1 Quelques propriétés du spectre d un opérateur borné

Dimension: px
Commencer à balayer dès la page:

Download "1 Quelques propriétés du spectre d un opérateur borné"

Transcription

1 Université Paris 7, Master 1 de Mathématiques Année 008/009 Notes pour le cours de théorie spectrale 1 Quelques propriétés du spectre d un opérateur borné Nous supposons ici que E est un espace de Banach complexe et notons L(E) l espace des opérateurs linéaires bornées de E dans E Rappelons d abord le résultat suivant : Lemme 11 Soit T L(E), alors, l ensemble C \ B(0, T ) := {λ C λ > T } est contenu dans l ensemble résolvant ρ(t) et, plus précisément, on a λ C \ B(0, T ), R λ (T) = λ n 1 T n (1) Démonstration Ce résultat a déjà été montré lorsque nous avons prouvé que le spectre d un opérateur borné est non vide Il s agit essentiellement de montrer que la série définie par (1) est convergente si λ > T et que la somme de cette série est l inverse de λ T Un corollaire du lemme 11 est que le spectre d un opérateur borné est borné et même, plus précisément, Sp(T) B(0, T ) () Donc, puisque nous avons déjà vu que le spectre est fermé, nous concluons que Sp(T) est un compact de C 11 Le rayon spectral Définition 11 (rayon spectral) Pour tout opérateur borné T L(E), on définit le rayon spectral de T comme étant la quantité : r(t) := sup λ Sp(T) λ Remarquons que, d après les résultats précédents, on a toujours Théorème 11 Soit E un espace de Banach complexe et T L(E) Alors (i) lim n T n 1/n existe et est égale à r(t); n=0 r(t) T (3) (ii) si E = H est un espace de Hilbert complexe et si A L(H) est auto-adjoint, alors r(a) = A Démonstration (i) Nous commençons par montrer (i) et, pour cela, par établir que lim n T n 1/n existe Nous partons de la relation T n+m = T n T m, valable n, m N, et qui entraîne : T n+m T n T m Donc, en posant := log T n, nous en déduisons l inégalité +m + a m 1

2 a (sous-additivité) Nous allons en déduire que lim nn n existe et est égal à β := inf m N am m (ce qui est équivalent à l existence de la limite de T n 1/n ) Supposons dans un premier temps que β est dans R (ie la suite am m est minorée) Alors ε > 0, m N, β a m m < β + ε Fixons ε et donc m N tel que l inégalité précédente ait lieu Pour tout n > m, nous écrivons la division euclidienne de n par m : q N, r N tel que 0 r m 1 et n = qm + r Alors n = a qm+r qm + r qa m + a r qm + r qa m qm + a r n = a m m + a r n < β + ε + a r n a Soit C := sup 0 r m 1 a r < + Alors (toujours parce que ε et C sont fixés), limsup r n n = 0 Donc lim lim n C n sup n n β + ε a Comme ε est arbitraire, on a en fait limsup nn n β Or β = inf m N a m m a m lim inf m m lim sup n n β, ce qui entraîne que toutes ces quantités sont égales et donc que an n converge vers β Dans le cas où la suite am m n est pas minorée, c est à dire si β =, on a alors : A > 0, m N, a m m < A et, en refaisant le même raisonnement que précédemment, on obtient que, n > m, n A + a r n, où 0 r m 1 et puis que limsup n n A Comme A est arbitraire, cela implique que lim n n = = β Dans tous les cas, on a montré que lim T n 1/n = e β (avec e = 0) n A présent, montrons que cette limite coïncide avec r(t) Pour celous montrons e β r(t) et e β r(t) Commennçons par la première inégalité (la plus difficile) a) Preuve de e β r(t) L idée est de partir de l information que Sp(T) B(0, r(t)) qui, par passage au complémentaire, donne C \ B(0, r(t)) ρ(t), c est à dire le fait que la résolvante R λ (T) est définie sur C\B(0, r(t)) On fait intervenir alors le développement en série au voisinage de l infini de R λ (T) : à cause de ce qui précède, son rayon de convergence est supérieur ou égal à 1/r(T) En calculant deux expressions différentes de R λ (T), on obtient l inégalité souhaitée Voici les détails : considérons l application B(0, 1/r(T)) L(E) z R 1/z (T), où l on convient que 0 R (T) = 0 Cette application est holomorphe sur B(0, 1/r(T)) et nous allons lui appliquer la formule de Cauchy sur ce domaine Soit 0 < s < 1 r(t), alors si z B(0, s), 1 R 1/v (T)dv 1 R 1/v (T) dv R 1/z (T) = = πi B(0,s) v z πi B(0,s) v 1 z v 1 R 1/v (T) z n = πi v v n dv = z n, B(0,s) n=0 n=0

3 où On en déduit en particulier que := 1 πi B(0,s) R 1/v (T) v n+1 dv C, où C := sup R sn 1/z (T) z B(0,s) D autre part, sur B(0, 1/ T ), l application R 1/z (T) est égale à la somme de la série donnée par (1) : R 1/z (T) = On en déduit que a 0 = 0 et +1 = T n et donc, que C Comme lim 1/n n = 1 s (n+1)/n s, on obtient : z n+1 T n n=0 T n 1/n = +1 1/n C1/n s (n+1)/n e β = lim n T n 1/n 1 s Et comme cette inégalité est valable pour tout s tel que 1/s > r(t), cel est possible que si e β r(t) b) Preuve de e β r(t) Si λ C satisfait λ > e β = lim n T n 1/n, alors lim n λ n 1 T n 1/n < 1 et donc, par le critère de Cauchy, la série n=0 λ n 1 T n converge On vérifie facilement que sa somme est l inverse de λ T, ce qui implique que λ ρ(t) Ainsi on a montré que : λ C, λ > e β = λ > r(t), ce qui n est possible que si e β r(t) Cela termine la preuve de (i) (ii) Nous supposons à présent que E = H est un espace de Hilbert et que T = A H est auto-adjoint Nous allons utiliser la propriété A = sup Ax, x, (4) valable pour tout opérateur auto-adjoint A Nous montrerons (4) au lemme 1 plus loin En effet (4) entraîne que : A = A A = sup A Ax, x = sup Ax, Ax = sup Ax = A Comme n importe quelle puissance entière de A est encore auto-adjoint (vérifiez vous-même!), on peut étendre ce résultat à A 4 : et par récurrence : Donc, en utilisant le résultat (i) : A 4 = (A ) = A = ( A ) = A 4 n N, A n = A n r(a) = lim n An 1/n = lim n An n = A 3

4 Lemme 1 Soit H un espace de Hilbert et A H un opérateur auto-adjoint Alors l identité (4) est satisfaite, ie A = sup Ax, x Démonstration Notons provisoirement [A] := sup Ax, x Premièrement l inégalité [A] A est une conséquence immédiate de l inégalité de Cauchy Schwarz Ax, x Ax x Nous allons maintenant prouver l inégalité inverse [A] A, ce qui complétera la preuve Nous allons pour cela commencer par établir l identité Soit x, y H, en substituant x, y H, 4Re x, Ay = x + y, A(x + y) x y, A(x y) (5) dans x, Ay, on obtient : x = x + y + x y et Ay = A(x + y) A(x y) 4 x, Ay = x + y, A(x + y) + x y, A(x + y) x + y, A(x y) x y, A(x y) = R + I, où et On remarque que R := x + y, A(x + y) x y, A(x y) I := x y, A(x + y) x + y, A(x y) Donc on peut écrire x + y, A(x y) = A(x y), x + y = A (x y), x + y = x y, A(x + y) I = x y, A(x + y) x y, A(x + y) En particulier on voit que R est réel et I est imaginaire Ainsi 4Re x, Ay = R = x + y, A(x + y) x y, A(x y), ce qui nous donne (5) A présent nous exploitons cette identité (et nous utilisons la définition de [A] et l identité du quadrilatère) : Cela entraîne 4Re x, Ay [A] x + y + [A] x y = [A]( x + y ) sup 4Re x, Ay sup [A]( x + y ) = 4[A] x, y 1 x, y 1 Or, d après le théorème de Riesz, A = sup x, y 1 Re x, Ay On en déduit donc que A [A] 1 Le spectre de l adjoint d un opérateur Commençons par énoncer un résultat général, dont nous ne démontrerons qu un corollaire Théorème 1 (théorème de Phillips) Soit E un espace de Banach complexe, T L(E) et T L(E ) l adjoint de T, alors Sp(T ) = Sp(T) et λ ρ(t), R λ (T ) = R λ (T) 4

5 Ce résultat a comme conséquence immédiate, dans le cas particulier où E = H est un espace de Hilbert complexe : Proposition 11 Soit H un espace de Hilbert complexe, T L(H) et T L(H) l adjoint hilbertien de T Alors Sp(T ) = Sp(T) := {λ λ Sp(T)} et λ ρ(t), R λ (T ) = R λ (T) Démonstration (directe) de la proposition Observons d abord que, S, T L(H), (simple) et donc que, si T est inversible, alors (TS) = S T (T 1 ) T = ( T(T 1 ) ) = Id = Id T (T 1 ) = ( (T 1 )T ) = Id = Id, ce qui signifie que T est aussi inversible et (T ) 1 = (T 1 ) Comme T T est une involution, la réciproque est immédiate, autrement dit : T est inversible ssi T est inversible Donc λ ρ(t) (λ T) est inversible (λ T ) est inversible λ ρ(t ) Et alors ( (λ T) 1) = (λ T ) 1 Une autre propriété nous sera utile par la suite : Proposition 1 Soit E un espace de Banach complexe et T L(E) Alors (i) Si λ Sp p (T), alors Im(λ T ) n est pas dense dans E ; (ii) Si λ C est tel que Im(λ T) n est pas dense dans E, alors λ Sp p (T ); (iii) Corollaire : si E est réflexif, ie si (E ) = E, alors λ Sp p (T) ssi Im(λ T ) n est pas dense dans E Pour démontrer la proposition 1, nous utiliserons le résultat suivant (très utile), que nous montrerons à la fin de ce paragraphe : Lemme 13 Soit E un espace vectoriel complexe normé et F E un sous-espace vectoriel complexe Alors F E ssi il existe une forme linéaire Φ E non nulle telle que F KerΦ Démonstration de la proposition 1 Preuve de (i) : soit λ Sp p (T), alors x 0 E non nul tel que (λ T)(x 0 ) = 0 Cela entraîne en particulier que : α E, [(λ T )(α)](x 0 ) = α ((λ T)(x 0 )) = α(0) = 0, ie (λ T )(α) x 0 := {β E β(x 0 ) = 0} Ainsi Im(λ T ) x 0 Cela implique bien évidemment que Im(λ T ) ne peut pas être dense dans E, puisque x 0 est fermé et est différent de E Preuve de (ii) : soit λ C tel que Im(λ T) n est pas dense dans E D après le lemme 13, il existe α E non nulle telle que Im(λ T) Kerα Donc, x E, α [(λ T)(x)] = 0 x E, [(λ T )(α)] (x) = 0 (λ T )(α) = 0 α Ker(λ T ) Donc λ Sp p (T ) Preuve de (iii) : le fait que «λ Sp p (T) implique Im(λ T ) n est pas dense dans E» a été montré au (i), la réciproque s obtient en appliquant le (ii) à T et en utilisant le fait que T = T 5

6 Démonstration du lemme 13 Soit E un espace normé complexe et F E un sous-espace vectoriel Dans un sens, s il existe une forme linéaire non nulle Φ E telle que F KerΦ, on a immédiatement F KerΦ (car, Φ étant continue, KerΦ est fermé) et donc F E La réciproque est un peu plus délicate Supposons que F E : alors il existe un vecteur v E \F (noter que v est nécessairement non nul) Nous considérons dans la suite E comme un sous-espace vectoriel réel et F comme un sous-espace vectoriel réel de E Notons alors G := F Rv Riv Soit (x désignant un vecteur de E) f : G R x + λv + µiv λ et g : G R x + λv + µiv µ Dans la suite, nous aurons besoin de distinguer E R, qui sera l espace des forme R-linéaires de E vers R, et E C, qui sera l espace des forme C-linéaires de E vers C Nous utilisons le théorème de Hahn Banach pour étendre f et g en des formes R-linéaires continues sur tout E : f, g E R telles que f G = f et g G = g et f E R = f G R = 1 et g E R = g G R = 1 Soit ϕ := f + ig : G C Noter que ϕ est C-linéaire, au sens où : x + λv + µiv G, ϕ(x + λv + µiv) = (λ + iµ)ϕ(v) Nous posons alors ϕ := f + i g : E C et remarquons que ϕ G = ϕ En particulier ϕ s annule sur F et ϕ(v) = 1 Le problème est que ϕ n est pas nécessairement C-linéaire Pour y remédier, on pose x E, Φ(x) := 1 ( ϕ(x) i ϕ(ix)) On vérifie alors que Φ est C-linéaire (continue) sur E donc définit bien un élément de E C et que Φ coïncide avec ϕ sur G := F Rv Riv On a donc construit Φ E C satisfaisant les propriétés demandées 13 Etude d un exemple Nous considérons l «opérateur de décalage» T L(l 1 ) défini par : et son adjoint 1 T L(l ), qui satisfait : x = (x 1, x, ) l 1, T(x 1, x, ) = (x, x, ) α = (α 1, α, ) l, T (α 1, α, ) = (0, α 1, α, ) Notons que l on a T n = (T ) n = 1, n N, si bien que, d après le théorème 11, on a : Nous allons établir les propriétés suivantes : r(t) = lim n T n 1/n = r(t ) = lim n (T ) n 1/n = 1 spectre spectre ponctuel spectre résiduel spectre continu Sp(T) = B(0, 1) Sp p (T) = B(0, 1) Sp r (T) = Sp c (T) = B(0, 1) Sp(T ) = B(0, 1) Sp p (T ) = Sp r (T ) = B(0, 1) Sp c (T ) = et, pour cela, procéder par étapes 1 Rappelons que le dual de l 1 est l En revanche le dual de l n est pas l 1 mais un espace qui «contient» l 1 comme sous-espace fermé Cela signifie que l application l 1 (l ) qui, à toute suite x l 1, associe ev x : α α(x) est un plongement non surjectif 6

7 a) Sp(T) B(0, 1) et Sp(T ) B(0, 1) : cela est une conséquence du fait que r(t) = r(t ) = 1 b) Sp p (T) B(0, 1) : il s agit de montrer que, pour toute valeur λ B(0, 1), λ T a un noyau non nul (ie un sous-espace propre non trivial de T pour la valeur propre λ) Noter que cela est immédiat pour λ = 0, puisqu il est facile de remarquer que (1, 0, 0, ) est dans le noyau de T Les vecteurs propres de T pour λ 0 sont en quelque sorte des perturbations de (1, 0, 0, ) Posons Alors x [λ] l 1 ssi λ < 1 De plus Donc Sp p (T) B(0, 1) Corollaire de a) et b) : on a x [λ] := (1, λ, λ, λ 3, ) T(x [λ] ) = (λ, λ, λ 3, ) = λ(1, λ, λ, ) = λx [λ] B(0, 1) Sp p (T) Sp(T) B(0, 1), mais comme on sait que Sp(T) est fermé, cela entraîne : Sp(T) = B(0, 1) = Sp(T ), où on a utilisé le théorème de Phillips pour Sp(T ) c) Sp p (T) = B(0, 1) : d après ce qui précède, il suffit de montrer que B(0, 1) Sp p (T) =, c est à dire que, pour tout λ tel que λ = 1, λ T est injectif Raisonnons par l absurde et supposons qu il existe λ B(0, 1) tel que ker(λ T) {0} Soit x = (x 1, x, x 3, ) ker(λ T) non nul, alors (λ T)(x) = 0 équivaut au système infini d équations On en déduit par une récurrence immédiate que : x n+1 = λx n, n N x = x 1 (1, λ, λ, λ 3, ) Mais on remarque que, à cause du fait que λ = 1, x ne peut pas être dans l 1 sauf si x 1 = 0 une contradiction d) Sp p (T ) = : pour montrer cela, raisonnons encore par l absurde et supposons qu il existe α = (α 1, α, ) l et λ C tels que (λ T )(α) = 0, ce qui équivaut aux relations λα 1 = 0 λα = α 1 λα 3 = α On en déduit alors que forcément (α 1, α, ) = 0 (raisonner par récurrence : il faut distinguer les cas λ = 0 et λ 0, mais ces deux cas sont tout aussi simples à analyser) On aboutit ainsi à une contradiction e) Sp r (T ) B(0, 1) : rappelons que Sp r (T ) = {λ C Im(λ T ) l } \ Sp p (T ) Mais, comme on a vu précédemment que Sp p (T ) =, on en déduit que Sp r (T ) = {λ C Im(λ T ) l } Pour tout λ B(0, 1), nous utilisons la suite x [λ] = (1, λ, λ, λ 3, ) l 1 vue au b) et nous notons Alors, α l, f [λ] := ev x[λ] : α α ( x [λ] ) f [λ] [(λ T )(α)] = [(λ T )(α)] (x [λ] ) = α [ (λ T)(x [λ] ) ] = α(0) = 0, 7

8 ie (λ T )(α) Kerf [λ] Donc Im(λ T ) Kerf [λ], ce qui entraîne que la fermeture de Im(λ T ) ne peut pas être égale à l Donc λ est valeur résiduelle f) En fait Sp r (T ) = B(0, 1) : à cause de ce qui précède, il suffit de montrer que toute valeur λ C telle que λ = 1 est aussi dans Sp r (T ) Soit λ une telle valeur Commençons par «calculer» un inverse formel de λ T : si a l et si b est une suite à valeurs dans C, l équation (λ T )(b) = a s écrit a 1 = λb 1 a = λb b 1 = λb n b n 1 b 1 = λa 1 b = λ(a + b 1 ) b n = λ( + b n 1 ) Donc cette équation a pour solution b n = λ + λ λ n a 1 Nous voyons déjà que λ T n est pas surjectif car, pour a = a [λ] := (1, λ, λ, ) l, la solution est b n = nλ n et cette suite n est manifestement pas dans l : donc a [λ] Im(λ T ) Mais nous devons montrer un résultat plus fort, à savoir que Im(λ T ) n est pas dense dans l Pour cela, nous allons montrer que, dans l, B(a [λ], 1/) Im(λ T ) = Soit a B(a [λ], 1/), nous pouvons écrire a = a [λ] + β, où β l < 1/ La solution dans l espace des séries à valeurs complexes de l équation (λ T )b = a = a [λ] + β est b = (b 1, b, b 3, ), avec : ce qui entraîne que : n b n = nλ n + λ n j β j, j=1 b n nλ n n = λ n j β j < n j=1 En utilisant l inégalité triangulaire n = nλ n b n nλ n + b n, on en déduit que b n n b n nλ n > n n = n Donc b n est pas dans l g) Montrons que Sp r (T) = Pour cela il suffit d établir que, si λ = 1, alors λ Sp r (T) Supposons le contraire : cela signifie qu il existe λ C tel que λ = 1 et Im(λ T) n est pas dense dans l 1 Alors, d après le (ii) de la proposition 1, λ Sp p (T ) Or ce n est pas possible car nous avons vu au d) que Sp p (T ) = h) Les spectres continus : d après ce qui précède, Sp c (T) = Sp(T) \ (Sp p (T) Sp r (T)) = B(0, 1) \ (B(0, 1) ) = B(0, 1), et ( ) Sp c (T ) = Sp(T ) \ (Sp p (T ) Sp r (T )) = B(0, 1) \ B(0, 1) = 8

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

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

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

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

Intégration et probabilités TD1 Espaces mesurés 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

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

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

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

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

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

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

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

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

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

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

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

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

Sur certaines séries entières particulières

Sur certaines séries entières particulières ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane

Plus en détail

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

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

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

Plus en détail

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

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

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

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

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

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

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

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

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

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en 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

EXERCICE 4 (7 points ) (Commun à tous les candidats)

EXERCICE 4 (7 points ) (Commun à tous les candidats) EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat

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

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

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

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

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

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

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace

Plus en détail

Mesure et Intégration (Notes de cours de L3)

Mesure et Intégration (Notes de cours de L3) Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

C algèbre d un certain groupe de Lie nilpotent.

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

Plus en détail

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

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

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

Plus en détail

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

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

4. Martingales à temps discret

4. Martingales à temps discret Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

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

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Mesures gaussiennes et espaces de Fock

Mesures gaussiennes et espaces de Fock Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première

Plus en détail

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

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

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

Plus en détail

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

Fonctions holomorphes

Fonctions holomorphes Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre

Plus en 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

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

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

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

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du

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

Produits d espaces mesurés

Produits d espaces mesurés Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur

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

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers

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

THÉORIE DE LA MESURE ET DE L INTÉGRATION.

THÉORIE DE LA MESURE ET DE L INTÉGRATION. THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................

Plus en détail

Extrait du poly de Stage de Grésillon 1, août 2010

Extrait du poly de Stage de Grésillon 1, août 2010 MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne

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

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 4: Programmation stochastique propriétés de fonction de recours Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction

Plus en 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

Entiers aléatoires et analyse harmonique

Entiers aléatoires et analyse harmonique Entiers aléatoires et analyse harmonique Jean-Pierre Kahane et Yitzhak Katznelson Introduction. Il s agit dans cet article d ensembles de Sidon et de processus de Poisson ponctuels. Les ensembles de Sidon

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

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

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

Notes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret

Notes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret Notes de cours M2 Équations aux dérivées partielles elliptiques Hervé Le Dret 4 mars 2010 2 Table des matières 1 Rappels en tous genres 7 1.1 Les théorèmes de convergence de Lebesgue............ 7 1.2

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

Cours d analyse numérique SMI-S4

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

Plus en détail

Mesures et Intégration

Mesures et Intégration Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des

Plus en détail

Le théorème de Thalès et sa réciproque

Le théorème de Thalès et sa réciproque Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre

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

III- Raisonnement par récurrence

III- Raisonnement par récurrence III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,

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

Cours d Analyse 3 Fonctions de plusieurs variables

Cours d Analyse 3 Fonctions de plusieurs variables Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr

Plus en détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

Plus en détail

Cours d Analyse I et II

Cours d Analyse I et II ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Cours d Analyse I et II Sections Microtechnique & Science et génie des matériaux Dr. Philippe Chabloz avril 23 Table des matières Sur les nombres. Les nombres

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

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

Plus en détail

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

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

Calcul Différentiel. I Fonctions différentiables 3

Calcul Différentiel. I Fonctions différentiables 3 Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques

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