L3 | Parcours Mathématiques appliquées

Voir la page complète

Voir la page complète

Voir la page complète

Contenu de l'enseignement

• Sous-espaces stables par un endomorphisme linéaire, valeurs propres, vecteurs propres. Diagonalisation,
• Polynômes d’endomorphismes. Polynôme caractéristique. Polynôme minimal. Théorème de Cayley-Hamilton. Théorème de décomposition des noyaux.
• Formes bilinéaires. Formes bilinéaires symétriques et formes quadratiques.
• Diagonalisation des matrices symétriques réelles.
• Produit scalaire et espace euclidien. Groupe orthogonal.
• Décomposition d’une forme quadratique en somme de carrés. Méthode de Gauss. Théorème d’inertie de Sylvester.
• Classification affine et euclidienne.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• L’espace vectoriel normé R^n.
• Fonctions différentiables.
• Inégalité des accroissements finis.
• Théorèmes des fonctions implicites et d’inversion locale. Difféomorphismes.
• Application à l’étude des courbes et des surfaces.
• Théorème de Schwarz.
• Extrema locaux et extrema liés.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Dénombrabilité

Ensembles équipotents, dénombrabilité de N, Z et Q, produit fini d’ensembles dénombrables, réunion dénombrable d’ensembles dénombrables, non dénombrabilité de R. Exemples d’application.

• Rappels sur l’intégrale de Riemann

Sommes de Riemann, intégrabilité au sens de Riemann, propriétés de l’intégrale (linéarité, positivité), caractérisation des fonctions intégrables (admis). Théorème fondamental du calcul intégral, primitives. Révision des techniques de calcul : intégration par parties, changement de variable, primitives des fractions rationnelles.

• Intégrale de Lebesgue
  • Intégrale des fonctions mesurables positives sur un espace mesuré quelconque : construction, linéarité, positivité, théorème de convergence monotone, lemme de Fatou.
  • Intégrabilité au sens de Lebesgue, ensemble négligeables, propriétés vraies presque partout, théorème de convergence dominée, espace L¹, complétude, théorème de continuité et de dérivation d’une intégrale dépendant d’un paramètre.
  • Mesure et intégrale de Lebesgue sur R, lien avec l’intégrale de Riemann.
  • Intégration dans les espaces produits : mesure produit, théorème de Fubini, mesure de Lebesgue sur R^n.
  • Théorème de changement de variables dans R^n, systèmes de coordonnées classiques, application au calcul d’aires et de volumes.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Pratique de la programmation scientifique avec le langage Python.
• Utilisation du logiciel R pour les statistiques.

Voir la page complète

Voir la page complète

Ce cours d’introduction à l’économétrie présente les objectifs et les méthodes classiques d’estimation, lorsque des données transversales (comme les données d’enquête) sont utilisées.

Ces méthodes de simulations empiriques de la condition « toutes choses égales par ailleurs » sont appliquées en analysant plusieurs bases de données sur le logiciel R.

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Espaces probabilisés

Lois de probabilité sur un univers fini ou dénombrable, lois classiques. Axiomatique de Kolmogorov : tribus, mesures de probabilité, propriétés de continuité, premier lemme de Borel-Cantelli. Mesures de probabilité sur R, fonction de répartition, mesures à densité.

• Variables et vecteurs aléatoires

Rappels de mesurabilité, opérations sur les vecteurs aléatoires. Lois des vecteurs aléatoires, fonction de répartition, densité, lois marginales, calcul de la loi d’une transformée déterministe d’un vecteur aléatoire.

• Probabilité conditionnelle et indépendance

Probabilité conditionnelle, formule de Bayes. Événements indépendants, second lemme de Borel-Cantelli. Variables aléatoires indépendantes, critère d’indépendance des coordonnées d’un vecteur à densité.

• Espérance, variance et autres moments

Rappels d’intégration : propriétés de l’intégrale, principaux théorèmes de passage à la limite. Espérance, théorème de transfert, espérance d’un produit de v.a. indépendantes. Variance, espace L² : inégalité de Cauchy-Schwarz, covariance, variance d’une somme de variables aléatoires. Fonction caractéristique : injectivité, fonctions caractéristiques des lois classiques, application au calcul des moments, indépendance et fonction caractéristique, application au calcul de lois de sommes de variables aléatoires indépendantes.

• Loi des grands nombres

Inégalité de Markov, inégalité de Bienaymé-Chebychev, loi faible des grands nombres, première approche des intervalles de confiance, convergence en probabilité. Convergence presque sûre, critères de convergence presque sûre, lien avec la convergence en probabilité, loi forte des grands nombres.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Équation différentielle de la forme x’ = f(x,t).
• Champ de vecteurs associé.
• Problème de Solutions locales, maximales et globales. Courbe intégrale. Trajectoire. Théorème de Cauchy-Lipschitz.
• Résolution des cas classiques d’équations différentielles : variables séparables, équations linéaires scalaires de degré n à coefficients constants, systèmes d’équations linéaires de degré 1 à coefficients constants.
• Classification des systèmes linéaires à coefficients constants de deux variables – portrait de phase.
• Cas des équations différentielles linéaires.
• Étude qualitative des solutions.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Résolution numérique des équations f(x)=0.
• Intégration numérique.
• Résolution numérique des équations différentielles ordinaires et applications.
• Application à des équations différentielles ordinaires issues d’autres disciplines.
• Mise en œuvre des algorithmes sous Python.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Bases de la statistique descriptive univariée et bivariée (centrage et dispersion, histogramme des fréquences, tableaux de contingence, fréquences marginales et conditionnelles, corrélation linéaire et droite de régression, représentations graphiques). Rappels sur les variables aléatoires discrètes ou continues (définition, loi de probabilité, fonction de répartition, moments, etc ).
• Présentation de la convergence des suites aléatoires (LFGN et TCL).
• Modélisation statistique (statistiques d’un échantillon, estimation par la méthode des moments et du maximum de vraisemblance).
• Information de Fisher et estimation de variance minimale.
• Échantillons gaussiens (théorème de Fisher et ses applications).
• Théorie des tests (optimalité de Neyman-Pearson, intervalles de confiance, tests asymptotiques).
• Mise en oeuvre avec le logiciel R.

Voir la page complète

Voir la page complète

Travail pour binôme sur un article de mathématiques, donnant lieu à la rédaction d’un mémoire et à une soutenance orale.

Voir la page complète

Voir la page complète

Contenu de l’enseignement

• Contrôle optimal, Gestion des ressources naturelles.
• Fonctions de Hamilton ; Variables de contrôle et d’état ; Principe du maximum de Pontryagine ; Conditions de transversalité.
• Capacité à formaliser et à résoudre analytiquement un problème économique dynamique.
• Exploitation des ressources renouvelables et non renouvelables.
• Modèles macroéconomiques de croissance endogène et exogène.

Voir la page complète

A partir d’une maquette de l’économie française/des cours des actions, on présentera les différentes méthodologies pour mener à bien une étude économétrique : estimation-vérification-prévision-simulation. Notions de base.

Voir la page complète