Chapitre. Calcul matriciel. Sommaire. 1 Notions fondamentales
|
|
- David Beaudoin
- il y a 5 ans
- Total affichages :
Transcription
1 Chapitre Calcul matriciel Les matrices sont les outils de base dans le calcul en plusieurs dimensions Ce chapitre présente l ensemble de leurs propriétés et bien qu il soit axé sur les techniques de calcul, il ne faudra pas perdre de vue qu en pratique une matrice représente toujours quelque chose : des coordonnées de vecteurs, une application linéaire, une équation ou un système d équations, un changement de bases, etc Sommaire 1 Notions fondamentales Définitions Lien avec les applications linéaires Le produit matriciel Transposition 2 Matrices carrées Définition Opérations sur les matrices carrées Matrices inversibles Matrices par blocs 3 Les déterminants Définition Propriétés du déterminant Calcul d un déterminant par récurrence Applications des déterminants Diaporama Liste des énoncés 1 Notions fondamentales Une matrice de type (n, p) avec n et p entiers > 0 est un tableau de nombres formé de n lignes et p colonnes : a 11 a 1p A = n,p (K) a n1 a np où K désigne soit R soit C On peut la noter aussi de façon plus condensée : A = (a i j ) n j=1p Par convention, le premier indice (i et n) est celui des lignes, tandis que le second (j et p) est celui des colonnes On définit 2 opérations sur les matrices : L addition (a i j ) n + (b i j ) n = (a i j + b i j ) n j=1p j=1p j=1p La multiplication par un scalaire λ(a i j ) n = (λa i j ) n j=1p j=1p On reconnaît les opérations usuelles d un espace vectoriel Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 1
2 Proposition (Espaces vectoriels de matrices) L ensemble n,p (K) muni des opérations + et précédentes est un espace vectoriel sur K REMARQUE On a une base canonique dans n,p (K) : E 11 =, E 12 =,, E np = 0 1 où le 1 prend toutes les positions successives dans la matrice La décomposition d une matrice A = (a i j ) n dans cette base est : j=1p A = a i j E i j On en déduit la dimension de n,p (K) : n j=1p dim K n,p (K) = n p Lien avec les applications linéaires Une matrice peut se visualiser en colonnes A = a 11 a n1 a 1j a nj a 1p a np n,p (K) Y 1 Y j Y p Chaque colonne Y j de A représente un vecteur v j = a 1j,, a nj K n En pratique, on va les identifier, c est-à-dire considérer que Y j = v j On appelle cela l identification canonique L identification canonique consiste à considérer les colonnes d une matrice comme des vecteurs L application linéaire f L(K p, K n ) qui transforme la base canonique c = (e 1,, e p ) de K p en les vecteurs colonne (v 1,, v p ) de A est dite canoniquement associée à A (on peut parfois même identifier canoniquement A à f ) 1 1 EXEMPLE On considère la matrice A = (R) L application linéaire canoniquement associée est f : R 2 R 2 telle que f (e 1 ) = v 1 = e 1 et f (e 2 ) = v 2 = 1 2 e 1 + e 2 On peut visualiser cela en observant la déformation d une figure usuelle page 2 Chapitre Calcul matriciel
3 v2 e2 e1 v1 Transformation d une figure (par transvection) Toutes sortes de transformations sont ainsi possibles (projections, rotations, syme tries, dilatations, homothe ties ) I EXERCICE 1 Quelles sont les applications line aires canoniquement associe es aux matrices suivantes? 2 0 A= B= C= cos θ D= sin θ sin θ cos θ Pre ciser leurs effets sur la figure pre ce dente par exemple Calcul d une image La connaissance seule des images des vecteurs de base permet par line arite de calculer l image de n importe quel vecteur de l espace Il suffit pour cela de le de composer Soit x = (x 1,, x p ) K p et y = f (x) = ( y1,, yn ) Kn, alors par line arite de f, on a : y=f p X x i ei = p X x i f (ei ) = p X x i vi En revenant aux composantes, on a donc : Y = y1 = a11 x a1p x p a11 y1 (S) = yn an1 yn = an1 x anp x p A X a1p x1 xp anp L e criture Y = AX fait intervenir un produit matriciel (dont on va rappeler la de finition apre s) On remarquera l analogie e vidente avec l e criture y = ax avec x, y, a R qui de finit les applications line aires de R dans R I On retiendra que les trois e critures suivantes sont e quivalentes : e criture vectorielle e criture analytique e criture matricielle y = f (x) y1 = a11 x a1p x p (S) yn = an1 x anp x p Y = AX Cours de mathe matiques, Spe PC [Raphae l Dieu - 10/2018] page 3
4 Par exemple trouver le noyau de f (ou de A) revient à résoudre : f (x) = 0 AX = 0 (S) avec y 1 = = y n = 0 De même Im f (ou Im A) est par définition : Im f = f (K p ) = f Vect e 1,, e p = Vect v 1,, v p soit l espace engendré par les colonnes de A En particulier, le rang de A est : rg A = rg f = dim Vect v 1,, v p et on a la formule du rang, rg A = dim K p dim ker A = p dim ker A, p étant la dimension de l espace de départ de f, soit le nombre de colonnes de A Trouver un noyau revient à résoudre un système Une image se lit directement en colonnes REMARQUE Plus généralement, on peut remplacer partout K p par E espace de dimension p muni d une base = (e 1,, e p ) et K n par F espace de dimension n muni d une base = (e 1,, e ) et associer n à A l application linéaire f de E dans F par rapport aux bases et : A = M, (f ) La seule différence est que les colonnes de A sont maintenant des coordonnées au lieu d être directement des vecteurs Dans ce cas, on ne parle plus d identification canonique, mais de représentation dans des bases Opérations sur les applications linéaires Soient f, g L(E, F) et λ K où E et F sont deux espaces vectoriels sur K On définit : f + g : E F et λ f : E F x f (x) + g(x) x λf (x) Ces opérations vont nous permettre de décomposer des applications linéaires en combinaisons linéaires d applications plus simples (notamment des projecteurs, technique de réduction), tout comme on le fait déjà avec les vecteurs EXEMPLES L homothétie de E de rapport λ 0 est l application h λ définie sur E par h λ (x) = λx On peut l écrire sous la forme h λ = λ id La symétrie de E par rapport à F parallèlement à G où F G = E est l application s définie sur E par s(x) = x F x G où x = x F + x G est l unique décomposition de x selon la somme directe F G On peut écrire s comme une combinaison de projecteurs, s = p F p G Les opérations sur les applications linéaires se traduisent matriciellement page 4 Chapitre Calcul matriciel
5 Proposition (Structure d espace vectoriel de L(E, F)) L ensemble L(E, F) muni des opérations + et définies précédemment est un espace vectoriel sur K Si dim E = p et dim F = n et que l on fixe des bases et de E et F respectivement, alors l application : M, : L(E, F) n,p (K) f M, (f ) est un isomorphisme d espaces vectoriels En particulier, l espace L(E, F) est de dimension finie et dim L(E, F) = dim n,p (K) = n p En choisissant des bases, toute opération sur des matrices se traduit par la même opération sur des applications linéaires et vice versa Le produit matriciel On généralise la définition déjà donnée de la manière suivante : b 1j a i1 a ip b p j A n,p (K) B p,q (K) = c i j C n,q (K) Pour simplifier l écriture, on n a représenté que les coefficients entrant en jeu dans la définition i v1, nw, j v1, qw, c i j = a i1 b 1j + + a ip b p j = C est un produit ligne par colonne ; noter la condition d existence : p a ik b k j k=1 type(n, p) type(p, q) = type(n, q) On a déjà vu que ce produit permet d obtenir l image d un vecteur (Y = AX ) Plus généralement, ce produit s interprète comme une composition d applications linéaires E,dim q g F,dim p f f g G,dim n On a A = (a i,j ) n j=1p B = (b i, j ) p j=1q C = (c i, j ) n j=1q = M, (f ) = M, (g) = M, (f g) alors C = AB Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 5
6 PREUVE Il suffit de calculer : p f g(e j ) = f b k j e = k k=1 p b k j f (e k ) = k=1 p n k=1 b k j a ik e = i n p a ik b k j e i k=1 }{{} c i j par linéarité de f et en intervertissant l ordre des symboles dans la dernière égalité On en déduit deux propriétés de la multiplication des matrices : Proposition (Propriétés du produit matriciel) Le produit matriciel est associatif (on peut déplacer les parenthèses) et distributif par rapport à l addition (on peut développer) Il commute avec la multiplication par un scalaire (on peut déplacer un scalaire dans un produit de matrices) Le déplacement d un scalaire dans un produit matriciel est appelé voyage des scalaires Attention : toute autre propriété de la multiplication est fausse pour les matrices Le produit matriciel n est pas commutatif : en général, AB BA On ne peut pas simplifier par des matrices : on peut avoir AB = 0 avec ni A ni B nulle On peut avoir AB = AC avec A 0 et B C On donnera des exemples lors de l étude des matrices carrées Transposition Transposer une matrice consiste à écrire ses lignes en colonnes : a 11 a 1p Si A = n,p (K), a 11 a n1 a n1 a np alors t A = p,n(k) a 1p a np Pour respecter la règle habituelle sur les indices (ligne, colonne), on a donc : A = (a i j ) n j=1p = t A = (a i j ) p j=1n avec a i j = a ji (ce n est pas la lettre i ou j qui indique un numéro de ligne ou de colonne, mais sa position) À part cela, la transposition est une opération très simple : Proposition L application t : n,p (K) p,n (K) est une application linéaire A t A On trouve aussi la notation A T = t A pour la transposition EXERCICE 2 Montrer que si A et B sont deux matrices que l on peut multiplier, alors t (AB) = t B t A page 6 Chapitre Calcul matriciel
7 Soient X, Y R n deux vecteurs identifiés à des matrices colonnes de n,1 (R) Donner une interprétation géométrique du produit t XY Quelle différence y-a-t-il avec X t Y? EXERCICE 3 La transposition permet de représenter matriciellement un produit scalaire 2 Matrices carrées Une matrice est carrée si elle a autant de lignes que de colonnes a 11 a 1n A = n,n (K) = n (K) a n1 a nn On sait donc déjà que n (K) est un espace vectoriel de dimension n 2 sur K De plus, l application f canoniquement associée à A vérifie C est un endomorphisme de K n f L(K n, K n ) = L(K n ) Plus généralement, si E est un espace vectoriel de dimension n sur K muni d une base = (e 1,, e n ), on peut voir A comme la matrice d un endomorphisme f de E dans la base c est à dire que f (e j ) = A = M, (f ) = M (f ) n a i j e i = v j correspond à la j ième colonne de A On prend donc le même espace et la même base au départ et à l arrivée Opérations sur les matrices carrées L addition ou la multiplication de deux matrices carrées A, B n (K) sont toujours possibles et redonnent des matrices carrées, c est-à-dire que A + B et AB sont encore dans n (K) C est une propriété de stabilité Proposition (Propriétés de n (K)) L ensemble n (K) des matrices carrées à coefficients dans K est stable par addtition et produit matriciel 1 0 La matrice I n = (diagonale de 1) est neutre pour le produit matriciel dans n (K) 0 1 On l appelle matrice identité d ordre n Pour toute matrice A n (K), on a AI n = I n A = A Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 7
8 En particulier, on peut définir les puissances successives d une même matrice A On pose pour tout entier k 1 A 0 = I n (par convention), A 1 = A, A 2 = A A,, A k = A A (k fois) En terme d endomorphisme, ces puissances correspondent à des puissances de composition Avec les notations précédentes, on pose f 0 = id E, f 1 = f, f 2 = f f et f k = f f f (k fois) Géométriquement, cela revient à appliquer plusieurs fois de suite l endomorphisme f Attention à la convention A 0 = I n et f 0 = id E REMARQUES En général, deux matrices quelconques A et B dans n (K) ne commutent pas, c est-à-dire que AB BA Cela se produit dès que n 2 : = et = A B B A En particulier, les identités remarquables (qui sont toutes basées sur la commutativité) ne sont plus valables avec des matrices quelconques : (A + B) 2 = (A + B)(A + B) = A 2 + AB + BA + B 2 (A + B)(A B) = A 2 AB + BA B 2 Si deux matrices particulières A et B vérifient AB = BA, on dit qu elles commutent Dans ce cas elles vérifient les identités remarquables habituelles Proposition (Identités remarquables) Si A et B dans n (K) commutent, c est-à-dire AB = BA, alors on a : Formule du binôme : p 0, (A + B) p = p p A k B p k k L identité remarquable : A p B p = (A B)(A p 1 + A p 2 B + + B p 1 ) k=0 En général, une matrice quelconque A n (K), n a pas d inverse A On peut avoir AB = 0 avec A et B non nulles = A 0 B 0 Dans un produit, on ne peut pas simplifier par une matrice, même non nulle On peut avoir A 0 et A n = 0 pour un certain entier n Une telle matrice est dite nilpotente : = 0 Ce genre de matrice est très utile pour la formule du binôme 1 2 A 0 page 8 Chapitre Calcul matriciel
9 EXERCICE 4 Soient A, B n (K) Montrer que si X K n, on a AX = BX, alors A = B EXERCICE 5 Rappeler la définition d une matrice triangulaire supérieure (puis inférieure) Montrer que le produit de deux matrices triangulaires supérieures est encore triangulaire supérieure EXERCICE 6 Rappeler la définition d une matrice diagonale Calculer les puissances d une telle matrice Matrices inversibles Une matrice quelconque A n (K) n admet pas forcément d inverse On pose la définition suivante Définition et proposition (Matrice inversible) Une matrice A n (K) est inversible s il existe B n (K) telle que AB = I n On a alors aussi BA = I n et on note B = A 1 PREUVE On note f et g les endomorphismes de K n associés recpectivement à A et B de sorte que AB = I n se traduit par f g = id On en déduit que x K n, x = f (g(x)), donc f est surjective, soit rg f = n Par la formule du rang, on en déduit que f est aussi injective, donc elle est bijective Finalement, on a g = f 1, donc g f = id, soit matriciellement BA = I n Plus généralement, si f L(E), un espace vectoriel de dimension n muni d une base, alors on a : M (f 1 ) = M (f ) 1 NOTATION On note GL n (K) n (K) l ensemble des matrices carrées n n qui sont inversibles GL n (K) s appelle le groupe linéaire d ordre n GL n (K) est stable par produit matriciel et inversion Pour A, B GL n (K), on a En outre on a trivialement I 1 n (AB) 1 = B 1 A 1 et (A 1 ) 1 = A = I n, donc I n GL n (K) De même on note GL(E) l ensemble des automorphismes de E ; c est le groupe linéaire de E Caractérisation des matrices inversibles Une matrice A n (K) est inversible si et seulement si l une des conditions suivantes est vérifiée (i) Son noyau est nul (ses colonnes sont linéairement indépendantes), (ii) Son rang est égal à n (ses colonnes engendrent K n ), (iii) Son déterminant est non nul (ses colonnes forment une base de K n ) En fait, on peut remplacer partout colonnes par lignes car : t (AA 1 ) = t A 1 t A = t I n = I n Donc A GL n (K) t A GL n (K) Dans ce cas, t (A 1 ) = ( t A) 1 Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 9
10 EXERCICE 7 Calculer l inverse de la matrice A = par la méthode du pivot Vérifier ensuite en recalculant le produit EXERCICE 8 Interpréter les opérations élémentaires sur les lignes et les colonnes (échange, combinaisons linéaires) d une matrice par des produits matriciels EXERCICE 9 Montrer que l inverse d une matrice triangulaire (supérieure ou inférieure) est encore une matrice triangulaire (idem) Matrices par blocs Travailler par blocs, consiste à décomposer une matrice en sous-matrices plus petites, donc plus simples à utiliser Les opérations matricielles peuvent alors s effectuer par blocs de manière habituelle EXEMPLE Soient A = et B = On partitionne les matrices A et B sous la forme suivante (par exemple), A = A11 A = 12 A 21 A et B = B11 B = 12 B 21 B On peut alors calculer la somme A+ B et le produit A B par blocs En effet, dans ce cas, les tailles des blocs sont compatibles avec ces opérations On obtient A11 + B A + B = 11 A 12 + B 12 A11 B et A B = 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 + B 21 A 22 + B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22 Ce type de calcul se généralise à des matrices de taille quelconque, avec un nombre quelconque de blocs Bien vérifier la compatibilité des tailles des blocs avec les opérations Au delà de l aspect purement algébrique, le partitionnement en blocs des matrices revient à décomposer l espace en somme sous-espaces plus petits et décomposer les endomorphismes sur ces sous-espaces Soit f L(E) où E est un espace vectoriel de dimension n sur K Définition (Sous-espace stable par un endomorphisme) On dit qu un sous-espace F de E est stable par f si pour tout x F, on a f (x) F Dans ce cas, la restriction de f à F est un endomorphisme de F appelé endomorphisme induit par f sur F EXEMPLES f (0) = 0 E est stable par f car f est un endomorphisme de E L espace nul {0} l est aussi car Dans l espace euclidien usuel R 3, le plan d une réflexion f est stable par f Une droite D = Vect(x) est stable par f si et seulement s il existe un scalaire λ K tel que f (x) = λx On dit alors que D est une direction propre de f page 10 Chapitre Calcul matriciel
11 EXERCICE 10 EXERCICE 11 Montrer que si f 0 stabilise toutes les droites de E alors f est une homothétie (résultats à connaître) Montrer que si f et g sont deux endomorphismes de E qui commutent, c est à dire que f g = g f, alors ker f et Im f sont stables par g Proposition (Caractérisation matricielle de la stabilité) Un sous-espace F de E est stable par f si et seulement si la matrice A de f dans une base adaptée à F est triangulaire par blocs, c est-à-dire de la forme : A A = B 0 C, avec A p (K), p = dim F A est la matrice de l endomorphisme induit par f sur F PREUVE Une base adaptée à F est de la forme = (e 1,, e p, e p+1,, e n ), où (e 1,, e p ) est une base de F Notons A = ( a i j ) i,j v1,nw = M (f ) Si F est stable par f, alors en particulier, j v1, pw, on a f (e j ) F, donc λ 1,, λ p K tels que f (e j ) = Or par définition de la matrice A, on a aussi f (e j ) = base, on en déduit que p λ i e i n a i j e i Par unicité de la décomposition dans une λ 1 = a 1j,, λ p = a p j et a i j = 0 pour i > p La matrice A a donc bien la forme indiquée De plus, les colonnes de A représentent les coordonnées des vecteurs images de la base (e 1,, e p ) de F, donc c est la matrice de l endomorphisme induit par f dans F Réciproquement, si A est de la forme indiquée, on considère x F et on montre que f (x) F Le vecteur x se décompose sous la forme x = p x ie i (en s arrêtant à l indice p), donc par linéarité de f, f (x) = p x i f (e i ) D après la forme de la matrice A, on a f (e i ) F, donc par stabilité d un sous-espace par combinaisons linéaires, on a f (x) F Plus généralement, on peut pousser la décomposition plus loin Proposition Soit E = F 1 F 2 F p une décomposition de E en somme directe, alors f stabilise chacun des sous-espaces F i si et seulement si sa matrice dans une base adaptée à la somme directe est diagonale par blocs, c est à dire de la forme : où A i est une matrice carrée de taille dim F i A 1 A 2 0 A = 0 Ap PREUVE Une base adaptée à la somme directe est de la forme = ( 1,, p ) où chaque i = (e i1,, e ini ) est une base de F i Pour i vi, pw, F i est stable par f si et seulement si j v1, n i w, f (e i j ) F i donc est combinaison linéaire des vecteurs de i seulement Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 11
12 REMARQUE A i est la matrice dans la base i de l endomorphisme f i induit par f sur F i On peut recomposer f à partir des f i : soient x E et x i sa composante selon F i, alors : p f (x) = f i (x i ) et comme les F i sont en somme directe, cette écriture est unique EXEMPLES Une réflexion de l espace euclidien R 3 se décompose en l identité d un plan d une part et une symétrie centrale selon un axe orthogonal au plan F 2 id Matriciellement, on obtient, A = F 1 id (où les coefficients non écrits sont nuls) L affinité de rapport λ par rapport à F 1 parallèlement à F 2, où E = F 1 F 2 se décompose en l identité de F 1 d une part et une homothétie de F 2 d autre part A = 1 1 λ λ F 1 F 2 λ id id Matriciellement, les blocs reflètent le découpage de l espace : cela revient à mettre l espace «à plat» On visualise très facilement ainsi des espaces grande dimension EXERCICE 12 Que fait l endomorphisme de R 3 euclidien dont la matrice dans une base orthonormée est cos θ sin θ A = sin θ cos θ? 1 EXERCICE 13 Soient A et B deux matrices carrées de n (K) qui commutent Calculer les puissances A B sucessives de la matrice M = 0 A 3 Les déterminants Les déterminants fournissent un procédé de calcul simple permettant de détecter les dépendances linéaires Ils ont de très nombreuses applications en algèbre et en géométrie (recherche d éléments propres, calculs de volumes, ) On peut les définir pour des matrices, des familles de vecteurs ou des endomorphismes page 12 Chapitre Calcul matriciel
13 Soit A n (R) une matrice carrée On définit son déterminant en mesurant le volume occupé par ses vecteurs colonnes (notés Y i, i v1, nw) dans l espace R n Y 2 Y 3 Y 1 Y 2 Y 1 Volume en dimension 2 Volume en dimension 3 On parle ici de volume algébrique, dont le signe tient compte de l orientation Un tel volume est linéaire par rapport à chaque vecteur et change de signe par échange de deux vecteurs (propriété d antisymétrie) On généralise ensuite ces propriétés à des matrices à coefficients complexes Proposition et définition (Déterminant d une matrice carrée) Il existe une unique application det : n (K) K, A det(a) telle que det(i n ) = 1, det est linéaire par rapport à chaque colonne de sa variable A et antisymétrique par rapport aux colonnes de A det(a) est appelé déterminant de la matrice A On verra ultérieurement que det( t A) = det(a), donc toutes les propriétés du déterminant se traduisent aussi sur les lignes de A NOTATION Si A = (a i j ) i, j v1,nw, alors le déterminant de A se note matriciellement a 11 a 1n det(a) = a n1 a nn Toutefois, un déterminant n est pas une matrice En particulier, il n est pas linéaire par rapport à la matrice, mais multi-linéaire par rapport aux colonnes (et aux lignes) En général, det(a + B) det(a) + det(b) Un déterminant ne se comporte pas comme une matrice EXEMPLE Déterminant d une matrice diagonale a 11 0 Soit A = n (K) une matrice diagonale On a par multilinéarité 0 a nn C est le produit des éléments diagonaux 1 0 det(a) = a 11 a nn = a 11 a nn 0 1 Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 13
14 Calcul d un déterminant par opérations élémentaires Plus généralement, l anti-symétrie et la multi-linéarité permettent d effectuer des opérations élémentaires sur les colonnes (ou les lignes) d un déterminant On distingue La permutation Y i Y j (échange) : le déterminant change de signe par anti-symétrie En particulier, si Y i = Y j, alors le déterminant est nul La dilatation (Y i λy i ) (multiplication par λ) : le déterminant est multiplié par λ par multilinéarité En particulier, si Y i = 0, alors le déterminant est nul La transvection (Y i Y i + λy j ) (combinaison linéaire) : le déterminant est inchangé par multilinéarité et anti-symétrie Ces opérations correspondent à des multiplications à droite (ou à gauche) par des matrices élémentaires EXERCICE 14 Calculer les déterminants = et = Un déterminant triangulaire est égal au produit de ses coefficients diagonaux EXERCICE 15 Rappeler les expressions des matrices élémentaires (permutation, dilatation, transvection) et donner leur déterminant Vérifier que leurs transposées ont le même déterminant Propriétés du déterminant On vient d établir qu un déterminant dont deux colonnes sont égales ou qui a une colonne nulle est nul Plus généralement, l annulation d un déterminant caractérise les dépendances linéaires c est-à-dire l inversibilité d une matrice Théorème (Caractérisation de l inversibilité) Soit A n (K), alors A est inversible si et seulement si det(a) 0 Les colonnes de A sont liées si elles occupent un volume nul PREUVE Si A est inversible, alors A est équivalente par colonnes à la matrice identité D après les règles de calcul précédentes, on en déduit que donc det(a) 0 det(a) = λ det(i n ) = λ avec λ K Réciproquement, si A n est pas inversible, alors l une de ses colonnes est combinaison linéaire des autres Par exemple n Y 1 = λ i Y i i=2 avec λ i K, i v2, nw Par linéarité du déterminant par rapport à la première colonne, on en déduit que n det(a) = λ i det(y i, Y 2,, Y n ) = 0 i=2 page 14 Chapitre Calcul matriciel
15 car tous les termes de la somme sont des déterminants ayant au moins deux colonnes égales On a vu qu en général le déterminant n est pas compatible avec l addition des matrices Par contre, il l est avec le produit matriciel Proposition (Déterminant d un produit ou d un inverse) Soient A, B n (K), alors det(ab) = (det A)(det B) Si A est inversible, alors det(a 1 ) = 1 det(a) PREUVE Pour le produit, on distingue deux cas Si la matrice A n est pas inversible, alors la matrice AB ne l est pas non plus, à cause du rang On a donc det(ab) = 0 = (det A)(det B) d après le théorème précédent Si A est inversible, alors on peut poser f (B) = det(ab), de sorte que f est une application linéaire par det A rapport à chaque colonne de B et anti-symétrique par rapport aux colonnes de B d après la définition du produit matriciel En outre, on a f (I n ) = det(a) det(a) = 1 Par unicité du déterminant, on a donc f = det et en particulier, f (B) = det(b), d où le résultat Pour l inverse, on applique ce qui précède avec B = A 1, soit det(aa 1 ) = det(i n ) = 1 = (det A)(det A 1 ), d où le résultat EXERCICE 16 En écrivant une matrice A comme produit de matrices élémentaires, justifier l égalité det( t A) = det(a) On distinguera le cas où A est inversible et celui où elle ne l est pas Calcul d un déterminant par récurrence À chaque coefficient a i j de la matrice A, on associe la sous-matrice A i j obtenue en supprimant la ligne i et la colonne j dans A, selon le schéma suivant A = a 11 a 1n a i j a n1 a nn On définit le cofacteur γ i j d indices i et j par la relation : A i j = γ i j = ( 1) i+ j det(a i j ) a 11 a 1n a n1 a nn } {{ } n 1 (K) ce qui se fait par récurrence car A i j n 1 (K) est d ordre inférieur à celui de A Le coefficient ( 1) i+ j prend alternativement les valeurs +1 et 1 et forme par conséquent un «damier de signe» + + ( 1) i+ j = + i, j=1n + + On a alors le résultat fondamental, Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 15
16 Proposition (Développement selon une ligne ou une colonne) Avec les notations précédentes, on a n i v1, nw, det(a) = a i j γ i j (développement selon la ligne i) j v1, nw, det(a) = j=1 n a i j γ i j (développement selon la colonne j) ( ) PREUVE On se limite au développement selon la première ligne, le cas général se prouvant de manière analogue et le développement en colonne par transposition de la matrice On note Y 1,, Y n les colonnes de A et E 1,, E n les vecteurs de la base canonique de K n On considère le déterminant (écrit colonne par colonne), det(y 1 a 11 E 1,, Y n a 1n E 1 ) Ce déterminant a toute sa première ligne nulle, à cause des opérations effectuées, donc il est nul Par ailleurs en le développant par multilinéarité et en enlevant tous les termes nuls, c est-à-dire ceux où E 1 est répété, on obtient det(y 1 a 11 E 1,, Y n a 1n E 1 ) = det(a) où le E 1 se déplace en position j On en déduit que det(a) = n a 1j det(y 1,, E 1,, Y n ) j=1 n a 1j det(y 1,, E 1,, Y n ) j=1 Par antisymétrie, on effectue des permutations pour ramener E 1 en première position, soit det(a) = n a 1j ( 1) 1+ j det(e 1, Y 1,, Y n ) j=1 où le dernier déterminant ne contient pas la colonne Y j (qui a été remplacée par E 1 ) Par unicité du déterminant, on a reconnait det(a 1 j ) = det(e 1, Y 1,, Y n ) puisque ce dernier vaut 1 lorsque les Y 1,, Y n sont les vecteurs de base canonique E 2,, E n, d où le résultat EXEMPLES Calcul direct des déterminants d ordre 2 ou 3 a11 a Soit A 2 (K), A = 12 En développant selon la première ligne, on a a 21 a 22 det(a) = a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21 De même, si A 3 (K), on a, toujours par développement selon la première ligne, a 11 a 12 a 13 det A = a 21 a 22 a 23 a 31 a 32 a = a a 22 a a 32 a 33 a a 21 a a 31 a 33 + a a 21 a a 31 a = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 11 a 23 a 32 + a 12 a 21 a 33 + a 13 a 22 a 31 page 16 Chapitre Calcul matriciel
17 Cette formule est connue sous le nom de règle de Sarrus, mais elle ne se généralise pas aux dimensions supérieures à 3 De plus, elle donne une forme complètement développée du déterminant Un déterminant est une expression polynômiale en les coefficients de la matrice Calcul direct d un déterminant triangulaire ou triangulaire par blocs Soit A n (K) une matrice triangulaire supérieure On a a 11 a 1n det(a) = n = a ii 0 a nn On procède par récurrence sur n, en développant selon la dernière ligne On obtient le même résultat pour une matrice triangulaire inférieure ou diagonale Plus généralement, si on considère une matrice triangulaire par blocs, c est-à-dire de la forme A C M = 0 B où A p (K), B q (K) et C p,q (K), alors det(m) = A C 0 B = det(a) det(b) On procède par récurrence sur la taille p du bloc A Si p = 1, alors le déterminant précédent est de la forme a c 1 c n 0 det(m) = = a det(b) B 0 par développement selon la première colonne On suppose le résultat démontré pour toute matrice A d ordre p 1 1 (la taille de B étant inchangée q) On considère alors une matrice A = (a i j ) i, j v1,pw p (K) et on développe le déterminant selon sa première colonne, a 11 a 1p c 11 c 1q det(m) = a p1 a pp c p1 c pq = 0 B p ( 1) i+1 a i1 det Ai1 C i 0 B où A i1 est la sous-matrice A sans sa ligne i colonne 1 et C i la sous-matrice de C sans sa ligne i Par hypothèse de récurrence, A i1 étant d ordre p 1, on a Ai1 C det i = det(a 0 B i1 ) det B donc, en mettant det(b) en facteur p det(m) = ( 1) i+1 a i1 det(a i1 ) det(b) = det(a) det(b) On peut généraliser à des matrices ayant davantage de blocs, triangulaires inférieures ou diagonales par blocs, en procèdant par récurrence sur le nombre de blocs Par contre, un déterminant quelconque ne se calcule pas par blocs en général Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 17
18 REMARQUE En pratique, on calcule les déterminants en combinant des opérations sur les lignes ou colonnes et des développements convenables selon des lignes ou colonnes Le but est d obtenir une forme la plus factorisée possible 1 1 EXERCICE 17 Soit le déterminant d ordre n, D n = où les coefficients non écrits sont tous 1 1 nuls Trouver une relation de récurrence liant D n à D n 1 En déduire D n en fonction de n EXERCICE 18 Calculer le déterminant d ordre n, D n = EXERCICE 19 Le déterminant de Vandermonde Soient α 0,, α n K On appelle déterminant de Vandermonde le déterminant d ordre n + 1 suivant, α 0 α 1 α n V n (α 0,, α n ) = α 2 α 2 α n α n α n α n 0 1 n On a la relation V n (α 0,, α n ) = 0i< jn (α j α i ) Applications des déterminants Les déterminants ont de très nombreuses applications en algèbre et en géométrie : obtention d équations, calculs d aire et de volume, orientation des angles, inversion de matrices, résolution de systèmes, recherche de sous-espaces stables Déterminant d une famille de vecteurs Soient E un espace vectoriel de dimension n sur K et (u 1,, u n ) une famille de vecteurs de E On se ramène à des matrices en choisissant une base = (e 1,, e n ) de E Définition (Déterminant d une famille de vecteurs) On appelle déterminant de la famille (u 1,, u n ) dans la base le déterminant de sa matrice dans, det (u 1,, u n ) = det M (u 1,, u n ) M (u 1,, u n ) s obtient en écrivant en colonne les coordonnées des vecteurs u 1,, u n dans D un point de vue géométrique, un déterminant mesure un volume algébrique (construit sur les vecteurs de la famille) Il est linéaire par rapport à chacun de ses vecteurs Son signe correspond à l orientation de la famille par rapport à celle de la base page 18 Chapitre Calcul matriciel
19 u 1 u 2 + u 2 u 1 Volume positif Volume négatif On peut ainsi orienter un espace de n importe quelle dimension On voit notamment qu un échange de vecteurs change le signe du déterminant C est la propriété d antisymétrie Théorème (caractérisation des bases) La famille (u 1,, u n ) est une base de E si et seulement si det (u 1,, u n ) 0 (u 1,, u n ) est une base si et seulement si elle occupe un volume non nul PREUVE La famille (u 1,, u n ) est une base de E si et seulement si sa matrice dans est inversible EXERCICE 20 Déterminer une équation du plan de R 3 engendré par les vecteurs u 1 = (1, 0, 1) et u 2 = (2, 3, 1) ; de l hyperplan de R 4 engendré par u 1 = ( 1, 0, 1, 2), u 2 = (2, 0, 1, 1) et u 3 = (3, 3, 1, 0) Cours de mathématiques, Spé PC [Raphaël Dieu - 10/2018] page 19
Calcul 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 détailChapitre 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 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 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 détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
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 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 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 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 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 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 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 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 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 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 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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
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 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 détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
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
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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
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 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 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 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 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 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 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 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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 détailPEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?
PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? Pierre Baumann, Michel Émery Résumé : Comment une propriété évidente visuellement en dimensions deux et trois s étend-elle aux autres dimensions? Voici une
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 détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
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 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 détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
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 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 détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
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 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 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 détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
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 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 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 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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
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 détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailSTATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE
ÉCOLE D'INGÉNIEURS DE FRIBOURG (E.I.F.) SECTION DE MÉCANIQUE G.R. Nicolet, revu en 2006 STATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE Eléments de calcul vectoriel Opérations avec les forces Equilibre du point
Plus en détailConstruction d un cercle tangent à deux cercles donnés.
Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R
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 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 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 détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
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 détailMesure d angles et trigonométrie
Thierry Ciblac Mesure d angles et trigonométrie Mesure de l angle de deux axes (ou de deux demi-droites) de même origine. - Mesures en degrés : Divisons un cercle en 360 parties égales définissant ainsi
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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
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 détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
Plus en détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
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 détail