Bases Indispensables des Mathématiques
|
|
- Émilien Justin Gilbert
- il y a 5 ans
- Total affichages :
Transcription
1 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Bases Indispensables des Mathématiques Chapitre 2 : Algèbre linéaire. (Partie 2 : Applications linéaires et Matrices) Julian Tugaut Jeudi 08 Septembre 2016 Julian Tugaut Bases Indispensables des Mathématiques
2 Sommaire 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel Addition et multiplication par un scalaire Produit de deux matrices 5 Déterminants 6 Inversion de matrices
3 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel 5 Déterminants 6 Inversion de matrices
4 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Applications linéaires Définition Soient E et F deux espaces vectoriels sur R (ou C). On dit qu une application f de E dans F est linéaire si λ R, x,y E, on a : f (λx +y) = λf(x)+f(y). Julian Tugaut Bases Indispensables des Mathématiques
5 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Applications linéaires Définition Soient E et F deux espaces vectoriels sur R (ou C). On dit qu une application f de E dans F est linéaire si λ R, x,y E, on a : f (λx +y) = λf(x)+f(y). Exemples L application Id E de E dans lui-même définie par Id E (x) := x est linéaire. L application de K n dans K définie par f(x 1,,x n ) := x 1 + +x n est linéaire. L application Tr de M n (R) dans R qui, à une matrice, associe sa trace est également linéaire. Julian Tugaut Bases Indispensables des Mathématiques
6 Vocabulaire Endomorphisme Une application linéaire de E dans lui-même est un endomorphisme.
7 Vocabulaire Endomorphisme Une application linéaire de E dans lui-même est un endomorphisme. Exemple L application f de C dans lui-même définie par f(z) := z.
8 Vocabulaire Endomorphisme Une application linéaire de E dans lui-même est un endomorphisme. Exemple L application f de C dans lui-même définie par f(z) := z. Isomorphisme Une application linéaire bijective de E vers F est un isomorphisme.
9 Vocabulaire Endomorphisme Une application linéaire de E dans lui-même est un endomorphisme. Exemple L application f de C dans lui-même définie par f(z) := z. Isomorphisme Une application linéaire bijective de E vers F est un isomorphisme. Exemple L application f de C dans R 2 définie par f(z) := (Re(z);Im(z)).
10 Vocabulaire Endomorphisme Une application linéaire de E dans lui-même est un endomorphisme. Exemple L application f de C dans lui-même définie par f(z) := z. Isomorphisme Une application linéaire bijective de E vers F est un isomorphisme. Exemple L application f de C dans R 2 définie par f(z) := (Re(z);Im(z)). Définition On dit que E est isomorphe à F s il existe un isomorphisme de l un vers l autre.
11 Théorème de la dimension Image On appelle image de f : Imf := {f(x) ; x E} F.
12 Théorème de la dimension Image On appelle image de f : Imf := {f(x) ; x E} F. Noyau On appelle noyau de f : Kerf := {x E f(x) = 0}.
13 Théorème de la dimension Image On appelle image de f : Imf := {f(x) ; x E} F. Noyau On appelle noyau de f : Kerf := {x E f(x) = 0}. Imf est un sous-espace vectoriel de F tandis que Kerf est un sous-espace vectoriel de E. On appelle rang de f : rg(f) := dimimf.
14 Théorème de la dimension Image On appelle image de f : Imf := {f(x) ; x E} F. Noyau On appelle noyau de f : Kerf := {x E f(x) = 0}. Imf est un sous-espace vectoriel de F tandis que Kerf est un sous-espace vectoriel de E. On appelle rang de f : rg(f) := dimimf. Théorème du rang dime = dimimf +dimkerf = rg(f)+dimkerf.
15 Déterminer une application linéaire Résultat Soient {e 1 ; ; e p } une base de E et {f 1 ; ; f n } une base de F. Alors connaître les coordonnées des p vecteurs f(e 1 ),,f(e p ) dans la base {f 1 ; ; f n } est suffisant pour caractériser l application linéaire f.
16 Déterminer une application linéaire Résultat Soient {e 1 ; ; e p } une base de E et {f 1 ; ; f n } une base de F. Alors connaître les coordonnées des p vecteurs f(e 1 ),,f(e p ) dans la base {f 1 ; ; f n } est suffisant pour caractériser l application linéaire f. Démonstration On suppose connues les coordonnées des p vecteurs f(e 1 ),,f(e p ) dans la base {f 1 ; ; f n } : f(e j ) = a 1,j f 1 +a 2,j f 2 + +a n 1,j f n 1 +a n,j f n. Soit un vecteur quelconque x de E. Il existe α 1,, α p R tels que x = α 1 e 1 + +α p e p d où : f(x) = p α j f(e j ) = j=1 p j=1 i=1 n a i,j α j f i = n p a i,j α j f i i=1 j=1
17 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel 5 Déterminants 6 Inversion de matrices
18 Matrice d une application linéaire On connaît donc l application linéaire f si l on connait : f(e 1 ) {}} { a 1,1. a i,1. a n,1 ; ; f(e j ) {}} { a 1,j. a i,j. a n,j ; ; f(e p) { }} { a 1,p. a i,p. a n,p
19 Matrice d une application linéaire On connaît donc l application linéaire f si l on connait : f(e 1 ) {}} { a 1,1. a i,1. a n,1 ; ; f(e j ) {}} { a 1,j. a i,j. a n,j ; ; f(e p) { }} { a 1,p. a i,p. a n,p Pour simplifier l écriture, on met tous les coefficients dans un tableau à n lignes et p colonnes : a 1,1 a 1,j a 1,p... a i,1 a i,j a i,p... a n,1 a n,j a n,p
20 Terminologie Matrice Ce tableau est appelé la matrice de l application linéaire f.
21 Terminologie Matrice Ce tableau est appelé la matrice de l application linéaire f. Rang d une matrice Le rang d une matrice M est égal au rang de son application linéaire.
22 Terminologie Matrice Ce tableau est appelé la matrice de l application linéaire f. Rang d une matrice Le rang d une matrice M est égal au rang de son application linéaire. Notation Pour simplifier, on écrit M = (a i,j ) 1 i n. 1 j p M est alors une matrice à n lignes et p colonnes. On appelle M n,p (R) l espace vectoriel des matrices à n lignes et p colonnes et à coefficients dans R. On note : dim R M n,p (R) = np.
23 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Transposée et adjointe Transposée Si le corps est R, la transposée de M est M T := (a j,i ) 1 i n, 1 j p. M T est alors une matrice à p lignes et n colonnes. Julian Tugaut Bases Indispensables des Mathématiques
24 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Transposée et adjointe Transposée Si le corps est R, la transposée de M est M T := (a j,i ) 1 i n, 1 j p. M T est alors une matrice à p lignes et n colonnes. Adjointe Si le corps est C, l adjointe de M est M := (a j,i ) 1 i n, 1 j p. M est alors une matrice à p lignes et n colonnes. Julian Tugaut Bases Indispensables des Mathématiques
25 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel 5 Déterminants 6 Inversion de matrices
26 Matrices carrées Définition Matrices ayant autant de lignes que de colonnes : a 1,1 a 1,j a 1,n... M := a i,1 a i,j a i,n... a n,1 a n,j a n,n
27 Matrices carrées Définition Matrices ayant autant de lignes que de colonnes : a 1,1 a 1,j a 1,n... M := a i,1 a i,j a i,n... a n,1 a n,j a n,n Trace On définit la trace comme étant la somme des éléments diagonaux : n Tr(M) := a i,i. i=1
28 Matrices symétriques/hermitiennes Matrices symétriques Matrices carrées réelles telles que M = M T : a i,j = a j,i. Exemple : M :=
29 Matrices symétriques/hermitiennes Matrices symétriques Matrices carrées réelles telles que M = M T : a i,j = a j,i. Exemple : Matrices hermitiennes M := Matrices carrées complexes telles que M = M T : a i,j = a j,i. Exemple : 1 i 3 M := i 5 3 i 3 3+i 2
30 Matrices symétriques/hermitiennes Matrices symétriques Matrices carrées réelles telles que M = M T : a i,j = a j,i. Exemple : Matrices hermitiennes M := Matrices carrées complexes telles que M = M T : a i,j = a j,i. Exemple : 1 i 3 M := i 5 3 i 3 3+i 2 Remarque : une matrice complexe symétrique n est pas une matrice hermitienne.
31 Matrices diagonales Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Les matrices diagonales sont des matrices carrées telles que les coefficients hors diagonale sont nuls : a i,j = 0 si i j. Exemple : M := Julian Tugaut Bases Indispensables des Mathématiques
32 Matrices diagonales Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Les matrices diagonales sont des matrices carrées telles que les coefficients hors diagonale sont nuls : a i,j = 0 si i j. Exemple : M := Les matrices diagonales jouent un rôle particulier puisqu il est facile de les multiplier, de calculer leurs puissances et leur exponentielle. On cherche autant que faire se peut à travailler avec. Julian Tugaut Bases Indispensables des Mathématiques
33 Matrices triangulaires Remarque On ne peut pas toujours travailler avec des matrices diagonales mais si l on travaille dans C, on peut toujours se ramener à une matrice triangulaire supérieure (ou une matrice triangulaire inférieure).
34 Matrices triangulaires Remarque On ne peut pas toujours travailler avec des matrices diagonales mais si l on travaille dans C, on peut toujours se ramener à une matrice triangulaire supérieure (ou une matrice triangulaire inférieure). Définition Une matrice triangulaire supérieure est une matrice carrée telle que a i,j = 0 si i > j : M :=
35 Matrices identités Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices La matrice identité est une matrice diagonale dont tous les termes diagonaux sont égaux à 1. On la note I n lorsque l on est en dimension n : I 4 := Julian Tugaut Bases Indispensables des Mathématiques
36 Matrices identités Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices La matrice identité est une matrice diagonale dont tous les termes diagonaux sont égaux à 1. On la note I n lorsque l on est en dimension n : I 4 := Il s agit aussi de l élément neutre pour la multiplication des matrices. Julian Tugaut Bases Indispensables des Mathématiques
37 Matrices nulles Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices La matrice nulle est une matrice carrée dont tous les coefficients sont égaux à 0. On la note O n lorsque l on est en dimension n : O 4 := Julian Tugaut Bases Indispensables des Mathématiques
38 Matrices nulles Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices La matrice nulle est une matrice carrée dont tous les coefficients sont égaux à 0. On la note O n lorsque l on est en dimension n : O 4 := Il s agit aussi de l élément neutre pour l addition des matrices. Julian Tugaut Bases Indispensables des Mathématiques
39 Vecteurs lignes/colonnes Vecteur ligne Un vecteur ligne est une matrice ayant une unique ligne et p colonnes.
40 Vecteurs lignes/colonnes Vecteur ligne Un vecteur ligne est une matrice ayant une unique ligne et p colonnes. Exemple ( )
41 Vecteurs lignes/colonnes Vecteur ligne Un vecteur ligne est une matrice ayant une unique ligne et p colonnes. Exemple ( ) Vecteur colonne Un vecteur colonne est une matrice ayant une unique colonne et n lignes.
42 Vecteurs lignes/colonnes Vecteur ligne Un vecteur ligne est une matrice ayant une unique ligne et p colonnes. Exemple ( ) Vecteur colonne Un vecteur colonne est une matrice ayant une unique colonne et n lignes. Exemple
43 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel Addition et multiplication par un scalaire Produit de deux matrices 5 Déterminants 6 Inversion de matrices
44 Addition L addition de deux matrices se fait coefficient à coefficient : a 1,1 a 1,2 a 1,3 a 1,4 b 1,1 b 1,2 b 1,3 b 1,4 a 2,1 a 2,2 a 2,3 a 2,4 + b 2,1 b 2,2 b 2,3 b 2,4 a 3,1 a 3,2 a 3,3 a 3,4 b 3,1 b 3,2 b 3,3 b 3,4 = a 1,1 +b 1,1 a 1,2 +b 1,2 a 1,3 +b 1,3 a 1,4 +b 1,4 a 2,1 +b 2,1 a 2,2 +b 2,2 a 2,3 +b 2,3 a 2,4 +b 2,4 a 3,1 +b 3,1 a 3,2 +b 3,2 a 3,3 +b 3,3 a 3,4 +b 3,4
45 Addition L addition de deux matrices se fait coefficient à coefficient : a 1,1 a 1,2 a 1,3 a 1,4 b 1,1 b 1,2 b 1,3 b 1,4 a 2,1 a 2,2 a 2,3 a 2,4 + b 2,1 b 2,2 b 2,3 b 2,4 a 3,1 a 3,2 a 3,3 a 3,4 b 3,1 b 3,2 b 3,3 b 3,4 = a 1,1 +b 1,1 a 1,2 +b 1,2 a 1,3 +b 1,3 a 1,4 +b 1,4 a 2,1 +b 2,1 a 2,2 +b 2,2 a 2,3 +b 2,3 a 2,4 +b 2,4 a 3,1 +b 3,1 a 3,2 +b 3,2 a 3,3 +b 3,3 a 3,4 +b 3,4 Les matrices doivent avoir le même nombre de lignes et de colonnes.
46 Addition L addition de deux matrices se fait coefficient à coefficient : a 1,1 a 1,2 a 1,3 a 1,4 b 1,1 b 1,2 b 1,3 b 1,4 a 2,1 a 2,2 a 2,3 a 2,4 + b 2,1 b 2,2 b 2,3 b 2,4 a 3,1 a 3,2 a 3,3 a 3,4 b 3,1 b 3,2 b 3,3 b 3,4 = a 1,1 +b 1,1 a 1,2 +b 1,2 a 1,3 +b 1,3 a 1,4 +b 1,4 a 2,1 +b 2,1 a 2,2 +b 2,2 a 2,3 +b 2,3 a 2,4 +b 2,4 a 3,1 +b 3,1 a 3,2 +b 3,2 a 3,3 +b 3,3 a 3,4 +b 3,4 Les matrices doivent avoir le même nombre de lignes et de colonnes. La multiplication par un scalaire λ K s effectue sur chaque coefficient : a 1,1 a 1,2 a 1,3 a 1,4 λ.a 1,1 λ.a 1,2 λ.a 1,3 λ.a 1,4 λ. a 2,1 a 2,2 a 2,3 a 2,4 = λ.a 2,1 λ.a 2,2 λ.a 2,3 λ.a 2,4 a 3,1 a 3,2 a 3,3 a 3,4 λ.a 3,1 λ.a 3,2 λ.a 3,3 λ.a 3,4
47 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Propriétés de l addition Addition et multiplication par un scalaire Produit de deux matrices Groupe L ensemble M n,p (K) des matrices à n lignes et p colonnes muni de l addition matricielle est un groupe abélien. Et, muni de la multiplication par un scalaire, c est un K-espace vectoriel. Julian Tugaut Bases Indispensables des Mathématiques
48 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Propriétés de l addition Addition et multiplication par un scalaire Produit de deux matrices Groupe L ensemble M n,p (K) des matrices à n lignes et p colonnes muni de l addition matricielle est un groupe abélien. Et, muni de la multiplication par un scalaire, c est un K-espace vectoriel. Pour les matrices carrées, on a de plus : Tr(A+B) = Tr(A)+Tr(B) et Tr(λ.A) = λ.tr(a). La trace est donc une application linéaire de M n (K) vers K. On a également : (A+B) T = A T +B T. Julian Tugaut Bases Indispensables des Mathématiques
49 Définition du produit de deux matrices Rappel Une matrice est associée à une application linéaire. Ainsi, si f est une application linéaire d un espace vectoriel E de dimension p vers un espace vectoriel n, la matrice associée est un tableau à n lignes et p colonnes, les n coordonnées dans la nouvelle base des images par f de l ancienne base.
50 Définition du produit de deux matrices Rappel Une matrice est associée à une application linéaire. Ainsi, si f est une application linéaire d un espace vectoriel E de dimension p vers un espace vectoriel n, la matrice associée est un tableau à n lignes et p colonnes, les n coordonnées dans la nouvelle base des images par f de l ancienne base. Définition On définit le produit d une matrice A M n,p par une matrice B M q,r comme étant la matrice associée à la composée des deux applications linéaires associées.
51 Définition du produit de deux matrices Rappel Une matrice est associée à une application linéaire. Ainsi, si f est une application linéaire d un espace vectoriel E de dimension p vers un espace vectoriel n, la matrice associée est un tableau à n lignes et p colonnes, les n coordonnées dans la nouvelle base des images par f de l ancienne base. Définition On définit le produit d une matrice A M n,p par une matrice B M q,r comme étant la matrice associée à la composée des deux applications linéaires associées. Première remarque On en déduit immédiatement que le produit A B n est défini que si p = q et alors la matrice produit A B est dans M n,r.
52 Formule pour le produit On peut montrer que le produit d une matrice A M n,p par une matrice B M p,q est une matrice C dans M n,q dont chaque coefficient c i,j est égal à c i,j = p a i,k b k,j. k=1
53 Formule pour le produit On peut montrer que le produit d une matrice A M n,p par une matrice B M p,q est une matrice C dans M n,q dont chaque coefficient c i,j est égal à c i,j = p a i,k b k,j. k=1 Matrices carrées On peut toujours multiplier deux matrices carrées de même taille entre elles, dans un sens ou dans l autre. Muni de l addition et de la multiplication, M n (K) est un anneau.
54 Formule pour le produit On peut montrer que le produit d une matrice A M n,p par une matrice B M p,q est une matrice C dans M n,q dont chaque coefficient c i,j est égal à c i,j = p a i,k b k,j. k=1 Matrices carrées On peut toujours multiplier deux matrices carrées de même taille entre elles, dans un sens ou dans l autre. Muni de l addition et de la multiplication, M n (K) est un anneau. Propriétés Tr(A B) = Tr(B A). Et : (A B) T = B T A T.
55 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Remarques importantes sur le produit Addition et multiplication par un scalaire Produit de deux matrices Le produit de deux matrices non nulles peut être nul. Exemple : = Julian Tugaut Bases Indispensables des Mathématiques
56 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Remarques importantes sur le produit Addition et multiplication par un scalaire Produit de deux matrices Le produit de deux matrices non nulles peut être nul. Exemple : = Et, une matrice est inversible pour le produit si et seulement si le rang de la matrice (en d autres termes, la dimension de l image de son application linéaire associée) est égal à n. Ainsi, une matrice est inversible si et seulement si ses vecteurs colonnes (ou ses vecteurs lignes) forment une famille libre dans K n. Julian Tugaut Bases Indispensables des Mathématiques
57 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel 5 Déterminants 6 Inversion de matrices
58 Définition Par définition, le déterminant... détermine. Il détermine en particulier l inversibilité ou non de la matrice. On le définit comme étant une application multi-linéaire de la matrice.
59 Définition Par définition, le déterminant... détermine. Il détermine en particulier l inversibilité ou non de la matrice. On le définit comme étant une application multi-linéaire de la matrice. Exemple On considère une matrice carrée de n lignes et n colonnes. On appelle C 1,,C n ses n colonnes. On a alors : Det ( C 1,,C i 1, λ.c i +C i,c i+1,,c n ) =λdet(c 1,,C i 1,C i,c i+1,,c n ) +Det ( C 1,,C i 1,C i,c i+1,,c n ).
60 si k i. Enfin, on suppose Det(I n ) = 1. Définition Par définition, le déterminant... détermine. Il détermine en particulier l inversibilité ou non de la matrice. On le définit comme étant une application multi-linéaire de la matrice. Exemple On considère une matrice carrée de n lignes et n colonnes. On appelle C 1,,C n ses n colonnes. On a alors : Det ( C 1,,C i 1, λ.c i +C i,c i+1,,c n ) =λdet(c 1,,C i 1,C i,c i+1,,c n ) +Det ( C 1,,C i 1,C i,c i+1,,c n ). On suppose également que le déterminant est nul dès que deux colonnes sont égales d où : Det(C 1,,C i 1,C i + λ.c k,c i+1,,c n ) = Det(C 1,,C i 1,C i,c i+1,,c n )
61 Calcul pratique 1 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Définition calculatoire Det(A) := n a i,σ(i). σ S n ( 1) Inv(σ) i=1 Julian Tugaut Bases Indispensables des Mathématiques
62 Calcul pratique 1 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Définition calculatoire Det(A) := n a i,σ(i). Peu pratique... σ S n ( 1) Inv(σ) i=1 Julian Tugaut Bases Indispensables des Mathématiques
63 Calcul pratique 1 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Définition calculatoire Det(A) := n a i,σ(i). Peu pratique... σ S n ( 1) Inv(σ) i=1 Dans M 2 (K) Det (( a b c d )) := ad bc. Julian Tugaut Bases Indispensables des Mathématiques
64 Calcul pratique 2 Dans M 3 (K) Det a 1,1 a 1,2 a 1,3 a 2,1 a 2,2 a 2,3 a 3,1 a 3,2 a 3,3
65 Calcul pratique 2 Dans M 3 (K) Det a 1,1 a 1,2 a 1,3 a 2,1 a 2,2 a 2,3 a 3,1 a 3,2 a 3,3 se calcule par la méthode de Sarrus (NE FONCTIONNE PAS SI N 4!!). On réécrit les deux premières lignes en dessous de la matrice. On prend la somme des trois nombres obtenus en effectuant le produit des trois diagonales descendantes et l on retranche les trois nombres obtenus en effectuant le produit des trois diagonales ascendantes.
66 Calcul pratique 2 Dans M 3 (K) Det a 1,1 a 1,2 a 1,3 a 2,1 a 2,2 a 2,3 a 3,1 a 3,2 a 3,3 se calcule par la méthode de Sarrus (NE FONCTIONNE PAS SI N 4!!). On réécrit les deux premières lignes en dessous de la matrice. On prend la somme des trois nombres obtenus en effectuant le produit des trois diagonales descendantes et l on retranche les trois nombres obtenus en effectuant le produit des trois diagonales ascendantes. En dimension quelconque On effectue le pivot de Gauss (opérations sur les lignes de la matrice) pour simplifier le calcul du déterminant.
67 Exemple de calcul de déterminant par le pivot (L 1 ) (L 2 ) (L 3 ) (L 4 ) On encadre le pivot que l on choisit puis l on applique les opérations sur les lignes : (L 1 ) (L 2 ) (L 1 ) (L 3 ) (L 1 ) (L 4 ) (L 1 )
68 Exemple de calcul de déterminant par le pivot 2 On conserve l encadrement du pivot (pour se souvenir de ne plus utiliser la ligne (L 1 )). On procède de même que précédemment : (L 1 )+ 1 2 (L 3) (L 2 ) (L 3 ) (L 4 ) (L 3 )
69 Exemple de calcul de déterminant par le pivot 2 On conserve l encadrement du pivot (pour se souvenir de ne plus utiliser la ligne (L 1 )). On procède de même que précédemment : (L 1 )+ 1 2 (L 3) (L 2 ) (L 3 ) (L 4 ) (L 3 ) Puis : (L 1 )+ 1 2 (L 2) (L 2 ) (L 3 ) (L 4 ) (L 2 )
70 Exemple de calcul de déterminant par le pivot 3 Puis : (L 1 )+ 1 4 (L 4) (L 2 )+ 1 2 (L 4) (L 3 )+ 1 2 (L 4) (L 4 )
71 Exemple de calcul de déterminant par le pivot 3 Puis : (L 1 )+ 1 4 (L 4) (L 2 )+ 1 2 (L 4) (L 3 )+ 1 2 (L 4) (L 4 ) On calcule ensuite le déterminant en développant par rapport à la première colonne.
72 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Développement par rapport à une colonne (ou une ligne) Si une ligne ou une colonne contient beaucoup de 0, on peut utiliser la formule suivante : Julian Tugaut Bases Indispensables des Mathématiques
73 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Développement par rapport à une colonne (ou une ligne) Si une ligne ou une colonne contient beaucoup de 0, on peut utiliser la formule suivante : n ) Det(A) = a i,k ( 1) i+k Det (Ãi,k k=1 où Ãi,k est la matrice A à laquelle on a enlevé la ligne i et la colonne k. Julian Tugaut Bases Indispensables des Mathématiques
74 Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Développement par rapport à une colonne (ou une ligne) Si une ligne ou une colonne contient beaucoup de 0, on peut utiliser la formule suivante : n ) Det(A) = a i,k ( 1) i+k Det (Ãi,k k=1 où Ãi,k est la matrice A à laquelle on a enlevé la ligne i et la colonne k. De même : Det(A) = n k=1 ) a k,j ( 1) k+j Det (Ãk,j où Ãk,j est la matrice A à laquelle on a enlevé la ligne k et la colonne j. Julian Tugaut Bases Indispensables des Mathématiques
75 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Julian Tugaut Bases Indispensables des Mathématiques
76 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Julian Tugaut Bases Indispensables des Mathématiques
77 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Det(AB) = Det(BA) = Det(A)Det(B). Julian Tugaut Bases Indispensables des Mathématiques
78 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Det(AB) = Det(BA) = Det(A)Det(B). Le déterminant d une matrice diagonale est égal au produit des éléments diagonaux. Julian Tugaut Bases Indispensables des Mathématiques
79 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Det(AB) = Det(BA) = Det(A)Det(B). Le déterminant d une matrice diagonale est égal au produit des éléments diagonaux. Le déterminant d une matrice triangulaire est égal au produit des éléments diagonaux. Julian Tugaut Bases Indispensables des Mathématiques
80 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Det(AB) = Det(BA) = Det(A)Det(B). Le déterminant d une matrice diagonale est égal au produit des éléments diagonaux. Le déterminant d une matrice triangulaire est égal au produit des éléments diagonaux. Det(λA) = λ n Det(A). Julian Tugaut Bases Indispensables des Mathématiques
81 Quelques propriétés Applications linéaires Matrices : Introduction Quelques matrices particulières Calcul matriciel Déterminants Inversion de matrices Si le déterminant est nul, la matrice est non inversible. Si le déterminant est non nul, la matrice est inversible. Det(AB) = Det(BA) = Det(A)Det(B). Le déterminant d une matrice diagonale est égal au produit des éléments diagonaux. Le déterminant d une matrice triangulaire est égal au produit des éléments diagonaux. Det(λA) = λ n Det(A). ( ) Det A T = Det(A). Julian Tugaut Bases Indispensables des Mathématiques
82 Plan 1 Applications linéaires 2 Matrices : Introduction 3 Quelques matrices particulières 4 Calcul matriciel 5 Déterminants 6 Inversion de matrices
83 Définition Par définition, A M n (K) est inversible si et seulement s il existe une matrice B M n (K) telle que A B = B A = I n. On note A 1 cette matrice inverse (si elle existe).
84 Inversion par le pivot de Gauss On peut procéder par le pivot de Gauss. Reprenons notre exemple : A :=
85 Inversion par le pivot de Gauss On peut procéder par le pivot de Gauss. Reprenons notre exemple : A := On met la matrice identité à droite de la matrice initiale et on les sépare par un trait vertical. Puis, l on effectue le pivot de Gauss jusqu à obtenir la matrice identité à gauche. On aura alors l inverse de A à droite.
86 Exemple d inversion de matrice par le pivot de Gauss (L 1 ) (L 2 ) (L 3 ) (L 4 ) On encadre le pivot que l on choisit puis l on applique les opérations sur les lignes : (L 1 ) (L 2 ) (L 1 ) (L 3 ) (L 1 ) (L 4 ) (L 1 )
87 Exemple d inversion de matrice par le pivot de Gauss 2 On conserve l encadrement du pivot (pour se souvenir de ne plus utiliser la ligne (L 1 )). On procède de même que tout à l heure : (L 1 )+ 1 2 (L 3) (L 2 ) (L 3 ) (L 4 ) (L 3 )
88 Exemple d inversion de matrice par le pivot de Gauss 2 On conserve l encadrement du pivot (pour se souvenir de ne plus utiliser la ligne (L 1 )). On procède de même que tout à l heure : (L 1 )+ 1 2 (L 3) (L 2 ) (L 3 ) (L 4 ) (L 3 ) Puis : (L 1 )+ 1 2 (L 2) (L 2 ) (L 3 ) (L 4 ) (L 2 )
89 Exemple d inversion de matrice par le pivot de Gauss 3 Puis : (L 1 )+ 1 4 (L 4) (L 2 )+ 1 2 (L 4) (L 3 )+ 1 2 (L 4) (L 4 )
90 Exemple d inversion de matrice par le pivot de Gauss 3 Puis : (L 1 )+ 1 4 (L 4) (L 2 )+ 1 2 (L 4) (L 3 )+ 1 2 (L 4) (L 4 ) Et enfin : (L 1 ) (L 3) (L 2) (L 4)
91 Exemple d inversion de matrice par le pivot de Gauss 3 Puis : (L 1 )+ 1 4 (L 4) (L 2 )+ 1 2 (L 4) (L 3 )+ 1 2 (L 4) (L 4 ) Et enfin : (L 1 ) (L 3) (L 2) (L 4) La matrice à droite du trait vertical est l inverse de la matrice de départ.
Chapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailLicence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année)
Licence Sciences de l Ingénieur et Licence Informatique Niveau L2 (= 2ème année) Mathématiques : Résumé de ce qu il faut savoir en Algèbre linéaire (ou Calcul Matriciel) au sortir du L1, en préalable au
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1
[http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble
Plus en détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailCompter à Babylone. L écriture des nombres
Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens
Plus en détailCorrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2
33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre
Plus en détailDéterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3
Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailPremiers exercices d Algèbre. Anne-Marie Simon
Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailLa géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques
La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques III. Cercles 1. Cercle d'euler 2. Droite d'euler 3. Théorème de Feuerbach 4. Milieux des segments joignant
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailCours arithmétique et groupes. Licence première année, premier semestre
Cours arithmétique et groupes. Licence première année, premier semestre Raphaël Danchin, Rejeb Hadiji, Stéphane Jaffard, Eva Löcherbach, Jacques Printems, Stéphane Seuret Année 2006-2007 2 Table des matières
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA
ENSEA - ABIDJAN ENSAE - DAKAR ISSEA - YAOUNDÉ BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA CENTRE D APPUI AUX
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailProgramme de la classe de première année MPSI
Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailRésumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr
Résumé du cours d algèbre 1, 2013-2014 Sandra Rozensztajn UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr CHAPITRE 0 Relations d équivalence et classes d équivalence 1. Relation d équivalence Définition
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailDémonstration de la conjecture de Dumont
C. R. Acad. Sci. Paris, Ser. I 1 (005) 71 718 Théorie des nombres/combinatoire Démonstration de la conjecture de Dumont Bodo Lass http://france.elsevier.com/direct/crass1/ Institut Camille Jordan, UMR
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailTriangle de Pascal dans Z/pZ avec p premier
Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailÉquations d amorçage d intégrales premières formelles
Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations
Plus en détailSéquence 10. Géométrie dans l espace. Sommaire
Séquence 10 Géométrie dans l espace Sommaire 1. Prérequis 2. Calculs vectoriels dans l espace 3. Orthogonalité 4. Produit scalaire dans l espace 5. Droites et plans de l espace 6. Synthèse Dans cette séquence,
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailTP 1 Introduction à Matlab Février 2009
1 Introduction TP 1 Introduction à Matlab Février 2009 Matlab pour «MATtrix LABoratory», est un logiciel qui a été conçu pour fournir un environnement de calcul numérique de haut niveau. Il est particulièrement
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailUne introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
Plus en détail6 ème. Rallye mathématique de la Sarthe 2013/2014. 1 ère épreuve de qualification : Problèmes Jeudi 21 novembre 2013
Retrouver tous les sujets, les corrigés, les annales, les finales sur le site du rallye : http://sarthe.cijm.org I Stéphane, Eric et Christophe sont 3 garçons avec des chevelures différentes. Stéphane
Plus en détailRappels et compléments, première partie : Nombres complexes et applications à la géométrie
Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)
Plus en détailCHAPITRE IV. L axiome du choix
CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailAnnexe 1 Programmes des classes préparatoires aux Grandes Ecoles
Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Physique, chimie et sciences de l ingénieur (PCSI) Discipline : Mathématiques Première année Classe préparatoire
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailChapitre 2 : Vecteurs
1 Chapitre 2 : Vecteurs Nous allons définir ce qu'est un vecteur grâce à une figure (le parallélogramme), mais au préalable nous allons aussi définir une nouvelle transformation (la translation). Nous
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailPremière partie. Introduction à la méthodes des différences finies
Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détail