Logarithmically concave functionIn convex analysis, a non-negative function f : Rn → R+ is logarithmically concave (or log-concave for short) if its domain is a convex set, and if it satisfies the inequality for all x,y ∈ dom f and 0 < θ < 1. If f is strictly positive, this is equivalent to saying that the logarithm of the function, log ∘ f, is concave; that is, for all x,y ∈ dom f and 0 < θ < 1. Examples of log-concave functions are the 0-1 indicator functions of convex sets (which requires the more flexible definition), and the Gaussian function.
Calcul des variationsLe calcul des variations (ou calcul variationnel) est, en mathématiques et plus précisément en analyse fonctionnelle, un ensemble de méthodes permettant de minimiser une fonctionnelle. Celle-ci, qui est à valeurs réelles, dépend d'une fonction qui est l'inconnue du problème. Il s'agit donc d'un problème de minimisation dans un espace fonctionnel de dimension infinie. Le calcul des variations s'est développé depuis le milieu du jusqu'aujourd'hui ; son dernier avatar est la théorie de la commande optimale, datant de la fin des années 1950.
Formule de Stirlingvignette La formule de Stirling, du nom du mathématicien écossais James Stirling, donne un équivalent de la factorielle d'un entier naturel n quand n tend vers l'infini : que l'on trouve souvent écrite ainsi : où le nombre e désigne la base de l'exponentielle. C'est Abraham de Moivre qui a initialement démontré la formule suivante : où C est une constante réelle (non nulle). L'apport de Stirling fut d'attribuer la valeur C = à la constante et de donner un développement de ln(n!) à tout ordre.
Intégration par changement de variableEn mathématiques, et plus précisément en analyse, l’intégration par changement de variable est un procédé d'intégration qui consiste à considérer une nouvelle variable d'intégration, pour remplacer une fonction de la variable d'intégration initiale. Ce procédé est un des outils principaux pour le calcul explicite d'intégrales. Il est parfois appelé intégration par substitution en lien avec le nom anglais du procédé. Soient : I un intervalle réel ; φ : [a,b] → I une fonction dérivable, de dérivée intégrable ; f : I → R une fonction continue.
Fonction localement intégrableEn mathématiques, plus précisément en théorie de l'intégration au sens de Lebesgue, une fonction à valeurs complexes définie sur un ouvert Ω de R est dite localement intégrable si sa restriction à tout compact de Ω est intégrable pour la mesure de Lebesgue λ. L'espace vectoriel de ces fonctions est noté L(Ω) et son quotient par le sous-espace des fonctions nulles presque partout est noté L(Ω).
Symbolic integrationIn calculus, symbolic integration is the problem of finding a formula for the antiderivative, or indefinite integral, of a given function f(x), i.e. to find a differentiable function F(x) such that This is also denoted The term symbolic is used to distinguish this problem from that of numerical integration, where the value of F is sought at a particular input or set of inputs, rather than a general formula for F.
Intégrale de LebesgueEn mathématiques, l’intégrale de Lebesgue désigne à la fois une théorie relative à l'intégration et à la mesure, et le résultat de l'intégration d'une fonction à valeurs réelles définie sur (ou sur ) muni de la mesure de Lebesgue. Généralisant l'intégrale de Riemann, l'intégrale de Lebesgue joue un rôle important en analyse, en théorie des probabilités et dans beaucoup d'autres domaines des mathématiques. Dans les cas simples, l'intégrale d'une fonction positive f peut être vue comme l'aire comprise entre l'axe des x (l'axe horizontal) et la courbe de la fonction f.
Intégration (mathématiques)En mathématiques, l'intégration ou calcul intégral est l'une des deux branches du calcul infinitésimal, l'autre étant le calcul différentiel. Les intégrales sont utilisées dans de multiples disciplines scientifiques notamment en physique pour des opérations de mesure de grandeurs (longueur d'une courbe, aire, volume, flux) ou en probabilités. Ses utilités pluridisciplinaires en font un outil scientifique fondamental. C'est la raison pour laquelle l'intégration est souvent abordée dès l'enseignement secondaire.
Ensemble convexeUn objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).
Série de Taylorthumb|Brook Taylor, dont la série porte le nom. En mathématiques, et plus précisément en analyse, la série de Taylor au point d'une fonction (réelle ou complexe) indéfiniment dérivable en ce point, appelée aussi le développement en série de Taylor de en , est une série entière approchant la fonction autour de , construite à partir de et de ses dérivées successives en . Elles portent le nom de Brook Taylor, qui les a introduites en 1715.
Intégrale impropreEn mathématiques, lintégrale impropre (ou intégrale généralisée) désigne une extension de l'intégrale usuelle, définie par une forme de passage à la limite dans des intégrales. On note en général les intégrales impropres sans les distinguer des véritables intégrales ou intégrales définies, ainsi : est un exemple classique d'intégrale impropre convergente, mais qui n'est pas définie au sens des théories de l'intégration usuelles (que ce soit l'intégration des fonctions continues par morceaux, l'intégrale de Riemann ou celle de Lebesgue ; une exception notable est la théorie de l'intégration de Kurzweil-Henstock).
Optimisation convexevignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.
