LM100 18 mai 2005 Formulaire (Ce que vous devrez savoir par cœur à la fin du cours) Trigonométrie n cos(α + nπ ) = (−1) cos α sin(α + nπ ) = (−1) n sin α cos(a + b) = cosa cosb − sin a sin b sin(a + b) = sin a cosb + sinb cosa π cos − α = sin α 2 π sin − α = cos α 2 cos2 a + sin2 a = 1 Toutes les autres formules se retrouvent à partir des formules ci-dessus. 2 2 cos(2a) = cos a − sin a cos(a − b) = cosa cosb + sin a sinb sin(2a) = 2 sin a cosa sin(a − b) = sin a cosb − sinb cosa p+q p−q cos 2 2 p+q p−q sin p + sin q = 2 sin cos 2 2 cos p + cos q = 2 cos p+q p−q sin 2 2 p+q p−q sin p − sin q = 2 cos sin 2 2 cos p − cos q = −2 sin y Vous devez savoir utiliser le cercle trigonométrique pour retrouver par exemple les expressions du type : uur sinα j cos(π − α ) = − cos α π cos + α = − sin α 2 etc…. M α cosα 1 uur i x Vecteurs Egalité de deux vecteurs : Deux vecteurs sont égaux si leurs composantes sont égales deux à deux. r ON NE PEUT JAMAIS ECRIRE V = x , un vecteur =un scalaire définition Expression analytique Produit scalaire r r V1 ⋅ V2 est un scalaire (= un nombre réel) r r r r r r V1 ⋅ V2 =|| V1 || || V1 || cos (V1 ,V2 ) … r r V1 ⋅ V2 = x1 x2 + y1 y 2 + z1 z 2 dans une base orthonormée r r r r propriétés V1 ⋅ V2 = 0 ⇔ V1⊥V2 r r r V1 ⋅ V1 =|| V1 ||2 r r r r V1 ⋅ V2 = V2 ⋅ V1 r r rr r r Effets sur les i ⋅ i = j. j = k ⋅ k = 1 vecteurs d’une base r r r r r r i.j = j ⋅k = i ⋅k = 0 orthonormée r v r directe (i , j , k ) Mais à quoi ça - à démontrer l’orthogonalité de 2 sert ? vecteurs - à calculer l’angle entre deux vecteurs - à calculer la projection d’un vecteur sur une droite etc… Produit vectoriel r r V1 × V2 est un vecteur r r r r r r || V1 × V2 ||=|| V1 || || V1 || sin (V1 ,V2 ) r r r r r r (V1 × V2 )⊥V1 et (V1 × V2 )⊥V2 r r r r (V1 ,V2 ,V1 × V2 ) est une base directe y z − y2 z1 r r 1 2 V1 × V2 = z1x2 − z2 x1 x y − x y 1 2 2 1 dans une base orthonormée directe r r r r V1 × V2 = 0 ⇔ V1,V2 colinéaires r r V1 ×V1 = 0 r r r r V1 × V2 = −V2 × V1 r r r r r r r i ×i = j × j = k ×k = 0 r r r i × j = k ... r r r j × i = −k ... - à démontrer la colinéarité de 2 vecteurs - à calculer l’angle entre deux vecteurs - à fournir un vecteur orthogonal à 2 vecteurs donnés etc… Matrices Type d'une matrice : une matrice à m lignes et n colonnes est dite de type (m,n). Matrice identité : matrice carrée avec des 1 sur la diagonale et des 0 hors de la diagonale, elle est notée I ou E. Egalité de deux matrices : Deux matrices de même type sont égales si leurs composantes sont égales deux à deux. Addition et soustraction de matrices : on ne peut faire ces opérations que sur des matrices de même type. Les matrices s'additionnent ou se soustraient terme à terme. a b a ' b' a + a ' b + b' Exemple : + = c d c' d ' c + c' d + d ' 2 Produit de matrices : On peut calculer le produit des matrices A et B si A est de type (m,n) et B de type (n,p), c'est-à-dire si le nombre d'éléments dans une ligne de A est égal au nombre d'éléments dans une colonne de B. Le produit est de type (m,p). 3 Exemple en dimension 3 : A = aij , B = B , AB = aik bkj ij ∑ k =1 Pour calculer le produit facilement, mettre les matrices suivant le schéma ci-dessous, le terme de la matrice produit se trouve au croisement de la ligne et de la colonne qui servent à le calculer. b11 b21 b 31 a 11 a 21 a 31 a12 a 22 a32 a13 a 23 a33 b12 b22 b32 ∑ ∑ a1i bi1 i a 2i bi1 i ... b13 b23 b33 ∑ a1i bi 2 ∑ a1i bi3 i i ... ∑ a2i bi 2 i ... ... Déterminant: Le déterminant n'existe que pour les matrices carrées. detA ≠ 0 ⇔ la matrice A est inversible ⇔ il existe une matrice M telle que MA = I Si la matrice inverse existe elle est notée A-1. a b a Matrice 2x2 : det = c d c Matrice 3x3 : a11 a12 a13 a11 det a 21 a 22 a 23 = a 21 a 31 a32 a33 a31 b = ad − bc d a12 a13 a 22 a32 a 23 a33 a11 a12 a13 a 21 a31 a 22 a32 a 23 = a11a 22 a33 + a12 a 23 a31 + a 21a32 a13 − a13 a 22 a31 − a11a32 a 23 − a12 a 21a33 a33 Remarques : - il y a d'autres manières de faire le calcul. On peut par rapport à une ligne ou une colonne: a11 a12 a13 a 23 a a − a 21 det 12 det a 21 a 22 a 23 = a11 det 22 a32 a33 a32 a 31 a32 a33 exemple développer le déterminant par a13 a + a31 det 12 a33 a 22 a13 a 23 - on peut, préalablement au développement, ajouter à une ligne (resp. une colonne) une combinaison linéaires des autres lignes (resp. colonnes). 3 Représentations graphiques des fonctions usuelles sin cos 1 0.5 2 0 0 -0.5 -2 -1 -4 -3Pi/2 -Pi -Pi/2 0 Pi/2 Pi 3Pi/2 -4 tan 10 0 -5 -10 0 Pi/2 Pi -2 0 2 3Pi/2 4 6 exp ln 14 12 10 8 6 4 2 0 -2 -4 5 -3Pi/2 -Pi -Pi/2 x^2 racine(x) 1/x 4 -4 -2 0 2 4 6 Limites Si lim f ( x) = l avec l réel alors f admet une asymptote horizontale d’équation y = l en ±∞ x → ±∞ Si lim f ( x) = ±∞ alors f admet une asymptote verticale d’équation x = x0 . x → x0 Exponentielle : Logarithme : défini seulement pour x > 0 lim exp x = +∞ lim ln x = +∞ x → +∞ x → +∞ lim exp x = 0 lim ln x = −∞ x → −∞ lim exp x x → +∞ x α = +∞ x →0 + α >0 lim ln x x → +∞ xα =0 α >0 Puissance généralisée : Puissance : n Si n est un nombre entier, x est défini pour tout Si α est un réel non entier positif, xα n'est défini x. pour n > 0, on a : que pour x > 0. lim xα = +∞ lim x n = +∞ x→+∞ x→+∞ lim xα = 0 x→0+ n + ∞ si n = 2p lim x = x→−∞ − ∞ si n = 2p + 1 4 Dérivées Dans les tableaux ci-dessous, f, u et v sont des fonctions, a est un réel. Dérivées des fonctions usuelles Règles de dérivation : f(x) f’(x) a 0 xa ax a −1 ex ex ln x 1/ x cos x − sin x sin x cos x tan x 1 + tan 2 x (a u )' = a (u ' ) (u + v)' = u '+v' (u v)' = u ' v + uv' ′ u u ' v − uv' = v2 v (u (v) )' = v' u ' (v) Différentielles et dérivées partielles : f fonction de 2 variables x et y : df (a, b) = ∂f ∂f (a, b) dx+ (a, b) dy ∂y ∂x différentielle de f au point (a, b) dérivée partielle de f par rapport à x au point (a, b) dérivée partielle de f par rapport à y au point (a, b) Différentielle logarithmique (pour les produits et les rapports) : soient f et g deux fonctions strictement positives, a et b deux réels d ( fg ) df dg = + (pour a = b = 1) d( f g ) df dg fg f g ⇒ = + a b f a gb f g d ( f / g ) df dg = − (pour a = 1, b = -1) f /g f g a b 5 Développements limités et applications Définition : Une fonction f admet un développement limité (d.l.), à l’ordre n, au point x0, si, dans un intervalle ]x0 - α; x0 + α [ ou ]x0 - α; x0[ ou ]x0 ; x0 + α [ ou ]x0 - α; x0] ou [x0 ; x0 + α [ f ( x) = a0 + a1( x − x0 ) + .... + an ( x − x0 ) n + ε ( x)( x − x0 ) n avec lim ε ( x ) = 0 x → x0 Si f est dérivable n fois en x0, f ( x) = f ( x0 ) + ( x − x0 ) f ' ( x0 ) + .... + ( x − x0 ) n ( n ) f ( x0 ) + ε(x) (x − x0 ) n n! développement de Taylor-Young Développements limités usuels en x0=0, à l’ordre 3 : x3 + ε ( x) x 3 6 x2 cos x = 1 − + ε ( x) x 3 2 x 2 x3 exp x = 1 + x + + + ε ( x) x 3 2 ! 3! x 2 x3 ln (1 + x) = x − + + ε ( x) x 3 2 3 α (α − 1) 2 α (α − 1)(α − 2) 3 x + x + ε ( x) x 3 (1 + x)α = 1 + αx + 2! 3! sin x = x − Primitives et intégrales Si f et F sont deux fonctions définies dans un même intervalle et que f est la dérivée de F, alors F est une primitive de f. Le tableau des dérivées plus haut permet donc de retrouver les primitives usuelles. Pour toute constante a, F+a est aussi une primitive de f. Si G et F sont deux primitives de f, alors F-G est constante. b Intégration par parties : b ∫ u' ( x )v ( x )dx = [u( x )v ( x )]a − ∫ u( x )v ' ( x )dx b a a ϕ (b ) Changement de variables : on pose x=φ(t) : ∫ b f ( x)dx = ϕ (a) ∫ f (ϕ (t ))ϕ ' (t )dt a 6 (ne pas oublier les bornes !) Statistiques sur une série de données On considère une série de données brutes xi, 1≤ i ≤ n. Variables de position de la série : Médiane = valeur qui partage la série ORDONNEE en deux parties égales. Si n est pair c’est la valeur centrale, si n est impair c’est la moyenne des deux valeurs centrales. n Moyenne = x = 1 ∑ xi n i =1 Variable de dispersion : n 2 Variance : Var(x)= 1 ∑(xi − x ) n i =1 Ecart-type = Var(x) Moyenne et écart-type s'expriment dans la même unité que celle de la série de données. Représentation de la série de données : On définit des classes (intervalles de valeurs), et on définit pour la k-ième classe: Effectif nk = nombre de valeurs de la série qui tombe dans la classe Fréquence fk = nk/n Le résultat de ce travail peut être représenté sous la forme : • d’un tableau : tableau de distribution des effectifs • d’une courbe formée de segments de droite adjacentes : polygone de fréquences • d’un ensemble de rectangles : histogramme • …… Loi de probabilité sur un ensemble fini On associe une loi de probabilité P à un ensemble E = {e1,e2,....,ek } . P est un ensemble de k nombres positifs dont la somme vaut 1. Evènement : on appelle événement un sous-ensemble A de E. P(A) est la somme des probabilités des éléments qui composent A si A est non vide, P(A) vaut 0 si A est vide. Propriétés de la loi de probabilité faisant intervenir un seul évènement : • 0 ≤ P(A) ≤ 1 • P(E) = 1 , événement certain • P(Ø) = 0, événement impossible • Si A1 ⊂ A2 alors P(A1) ≤ P(A2) • Evènement complémentaire de A : A , P( A ) = 1 – P(A) Probabilités faisant intervenir 2 évènements A et B : Définitions : P(A ∩ B) = probabilité que A et B soient réalisés P(A ∪ B) = probabilité que A ou B soient réalisés P(A B) = probabilité que A soit réalisé sachant que B est réalisé 7 Propriétés : P(A ∪ B) = P(A) + P(B) - P(A ∩ B) P(A ∩ B) = P(A B)P(B) = P(B A)P(A) Evènements indépendants : P(A ∩ B) = P(A)P(B) et P(A B) = P(A) Théorème de Bayes : On considère un événement A qui est la conséquence de plusieurs causes mutuellement exclusives C1, C2,… Cn. La probabilité que ce soit la cause Ck qui ait causé A vaut : P(Ck)P(A Ck) P(Ck A)= n ∑P(Ci)P(A Ci) i =1 Variable aléatoire On considère un ensemble E muni d’une loi de probabilité quelconque P. Une application X définie sur E est appelée variable aléatoire. L’ensemble des valeurs de X est appelé E’. Variable aléatoire discrète : prend un nombre fini ou dénombrable de valeurs Variable aléatoire continue : prend toutes les valeurs d’un intervalle réel non réduit à un point. Si la variable aléatoire est discrète, la loi de probabilité PX de la variable aléatoire X est définie par PX(e’) = P(X = e’), pour tout élément e’ de E’. Fonction de répartition : F(x) = P(X < x) Probabilité de a ≤ X < b : P(a ≤ X < b) = F(b)-F(a) Densité de probabilité pour une variable aléatoire continue : f(x) = F’(x). Probabilité de a ≤ X < b : P(a ≤ X < b) = b ∫ f(x)dx a Moments d’une loi de probabilité Loi Espérance mathématique E(X) discrète continue n +∞ i =1 −∞ ∑ xi p i ∫ xf ( x)dx Variable centrée : X –E(X) Loi Variance Var(X) = E (X − E(X)) 2 = E(X 2 ) − E(X) 2 ( ) discrète continue n +∞ i =1 −∞ ∑ (xi − E(X))2 pi 8 ∫ (x − E(X) 2 )f ( x)dx Principales lois de probabilité Loi de Bernoulli : P(X=1) = p succès P(X=0) = 1 - p échec Loi binomiale : B(n, p) n! p k (1 − p)n − k P(X = k) = k! (n − k )! Loi de Poisson : P(m) E(X) = p Var(X) = p(1 – p) E(X) = np Var(X) = np(1 – p) E(X) = m Var(X) = m E(X) = m Var(X) = σ2 E(X) = 0 Var(X) = 1 k m P(X = k) = e− m k! Loi normale : N(m, σ) 1 f ( x) = e − ( x − m )2 2σ 2 σ 2π Loi normale réduite : N(0, 1) f ( x) = 1 2π e − x 2 2 Echantillonnage et estimation On étudie un caractère de la population associé à la variable aléatoire X. La mesure de ce caractère sur un individu donne xi. Population N taille moyenne µ variance σ Echantillon n << N x= n 1 x n i =1 i ∑ n 1 (xi − x )2 s = n i =1 2 2 ∑ Estimateurs: x est un estimateur sans biais de µ. σˆ 2 = n 1 (xi − x )2 est un estimateur sans biais de σ2 n − 1 i =1 ∑ Estimation par intervalle de confiance de µ au risque α (au niveau de confiance 1 – α) : σˆ σˆ P x − uα / 2 ≤ µ ≤ x + uα / 2 = 1 − α où P est n n • la loi normale si n > 30 • la loi de Student si n ≤ 30 9