructive et pourrait donc fournir des bornes pour le temps d exécution de l algorithme. Différentes questions techniques sont discutée dans la section 6. A priori notre algorithme pourrait réduire l espace utilisé en mémoire lorsqu on le compare à l algorithme de Buchberger. Notre approche est basée sur l algèbre linéraire bien controlée. Il est donc possible qu elle soit en rapport étroit avec le travail de J.-C. Faugère qui a développé un nouvel algorithme efficace (FGB) pour calculer les bases de Gröbner et qui s appuie sur des techniques d algèbre linéaire et de gestion de la mémoire. Ces liens possibles seront plus clairs lorsque J.-C. Faugère publiera ses résultats. 1 Préliminaires Nous introduisons d abord quelques notations. Notations 1 Soit k un corps. M r désigne l ensemble des monomes x α = x α xαr r en r variables. L ensemble M r est muni de l ordre partiel naturel de la divisibilité. On notera x α x β pour x α divise x β. Le degré total α α r de x α est noté α. Le degré total d un polynome f (le maximum des degrés totaux de ses termes) est noté totdeg(f). Un ordre admissible (i.e. un ordre total raffinant la divisibilité et compatible avec la multiplication des monomes) sur M r est fixé une fois pour toutes. On notera x α x β ou aussi α β cet ordre admissible. Si f est un polynome en r variables dont le terme de tête est cx α, on note Lm(f) := x α le monome de tête de f. Rappelons qu une base de Gröbner d un idéal de polynomes I = I(f 1,..., f s ) est une famille finie (g 1,..., g t ) d éléments de I telle que le monome de tête de tout élément f 0 de I soit un multiple de l un des Lm(g j ). Si A est une partie de k[x 1,..., x r ] on note A [0] = A A [1] = A x 1 A... x r A A [n+1] = (A [n] ) [1] On a A B A [1] B [1] (A B désigne l inclusion au sens large). On note deg(a) := max{totdeg(f); f A} le degré total maximum des éléments de A. On a donc deg(a [n] ) = n + deg(a). Par convention, si A est vide deg(a) =. On suppose désormais que A est une partie finie de M r. On note Fri(A) la frontière inférieure de A, c.-à-d. la partie de A formée par les monomes minimaux pour la divisibilité. On a naturellement Fri(A) = Fri(A [1] ). On note val(a) := inf{ α ; x α A} le degré total minimum des éléments de A. On a val(a [n] ) = val(a). Par convention, si A est vide val(a) = +. On note F A (n) := #(A [n] ) le nombre d éléments de A [n]. La fonction n F A (n) est appelée la fonction de croissance de A. Le lemme suivant est intuitivement assez naturel.

3 3 Lemme 1 Si A est une partie finie non vide de M r, alors à partir d un rang n 0 deg(ppcm(a)) val(a) r la fonction n F A (n) est égale à un polynome en n, que nous noterons H A (n). Lorsque n tend vers l infini, H A (n) est équivalent à ( ) n+r r c.-à-d. encore à n r /r!. Le polynome H A (n) est appelé le polynome de croissance de A. D après le lemme 1, la fonction de croissance de A peut être décrite de manière entièrement explicite. Nous allons donner une preuve combinatoire du lemme mais auparavant nous montrons un exemple. Exemple 1 Nous donnons un exemple avec A M 2 A : #A = A [1] : #(A [1] ) = =

4 4 1 PRÉLIMINAIRES A [2] : #(A [2] ) = = A [3] : #(A [3] ) = = La partie A [3] contient le trou x 12 1 x4 2 (la notion de trou sera discutée dans la section 7).

5 5 A [4] : #(A [4] ) = = La partie B = A [4] a son polynome de croissance égal à sa fonction de croissance : pour tout n 4 on a { FA (n) = H A (n) = (n+1)(n+2) 2 + 8n + 9n + 71 = n(n 1) n + 72 F A (n + 1) F A (n) = n + 19 comme on peut le voir avec la procédure de comptage ci-dessous A [4] x o x o o x x.... x x o o o x x x... x x o o o o x x x x.. x x o o o o o

6 6 2 LE SMIC Une preuve combinatoire du lemme 1 Notons X un singleton formé d un monome x α = x α xαr r. Nous remarquons que pour une partie finie A de M r on peut écrire A [m] = X [m] X singleton A Par ailleurs, il est facile de déterminer le nombre d éléments d une intersection X [m] 1 X [m] 2 ou plus généralement X [m] 1 X [m] 2 X s [m]. En effet X [m] 1 X [m] 2 X [m] s = {x β ; ppcm(x 1, X 2,..., X s ) x β et β m + inf i=1,...,s (deg(x i))} Donc, en posant p := deg(ppcm(x 1, X 2,..., X s )) et v = inf i=1,...,s (deg(x i )) on obtient #(X [m] 1 X [m] 2 X [m] s ) = et donc aussi, puisque ( ) u+r r = 0 pour u = r,..., 1 { #(X [m] 1 X [m] 2 X [m] s ) = { 0 ) si v + m < p si v + m p ( v+m p+r r 0 ) si m < p v r si m p v r ( v+m p+r r Enfin on conclut en se rappelant la formule qui donne le nombre d éléments d une réunion finie d ensembles finis en fonction des nombres d éléments des intersections (cf. [8] p. ). Par exemple, en notant A ij := A i A j, A ijk := A i A j A k etc. #(A 1 A 2 A 3 A 4 ) = 1 i 4 #(A i ) 1 i j 4 #(A ij ) + 1 i j k 4 #(A ijk ) #(A 1234 ) 2 Le SMIC Dans toute la suite on considère un corps k fixé et une liste non vide fixée G 0 = [f 1,..., f s ] de polynomes de k[x 1,..., x r ]. On fixe les notations suivantes Notations 2 d = deg(g 0 ) G n = G [n] 0 E n = Vect(G n ) le k-espace vectoriel engendré par G n. Exp(n) := {Lm(f); f 0, f E n } l ensemble des monomes de tête des polynomes non nuls de E n. Notez qu on a nécessairement Exp(n) [1] Exp(n + 1). e n := #(Exp(n) = dim(e n ) est la dimension du k-espace vectoriel E n = Vect(G n ). I(f 1,..., f s ) est l idéal engendré par f 1,..., f s. Définition 3 Pour tout m n on note SMIC G0 (n, m) := SMIC(n, m) := F Exp(n) (m n). On l appelle le minimum structurel de croissance, prévisible à l étape n pour l étape m. On a immédiatement.

7 7 Fait 1 Pour tout n n m on a SMIC(n, m) SMIC(n, m) e m = SMIC(m, m). Lorsque m tend vers l infini SMIC(n, m) et e m sont équivalents à m r /r!. En effet SMIC(n, m) e m F P (m) si P est l ensemble des monomes présents dans G 0. Définition 4 Nous appelons triangulation selon les colonnes d une matrice M toute méthode algorithmique qui remplace la matrice M par une autre matrice M qui engendre le même espace de vecteurs colonnes et qui, pour chaque ligne possède au plus une colonne dont le coefficient de tête est sur cette ligne. Une manière de déterminer Exp(n) est de trianguler selon les colonnes la matrice dont les vecteurs colonnes sont les éléments de G n écrits sur la base des monomes présents à l étape n (c.-à-d. les monomes dans P [n] ) ordonnée en décroissant selon l ordre admissible. Nous serons particulièrement intéressés par des triangulations selon les colonnes et sans échange de colonnes. Dans ce cas, il faut remarquer que les numéros de ligne des pivots successifs ne vont pas en décroissant, ce qui nuit un peu à l aspect triangulaire de la matrice obtenue. Voir la figure ci-dessous x x x. x..... x.. x. x x. x x x x x x x... x x. x x x x... x x x. x x x x x x x x x x x x x. x x x x. x x x x x. x x x x. x x x x x..... x x x x x x x x x x x x x x x x x x x x x Exemple d une matrice produite par une triangulation selon les colonnes sans échange de colonne. Nous avons supprimé les colonnes réduites à 0. Nous mettons. pour 0, pour les pivots, x pour une entrée arbitraire. Mais l important pour nous est de bien gérer l évolution de Exp(n), et ceci est beaucoup plus facile avec une triangulation sans échange de colonnes. Lorsque nous parlons d une triangulation sans échange de colonnes, nous sous-entendons toujours qu il s agit d une triangulation selon les colonnes. 3 Le SMAC Nous définissons maintenant G n comme une liste ordonnée. Le polynome x α f i précède le polynome x β f j dans la liste G n si α = β et i < j ou si β précède α pour l ordre lexicographique

8 8 3 LE SMAC des monomes avec x 1 > > x r. Ceci implique que si x α f i précède x β f j dans la liste G n alors cela reste vrai dans la liste G n+1, et en outre x h x α f i précède x h x β f j (pour h = 1,..., r) dans la liste G n+1. La liste G n peut être également construite selon la règle récursive suivante, où représente la concaténation des listes. Nous nous contentons d expliquer le cas r = 3. On pose G 1 0 = G2 0 = G3 0 = G 0 puis G 3 n+1 = x 3G 3 n G 0 G 2 n+1 = x 2G 2 n G 3 n+1 et enfin G n+1 = G 1 n+1 = x 1G 1 n G 2 n+1 Si nous considérons G n comme une liste de vecteurs colonnes, donc comme une matrice, nous avons là une variante ou une généralisation des matrices de Sylvester usuelles. On a immédiatement. Lemme 2 Si x α f i est combinaison linéaire des vecteurs qui le précèdent dans la liste G n alors cela reste vrai dans la liste G n+1, et en outre x h x α f i est combinaison linéaire des vecteurs qui le précèdent dans la liste G n+1 (pour h = 1,..., r). Remarque 1 Le polynome x α f i est combinaison linéaire des vecteurs qui le précèdent dans la liste G n si et seulement si il est tué (réduit à 0) dans une triangulation de G n sans échange de colonnes. Notation 5 La liste finie G 0 = [f 1,..., f s ] de polynomes de k[x 1,..., x r ] étant fixée, pour j = 1,..., s on note M j,n la partie suivante de M r. M j,n := {x α ; x α f j est combinaison linéaire des vecteurs qui le précèdent dans la liste G n } Un corollaire immédiat du lemme 2 est le suivant. Corollaire 1 Pour j = 1,..., s et pour tout m n N on a M [1] j,n M j,n+1 et M [m n] j,n M j,m Remarquons maintenant que la dimension e n de E n est égale au nombre de vecteurs non tués dans une triangulation de G n. Autrement dit : e n = dim(e n ) = s (( ) ) n + r #(M j,n ). n j=1 Ceci nous conduit naturellement à la définition du SMAC. Définition 6 Pour tout m n on note SMAC G0 (n, m) := SMAC(n, m) := s (( m+r ) j=1 m FMj,n (m n) ). On l appelle le maximum structurel de croissance, prévisible à l étape n pour l étape m. Vues les remarques et le corollaire qui précèdent la définition on a immédiatement. Fait 2 Pour tout n n m on a Voici un autre fait, simple et crucial. SMAC(n, m) SMAC(n, m) e m = SMAC(m, m).

9 9 Fait 3 Supposons que SMIC(n, n + 1) = SMAC(n, n + 1). Alors e n+1 = SMIC(n, n + 1) = SMAC(n, n + 1), Exp(n + 1) = Exp(n) [1] et pour j = 1,..., s, M j,n+1 = M j,n [1]. En particulier Fri(Exp(n)) = Fri(Exp(n + 1)) et pour m n + 1, SMIC(n + 1, m) = SMIC(n, m) et SMAC(n + 1, m) = SMAC(n, m). A contrario lorsque SMIC(n, n+1) < SMAC(n, n+1) alors SMIC(n+1, n+1) > SMIC(n, n+1) ou SMAC(n + 1, n + 1) < SMAC(n, n + 1), et Exp(n) [1] Exp(n + 1) ou M j,n [1] M j,n+1 pour l un des j = 1,..., s. On en déduit le théorème suivant. Théorème 1 Si pour un entier n on a m n SMIC(n, m) = SMAC(n, m) alors pour tout m n, e m = SMIC(n, m) Fri(Exp(n)) = Fri({Lm(I(f 1,..., f s ))}) les polynomes de la triangulée de G n dont le monome de tête est un élément de la frontière inférieure Fri(Exp(n)) forment une base de Gröbner minimale de l idéal I(f 1,..., f s ) Enfin, le rapprochement des fonctions SMIC et SMAC est inexorable comme l affirme le théorème suivant, dont nous donnerons deux preuves dans les sections 5 et 7. Théorème 2 Pour tout système G 0 = [f 1,..., f s ] dans k[x 1,..., x r ] on a n N m n SMIC(n, m) = SMAC(n, m) Remarque 2 Si pour un entier n tous les M j,n étaient non vides, alors la fonction m SMAC(n, m) serait, pour m assez grand, un polynome de degré < r, ce qui est incompatible avec le fait que SMAC(n, m) majore e m qui est équivalent à m r /r!. Il reste donc toujours au moins un indice j pour lequel M j,n est vide. Par ailleurs, tant qu il reste au moins deux M j,n vides la croissance à l infini de m SMAC(n, m) est trop forte pour que les fonctions SMIC(n,.) et SMAC(n,.) puissent coïncider. 4 L algorithme SMIC SMAC Les résultats précédents conduisent à l algorithme suivant. Entrée Une liste non vide G 0 = (f 1,..., f s ) de polynomes non nuls de k[x 1,..., x r ]. Sortie Une base de Gröbner minimale G de I(f 1,..., f s ). Variables M j : (pour j = 1,..., s) la liste des monomes x α tels que x α f j est tué par la triangulation sans échange de colonnes de G n, V : liste des vecteurs non nuls obtenus dans cette triangulation, E : la liste des monomes de tête des éléments de V, F ri : une liste de monomes (la frontière inférieure de E), G : la liste des polynomes de V correspondants à F ri, F ini : variable booléenne, n : numéro de l étape en cours Début G := [ ], F ri := [ ], M j := [ ] (pour j = 1,..., s), E := [ ], F ini := Faux, n := 0, Répéter

10 10 5 UNE PREUVE DE TERMINAISON DE L ALGORITHME SMIC SMAC Fin Calculer V le résultat de la triangulation sans échange de colonnes de la liste G n (en profitant des calculs faits à l étape précédente si n > 0), Actualiser les listes G, F ri, E (à partir de V ) et M j pour j = 1,..., s (à partir des vecteurs tués dans la triangulation), Si F ri = [0] alors F ini = V rai % (I(f 1,..., f s ) = I(1)) sinon Si un seul des M j est vide alors Si SMIC(n, n + 1) = SMAC(n, n + 1) alors Si m n SMIC(n, m) = SMAC(n, m) alors F ini = Vrai, Si F ini = Faux alors n := n + 1, Jusqu à ce que F ini Retourner G Notez que le test m n SMIC(n, m) = SMAC(n, m)? est de nature algorithmique en vertu du lemme 1. Cette question sera discutée en détail dans la section 6. Et que l algorithme termine en vertu du théorème 2. Si on note V n le résultat de la triangulation sans échange de colonnes de la liste G n, on voit que lorsqu on passe à l étape suivante la liste x 1 V n représente le début de la triangulation sans échange de colonnes de la liste G n+1, c.-à-d. la triangulation du début de la liste G n+1 qui est justement égale à x 1 G n. Par ailleurs dans le reste de la liste G n+1, qui est égal à G 2 n+1 il est inutile de faire figurer les éléments des M j,n [1]. Une bonne gestion des choses permet donc d économiser une part substantitelle du calcul dans les triangulations successives. La base de Gröbner minimale qui est calculée par cet algorithme est optimale en ce sens qu elle est donnée par des combinaisons linéaires de plus bas degré possible des polynomes de départ. Lorsqu on actualise G et F ri on garde chaque élément f de G provenant de l ancienne triangulation jusqu au moment où il est rendu inutile par l apparition d un nouveau monome de tête dans F ri, divisant strictement celui de f, ce qui chasse f de G. 5 Une preuve de terminaison de l algorithme SMIC SMAC Les deux preuves de terminaison que nous donnons dans cette section et dans la section 7 sont inspirées des preuves du lemme de Dickson (dans sa version classique [7] et dans sa version constructive [11]). Néanmoins, nous sommes obligés d introduire des notions ad hoc de suites croissantes, suites stationnaires, suites qui pausent, sans arriver à faire rentrer ceci dans le moule usuel des ensembles partiellement ordonnés vérifiant les conditions de chaine ascendante. La preuve que nous donnons dans cette section est assez simple, mais non constructive. Nous avons tout d abord besoin d introduire un ensemble particulier. Notation 7 On note M r,δ l ensemble des couples (n, A) où n N et A est une partie finie de M r vérifiant deg(a) n + δ. Il est clair, avec les notations des sections précédentes que chaque couple (n, Exp(n)) est un élément de M r,d et chaque couple (n, M j,n ) est un élément de M r,0. Définition 8 Une suite n (n, A n ) à valeurs dans M r,δ est dite croissante si pour tout n on a A n [1] A n+1. Elle est dite stationnaire (au delà de n 0 ) si pour tout n n 0 on a A n [1] = A n+1.

11 11 Il est clair que la suite n (n, Exp(n)) est croissante dans M r,d et que les suites n (n, M j,n ) sont croissantes dans M r,0. On établit alors tout d abord le Lemme 3 (Lemme à la Dickson, non constructif) Pour tous entiers r 1 et d 0, toute suite croissante n (n, A n ) dans M r,d est stationnaire. Preuve La preuve se fait par récurence sur l entier r. Pour r = 1. Ici, nous utilisons une notion de trou dans une partie finie de M 1 (c.-à-d. de N) qui est claire par elle même, puisque l ordre est total. Ou bien A n est vide pour tout n et la suite est stationnaire. Ou bien il existe un premier entier n 1 pour lequel A n1 est non vide. Pour n n 1 les deux suites d entiers naturels n Fri(A n ) et n n + d deg(a n ) sont des suites décroissantes donc stationnaires à partir d un certain rang n 2 n 1. Si δ est la largeur du plus grand trou dans A n2, la suite n (n, A n ) est surement stationnaire à partir du rang n 2 + δ. Passage de r 1 à r (r 2). Soit n (n, A n ) une suite croissante dans M r,d. Ou bien A n est vide pour tout n et la suite est stationnaire. Ou bien il existe un premier entier n 1 pour lequel A n1 est non vide. Pour n n 1 la suite d entiers naturels n n+d deg(a n ) est décroissante donc stationnaire à partir d un rang n 2 n 1. Soit x a avec a = (a 1,..., a r ) un monome de plus haut degré dans A n2 et B = {x a }. Pour n n 2 on a A n = B [n n2] (H b,j A n ) b,j où les H b,j (avec j {1,..., r}) forment une famille finie d hyperplans affines dans M r,d. Précisément chaque H b,j est formé des monomes x α où α j = b avec b l un des entiers < a j. Chaque suite n (n, H b,j A n ) peut alors être vue comme une suite croissante dans M r 1,d. Par hypothèse de récurrence, toutes ces suites stationnent (dans leurs espaces respectifs) à partir d un rang n 3 n 2. Posons B n := B [n n2] (d où B [1] n = B n+1 ) et C n,b,j := H b,j A n. Il n est pas difficile de voir que pour n n 2 on a A n [1] = B n [1] b,j C n,b,j [1] r 1 [1] (on a mis un indice r 1 à l exposant [1] pour indiquer que chaque C r 1 n,b,j est considéré dans son espace M r 1,d ). En effet il n est pas possible qu un (C n,b,j ) [1] considéré dans M r,d avec b = a j 1 contienne un élément qui soit au dessus de B n+1. Ceci achève la preuve. Preuve non constructive du théorème 2 D après le lemme précédent la suite n (n, Exp(n)) est stationnaire dans M r,d et les suites n (n, M j,n ) sont stationnaires dans M r,0, tout ceci à partir d un rang n 0. On a donc pour m n n 0, SMIC(n, m) = SMIC(n 0, m) et SMAC(n, m) = SMAC(n 0, m). Alors, vu le fait 3 les fonctions m SMIC(n 0, m) et m SMIC(n 0, m) (pour m n 0 ) sont égales. 6 Pour une implantation de l algorithme Pour une bonne gestion des triangulations des matrices G n successives Une première affaire importante dans l implantation de l algorithme est la bonne gestion des triangulations des matrices G n successives. Sur ce point, nous ne pouvons que renvoyer au savoir faire des experts des matrices creuses structurées (voir par exemple le livre [2] pour les matrices Toeplitz par blocs et les articles [5], [6] et [13] pour les matrices quasi-toeplitz).

12 12 6 POUR UNE IMPLANTATION DE L ALGORITHME Quelques exemples pour y voir plus clair de l algorithme est le test m n SMIC(n, m) = SMAC(n, m)? La partie la plus délicate dans l implantation qui doit être effectué dans le cas où il reste exactement un seul des M j,n vide et où SMIC(n, n + 1) = SMAC(n, n + 1) (qui sont faciles à tester). À vrai dire, il semble très improbable que les deux premières questions aient reçu une réponse positive et que le test d égalité des fonctions SMIC et SMAC reçoive une réponse négative. Dans la mesure où le test n a pas à être effectué bien souvent, on pourrait donc se contenter, en appliquant le lemme 1, d une procédure naïve qui serait de compter chacun des B [m] jusqu à m = ppcm(b) val(b). Mais cette procédure naïve semble inutilement coûteuse. Nous proposerons dans le paragraphe suivant les esquisses de deux autres procédures après avoir examiné deux nouveaux exemples. Intuitivement, et en suivant la preuve du lemme 1, on peut penser que la fonction de croissance de A [n] est égale à son polynome de croissance dès que A [n] a rempli les trous qui doivent l être entre la frontière inférieure et le ppcm des monomes dans A. Ceci est confirmé sur les deux exemples suivants, où la même procédure de comptage qu à l exemple 1 peut être mise en place. Exemple 2 Avec la partie B suivante, val(b) = 3, ppcm(b) = x 6 1 x5 2, deg(ppcm(b)) = 11, deg(b) = 8, et la fonction de croissance de B [n] devient égale à son polynome de croissance, à l étape 6, exactement au moment prévu par le lemme On obtient H B (n) = (n 1)(n 2) 2 + 5n + 4n + 8 = n(n 1) 2 + 8n + 9 avec la procédure de comptage suivante (le ppcm est en O).

13 x x x x x x x x x x. o x x x x x o o x x x x x o o o x x x x x O o o o Exemple 3 Avec la partie C suivante, val(c) = 3, ppcm(c) = x 7 1 x7 2, deg(ppcm(c)) = 14, deg(c) = 10, et la fonction de croissance de C [n] devient égale à son polynome de croissance, à l étape 4, bien avant le moment prévu par le lemme On obtient H C (n) = (n+1)(n+2) 2 +6n+2n+11 = n(n 1) 2 +10n+12 avec la procédure de comptage suivante, (le ppcm est en O).

14 14 6 POUR UNE IMPLANTATION DE L ALGORITHME 11.. x x x x x x x x x x x x x x x x O x x x x x x o o x x x x x x o o o x x x x x x o o o o.. 3. x x x x x x o o o o o Enfin le lecteur ou la lectrice n aura pas de mal à fournir un exemple où la procédure de comptage donnée dans ces dessins peut être mise en place avant que A [n] contienne le ppcm de A. Des suggestions pour déterminer algorithmiquement les fonctions de croissance qui nous intéressent Notre première suggestion est d essayer de décrire le plus économiquement possible, ou du moins, de manière relativement économique, une partie A sous forme d une réunion de parties X [m i] où les X i sont des singletons : A = i I X [m i] i Le nombre d éléments de A [m] qui est la réunion des X [m+m i] i est alors calculé selon la procédure donnée dans la preuve du lemme 1 (avec les petites modifications évidentes nécessaires). Si on a obtenu une écriture économique pour A et si on passe à une partie A contenant A [1] (ce qui est le cas lors de l exécution de l algorithme SMIC SMAC) on commence par remarquer que si A est la réunion disjointe de A [1] et de C alors A = i I X [m i+1] i X singleton C Ensuite, il faut examiner si une procédure de simplification de l écriture ci-dessus peut être mise en oeuvre, sinon à chaque étape, du moins de manière suffisamment fréquente pour éviter l explosion combinatoire redoutée. Une deuxième proposition est d utiliser une procédure de comptage analogue à celle que nous avons montrée sur nos dessins en 2 variables. Une telle procédure consiste à découper intelligemment l espace M r en une réunion disjointe de sous espace affines H u de différentes dimensions de manière que les intersections H u A [m] aient rapidement un comportement facile à décrire. Par exemple chacune de ces intersections pourrait être un ensemble du type ensemble des monomes multiples d un monome donné et de degré inférieur à max(0, m + m 0 ) (où m 0 Z) à l intérieur du sous espace affine H u. On peut sans doute procèder de manière récursive par rapport à la dimension de ces sous espaces. Tout d abord, on cherche un monome x α de profondeur maximum dans A, c.-à-d. un monome de degré le plus petit possible parmi ceux pour lesquels l ensemble X i

15 15 {x β : α β et β deg(a)} est contenu dans A. Le premier sous espace affine H u est alors H 1 := {x β : α β}. On considère ensuite les sous espaces affines de dimension r 1 convenables H b,j, et on définit H b,j := H b,j {x β : k < j β k α k } = {x β : β j = α j, k < j β k α k } de sorte que le complémentaire de H 1 est considéré comme la réunion disjointe des sous espaces affines H b,j. On dit alors que la situation est convexe si on a : j b < α j ( Hb,j A b [b, α j [ H b,j A ) Ceci nécessite peut-être d attendre un A [m] convenable. Une fois un tel m atteint, on traite chaque H b,j A [m] non vide en commençant par chercher dans H b,j un monome de profondeur maximum par rapport à H b,j A [m], c.-à-d. un monome de degré le plus petit possible dans H b,j parmi ceux pour lesquels l ensemble H b,j {x β : α β et β deg(a [m] H b,j )} est non vide et contenu dans A [m] H b,j. Et ainsi de suite. 7 Une preuve de terminaison constructive Nous commençons par une notation. Notation 9 Si A est une partie finie de M r et k un entier > 0 on note A [ k] l ensemble des monomes x α tels que {x α } [k] A. La partie A [ k] est donc la plus grande partie B telle que B [k] A. On a les inclusions A [ k][k] A A [k][ k], A [ k][ l] = A [ k l] (l > 0, k 0) de sorte que A B A [ k] B [ k] A [ k] = A [ k][k][ k] et A [k] = A [k][ k][k] Cette section est divisée en trois sous-sections. Dans la première, nous discutons la notion de trou dans une partie finie A de M r. Cette discussion nous sert à introduire la deuxième soussection dans laquelle nous donnons les définitions nécessaires pour notre preuve constructive de terminaison. Qu est-ce qu un trou, et qu est-ce qu une partie sans trou? Dans l exemple 1, en posant C = A [4][ 4], on obtient C [4] = A [4] avec la fonction de croissance de C égale au polynome de croissance de A. Dans le dessin ci-dessous, nous avons indiqué A avec des 0 et C \ A avec des croix.

16 16 7 UNE PREUVE DE TERMINAISON CONSTRUCTIVE Sur cet exemple, il semble raisonnable de considérer que les trous de A sont les éléments de C \ A. On voit que la fonction de croissance de A minore son polynome de croissance. Mais ce phénomène est loin d être général. Exemple 4 Avec la partie D ci-dessous par exemple on obtient H D (n) = n(n 1) 2 + 6n 1 de sorte que H D (1) = 5 et H D (0) = 1, donc H D (0) = F D (0) 3 et H D (1) = F D (1) La fonction de croissance de D majore son polynome de croissance. On pourrait peut-être désigner des antitrous o de D dans M 2 comme suit, dans la mesure où, si on affectait les antitrous d un poids égal à 1 tant qu ils n ont pas été remplis, on trouverait la fonction de croissance égale au polynome de croissance o o o

17 17 Exemple 5 Plus inquiétant, on peut trouver une partie E combinant un trou en positif et un antitrou, si bien que son polynome de croissance coïncide avec la fonction de croissance mais qu il ne serait pas raisonnable d affirmer que E est sans trou. Avec l exemple ci-dessous, on obtient pour tout n F E (n) = H E (n) = n(n 1) 2 + 9n + 9 comme on peut le voir en considérant A [2] On peut désigner un trou x et peut-être un antitrou o o. 0 x Néanmoins, il semble difficile de donner une définition satisfaisante des trous et des antitrous dans le cas général. Trois définitions utiles Dans cette sous-section, nous essayons de rendre en partie compte des intuitions données précédemment en deux variables. Plutot que définir précisément les trous et les antitrous, nous proposons des définitions correspondant à l absence de trou et d antitrou. Ces définitions sont surtout adaptées pour faire fonctionner notre preuve constructive de terminaison. Dans la définition 10 l absence de trou ne controle intuitivement que les trous en positif. Définition 10 Une partie finie A de M r est dite sans trou si pour tous entiers k 0 et l > 0 on a A [k] = A [k+l][ l]. De la définition résulte que si A est sans trou, il en va de même pour tous les A [k] (k 0). En outre on a immédiatement le fait suivant. Fait 4 Supposons A sans trou, A [k] B et A [k+l] = B [l]. Alors A [k] = B. Dit sous une autre forme : si A est sans trou, A [k] B et A [k] B alors pour tout entier l > 0, A [k+l] B [l] et F A (k + l) < F B (l).

18 18 7 UNE PREUVE DE TERMINAISON CONSTRUCTIVE En effet (pour le premier cas) on a B B [l][ l] = A [k+l][ l] = A [k]. Nous donnons maintenant une définition d en ensemble stable, correspondant à l intuition d un ensemble sans trou ni antitrou. Définition 11 Une partie finie A de M r est dite stable si elle est sans trou et si sa fonction de croissance coïncide avec son polynome de croissance. De la définition résulte immédiatement que si A est stable, il en va de même pour tous les A [k] (k 0). Il semble probable, mais nous n avons pas réussi à le démontrer, que pour toute partie A, la partie A [c A] est stable, où c A est l entier deg(ppcm(a)) val(a) r donné dans le lemme 1. Définition 12 Une suite k (n k, A k ) à valeurs dans M r,δ est dite croissante si pour tout k < l on a n k < n l et A [n l n k ] k A l. On dit que la suite pause entre k et l > k si d une part A k est stable, et d autre part A [n l n k ] k = A l. En appliquant le fait 4 on voit que la suite pause entre k et l si et seulement si elle pause entre k et k + 1, k + 1 et k + 2,..., l 1 et l. Notez à ce sujet qu il est important que A k soit sans trou. Il est clair, avec les notations des sections précédentes que toute suite extraite de la suite n (n, Exp(n)) est croissante dans M r,d et que tout suite extraite d une suite n (n, M j,n ) est croissante dans M r,0. Lemme à la Dickson, constructif, et preuve de terminaison On établit maintenant le Lemme 4 (Lemme à la Dickson, constructif) Pour tous entiers r 1 et d 0, toute suite croissante k (n k, A k ) dans M r,d pause entre deux indices successifs. Preuve La preuve se fait par récurence sur l entier r. Pour r = 1. Ici, une partie de M 1 est stable si et seulement si l ensemble des degrés est un intervalle de N. On considère une suite croissante k (n k, A k ) dans M 1,d. Si A 0 = A 1 est vide, la suite pause entre 0 et 1. Sinon, par exemple A 0 est non vide. Posons f k := (n k + d) deg(a k ) + deg(fri(a k )). La suite k f k est décroissante dans N. Soit δ k la largeur du plus grand trou dans A k. Si δ k = 0 et f k+1 < f k alors le plus grand trou dans A k+1 (s il y en a un) se trouve tout au début ou tout à la fin et sa largeur est inférieure ou égale à f k f k+1 1 donc f k+1 +δ k+1 < f k = f k +δ k. Si δ k > 0 et f k+1 = f k alors δ k+1 = δ k 1 et f k+1 + δ k+1 < f k + δ k. Si δ k > 0 et f k+1 < f k alors le plus grand trou dans A k+1 est ou bien de largeur δ k 1 (s il est à l intérieur de A k ) ou bien de largeur inférieure ou égale à f k f k+1 1 (s il est à une des extrémités). Dans le premier cas f k+1 + δ k+1 < f k + δ k+1 < f k + δ k. dans le deuxième cas f k+1 + δ k+1 < f k < f k + δ k. Dans ces trois premiers cas, on a donc f k+1 + δ k+1 < f k + δ k. Enfin la suite pause entre k et k + 1 si et seulement si δ k = 0 et f k+1 = f k. Ceci se produit au maximum après f 0 + δ 0 < n 0 + d étapes. Passage de r 1 à r (r 2). Remarquons d abord que puisque toute suite croissante pause dans dans M r 1,d (au sens de la définition 12) alors toute liste finie de suites croissantes pausent simultanément dans M r 1,d.

19 19 Il suffit en effet de le voir pour deux suites k (n k, A k ) et k (m k, B k ). Si k i est la i ème valeur pour laquelle k (n k, A k ) pause entre k i et k i+1, on considère la suite i (m ki, B ki ), qui pause par exemple t et t + 1. Alors on voit facilement que k (n k, A k ) et k (m k, B k ) pausent simultanément entre k t et k t + 1. On considère maintenant une suite croissante k (n k, A k ) dans M r,d. Si A 0 = A 1 est vide, la suite pause entre 0 et 1. Sinon, par exemple A 0 est non vide. Posons f k := (n k +d) deg(a k ). La suite k f k est décroissante dans N. On note k 0 = 0, puis k 1,..., k u,... les indices successifs pour lesquels f ku < f ku 1. La suite u k u est une suite qui ne peut avoir plus que f 0 termes, et ces termes sont découverts au cours du déroulement de la suite k (n k, A k ). Pour une valeur de u fixée, on considère un monome x a(u) avec a(u) = (a 1 (u),..., a r (u)), de plus haut degré dans A ku. On note B(u) = {x a(u) }. Pour k k u on écrit A k = B(u) [n k n ku ] b,j (H b,j A k ) où les H b,j (avec j {1,..., r}) forment une famille finie d hyperplans affines dans M r,d. Précisément chaque H b,j est formé des monomes x α où α j = b avec b l un des entiers < a j (u). Si nous posons pour k k u B u,k := B(u) [n k n ku ] et C u,k,b,j := H b,j A k la suite k (n k, B u,k ) est stationnaire dans M r,d et les suites k (n k, C u,k,b,j ) sont des suites croissantes dans M r 1,d. Par hypothèse de récurrence, ces dernières suites pausent simultanément entre h u et h u + 1 pour un certain h u k u. Si f hu+1 = f ku alors en posant l = h u on a A l [n l+1 n l ] = B u,l [n l+1 n l ] b,j C u,l,b,j [n l+1 n l ] r 1 [n (on a mis un indice r 1 à l exposant [n l+1 n l ] pour indiquer que chaque C l+1 n l ] r 1 u,l,b,j est [n considéré dans son espace M r 1,d ). En effet il n est pas possible qu un C l+1 n l ] u,l,b,j considéré dans l espace entier M r,d avec b = a j (u) 1 contienne un élément qui soit au dessus de [n B l+1 n l ] u,l. En conséquence, la suite k (n k, A k ) pause entre l et l + 1. On définit alors h v = h u pour tout v > u. Si f hu+1 < f ku alors k u+1 est défini et se trouve entre k u et h u + 1. Dans ce cas, on recommence avec u + 1 et on obtient h u+1. Ainsi, la suite u h u est une suite infinie bien définie, croissante au sens large. Comme elle ne peut pas être strictement croissante pendant plus que f 0 termes, elle pause certainement. Ceci achève la preuve. Fait 5 Supposons que Exp(n) soit stable avec Exp(n + r) = Exp(n) [r] et que pour j = 1,..., s, M j,n soit stable avec M j,n+r = M [r] j,n. Alors m n SMIC(n, m) = SMAC(n, m). Preuve En effet, pour h = 1,..., r on a alors Exp(n + h) = Exp(n) [h] et (pour j = 1,..., s) M j,n+h = M [h] j,n. D après les faits 3 (page 9) et 4 (page 17), cela donne de proche en proche SMIC(n, n + h) = SMAC(n, n + h) et les deux polynomes de degré r sont donc égaux. Preuve constructive du théorème 2 D après le lemme 4 la suite n (nr, Exp(nr)) et les suites n (nr, M j,nr ) pausent simultanément dans M r,d. On conclut en appliquant le fait 5. On notera que cette preuve du théorème 2 fournit une nouvelle preuve constructive de l existence d une base de Gröbner pour un idéal de type fini dans k[x 1,..., x r ] et donc aussi du Hilbert basis theorem (voir [14], [15], [12], [11]).

20 20 7 UNE PREUVE DE TERMINAISON CONSTRUCTIVE Conclusion Dans cette section nous donnons d abord quelques arguments pour étayer l idée que notre algorithme pourrait être plus performant que l agorithme de Buchberger. Ensuite nous indiquons des axes de recherche future. L algorithme SMIC SMAC est une généralisation décisive de l algorithme exposé en deux variables dans la thèse de 3ème cycle [9] de A. Kanber : Algorithme de calcul d une base de Gröbner d un Idéal de K[X, Y ] par Triangulation de Matrices de Sylvester, soutenue sous la direction de l auteur et de S. Labhalla. Ce dernier algorithme était lui-même une généralisation décisive de l algorithme [10] de réduction de Hermite d une matrice à coefficients polynomiaux. Dans la mise au point précise de l algorithme en deux variables, lequel n était pas réfléchi directement en termes SMIC SMAC, A. Kanber a utilisé une définition très subtile d une frontière supérieure de Exp(n) dont nous ne savons pas si elle peut être généralisée en plus que deux variables, et qui simplifie le test d arrêt, d ailleurs légèrement différent de celui de l algorithme SMIC SMAC. Une première implantation rudimentaire semble indiquer une économie substantielle de l espace mémoire utilisé en comparaison avec l algorithme de Buchberger. L algorithme SMIC SMAC et les algorithmes qui l ont précédé ont été en bonne partie motivés par la comparaison entre l algorithme d Euclide et l agorithme des sous-résultants. Dans l algorithme des sous-résultants, on évite de calculer des restes de restes... de restes, et cela permet de mieux controler la taille des coefficients lorsque les entrées sont dans Z par exemple. L expérimentation faite par G. Villard au sujet de l algorithme Hermipol donné en [10] a montré une économie spectaculaire d espace mémoire en comparaison de l agorithme naïf. Notre espoir est qu une éconmie de même type soit réalisée dans notre algorithme en comparaison de l algorithme de Buchberger. Il semble possible qu une économie soit également réalisée en ce qui concerne les degrés des polynomes manipulés. En revanche, il est possible que notre algorithme soit conduit à créer un beaucoup plus grand nombre de polynomes que ne le fait l algorithme de Buchberger. De nombreuses variantes et extensions de l algorithme SMIC SMAC peuvent être envisagées. Primo il serait intéressant d examiner en détail le cas homogène. Secundo, il faudrait donner une généralisation de l algorithme pour calculer d autres types de bases de Gröbner par exemple pour les modules. Tertio, il faudrait étudier les rapports étroits qui semblent exister entre le SMAC et le module des relations entre les générateurs de départ. Nous terminons sur une question que nous laissons ouverte et qui nous intrigue au plus haut point. La fonction m e m = dim(e m ) est égale à partir d un certain rang n 0 au polynome H(m) = SMIC(, m) = SMAC(, m) qui est par définition la valeur des fonctions m SMIC(n, m) et m SMAC(n, m) pour n et m assez grand. Notons que la fonction SMIC dépend a priori l ordre admissible considéré. Par contre la fonction SMAC et la fonction m e m = dim(e m ), donc a fortiori la fonction H(m) = SMIC(, m) = SMAC(, m) sont tout à fait indépendantes de l ordre admissible. N est-on pas pourtant assuré (cela semble intuitivement extrêmement plausible) que, aux environs de l étape n 0 (entre l étape n 0 /r et l étape rn 0 par exemple) l ensemble G calculé par l algorithme SMIC SMAC est en fait une base de Gröbner de l idéal considéré? Un tel résultat malgré sa plausibilité semblerait impliquer un écart relativement faible entre les degrés de différentes bases de Gröbner minimales pour différents ordres admissibles, en contradition avec les idées couramment admises en la matière.

Une forme générale de la conjecture abc

Une forme générale de la conjecture abc Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante

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

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

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

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en 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

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

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

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

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

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en 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

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

2 Division dans l anneau des polynômes à plusieurs variables

2 Division dans l anneau des polynômes à plusieurs variables MA 2 2011-2012 M2 Algèbre formelle 1 Introduction 1.1 Référence Ideals, varieties and algorithms, D. Cox, J. Little, D. O Shea, Undergraduate texts in Mathematics, Springer 1997. Using algebraic geometry,

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

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4

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

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

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

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

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

Cours 02 : Problème général de la programmation linéaire

Cours 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 détail

PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?

PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? Pierre Baumann, Michel Émery Résumé : Comment une propriété évidente visuellement en dimensions deux et trois s étend-elle aux autres dimensions? Voici une

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

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

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

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

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Chapitre VI - Méthodes de factorisation

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

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. 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 détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

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

Fibonacci et les paquerettes

Fibonacci et les paquerettes Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Chapitre 7. Récurrences

Chapitre 7. Récurrences Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,

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

Raisonnement par récurrence Suites numériques

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

Plus en détail

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

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

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

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet 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 détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

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

Date : 18.11.2013 Tangram en carré page

Date : 18.11.2013 Tangram en carré page Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches

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

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

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

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

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

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

Nombres premiers. Comment reconnaître un nombre premier? Mais...

Nombres premiers. Comment reconnaître un nombre premier? Mais... Introduction Nombres premiers Nombres premiers Rutger Noot IRMA Université de Strasbourg et CNRS Le 19 janvier 2011 IREM Strasbourg Definition Un nombre premier est un entier naturel p > 1 ayant exactement

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

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

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

Équations d amorçage d intégrales premières formelles

Équations d amorçage d intégrales premières formelles Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>

# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun> 94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue

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

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

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

Architecture des Systèmes d Information Architecture des Systèmes d Information

Architecture des Systèmes d Information Architecture des Systèmes d Information Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau

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

La persistance des nombres

La persistance des nombres regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...

Plus en détail

La fonction exponentielle

La 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 détail

Optimisation Discrète

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

Plus en détail

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

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

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

Logique. Plan du chapitre

Logique. Plan du chapitre Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels

Plus en détail

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

Plus en détail

Corps des nombres complexes, J Paul Tsasa

Corps des nombres complexes, J Paul Tsasa Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Fonctions de plusieurs variables, 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

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

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Suites numériques 4. 1 Autres recettes pour calculer les limites

Suites numériques 4. 1 Autres recettes pour calculer les limites Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est

Plus en détail

Fonction inverse Fonctions homographiques

Fonction inverse Fonctions homographiques Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit 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 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

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

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

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

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail