Espaces euclidiens, orthogonalité, longueur. Moindres carrés.
|
|
- Jules Boulet
- il y a 7 ans
- Total affichages :
Transcription
1 Université Nice Sophia-Antipolis SL2SF Algèbre 2 Espaces euclidiens, orthogonalité, longueur. Moindres carrés. On travaille avec le corps des réels, noté R. Pour tout entier naturel n, on considère l ensemble des n-uplets de réels que l on désigne par R n : ainsi, un élément x de R n est une famille de réels (x 1, x 2,..., x n ). Noter que R 0 ne contient qu un élément, la famille vide, que l on note 0. L ensemble R 1 se ramène à R. On appelle souvent x un vecteur en référence à la structure d espace vectoriel sur R n. (Voir 10.1 pour la définition de cette structure). 7. Produit scalaire dans R n. Étant donnés deux vecteurs x et y de R n, on considère le nombre réel n x 1 y x n y n = x i y i que l on appelle produit scalaire de x et y et que l on note x y. On vérifie très facilement les propriétés suivantes : pour tous x, u, v, y de R n, pour tout λ scalaire réel, on a (1) Le produit scalaire est bilinéaire i=1 u + v y = u y + v y x u + v = x u + x v λ x y = λ x y x λ y = λ x y (2) Le produit scalaire est symétrique. x y = y x (3) Le produit scalaire est défini positif. x x 0 et x x = 0 = x = 0. La troisième propriété permet de définir la norme euclidienne d un vecteur (on peut dire aussi sa longueur) par la formule x := x x Cette même propriété montre que la norme d un vecteur est nulle si et seulement si le vecteur est nul. Pour tout λ réel on a : λ x = λ x Théorème (Inégalité de Cauchy-Schwarz). : Pour x et y vecteurs de R n on a x y x y avec égalité si et seulement si x et y sont colinéaires.
2 26 Démonstration. Considérons deux vecteurs x et y de R n. Si x est le vecteur nul, le théorème est vrai. Supposons donc x 0 et, pour λ réel, considérons la fonction ϕ : R R λ = λ x + y 2. En utilisant la bilinéarité et la symétrie du produit scalaire on trouve ϕ(λ) = λ x + y λ x + y = λ 2 x 2 + 2λ x y + y 2. Comme le produit scalaire est défini positif, la fonction ϕ est toujours positive ou nulle. Comme c est une fonction polynôme du second degré, son discriminant 4 x y 2 4 x 2 y 2 est négatif ou nul. On a donc x y 2 x 2 y 2 et l inégalité demandée. S il y a égalité, c est que le discriminant s annule. C est le seul cas où ϕ a une racine (double) λ 0. Dire que ϕ(λ 0 ) = 0, c est dire que λ 0 x + y 2 = 0, donc (produit scalaire défini positif) que le vecteur λ 0 x + y est nul, soit encore que y est proportionnel à x. Réciproquement, si x et y sont colinéaires et que x n est pas nul, il existe un λ 0 tel que le vecteur λ 0 x + y est nul. On a alors x y = x λ 0 x = λ 0 x 2 = x y Corollaire (Inégalité du triangle). Pour x et y vecteurs de R n, on a : x + y x + y avec égalité si et seulement si l un des vecteurs est nul ou si ils sont proportionnels avec un coefficient de proportionnalité positif. Démonstration. On calcule x + y 2 = x + y x + y = x x y + y 2. En utilisant l inégalité de Cauchy-Schwarz, on obtient que et donc la majoration x y x y x y x + y 2 x x y + y 2 = ( x + y ) 2 qui est celle recherchée. Pour avoir égalité il est nécessaire et suffisant que x y = x y. En particulier on est dans le cas où l inégalité de Cauchy-Schwarz est une égalité, les deux vecteurs sont donc colinéaires avec un coefficient de proportionnalité positif (voir la preuve de 7.1).
3 7.3. Commentaire. On remarque que les preuves de l inégalité de Cauchy-Schwarz et de ses conséquences utilisent seulement les trois propriétés énoncées d abord pour le produit scalaire : bilinéarité, symétrie et positivité et non la formule explicite qui définit le produit scalaire (le vérifier). Encouragé par ce constat, on va désormais appeler produit scalaire sur un espace vectoriel E sur le corps R toute application bilinéaire φ : E E R ( x, y) φ( x, y) qui est bilinéaire, symétrique et définie positive. Pour une telle application, il y un analogue de l inégalité de Cauchy-Schwarz et de ses conséquences. Par exemple, l inégalité de Cauchy-Schwarz pour φ s énonce ainsi : Pour x et y vecteurs de E on a φ( x, y) φ( x, x) φ( y, y) avec égalité si et seulement si x et y sont colinéaires. On définit également une norme associée à φ sur E : pour tout vecteur x de E, x φ := φ( x, x) (voir ici les énoncés généraux pour les produits scalaires 10.9, les normes et l inégalité du triangle 3) Exemples d espaces vectoriels euclidiens.. On peut considérer l exemple suivant d application : φ : R n R n R ( x, y) 2x 1 y 1 + x 2 y x n y n qui est un produit scalaire sur R n (le vérifier). Si n 2, on a φ((1, 1, 0,..., 0), (1, 1, 0,..., 0)) = 1, alors que le produit scalaire usuel de ces deux vecteurs est nul. Il y a donc, en général, plusieurs produits scalaires sur un même espace vectoriel réel. Sous-espaces vectoriels d un espace vectoriel réel. Si F est un sous-espace vectoriel d un espace vectoriel euclidien E (donc muni d un produit scalaire φ), la restriction de φ à F F induit un produit scalaire sur F. Autrement dit, pour calculer le produit scalaire de deux vecteurs de F, on calcule leur produit scalaire dans E. Dans la suite on considèrera donc un espace vectoriel E muni d un produit scalaire que nous noterons. L exemple privilégié, que l on doit garder en tête, est celui de R n muni du produit scalaire usuel. Polynômes orthogonaux. C est un autre exemple très important et très utilisé dans les applications. Voir Feuille 4, Exercice Orthogonalité 8.1. Définition. On dira que deux vecteurs x et y de R n sont orthogonaux si leur produit scalaire est nul. Remarquer que le vecteur nul est orthogonal à tout autre vecteur. Le calcul de x + y 2 ci-dessus (7.2) prouve le résultat suivant :
4 Théorème (Pythagore). Deux vecteurs x et y de R n sont orthogonaux si et seulement si x + y 2 = x 2 + y Théorème. Une famille libre de vecteurs de E qui sont tous non nuls et orthogonaux deux à deux est une famille libre. Démonstration. On rappelle qu une famille ( v 1, v 2,..., v d ) est libre si toute combinaison linéaire λ 1 v 1 + λ 2 v λ d v d qui donne le vecteur nul est la combinaison linéaire triviale : celle où tous les scalaires λ 1, λ 2,..., λ d sont nuls. Considérons donc des réels (λ 1, λ 2,..., λ d ) et la combinaison linéaire λ 1 v 1 + λ 2 v λ d v d = d λ i v i. Supposons que le résultat est le vecteur nul et faisons le produit scalaire par le vecteur v i pour i de 1 à d. On obtient, en utilisant la bilinéarité du produit scalaire 0 = v i λ 1 v 1 + λ 2 v λ d v d = λ 1 v i v λ d v i v d. Comme le vecteur v i est orthogonal à tous les autres, on en déduit 0 = v i λ 1 v 1 + λ 2 v λ d v d = λ i v i v i = λ i v i 2. i=1 Mais v i n est pas le vecteur nul, donc sa longueur n est pas nulle. C est donc que λ i = Définition. Une famille finie ( v 1, v 2,..., v d ) de vecteurs de E qui sont tous non nuls et orthogonaux deux à deux (et qui est donc libre d après le théorème) est appelée famille orthogonale. Si de plus les vecteurs de la famille sont tous de norme 1, on dit alors que la famille est orthonormée (on dit parfois orthonormale). On abrège base orthonormée en b.o.n Définition. On dira qu un vecteur v de E est orthogonal à une partie A de E s il est orthogonal à tous les vecteurs de A. On définit l orthogonal A comme l ensemble des vecteurs de E orthogonaux à A. Un vecteur v de E est dit orthogonal à A si y A v y = Lemme. On considère un espace vectoriel E et une partie A de E. Alors A est un sousespace vectoriel de E, même si A n en est pas un. L intersection A A contient au plus le vecteur nul. Si F est un sous-espace vectoriel de E, un vecteur v de E est orthogonal à F si et seulement s il est orthogonal à une partie génératrice de F (par exemple une base de F ). Démonstration. Exercice. 9. Algorithme de Gram-Schmidt C est l outil essentiel Théorème. On considère un espace vectoriel E et une famille libre ( v 1,..., v p ). Il existe une famille orthonormée ( e 1,..., e p ) de E telle que, pour tout j de 1 à p, Vect( v 1,..., v j ) = Vect( e 1,..., e j ). Voir la définition de sous-espace vectoriel et du symbole Vect( ) ici 10.3.
5 Démonstration. La preuve se fait par récurrence sur p. Pour p = 0, on ne fait rien. Considérons alors un entier p > 0 et une famille libre ( v 1,..., v p ). Par hypothèse de récurrence, on sait trouver une famille orthonormée ( e 1,..., e p 1 ) telle que, pour tout j de 1 à p 1, Vect( v 1,..., v j ) = Vect( e 1,..., e j ). On considère alors le vecteur Il a deux propriétés importantes p 1 ε p = v p e j v p e j. j=1 (1) Il est non nul. Sinon, v p serait combinaison linéaire de e 1,..., e p 1, donc dans Vect( e 1,..., e p 1 ) qui est égal, toujours par hypothèse de récurrence, à Vect( v 1,..., v p 1 ). On aurait donc v p combinaison linéaire de ( v 1,..., v p 1 ), ce qui est impossible puisque la famille ( v 1,..., v p ) est libre. (2) Il est orthogonal à e i pour i de 1 à p 1. En effet, on a p 1 e i ε p = e i v p e j v p e i e j j=1 et le produit scalaire e i e j vaut 0 si i j et 1 si i = j. On en conclut que e i ε p = 0 pour i de 1 à p 1. Pour terminer la construction de la famille orthonormée ( e 1,..., e p ), il suffit de prendre e p = 1 ε p ε p. Les conséquences du résultat précédent sont importantes. On considère un espace vectoriel euclidien E, c est-à-dire un espace vectoriel sur R muni d un produit scalaire euclidien et un sous-espace vectoriel F de dimension finie p dans E. (1) Bases orthonormées. Le sous-espace F, qui est de dimension finie, a au moins une b.o.n. (2) Projection orthogonale. Si x est un vecteur de E et ( e 1,... e p ) une b.o.n. de F, alors le vecteur p v := e j x e j j=1 est dans F et la différence x v est orthogonale à F. C est le seul vecteur qui a cette propriété. On appelle v la projection orthogonale de x sur F et on la note pr F ( x). On définit ainsi une application de E dans E qui est linéaire. Voir Feuille 5. Exercice 2. (3) Supplémentaire orthogonal. Si E est lui-même de dimension finie n et F un sousespace vectoriel de dimension p dans E, alors F est un sous-espace vectoriel de dimension finie n p et tout vecteur x de E se décompose de manière unique en x = pr F ( x) + pr F ( x). Autrement dit, si on connaît l une des deux projections orthogonales, on déduit l autre par différence. On appelle F le supplémentaire orthogonal de F dans E. 29
6 30 (4) Optimisation. À cause du théorème de Pythagore, la projection orthogonale sur F a la propriété caractéristique suivante : pour tout vecteur y de F, x pr F ( x) x y avec égalité seulement si y = pr F ( x). Autrement dit, la fonction y x y, définie sur F, a un minimum unique qui est atteint pour y = pr F ( x). Ceci est un moyen efficace de résoudre certains problèmes d optimisation qui se ramènent ainsi à un calcul de projection orthogonale. (5) Moindres carrés. Voir Feuille 5. Exercice 5.
7 Université Nice Sophia-Antipolis SL2SF Algèbre 2 Matrices symétriques réelles. 10. Calcul matriciel Application bilinéaire symétrique associée à une matrice symétrique. On considère une matrice symétrique A dans M n (R). On appelle B la base canonique (e 1,..., e n ) de R n. (1) À une telle matrice est associée une application linéaire f de Rn dans R n. Si x est un vecteur de R n, on note X la matrice colonne de ses coordonnées dans la base canonique B. Le produit de matrices AX est une matrice colonne qui est la matrice dans la base canonique B d un vecteur y de R n. Ce vecteur est l image de x par f. (2) À une telle matrice est associée une application bilinéaire symétrique de Rn R n dans R. On considère deux vecteurs x et y de R n de matrices respectives X et Y dans la base B. Le produit de matrices t Y A X est une matrice 1 1, c est-à-dire un réel. Remarquons que ce réel est le produit scalaire y f( x). On notera φ l application φ : R n R n R On note que, puisque A est symétrique, ( x, y) y f( x). t Y A X = t X t A Y = t XA Y. On a donc φ( x, y) = φ( y, x), soit encore y f( x) = f( y) x. Espace vectoriel euclidien E x y f : E E y = f( x) x y = y x y f( x) = f( x) y Dans la base B X Y A matrice carrée n n Y = AX t Y X = t XY t Y A X = t (AX)Y = t X t A Y 11. Formes bilinéaires symétriques Dans cette section on étudie les applications bilinéaires symétriques φ : E E R ( u, v) φ( u, v). où E est un espace vectoriel sur R. Comme l espace d arrivée est R on appelle une telle application forme bilinéaire symétrique Lemme. On considère une application bilinéaire φ comme ci-dessus qui est de plus positive, c est-à-dire v E φ( v, v) 0. L ensemble des vecteurs v de E tels que φ( v, v) = 0 est un sous-espace vectoriel de E. C est aussi le sous-ensemble { v E w E φ( v, w) = 0}
8 32 Démonstration. On considère un vecteur v tel que φ( v, v) = 0, un vecteur w de E et un scalaire réel λ. On calcule φ( v + λ w, v + λ w), positif ou nul par hypothèse, en utilisant la bilinéarité : 0 φ( v + λ w, v + λ w) = φ( v, v) + λ 2 φ( w, w) + 2λφ( v, w) = λ 2 φ( w, w) + 2λφ( v, w). On en déduit que la fonction λ λ 2 φ( w, w) + 2λφ( v, w) ne prend aucune valeur négative, ce qui n est possible que lorsque φ( v, w) = 0. On vérifie ensuite que l ensemble { v E w E φ( v, w) = 0} est un sous-espace vectoriel de E. C est une conséquence de la linéarité de φ par rapport à son premier argument. Remarque. En particulier, une forme bilinéaire positive φ est un produit scalaire si et seulement si l une des deux propriétés suivantes est satisfaite (1) l ensemble { v E φ( v, v) = 0} est réduit au vecteur nul. (2) le sous-espace vectoriel { v E w E φ( v, w) = 0} est réduit au vecteur nul Théorème. On considère un entier naturel n, un espace vectoriel euclidien E de dimension finie n et une forme bilinéaire symétrique φ sur E. Il existe une base orthonormée ( v 1,..., v n ) de vecteurs de E, et une famille de réels (λ 1,..., λ n ) telles que (1) Pour i de 1 à n, φ( v i, v i ) = λ i. (2) Pour i et j de 1 à n, i j, φ( v i, v j ) = 0. (3) Si v = n i=1 α i v i et w = n i=1 β i w i, alors En particulier, φ( v, w) = φ( v, v) = n λ i α i β i. i=1 n λ i (α i ) 2. L assertion (3) est équivalente aux deux premières, compte tenu de la bilinéarité de φ. i=1 Démonstration. La démonstration se fait par récurrence sur l entier n. Pour n = 0 il n y a rien à faire (une famille à 0 éléments est vide). On considère alors un entier n > 0, une forme bilinéaire symétrique φ sur un espace euclidien E de dimension n et on fait l hypothèse que le théorème est vrai pour toute forme bilinéaire symétrique sur un espace de dimension strictement inférieure à n. À l aide de φ, on construit une application h : R n R x h( x) := φ( x, x). La sphère unité de R n est un ensemble fermé et borné de R n, donc compact. La fonction h est continue parce que polynomiale. Un théorème important d analyse affirme que toute fonction continue sur un compact est bornée et atteint ses bornes sur ce compact. La fonction h est donc bornée sur la sphère unité et il existe un vecteur v 0 de norme 1, tel que tout vecteur v de norme 1 a une image h(v) majorée par h(v 0 ). On désigne h(v 0 ) par λ 0.
9 33 On considère alors l application ψ : R n R n R ( u, v) λ 0 u v φ( u, v). C est encore une forme bilinéaire symétrique parce que φ et le produit scalaire sont toutes deux des formes bilinéaires symétriques. D autre part, ψ est positive. En effet, si v est nul ψ(0, 0) = 0 et sinon ψ( v, v) = v 2 (λ 0 h( v v ) 0. puisque v est un vecteur de norme 1. v Le lemme 11.1 montre que (1) L ensemble des vecteurs v de E tels que h( v) = λ 0 v 2 est un sous-espace vectoriel F 0 de E, non reduit à 0 puisqu il contient v 0. (2) Un vecteur v est dans F 0 si et seulement si pour tout w de E, ψ(v, w) = 0. On a donc montré : v F 0 w E En particulier, si w est orthogonal à F 0, on voit que φ( w, v) = λ 0 w v v F 0 φ( w, v) = 0. Tout vecteur v de E se décompose de manière unique en v + v avec v F 0 et v F 0. On calcule φ( v, w) : φ( v, w) = φ( v + v, w + w ) = φ( v, w ) + φ( v, w ) + φ( v, w ) + φ( v, w ) = φ( v, w ) + φ( v, w ) = λ 0 v w + φ( v, w ). Il suffit donc de connaître la valeur de φ sur un couple de vecteurs de F0 pour connaître φ. Or F0 est un espace vectoriel euclidien de dimension strictement inférieure à n. On peut lui appliquer l hypothèse de récurrence : il existe une base orthonormée de F0 vérifiant les conclusions du théorème. En prenant une base orthormée de F 0 et en la concaténant avec celle obtenue pour F0, on obtient une base orthonormée de E vérifiant les conclusions du théorème Exemple. On considère la matrice symétrique ( ) 7 2 A :=. 2 4 On lui associe la forme bilinéaire symétrique φ : R 2 R 2 R ((u 1, u 2 ), (v 1, v 2 )) ( u 1 u 2 ) ( L application h est alors h : R 2 R ) ( ) v1 = 7u v 1 v 1 + 4u 2 v 2 + 2u 1 v 2 + 2u 2 v 1. 2 (x 1, x 2 ) 7x x x 1 x 2.
10 34 Le cercle unité est l ensemble des vecteurs de norme 1, autrement dit l ensemble des vecteurs (cos θ, sin θ) pour θ réel. Pour trouver le maximum de h sur le cercle, on étudie la fonction R R θ h(cos θ, sin θ) = 7 cos 2 θ + 4 sin 2 θ + 4 sin θ cos θ = cos 2θ sin 2θ. 2 La dérivée vaut 3 sin 2θ + 4 cos 2θ et s annule si et seulement si tan 2θ = 4 soit encore tan θ = ou tan θ = 2. On vérifie que la deuxième valeur correspond à un maximum pour h. Le vecteur u = ( 2 1, ) 5 5 est de norme 1 et rend la fonction h maximum. On trouve φ( u, u) = h( u) = 8. Le vecteur v = ( 1, 2 ) 5 5 est de norme 1 et rend la fonction h minimum. On trouve φ( v, v) = h( v) = 3. La famille ( u, v) est orthonormée et on a φ( u, v) = 0. On vérifie également les relations : f( u) = 8 u et f( v) = 3 v Exemple. On considère dans R n, muni de son produit scalaire usuel, une famille de vecteurs ( w 1,..., w d ) et on veut résoudre le problème suivant : Quelle est la droite vectorielle qui est la plus proche de la famille ( w 1,..., w d )? On quantifie la question de la manière suivante : Trouver une droite vectorielle de R n telle que la somme suivante soit minimale d Σ( ) := w i pr ( w i ) 2. j=1 La différence w i pr ( w i ) est orthogonale à par définition de la projection orthogonale. Le théorème de Pythagore montre alors la relation : d Σ( ) := w j 2 pr ( w j ) 2. Considérons un vecteur unitaire u qui dirige. La somme Σ s écrit : d d Σ( ) := w j 2 w j u 2 j=1 j=1 La somme Σ( ) est une différence de deux termes. Le premier terme est indépendant de et ne dépend que de la famille de vecteurs. Le deuxième d j=1 w j u 2 est une forme quadratique associée à la forme bilinéaire symétrique d φ( u, v) = w j u w j v j=1 Dans les notations du théorème, il s agit de trouver le maximum de la fonction h( u) = φ( u, u) lorsque u est de norme 1 pour en déduire le minimum de Σ( ). C est donc exactement le problème étudié dans la preuve du théorème. j=1
11 Cet exemple est très utilisé en statistiques (analyse de données) ou en mécanique (axes principaux de rotation d un solide). 12. Réduction des matrices symétriques réelles On considère un entier n et une matrice symétrique réelle A. On considère la forme bilinéaire symétrique φ associée (voir 10.1). On veut calculer une base orthonormée ( v 1,..., v n ) et la famille de réels (λ 1,..., λ n ) dont le théorème 11.2 affirme l existence. Ces deux familles ont les propriétés suivantes (1) Pour i de 1 à n, v i f( v i ) = φ( v i, v i ) = λ i. (2) Pour i et j de 1 à n, i j, v j f( v i ) = φ( v i, v j ) = 0. Considérons le vecteur f( v i ) : on connait son produit scalaire avec tous les vecteurs de la base orthonormée ( v 1,..., v n ). Il vaut donc λ i v i, autrement dit : v i est un vecteur non nul du noyau de f λ i Id Définition. On appelle valeur propre de f un réel λ tel que le noyau ker(f λid) n est pas réduit au vecteur nul. Un vecteur non nul de ker(f λid) est appelé vecteur propre associé à la valeur propre λ. Lorsque λ est une valeur propre de f, le sous-espace vectoriel ker(f λid) est le sous-espace propre de f associé à la valeur propre λ. Il s agit donc de calculer les valeurs propres et les vecteurs propres de f à partir de la matrice A de f. On désigne par I n la matrice identité n n Théorème. On considère un réel λ et une application linéaire f : R n R n de matrice A dans la base B. Les propriétés suivantes sont équivalentes (1) Le noyau ker(f λid) n est pas réduit au vecteur nul (λ est valeur propre de f). (2) Le rang de la matrice A λi n est strictement inférieur à n. (3) det(a λi n ) = 0. La preuve est une application directe des propriétés du rang et du déterminant Exemple. On reprend l exemple On considère la matrice symétrique ( ) 7 2 A :=. 2 4 et le déterminant det(a λi 2 ) qui vaut λ 2 11λ Les valeurs propres sont les racines de ce polynôme du second degré, 8 et 3. Les vecteurs propres associés à la valeur propre 8 sont éléments du noyau de f 8Id, c est-à-dire les solutions du système linéaire sans second membre de matrice A 8I 2 v 1 + 2v 2 = 0 2v 1 4v 2 = 0. Les deux équations sont proportionnelles et le système est de rang 1 (est-ce surprenant?). L ensemble des solutions est une droite vectorielle dirigée par le vecteur (2, 1). Un vecteur directeur de norme 1 est u := (2/ 5, 1/ 5). On opère de même pour la valeur propre 3 pour trouver un vecteur propre de norme 1 associé v := (1/ 5, 2/ 5). On constate que la famille ( u, v) est orthonormée. 35
12 Théorème. On considère une matrice symétrique A et l application linéaire associée f : R n R n. Deux vecteurs propres u et v de f, associés à des valeurs propres différentes λ et µ sont orthogonaux. Démonstration. On considère le produit scalaire u f( v). Comme v est un vecteur propre associé à la valeur propre µ on a u f( v) = u µ v = µ u v. Comme A est symétrique on a aussi u f( v) = f( u) v et comme u est un vecteur propre associé à la valeur propre λ on a f( u) v = λ u v = λ u v. Au final, on obtient (λ µ) u v = 0 qui implique u v = 0 puisque λ µ Théorème (Matrices orthogonales). On considère un entier n et une matrice P de M n (R). Les propriétés suivantes sont équivalentes : 1. t P P = I n (on dit que P est orthogonale). 2. La famille des vecteurs colonnes de P est orthonormée. 3. P t P = I n 4. La famille des vecteurs lignes de P est orthonormée. On considère l application linéaire g qui a pour matrice P dans la base canonique B de R n. Les propriétés suivantes sont équivalentes aux 4 précédentes : 5. Pour toute b.o.n. ( v 1,..., v n ) de R n, la famille des images (g( v 1 ),..., g( v n )) est orthonormée. 6. Il existe une b.o.n. ( v 1,..., v n ) de R n telle que la famille des images (g( v 1 ),..., g( v n )) est orthonormée. Démonstration. L équivalence entre les 2 premières propriétés est une conséquence des règles de calcul d un produit de matrices. Il en est de même pour l équivalence entre les propriétés 3 et 4. La propriété 5 implique clairement la 6. La propriété 2 signifie que 6 est vraie pour la base B. La propriété 3 signifie que t P est aussi orthogonale. Remarquons d abord qu une matrice orthogonale P est inversible. Notons ( v 1,..., v n ) la famille de ses vecteurs colonnes. C est une b.o.n. Désignons par R la matrice des coordonnées dans la base ( v 1,..., v n ) des vecteurs ( e 1,..., e n ) de la base canonique. On a P R = RP = I n (le vérifier). On en conclut que t P = R et que P t P = I n (propriété 3). Les 4 premières propriétés sont équivalentes. Montrons que la propriété 1 implique la propriété 5. On considère une famille orthonormée ( v 1,..., v n ) de vecteurs de R n. On désigne par Q la matrice des vecteurs ( v 1,..., v n ) dans la base B. Elle est donc orthogonale. La matrice produit P Q est la matrice des coordonnées de la famille (g( v 1 ),..., g( v n )). Calculons t (P Q)P Q = t Q t P P Q = t QQ = I n ce qui prouve que P Q est orthogonale, donc que la famille (g( v 1 ),..., g( v n )) est orthonormée. Montrons ensuite que la propriété 6 implique la propriété 1. Si la propriété 6 est vraie il existe une matrice orthogonale Q telle que P Q est orthogonale. On a alors I n = P Q t (P Q) = P Q t Q t P = P t P. Remarque La multiplication des matrices induit sur l ensemble des matrices n n orthogonales une structure de groupe. On note ce groupe O(n, R).
13 12.5. Théorème. On considère un entier n et une matrice symétrique réelle A de M n (R). Il existe une matrice orthogonale P telle que la matrice t P AP est diagonale. Démonstration. On considère une b.o.n ( v 1,..., v n ) obtenue à partir du théorème 11.2 et la matrice P des coordonnées des vecteurs ( v 1,..., v n ) dans la base canonique B. Désignons par V i la matrice colonne des coordonnées de v i dans B. Comme f( v i ) = λ i v i, on a AV i = λ i V i. Mais V i est aussi la i-ème colonne de P. En résumé AP = P D où D est la matrice diagonale Diag(λ 1,..., λ n ). On conclut en utilisant le fait que P 1 = t P. 37
14 Définitions, commentaires Espace vectoriel. On se donne un corps K et un ensemble E muni d une addition notée +. On dit que E a une structure d espace vectoriel sur K si (1) E est un groupe abélien pour la loi +. On note 0 l élément neutre de cette loi. (2) Il existe une action de K sur E (appelée multiplication par un scalaire). Pour tout élément λ de K, et tout vecteur x de E, λx est un élément de E. Cette multiplication a les propriétés suivantes pour x dans E on a 1x = x. pour α et β dans K, et x dans E on a (α + β)x = αx + βx. pour α et β dans K, et x dans E on a α(βx) = (αβ)x. (3) pour α dans K, x et y dans E, on a α(x + y) = αx + αy Sous-espace vectoriel. On considère un espace vectoriel E sur un corps K et un sousensemble F de E. On dit que F est un sous-espace vectoriel de E si F contient 0 et stable par combinaison linéaire Sous-espace vectoriel engendré. On considère un espace vectoriel E sur un corps K et une famille (v 1,..., v p ) de p vecteurs de E. Le sous-espace vectoriel engendré par la famille (v 1,..., v p ) est l ensemble de toutes les combinaisons linéaires : λ 1 v λ p v p pour λ 1,..., λ p scalaires de K. Vérifier que c est bien un sous-espace vectoriel de E. On le note Vect(v 1,..., v j ). On convient que la famille vide engendre le sous-espace réduit à Bases, dimension. On se donne un espace vectoriel E sur un corps K. Une famille B := (e i ) i I de vecteurs de E est une base de E si tout vecteur x de E se décompose de manière unique comme combinaison linéaire finie d éléments de B. Lorsque E, espace vectoriel sur K, peut être engendré par un ensemble fini, alors il possède une base finie et toutes ses bases ont le même nombre d éléments. Ce nombre est appelé dimension de E. Lorsque E n a aucune base finie, on dit que E est de dimension infinie. L espace vectoriel K[X] des polynômes à coefficients dans K est dans ce dernier cas. On considère E espace vectoriel de dimension finie n sur K, avec une base B := (e 1,..., e n ). Tout vecteur x de E a une décomposition unique n x = α 1 e 1 + α 2 e α n e n = α i e i. Par exemple, la seule façon d écrire le vecteur nul est de prendre tous les coefficients égaux à Théorème de la base incomplète : On se donne un espace vectoriel E sur un corps K et une famille libre de vecteurs de E. On peut compléter cette famille en une base de E Application linéaire. On travaille sur un corps K. On se donne deux espaces vectoriels E et F sur K et une application f : E F. On dit que f est K-linéaire (linéaire s il n y a pas d ambiguïté) si (1) f est compatible avec l addition : pour x et y vecteurs de E f(x + y) = f(x) + f(y). i=1
15 (2) f est compatible avec la multiplication par un scalaire : pour x vecteur de E et λ scalaire f(λx) = λf(x). On appelle noyau de f, l ensemble des solutions dans E de l équation f(x) = 0. On le note ker f : ker f := {x E f(x) = 0}. C est un sous-espace vectoriel de E. On appelle image de f et on note f(e), le sous-ensemble des vecteurs de F qui ont au moins un antécédent : C est un sous-espace vectoriel de E. f(e) := {y F x E, y = f(x)} Image inverse. On se donne une application f : E E. L image inverse d une partie G de F est l ensemble des antécédents des éléments de G, c est-à-dire f 1 (G) := {x E f(x) G}. On voit que f 1 (G) est une partie de E et non un élément. On considère alors E et F, espaces vectoriels sur K et f une application linéaire de E dans F. Lorsque G est réduit à l élément 0 de F, l image inverse f 1 (0) qui est alors le noyau de f, contient en général plus d un élément de E. On voit donc que écrire f 1 (0) ne suppose pas que f est bijective, ou que l application inverse de f existe Polynômes, racines. On considère un corps K et un polynôme P à coefficients dans K de degré d. Un tel polynôme a une écriture unique P (T ) = a d T d + a d 1 T d a 0 avec a d 0. On dit qu un scalaire λ de K est une racine de P si P (λ) = 0 dans K, autrement dit si P (λ) = a d λ d + a d 1 λ d a 0 = 0. Un théorème classique est le suivant : λ est racine de P si et seulement si T λ divise P (T ) dans K[T ]. On désigne par r un entier. On dit que λ est racine de multiplicité r de P si et seulement si (T λ) r divise P (T ) dans K[T ] et (T λ) r+1 ne divise pas P (T ) dans K[T ]. On dit qu un polynôme de K[T ] est scindé dans K[T ] s il est produit dans K[T ] de facteurs de degré 1. Le théorème de d Alembert-Gauss affirme que : un polynôme de degré d de C[T ] est scindé dans C[T ]. C est-à-dire : il existe des entiers m 1,..., m k tels que m m k = d et des complexes distincts deux à deux λ 1,..., λ k, racines de P de multiplicités respectives m 1,..., m k. On a donc P (T ) = a d k (T λ i ) m i. En particulier, un polynôme de degré non nul a au moins une racine complexe. i=1 39
16 Produit scalaire euclidien. On considère un espace vectoriel E sur le corps des réels R. et une application E E R (x, y) x y qui, pour mériter le nom de produit scalaire euclidien, doit vérifier les propriétés suivantes : pour tous x et y de E, pour tout λ scalaire réel, on a (1) Elle est bilinéaire x + x y = x y + x y x y + y = x y + x y λx y = λ x y x λy = λ x y (2) Elle est symétrique. (3) Elle est définie positive. x y = y x x x 0 et x x = 0 = x = Norme. On considère un espace vectoriel E sur R. Une application E R + x x est une norme si elle vérifie les axiomes suivants : (1) Homogénéité : pour λ scalaire et x vecteur, λx = λ x (2) Positivité stricte : pour x dans E, x 0 et x = 0 = x = 0. (3) Inégalité triangulaire : pour tous x et y vecteurs de E, x + y x + y. Un produit scalaire euclidien (voir 10.9) définit une norme, dite euclidienne. Pour x vecteur de E, on pose x := x x. Il existe cependant des normes qui ne proviennent pas d un produit scalaire : par exemple sur l espace vectoriel R 2 on considère l application est une norme (le vérifier). R 2 R + (x 1, x 2 ) sup x 1, x 2
Fonctions 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en 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 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 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 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
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 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 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 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 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 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 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 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 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 détailProgramme de la classe de première année MPSI
Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire
Plus en 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 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 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 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 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 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 détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en 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 détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
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 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 détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en 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 détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en 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 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 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 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 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 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 détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en 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 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 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 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 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 détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en 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 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 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 détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en 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 détailCours d Analyse 3 Fonctions de plusieurs variables
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
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 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 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 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 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 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 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 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 détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA
ENSEA - ABIDJAN ENSAE - DAKAR ISSEA - YAOUNDÉ BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA CENTRE D APPUI AUX
Plus en 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 détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailMathématiques Algèbre et géométrie
Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches
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 détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en 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 détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.
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 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 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 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 détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
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 détail1 Première section: La construction générale
AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994
Plus en détail