Calcul matriciel (II)
|
|
- Quentin Edmond Baril
- il y a 7 ans
- Total affichages :
Transcription
1 Calcul matriciel (II) Valeurs et vecteurs propres eigenvalues and eigenvectors Introduction Cas des matrices symétriques Calcul pratique des valeurs propres et des vecteurs propres Une fois la lecture lancée (clique souris), utilisez les touches ou pour naviguer
2 Introduction (notion intuitive de vecteur propre) f étant une application linéaire, on a f (α u) = α A u, α On peut se faire une idée de l image de f en se limitant aux vecteurs unitaires u ( u = 1) :
3 Introduction (notion intuitive de vecteur propre) f étant une application linéaire, on a f (α u) = α A u, α On peut se faire une idée de l image de f en se limitant aux vecteurs unitaires u ( u = 1) : on va donner toutes les directions possibles à u
4 Introduction (notion intuitive de vecteur propre) f étant une application linéaire, on a f (α u) = α A u, α On peut se faire une idée de l image de f en se limitant aux vecteurs unitaires u ( u = 1) : on va donner toutes les directions possibles à u et on va regarder comment varie son image v = A u
5 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
6 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
7 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
8 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
9 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
10 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
11 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
12 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
13 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
14 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
15 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
16 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
17 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
18 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
19 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
20 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
21 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
22 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
23 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
24 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
25 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
26 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
27 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
28 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
29 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
30 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
31 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
32 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u
33 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u deux directions pour lesquelles v u //
34 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u deux directions pour lesquelles v u // dans cette direction les vecteurs images ont même sens et même longueur que leurs antécédents.
35 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u deux directions pour lesquelles v u // dans cette direction les vecteurs images sont trois fois plus longs que leurs antécédents et sont dans le sens inverse. dans cette direction les vecteurs images ont même sens et même longueur que leurs antécédents.
36 Introduction (notion intuitive de vecteur propre) Faisons-le sur un exemple avec une matrice symétrique v = A u deux directions pour lesquelles v u // Les extrémités des vecteurs images décrivent une ellipse dans cette direction les vecteurs images sont trois fois plus longs que leurs antécédents et sont dans le sens inverse. dans cette direction les vecteurs images ont même sens et même longueur que leurs antécédents.
37 Définitions Soit u 0 et v = A u Si (avec ) on dit que v = λ u λ λ est une valeur propre de A est un vecteur propre associé à u λ
38 Définitions Dans l exemple précédent
39 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1
40 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 u v = A u
41 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 u v = A u = 1 u
42 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 u v = A u = 1 u
43 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 u v = A u = 1 u tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = -3
44 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 v = A u u v = A u = 1 u tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = -3
45 Définitions Dans l exemple précédent tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = 1 v = A u u v = A u = 1 u = 3 u tous les vecteurs parallèles à cette direction sont des vecteurs propres associés à la valeur propre λ = -3
46 Définitions Remarques u u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ
47 Définitions Remarques u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ u = λ u
48 Définitions Remarques u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ u = λ u = λ ( u)
49 Définitions Remarques u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ u = λ u = λ ( u) Plus généralement, si est un vecteur propre associé à alors α u λ u l est aussi (linéarité de f ).
50 Définitions Remarques u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ u = λ u = λ ( u) Plus généralement, si est un vecteur propre associé à alors α u λ u l est aussi (linéarité de f ). Une matrice n n possède au plus n valeurs propres distinctes.
51 Définitions Remarques u Si est un vecteur propre associé à alors l est aussi : A ( u) = A u λ u = λ u = λ ( u) Plus généralement, si est un vecteur propre associé à alors α u λ u l est aussi (linéarité de f ). Une matrice n n possède au plus n valeurs propres distinctes. Si une matrice n n admet n valeurs propres distinctes, les n vecteurs propres associés sont linéairement indépendants. Ils forment donc une base de R n
52 Matrices symétriques et matrices anti-symétriques Définition : A est symétrique si A T = A (A ji = A ij ) Remarque : A est alors forcément carrée Définition : A est anti-symétrique si A T = A (A ji = A ij ) Remarque : A est alors forcément carrée et Aii=0.
53 Matrices symétriques et matrices anti-symétriques
54 Matrices symétriques et matrices anti-symétriques n'est pas symétrique
55 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique
56 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique
57 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique
58 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique
59 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique
60 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique (A12=A21=1, A13=A31=5, A23=A32=9)
61 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique (A12=A21=1, A13=A31=5, A23=A32=9) n'est pas symétrique
62 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique (A12=A21=1, A13=A31=5, A23=A32=9) n'est pas symétrique
63 Matrices symétriques et matrices anti-symétriques n'est pas symétrique est symétrique (A12=A21=1, A13=A31=5, A23=A32=9) n'est pas symétrique (A13=5 A31=-5)
64 Matrices symétriques et matrices anti-symétriques
65 Matrices symétriques et matrices anti-symétriques n'est pas anti-symétrique
66 Matrices symétriques et matrices anti-symétriques n'est pas anti-symétrique est anti-symétrique
67 Matrices symétriques et matrices anti-symétriques n'est pas anti-symétrique est anti-symétrique (A11= A33= A33=0, A12=1 =-A21, A13=-5 =-A31, A23=9 =-A32)
68 Matrices symétriques et matrices anti-symétriques n'est pas anti-symétrique est anti-symétrique (A11= A33= A33=0, A12=1 =-A21, A13=-5 =-A31, A23=9 =-A32) n'est pas anti-symétrique
69 Matrices symétriques et matrices anti-symétriques n'est pas anti-symétrique est anti-symétrique (A11= A33= A33=0, A12=1 =-A21, A13=-5 =-A31, A23=9 =-A32) n'est pas anti-symétrique (A33 0)
70 Matrices symétriques et matrices anti-symétriques Remarque 1 - une matrice qui n'est pas symétrique n'est pas forcément anti-symétrique (et inversement).
71 Matrices symétriques et matrices anti-symétriques Remarque 1 - une matrice qui n'est pas symétrique n'est pas forcément anti-symétrique (et inversement). Remarque 2 - une matrice quelconque A peut toujours s'écrire, de façon unique, comme la somme d'une matrice symétrique et d'une matrice anti-symétrique : S + Ω
72 Matrices symétriques et matrices anti-symétriques Remarque 1 - une matrice qui n'est pas symétrique n'est pas forcément anti-symétrique (et inversement). Remarque 2 - une matrice quelconque A peut toujours s'écrire, de façon unique, comme la somme d'une matrice symétrique et d'une matrice anti-symétrique : S + Ω ( ) (S est dite partie symétrique de A) S = 1 2 A + AT
73 Matrices symétriques et matrices anti-symétriques Remarque 1 - une matrice qui n'est pas symétrique n'est pas forcément anti-symétrique (et inversement). Remarque 2 - une matrice quelconque A peut toujours s'écrire, de façon unique, comme la somme d'une matrice symétrique et d'une matrice anti-symétrique : S + Ω ( ) (S est dite partie symétrique de A) S = 1 2 A + AT ( ) (Ω partie anti-symétrique de A) Ω = 1 2 A AT
74 Matrices symétriques et matrices anti-symétriques Exemple : trouver la partie symétrique et la partie antisymétrique de la matrice
75 Matrices symétriques et matrices anti-symétriques Exemple : trouver la partie symétrique et la partie antisymétrique de la matrice Réponse S =
76 Matrices symétriques et matrices anti-symétriques Exemple : trouver la partie symétrique et la partie antisymétrique de la matrice Réponse S = Ω =
77 Valeurs et vecteurs propres : cas des matrices symétriques On montre que si A est symétrique alors les valeurs propres λ sont toutes réelles if A is symetric, the eigenvalues are reals
78 Valeurs et vecteurs propres : cas des matrices symétriques On montre que si A est symétrique alors les valeurs propres λ sont toutes réelles if A is symetric, the eigenvalues are reals les vecteurs propres associés à deux valeurs propres distinctes sont orthogonaux if A is symetric, the eigenvectors are orthogonals
79 Valeurs et vecteurs propres : cas des matrices symétriques On montre que si A est symétrique alors les valeurs propres λ sont toutes réelles if A is symetric, the eigenvalues are reals les vecteurs propres associés à deux valeurs propres distinctes sont orthogonaux if A is symetric, the eigenvectors are orthogonals les vecteurs propres normalisés forment une base orthonormée dans laquelle f a une matrice qui est diagonale Then, the normalized eigenvectors form a orthonormal basis
80 Valeurs et vecteurs propres : cas des matrices symétriques pour l exemple précédent : e 2 - la matrice de f sur la base est e
81 Valeurs et vecteurs propres : cas des matrices symétriques pour l exemple précédent : e 2 - la matrice de f sur la base est e e1 e2 - la matrice de f sur la base est
82 Valeurs et vecteurs propres : cas des matrices symétriques pour l exemple précédent : e 2 - la matrice de f sur la base est e e1 e2 - la matrice de f sur la base est on dit que l on a diagonalisé la matrice
83 Calcul pratique des valeurs propres Par définition, u 0 est un vecteur propre de A s il existe λ tel que A u = λ u
84 Calcul pratique des valeurs propres Par définition, u 0 est un vecteur propre de A s il existe λ tel que A u = λ u A u λ u = 0
85 Calcul pratique des valeurs propres Par définition, u 0 est un vecteur propre de A s il existe λ tel que A u = λ u A u λ u = 0 ( ) A λi u = 0 I u = u (car )
86 Calcul pratique des valeurs propres Par définition, u 0 est un vecteur propre de A s il existe λ tel que A u = λ u A u λ u = 0 ( ) A λi u = 0 I u = u } B u = 0 (car )
87 Calcul pratique des valeurs propres Par définition, u 0 est un vecteur propre de A s il existe λ tel que A u = λ u A u λ u = 0 ( ) A λi u = 0 I u = u } B u = 0 (car ) Si detb 0, ce système n admet que la solution u = 0. Il faut donc que detb=0 pour que u soit vecteur propre.
88 Calcul pratique des valeurs propres Les valeurs propres λ sont solutions de l équation, dite «équation caractéristique» de A : ( ) det A λi = 0
89 Calcul pratique des valeurs propres Les valeurs propres λ sont solutions de l équation, dite «équation caractéristique» de A : ( ) det A λi = 0... équation polynomiale de degré n.
90 Calcul pratique des valeurs propres Les valeurs propres λ sont solutions de l équation, dite «équation caractéristique» de A : ( ) det A λi = 0... équation polynomiale de degré n. L ensemble des valeurs propres λ s appelle le spectre de la matrice A.
91 Calcul pratique des valeurs propres Exemple pour une matrice symétrique
92 Calcul pratique des valeurs propres Exemple pour une matrice symétrique A λi
93 Calcul pratique des valeurs propres Exemple pour une matrice symétrique A λi = λ λ
94 Calcul pratique des valeurs propres Exemple pour une matrice symétrique A λi = λ λ ( ) ( ) = λ 2 λ 3 det A λi ( )( 3 )
95 Calcul pratique des valeurs propres Exemple pour une matrice symétrique A λi = λ λ ( ) ( ) = λ 2 λ 3 det A λi = λ 2 + 2λ 3 ( )( 3 )
96 Calcul pratique des valeurs propres On a donc à résoudre l équation du deuxième degré en λ : On trouve λ 2 + 2λ 3 = 0 λ = 3 et λ = 1 1 2
97 Calcul pratique des valeurs propres Rappel : c est bien ce que l on avait déjà trouvé v = A = 1 u u u v = A = 3 u u
98 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 a c b d A λi = a λ c b d λ ( ) = λ 2 ( ) λ a + d + ad bc det A λi
99 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 a c b d A λi = a λ c b d λ ( ) = λ 2 ( ) λ a + d + ad bc det A λi = λ 2 λ trace(a) + det A
100 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 L équation à résoudre est donc λ 2 λ trace A + det 0
101 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 L équation à résoudre est donc Δ = ( trace A) 2 4 det A λ 2 λ trace A + det 0
102 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 L équation à résoudre est donc Δ = ( trace A) 2 4 det A λ 2 λ trace A + det 0 ( trace A) 2 > 4 det A : deux valeurs propres réelles distinctes ( trace A) 2 = 4 det A : une valeur propre réelle ( ) 2 < 4 det A trace A : deux valeurs propres complexes (et conjuguées)
103 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 Remarque Si la matrice est symétrique (b = c) alors Δ = ( trace A) 2 4 det A 0.
104 Calcul pratique des valeurs propres Cas général pour une matrice 2 2 Remarque Si la matrice est symétrique (b = c) alors Δ = ( trace A) 2 4 det A 0. = 0 que lorsque b = 0 et a = d. Autrement dit, la matrice est isotrope (homothétie de rapport a) : a 0 0 a = ai et λ 1 = λ 2 = a.
105 Calcul pratique des valeurs propres Remarque Si λ 1, λ 2,..., λ n sont les n valeurs propres d'une matrice A de dimensions n n alors det λ 1 λ 2... λ n
106 Calcul pratique des valeurs propres Remarque Si λ 1, λ 2,..., λ n sont les n valeurs propres d'une matrice A de dimensions n n alors det λ 1 λ 2... λ n Exemple det 3 et on a vu que λ 1 = 3, λ 2 = 1 λ 1 λ 2 = 3
107 Calcul pratique des vecteurs propres Une fois trouvées les valeurs propres λ il faut trouver pour chacune d elles un vecteur système d équations homogène : u 0 satisfaisant au Knowing the eigenvalurs, we seek the eigenvectors by solving for each eigenvalue them the system: ( ) A λi u = 0 Par construction, ce système admet une infinité de ( ) = 0 det A λi solutions ( ).
108 Calcul pratique des vecteurs propres Reprenons l exemple précédent (matrice symétrique 2 2) On a trouvé λ = 3 et λ =
109 Calcul pratique des vecteurs propres Reprenons l exemple précédent (matrice symétrique 2 2) On a trouvé λ = 3 et λ = Il faut résoudre pour chacune d elles le système ( A λi ) u = 0
110 Calcul pratique des vecteurs propres Reprenons l exemple précédent (matrice symétrique 2 2) On a trouvé λ = 3 et λ = Il faut résoudre pour chacune d elles le système ( A λi ) u = 0 λ λ u = 0
111 Calcul pratique des vecteurs propres Reprenons l exemple précédent (matrice symétrique 2 2) On a trouvé λ = 3 et λ = Il faut résoudre pour chacune d elles le système ( A λi ) u = 0 c est-à-dire, il faut trouver λ 3 3 λx 3y = 0 3x (2 + λ)y = 0 2 λ u = (x, y) (0,0) u = 0 vérifiant pour λ=-3 puis pour λ=1.
112 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0
113 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 3x 3y = 0 3x + y = 0
114 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 3x 3y = 0 3x + y = 0 y = 3x
115 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 3x 3y = 0 3x + y = 0 y = 3x équation d une droite de pente ѳ = 60 (tanѳ= 3)
116 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 3x 3y = 0 3x + y = 0 y = 3x équation d une droite de pente ѳ = 60 (tanѳ= 3) y 60 x
117 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 Tout vecteur de la forme 3x 3y = 0 3x + y = 0 y = 3x u = x, x 3 est vecteur propre associé à λ1 =-3. ( ), x 0 équation d une droite de pente ѳ = 60 (tanѳ= 3) y 60 x
118 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 Tout vecteur de la forme 3x 3y = 0 3x + y = 0 y = 3x u = x, x 3 est vecteur propre associé à λ1 =-3. On peut en choisir un représentant : u 1 = 1 2, 3 2 ( ) ( ), x 0 équation d une droite de pente ѳ = 60 (tanѳ= 3) y 60 x
119 Calcul pratique des vecteurs propres Pour λ=-3 λx 3y = 0 3x (2 + λ)y = 0 Tout vecteur de la forme 3x 3y = 0 3x + y = 0 y = 3x u = x, x 3 est vecteur propre associé à λ1 =-3. On peut en choisir un représentant : u 1 = 1 2, 3 2 ( ) ( ), x 0 équation d une droite de pente ѳ = 60 (tanѳ= 3) y 60 u1 x
120 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0
121 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0
122 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x
123 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x équation d une droite de pente ѳ = 150 (tanѳ=- 3/3)
124 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x équation d une droite de pente ѳ = 150 (tanѳ=- 3/3) y 150 x
125 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x équation d une droite de pente ѳ = 150 (tanѳ=- 3/3) y Tout vecteur de la forme u ( = x, x ) 3 x 0 est vecteur propre associé à λ1 = x
126 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x équation d une droite de pente ѳ = 150 (tanѳ=- 3/3) y Tout vecteur de la forme u ( = x, x ) 3 x 0 est vecteur propre associé à λ1 =1. On peut en choisir un représentant : u 2 = 3 2, 1 2 ( ) 150 x
127 Calcul pratique des vecteurs propres Pour λ=1 λx 3y = 0 3x (2 + λ)y = 0 x 3y = 0 3x 3y = 0 y = 3 3 x équation d une droite de pente ѳ = 150 (tanѳ=- 3/3) y Tout vecteur de la forme u ( = x, x ) 3 x 0 est vecteur propre associé à λ1 =1. u2 150 x On peut en choisir un représentant : u 2 = 3 2, 1 2 ( )
128 Calcul pratique des vecteurs propres Remarque La matrice étant ici symétrique on savait à l avance que les valeurs propres allaient être réelles.
129 Calcul pratique des vecteurs propres Remarque La matrice étant ici symétrique on savait à l avance que les valeurs propres allaient être réelles. On savait aussi que les vecteurs propres étaient orthogonaux. Vérifions : x x = x 2 x 2 = 0 x 3 x 3
130 Calcul pratique des vecteurs propres Remarque La matrice étant ici symétrique on savait à l avance que les valeurs propres allaient être réelles. On savait aussi que les vecteurs propres étaient orthogonaux. Vérifions : x x = x 2 x 2 = 0 x 3 x 3 La base formée par les 2 vecteurs propres u 1 et u 2 est une base orthonormée dans laquelle A est diagonale. On l appelle la base propre de A.
131 À savoir faire - Calculer les valeurs propres d une matrice
132 À savoir faire - Calculer les valeurs propres d une matrice Exemple : trouver les valeurs propres de la matrice M =
133 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2.
134 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2. - Calculer des vecteurs propres d une matrice connaissant ses valeurs propres
135 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2. - Calculer des vecteurs propres d une matrice connaissant ses valeurs propres Exemple : sachant que les valeurs propres de la matrice M précédente sont λ1=-1, λ2=1 et λ3=2, trouver des vecteurs propres de M.
136 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2. - Calculer des vecteurs propres d une matrice connaissant ses valeurs propres Réponse : pour λ 1 = 1 : u 1 = 2, 1,1 ( )
137 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2. - Calculer des vecteurs propres d une matrice connaissant ses valeurs propres Réponse : pour λ 2 = 1 : u 2 = 0,1,1 ( )
138 À savoir faire - Calculer les valeurs propres d une matrice Réponse : det ( M λi ) = λ λ 0 = λ 3 + 2λ 2 + λ 2 = λ λ 1 = 1, λ 2 = 1, λ 3 = 2. - Calculer des vecteurs propres d une matrice connaissant ses valeurs propres Réponse : pour λ 3 = 2 : u 3 = 1,1, 1 ( )
139 Fin de la seconde partie
Chapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en 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 détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en 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 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 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 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 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 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 détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
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 détailNotion de fonction. Résolution graphique. Fonction affine.
TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................
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 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 détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
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 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 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 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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en 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 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 détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailBaccalauréat S Nombres complexes Index des exercices sur les complexes de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS
Baccalauréat S Nombres complexes Index des exercices sur les complexes de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS N o Lieu et date Q.C.M. Algébrique Géométrie 1 Asie juin 2012 2 Métropole juin
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 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 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 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 détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détailL Elasticité Concept et Applications Chapitre 4
L Elasticité Concept et Applications Chapitre 4 L Elasticité...... est une mesure de la réaction des acheteurs et vendeurs aux changements dans les conditions du marché...... nous permet d analyser les
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 détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailMots-clefs Valeurs propres, vecteurs propres, matrice, système linéaire, méthodes de projection, espace
Résumé La méthode d Arnoldi est une méthode de projection de type Krylov qui permet, entre autres, de résoudre un problème important dans le calcul scientifique : déterminer le spectre d une matrice de
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détail= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m
1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.
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 détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
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 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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailLicence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année)
Licence Sciences de l Ingénieur et Licence Informatique Niveau L2 (= 2ème année) Mathématiques : Résumé de ce qu il faut savoir en Algèbre linéaire (ou Calcul Matriciel) au sortir du L1, en préalable au
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 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 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 détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailSéquence 2. Repérage dans le plan Équations de droites. Sommaire
Séquence Repérage dans le plan Équations de droites Sommaire 1 Prérequis Repérage dans le plan 3 Équations de droites 4 Synthèse de la séquence 5 Exercices d approfondissement Séquence MA0 1 1 Prérequis
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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
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 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 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 détail3 ème 2 DÉVELOPPEMENT FACTORISATIONS ET IDENTITÉS REMARQUABLES 1/5 1 - Développements
3 ème 2 DÉVELOPPEMENT FACTORISATIONS ET IDENTITÉS REMARQUABLES 1/5 1 - Développements Développer une expression consiste à transformer un produit en une somme Qu est-ce qu une somme? Qu est-ce qu un produit?
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en 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 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 détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en 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 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
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 détail1 Définition. 2 Systèmes matériels et solides. 3 Les actions mécaniques. Le système matériel : Il peut être un ensemble.un sous-ensemble..
1 Définition GÉNÉRALITÉS Statique 1 2 Systèmes matériels et solides Le système matériel : Il peut être un ensemble.un sous-ensemble..une pièce mais aussi un liquide ou un gaz Le solide : Il est supposé
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 détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
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 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 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 détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailOpenOffice.org Calc Ouvrir un classeur
OpenOffice.org Calc Ouvrir un classeur Diffusé par Le Projet Documentation OpenOffice.org Table des Matières 1. Ouvrir un nouveau classeur...3 2. Ouvrir un classeur existant...6 3. Crédits...8 4. Licence...8
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
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 détailExercices et corrigés Mathématique générale Version β
Université libre de Bruxelles Années académiques 2008-2050 Université catholique de Louvain Exercices et corrigés Mathématique générale Version β Laurent Claessens Nicolas Richard Dernière modification
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
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 détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailLa géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques
La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques III. Cercles 1. Cercle d'euler 2. Droite d'euler 3. Théorème de Feuerbach 4. Milieux des segments joignant
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
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 détailOrdonnance sur le paiement à un enfant ou à une personne qui n est pas saine d esprit. Infant or Person of Unsound Mind Payment Order CODIFICATION
CANADA CONSOLIDATION CODIFICATION Infant or Person of Unsound Mind Payment Order Ordonnance sur le paiement à un enfant ou à une personne qui n est pas saine d esprit C.R.C., c. 1600 C.R.C., ch. 1600 Current
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailDessin assisté par ordinateur en lycée professionnel
Dessin assisté par ordinateur en lycée professionnel Bernard Dauga To cite this version: Bernard Dauga. Dessin assisté par ordinateur en lycée professionnel. Bulletin de l EPI (Enseignement Public et Informatique),
Plus en détailMicroscopie de fluorescence Etat de l art
Etat de l art Bibliométrie (Web of sciences) CLSM GFP & TPE EPI-FLUORESCENCE 1 Fluorescence Diagramme de JABLONSKI S2 S1 10-12 s Excitation Eex Eem 10-9 s Émission Courtoisie de C. Spriet
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 détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
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 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 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 détailLes BRMS Business Rules Management System. Groupe GENITECH
Les BRMS Business Rules Management System 1 Présentations Emmanuel Bonnet ebonnet (at) genigraph.fr Responsable Dpt Conseil Consultant, Expert BRMS Formateur IBM/Ilog JRules / JBoss Rules Génigraph SSII
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 détail