Rappels espaces vectoriels de dimension finie – espaces euclidiens - formes quadratiques - espaces vectoriels normés - espaces de fonctions C, C¹– sous-espaces denses – sous-espaces complets - introduction aux espaces de Hilbert

Mesure sur une tribu. Intégrale de Lebesgue, théorèmes de convergence de Lebesgue, intégrales à paramètres, intégrale multiple. Variables aléatoires, indépendance, lois usuelles, fonction caractéristique, loi des grands nombres, théorème de la limite centrale

Représentation machine des nombres réels, intégration numérique, interpolation, résolution d’équation non linéaire (méthodes de dichotomie et Newton), méthodes d’Euler pour les EDO. Simulation numérique de lois de probabilité

Rappels d’algèbre linéaire – réduction des endomorphismes – décompositions des matrices – algorithmes de résolution des systèmes linéaires - conditionnement – matrices symétriques définies positives

Séries d’exposés donnés par les étudiants sur un thème choisi par l’enseignant

Géométrie affine, applications affines de R^n. Transformations en géométrie plane, puissance, inversion, birapport, homographie. Géométrie dans l’espace, transformation dans l’espace, isométrie, transformations orthogonales, groupe orthogonal, unitaire

Vocabulaire de la théorie des ensembles (cardinal, quotient, relation d’équivalence). Groupes, actions de groupes. Applications aux groupes finis. Anneaux, anneaux principaux, arithmé- tique, polynômes

Espaces Lp, espaces de Hilbert, séries de Fourier, projection sur un convexe fermé, distance à un sous-espace, transformation de Fourier sur L2, formule de Parseval.

Statistique paramétrique : estimateurs par la méthode des moments et du maximum de vraisemblance. Consistance des estimateurs. Convergence en moyenne quadratique, inter- valle de confiance des tests, asymptotique et non asymptotique.

Optimisation des fonctions de plusieurs variables – Lagrangien – notion de sous-différentiel et applications – introduction à l’optimisation stochastique – algorithmes de descente du gradient