RÉDUCTION DES ENDOMORPHISMES
|
|
- Danièle Boutin
- il y a 7 ans
- Total affichages :
Transcription
1 UNIVERSITÉ PARIS 7 D E N I S D I D E R O T MI3 Algèbre et analyse fondamentales I CHAPITRE IV RÉDUCTION DES ENDOMORPHISMES année Auteur : Thierry Joly Département de Formation de 1 er Cycle de Sciences Exactes
2
3 CHAPITRE IV MI3 Année 28/9 RÉDUCTION DES ENDOMORPHISMES Plan du chapitre : 1 Sommes directes de sous-espaces vectoriels (rappels) 2 Diagonalisation 21 Matrices diagonales endomorphismes diagonalisables 22 Applications de la diagonalisation 23 Sous-espaces propres d un endomorphisme 24 Critères de diagonalisation 25 Méthode de diagonalisation Exemples 3 Trigonalisation 31 Matrices triangulaires endomorphismes trigonalisables 32 Critère de trigonalisation 33 Méthode de trigonalisation Exemple 34 Application aux systèmes différentiels linéaires 1
4 CHAPITRE IV MI3 RÉDUCTION DES ENDOMORPHISMES NB Dans tout ce chapitre, la lettre K désigne l un des ensembles R ou C 1 Sommes directes de sous-espaces vectoriels (rappels) Définition On appelle somme de sous-espaces E 1,, E n d un K-espace vectoriel E l ensemble noté E E n des vecteurs de E de la forme x x n, où x 1 E 1,, x n E n : E E n = { x x n ; x 1 E 1,, x n E n } Proposition 1 La somme E E n de sous-espaces quelconques E 1,, E n d un K-espace vectoriel E est un sous-espace de E Démonstration Pour tous x, y E 1 + +E n et tout k K, il existe par définition des vecteurs x 1 E 1,, x n E n, y 1 E 1,, y n E n tels que : x = x x n et y = y y n, donc x + y = (x 1 + y 1 ) + + (x n + y n ) E E n et kx = kx kx n E E n Définition On dit que la somme E 1 + +E n de sous-espaces E 1,, E n d un K-espace vectoriel E est directe lorsque pour tous x 1 E 1,, x n E n : x x n = = x 1 = = x n = Si tel est le cas, la somme E E n est notée : E 1 E n Proposition 2 Soit E 1 E n une somme directe de sous-espaces d un K-espace vectoriel E Alors tout vecteur x E 1 E n se décompose de façon unique en une somme : x = x x n, x 1 E 1,, x n E n Démonstration Si x = x x n = x x n avec x i, x i E i pour tout i, alors (x 1 x 1) + + (x n x n) = Il s ensuit : x 1 x 1 = = x n x n =, soit encore : x 1 = x 1,, x n = x n 2
5 Proposition 3 La somme E 1 +E 2 de deux sous-espaces vectoriels E 1, E 2 d un K-espace vectoriel E est directe ssi E 1 E 2 = {} Démonstration Si la somme E 1 + E 2 est directe, alors pour tout x E 1 E 2, on a : x E 1, x E 2 et la relation x + ( x) = entraîne donc x = x =, d où : E 1 E 2 = {} Réciproquement, si E 1 E 2 = {}, alors pour tous x 1 E 1, x 2 E 2 tels que x 1 + x 2 =, on a x 1 = x 2 E 1 E 2, donc x 1 = x 2 = et la somme E 1 + E 2 est directe Remarques Dans le cas particulier où chaque sous-espace E i d une somme E E n est engendré par un unique vecteur non nul v i, alors la somme E E n est directe ssi les vecteurs v 1,, v n sont linéairement indépendants La notion de somme directe de sous-espaces peut donc être vue comme une généralisation de la notion d indépendance linéaire de vecteurs et la proposition 2 est à rapprocher de l unicité des coefficients k i d une combinaison linéaire n k iv i de vecteurs linéairement indépendants v 1,, v n Tout naturellement, les notions de somme directe et de systèmes linéairement indépendants présentent aussi les mêmes écueils Par exemple, de même qu il est tout à fait faux de dire que des vecteurs v 1,, v n sont linéairement indépendants ssi ils deux à deux non colinéaires (erreur fréquente), il faut se garder de généraliser abusivement la proposition 3 en prétendant qu une somme E E n est directe ssi E i E j = {} pour chaque paire de sous-espaces E i E j Théorème 4 Soit E 1 E n une somme directe de sous-espaces d un K-espace vectoriel E Si (u 11,, u 1p1 ) est une base quelconque de E 1, (u 21,, u 2p2 ) une base quelconque de E 2, et (u n1,, u npn ) une base quelconque de E n, alors la suite de vecteurs obtenue en accolant toutes ces bases : (u 11,, u 1p1, u 21,, u 2p2,, u n1,, u npn ) est une base de E 1 E n Démonstration sous la forme : Il s agit d établir que tout vecteur x de E 1 E n s écrit de façon unique x = k 11 u k 1p1 u 1p1 + k 21 u k 2p2 u 2p2 + + k n1 u n1 + + k npn u npn ( ) Tout vecteur x E 1 E n s écrit sous la forme x = x x n, où x 1 E 1,, x n E n Comme (u i1,, u ipi ) est une base de E i, chacun des vecteurs x i s écrit à son tour sous la forme x i = k i1 u i1 + + k ipi u ipi En remplaçant ces expressions dans la somme x = x x n, on obtient la relation ( ) Montrons à présent que les scalaires k ij de ( ) sont uniques Supposons que l on a aussi : x = k 11u k 1p 1 u 1p1 + k 21u k 2p 2 u 2p2 + + k n1u n1 + + k np n u npn Alors pour tout i, x i = k i1 u i1 + + k ip i u ipi est un vecteur de E i et l on a : x = x x n La proposition 2 entraîne donc x 1 = x 1, x 2 = x 2,, x n = x n, d où pour chaque i : x i = k i1 u i1 + + k ipi u ipi = k i1u i1 + + k ip i u ipi Comme les coordonnées du vecteur x i dans la base (u i1,, u ipi ) de E i sont uniques, il s ensuit k ij = k ij pour tous i, j Corollaire 5 dim (E 1 E n ) = dim E dim E n 3
6 2 Diagonalisation 21 Matrices diagonales endomorphismes diagonalisables Définition Si k 1,, k n sont des scalaires, on note Diag(k 1,, k n ) la matrice carrée n n : k 1 k 2 Diag(k 1,, k n ) = k 3 k n Les matrices de la forme Diag(k 1,, k n ) sont appelées matrices diagonales Définition On dit qu un endomorphisme f de d un K-espace vectoriel E est diagonalisable s il existe une base de E dans laquelle la matrice représentant f est diagonale Diagonaliser f signifie : rechercher une telle base Si la matrice de f dans la base (u 1,, u n ) est Diag(k 1,, k n ), on a pour tout i : f(u i ) = k i u i, autrement dit u i est un vecteur propre associé à la valeur propre k i Diagonaliser f revient donc à rechercher une base de E uniquement constituée de vecteurs propres Exemple Soit f l endomorphisme de R 2 dont la matrice dans la base canonique (e 1, e 2 ) de R 2 est : ( ) 1 A = 2 3 Bien que A ne soit pas diagonale, f est diagonalisable En effet, les vecteurs u 1 = e 1 + e 2 et u 2 = e 1 + 2e 2 ne sont à l évidence pas colinéaires, donc le système (u 1, u 2 ) est libre et forme une base de R 2 De plus, la matrice A nous donne : f(e 1 ) = 2e 2 et f(e 2 ) = e 1 + 3e 2, donc : f(u 1 ) = f(e 1 ) + f(e 2 ) = 2e 2 + (e 1 + 3e 2 ) = e 1 + e 2 = u 1, f(u 2 ) = f(e 1 ) + 2f(e 2 ) = 2e 2 + 2(e 1 + 3e 2 ) = 2e 1 + 4e 2 = 2u 2 Ainsi, la matrice de f dans la base (u 1, u 2 ) est : ( 1 D = 2 Comme les coordonnées dans la base canonique (e 1, e 2 ) des vecteurs u 1, u 2 sont respectivement (1, 1) et (1, 2), la matrice de passage de la base canonique (e 1, e 2 ) à cette nouvelle base (u 1, u 2 ) s écrit : u 1 u 2 ( ) 1 1 e 1 P = 1 2 e 2 Rappelons que si X (respectivement X ) est le vecteur colonne des coordonnées dans la base (e 1, e 2 ) (respectivement dans la base (u 1, u 2 )) d un même vecteur de R 2, alors X = P X, X = P 1 X, et que ceci entraîne les relations : ) D = P 1 AP, A = P DP 1 Remarque Par abus de langage, on dit aussi que l on a diagonalisé la matrice A : cela signifie simplement que l on a trouvé une matrice inversible P (la matrice de passage) telle que D = P 1 AP soit diagonale 4
7 22 Applications de la diagonalisation Indiquons dès à présent quelques problèmes où la diagonalisation des matrices s avère précieuse : Calcul des puissances d une matrice Une vertu des matrices diagonales est qu elles sont particulièrement faciles à multiplier entre elles ; en effet, on vérifie sans peine la relation : Diag ( k 1,, k p ) Diag ( k 1,, k p) = Diag ( k1 k 1,, k p k p) Cette dernière entraîne facilement par récurrence sur n N : ( ) n ( Diag(k1,, k p = Diag k n 1,, kp n ) Ainsi, alors que l on ne voit pas bien comment calculer directement A n pour la matrice A de l exemple précédent, on peut immédiatement écrire : ( ) 1 D n = 2 n Or la relation A = P DP 1 entraîne : A n = (P DP 1 ) (P DP 1 ) = P D n P 1, }{{} n facteurs de sorte que l on obtient A n en inversant P puis en calculant le produit P D n P 1 : ( ) ( ) P 1 =, A n = P D n P 1 n 2 n 1 = n+1 2 n+1 1 Calcul du terme général d une suite récurrente linéaire Il est bien connu qu une suite géométrique (u n ) n N de raison a, ie telle que u n+1 = a u n, a pour terme général : u n = a n u Le calcul matriciel permet d exprimer de même le terme général d une suite définie à partir de ses k premiers termes par une relation de la forme : u n+k = a 1 u n+k 1 + a 2 u n+k a k u n Soit, par exemple, la suite (u n ) n N définie par : u = 4, u 1 = 7, u n+2 = 3u n+1 2u n Quitte à être redondant, la relation de récurrence de cette définition peut aussi s exprimer par le système : [ ( ) un+1 = u n+1 un+1 u n+2 = 2u n + 3u n+1 soit encore u n+2 ( un = A où A est toujours la même matrice que précédemment En posant U n = n N, on a donc : ( ) 4 U =, U n+1 = A U n, 7 u n+1 ( un u n+1 ), ) pour tout d où, par récurrence sur n N : U n = A n U À l aide du calcul de A n plus haut, on obtient u n = (2 2 n )4 + (2 n 1)7, soit encore : u n = 32 n + 1 5
8 23 Sous-espaces propres d un endomorphisme Comme on a déjà remarqué plus haut, diagonaliser un endomorphisme f d un K-espace vectoriel E consiste à former une base de E à l aide de vecteurs propres de f Puisque l on sait déjà déterminer les valeurs propres de f (il s agit des racines de son polynôme caractéristique), il nous reste à étudier pour chaque valeur propre λ l ensemble E λ des vecteurs propres associés à λ Cet ensemble E λ est en fait le noyau de l application linéaire f λ Id E : f(v) = λv (f λ Id E )(v) = f(v) λv = v Ker(f λ Id E ) Définition Soit f un endomorphisme d un K-espace vectoriel E Pour toute valeur propre λ de f, le sous-espace vectoriel E λ = Ker(f λ Id E ) = {v E ; f(v) = λv} est appelé sous-espace propre de f associé à la valeur propre λ Rappelons que la multiplicité d une racine α d un polynôme P (x) est le plus grand entier m tel que (x α) m divise P (x), ie tel que P (x) puisse s écrire sous la forme : P (x) = (x α) m Q(x), où Q(x) est un polynôme Théorème 6 Soit f un endomorphisme d un K-espace vectoriel E de dimension finie, P f son polynôme caractéristique et λ 1,, λ p les racines de P f, que l on suppose deux à deux distinctes et de multiplicités respectives m 1,, m p Alors : La somme des sous-espaces propres E λi = Ker (f λ i Id E ) de f est directe : E λ1 E λp E La dimension de chaque sous-espace propre E λi vérifie : dim E λi m i Démonstration Établissons par récurrence sur n {1,, p} que la somme E λ E λn est directe Lorsque n = 1, cette somme est trivialement directe, puisqu elle ne comporte qu un seul terme Supposons le résultat établi au rang n 1 et établissons-le au rang n Soit donc v 1 E λ1, v 2 E λ2,, v n E λn tels que : v v n 1 + v n = En appliquant f à cette somme, on obtient en vertu de la linéarité de f et des relations f(v i ) = λ i v i : et en multipliant cette même somme par λ n : Retranchons ces deux dernières égalités : λ 1 v λ n 1 v n 1 + λ n v n =, λ n v λ n v n 1 + λ n v n = (λ 1 λ n )v (λ n 1 λ n )v n 1 = Comme (λ i λ n )v i E λi pour tout i {1,, n 1}, l hypothèse de récurrence entraîne alors : (λ i λ n )v i = (i = 1,, n 1), or λ i λ n (car λ 1,, λ n 1 sont deux à deux distincts), donc v i = pour tout i {1,, n 1} Il s ensuit évidemment v n = ; ainsi tous les vecteurs v i sont nuls, ce qui établit que la somme des sous-espaces E λi est directe 6
9 Fixons maintenant un sous-espace propre E λi et montrons que l on a : d = dim E λi m i Pour ce faire, considérons une base quelconque (u 1,, u k ) de E λi, que l on complète en une base (u 1,, u n ) de E Comme f(u i ) = λ i u i pour tout i d, la matrice A de f dans la base (u 1,, u n ) est de la forme : A = }{{} λ i d λ i B C P f (x) est donc le déterminant de la matrice : A xi n = }{{} λ i x d λ i x B C xi n-d En itérant d développements selon la première colonne de ce déterminant, on obtient donc : P f (x) = (λ i x) d det(c xi n d ) De plus, det(c xi n d ) est bien un polynôme, puisque qu il s agit du polynôme caractéristique de l endomorphisme de K n d représenté par la matrice C Ainsi, la multiplicité de la racine λ i de P f est au moins égale à d, autrement dit : dim E λi = d m i 24 Critères de diagonalisation Définition On dit qu un polynôme P (x) est scindé dans K s il est décomposable en un produit de facteurs du premier degré à coefficients dans K, ie s il peut s écrire sous la forme : P (x) = a n (x α i ), a, α 1,, α n K Remarque Si le polynôme caractéristique P f (x) d un endomorphisme f est scindé dans K, alors on peut l écrire sous la forme : P f (x) = a p (λ i x) m i, où λ 1,, λ p K sont ses racines deux à deux distinctes dans K De plus, a est alors le coefficient de plus haut degré du polynôme P f ( x) = a p (x + λ i) mi et vaut donc 1 en vertu de la proposition 12 du premier chapitre, d où la forme suivante de P f (x) : n P f (x) = (λ i x) mi 7
10 Théorème 7 Soit f un endomorphisme d un K-espace vectoriel E de dimension finie, P f son polynôme caractéristique, λ 1,, λ p une liste sans répétition de toutes ses valeurs propres et E λi = Ker (f λ i Id E ) (1 i p) ses sous-espaces propres associés Les énoncés suivants sont alors équivalents : 1 f est diagonalisable 2 P f est scindé, mettons : P f (x) = p (λ i x) m i, et la multiplicité de chaque racine λ i de P f est égale à la dimension du sous-espace propre associé à λ i : dim E λi = m i, 1 i p 3 dim E = dim E λ1 + + dim E λp 4 E est la somme (directe) des sous-espaces propres de f : E = E λ1 E λp Démonstration 1 2 Par hypothèse, E possède une base (u 1,, u n ) constituée de vecteurs propres de f Quitte à réordonner les vecteurs de cette base, on peut supposer que la matrice de f dans la base (u 1,, u n ) est, pour des scalaires λ 1,, λ p deux à deux distincts, de la forme : D = Diag(λ 1,, λ }{{} 1,, λ p,, λ p ) En itérant des développements selon la première colonne, on }{{} obtient : m 1 m p p P f (x) = det Diag(λ 1 x,, λ 1 x,, λ }{{} p x,, λ p x) = (λ i x) mi }{{} m 1 m p Ainsi, P f est scindé et m i est bien la multiplicité de la racine λ i de P f pour tout i {1,, p} De plus, en vertu de la forme de la matrice D, la base (u 1,, u n ) contient clairement m i vecteurs (linéairement indépendants) de E λi, d où : m i dim E λi On en déduit à l aide du théorème 7 : dim E λi = m i (1 i p) 2 3 On a par hypothèse : dim E λ1 + + dim E λp = m m p = deg P f = dim E 3 4 Selon le corollaire 5, on a alors : dim (E λ1 E λp ) = dim E λ1 + + dim E λp = dim E, autrement dit E λ1 E λp est un sous-espace vectoriel de E de même dimension que E, d où l égalité : E λ1 E λp = E 4 1 Pour tout i {1,, p}, soit (u i1,, u ini ) une base quelconque de E λi Par définition, les vecteurs u ij sont des vecteurs propres de f De plus, (u 11,, u 1n1,, u p1,, u pnp ) constitue une base de E λ1 E λp d après le théorème 4 Ainsi, l hypothèse E = E λ1 E λp entraîne que ces vecteurs propres de f forment une base de E et f est bien diagonalisable Remarque Lorsque P f est scindé et ne possède que des racines simples (ie de multiplicité 1), alors f est nécessairement diagonalisable en vertu du critère 2 ci-dessus 25 Méthode de diagonalisation Exemples Afin de diagonaliser un endomorphisme f, on peut procéder comme suit : 1 Calcul et scindage de P f : P f (x) = diagonalisable p (λ i x) mi Si P f n est pas scindé, alors f n est pas 2 Pour chaque racine λ i de P f, détermination d une base (u i1,, u ini ) du sous-espace propre : E λi = Ker (f λ i Id E ) Si l une de ces bases vérifie : n i = dim E λi < m i, alors f n est pas diagonalisable 8
11 Sinon, on a n i = dim E λi = m i pour tout i et l on obtient une base de E en les juxtaposant La matrice de passage à cette nouvelle base et la matrice diagonale représentant f dans cette dernière s en déduisent immédiatement : P = u 11 u 1n1 u 21 u 2n2 u p1 u pnp D = }{{} λ 1 n 1 λ 1 }{{} λ2 n 2 λ 2 }{{} λ p n p λ p Exemple 1 Soit f l endomorphisme de R 2 représenté dans la base canonique de R 2 par la matrice : ( ) 1 A = 1 Le polynôme P f (x) = x 1 1 x = x2 +1 n est pas scindé dans R, donc f n est pas diagonalisable Considérons maintenant l endomorphisme g de C 2 représenté par la matrice A : on a cette fois P g (x) = x = (x i)(x + i) et g a deux valeurs propres simples : i et i Selon le théorème 6, les deux sous-espaces propres correspondants E i, E i sont donc de dimension 1 et g est à coup sûr diagonalisable, puisque : dim E i + dim E i = 2 = dim C 2 Déterminons une base de E i Les vecteurs de E i = Ker(g i Id C 2) sont les vecteurs (z 1, z 2 ) C 2 tels que : ( ) ( ) ( ) ( ) [ z1 i 1 z1 iz1 + z (A ii 2 ) = = ie 2 = 1 i z 1 iz 2 = z 2 z 2 autrement dit tels que z 2 = iz 1, puisque les deux équations du système équivalent à cette dernière On peut donc choisir comme base de E i le vecteur u 1 = (1, i) On trouve de même que E i est l ensemble des vecteurs (z 1, z 2 ) C 2 tels que z 2 = iz 1, et l on peut donc choisir comme base de E i le vecteur u 2 = (1, i) La matrice de passage à la base (u 1, u 2 ) et la matrice de g dans cette dernière sont respectivement : P = ( 1 1 i i ) ( i, D = i En conclusion, la matrice A est diagonalisable dans C, mais pas dans R ) 9
12 Exemple 2 Pour tout a R, soit f a l endomorphisme de R 3 dont la matrice dans la base canonique de R 3 est : 4 2 M a = a Déterminons pour quelles valeurs de a l endomorphisme f a est diagonalisable et diagonalisons f a pour ces valeurs Pour ce faire, on commence par calculer le polynôme caractéristique de f a : P fa (x) = det(m a xi 3 ) = 4 x x a x = (4 x) 5 x 4 2 a x x 4 2 = (4 x) ( (5 x)(a x) 8 ) 2 ( 4 4(5 x) ) = (4 x) ( (5 x)(a x) 8 ) + 8(4 x) = (4 x)(5 x)(a x) Si a = 4, P fa a comme racines la racine double 4 et la racine simple 5 En vertu du théorème 6, on en déduit que les deux sous-espaces propres E 4, E 5 de f 4 vérifient : dim E 4 = 1 ou 2, dim E 5 = 1 Pour savoir si f 4 est diagonalisable, il faut donc déterminer la dimension de E 4 Clairement, la matrice : 2 M 4 4I 3 = a pour rang 2 (ses deux premières colonnes sont proportionnelles entre elles, mais pas à la troisième) On a donc : dim E 4 = dim Ker(f 4 4 Id R 3) = 3 rang(f 4 4 Id R 3) = 1 Ainsi, dim E 4 + dim E 5 = dim R 3, donc f 4 n est pas diagonalisable Si a = 5, P fa a comme racines la racine simple 4 et la racine double 5 Les deux sous-espaces propres E 4, E 5 de f 5 vérifient donc : dim E 4 = 1 et dim E 5 = 1 ou 2 La matrice : 1 2 M 5 5I 3 = a pour rang 2 (ses deux premières lignes sont proportionnelles, mais pas à la troisième) Le rang de l application f 5 5 Id R 3 est donc 2, d où : dim E 5 = 3 rang(f 5 5 Id R 3) = 1 Ainsi, on a : dim E 4 + dim E 5 = 2 dim R 3, donc f 5 n est pas diagonalisable Si a 4 et a 5, alors P fa a trois racines simples distinctes : 4, 5 et a Les trois sous-espaces propres correspondants de f a vérifient donc : dim E 4 = dim E 5 = dim E a = 1 On a alors dim E 4 + dim E 5 + dim E a = dim R 3 et le théorème 7 entraîne que f a est diagonalisable Diagonalisons f a dans ce cas Toujours selon le théorème 7, on a alors R 3 = E 4 E 5 E a, de sorte qu il suffit de trouver des vecteurs non nuls u 1, u 2, u 3 dans E 4, E 5, E a respectivement pour constituer une base de diagonalisation pour f (en effet, chacun de ces vecteurs constituera automatiquement une base du sous-espace correspondant et (u 1, u 2, u 3 ) sera donc bien une base de E, en vertu du théorème 4) E 4 est l ensemble des vecteurs (x, y, z) R 3 tels que : x (M a 4I 3 ) y = z On peut donc prendre u 1 = (1, 2, ) a 4 x y = z 1
13 E 5 est l ensemble des vecteurs (x, y, z) R 3 tels que : x 1 2 x (M a 5I 3 ) y = 2 4 y =, z 4 2 a 5 z soit encore : [ x + 2z = 4x + 2y + (a 5)z = ( On peut donc prendre x = 2, z = 1 et 2y = a 5 4x = a 13, ie u 2 = E a est l ensemble des vecteurs (x, y, z) R 3 tels que : x 4 a 2 (M a ai 3 ) y = 2 5 a 4 z 4 2 soit encore : (4 a)x 2z = 2x + (5 a)y + 4z = 4x + 2y = x y = z 2, a 13, 1 2 En prenant x = 1, y = 2 pour vérifier la troisième équation, on vérifie facilement que z = a 4 ( satisfait les deux premières, de sorte que l on peut choisir u 3 = 1, 2, a 4 ) 2 2 Finalement, la matrice de passage à la base (u 1, u 2, u 3 ) et la matrice de f a dans cette dernière sont respectivement : P = a , D = 5 a a Remarque On pourra vérifier que les vecteurs u 1, u 2, u 3 trouvés plus haut sont des vecteurs propres de f a, même lorsque a = 4 ou = 5 Cependant, la diagonalisation ci-dessus cesse d être valide dans ces deux cas, car (u 1, u 2, u 3 ) cesse d être une base : on a u 1 = u 3 si a = 4 et u 2 = 2u 3 si a = 5 ) 3 Trigonalisation 31 Matrices triangulaires endomorphismes trigonalisables Définition On dit qu une matrice carrée A = (a ij ) 1 i n est triangulaire supérieure si l on a a ij = 1 j n pour tous (i, j) tels que i > j : a 11 a 12 a 13 a 1n a 22 a 23 a 2n A = a 33 a 3n a nn Définition Un endomorphisme f d un espace vectoriel E est dit trigonalisable s il existe une base de E dans laquelle f est représenté par une matrice triangulaire supérieure Trigonaliser f signifie : rechercher une telle base Si f a dans la base (u 1,, u n ) une matrice triangulaire supérieure, mettons la matrice A comme plus haut, alors pour tout j : f(u j ) = j a iju i 11
14 Trigonaliser f : E E revient donc à chercher une base (u 1, u 2,, u n ) de E telle que pour tout j {1,, n}, f(u j ) appartient au sous-espace engendré par les vecteurs u 1, u 2,, u j : f(u j ) Vect(u 1, u 2,, u j ) (En particulier, u 1 est nécessairement un vecteur propre de f) 32 Critère de trigonalisation Théorème 8 Soit E un K-espace vectoriel de dimension finie, f : E E un endomorphisme et P f (x) son polynôme caractéristique Alors : f trigonalisable P f scindé En particulier, lorsque K = C, f est toujours trigonalisable Démonstration Si f est représenté par une matrice triangulaire supérieure T = (a ij ) 1 i n, on a 1 j n en itérant des développements de déterminants selon leur première colonne : a 11 x a 12 a 13 a 1n a 22 x a 23 a a 22 x a 23 a 2n 2n a P f (x) = det(t xi n ) = a 33 x a 3n = (a 11 x) 33 x a 3n a nn x a nn x a 33 x a 34 a 3n a = (a 11 x)(a 22 x) 44 x a 4n n = = (a ii x) a nn x Ainsi, le polynôme caractéristique de f est scindé Réciproquement, si P f est scindé, alors la remarque suivant la définition de polynôme scindé (début de la section 24) entraîne que P f est de la forme : P f (x) = n (λ i x), où les scalaires λ i ne sont pas nécessairement distincts Nous allons montrer par récurrence sur n que si : n P f (x) = (λ i x), alors il existe une base dans laquelle la matrice de f est de la forme : λ 1 a 12 a 13 a 1n λ 2 a 23 a 2n λ 3 a 3n λ n Si n = 1, alors la matrice de f dans toute base est la matrice 1 1 : ( ) λ 1 et il n y a rien à prouver Supposons donc ce fait établi au rang n 1 et montrons-le au rang n Comme λ 1 est valeur propre de f, il existe un vecteur non nul u 1 E tel que f(u 1 ) = λ 1 u 1 On peut alors trouver des vecteurs u 2,, u n tels que B = (u 1, u 2,, u n ) soit une base de E Soit F = Vect(u 2,, u p ) le sous-espace engendré par u 2,, u n ; on a donc : E = Vect(u 1 ) F Soit p : E F la projecteur 12
15 sur F parallèlement à u 1, autrement dit l application linéaire qui à tout vecteur de coordonnées (x 1, x 2,, x n ) dans la base B de E associe le vecteur de coordonnées (x 2,, x n ) dans la base (u 2,, u n ) de F Soit enfin g : F F l endomorphisme défini par g(v) = p(f(v)) pour tout v F et C sa matrice dans la base (u 2,, u n ) de F La matrice A de f dans la base B est donc nécessairement de la forme : λ 1 b 2 b n A = C À l aide d un développement selon la première colonne, il s ensuit : λ 1 x b 2 b n P f (x) = det(a xi n ) = = (λ C xin 1 1 x) det(c xi n 1 ) Ainsi, le polynôme caractéristique de g est : P g (x) = det(c xi n 1 ) = n (λ i x) De par l hypothèse de récurrence, il existe donc une base (v 2,, v n ) de F dans laquelle la matrice de g est de la forme : λ 2 a 22 a 2n λ T = 3 a 3n ; λ n Comme E = Vect(u 1 ) F, le théorème 4 entraîne que B = (u 1, v 2,, v n ) est une base de E De plus, le projecteur p n est autre que l application qui à tout vecteur de coordonnées (x 1, x 2,, x n ) dans la base B de E associe le vecteur de coordonnées (x 2,, x n ) dans la base (v 2,, v n ) de F Or selon la forme de la matrice T, les coordonnées dans cette dernière base du vecteur g(v j ) = p(f(v j )) sont (a 2j,, a j 1 j, λ j,,, ) pour tout j {2,, n}, donc les coordonnées de f(v j ) (j = 2,, n) dans B sont de la forme : (b j, a 2j,, a j 1 j, λ j,,, ) Ainsi, la matrice de f dans B est : λ 1 b 2 b n T, ie une matrice de la forme désirée Remarque Il ressort de cette démonstration que les coefficients diagonaux d une matrice triangulaire représentant un endomorphisme f sont toujours les valeurs propres de f (chacune étant répétée autant de fois que sa multiplicité dans le polynôme P f ) Par ailleurs, on y a montré que si P f (x) = n (λ i x) (les scalaires λ i n étant pas nécessairement distincts), alors f possède dans une certaine base une matrice de la forme : λ 1 a 12 a 13 a 1n λ 2 a 23 a 2n λ 3 a 3n λ n i=2 13
16 Puisque l ordre des scalaires λ i dans la suite λ 1,, λ n n a absolument aucune influence sur l expression n (λ i x), il s ensuit que dans la forme d une matrice triangulaire supérieure représentant f, on peut choisir arbitrairement l ordre des valeurs propres sur la diagonale (à condition, bien sûr, de respecter leur multiplicité) Il est particulièrement utile de garder à l esprit ces deux faits lorsque l on cherche à trigonaliser un endomorphisme (cf section suivante) Concluons cette section par d autres faits utiles concernant les valeurs propres d un endormorphisme f Rappelons que la trace tr f de f est la somme des coefficients diagonaux de n importe quelle matrice représentant f (cf Chapitre III, p24) Proposition 9 Soit f un endomorphisme d un espace de dimension n dont le polynôme caractéristique P f est scindé, autrement dit tel que P f possède n racines λ 1,, λ n (non nécessairement distinctes) On a alors : n n tr f = λ i, det f = λ i Démonstration En effet, f est alors représenté dans une certaine base par une matrice triangulaire supérieure T dont les coefficients diagonaux sont précisément les n racines λ 1,, λ n de P f (x)= n (λ i x) (comptées autant de fois que leur multiplicité) On en déduit immédiatement : n n tr f = λ i et : det f = det(t I n ) = P f () = λ i Remarque Cette dernière proposition peut être mise à profit pour la détermination de valeurs propres d un endomorphisme : Si un endomorphisme f est représenté par une matrice A = propres λ 1, λ 2 ont pour somme S et pour produit P : ( ) a b, alors ses deux valeurs c d S = tr f = a + d, P = det f = ad bc λ 1, λ 2 sont alors les racines du polynôme x 2 Sx + P (qui est de fait le polynôme caractéristique de f) Aux dimensions supérieures à 2, la trace et le déterminant ne suffisent plus à déterminer les valeurs propres d un endomorphisme f Toutefois, la trace de f (qui est toujours rapidement calculée à partir d une matrice représentant f) permet de vérifier la somme des valeurs propres trouvées et fournit donc un moyen simple de détecter d éventuelles erreurs de calculs, à l image de la célèbre preuve par 9 33 Méthode de trigonalisation Exemple Afin de trigonaliser un endomorphisme f : E E, on peut commencer par calculer et factoriser son polynôme caractéristique P f Si P f n est pas scindé dans K, alors f n est pas trigonalisable Sinon, P f est de la forme : P f (x) = n (λ i x) (où λ 1,, λ n ne sont pas nécessairement distincts) et il s agit de trouver une base (u 1,, u n ) dans laquelle la matrice de f est triangulaire supérieure 14
17 On a alors tout intérêt à placer dans cette base (u 1,, u n ) le plus grand nombre possible de vecteurs propres de f, en déterminant une base (u i1,, u ipi ) de chaque sous-espace propre E i (1 i s) de f En effet, une fois connues les valeurs propres de f, l obtention de telles bases est relativement rapide ; de plus, nous n avons pas à nous soucier de ce que la réunion de ces bases est bien un début de base de E possible, autrement dit un système libre, puisque c est automatiquement le cas par le théorème 4, du fait que la somme E 1 + +E s est directe (selon le théorème 6) Nous pouvons donc choisir : (u 1,, u p ) = (u 11,, u 1p1, u 21,, u 2p2,, u s1,, u sps ), p = dim E 1 + +dim E s Quitte à réordonner la suite de scalaires λ 1,, λ n, nous pouvons supposer que la valeur propre associée à chaque vecteur propre u i (1 i p) est λ i Ce choix des p premiers vecteurs de base impose que la matrice triangulaire supérieure représentant f sera de la forme : T = λ 1 a 1 p+1 a 1 p+2 a 1n λ 2 a 2 p+1 a 2 p+2 a 2n λ 3 λ p a p p+1 λ p+1 a p+1p+2 λ p+2 a n 1n λ n 1 C A En revanche, la remarque faite à la suite de la démonstration du théorème 8 nous permet de ranger dans n importe quel ordre les valeurs propres restantes λ p+1, λ p+2,, λ n (en tenant compte de leur multiplicité) Si p = n, nous avons déjà fini en obtenant la plus belle trigonalisation possible : une diagonalisation Sinon, il reste à choisir l un après l autre les vecteurs de base u p+1,, u n On peut s y prendre de la façon suivante : mettons que l on a déjà déterminé u 1,, u j (p j <n) Afin de choisir u j+1 de sorte que (u 1,, u j, u j+1 ) soit encore un système libre, on commence par compléter arbitrairement le système (u 1,, u j ) en une base (u 1,, u j, v j+1,, v n ) de E, puis on cherche u j+1 sous la forme d une combinaison linéaire des vecteurs v j+1,, v n : n u j+1 = x i v i (x j+1,, x n K) La forme de matrice T impose alors : f(u j+1 ) = i=j+1 j a ij u i + λ j+1 u j+1 En explicitant cette dernière relation, on obtient n équations linéaires dont les inconnues sont les n scalaires a 1j, a 2j,, a jj, x j+1,, x n En effet, la linéarité de f permet de la réécrire sous la forme : n j n x i f(v i ) = a ij u i + λ j+1 x i v i, soit encore : i=j+1 j a ij u i + n i=j+1 i=j+1 x i ( λj+1 v i f(v i ) ) =, ce qui constitue bien un système de n équations linéaires, puisqu il s agit d une relation vectorielle dans un espace de dimension n Toute solution non nulle de ce système fournit d un même coup un vecteur u j+1 possible et les coefficients correspondants de la j ème colonne de T : a 1j, a 2j,, a jj 15
18 Exemple Soit f l endomorphisme de R 4 dont la matrice dans la base canonique de R 4 est : 1 A = Commençons par vérifier si f est trigonalisable en factorisant son polynôme caractéristique : 1 x P f (x) = det(a xi 4 ) = 4 2 x x x 3 = (1 x) 4 4 x x 1 1 x ( = (1 x) 3 3 ) 4 x 3 + (1 x) 2 x x ( = (1 x) ) = (1 x) ( x x = (1 x) 2( 1 2x x 2) = (1 x) 4 ) 3x 3 + (1 x) 2 x x Puisque P f est scindé, f est bien trigonalisable Déterminons une base de son unique sous-espace propre E 1 E 1 est l ensemble des vecteurs (x, y, z, t) R 4 tels que : x x (A I 4 ) y z = y z = 4x 3y 3z 3t =, soit encore : 4y + 3z + 3t = 2x y =, t 2 1 t ou encore, en rajoutant à la première équation les deux autres : 2x = [ x = y = 4y + 3z + 3t = c est-à-dire : z + t = 2x y =, Ainsi, on a E 1 = Ker(f Id R 4) = {(,, z, z) ; z R}, autrement dit, E 1 est la droite vectorielle Vect(u 1 ) engendrée par le vecteur u 1 = (,, 1, 1) Comme P f (x) = (1 x) 4, toute matrice triangulaire supérieure représentant f sera nécessairement de la forme : T = 1 a b c 1 b c 1 c 1 Afin de trouver un vecteur de base u 2 convenable, complétons notre unique vecteur u 1 en une base de R 4 par les vecteurs e 1 = (1,,, ) et e 2 = (, 1,, ) et e 3 = (,, 1, ) de sa base canonique B (u 1, e 1, e 2, e 3 ) est bien une base de R 4 car : det B (e 1, e 2, e 3, u 1 ) = det B (e 1, e 2, e 3, e 3 ) det B (e 1, e 2, e 3, e 4 ) = 1 Cherchons donc u 2 sous la forme d une combinaison linéaire de ces vecteurs additionnels e 1, e 2, e 3 : u 2 = xe 1 + ye 2 + ze 3 = (x, y, z, ) La seconde colonne de la matrice T impose : f(u 2 ) = au 1 + u 2 Cette relation s écrit sur la base canonique B : x A y z = a x y z, soit encore : x = x 4x 2y 3z = y 4y + 4z = a + z 2x y = a 16
19 On vérifie facilement que ce système a pour solutions les quadruplets (a, x, y, z) tels que : x =, y = a et z = y On peut donc choisir a = 1 et u 2 = (, 1, 1, ) Afin de trouver un vecteur u 3 convenable, complétons maintenant le système libre (u 1, u 2 ) en une base de R 4 par les vecteurs e 1, e 2 de sa base canonique B (u 1, u 2, e 1, e 2 ) est bien une base de R 4 car : det B (e 1, e 2, u 2, u 1 ) = det B (e 1, e 2, e 2, u 1 ) det B (e 1, e 2, e 3, u 1 ) = ( 1) Cherchons donc u 3 sous la forme d une combinaison linéaire de ces vecteurs additionnels e 1, e 2 : u 2 = xe 1 +ye 2 = (x, y,, ) La troisième colonne de la matrice T impose : f(u 3 ) = bu 1 +b u 2 +u 3 Cette relation s écrit sur la base canonique B : x A y = b b x y, soit encore : x = x 4x 2y = b + y 4y = b b 2x y = b On vérifie facilement que ce système a pour solutions les quadruplets (b, b, x, y) tels que : x =, y = b et b = 3b On peut donc choisir b = 1, b = 3 et u 3 = (, 1,, ) Nous pouvons achever cette trigonalisation en complétant le système libre (u 1, u 2, u 3 ) par n importe quel vecteur u 4 tel que (u 1, u 2, u 3, u 4 ) soit une base de R 4 Choisissons par exemple u 4 = e 1 (u 1, u 2, u 3, u 4 ) est alors bien une base de R 4 car il s agit à l ordre près des vecteurs de la base (u 1, u 2, e 1, e 2 ) considérée plus haut La dernière colonne de la matrice T impose la relation : f(u 4 ) = cu 1 + c u 2 + c u 3 + u 4, et celle-ci s écrit sur la base canonique B : 1 A = c c d où : c = c = c = c 1 + 1, soit encore : 1 = 1 4 = c + c = c c 2 = c, Ainsi, la matrice de passage de la base canonique à la base (u 1, u 2, u 3, u 4 ) et la matrice de f dans cette dernière sont respectivement : P = , T = Application aux systèmes différentiels linéaires Définition On appelle système différentiel linéaire à coefficients constants avec second membre un système de la forme : x 1(t) = x n(t) = a 11 x 1 (t) + + a 1n x n (t) + b 1 (t) a n1 x 1 (t) + + a nn x n (t) + b n (t) où b 1,, b n : I K sont des fonctions continues sur un intervalle I de R et à valeurs dans K (S) 17
20 Une solution sur I de (S) consiste en n fonctions x 1,, x n dérivables sur I et à valeurs dans K vérifiant le système pour tout t I En posant : a 11 a 1n A = M n (K), a n1 a nn le système (S) s écrit plus simplement : B : I K n t B(t) = b 1 (t) b n (t) et X : I K n t X(t) = x 1 (t) x n (t) X (t) = A X(t) + B(t) matrice à coefficients constants second membre (X (t) A X(t) = B(t) ) On appelle condition initiale du système (S) la donnée d une date t I et d une position X K n Une solution sur I de (S) vérifiant X(t ) = X est alors appelée solution de (S) sur I pour la condition initiale X(t ) = X On appelle système différentiel linéaire homogène ou encore système différentiel linéaire sans second membre associé à (S) le système : X (t) = A X(t) Commençons par remarquer que les solutions de tels systèmes se décrivent en termes d espaces vectoriels et affines Proposition 1 Soit X (t) = A X(t) + B(t) un système différentiel linéaire avec second membre, X P : I K n une solution particulière de ce système et E l ensemble des solutions sur un intervalle I R de son système linéaire homogène associé : X (t) = A X(t) Alors : E est un K-espace vectoriel pour la multiplication par un scalaire et l addition usuelles des fonctions de I dans K n L ensemble des solutions du système avec second membre est : F = {X P + X ; X E} Autrement dit, l ensemble des solutions sur I de X (t) = A X(t) + B(t) est le sous-espace affine F parallèle à E et passant par le point X P, Démonstration Si k, l K et X, Y E, alors pour tout t I : (kx + ly ) (t) = k X (t) + l Y (t) = k A X(t) + l A Y (t) = A (k X(t) + l Y (t)) = A (kx + ly )(t), d où kx +ly E, ce qui établit que E est bien un K-espace vectoriel De plus, pour toute fonction X : I K n et tout t I, on a : X (t) = A X(t) X (t) + X P (t) = A X(t) + A X P (t) + B(t) (X P +X) (t) = A (X P +X)(t) + B(t), ie X est solution sur I de X (t) = A X(t) ssi X P + X est solution sur I de X (t) = A X(t) + B(t) La seconde assertion de cette proposition ne fait qu exprimer en termes géométriques la règle : Solution générale de l équation avec 2 nd membre = solution particulière de l équation avec 2 nd membre + solution générale de l équation homogène associée 18
21 Rappels sur le cas n = 1 (cf MI2) L établissement de toutes les solutions d une équation linéaire homogène du 1 er ordre est remarquablement simple : Proposition 11 Les solutions sur un intervalle I de R de l équation linéaire homogène du 1 er ordre x (t) = a x(t) (a K) sont les fonctions de la forme : x(t) = k e at (k K) Démonstration Les fonctions x(t) = k e at sont clairement solutions de l équation x (t) = a x(t) Réciproquement, si x : I K est solution sur I de l équation x (t) = a x(t), alors x est dérivable sur I ainsi que la fonction u définie sur I par u(t) = x(t) e at et l on obtient pour tout t I : x(t) = u(t) e at, x (t) = u (t) e at + a u(t) e at En remplaçant ces expressions dans x (t) = a x(t), il vient : u (t) =, de sorte que u est une fonction constante sur I, mettons u(t) = k, d où pour tout t I : x(t) = k e at Méthode de variation des constantes Cette méthode permet de trouver les solutions d une équation linéaire du 1 er ordre avec second membre x (t) = a x(t) + b(t) (a K, b : I K) à partir de la solution générale de l équation linéaire homogène associée x (t) = a x(t), en reprenant l idée de la démonstration ci-dessus : On fait varier la constante k de la solution générale de l équation homogène x(t) = k e at ; autrement dit, on cherche les solutions de x (t) = a x(t) + b(t) sous la forme x(t) = k(t) e at Il vient alors : k (t) e at + a k(t) e at = a k(t) e at + b(t), d où : k (t) = e at b(t) Comme la solutions de cette dernière équation sont les fonctions : k(t) = e at b(t) dt + C, la solution génerale de l équation avec second membre est : x(t) = e at e at b(t) dt + C e at Remarque Le premier terme e at e at b(t) dt de cette dernière expression est une solution particulière de l équation avec second membre, tandis que son second terme C e at est la solution générale de l équation homogène associée On retrouve donc bien la règle : Solution générale de l équation avec 2 nd membre = solution particulière de l équation avec 2 nd membre + solution générale de l équation homogène associée Théorème 12 (existence globale et unicité des solutions des systèmes linéaires avec second membre) Soit I un intervalle de R, t I, A M n (K) et B : I K n une fonction continue sur I (K = R ou C) Alors pour tout X K, il existe une solution et une seule sur I du système X (t) = A X(t) + B(t) pour la condition initiale X(t ) = X Démonstration Commençons par le cas le plus simple à traiter : K = C On établit alors le théorème par récurrence sur n Lorsque n = 1, cela résulte des rappels ci-dessus : la seule solution sur I d une équation z (t) = a z(t) + b(t) pour la condition initiale z(t ) = z est : z(t) = e at e at b(t) dt + k e at = e at F (t) + k e at, où k = z e at F (t ) Supposons le théorème établi au rang n 1 et considérons un système Z (t) = A Z(t) + B(t), où A M n (C), B : I C n Soit λ une valeur propre quelconque de A (il en existe puisque K = C) et v n un vecteur propre associé que l on complète en une base (v 1,, v n ) L endomorphisme représenté sur la base canonique de C n par la matrice A a alors sur la base (v 1,, v n ) une matrice C de la forme : C = où E M n 1 (C) et en notant P la matrice de passage de la base canonique à la base (v 1,, v n ), on a : A = P CP 1 Soit D : I C n la fonction définie sur I par D(t) = P 1 B(t) et pour toute E F λ 19
22 fonction Z : I C n, notons U la fonction définie sur I par U(t) = P 1 Z(t) Comme P 1 est une matrice à coefficients constants, on vérifie alors facilement (par linéarité de la dérivation) : U (t) = P 1 Z (t) On a alors pour tout t I : Z (t) = A Z(t)+B(t) P 1 Z (t) = P 1 (P CP 1 )Z(t)+P 1 B(t) U (t) = C U(t)+D(t), de sorte que Z est solution sur I du système Z (t) = A Z(t) + B(t) pour la condition initiale Z (t ) = Z si et seulement si U est solution sur I du système U (t) = C U(t) + D(t) pour la condition initiale U (t ) = P 1 Z Ainsi, il suffit d établir l existence et l unicité d une solution sur I de U (t) = C U(t) + D(t) pour une condition initiale donnée U (t ) = U En posant : d 1 (t) u d 1 (t) 1 (t) u 1 (t) D(t) =, G(t) =, U(t) =, V (t) =, U = V, d d n (t) n 1 (t) u u n (t) n 1 (t) k on a : t I U(t ) = U U (t) = C U(t) + D(t) t I V (t) = E Z(t) + G(t) (1) t I u n(t) = λ u n (t) + F V (t) + d n (t) (2) V (t ) = V (3) u n (t ) = k (4) L hypothèse de récurrence entraîne qu il existe une unique fonction V : I C n 1 satisfaisant (1) et (3) et, pour cette fonction V, le cas n = 1 entraîne qu il existe une fonction u n : I C et une seule satisfaisant (2) et (4) Cela établit l existence et l unicité de la solution sur I de U (t) = C U(t) + D(t) pour la condition initiale U (t ) = U Le cas où K = R se déduit facilement du précédent En effet, l unicité d une solution à valeurs réelles résulte immédiatement de l unicité d une solution à valeurs complexes De plus, tout système X (t) = A X(t) + B(t) (A M n (R), B : I R n ) possède une unique solution Z : I C n satisfaisant une condition initiale Z(t ) = X R n donnée En écrivant Z(t) sous la forme Z(t) = X(t) + i Y (t) (X(t) R n, Y (t) R n ), on obtient : X (t) + i Y (t) = A(X(t) + i Y (t)) + B(t) = (A X(t) + B(t)) + i A Y (t), d où pour tout t I : Y (t) = A Y (t) Ainsi, Y est l unique solution de Y (t) = A Y (t) pour la condition initiale Y (t ) = Im(X ) = Comme Y = est une solution évidente de Y (t) = A Y (t) pour cette condition initiale, on en déduit pour tout t I : Y (t) = ; autrement dit, l unique solution du système Z (t) = A Z(t) + B(t) pour la condition initiale Z(t ) = X R n est Z = X Méthode pratique de résolution des systèmes différentiels linéaires à coefficients constants Cette méthode suit à peu de choses près le canevas de la démonstration ci-dessus Considérons un système X (t) = A X(t) + B(t) (A M n (K), B : I K n ) Pour le résoudre, on commence par trigonaliser dans le pire des cas sinon diagonaliser la matrice A ; mettons A = P T P 1, où : T = c 1,1 c 1,2 c 1,n c 2,2 c 2,n c n 1,n 1 c n 1,n cn,n 2
23 Puis on effectue le même changement de variables que dans la preuve du théorème 12 En posant : u 1 (t) d 1 (t) U(t) = = P 1 X(t), D(t) = = P 1 B(t), u n (t) d n (t) le système X (t) = A X(t) + B(t) équivaut au système U (t) = T U(t) + D(t), lequel s écrit : u 1(t) = c 1,1 u 1 (t) + ( c 1,2 u 2 (t) + c 1,3 u 3 (t) + + c 1,n u n (t) + d 1 (t) ) u 2(t) = c 2,2 u 1 (t) + ( c 2,3 u 2 (t) + + c 2,n u n (t) + d 2 (t) ) u n 1(t) = c n 1,n 1 u n 1 (t) + ( c n 1,n u n (t) + d n 1 (t) ) u n(t) = c n,n u n (t) + d n (t) La résolution de ce système se ramène à celle de n équations linéaires du 1 er ordre avec second membre, quand on les resoud de bas en haut en remplaçant dans chacune les solutions des équations inférieures Exercice À l aide de la trigonalisation effectuée dans la section précédente, résoudre le système : x 1(t) = x 1 (t) x 2(t) = 4x 1 (t) 2x 2 (t) 3x 3 (t) 3x 4 (t) x 3(t) = 4x 2 (t) + 4x 3 (t) + 3x 4 (t) x 4(t) = 2x 1 (t) x 2 (t) + x 4 (t) Enfin remarquons que le théorème d existence et d unicité ci-dessus permet de préciser la première assertion de la proposition 1 : Proposition 13 Soit X (t) = A X(t) un système différentiel linéaire homogène à coefficients constants et E l ensemble de ses solutions sur un intervalle I de R quelconque Alors : E est un K-espace vectoriel de dimension n pour la multiplication par un scalaire et l addition usuelles des fonctions, pour tout t I, l application ϕ t : E R n définie par ϕ t (X) = X(t ) est un isomorphisme d espace vectoriels Démonstration Soit t I Pour tout k, l K : ϕ t (kx + ly ) = (kx + ly )(t ) = k X(t ) + l Y (t ) = k ϕ t (X) + l ϕ t (Y ), donc ϕ t est une application linéaire de E dans K n Le théorème 12 exprime très exactement la bijectivité de ϕ t Ainsi, E et K n ont même dimension, à savoir n 21
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 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 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 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 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 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 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 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 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 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 - 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 détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en 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 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 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 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 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 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 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 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 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 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 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 détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
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 détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
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 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 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 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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en 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 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 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 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 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 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 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 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 détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en 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 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 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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en 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 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 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 détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en 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 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 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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en 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 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 détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
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 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 détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en 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 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 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 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 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 détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en 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 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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailÉquations d amorçage d intégrales premières formelles
Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations
Plus en 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 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 détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en 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 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 détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
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 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 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 détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en 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 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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
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 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 détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en 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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailTriangle de Pascal dans Z/pZ avec p premier
Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre
Plus en détail2 Division dans l anneau des polynômes à plusieurs variables
MA 2 2011-2012 M2 Algèbre formelle 1 Introduction 1.1 Référence Ideals, varieties and algorithms, D. Cox, J. Little, D. O Shea, Undergraduate texts in Mathematics, Springer 1997. Using algebraic geometry,
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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en 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 détail