ESPACES VECTORIELS APPLICATIONS LINEAIRES

Dimension: px
Commencer à balayer dès la page:

Download "ESPACES VECTORIELS APPLICATIONS LINEAIRES"

Transcription

1 SPACS VCTORILS APPLICATIONS LINAIRS xercices Les exercices précédés de ce symbole e serot pas traités e classe (U corrigé sera mis sur le site) XRCIC : O ote M3 l espace vectoriel des matrices carrées d ordre trois à élémets réels, I la matrice idetité de M 3, O la matrice ulle de M 3 O cosidère, pour toute matrice A de M 3, les esembles A et A suivats : A M M 3 / AM M, et A M M 3 / A M AM Motrer que A est u sous-espace vectoriel de M3 puis motrer que sous-espace vectoriel de M 3 a) tablir : A A b) Motrer que, si A est iversible, alors A = A 3 a) tablir que, si A I est iversible, alors A O 0 b) U exemple : Soit B 0 0 0, détermier XRCIC : ispiré d ORAL HC 00 Soiet F et G les sous espaces vectoriels de 3,, / 0 et G x y z x y B et B 3 défiis par : 3 F x, y, z / x y z 0 H x, y, z / x y z 0 et x y 0 ) Détermier ue base aisi que la dimesio de chacu de ces sous espaces vectoriels ) Les esembles F G et F G sot-ils des espaces vectoriels? 3) Les esembles F H et F H sot-ils des espaces vectoriels? 4) Soit f l edomorphisme de 3 dot la matrice das la base caoique de 3 est A 0 Détermier le oyau et l image de l edomorphisme f 0 3 A est aussi u

2 XRCIC 3 : Soit u etier aturel supérieur ou égal à, l esemble M désige l'espace vectoriel des matrices carrées réelles d'ordre, o ote S l'esemble des matrices symétriques de M et A l'esemble des matrices atisymétriques de M Vérifier que S et A sot des sous-espaces vectoriels supplémetaires de M Détermier la dimesio de l espace vectoriel S et de l espace vectoriel A V Vect J Soiet J la matrice de M dot tous les coefficiets sot égaux à, l esemble des matrices de M de trace ulle 3 Motrer quet etv sot des sous espaces vectoriels de M dot o précisera la dimesio 4 Motrer que ST XRCIC 4 : etv sot des sous espaces vectoriels de S, supplémetaires das S Soiet u K espace vectoriel et f u edomorphisme de tel que f 4 f 3Id 0 ) Motrer que f est u automorphisme de et préciser ) Motrer que 3 Ker f Id Ker f Id XRCIC 5 : u grad classique Soiet f L, F, g LF, G Motrer queg f 0 Im f Ker g XRCIC 6 : Soiet f et g deux edomorphismes d u K espace vectoriel vérifiat ) Motrer que Ker f Ker g f et que Im g Im g f ) Motrer que Ker f et Im g sot des sous espaces supplémetaires de f ett f g Id XRCIC 7 : Soiet f et g deux edomorphismes d u K espace vectoriel vérifiat g f g g et f g f f ) Motrer que Ker g et Im f sot des sous espaces supplémetaires de ) Justifier que Im f g Im f XRCIC 8 : Soiet p et q deux projecteurs d u K espace vectoriel qui commutet ) Motrer que p qest u projecteur ) Motrer que Ker p q Ker p Ker q 3) Motrer que Im p q Im p Imq

3 XRCIC 9 : Soit l applicatio : : u u u ) Motrer que l applicatio est liéaire ) Détermier Ker 3) Motrer que l applicatio est surjective XRCIC 0 : Pour toute matrice M élémet de M (IR), o ote t M la matrice trasposée de M O pose: =, =, 3 =, 4 = O rappelle que la famille B,,, est la base caoique de 3 4 M O ote l applicatio qui à toute matrice M de M (IR) associe (M) = M + t M ) a) Motrer que est u edomorphisme de M (IR) b) Écrire la matrice A de das la base B c) déduire que est o bijectif 3) a) Motrer que Im = vect (, + 3, 4 ), puis établir que dim Im = 3 XRCIC : ) O ote B = (e, e, e 3 ) la base caoique de 3 et o cosidère l'edomorphisme f de 3 dot la matrice das la base B est : A = 0 3 a) Vérifier que l o a A 0 et calculer A b) Détermier ue base (a) de Ker f aisi qu ue base (b, c) de Im f c) Motrer que Im f = Ker f Das la suite, o cosidère u edomorphisme g de 3 3 tel que : g 0 et g 0, ce qui sigifie que g g est pas l edomorphisme ul, mais que g g g est l edomorphisme ul désigat par M la matrice de g das la base caoique B de 3 M 0, et M 0 3, o a doc : O se propose de motrer, das ce cas plus gééral, que Im g = Ker g ) a) Justifier qu il existe u vecteur u de 3 tel que g (u) 0 b) Motrer que ( u, g (u), g (u)) est ue base de 3, que l o otera B c) Doer la matrice N de g das la base B d) Détermier Im g et doer sa dimesio déduire ue base de Ker g Pour fiir, détermier Im g puis coclure

4 XRCIC : O cosidère les foctios e, e, e3, e4 défiies par : x e x x, e x x, e x xl x, e x x l x, 3 4 O ote l'espace vectoriel egedré par e, e, e 3, e 4 ) Motrer que ( e, e, e3, e 4) est ue base de ) O ote u l'applicatio qui à toute foctio f de associe la foctio g u f x, g x x f ' x a) Motrer que u est ue applicatio liéaire b) Détermier u( e ), u( e ), u( e3 ), u( e 4) c) déduire que u est u edomorphisme de 3) a) Doer la matrice A de u das la base ( e, e, e 3, e 4 ) b) Motrer que u est u automorphisme de XRCIC 3 : défiie par : Soiet u K espace vectoriel de dimesio fiie et f u edomorphisme de de rag ) Justifier qu il existe ue base e,, e, e la matrice de f das cette base ) Motrer que f tr A f 3) A quelle coditio f est-il u projecteur? XRCIC 4 : de avec e,, e élémets de Ker f Notos A O se propose de prouver que pour toute forme liéaire sur M K AM K telle que : X M K, X tr AX ) Soit AM K, justifier que l applicatio A de M K das K défiie par : A X tr AX est ue forme liéaire sur M K ) O ote l applicatio de M K das L M K, K défiie par : A A a) Justifier la liéarité de l applicatio b) Motrer que Ker O (o pourra calculer A i, j c) déduire que est u isomorphisme et coclure XRCIC 5 : O ote B e, e, e, e 3 4 la base caoique de il existe ue uique matrice ) 4, et f l edomorphisme de 4 associé à la 3 matrice K relativemet à la base B O cosidère les quatre élémets suivats de ) a Calculer 4 : v e, v f e, v e, v f e K b déduire que la matrice K est iversible et détermier l edomorphisme f? K Que peut-o déduire pour

5 ) a Motrer que la famille C v, v, v, v est ue base de 3 4 f v f v f v3 f v4 e foctio de,, 3, 4 b xprimer,,, matrice K ' associée à f relativemet à la base C c Détermier la matrice de passage P de la base B à la base C d Rappeler l'expressio de K ' e foctio de XRCIC 6 : O ote J = 0, J = 0, J 3 = J 3, J 4 ) est ue base de M Soit f l applicatio qui, à toute matrice M = désige la matrice et J 4 = 0 a b c d K P P,, 4 v v v v et e déduire la 0 0 et o rappelle que la famille (J, J, 0 de M ) Motrer que l applicatio f est u edomorphisme de M, associe f (M) = M + (a + d) I où I ) a) xprimer f (J ), f (J ), f (J 3 ), et f (J 4 ) comme combiaisos liéaires de J, J, J 3 et J 4 b) Vérifier que la matrice A de f das la base (J, J, J 3, J 4 ) est A = ) a) Motrer que (J J 4, J, J 3, I) est ue base de M b) Écrire la matrice D de f das cette base c) déduire l existece d ue matrice P iversible telle que A = P D 4) a) Détermier la matrice P b) Motrer que, pour tout de, A = P D P c) déduire explicitemet la matrice A XRCIC 7 : O cosidère l applicatio f qui à tout polyôme P X f P XP X P' P associe le polyôme ) Motrer que l applicatio f est u edomorphisme de X B, X, X de ) crire la matrice de f das la base caoique 3) Détermier Im f et doer la dimesio de Im f 4) Détermier Ker f XRCIC 8 : Soit l applicatio u qui à tout polyôme P X de P par X X ) Calculer 4 u X ) Motrer que l applicatio u est liéaire 4 X f P défii par associe le reste de la divisio euclidiee

6 3) Détermier Ker u et e doer ue base 4) Motrer que Imu X XRCIC 9 : Soit u etier aturel o ul et f l applicatio qui à tout polyôme P X associe 0 P t dt ) Motrer que l applicatio f est ue forme liéaire o ulle déduire la dimesio de Ker f ) Détermier ue base de Ker f XRCIC 0 : Soiet u etier aturel o ul et a,, a des élémets de K disticts deux à deux K X K Soit l applicatio f : P P a,, P a ) Motrer que l applicatio f est liéaire ) Motrer que l applicatio f est ijective déduire que l applicatio f est bijective 3) Soit,, XRCIC : e e la base caoique de K, détermier, pour tout etier i,, f e i Soit u etier aturel o ul Soit N la suite de foctios polyômes, dits polyômes de Newto, défiie par : N0, et X X X, N! Prouver que la famille N N N est ue base de,,, 0 x O cosidère l applicatio qui à toute foctio polyôme P X associe le polyôme P défiie par : P P X P X Motrer que est u edomorphisme de X 3 Détermier N0 puis motrer que :, N N relativemet à la base N N N 4 Doer la matrice de,,, 0 5 Détermier la dimesio de l image de, e déduire le oyau de 6 L applicatio est-elle surjective? ijective? justifier vos réposes O ote X O rappelle que id l edomorphisme idetité de 0 id X x et, pour tout j, j 7 Soiet j et des etiers aturels Détermier j j 8 tablir que pour tout polyôme P X : 0 N e distiguat j et j 0 P P N

7 XRCIC : N désige u etier aturel supérieur ou égal à Soit a u ombre réel o ul et P u élémet de N X Justifier que PaX a Pour tout réel a o ul, o ote a P ax a est u polyôme de même degré que P f l applicatio de N X das N associe le polyôme Soiet a et b des ombres réels o uls a) Détermier la composée f b f a b) Démotrer que a f est u automorphisme de c) Démotrer que, pour tout etier aturel, f f XRCIC 3 : a N X, qui, à u polyôme P X et préciser sa bijectio réciproque 0 Soit C l espace vectoriel réel des foctios cotiues sur et à valeurs das a O associe à toute foctio f de 0 x x, g x f t dt x 0 C la foctio f gdéfiie sur par : Détermier f pour : a) f x x b) f x x si x 0 0 si x 0 tudier la parité de f lorsque la foctio f est paire, respectivemet impaire 3 Moter que, pour toute foctio f de C 0, f g 4 Moter que, pour toute foctio f de C 0, f gest dérivable sur cotiuité e 0 de f goté g est-il toujours dérivable e 0? est prologeable par cotiuité e 0 Le prologemet par 5 O ote l applicatio qui à toute foctio f de C 0 associe la foctio g défiie das la questio précédete 0 Motrer que est u edomorphisme de C st-il ijectif? surjectif? XRCIC 4 : Soit v u edomorphisme de a) Démotrer que Ker v Ker v b) Détermier la dimesio de Ker v et de 3 de rag tel que v 0et tel que Ker v Ker v Ker v c) déduire que si a est u vecteur de Ker v qui est pas das Ker v, alors la famille a, v a est ue base de Ker v

8 XRCIC 5 : O ote f l edomorphisme de 3 0 A dot la matrice das la base caoique B e, e, e est 3 D autre part, o cosidère les trois élémets v, v, v 3 v e e e ; v e e ; v e de 3 défiis par : ) Calculer e, e, e 3 e foctio de v, v, v 3 ) Motrer que B' v, v, v est ue base de 3 3 O ote P la matrice de passage de la base B à la base B ; calculer PP, 3) Détermier la matrice A ' de l edomorphisme f relativemet à la base B 3 4) Calculer A', A', A' puis A pour tout etier aturel o ul XRCIC 6 : Soit espace vectoriel sur de dimesio3 O cosidère l applicatio liéaire f de das dot la matrice das ue base B v, v, v O défiit pour tout l applicatio désige l applicatio idetique de ) Démotrer que f est u automorphisme de ) Motrer que f f I 0 f par et est A= 3 f f f f I où I ; e déduire qu il existe deux suites réelles a, b telles que f a f b I O cosidère les trois élémets de défiis par : w v v ; w v v3 ; w3 v v v3 3) Démotrer que la famille B' w, w, w 3 est ue base de 4) Détermier la matrice A' de f das la base B ' déduire celle de f das cette même base 5) utilisat la questio 4) calculer a, b e foctio de ; e déduire la matrice XRCIC 7 : Das l espace vectoriel 4 mui de sa base caoique B e, e, e3, e4 vecteurs : f,,, ; f,,, ; f4,,, ; f4,,, ) Motrer que f, f, f, f est ue base de 3 4 A o cosidère les quatre 4 O otera désormais cette base C ) O cosidère l edomorphisme u de 4 défii par les relatios : u e f ; u e f ; u e f ; u e f a) Motrer que u est u automorphisme de 4 xpliciter sa matrice associée das la base caoique B Préciser l edomorphisme u b) Détermier la matrice associée à l edomorphisme réciproque de u das la base B c) Détermier la matrice associée à l edomorphisme u das la base C

9 XRCIC 8 : DHC S 999 O cosidère l'espace vectoriel ; o ote Id l'edomorphisme idetité de l'edomorphisme ul de O ote ( ij, ) la base caoique de Le but de cet exercice est de trouver les couples ( uv, ) d'edomorphismes de assertios suivates : A : u Id (il faut compredre u u Id ) A : v Id A 3 : 4 ( v Id ) A : er( u v Id ) {0} ) tude d'u exemple Vérifier que les edomorphismes u et v dot les matrices das 0 U 0, et V 0 sot solutios du problème posé et vérifiat les 4 sot respectivemet O reviet au cas gééral et o cosidère u couple ( uv, ) solutio du problème ) a) Motrer que u et v sot des automorphismes de, puis doer u et v e foctio de u, v et Id b) Pour tout etier aturel, exprimer v comme combiaiso liéaire de v et Id 3) a) tablir que : Im( v Id) er( v Id ) b) déduire, e raisoat sur les dimesios, que : Im( v Id) er( v Id ) 4) Motrer, e raisoat par l'absurde, que : dimer( u v Id ) 5) Soit ( e ) ue base de er( u v Id ) ; o pose : e u( e ) a) Motrer que ( e, e ) est ue base de b) Doer les matrices de u et v das cette base 6) Doer la coclusio de cet exercice XRCIC 9 : Soit u etier aturel o ul O dit qu ue matrice M M m est ilpotete s il existe m tel que M 0 p Le plus petit etier p tel que M 0 s appelle l idice de ilpotece de M Soit u et v deux edomorphismes de u, v u v v u O désige par uvl edomorphisme, de défii par Si A et B sot deux élémets de M, o défiit de même A, B AB BA La matrice AM état fixée, o ote A l applicatio qui à toute matrice M M A, M AM MA Pour toute matrice ii i a, tr A AM de terme gééral i, j (somme des termes diagoaux de la matrice A ) tr A par : a, o défiit la trace de A otée associe

10 Motrer que l applicatio qui, à toute matrice AM liéaire de M das Motrer que, pour toutes matrices A et B de M, o a tr AB tr BA matrices semblables ot la même trace, associe sa trace est ue applicatio 3 Motrer qu o e peut pas trouver deux matrices A et B de M telles que A B 4 O cosidère das les questios suivates X déduire que deux, I l espace vectoriel des polyômes à coefficiets réels Soit f et d les deux edomorphismes de tels que, pour tout polyôme R, o a : f R X XR X et d R X R' X où ' a) Calculer, pour tout R,d, f R Quel est l edomorphisme, R désige le polyôme dérivé de R b) Ce résultat est-il e cotradictio avec celui de la questio 3)? XRCIC 30 : NS B/L 00 d f? Soit u espace vectoriel de dimesio fiie et u u edomorphisme de différet de Id et de Id, vérifiat : u u 6Id 0 ) Motrer que u est u automorphisme d e et exprimer u e foctio de Id et de u ) Das l espace vectoriel des edomorphismes de, o cosidère le sous espace F egedré par u et Id a) Motrer que la famille Id u est libre, e déduire la dimesio de F b) Prouver que les edomorphismes de f F vérifiat f f f, différets de l edomorphisme ul et de l idetité de, sot les edomorphismes p et q défiis par : p Id u c) Calculer p qet q p, et q Id u d) tablir que la famille pq, est ue base d e F e) Détermier les coordoées de u et de u das la base pq, f) xprimer, pour tout etier aturel o ul, p e foctio de p g) tablir que, pour tout etier aturel, u peut s écrire comme combiaiso liéaire de p et q Doer les coordoées de u das la base pq,

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

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

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

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

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

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

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

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Exponentielle exercices corrigés

Exponentielle exercices corrigés Trmial S Foctio potill Ercics corrigés Fsic 996, rcic Fsic 996, rcic 3 3 Fsic 996, rcic 4 4 Fsic, rcic 6 3 5 Fsic, rcic 4 3 6 Baqu 4 4 7 Epo + air, Amériqu du Nord 5 5 8 Basiqu, N Calédoi, ov 4 7 9 Basiqus

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :... Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Les nouveaux relevés de compte

Les nouveaux relevés de compte Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),

Plus en détail

?,i- ' ^/mmmmmm. CACU ^..""'V ii\teimmies EîiiEsmmii ''?A y? K 1^ 1 - r Par le Moyede Formules Algébriques ) v-^' ET A 'AIDE DES OGARITHMES.../v:?i.'?Xi:: F, X, BURQUE, Ptr. Professeur de MatJu'matiques,

Plus en détail

Chapitre 6. Fonction réelle d une variable réelle

Chapitre 6. Fonction réelle d une variable réelle Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette

Plus en détail

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

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

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail