CONCOURS COMMUN POLYTECHNIQUE EPREUVE SPECIFIQUE-FILIERE PC MATHEMATIQUES 1
|
|
- Carole Damours
- il y a 7 ans
- Total affichages :
Transcription
1 SESSION 6 CONCOURS COMMUN POLYTECHNIQUE EPREUVE SPECIFIQUE-FILIERE PC MATHEMATIQUES 1 PARTIE I I1 Notons (x 1,,x n ) et (y 1,, y n ) les coordonnées de x et y dans la base B Puisque la base B est orthonormée, on a en identifiant le réel (x y) = n x i y i = t XY, n x i y i et la matrice de format (1, 1) t XY D autre part, t YX = (y x) = (x y) = t XY Ainsi, (x, y) E, (x y) = t XY = t YX I a) D après le cours, on sait que x F, p(x) = (x e i ) e i b) i) Soit z F En identifiant un vecteur et sa matrice dans C, on obtient Finalement, z F, M(p)Z = ii) et donc ( M(p)Z = p(z) = (z e i )e i = E t i E i Z ) (prendre garde au format) = E t i E i Z E t i E i Z M(p) = E t i E i c) Soit z F Par définition du projeté orthogonal d un vecteur, on a p(z) F et z p(z) F D après le théorème de Pythagore, on a et donc z = p(z) + z p(z) p(z), z F, p(z) z http ://wwwmaths-francefr 1 c Jean-Louis Rouget, 6 Tous droits réservés
2 I Exemple : a) Notons p l endomorphisme de R 4 de matrice M dans la base canonique de R 4 La base canonique de R 4 est orthonormée pour le produit scalaire usuel Mais alors, puisque M est une matrice symétrique, p est un endomorphisme symétrique D autre part M = 1 = = = M Ainsi, M est idempotente et donc p est un projecteur Comme de plus, p est un endomorphisme symétrique, p est un projecteur orthogonal b) Les deux dernières colonnes de M sont les opposées des deux premières et donc M est une matrice de rang au plus Mais les deux premières colonnes de M ne sont pas colinéaires et donc M est une matrice de rang au moins Finalement M est une matrice de rang ou encore p est un projecteur de rang Im(p) est un sous-espace de R 4 de dimension D après le théorème du rang, Ker(p) est un sous-espace de dimension 4 = On obtiendra une base de chacun de ces sous-espaces en fournissant deux vecteurs non colinéaires de chacun de ces sous-espaces Les deux premières colonnes de M sont les matrices de deux vecteurs non colinéaires de Im(p) Ces deux vecteurs sont clairement orthogonaux et en les normant on obtient une base orthonormale de Im(p) Une base orthonormale de Im(p) est (u, u 4 ) où u = 1 (1,, 1, ) et u 4 = 1 (, 1,, 1) La somme des première et troisième colonnes de M est nulle Il en est de même de la somme des deuxième et quatrième colonne de M Ceci signifie que les vecteurs (1,, 1, ) et (, 1,, 1) sont dans le noyau de p Ces deux vecteurs sont non colinéaires, orthogonaux et en les normant on obtient une base orthonormale de Ker(p) Une base orthonormale de Ker(p) est (u 1, u ) où u = 1 (1,, 1, ) et u = 1 (, 1,, 1) I4 a) Puisque λ, on a u = 1 λ p r(u) = p(1 r(u)) Im(p) = H λ D autre part, on sait que l image de p est constituée des vecteurs invariants par p et donc, puisque u Im(p), Mais alors p(r(u) λu) = p r(u) λp(u) = p r(u) λu = p r(u) λu Ker(p) = H u H et r(u) λu H b) Puisque u H et que r(u) λu H, on a (u r(u) λu) = et donc λ u = λ (u u) = (u r(u)) Mais r(u) est dans F et u r(u) est dans F On en déduit que Finalement, (u r(u)) = (u r(u) r(u)) + (r(u) r(u)) = (r(u) r(u)) = r(u) λ u = r(u) c) Mais alors, puisque u n est pas le vecteur nul et que λ, la question I c) permet d affirmer que ( ) r(u) < λ = 1 u http ://wwwmaths-francefr c Jean-Louis Rouget, 6 Tous droits réservés
3 En résumé, ou bien λ = ou bien λ et dans ce cas λ [, 1] Si p r a des valeurs propres, celles-ci sont dans le segment [, 1] I5 a) Puisque p et r commutent, on a (p r) = p r p r = p p r r = p r, ce qui montre que p r est un projecteur D autre part, puisque p et r sont des projecteurs orthogonaux et donc des endomorphismes symétriques de F, pour tout vecteur x et y de F on a Ainsi, p r est un projecteur symétrique de F et donc (p r(x) y) = (r(x) p(y)) = (x r p(y)) = (x p r(y)) p r est un projecteur orthogonal de F b) Par hypothèse, p r D autre part, puisque dim(h) < dim(f), p n est pas un automorphisme de F p r ne l est pas davantage car det(p r) = det(p)det(r) = En particulier, p r n est pas l identité En résumé, p r est un projecteur distinct de et de Id On sait alors que le spectre de p r est {, 1} Sp(p r) = {, 1} c) Si x est un vecteur de Ker(p), alors p(r(x)) = r(p(x))) = r() = de sorte que x Ker(p r) Ainsi, Ker(p) Ker(p r) De même, Ker(r) Ker(p r) Mais alors, puisque Ker(p r) est un sous-espace vectoriel de F, on a encore Ker(p) + Ker(r) Ker(p r) Réciproquement, si x est un vecteur de Ker(p r), on a x = x p(x)+p(x) avec r(p(x)) = p(r(x)) = (ce qui montre que p(x) est dans Ker(r)) et p(x p(x)) = p(x) p(p(x)) = (ce qui montre que x p(x) est dans Ker(p)) Tout vecteur de Ker(p r) est donc la somme d un vecteur de Ker(p) et d un vecteur de Ker(r) ce qui montre que Finalement Ker(p r) Ker(p) + Ker(r) Ker(p r) = Ker(p) + Ker(r) Pour tout vecteur x, on a p(r(x)) Im(p) et p(r(x)) = r(p(x)) Im(r) Ceci montre que Im(p r) Im(p) et Im(p r) Im(r) et donc que Im(p r) Im(p) Im(r) Réciproquement, si x est dans Im(p) Im(r), on sait que x est invariant par p et par r On en déduit que p(r(x)) = p(x) = x Ainsi, x est invariant par le projecteur p r et donc dans Im(p r) Ceci montre que Finalement Im(p) Im(r) Im(p r) Im(p r) = Im(p) Im(r) I6 a) Un calcul par blocs founit ( ) ( ) ( ) A B A B A B R = R = C D C D C D ( ) ( A + BC AB + BD A B CA + DC CB + D = C D A + BC = A et AB + BD = B et CA + DC = C et CB + D = D ) http ://wwwmaths-francefr c Jean-Louis Rouget, 6 Tous droits réservés
4 D autre part, puisque la base considérée est orthonormale et que r est symétrique, la matrice R est symétrique Or ( t t A R = R t C t B t D b) iii) iv) Si ( C = alors ) ( d après a) ) B = ( ) Ik A A Mais alors PR = = et RP = D donc p et r commutent iv) i) C est la question I5 b) ) ( ) A B = C D t A = A et t B = C; et t D = D ( A D ) ( Ik ) = ( A ) Ainsi PR = RP et i) ii) D après la question a), A est une matrice symétrique réelle et donc d après le théorème spectral, A est diagonalisable Déterminons ( le spectre ) ( de A ) ( ) Ik A B A B On a PR = = On sait alors que le polynôme caractéristique de A divise le polynôme C D caractéristique de PR et donc que le spectre de A est contenu dans {, 1} (puisque par hypothèse le spectre de PR est contenu dans {, 1}) Ainsi, il existe une matrice inversible P et une matrice diagonale D de la forme diag(1,, 1,,, ) telles que A = PDP 1 Mais alors A = ( PDP 1) = PD P 1 = PDP 1 = A D après la question a), on a A = A + BC = A + t CC et donc t CC = ii) iii) Posons C = (c i,j ) 1 i m k,1 j k Pour i 1, k, le coefficient ligne i, colonne i de la matrice t CC vaut m k m k m k c j,i c j,i = c j,i Puisque la matrice t CC est nulle, pour i 1, k, on a = et donc, (i, j) 1, m k j=1 j=1 1, k, c i,j = (puisque les c j,i sont des réels positifs) On en déduit que C = PARTIE II II1 Notons f(x ) la projection orthogonale de v sur Im(f) Soit x un vecteur de E On a f(x ) f(x) Im(f) et v f(x ) F Le théorème de Pythagore permet alors d écrire j=1 c j,i v f(x) = (v f(x )) + (f(x ) f(x)) = v f(x ) + f(x ) f(x) v f(x ) (I), avec égalité effectivement obtenue pour x = x Donc v F, x E/ f(x ) v = min f(x) v x E II Supposons de plus que f soit une application injective L inégalité (I) de la question précédente est une égalité si et seulement si f(x ) f(x) = ou encore f(x) = f(x ) Cette dernière égalité équivaut à x = x puisque f est injective, ce qui démontre l unicité d une pseudo-solution de l équation ( ) II Soit x E x est une pseudo-solution de ( ) f(x ) est la projection orthogonale de v sur Im(f) v f(x ) (Im(f)) x E, (f(x) f(x ) v) = II4 En notant n la dimension de E, x E, (f(x) f(x ) v) = X M n,1 (R), t (AX)(AX V) = X M n,1 (R), t X (t A(AX V) ) = t A(AX V) (M n,1 ) t A(AX V) = t AAX = t AV http ://wwwmaths-francefr 4 c Jean-Louis Rouget, 6 Tous droits réservés
5 Finalement x E, (x pseudo-solution de ( ) t AAX = t AV) II5 Exemple : D une part D autre part, t AA = t AV = = = Posons alors X = a b c x pseudo-solution de ( ) t AAX = t AX a c = 6b = a + c = 6 { b = 1 c = a a b c = Les pseudos solutions de ( ) sont les vecteurs de la forme (a, 1, a), a R II6 Application : a) Soit f l application linéaire de R dans R n dont la matrice relativement aux bases canoniques de R et R n respectivement est a 1 b 1 a b A = Soit v l élément de R n dont la matrice dans la base canonique de R n est V = ( λ µ a n b n c 1 c c n Soit x un vecteur de R Notons ) la matrice de x dans la base canonique de R La matrice de f(x) v dans la base canonique de R n est alors λa 1 + µb 1 c 1 λa + µb c λa n + µb n c n Si on munit R n du produit scalaire usuel, la base canonique de R n est orthonormée et f(x) v = n (λa k + µb k c k ) Le problème posé équivaut alors à trouver les pseudo-solutions de l équation f(x) = v k=1 b) f est injective si et seulement si son noyau est {} ce qui équivaut au fait que Im(f) est de dimension (par le théorème du rang) ou encore au fait que rg(a) = ou enfin au fait que les vecteurs a et b ne soient pas colinéaires f est injective si et seulement si la famille (a, b) est libre http ://wwwmaths-francefr 5 c Jean-Louis Rouget, 6 Tous droits réservés
6 c) Supposons donc les vecteurs a et b non colinéaires D après la question II, l équation f(x) = v admet une et une seule ( pseudo-solution ) x et d après la question II4, x est la solution de l équation t AAX = t AV Ainsi, en posant λ X =, µ x pseudo-solution de ( ) t AAX = t AV ( ) a1 a a n b 1 b b n a 1 b 1 a b a n b n ( ) ( ) λ a1 a = a n µ b 1 b b n ( ) ( ) ( ) a (a b) λ (a c) (a b) b = µ (b c) (a c) (a b) (b c) b a (a c) (a b) (b c) λ = et µ = (formules de Cramer) a (a b) (a b) b a (a b) (a b) b λ = (a c) b (b c)(a b) a b (a b) λ = (a c) b (b c) (a b) a b (a b) et µ = (b c) a (a c)(a b) a b (a b) et µ = (b c) a (a c)(a b) a b (a b) c 1 c c n PARTIE III III1 a) et b) Notons n la dimension de E et m la dimension de F (Kerf) est un supplémentaire de Kerf dans E Donc, la restriction de f à (Kerf) est un isomorphisme de (Kerf) sur f ( (Kerf) ) On en déduit que dim ( f ( (Kerf) )) = dim ( (Kerf) ) = n dim(kerf) Ensuite, dim ( (Imf) ) = m dim (Imf) = m n + dim (Kerf) Par suite dim ( f ( (Kerf) )) + dim ( (Imf) ) = n dim(kerf) + m n + dim (Kerf) = m = dim(f) D autre part, on a bien sûr f ( (Kerf) ) (Imf) = {} et en résumé dim ( f ( (Kerf) )) + dim ( (Imf) ) = dim(f), f ( (Kerf) ) (Imf) = {} On sait alors que et donc F = (Kerf) (Imf) y F,!(x, y ) (Kerf) (Imf) / y = f(x) + y c) Soient (y 1, y ) F et (λ, µ) R Il existe (x 1, y 1, x, y ) (Kerf) (Imf) (Kerf) (Imf) tel que y 1 = f(x 1 ) + y 1 et y = f(x ) + y Mais alors λy 1 + µy = λ(f(x 1 ) + y 1 ) + µ(f(x ) + y ) = f(λx 1 + µx ) + (λy 1 + µy ) Maintenant (Kerf) et (Imf) sont des sous-espaces vectoriels de E et F respectivement On en déduit que λx 1 + µx (Kerf) et λy 1 + µy (Imf) Mais alors g(λy 1 + µy ) = λx 1 + µx = λg(y 1 ) + µg(y ) http ://wwwmaths-francefr 6 c Jean-Louis Rouget, 6 Tous droits réservés
7 Finalement g L(F, E) III Soient y F puis (x, y ) (Kerf) (Imf) tel que y = f(x) + y y Kerg g(y) = x = f(x) = (car f /(Kerf) est injective) y = y y (Imf) Donc Kerg = (Imf) Mais alors le théorème du rang permet d affirmer que dim(img) = dim(f) dim(kerg) = m dim((imf) ) = dim(imf) = n dim(kerf) = dim((kerf) ) Ainsi, Img (Kerf) et dim(img) = dim((kerf) ) On en déduit que Img = (Kerf) Kerg = (Imf) et Img = (Kerf) III a) Soit p la projection orthogonale sur (Kerf) Soit x E Si x (Kerf), l égalité f(x) = f(x) + montre que g(f(x)) = x = p(x) Si x Kerf, g(f(x)) = g() = = p(x) Ainsi les endomorphismes de E g f et p coïncident sur deux sous-espaces supplémentaires de E et sont donc égaux g f est le projecteur orthogonal sur (Kerf) b) Montrons tout d abord que f est le pseudo-inverse de g Soit x E Déjà f(x) Imf = (Kerg) (d après la question III) D autre part, d après la question a), g(f(x)) est le projeté orthogonal de x sur (Kerf) et donc x g(f(x)) Kerf = (Imfg) (d après la question III) En résumé, x E, x = g(f(x)) + (x g(f(x))) avec (f(x), x g(f(x))) (Kerg) (Img) Ceci démontre que f est le pseudo-inverse de g En appliquant le a) à g, on obtient le fait que f g est le projecteur orthogonal sur (Kerg) = Imf f g est le projecteur orthogonal sur Imf III4 Premier exemple : Kerf = {(x, y, z) R / x + y = et y + z = } = {(x, x, x), x R} = Vect((1, 1, 1)) Mais alors (Kerf) est le plan de vecteur normal u = (1, 1, 1) ou encore le plan d équation x y + z = Puisque les deux premières colonnes de la matrice de f ne sont pas colinéaires, f est de rang et donc Imf = R Mais alors, (Imf) = {} Soient alors y = (a, b) R et x = (α, β, γ) R x = g(y) x (Kerf) et y f(x) (Imf) x u = et f(x) = y α β + γ = α = a β α + β = a γ = b β β + γ = b (a β) β + (b β) = β = 1 (a + b) α = 1 (a b) γ = 1 ( a + b) Ainsi, (a, b) R, g((a, b)) = 1 (a b, a + b, a + b) http ://wwwmaths-francefr 7 c Jean-Louis Rouget, 6 Tous droits réservés
8 La matrice de g relativement aux bases canoniques de R et R est donc III5 a) Soit x Kerf Puisque f est symétrique, pour tout vecteur x de E, on a (x f(x )) = (f(x) x ) = ( x ) = Ainsi, tout élément de Kerf est dans (Imf) et donc Kerf (Imf) Comme de plus dim(kerf) = dim(e) dim(imf) = dim((imf) ), on a montré que Kerf = (Imf) puis, par passage aux orthogonaux, que Imf = (Kerf) Si f est symétrique, Kerf = (Imf) et Imf = (Kerf) b) Soient x un vecteur propre de f puis λ la valeur propre associée Si λ =, x Kerf = (Imf) = Kerg On a alors g(x) = ce qui montre que x est un vecteur propre de g Si λ, x = 1 ( ) ( ) 1 1 λ f(x) = f λ x Imf = (Kerg) Mais alors g(x) = g λ f(x) ) = 1 λ g(f(x)) = 1 x puisque d après la λ question IIIa), g f est la projection orthogonale sur (Kerg) Encore une fois, x est vecteur propre de g Tout vecteur propre de f est aussi vecteur propre de g c) Puisque f est symétrique, le théorème spectral permet d affirmer qu il existe une base orthonormée de E constituée de vecteurs propres de f D après la question b), une telle base est encore une base orthonormée de vecteurs propres de g Puisque g diagonalise dans une base orthonormée, g est symétrique III6 Deuxième exemple : Le polynôme caractéristique de f est χ f = X X 4 X = ( X)(X 6X) = X(X )(X 6) Déterminons le sous-espaces propres de f = ( X)( X)(4 X) (4 X) ( X) = ( X)( X)(4 X) 8( X) (x, y, z) Kerf 4 x y z = x + y + z = x + y = x + 4z = { x = z y = z Donc Kerf = Vect(u 1 ) où u 1 = 1 (,, 1) (x, y, z) Ker(f Id) 1 1 x y z = y + z = x y = x + z = { y = x z = x Donc Ker(f Id) = Vect(u ) où u = 1 (1,, ) (x, y, z) Ker(f 6Id) 4 x y z = x + y + z = x 4y = x z = { x = y z = y http ://wwwmaths-francefr 8 c Jean-Louis Rouget, 6 Tous droits réservés
9 Donc Kerf = Vect(u ) où u = 1 (, 1, ) D après la question précédente, on a g(u 1 ) =, g(u ) = 1 u et g(u ) = 1 6 u Ainsi, si on note A la matrice de g dans la base canonique de R, P la matrice de passage de la base canonique à la base (orthonormée) (u 1, u, u ) et D la matrice diagonale diag(, 1, 1 6 ), on a A = PDP 1 = PD t P Ainsi A = 1 = = 1 54 = = La matrice de g dans la base canonique est http ://wwwmaths-francefr 9 c Jean-Louis Rouget, 6 Tous droits réservés
Exo7. 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 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 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 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 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 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 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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 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 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
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 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 détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 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 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 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 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 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 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
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 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 détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
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 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 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 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 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 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
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
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 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 détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
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 détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 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 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 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 détailActivités numériques [13 Points]
N du candidat L emploi de la calculatrice est autorisé. Le soin, la qualité de la présentation entrent pour 2 points dans l appréciation des copies. Les résultats seront soulignés. La correction est disponible
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 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 détailVI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE
VI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE 12. Compléments sur les modules 12.1. Théorème de Zorn et conséquences. Soient A un anneau commutatif
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 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 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 détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
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 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 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 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 détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
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 détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailFonctions de plusieurs variables et changements de variables
Notes du cours d'équations aux Dérivées Partielles de l'isima, première année http://wwwisimafr/leborgne Fonctions de plusieurs variables et changements de variables Gilles Leborgne juin 006 Table des
Plus en détailSystèmes Multivariables - Partie II
Systèmes Multivariables - Partie II Olivier BACHELIER E-mail : Olivier.Bachelier@univ-poitiers.fr Tel : 05-49-45-36-79 ; Fax : 05-49-45-40-34 Dernière version : 17 novembre 2006 Résumé Ces notes de cours
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 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 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 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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 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 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.
de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
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 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 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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
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 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 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 détailMAT 721: Algèbre non commutative. Chapitre I: Algèbres. 1.1 Définitions et exemples
MAT 721: Algèbre non commutative Chapitre I: Algèbres 1.1 Définitions et exemples Dans notre terminologie, un anneau R admet toujours un élément identité 1 R R-module à droite M est toujours unifère, c
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 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 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 détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
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 détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
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 détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
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 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 détailAOT 13. et Application au Contrôle Géométrique
AOT 13 Géométrie Différentielle et Application au Contrôle Géométrique Frédéric Jean Notes de cours Édition 2011/2012 ii Table des matières 1 Variétés différentiables 1 1.1 Variétés différentiables............................
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 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 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 détail