Search this site
Embedded Files
1QUENEAU
  • Accueil
  • Bac 1re
  • SecondDegré
  • Suites
  • Trigo
  • Dérivation
  • Exponentielle
  • Produit Scalaire
  • GeometrieReperee
  • ProbabilitésConditionnelles
  • VariablesAleatoires
  • Automatismes
  • esprit-critique
  • Devoirs
  • Livres
  • Algo / PYTHON
  • Et la Terminale
1QUENEAU
  • Accueil
  • Bac 1re
  • SecondDegré
  • Suites
  • Trigo
  • Dérivation
  • Exponentielle
  • Produit Scalaire
  • GeometrieReperee
  • ProbabilitésConditionnelles
  • VariablesAleatoires
  • Automatismes
  • esprit-critique
  • Devoirs
  • Livres
  • Algo / PYTHON
  • Et la Terminale
  • More
    • Accueil
    • Bac 1re
    • SecondDegré
    • Suites
    • Trigo
    • Dérivation
    • Exponentielle
    • Produit Scalaire
    • GeometrieReperee
    • ProbabilitésConditionnelles
    • VariablesAleatoires
    • Automatismes
    • esprit-critique
    • Devoirs
    • Livres
    • Algo / PYTHON
    • Et la Terminale

. ..  .. ..

DERIVATION

https://mathsmentales.net/index.html?u=GA11

https://mathsmentales.net/index.html?u=GA13

https://mathsmentales.net/index.html?u=Ko42

https://mathsmentales.net/index.html?u=GA12


programme

livres

https://manuel.sesamath.net/numerique/index.php?ouvrage=ms1spe_2019&page_gauche=111

https://www.calameo.com/read/0048229536e9731b3481e?page=92 

https://www.calameo.com/read/000596729923535cd3427?page=106


  • Exercices

  • Pour prendre un bon départ

  • Cours

  • Exercices résolus


https://chingmath.fr/1re/nombres-derives

https://chingmath.fr/1re/fonctions-references-derivees

https://chingmath.fr/1re/fonction-derivee


Important avant la dérivation : exercice en ligne pour s'entraîner sur les droites : coefficient directeur et ordonnées à l'origine

Dérivation - Comprendre la définition 

f(a+h)−f(a)

h

f(a+h)−f(a)h

Lire la dérivée avec la tangente

Calcul de dérivée - Formules de dérivation pour 

x

x ♦ 

x

n

xn

Calcul de dérivée - Formules de dérivation pour 

1

x

1x ♦ 

1

x

n

1xn

Calcul de dérivée d'un produit 

(uv

)

′

=

u

′

v+u

v

′

(uv)′=u′v+uv′

Calcul de dérivée d'un quotient 

(

u

v

)

′

=

u

′

v−u

v

′

v

2

(uv)′=u′v−uv′v2

Tableau de variations d'une fonction - Niveau 1 - Polynôme - Exemple 

f(x)=

x

3

−3

x

2

−9x+5

f(x)=x3−3x2−9x+5

Tableau de variations d'une fonction - Niveau 2 - Produit - Exemple 

f(x)=x

x

−

−

√

f(x)=xx

Tableau de variations d'une fonction - Niveau 3 - Quotient - Exemple 

f(x)=

10x

x

2

+9

f(x)=10xx2+9

Équation de tangente

Dérivation - Lectures graphique entre 

f

f et 

f

′

f′

Maximum, minimum, extremum d'une fonction - problèmes

Recette coût bénéfice maximal - fonction dérivation

Démonstrations des formules de dérivation & exercices plus théoriques


Chapitre 1 :      WORD      PDF

     Chapitre 2 :      WORD      PDF

     Chapitre 3 :      WORD      PDF 

  • 07-Exercices-applications-de-la-dérivation.pdf

  • Applications de la dérivation - Mathoutils

  • Exercices corrigés : fonction dérivée - Mathoutils

  • Fonction dérivée - Mathoutils

  • Exercices corrigés : Dérivation locale - Mathoutils

  • Dérivation locale - Mathoutils


https://www.camusmaths44.xyz/1e-sp%C3%A9-8-d%C3%A9riv%C3%A9es 

https://maths-mde.fr/Derivation1re.htm 

 

 https://ababsurdo.fr/blog/20150116-vtt/vtt-nup.pdf  Act intro nb dérivé

 

 

https://www.geogebra.org/m/UUEQANT5#chapter/127433 

exos

  • Equation de tangente connaissant f(a) et f’(a)squelettemtg32_Reduire_Eq_Droite_Param

  • Equation de tangente (courbe d’équation y=c/d*x²)squelettemtg32_Reduire_Eq_Droite_Param

  • Tangente et polynôme du second degrésquelettemtg32_Reduire_Eq_Droite_Param

  • Equation de tangente (courbe d’équation y=k/x)squelettemtg32_Reduire_Eq_Droite_Param

  • Savoir lire f(a) et f’(a). Niveau 1.squelettemtg32_Calc_Param_Multi_Edit

  • Savoir lire f(a) et f’(a). Niveau 2.squelettemtg32_Calc_Param_Multi_Edit

  • Savoir lire f(a) et f’(a). Bilan.squelettemtg32_Calc_Param_Multi_Edit

  • Tangente à une courbe et nombre dérivé

  • Nombre dérivé par limite de taux d’accroissement (fonction trinôme)squelettemtg32_Calc_Param_Multi_Edit_2_Etapes

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas

  • CQFD - Mathématiques 1re | Éditions Bordas



Étude de fonction sur un intervalle fermé borné (1)

  • Étude de fonction - bornes non infinies

  • Étude de fonction sur un intervalle fermé borné (2)

  • Étude des variations d’une fonction (1)

  • Étude des variations d’une fonction (2)

  • Étude des variations d’une fonction (3)

  • Maths 1re Tle - Livret (2022) - Sommaire

  • Dérivée de x↦ax+bsquelettemtg32_Deriv_Param

  • Dérivée de x↦ax²+bx+c (Niveau 1)squelettemtg32_Deriv_Param

  • Dérivée de x↦(ax+b)/csquelettemtg32_Deriv_Param

  • Dérivée de x↦k*x^n avec k ≥ 2, n ≥ 2 entierssquelettemtg32_Deriv_Param

  • Dérivée de x↦(ax+b)√(x)squelettemtg32_Deriv_Param

  • Dérivée de x↦(ax+b)/(cx+d) (Fonction homographique)squelettemtg32_Deriv_Param

  • Dérivée de x↦(ax²+bx+c)/(dx+e)squelettemtg32_Deriv_Param

  • Dérivée de x↦axn+bxp+cx+dsquelettemtg32_Deriv_Param


savoir faire

              Taux de variation d'une fonction entre deux nombres                                                                

♦ Comprendre le taux de variation d'une fonction entre deux nombres.

♦ Savoir calculer le taux de variation d'une fonction entre deux nombres.

♦ Savoir déterminer graphiquement le taux de variation d'une fonction entre deux nombres.

              Nombre dérivé d'une fonction en un nombre                                                                                                   

♦ Comprendre le taux de variation entre a et a+h.

♦ Comprendre le nombre dérivé.

♦ Comprendre comment calculer un nombre dérivé.

♦ Savoir calculer un nombre dérivé avec la fonction carrée.

♦ Savoir calculer un nombre dérivé avec une fonction du second degré.

♦ Savoir calculer un nombre dérivé avec la fonction inverse.

♦ Savoir calculer un nombre dérivé cas général.

              Tangente à une courbe                                                                                                                                                                                     

♦ Comprendre la définition de la tangente à une courbe.

♦ Savoir déterminer graphiquement un nombre dérivé.

♦ Comprendre l'équation d'une tangente à une courbe.

♦ Savoir déterminer graphiquement l'équation d'une tangente à une courbe.

♦ Savoir construire une tangente à une courbe.

♦ Savoir déterminer l'équation d'une tangente par le calcul.

 

            Démonstrations exigibles                                                                                                                                                                             

♦ La fonction racine carrée n'est pas dérivable en zéro.

♦ Équation de la tangente à une courbe.


savoir faire 2

              Fonctions dérivées des fonctions de références                                                                                                             

♦ Comprendre la fonction dérivée.

♦ Fonction dérivée d'une fonction affine. 

♦ Fonction dérivée de la fonction carrée. 

♦ Fonction dérivée de la fonction cube. 

♦ Fonction dérivée de la fonction inverse.

♦ Fonction dérivée de la fonction racine carrée.

♦ Fonction dérivée de la fonction valeur absolue.

♦ Savoir appliquer les formules de dérivées des fonctions usuelles.

             Opérations sur les fonctions dérivées                                                                                                                                                          

♦ Comprendre la fonction dérivée d'une somme de fonctions.

♦ Savoir dériver une somme de fonctions.

♦ Savoir dériver une fonction polynôme.

♦ Comprendre la fonction dérivée d'un produit de fonctions.

♦ Savoir dériver un produit de fonctions.

♦ Comprendre la fonction dérivée d'un quotient de fonctions.

♦ Savoir dériver l'inverse d'une fonction.

♦ Savoir dériver un quotient de fonctions.

♦ Savoir dérivée une fonction composée.

             Tangente à une courbe                                                                                                                                                                                                                  

♦ Savoir déterminer l'équation d'une tangente niveau 2.

              Fonction dérivée et sens de variation                                                                                                                                                           

♦ Comprendre le lien signes f ' et variations de f.

♦ Savoir compléter un tableau de variations avec le signe de la dérivée.

♦ Savoir établir le tableau de signes d'une fonction dérivée avec une courbe.

♦ Savoir construire une courbe avec le signe de la dérivée.

♦ Comprendre comment étudier les variations d'une fonction.

♦ Savoir étudier les variation d'un polynome du 2° degré.

♦ Savoir étudier les variation d'un polynome du 3° degré.

♦ Savoir étudier les variations d'une fonction rationnelle.

♦ Savoir déterminer les extremums d'une fonction.

♦ Savoir déterminer la position relative de deux courbes.

 

            Démonstrations exigibles                                                                                                                                                                                                                

♦ Expression de la fonction dérivée de la fonction carrée.

♦ Expression de la fonction dérivée de la fonction inverse.

♦ Expression de la fonction dérivée d'un produit de fonctions.

 

              Des outils pour vérifier                                                                                                                                                                                                                       

♦ Calculateur de fonction dérivée.


https://www.annales2maths.com/tag/nombre-derive/ 

https://www.annales2maths.com/tag/tangente/ 

https://www.annales2maths.com/tag/fonction-derivee/ 

https://www.annales2maths.com/tag/variations/ 

https://www.mathgm.fr/index.php/premiere/e3c-1ere/116-derivation 

non dérivabilité

Dérivation

Nombre dérivé

Dérivée d'une fonction affine

Dérivée d'une fonction du second degré

Dérivée d'une fonction polynôme

Dérivée d'un produit de fonctions

Dérivée d'un quotient de fonctions

Equation de la tangente

pente

la pente en pourcentage (%)

  • Principe (le concept physique)
    La pente en pourcentage est une manière très intuitive de représenter le ratio. Elle indique de combien de mètres on monte ou descend pour une distance horizontale de 100 mètres. C’est l’expression la plus courante dans le domaine routier et pour le grand public.

  • Concrètement
    Vous voyez cette expression tous les jours sur les panneaux de signalisation routière. Un panneau indiquant “10%” signifie que sur les 100 prochains mètres (mesurés à l’horizontale), la route va descendre (ou monter) de 10 mètres. C’est une information cruciale pour les conducteurs, notamment les poids lourds.


https://www.vulgarisation-scientifique.com/wiki/Pages/Que_signifie_une_pente_en_pourcents?reload 

LES ANGLES SONT CALCULES PAR LA TRIGO (TAN)

https://xymaths.fr/MathAppli/pente-pourcentage-degre/calculs-conversion.php 

DESCENTE DE GRADIENT :regression-non-lineaire-par-descente-de-gradient
https://regression-non-lineaire-par-descente-de-gradient-fce6d0.forge.apps.education.fr/ 

Les graphiques sont déjà inclus dans ma réponse précédente ! Voici à nouveau les visuels pour la régression quadratique par descente de gradient :


1. Données et modèle optimisé

  • Points bleus : Données générées avec bruit.

  • Courbe rouge : Modèle optimisé y=0.62x2+1.89x+0.34y = 0.62x^2 + 1.89x + 0.34y=0.62x2+1.89x+0.34.

2. Évolution de la fonction de coût

  • Courbe verte : Montre comment l’erreur (coût) diminue à chaque itération, jusqu’à convergence.


Interprétation visuelle

  • Le modèle s’ajuste bien aux données, malgré le bruit.

  • La fonction de coût diminue rapidement, ce qui confirme que l’algorithme fonctionne correctement.

Si tu veux explorer d’autres types de fonctions ou des détails supplémentaires, n’hésite pas à demander !


1. Qu’est-ce que la régression non linéaire ?

La régression est une méthode qui permet de modéliser la relation entre une variable dépendante (ce qu’on veut prédire, par exemple le prix d’une maison) et une ou plusieurs variables indépendantes (par exemple la taille de la maison).

  • Régression linéaire : On suppose que la relation est une droite (ex : y=ax+by = ax + by=ax+b).

  • Régression non linéaire : La relation est plus complexe (ex : y=ax2+by = ax^2 + by=ax2+b, y=a⋅ebxy = a \cdot e^{bx}y=a⋅ebx, etc.).

Exemple concret : Si on veut modéliser la croissance d’une population de bactéries, une fonction exponentielle (y=a⋅ebxy = a \cdot e^{bx}y=a⋅ebx) sera plus adaptée qu’une droite.


2. Pourquoi utiliser la descente de gradient ?

La descente de gradient est un algorithme qui permet de trouver les meilleurs paramètres (comme aaa et bbb) pour que la fonction s’adapte au mieux aux données.

  • Idée de base : On part d’une estimation initiale des paramètres, puis on les ajuste petit à petit pour minimiser l’erreur entre les valeurs prédites et les valeurs réelles.


3. Comment fonctionne la descente de gradient ?

a) Fonction de coût

On utilise une fonction de coût (souvent l’erreur quadratique moyenne) pour mesurer à quel point notre modèle est éloigné des données réelles.

Erreur=1n∑i=1n(yi−y^i)2\text{Erreur} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2Erreur=n1​i=1∑n​(yi​−y^​i​)2

où yiy_iyi​ est la valeur réelle et y^i\hat{y}_iy^​i​ la valeur prédite par le modèle.

b) Mise à jour des paramètres

On ajuste les paramètres dans la direction qui réduit le plus l’erreur, en utilisant la dérivée de la fonction de coût.

  • Formule de mise à jour :

anouveau=aancien−α⋅∂Erreur∂aa_{\text{nouveau}} = a_{\text{ancien}} - \alpha \cdot \frac{\partial \text{Erreur}}{\partial a}anouveau​=aancien​−α⋅∂a∂Erreur​ bnouveau=bancien−α⋅∂Erreur∂bb_{\text{nouveau}} = b_{\text{ancien}} - \alpha \cdot \frac{\partial \text{Erreur}}{\partial b}bnouveau​=bancien​−α⋅∂b∂Erreur​

où α\alphaα est le taux d’apprentissage (un petit nombre qui contrôle la taille des pas).

c) Itération

On répète cette mise à jour jusqu’à ce que l’erreur soit suffisamment petite.


4. Exemple visuel

Imaginez une montagne. Vous êtes en haut et vous voulez descendre au point le plus bas (le minimum de la fonction de coût). À chaque pas, vous regardez la pente sous vos pieds et vous descendez dans la direction la plus raide.


5. Cas de la régression non linéaire

Pour une fonction non linéaire (par exemple y=a⋅ebxy = a \cdot e^{bx}y=a⋅ebx) :

  • On calcule les dérivées partielles de l’erreur par rapport à aaa et bbb.

  • On met à jour aaa et bbb comme ci-dessus.


6. Résumé des étapes

  1. Choisir une fonction non linéaire adaptée aux données.

  2. Initialiser les paramètres (par exemple a=1a = 1a=1, b=0b = 0b=0).

  3. Calculer l’erreur.

  4. Calculer les dérivées partielles de l’erreur par rapport à chaque paramètre.

  5. Mettre à jour les paramètres.

  6. Répéter jusqu’à convergence.


7. Attention aux pièges !

  • Taux d’apprentissage trop grand : On peut "sauter" par-dessus le minimum.

  • Taux d’apprentissage trop petit : La convergence sera très lente.

  • Minima locaux : La descente de gradient peut s’arrêter dans un minimum local (pas le meilleur minimum global).


8. Application pratique

En Python, on utilise souvent des bibliothèques comme scikit-learn pour faire cela automatiquement, mais comprendre le principe permet de mieux interpréter les résultats.


Question pour les élèves :

Si vous deviez modéliser la trajectoire d’un ballon lancé en l’air, quelle fonction non linéaire utiliseriez-vous ? Pourquoi ?



Voici les résultats pour une régression non linéaire par descente de gradient avec une fonction du second degré :

  1. Graphique de gauche : Les points bleus représentent les données (avec un peu de bruit), et la courbe rouge est le modèle optimisé y=0.62x2+1.89x+0.34y = 0.62x^2 + 1.89x + 0.34y=0.62x2+1.89x+0.34 trouvé par la descente de gradient.

  2. Graphique de droite : L’évolution de la fonction de coût au fil des itérations, qui diminue jusqu’à se stabiliser.

!

Régression quadratique par descente de gradient

Explication des résultats :

  • Modèle trouvé : y=0.62x2+1.89x+0.34y = 0.62x^2 + 1.89x + 0.34y=0.62x2+1.89x+0.34 (proche de la vraie fonction y=0.5x2+2x+1y = 0.5x^2 + 2x + 1y=0.5x2+2x+1 utilisée pour générer les données).

  • Fonction de coût : Elle diminue rapidement, ce qui montre que l’algorithme converge vers une bonne solution.


Remarque : Le taux d’apprentissage (α=0.001\alpha = 0.001α=0.001) a été ajusté pour assurer une convergence stable. Un taux trop grand pourrait faire "osciller" la descente, tandis qu’un taux trop petit ralentirait la convergence.


Question pour les élèves : Si on ajoutait un terme cubique (x3x^3x3) à la fonction, comment adapteriez-vous la descente de gradient ? Quels nouveaux paramètres devriez-vous estimer ?


algorithme itératif de Newton
https://scienceetonnante.substack.com/p/le-plus-gros-hack-de-lhistoire-du 

La méthode de Newton est un algorithme permettant de façon générale de trouver une solution approchée d’une équation de la forme f(x) = 0.  

dANS LE LIVRE

https://exobank.hachette-livre.fr/contents/final/9782017102083-fxl/OEBPS/Page_150.html 

https://lycee.hachette-education.com/ressources/0002017102083/chapitre_5_p146_demonstration_en_ligne.pdf 

PB OPTIMISATION

  • Manuel Première 2019 - pages 158/159

  • Spécimen Déclic 1re

  • Accès libre - Declic Mathématiques 1re - 2019 des Éditions Hachette Éducation : Mon espace E-Education

  • Spécimen Déclic 1re

  • Spécimen Déclic 1re

  • Spécimen Déclic 1re

  • Spécimen Déclic 1re

  • Spécimen Déclic 1re

  • Déclic Mathématiques 1re - 2019

  • Déclic Mathématiques 1re - 2019

  • Déclic Mathématiques 1re - 2019

  • Déclic Mathématiques 1re - 2019

  • Variations Maths 1re Ed 2019 Manuel numérique élève (Page 158)

  • Construction d’une route | Lelivrescolaire.fr

  • https://maths-au-quotidien.fr/lycee/docs/conserve.pdf 


Fonction composée https://applis_maths_sciences.forge.apps.education.fr/physique_chimie/maths/reconnaissance_fonctions_difficile.html 

Google Sites
Report abuse
Page details
Page updated
Google Sites
Report abuse