Class notes

Mathématiques

257 views 0 purchase

Course
Mathématiques

Institution
Le Havre (ULH)

Cours de mathématiques en deuxième année d'administration économique et social. Le prix est du au Cours très complet. Et au temps passer dessus. En passant par les matrices et le calcule d'ellipse. Cours facile à lire. Vous ne le regretterais pas!

[Show more]

Preview 8 out of 38 pages

View example

Uploaded on March 9, 2015
Number of pages 38
Written in 2014/2015
Type Class notes
Professor(s) Unknown
Contains All classes

mathematiques

Institution
Le Havre (ULH)
Education
Administration Economique et Sociale
Course
Mathématiques

améliehardi

Member since 10 year 19 documents sold

CA$8.44

Added

Add to cart

Add to wishlist

100% satisfaction guarantee
Immediately available after payment
Both online and in PDF
No strings attached

Table des matières
Chapitre 1 : LES DERIVES....................................................................................... 1
I) Généralité sur l’optimisation.........................................................................2
II) Optimisation sans contraintes......................................................................2
III) Optimisation sous contraintes prenant la forme d’équations : le
Lagrangien.......................................................................................................... 3
A) Le cas d’une contrainte............................................................................. 3
B) Cas à m contraintes.................................................................................. 3
IV) Limites d’une fonction............................................................................... 5
V) Tangente d’une équation.............................................................................. 7
VI) Asymptotes................................................................................................ 7
A) Asymptotes horizontale............................................................................. 7
B) Asymptote verticale................................................................................... 8
C) Asymptote oblique....................................................................................... 9
Chapitre 2 : Eléments sur les ensembles..............................................................10
I) Ensembles.................................................................................................. 10
A) Notion d’ensemble................................................................................... 10
B) Parties d’un ensemble............................................................................. 11
C) Opérations sur les ensembles..................................................................12
Chapitre 3 : Les matrices...................................................................................... 16
I) Définitions................................................................................................... 16
II) Opération sur les matrices..........................................................................16
A) Addition de deux matrices.......................................................................16
B) Multiplication par un réel.........................................................................16
C) Multiplicateur de matrice.........................................................................17
D) Transposition de matrices........................................................................18
III) Matrices carrées, matrices élémentaires.................................................18
A) Matrice carrées........................................................................................ 18

1

,Chapitre 1 : LES DERIVES.

Définition : La fonction f définie au voisinage du point à est dérivable en a ssi :
f ( x )−f ( a )
lim existe et est finis.
x→ a x−a

df ( a )
On note f’(a) la dérivée de f en a ou encore dx

Si u et v sont dérivables (u et v : deux fonctions), a et b deux constantes ? On a
les formules suivantes :
( u+ v )' =u ' + v ' ( au )' =au '

F(x) F’(x) ( uv )' =u' v+ uv '
A 0
u ' u' v−u v '
X
Xn
1
nxn-1 ()v
=
v
2

1 −1
x x2
EXEMPLE : u(x)=x² v(x)= 3x
1 −n (x²+3x)’=(x²)+(3x)’ = 2x+3
xn x n−1
u(x)=x² u’(x)= 2x a=3
√x 1
au’(x)=6x
2√x
ln x 1 Propriété : ln ea = a
x elna = a
eu= ln e * u’*eu
ex ex
x x EXEMPLE
a ln a* a Dériver les fonctions suivantes :
f(u(x f’(u(x))
1)f(x) = 4x²-3x+1
))
n n−1 2) g(x) = (2x+3) (3x+7)
u Nu’ u 1
3) h(t) = (2t+4) (3t-1) pour t ≠ de
1 −u
'
3
u u²
4) k(w) = 2w²+3w+1
1 −n u
'
5) l(x) = e
3 x−2

un u n+1 6) m(K) = ln(3K²-2)
' 2 L²
√u u 7) n(L) = 9
2 √u
ln u Pour les réponses : voir feuille jointe.
u'
u
eu u
u’ e
au ln a * u’ *
au
2

, I) Généralité sur l’optimisation

Notion et définitions
Un programme d’optimisation s’écrit typiquement sous la forme :
max f ( x1 , x2 , … , x n )
x 1 , x 2 ,… ,x n

P
s . c contraintes ( j ) ∀ j=1, … , n

S’il s’agit d’un programme de maximisation, sinon, se sera écrit Min et non Max.
La fonction f est appelée la fonction objectif. Le programme consiste à chercher
les valeurs (x1*, x2*,…, xn*) pour laquelle, la valeur de cette fonction est
maximale ou minimale. On appelle « optimum » la solution d’un programma de
maximisation.
Les contraintes peuvent prendre plusieurs formes distinctes :
● Les contraintes en équations → G j(x1,x2,…,xn) = Cj ∀ j=1, … , m (m étant le
nombre total de contraintes et j prenant les valeurs de 1 à m).
● Les contraintes en inéquations → Gj(x1,x2,…,xn) ≤ Cj ∀ j=1, … , m

● Les contraintes de non négativité → xi ≥ 0 ∀ i=1,… , n (n étant le nombre
total de variable)
Définitions :
Maximum, minimum → La valeur x* qui résout le programme P est un maximum
de la fonction f sous les contraintes du programme.
Optimum local : La variable x* est un maximum local d’une fonction f définie sur
x∗¿
¿
l’ensemble convexe S. x −x∗¿
¿
⟺ ∃ε > 0 tel que f ( x ) ≤ f ¿
Optimum global : La variable x* est un maximum global d’une fonction f définie
x∗¿
sur l’ensemble convexe S. ¿
⟺ f ( x )≤ f ¿

Remarque : Transformation des programmes des maximisation/minimisation :
Tous programme de minimisation peut aisément être transformé en
programme de maximisation en remplaçant la fonction objectif f par son opposé –
f.

max f (x) min −f (x )
x ↔ x

s.c contraintes s.c contrainte.

3

,Conditions nécessaires et suffisantes d’inexistence d’un optimum.
Pour trouver la solution x* d’un programme d’optimisation, on distingue
traditionnellement deux types de conditions :
● Les conditions de premier ordre (CPO) sont les conditions nécessaires
que doit vérifier un optimum, s’il existe. Ces conditions s’écrivent comme un
système d’équation ou d’inéquations dont la résolution permet de trouver x*.
● Les conditions du second ordre (CSO) garantissent que les conditions du
1er ordre sont suffisantes pour que x* soit bien la solution du programme
d’optimisation.

II) Optimisation sans contraintes.

On considère le programme de maximisation suivant : P: Max de x f ( x )
CPO : si x* est une solution du programme de maximisation P, alors x* vérifie :
df ( x )
=0
dx

2
d f (x)
COS : pour un optimum global : ● ≤ 0 ∀ x f est concave → x∗est un max global
dx ²
f’’(x) ≤ 0

d2 f ( x )
● ≥ 0 ∀ x ( f est convexe ) → x∗est un minimum global .
d x2

III) Optimisation sous contraintes prenant la forme d’équations :
le Lagrangien
A) Le cas d’une contrainte.

On considère le programme de maximisation P suivant :
max f (x)
x

P
s.c g(x) =c
Lagrangien : On appelle Lagrangien, noté L, la fonction L(x ;λ)= f(x) + λ (c – g(x))
où la variable λ désigne le multiplicateur de Lagrange associé à la contrainte.
CPO : si le vecteur x*= (x1*,x2*,…,xn*) est une solution du programme de
maximisation P, alors il existe un unique λ* tel que x* vérifie les n+1 conditions
suivantes :

∂L(x, λ) ∂L(x, λ)
=0 ∀ i=1, … , n =0 ⟺ c−g ( x )=0 ⟺ g ( x )=c
∂x ∂λ

4

, B) Cas à m contraintes

Le programme se généralise aisément au cas à m contraintes.
max f (x)
x

P
s.c gj(x) = Cj ∀ j=1, … , m

Le Lagrangien va s’écrire:
m
L ( x , λ )=f ( x ) + ∑ λj ( Cj−gj ( x ) ) ∀ j=1 … mavec λ=( λ 1, … , λm )
j=1

Remarque : Optimisation sous contraintes prenant la forme d’inéquation.
On considère le programme P suivant :
max f (x)
x

P
s.c gj(x)≤ Cj ∀ j= 1,…,m

Deux situations sont envisageables pour chaque contrainte j :
● Soit gj(x)=Cj : dans ce cas, on dit que la contrainte j est saturée à l’optimum.
● Soit gj(x) < Cj : on dit que la contrainte est non saturée à l’optimum.
Exercice : Résoudre le programme d’optimisation suivant :
1 2
3 3
Max f ( x , y )=3 x y
x, y

P
s.c 90=5x+5y

On commence par écrire le Lagrangien : L ( x , y , λ )=f ( x , y ) + λ ( c−g ( x ))
1 2
3 3
¿ 3 x y + λ ( 90−5 x−5 y )

∂ L ( x , y , λ)
Ensuite on calcule la dérivée par rapport à x : =0
∂x
−2 2
3∗1 3 −2 2 −2 2
⟺ x ∗y 3∗−5 λ=0 ⟺x 3
y 3 −5 y=0 ⟺x 3
y 3 =5 λ 1¿
3

5

, −1 1
∂ L ( x , y , λ) 2
On calcule a dérivée par rapport à Y : =0 ⟺ y 3
3 x 3 −5 λ=0
∂y 3
−1 1 −1 1
⟺2 y 3
x 3 −5 λ=0 ⟺2 y 3
x 3 =5 λ 2 ¿

∂ L ( x , y , λ)
On calcule enfin la dérivée par rapport à λ : =0
∂λ
⟺ 90−5 x−5 y =0 3 ¿

1
2
−2 2
Pour nous permettre de n’avoir plus que deux inonnus : x 3 y3 5λ On
¿ ¿ ¿: =
¿ −1 1
5λ
3 3
2y x
inverse pour que les signes s’inverse également.
1 2
3 3
y y y
⟺ =1 ⟺ =1 ⟺ y=2 x 4 ¿
2
3
1
3
2x
2x x

A partir de 3) et 4), on a : 90-5x-5(2x)=0
90-5x-10x=0
90-15x=0
90=15x
6=x*

On en déduit que y∗¿ 2 × x*
¿ 2× 6
y* = 12
−2 2
On calcule λ* à partir de 1) : x 3
y 3 =5 λ
−2 2
3 3
6 12 =5 λ
1,59=5 λ
λ* = 3,14

IV) Limites d’une fonction

6

,Une fonction f étant donnée, d’ensemble de définition Df, la notation
lim f ( x ) =b
x→ a signifie : quand x s’approche, en valeur, infiniment près de a,

l’image f(x) s’approche, en valeur, infiniment près de b.
Limite de référence :
● Pour les puissance entières n Є IN*

1
=¿ 0
lim x n =+ ∞ lim x n=−∞ xn lim
1
=−∞
x →+∞ x →−∞ 1 x → 0x< 0 x
lim n =0 lim ¿
x →+∞ x x →−∞

1 1 1
lim =+∞ lim =−∞ lim =+∞
x → 0x> 0 x x → ax< a x −a x →a x−ax>a

● Puissance réelles : α Є |R
α α
lim x =0 lim x =+ ∞
α<0 x →+∞ x→ 0

α α
lim x =+ ∞ lim x =0
α>0 x →+∞ x→ 0

● Logarithme et exponentielle :
lim ln x =+∞ ln x lim e x =0 lim ln x=−∞
lim =0
x →+∞ x →+∞ x x →−∞ x→ 0

ln (1+ x )
lim =1
x→ 0 x

lim e x =+∞ lim x e x =0 ex e x −1
lim =+∞ lim =1
x →+∞ x →−∞ x →+∞ x x→ 0 x

Opérations sur les limites.
SOMMES :

Lim f Lim Lim
g (f+g)
L L’ LL’
L +∞ +∞
L -∞ -∞
+∞ +∞ +∞
-∞ -∞ -∞
+∞ -∞ FI

PRODUITS :

Lim Lim Lim (fg)
f g
L L’ LL’ QUOTIENTS :
L≠0 ∞ ∞
∞ ∞ ∞
0 ∞ FI

7

, Lim Lim f
lim ⁡
f g g
L L’≠ LL’
0
L≠0 0 ∞
0 0 FI
L ∞ 0
∞ L’ ∞
∞ ∞ FI
Lever une indétermination :

→ FI : ∞-∞
Méthode : Factoriser le terme prépondérant pour faire apparaître des formes de
limites connue.
● On démontre que la limite en +∞ ou -∞ d’une fonction polynôme est la même
que celle de son terme de plus haut degré.
(2 x 3 −5 x 2 +¿ 1)= lim 2 x 3=+∞
x →+∞
Ex : lim ¿
x→+ ∞

2
5x 1
1− 3
+ 3
2x 2 x
3
2 x (¿)
⟺ lim ¿
x →+∞

5 1 1
⟺ lim 2 x 3 (1− + 3)
x →+∞ 2 x 2x
3

→ FI : 0*∞
Méthode : Développer l’expression, pour faire apparaître des formes de limites
connues.
1
Ex : lim ( 1+ √ x )
x →+∞ x
1

1 √x 1 x2 1 1
⟺ lim + On sait que √ x=x 2
de plus ; = 1= 1 alors :
x →+∞ x x x
x x2 x2

1 1
⟺ lim + 1 =0
x →+∞ x
x2

0
→ FI : 0
Méthode : Simplifier par le facteur qui tend vers 0, ou bien faire apparaître es
formes de limites connues.

8

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller améliehardi. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for CA$8.44. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

83750 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling

Class notes

Mathématiques

Document information

Subjects

Written for

Seller

Reviews received

Content preview