Outils mathématiques de la géophysique Cours de remise à niveau. Vincent Daniel
|
|
- Marthe Gauthier
- il y a 7 ans
- Total affichages :
Transcription
1 Outils mathématiques de la géophysique Cours de remise à niveau. Vincent Daniel 21 janvier 2002
2 2
3 Table des matières 1 Notions sur les Espaces Vectoriels Notion de Corps Structure d espace vectoriel Étude d un exemple Définition Exemples Sous espaces vectoriels Définition et caractérisation Applications base d un espace vectoriel Combinaison linéaire - Famille génératrice Famille libre - Famille liée Base d un espace vectoriel Dimension d un espace vectoriel Applications linéaires - Matrices Applications linéaires Définitions Exemples Propriétés Applications Injections-Surjections- Bijections Définitions Propriétés du noyau et de l espace image d une application linéaire Matrice d une application linéaire Préliminaires Définitions Opérations sur les matrices Changement de base Rang d une matrice Notion de déterminant Préliminaires Rappels Généralités Exemple pour n = Conclusion Généralités sur le groupe symétrique Permutations Transpositions Signature Déterminant d une famille de vecteurs Définitions Théorème Exemple
4 3.3.4 Propriétés Calcul pratique du déterminant d une matrice Règles simples de calcul Exemples Calcul à l aide des cofacteurs Calcul de l inverse d une matrice Diagonalisation d une matrice d une application linéaire Préliminaires Valeurs propres et vecteurs propres d une application linéaire Définitions Propriétés Calcul pratique des valeurs propres Conditions de diagonalisation Définitions Propriétés Matrice de passage vers la base propre Application Exemple d une matrice non-diagonalisable Espaces vectoriels munis d un produit scalaire Produit scalaire Définition Exemples Propriétés Orthogonalité Définition Propriétés Base orthonormale Définition Propriétés Application Matices orthogonales et matrices symétriques réelles
5 Chapitre 1 Notions sur les Espaces Vectoriels 1.1 Notion de Corps Dans ce cours, nous nous intéresserons principalement à deux ensembles de nombre : L ensemble des nombres réels, noté R. L ensemble des nombres complexes, noté C. Ces 2 ensembles sont des corps ou des champs scalaires (un corps est noté K). Afin de rester général, nous allons énoncer les propriétés que doit vérifier un corps : a- Un corps doit être muni d une opération d addition interne notée + qui pour tout scalaire α et β associe le scalaire α + β : + : K K K (1.1) (α, β) α + β Cette opération vérifie les propriétés suivantes : i. L addition est commutative : α + β = β + α ii. L addition est associative : α + (β + γ) = (α + β) + γ iii. Il existe un unique scalaire 0 tel que α K, α + 0 = α iv. Pour tout scalaire α, il existe un unique scalaire α tel que α + ( α) = 0 On dit que le couple (K, +) forme un groupe abélien. b- Un corps doit être muni d une opération de multiplication interne notée. qui pour tout scalaire α et β associe le scalaire α.β.. : K K K (1.2) (α, β) α.β Cette opération vérifie les propriétés suivantes : i. La multiplication est commutative : α.β = β.α ii. L addition est associative : α.(β.γ) = (α.β).γ iii. Il existe un unique scalaire 1 tel que α K, α.1 = α iv. Pour tout scalaire non nul α, il existe un unique scalaire α 1 tel que α.α 1 = 1 c- La multiplication est distributive vis à vis de l addition : i. (α, β, γ) K 3, α.(β + γ) = α.β + α.γ Remarque 1. R, C et Q munis de l addition et de la multiplication usuelles sont des corps. 2. Montrez que l ensemble des entiers naturels N muni de l addition et de la multiplication usuelles n est pas un corps. 5
6 1.2 Structure d espace vectoriel Étude d un exemple Considérons l ensemble des vecteurs du plan, noté P. Cet ensemble est muni de 2 opérations distinctes (figure 1.1) : v u+v u 2. u u Fig. 1.1 Loi de composition interne et loi de composition externe. a. Une loi de composition interne : l addition de 2 vecteurs de P. + : P P P (u, v) u + v Cette opération d addition vérifie les propriétés suivantes : i. l addition est commutative : (u, v) P 2, u + v = v + u ii. l addition est associative : (u, v, w) P 3, u + (v + w) = (u + v) + w iii. Il existe un élément neutre (noté 0) tel que : u P, u + 0 = u iv. Pour tout vecteur u de P, il existe un élément opposé de u tel que : u + ( u) = 0 Le couple (P, +) forme un groupe abellien. b. Une loi de composition externe : la multiplication d un vecteur de P par un réel.. : P K P (u, λ) λ.u Cette opération de multiplication externe vérifie les propriétés suivantes : i. la multiplication externe est distributive par rapport à l addition interne : (u, v) P 2, λ R, λ.(u + v) = λ.v + λ.u ii. u P, (λ, µ) R 2, (λ + µ).u = λ.u + λ.v iii. u P, (λ, µ) R 2, λ.(µ.u) = (λ.µ).u iv. il existe un élément neutre pour la multiplication externe : u, 1.u = u Muni de ces 2 opérations, on dira que (P, +,.) est un espace vectoriel sur R ou un R-espace vectoriel Définition Définition 1 Soit E un ensemble muni d une loi de composition interne notée + et d une loi externe sur un corps K notée.. Si (E, +,.) vérifie les propriétés énoncées précédemment, on dit que E est un espace vectoriel sur K ou un K-espace vectoriel Exemples 1. R 2 et R 3 sont des R-espaces vectoriels. 2. L ensemble des fonctions continues et dérivables d ordre n noté : C n (R, R) est un R-espace vectoriel. 6
7 1.3 Sous espaces vectoriels Définition et caractérisation Définition 2 Soit E un K-espace vectoriel et soit F un sous-ensemble de E. On dit que F est un sous espace vectoriel de E si F est stable pour la loi interne et la loi externe et si F est un K-espace vectoriel pour les restrictions à F des lois internes et externes de E. caractérisation Pour montrer que F est un sous-espace vectoriel de E, il suffit de prouver que : i. F n est pas l ensemble vide. ii. F est stable : λ K, (u, v) F 2, u + λ.v F Applications 1. Montrez que l ensemble F = {(x, y, 0), (x, y) R 2 } est un sous-espace vectoriel de R 3 2. Soit le système de 3 équations à trois inconnues suivant : 3x + 4y + 5z = 0 x y + z = 0 x + y 2z = 0 (1.3) Montrez que l ensemble des vecteurs de R 3, solutions du système 2.1, est un sous-espace vectoriel du R-espace vectoriel (R 3, +,.). Qu en serait-il si le second membre était non nul? 3. Soit f(x) une fonction de classe C 2 (R, R) vérifiant l équation différentielle suivante : f (x) + x 2 f (x) + f(x) = 0 (1.4) Montrez que l ensemble F de fonctions solutions de l équation différentielle 2.2 est un sous-espace vectoriel de l espace vectoriel des fonctions de classe : C 2 (R, R) Qu en serait-il si le second membre était non nul? Donner un exemple d équation différentielle à second membre nul dont l ensemble des solutions ne forme pas un espace vectoriel. 1.4 base d un espace vectoriel Combinaison linéaire - Famille génératrice Définition 3 Soit E un K-espace vectoriel, soit n N et soit (u 1, u 2,..., u n ) E n une famille finie de vecteur de E. On appelle combinaison linéaire de la famille (u n )tout vecteur x de E s écrivant sous la forme suivante : i=n x = x i u i (1.5) i=1 Proposition Soit n N et soit F = (u 1, u 2,..., u n ) une famille de vecteurs d un espace vectoriel E. L ensemble de tous les vecteurs, combinaisons linéaires des vecteurs de F est un sous-espace vectoriel de E. Ce sous-espace vectoriel est appelé sous-espace vectoriel engendré par la famille F. On le note V ectf. Preuve Montrons que V ectf est un sous-espace vectoriel de E. i. Puisque n 0, V ectf contient au moins le vecteur u 1. 7
8 ii. Soient x et y 2 vecteurs de V ectf. Soit λ K. Donc le vecteur (λ.x + y) appartient à V ectf. i=n i=n λ.x + y = λ. x i u i + y i u i i=1 i=1 i=n λ.x + y = (λ.x i + y i )u i Définition 4 Soit E un espace vectoriel, soit n N et soit F = (u 1, u 2,..., u n ) une famille de vecteurs de E. La famille F est génératrice de E si et slt si V ectf = E Application Montrez que {(1, 1, 0), (0, 1, 0), (0, 0, 3)} est une famille génératrice de R Famille libre - Famille liée Soit E un K-espace vectoriel. Définition 5 Soit (u i ) i=1,n une famille de vecteurs de E. La famille est dite libre si : (λ i ) i=1,n K n, i=1 i=n λ i u i = 0 = i [1, n], λ i = 0 i=1 Proposition Soit (u i ) i=1,n une famille de vecteurs de E. La famille est dite liée si : i 0 /u i0 = i=n i=1,i i 0 µ i u i Remarque : L un au moins de ses vecteurs s écrit comme combinaison linéaire des autres. Preuve La famille n est pas libre, donc i 0 /λ i0 0. On peut donc écrire : u i0 = 1 i=n λ i0 i=1,i i 0 λ i u i et µ i = 1 λ i0 λ i application La famille {(2, 4), ( 1, 2), (0, 1)} est-elle libre? Base d un espace vectoriel Soit E un K-espace vectoriel. Définition 6 Soit n N et soit B = (u i ) i=1,n une famille finie de vecteurs de E. B est une base de E si et slt si B est une famille libre et génératrice de E. Exemples 1. La famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est une base du R-espace vectoriel R La famille {(1), (i)} est une base du R-espace vectoriel C. 3. La famille {(1)} est une base du C-espace vectoriel C. 8
9 Proposition Soit B = (u i ) i=1,n, une famille de vecteurs de E. B est une base v E,!(λ 1, λ 2,..., λ n ) K n / v = i=n i=1 λ iu i Les coefficients (λ 1, λ 2,..., λ n ) sont appelés les composantes du vecteur v dans la base B. On note Preuve Trivial... v = λ 1 λ 2... λ n B Dimension d un espace vectoriel Soit E un K-espace vectoriel. Définition 7 E est de dimension finie s il existe dans E au moins une famille génératrice finie de E. Proposition Soit E un K-espace vectoriel de dimension finie. Alors : 1. E admet au moins une base finie. 2. Toutes les bases de E ont même cardinal (même nombre d éléments). Cet entier est appelé dimension de l espace vectoriel E. On le note dim E. 3. Dans un espace E de dimension n, une famille libre de n éléments est une base de E. Exemple La dimension du R-espace vectoriel R 3 est 3. Remarque Pour montrer qu une famille de n vecteurs forme une base d un espace vectoriel de dimension n, il suffit de prouver que la famille est libre. Application Trouvez une base et la dimension de l espace vectoriel formé par les solutions du système suivant : x + y z = 0 x + 2y + z = 0 2x + 2y 2z = 0 (1.6) 9
10 10
11 Chapitre 2 Applications linéaires - Matrices 2.1 Applications linéaires Définitions Définition 8 Soient E et F 2 K-espaces vectoriels et soit une application f : E F. f est une application linéaire (x, y) E 2, λ K, f(x + λ.y) = f(x) + λ.f(y) Notations On note : - L(E, F) l ensemble des applications linéaires de E dans F. - L(E) l ensemble des applications linéaires de E dans E. - E l ensemble des applications linéaires de E dans K Exemples 1. L application définie par : 2. L application définie par : 3. Homothétie vectorielle Soit E un R-espace vectoriel et soit λ R. L application h λ définie par : h λ : E E u λ.u vectorielle de rapport λ. ( R 2 ) ( R 2 ) x x + y est une application linéaire. y y ( R 2 ) ( R 2 ) x x 2 n est pas une application linéaire. y y est une application linéaire appelée homothétie 4. Opérateur de dérivation Soit I un intervalle de R. On note E = C 1 (I) l ensemble des applications de classe C 1 sur I. On note F l ensemble des applications définies sur I. Alors, l application d définie par : d : E F f f est une application linéaire Propriétés L espace des images ou des antécédents d un sous-espace vectoriel est un sous-espace vectoriel. En particulier : - A = {x E / f(x) = 0 F } est un espace vectoriel. On l appelle le noyau de f et on le note Kerf. 11
12 - B = {y F / x E, f(x) = y} est un espace vectoriel. On l appelle l espace image de f et on le note Imf. On appelle rang de f ( noté rg(f) ) la dimension de l espace vectoriel Imf Applications 1. Soit le système de 3 équations à 3 inconnues suivant : x + y z = 0 x + 2y + z = 0 2x + 2y 2z = 0 (2.1) Montrez que l ensemble des solutions peut être interprété comme le noyau d une application linéaire que l on détaillera. 2. Soit l équation différentielle suivante : f (x) + x 2 f (x) + f(x) = 0 (2.2) Montrez que l ensemble des solutions peut être interprété comme le noyau d une application linéaire que l on détaillera. 2.2 Injections-Surjections- Bijections Définitions Soient E et F deux ensembles quelconques et soit f une application définie par : f : E F x f(x) i- f est injective (x, y) E, f(x) = f(y) = x = y. ii- f est surjective y F, x E / f(x) = y. iii- f est bijective y F,! x E / f(x) = y. Donnez des exemples de fonctions de R dans R injectives, surjectives et bijectives Propriétés du noyau et de l espace image d une application linéaire Soient E et F deux espaces vectoriels et soit f une application linéaire définie par : f : E F x f(x) i- Kerf = {0} f est injective. ii- Imf = F f est surjective. iii- dim(kerf) + rg(f) = dim(e) (propriété du rang). iv- si dime = dimf alors : f surjective f injective f bijective. Applications Qualifiez les applications linéaires suivantes et décrivez leur noyau et leur espace image : f : g : R3 R 3 x y x y z 0 R3 R 2 x ( ) y x y z 12
13 2.3 Matrice d une application linéaire Préliminaires Soient E et F deux espaces vectoriels de dimension respective q et p et soit f une application linéaire définie par : f : E F x f(x) Soit B = {e 1, e 2,..., e q } une base de E et B = {f 1, f 2,..., f p } une base de F. Enfin, soit x E de coordonnées sur la base B : (x 1, x 2,..., x q ). On a : x = j=q x j e j (2.3) j=1 j=q f(x) = f( x j e j ) (2.4) f(x) = j=1 j=q x j f(e j ) (2.5) On en déduit que la connaissance de l application linéaire f pour tout x E est équivalente à la connaissance de l application linéaire pour les vecteurs de la base B (i.e à la connaissance des f(e j )). La décomposition des q vecteurs f(e j ) sur la base B conduit à q relations du type : f(e 1 ) = i=p i=1 γ i1f i f(e j ) = i=p i=1 γ ijf i f(e q ) = i=p i=1 γ iqf i La relation 2.5 s écrit : j=1 [ j=q i=p ] f(x) = x j γ ij f i j=1 En inversant les sommations, il vient : i=p j=q j=q f(x) = γ ij x j f i ou i [1, p], f(x) i = γ ij x j (2.8) i=1 j=1 On déduit de 2.8 qu une application linéaire f est totalement déterminée par la donnée des q p coefficients (γ ij ) i=1,p j=1,q définis par les q relations 2.6. Représentation sous la forme de tableau Les p q coefficients peuvent se ranger sous la forme d un tableau appelé matrice de l application f relative aux bases B etb. La jème colonne est formée des coordonnées du vecteur f(e j ) sur la base des f i. M B,B (f) = i=1 γ 1,1 γ 1,2... γ 1,j... γ 1,q γ 2,1 γ 2,2... γ 2,j... γ 2,q : : : : : : γ i,1 γ i,2... γ i,j... γ i,q : : : : : γ p,1 γ p,2... γ p,j... γ p,q f(e 1 ) f(e 2 ) f(e j ) f(e q ) j=1 (2.6) (2.7) (2.9) 13
14 2.3.2 Définitions Définition 9 Soient p et q 2 entiers nons-nuls. On appelle matrice à p lignes et q colonnes sur un corps K, toute famille d éléments de K indexée par [1, p] [1, q]. Notations 1. L ensemble des matrices à p lignes et q colonnes sur K se note M p,q (K). Il s agit de l ensemble des matrices d ordre p q. 2. Si p = q, l ensemble M p,q (K) se note M p (K) et ses éléments sont appelés matrices carrées d ordre p. 3. Soit A M p,q (K). On note A = [a ij ] i = 1, p j = 1, q Écriture sous la forme d un tableau A = ou A = [a ij ] la matrice de terme général a i,j a 1,1 a 1,2... a 1,j a 1,q a 2,1 a 2,2... a 2,j a 2,q : : : : : a i,1 a i,2... a i,j a i,q : : : : : a p,1 a p,2... a p,j a p,q (2.10) Matrice d une application linéaire On adopte les notations du paragraphe On appelle matrice d une application linéaire f la matrice de terme générale [γ ij] : f(e 1 ) = i=p i=1 γ i1f i f(e j ) = i=p i=1 γ ijf i f(e q ) = i=p i=1 γ iqf i (2.11) Application Trouvez les matrices des applications linéaires suivantes relatives aux bases canoniques des espaces de départ et d arrivée. R3 R 2 1. f : x y z ( x y ) 2. g : R3 R 3 x λ.x Opérations sur les matrices Addition de 2 matrices : Soient A, B M pq (K). On note A = [a i,j ] et B = [b i,j ]. 14
15 On pose C = A + B avec C = [c i,j ] définis par : i [1, p] j [1, q], c i,j = a i,j + b i,j (2.12) Multiplication d une matrice par un scalaire : Soient A M pq (K) (on note A = [a i,j ]) et soit λ K. On pose D = λ.a avec D = [d i,j ] définis par : i [1, p] j [1, q], d i,j = λ.a i,j (2.13) Multiplication de 2 matrices : Soient A M p,q (K) et soit B M q,r (K). On note A = [a i,j ] et B = [b i,j ]. On pose G = A B avec G M p,r (K) et G = [g i,j ] définis par : i [1, p] j [1, r] k=q, g i,j = a i,k.b k,j (2.14) k=1 Cas particulier : multiplication d une matrice par un vecteur : x E. On note A = [a i,j ] et X = [x j(j=1,q) ]. On pose X = A X avec X = [x i(i=1,p) ] définis par : Soient A M p,q (K) et soit Remarques : i [1, p] j=q, x i = a i,j.x j (2.15) 1. En général, 2 matrices A et B ne commutent pas ( on a A.B B.A). 2. Soit f l application linéaire associée à la matrice A dans la base canonique de E. En comparant les expressions 2.8 et 2.15, on remarque que le vecteur X = A X est le vecteur x = f(x) 3. Soit f et g les applications linéaires associées aux matrices A et B dans la base canonique de E. - La matrice A B est la matrice de l application linéaire f g. - Si l application f est bijective, on note f 1 l application réciproque et A 1 la matrice inverse de la matrice A Changement de base j=1 Problématique L expression matricielle dépend des bases des espaces de départ et d arrivée (comme les composantes d un vecteur dépendent de la base de l espace). Il doit exister un lien entre 2 expressions matricielles d une même application linéaire. Matrices équivalentes Soit l application linéaire f représentée par les 2 matrices A (base B et B (base B ) conformément à la figure 2.1. On adopte les notations suivantes : P = Mat(Id, B, B) A = Mat(f, B, B) P = Mat(Id, B, B ) B = Mat(f, B, B ) Les lois de compositions des applications permettent d écrire : Mat(Id, B, B ) Mat(f, B, B) Mat(Id, B, B) = Mat(f, B, B ) 15
16 E,B f A E,B Id f E,B Id P P B E,B Fig. 2.1 Changement de base. Avec nos notations, il vient : P.A.P = B D autre part, on a les relations suivantes : Mat(Id, B, B) = Mat(Id, B, B) Mat(Id, B, B ) I = P P Mat(Id, B, B ) = Mat(Id, B, B ) Mat(Id, B, B) I = P P On en déduit que la matrice P est la matrice inverse de la matrice P. On en déduit finalement la relation entre les matrices A et B : Les 2 matrices A et B sont dites équivalentes. B = P 1 AP (2.16) Matrice de changement de bases La matrice P = Mat(Id, B, B) est appelée matrice de changement de base depuis la base B vers la base B. La j ième colonne de cette matrice est constituée des composantes du j ième vecteur de la base B sur la base B. Soit A la matrice d une application f dans la base B. La matrice B de l application f dans la base B ) est donnée par la relation 2.16 Soit X les coordonnées d un vecteur sur la base B. Les coordonnées X du vecteur sur la base B ) sont données par la relation : X = P 1.X Rang d une matrice Définition 10 Le rang d une matrice est le nombre maximal de vecteurs colonnes linéairement indépendants. Ce nombre est le même pou toute matrice équivalente. Soit A = Mat CalB f. Par définition, Imf = {y F / x E, f(x) = y} On a donc Imf = V ect(f(e 1 ), f(e 2 ),..., f(e q )) On en déduit que rg A = rg f 16
17 Chapitre 3 Notion de déterminant Dans tout ce chapitre, on se restreint à des matrices carrées. Soit E un espace vectoriel de dimension n dont une base est : B = {e 1, e 2,..., e n } On note f une application linéaire définie par : f : E E et soit A sa matrice dans la x f(x) base B. 3.1 Préliminaires Rappels A inversible f inversible (f bijective) ker f = {0} rgf = n dim(v ect{f(e 1 ), f(e 2 ),..., f(e n )}) = n Les vecteurs colonnes de A sont indépendants Généralités Soit A M n (E) et soit (x, b) E 2. On note X et B leur représentation sous forme de matrices unicolonnes. Résolvons le système linéaire suivant : Distinguons 2 cas : A.X = B (3.1) 1. La matrice A est inversible (i.e. ker A = {0} et Imf = E grâce à la relation du rang). Puisque Imf = E, c E/A.C = B On peut alors écrire : A(X C) = 0 et puisque ker A = {0}, il existe une solution unique C au système linéaire. On dit que le système est de Cramer. 2. La matrice A n est pas inversible (i.e. ker A {0} et Imf E). (a) Si b Im(f), alors c E/A.C = B On peut donc écrire : A(X C) = 0 et puisque ker A {0}, il existe une infinité de solutions au système linéaire (la dimension de l espace des solutions est la dimension de ker A). (b) Si b / Im(f), alors le système n a aucune solution. = Il est capital de savoir si la matrice A est inversible. 17
18 3.1.3 Exemple pour n = 2 Soit le système linéaire suivant : { ax + cy = e bx + dy = f [ a c, soit A = b d ] On sait depuis la petite école qu une CNS pour que le système admette une et une seule solution est la non-nullité du scalaire : d = ad bc = Ce scalaire n est autre que le déterminant de la matrice A et il peut se calculer quelle que soit la dimension de la matrice A. Dans tous les cas, sa non-nullité équivaut à l inversibilité de la matrice A Conclusion Pour savoir si une matrice est inversible, on peut : 1. Étudier la dépendance linéaire des vecteurs colonnes de la matrice. 2. Calculer le déterminant de la matrice. Il faut donc chercher une application : Φ : E n K (x 1, x 2,, x n ) det(x 1, x 2,, x n ) (3.2) qui ne s annule que lorsque les vecteurs (x 1, x 2,, x n ) sont liés. Remarque : Pour n = 2, on connaît l application Φ : ( Φ : a b ) R 2 ( ) R c, ad bc d (3.3) 3.2 Généralités sur le groupe symétrique Permutations Définition 11 Soit n N et soit I n = [1, n]. On appelle permutation toute bijection : σ : I n I n L ensemble de toutes les permutations de I n s appelle le groupe symétrique. On le note S n. Le nombre d éléments de S n est n!. Notation σ S n s écrit : (σ(1), σ(2),..., σ(n)). Exemples pour n = 5 Soient σ 1 = (3, 4, 5, 1, 2) et σ 2 = (2, 1, 4, 5, 3). Montrez que : 1. σ 1 et σ 2 S 5 2. σ 1 1 = (4, 5, 1, 2, 3) et σ 1 2 = (2, 1, 5, 3, 4) 3. σ 1 σ 2 = (4, 3, 1, 2, 5) et σ 2 σ 1 = (4, 5, 3, 2, 1) 18
19 3.2.2 Transpositions Définition 12 Soit n N, n 2 et soit I n = [1, n]. On appelle transposition toute permutation τ laissant n 2 éléments de I n inchangés. Notation On note τ = [i, j] = [j, i] et on a : - τ(i) = j - τ(j) = i - k I n \{i, j} τ(k) = k Proposition Toute permutation de S n peut s écrire comme un produit fini de transposition. Exemple Soit la permutation σ = (3, 1, 5, 2, 4). Montrez que σ = (1, 3)(3, 5)(5, 4)(4, 2) Signature Définition 13 Soit σ une permutation. On appelle inversion un couple (i,j) tel que : i < j et σ(i) > σ(j). Exemple Soit la permutation τ = [2, 4] S 5. Montrez que cette transposition comporte 3 inversions. Définition 14 Soit σ une permutation. Le nombre d inversions On appelle signature de la permutation σ le nombre ɛ σ = ( 1) Remarque On peut montrer qu une transposition comporte un nombre impair d inversions. On en déduit que pour toute transposition τ, ɛ τ = Déterminant d une famille de vecteurs Définitions Définition 15 Soit (x 1, x 2,, x n ) E n. On note x i,j la ième coordonnées du vecteur x j sur la base B. On appelle déterminant de la famille (x 1, x 2,, x n ) sur la base B le scalaire : On peut donc définir l application det : det : det B (x 1, x 2,, x n ) = σ S n ɛ(σ) x σ(1),1.x σ(2),2..x σ(n),n (3.4) E n K (x 1, x 2,, x n ) σ S n ɛ(σ) x σ(1),1.x σ(2),2..x σ(n),n (3.5) Définition 16 On appelle déterminant de la matrice A le déterminant de la famille de vecteurs formée des vecteurs 19
20 colonnes de la matrice A. On le note : det A = x 1,1 x 1,n.. x n,1 x n,n (3.6) Soit p N, soient E 1, E 2,, E p des K-espaces vectoriels et soit : φ : E 1 E 2 E p K Définition 17-a On dit que φ est une forme p-linéaire si elle est linéaire par rapport à chacune de ses p variables. Définition 17-b On dit que φ est une forme p-linéaire alternée si φ(x 1, x 2,, x p ) = 0 dès que les x i ne sont pas tous distincts Théorème Soit (x 1, x 2,, x n ) E n. Soit σ S n. Φ est une application p-linéaire alternée si et seulement si : Φ(x σ(1), x σ(2),, x σ(n) ) = ɛ(σ). Φ(x 1, x 2,, x n ) (3.7) Exemple [ a c Soit la matrice : A = b d 1. Trouvez les éléments de S 2 et leur signature. ]. 2. Déduisez-en que det A = ad cb Propriétés 1. L application det définie par 3.5 est une forme n-linéaire alternée. 2. Si la famille (x 1, x 2,, x n ) est liée, alors det(x 1, x 2,, x n ) = λ 1 X X X λ 2 X X 3. det Id = = 1 et 0 0 λ 3. = λ 1.λ 2..λ n λ n Cette non-nullité du déterminant s étend à toute famille libre : la famille (x 1, x 2,, x n ) est libre si et slt si det(x 1, x 2,, x n ) 0. On en déduit de même qu une matrice A est inversible si et slt si det B (A) Soient (A, B) M n (K). - det(a.b) = det A. det B - Si A et B sont équivalentes, det A = det B. - det(a + B) det A + det B 20
21 3.4 Calcul pratique du déterminant d une matrice Règles simples de calcul 1. Au moins une ligne ou une colonne de 0 = det A = lignes ou 2 colonnes identiques = det A = 0 3. Si on fait une permutation σ sur les lignes ou les colonnes, il faut multiplier le déterminant par la signature de la permutation. 4. Une ligne (resp colonne) combinaison linéaires des autres lignes (resp. colonnes) = det A = λ.a µ.b λ.c µ.d = λ.µ. a b c d 6. Le déterminant ne change pas si l on ajoute à une ligne (resp.colonne) une combinaison linéaire des autres lignes (resp. colonnes). 7. Si l on effectue une permutation σ sur les lignes ou les colonnes de la matrice A, il faut multiplier son déterminant par ɛ(σ) Exemples Montrez que = Montrez que = Calcul à l aide des cofacteurs Définition 18 On appelle mineur associé à l élément a ij le déterminant obtenu en supprimant la ligne i et la colonne j de la matrice A. On le note M i,j Définition 19 On appelle cofacteur de l élément a ij le scalaire : ( 1) i+j M i,j. Développement d un déterminant suivant une ligne ou une colonne Soit i 0 une ligne de A. n det A = a i0j( 1) i0+j M i0,j (3.8) Soit j 0 une colonne de A. det A = j=1 n a ij ( 1) i+j0 M i,j0 (3.9) i= Calcul de l inverse d une matrice Si la matrice est inversible, on a : A 1 = [ ] 1 ( ( 1) i+j ) t M i,j (3.10) det A [i,j] [1,n] 2 Application 1 Soit A =
22 1. Montrez que det A = Montrez que A 1 = 3 1 1/
23 Chapitre 4 Diagonalisation d une matrice d une application linéaire Soit E un espace vectoriel de dimension n dont une base est : B = {e 1, e 2,..., e n } On note f une application linéaire définie par : f : E E et soit A sa matrice dans la x f(x) base B. 4.1 Préliminaires Soit (x, b) E 2. On note X et B leur représentation sous forme de vecteurs dans la base B. La résolution du système linéaire : f(x) = b (4.1) équivaut à la résolution du système matriciel : A.X = B (4.2) La résolution de ce système linéaire peut se faire en appliquant la méthode dite du Pivot de Gauss afin de se ramener à un système triangulaire du type : a 1,1.x 1 +a 1,2.x 2 +a 1,3.x 3 +a 1,n.x n = b 1 0 a 2,2.x 2 +a 2,3.x 3 +a 2,n.x n = b a 3,3.x 3 +a 3,n.x n = b 3 (4.3)..... = a n,n.x n = b n La meilleure solution est bien sûr de se ramener à un système purement diagonal. a 1,1.x = b 1 0 a 2,2.x 2 0 = b = a n,n.x n = b n (4.4) Il faut trouver une base de E dans laquelle l expression de la matrice de f est plus simple que dans la base B. = Diagonaliser (resp. triangulariser) une application (ou une matrice), c est trouver une base (e 1, e 2,, e n ) où f(e i ) = λ i e i (resp f(e i ) = i j=1 α ije j ). 23
24 = Diagonaliser (resp. triangulariser) une application (ou une matrice), c est trouver une matrice inversible P telle que la matrice = P 1.A.P soit diagonale (resp triangulaire). La diagonalisation d une matrice est utile pour calculer ses puissances. Soit A une matrice semblable à une matrice diagonale (A = P P 1 ). Les puissances de la matrice A se calculent de la façon suivante : A n = P n P 1 (4.5) La puissance nème d une matrice diagonale se calcule en élevant à la puissance n les termes diagonaux. 4.2 Valeurs propres et vecteurs propres d une application linéaire Définitions Définition 20 Soit λ K. On dit que λ est valeur propre de f s il existe x E\{0} tel que f(x) = λx Définition 21 Si λ K est une valeur propre de f, alors E f (λ) = {x E/f(x) = λx} est l espace propre associé à λ Définition 22 Si λ K est une valeur propre de f, alors tout vecteur de E f (λ) est appelé vecteur propre associé à la valeur propre λ. Définition 23 Le spectre de f est l ensemble des valeurs propres de f. On le note Spec(f) Propriétés Propriétés 2 Soit x E. x est vecteur propre de f x 0 et λ K/f(x) = λx. Propriétés 3 Soient x 1, x 2,, x p p vecteurs propres associés aux p valeurs propres distinctes λ 1, λ 2,, λ p. Alors la famille (x 1, x 2,, x p ) est une famille libre. Propriétés 4 Soit λ K. E f (λ) = {x E/f(x) = λx} = ker(f λ.id) est un sous espace vectoriel de E stable par f. λ Spec(f) E f (λ) {0} Calcul pratique des valeurs propres λ valeur propre de f x E\{0} tel que f(x) = λx x E\{0} tel que (f λ.id)x = 0 Le vecteur nul a au moins 2 antécédents distincts par f. (f λ.id) n est pas injectif. det(f λ.id) = 0 det(f λ.id) est un polynôme du n ième degré en λ si n est la dimension de l espace vectoriel E. On l appelle le polynôme caractéristique de f et on le note P f (λ). Finalement : λ valeur propre de f λ racine du polynôme caractéristique P f (λ). Remarque Le produit des valeurs propres est égal au déterminant de f et la somme des valeurs propres à la Trace (somme des éléments diagonaux) de la matrice représentative de f dans une base quelconque. Exemple Montrez que les valeurs propres de la matrice : B = ( ) sont : λ 1 = 1 et λ 2 = 4. 24
25 4.3 Conditions de diagonalisation Définitions Définition 24 On dit que l application linéaire f (ou la matrice A) est diagonalisable si E possède une base de vecteurs propres de f (ou de A). Cette base est appelée base propre. Définition 25 On appelle ordre de la valeur propre λ i l ordre de la racine λ i dans le polynôme caractéristique det(a λid). On note α i l ordre de la valeur i ième valeur propre Propriétés Propriété 5 La matrice A possède au plus n valeurs propres distinctes. Propriété 6 Si det(a λid) = (λ λ 1 ) α1..(λ λ p ) αp, alors i [1, p], 1 dime λi α i Propriété 7 A diagonalisable i [1, p], dim(e λi ) = α i En particulier, si A possède n valeurs propres distinctes, la matrice est diagonalisable. Remarques 1. Une matrice symétrique réelle est toujours diagonalisable. 2. Une matrice peut être diagonalisable sur C mais pas sur R (si par exemple les racines du polynôme caractéristique sont complexes) Matrice de passage vers la base propre Soit A une matrice diagonalisable de M n (K). La matrice de passage depuis la base canonique vers la base propre de A est la matrice : P = Mat(Id, B propre, B canonique ). Si est la matrice diagonale dans la base propre, alors on a la relation suivante entre A et : A = P..P 1. On rappelle que les vecteurs colonnes de la matrice P sont formés des coordonnées des vecteurs de la base propre sur la base canonique Application ( ) 1 2 Cherchons la matrice de changement de base P associée à la matrice : B =. 3 2 On sait que la matrice B est diagonalisable car elle possède 2 valeurs propres distinctes λ 1 = 1 et λ 2 = 4. La résolution des 2 équations ( ) A.X i = λ i X permet( de trouver ) une base des 2 espaces propres : 1 2 E 1 de base u 1 = et E 1 4 de base u 4 = 3 ( ) 1 0 Dans la base propre : B = (u 1, u 4 ), la matrice de f est diagonale : =. 0 4 Enfin on a la relation suivante entre les matrices B et : = P 1.B.P, avec : P = ( ) et P 1 = 1 5. ( ) 25
26 4.3.5 Exemple d une matrice non-diagonalisable ( ) 1 0 Soit la matrice : C =. 2 1 La matrice C possède une seule valeur propre d ordre 2 : λ = 1. La matrice est diagonalisable si dime λ = 2. Cherchons les vecteurs propres associés à λ = 1 : E λ = ker(c Id) (4.6) { ( ) { } x 0 = 0 E λ = u = / (4.7) y 2x = 0 { ( ) { } x x = 0 E λ = u = / (4.8) y y = Donc E λ est la droite vectorielle portée par le vecteur u 0 = (0, 1) et dim(e λ ) = 1. Puisque dim(e λ ) < α(λ = 1), la matrice C n est pas diagonalisable. Remarque On peut montrer que sur C toute matrice est triangularisable. 26
27 Chapitre 5 Espaces vectoriels munis d un produit scalaire Dans tout ce chapitre, E désigne un R-espace vectoriel. 5.1 Produit scalaire Définition Définition 26 Soit B : E E R. On dit que B est un produit scalaire sur E si : i- B est bilinéaire (i.e. a E, les applications : E R x B(x, a) linéaires. ii- B est symétrique (i.e. (x, y) E 2, B(x, y) = B(y, x) ). iii- B est positive (i.e. x E, B(x, x) 0 ). iv- Il n existe pas de vecteurs isotropes (i.e. x E, B(x, x) = 0 = x = 0 ). Notation Un produit scalaire se note souvent B(x, y) =< x, y >. et E R x B(a, x) sont Définition 27 Soit <, > un produit scalaire sur E. Le réel < x, x > se note x et se lit norme de x Exemples 1. E = R n et soient x = x 1. x n E et y = y 1. y n E i=n < x, y >= x i y i (5.1) est un produit scalaire. Il s agit du produit scalaire canonique ou euclidien sur R n. i=1 2. Soient (a, b) R 2 avec a < b. On pose E = C 0 ([a, b], R). est un produit scalaire. < f, g >= b a f(t).g(t)dt (5.2) 27
28 5.1.3 Propriétés 1. (x, y) E 2, x + y 2 = x 2 + y 2 +2 < x, y > 2. Inégalité de Cauchy-Schwarz : (x, y) E 2, < x, y > x. y avec égalité si et slt si x et y sont colinéaires. 3. Inégalité de Minkowski : (x, y) E 2, x + y x + y avec égalité si et slt si x et y sont colinéaires et de même sens. 5.2 Orthogonalité Définition Définition 28 Soit <, > un produit scalaire sur E. Deux vecteurs x et y sont orthogonaux si < x, y >= Propriétés Propriété 29 Théorème de Pythagore : Soient (x, y) E 2. x y x + y 2 = x 2 + y 2 Propriété 30 Soit (x 1,, x p ) E n une famille orthogonale de vecteurs distincts et nons-nuls. Alors x x n 2 = x x n 2 De plus la famille (x 1,, x p ) est libre. Définition 31 Soit G un sous-ensemble quelconque de E. On appelle orthogonal de G l ensemble G = {x E / a E, x a}. Propriété G est un sous-espace vectoriel de E. 2. Si G est un espace vectoriel, on a : G G = E (on dit que G et G sont en somme directe 1 ). 5.3 Base orthonormale Définition Définition 33 Soit E un espace vectoriel de dimension n. On appelle base orthonormale (ou orthonormée) toute famille orthonormée de n vecteurs. i.e. toute famille (e 1,, e n ) E n telle que (i, j) [1, n] 2, < e i, e j >= δ j i Remarque la base canonique de R n muni du produit scalaire euclidien est une base orthonormée. 1 G et G sont en somme directe (égale à E) si et slt si tout vecteur de E s ecrit de façon unique comme la somme d un vecteur de G 1 et d un vecteur G 2 28
29 5.3.2 Propriétés Soit B = (e 1,, e n ) une base orthonormée de E. Soit x = i=n i=1 x ie i E et soit y = i=n i=1 y ie i E. 1. k [1, n], < x, e k >= x k. Donc x = k=n k=1 < x, e k > e k 2. < x, y >= i=n i=1 x iy i 3. x 2 = i=n i=1 x2 i 4. Si X = x 1. x n Application et Y = y 1. y n, alors < x, y > = X t.y Soit E = C 0 ([ π, π], R) muni du produit scalaire < f, g >= +π π f(t).g(t)dt. Montrez que la famille (t 1, t sin(t), t sin(2t),, t cos(t), t cos(2t), ) est une famille orthogonale. 5.4 Matices orthogonales et matrices symétriques réelles Théorème Soit E un espace evectoriel muni d un produit scalaire et soit B une base orthonormée de E. Soit P la matrice de passage depuis B vers une base B. On a l équivalence suivante : B base orthonormée P t P = P P t = Id (i.e. P 1 = P t ) (5.3) Définition 34 On appelle matrice orthogonale une matrice P vérifiant la relation : P t P = P P t = Id Théorème Soit A une matrice symétrique réelle. A est diagonalisable dans une base orthonormale formée de vecteurs propres de A. 29
Chapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en 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 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 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 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 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 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 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailCours d Analyse. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en 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 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 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 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 détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
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 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 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 détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
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 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 détailCours arithmétique et groupes. Licence première année, premier semestre
Cours arithmétique et groupes. Licence première année, premier semestre Raphaël Danchin, Rejeb Hadiji, Stéphane Jaffard, Eva Löcherbach, Jacques Printems, Stéphane Seuret Année 2006-2007 2 Table des matières
Plus en 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 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 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 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 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 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 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
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 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 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 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 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 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 détailLicence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année)
Licence Sciences de l Ingénieur et Licence Informatique Niveau L2 (= 2ème année) Mathématiques : Résumé de ce qu il faut savoir en Algèbre linéaire (ou Calcul Matriciel) au sortir du L1, en préalable au
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en 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 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 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
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 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 détailSéquence 10. Géométrie dans l espace. Sommaire
Séquence 10 Géométrie dans l espace Sommaire 1. Prérequis 2. Calculs vectoriels dans l espace 3. Orthogonalité 4. Produit scalaire dans l espace 5. Droites et plans de l espace 6. Synthèse Dans cette séquence,
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailSTATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE
ÉCOLE D'INGÉNIEURS DE FRIBOURG (E.I.F.) SECTION DE MÉCANIQUE G.R. Nicolet, revu en 2006 STATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE Eléments de calcul vectoriel Opérations avec les forces Equilibre du point
Plus en 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 détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailUNIVERSITE IBN ZOHR Faculté des sciences Agadir. Filière SMA & SMI. Semestre 1. Module : Algèbre 1
UNIVERSITE IBN ZOHR Faculté des sciences Agadir Filière SMA & SMI Semestre 1 Module : Algèbre 1 Année universitaire : 011-01 A. Redouani & E. Elqorachi 1 Contenu du Module : Chapitre 1 : Introduction Logique
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 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 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 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 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 détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en 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