Fonction de baseEn analyse numérique, une fonction de base (ou basis function en anglais) est une fonction apparaissant dans une « base » fixée d'un espace fonctionnel. Selon le contexte, une base peut désigner : une base d'un espace vectoriel : la suite (X) est une base de l'espace R[X] des polynômes à coefficients réels, et les monômes X en sont les fonctions de base. une base de Hilbert d'un espace de Hilbert : dans la théorie de Fourier discrète, les fonctions trigonométriques x ↦ cos(nx) et x ↦ sin(nx) sont les fonctions de base d'une base Hilbert de L(R/Z, R).
Test de la dérivée premièreEn analyse réelle, le test de la dérivée première permet de déterminer l'allure d'une fonction dérivable en étudiant le signe de sa dérivée. Grâce à ce test, on peut déduire les extrema locaux, le sens de variation de f et les points d'inflexion « horizontaux », permettant ainsi de donner une allure du graphe de la fonction . Soit avec un intervalle ouvert réel (par exemple où et sont des réels). On suppose de plus que dérivable sur .
Produit dérivé financierUn produit dérivé ou contrat dérivé ou encore derivative product est un instrument financier : dont la valeur fluctue en fonction de l'évolution du taux ou du prix d'un autre produit appelé sous-jacent ; qui requiert peu ou pas de placement initial ; dont le règlement s'effectue à une date future. Ce produit consiste en un contrat entre deux parties, un acheteur et un vendeur, qui fixe des flux financiers futurs fondés sur ceux d'un actif sous-jacent, réel ou théorique, généralement financier.
Opérateur différentielEn mathématiques, et plus précisément en analyse, un opérateur différentiel est un opérateur agissant sur des fonctions différentiables. Lorsque la fonction est à une seule variable, l'opérateur différentiel est construit à partir des dérivées ordinaires. Lorsque la fonction est à plusieurs variables, l'opérateur différentiel est construit à partir des dérivées partielles. Un opérateur différentiel agissant sur deux fonctions est appelé opérateur bidifférentiel.
Morlet waveletIn mathematics, the Morlet wavelet (or Gabor wavelet) is a wavelet composed of a complex exponential (carrier) multiplied by a Gaussian window (envelope). This wavelet is closely related to human perception, both hearing and vision. Wavelet#History In 1946, physicist Dennis Gabor, applying ideas from quantum physics, introduced the use of Gaussian-windowed sinusoids for time-frequency decomposition, which he referred to as atoms, and which provide the best trade-off between spatial and frequency resolution.
Continuous waveletIn numerical analysis, continuous wavelets are functions used by the continuous wavelet transform. These functions are defined as analytical expressions, as functions either of time or of frequency. Most of the continuous wavelets are used for both wavelet decomposition and composition transforms. That is they are the continuous counterpart of orthogonal wavelets. The following continuous wavelets have been invented for various applications: Poisson wavelet Morlet wavelet Modified Morlet wavelet Mexican ha
Multiplicateur de FourierEn théorie de Fourier, un multiplicateur est un type d'opérateur linéaire ou de transformation de fonctions. Ces opérateurs agissent sur une fonction en modifiant sa transformée de Fourier. Plus précisément, ils multiplient la transformée de Fourier d'une fonction par une fonction choisie connue sous le nom de multiplicateur ou symbole. Parfois, le terme opérateur multiplicateur lui-même est simplement abrégé en multiplicateur. En termes simples, le multiplicateur déforme les fréquences impliquées dans toute fonction.
Transformation de LaplaceEn mathématiques, la transformation de Laplace est une transformation intégrale qui à une fonction f — définie sur les réels positifs et à valeurs réelles — associe une nouvelle fonction F — définie sur les complexes et à valeurs complexes — dite transformée de Laplace de f. L'intérêt de la transformation de Laplace vient de la conjonction des deux faits suivants : De nombreuses opérations courantes sur la fonction originale f se traduisent par une opération algébrique sur la transformée F.
Generalizations of the derivativeIn mathematics, the derivative is a fundamental construction of differential calculus and admits many possible generalizations within the fields of mathematical analysis, combinatorics, algebra, geometry, etc. The Fréchet derivative defines the derivative for general normed vector spaces . Briefly, a function , an open subset of , is called Fréchet differentiable at if there exists a bounded linear operator such that Functions are defined as being differentiable in some open neighbourhood of , rather than at individual points, as not doing so tends to lead to many pathological counterexamples.
Logarithmic differentiationIn calculus, logarithmic differentiation or differentiation by taking logarithms is a method used to differentiate functions by employing the logarithmic derivative of a function f, The technique is often performed in cases where it is easier to differentiate the logarithm of a function rather than the function itself. This usually occurs in cases where the function of interest is composed of a product of a number of parts, so that a logarithmic transformation will turn it into a sum of separate parts (which is much easier to differentiate).
Transformation inverse de LaplaceLa transformation inverse de Laplace (notée ) est la fonction inverse de la transformation de Laplace. La transformation de Laplace a beaucoup d'avantages car la plupart des opérations courantes sur la fonction originale , telle que la dérivation, ou un décalage sur la variable , ont une traduction (plus) simple sur la transformée , mais ces avantages sont sans intérêt si on ne sait pas calculer la transformée inverse d'une transformée donnée.
Time–frequency representationA time–frequency representation (TFR) is a view of a signal (taken to be a function of time) represented over both time and frequency. Time–frequency analysis means analysis into the time–frequency domain provided by a TFR. This is achieved by using a formulation often called "Time–Frequency Distribution", abbreviated as TFD. TFRs are often complex-valued fields over time and frequency, where the modulus of the field represents either amplitude or "energy density" (the concentration of the root mean square over time and frequency), and the argument of the field represents phase.
