Formes multilinéaires et déterminant

Dimension: px
Commencer à balayer dès la page:

Download "Formes multilinéaires et déterminant"

Transcription

1 Emmauel Vieillard Baro Formes multiliéaires et détermiat Itroductio Motrer qu ue applicatio liéaire est iversible est à prioris pas chose évidete. e détermiat permettra, das certais cas, de motrer très facilemet si ue matrice est ou o iversible. Il permettra aussi, toujours das certais cas, d obteir facilemet l iverse d ue matrice. Efi, il servira, mais c est pour ue leço prochaîe, à la diagoalisatio et la trigoalisatio des edomorphismes d u espace vectoriel. Il costituera alors u pot etre la théorie des aeaux polyomiaux et celle de l algèbre liéaire. Das tout ce chapitre k désige u corps. Rappelos qu u corps est u espace vectoriel sur lui même de dimesio. 2 Formes multiliéaires Défiitio Soit E u k-espace vectoriel. Soit f : E E p f ois k f est ue forme p-liéaire ou ue forme multiliéaire ( ou ecore ue p-forme liéaire) sur E si pour tout i=,...,p, pour tout x,...,x i,x i,...,x p E, l applicatio x f x x i x x i x p est liéaire de E das k. ote p (E) l esemble des p-formes liéaires sur E. Propositio Soit E u k-espace vectoriel. esemble des p-formes liéaires sur E, p (E) mui de l additio des foctios à valeurs das k et de la multiplicatio par u scalaire a ue structure de k-espace vectoriel. Démostratio motre sas peie que c est u sous espace vectoriel de l espace des foctios défiies sur E et à valeurs das k. Défiitio Soit E u k-espace vectoriel. Soit f ue forme p-liéaire défiie sur u k-espace vectoriel E. Si p=2, o dit que f est ue forme biliéaire. Si p=3, o dit que f est ue forme triliéaire. Défiitio Soit E u k-espace vectoriel. Ue forme p-liéaire est dite alterée si pour tout (x,...,x p ) E p vérifiat i j p i j x i =x j, alors f(x,...,x p )=0. esemble des formes p-liéaires alterées sur E est otée p (E).

2 Emmauel Vieillard Baro 2 Défiitio Soit E u k-espace vectoriel. Ue forme p-liéaire est dite symétrique j alors f(x,...,x i,...,x j,...,x p ) = si pour tout (x,...,x p ) E p, pour tout i,j f(x,...,x j,...,x i,...,x p ). Défiitio p i Soit E u k-espace vectoriel. Ue forme p-liéaire est dite atisymé- j alors f(x,...,x i,...,x j,...,x p ) trique si pour tout (x,...,x p ) E p, pour tout i,j = -f(x,...,x j,...,x i,...,x p ). p i Propositio Si f est ue p-forme liéaire atisymétrique et si k est u corps de caractéristique différete de 2 alors f est alterée. Démostratio Comme f est atisymétrique, pour tout (x,...,x p ) E p et pour tout i,j p i j alors f(x,...,x i,...,x j,...,x p )=-f(x,...,x j,...,x i,...,x p ). Supposos que x i =x j. égalité précédete deviet: f(x,...,x i,...,x i,...,x p )=-f(x,...,x i,...,x i,...,x p ), soit 2. f(x,...,x i,...,x i,...,x p )=0, ce qui doe, k état de caractéristique différete de 2 : f(x,...,x i,...,x i,...,x p ) = 0. Avat de cotiuer, effectuos deux petits rappels à propos du groupe des permutatios d u esemble fii. Rappel : esemble des bijectios σ : p p est oté S p. Ue telle bijectio est appelée ue permutatio de p. S p mui de la loi de compositio des applicatios possède ue structure de groupe. Ue permutatio préservat tout les élémets de p sauf deux qu elle permute est appelée ue traspositio. Toute permutatio est produit de traspositio. e ombre de traspositio iterveat das cette décompositio est idépedat de la décompositio (e traspositio) choisie. Rappel 2: Il existe ue morphisme de groupe surjectif ε :S p où est mui de sa struture multiplicative. image de ε sur ue permutatio est appelée la sigature de cette permutatio. où est le ombre de traspositio das ue décompositio de σ e produit de traspositio. Si σ est élémet de S p alors ε σ Propositio Soit f ue forme p-liéaire alterée défiie sur u k-espace vectoriel E. Soiet v,...,v p, p vecteurs de E. Soit aussi σ u élémet de S p. Alors σ v σ p ε σ v p

3 Emmauel Vieillard Baro 3 Démostratio Comme les permutatios sot des produits de traspositio, il suf- j et soit τ la fit de motrer cette égalité pour ue traspositio. Soit i,j traspositio de p qui échage i et j. a clairemet: τ v τ i"! # # #! v τ j v τ p v j v i v p v i v j v p p i Propositio esemble des p formes liéaires alterées sur le k-espace vectoriel E p (E) est u sous espace vectoriel de l espace vectoriel des p-formes liéaires sur E p (E). Démostratio Il suffit de vérifier que la p-forme ulle est bie élémet de p (E) et que la combiaiso liéaire de deux formes liéaires alterées est ecore ue p- forme liéaire alterée. 3 Dimesio de $ p (E) et détermiat Propositio E désige u k-espace vectoriel de dimesio fiie et p u etier aturel. Si p est plus grad que la dimesio de E alors p (E)= 0. Démostratio Soit f p (E) et soiet v,...,v p, p vecteurs o uls de E. Comme E est de dimesio fiie <p, l u des vecteurs v p par exemple est combiaiso liéaire des p- autres vecteurs. Il existe doc α α p das k tels que peut alors écrire: v p v p p α i v i p v p vi Mais comme f est alterée, pour tout i=,...,p-, v p vi =0. a prouvé que v p =0. Cela état vrai pour toutes familles de p vecteurs de E v,...,v p, f est idetiquemet ulle sur E. Propositio Soit E u k-espace vectoriel de dimesio. esemble des - formes liéaires alterées sur E: (E) est de dimesio sur k. Démostratio Cosidéros ue base e=(e i )! # # #! de E. Cosidéros d autre part ue forme liéaire alterée f sur E aisi qu u -uplets (v,...,v ) de vecteurs de E. Pour i=,..., et j=,..., il existe des scalaires α i j k tels que pour tout j=,...,p,

4 Emmauel Vieillard Baro 4 v j α i j e i Cosidéros aussi l esemble &. peut alors écrire: v α,, i α i f e i e i i k k' ( ) ) ) ( * + des suites à élémets et à valeurs das Remarquos qu il existe ue bijectio évidete etre & et S. Cette bijectio est celle qui à ue suite (i k ) k%! # # #! de & associe la permutatio qui evoie l etier m sur l etier i m. Via cette remarque, o peut écrire: v f état alterée, pour tout σ S, Doc: Soit ecore: et posat v v σ * S α σ, - α σ f e σ σ v σ Π v v v,...,v état vecteurs quelcoques das E: f ε σ v e σ α σ -, α σ ε σ f e e σ * S α σ, - α σ ε σ f e e σ * S σ * S ε σ α σ, - α σ f e e Π Il faut motrer que Π est ue forme multiliéaire et alterée. vérifie sas peie que Π est multiliéaire. Soiet v,...,v vecteurs de E et i,j /. tels que i<j et tels que v i =v j. Π v v i v j v ε σ α σ -, α σ i, i α σ j -, j α σ σ * S ε σ α σ,, α σ i - i α σ j, - i α σ σ * S Soit τ la traspositio qui échage i et j. τ préserve tout les autres élémets de. Doc Π v v i v j v Comme τ=τ, et ε σ 0 τ Π v v i v j v ε σ α σ τ,, α σ τ i, i α σ τ j,, i α σ τ σ * S ε σ, ε σ 0 τ α σ τ, - α σ τ i - i α σ τ j, - i α σ τ σ τ * S

5 Emmauel Vieillard Baro 5 E coclusio ε σ α σ -, α σ i, i α σ j -, i α σ σ * S ε σ α σ,, α σ i - i α σ j, - i α σ σ * S Doc Π v v 0 et Π est bie alterée. ε σ α σ -, α σ i, i α σ j -, i α σ σ * S Défiitio - Propositio Soit E u k-espace vectoriel de dimesio fiie. Soit e=(e,...,e ) ue base de E.. appelle applicatio détermiat das la base e l applicatio multiliéaire alterée qui à vecteurs v j j=,..., de E d écriture v j α i j e i das la base E associe la quatitée det e v v ε σ α σ -, α σ i, i α σ j,, j α σ σ * S Démostratio Nous veos de démotrer que cette applicatio est multiliéaire alterée. Propositio Soit E u k-espace vectoriel de dimesio fiie. Soit e=(e,...,e ) ue base de E et soit det e l applicatio détermiat associée à cette base. Alors det e (e,...,e )=. Démostratio Il suffit de reveir à la défiitio du détermiat. Propositio Soit E u k-espace vectoriel de dimesio fiie. Soit la dimesio de E et soit e=(e,...,e ) ue base de E. Soit f ue applicatio -liéaire alterée. Soiet aussi v,...,v vecteurs de E. v f e e det e v v Démostratio Cette propositio est rie d autre que la ré-écriture de celle démotrée au début de ce paragraphe et qui doe la dimesio de (E). Se reporter doc à la démostratio de cette propositio. Propositio Soit E u k-espace vectoriel de dimesio fiie. Soit la dimesio de E. Soit p /. tel que p2. Alors la dimesio de p (E) est doée par dim p (E)=C p où C p désige le rapport! p!p!. Démostratio Notos & das. Ue suite élémet de & l esemble des suites à p élémets disticts et à valeurs sera otée (i k ) k%! # # #! p. Soiet v,...,v p p vecteurs de E. Pour i=,..., et j=,...,p il existe des scalaires α i j k tels que pour tout j=,...,p

6 Emmauel Vieillard Baro 6 v j α i j e i Si f est ue p-forme liéaire sur E, 43 v p i k k' ( ) ) ) ( p* + α, - i α i p f e i e i a somme précédete est doc prise sur l esemble des suites apparteat à &. Etudios plus précisémet &. Ue suite de & est caractérisée par: esemble des valeurs qu elle peut predre. ordre das lequel elle pred ces valeurs. Désigos par les etier k <...<k p les p valeurs pouvat être prises par ue suite doée de &. Soiet i,...,i p et i,...,i p deux suites de & preat leur valeurs das k k p. Il existe ue uique permutatio σ de S p telle que i σ m =i m pour tout m=,...,p. Réciproquemet si i,...,i p est ue suite de & et que σ est ue permutatio de S p, alors preat ses valeurs das le même esemble que i σ,...,i σ p est ue autre suite de & la suite (i k ) k%! # # #! p. e sous esemble de & des suites qui sot à valeur das k k p peut doc être décrit par l esemble k σ k σ p ;σ S p. E coclusio & être décrit par: & 5 k σ k σ p ;σ S p 6 k 7 # # # 7 k p 6 Ce partitioemet de & permet ue autre écriture de la somme (*): v p Mais comme f est alterée, ceci se ré-écrit: u ecore: v p v p α kσ8 9, - α kσ8 9 p f e kσ8 9 e kσ8 9 6 k 7 # # # 7 k p 6 σ * S p α kσ8 9 -, α kσ8 9 pε σ f e k e k 6 k 7 # # # 7 k p 6 σ * S p α kσ8 9, - α kσ8 9 pε σ- f e k e k 6 k 7 # # # 7 k p 6 σ * S p peut lui expressio etre parethèses est exactemet égale à det ek ( ) ) ) ( (v kp k,...,v kp ). Notos ( pour 2 k <...<k p <) Π k! # # #! k p l applicatio qui à u -uplet (v,...,v ) associe le p- uplet (v k,...,v kp ). Notos aussi e k! # # #! k p la famille libre e k,...,e kp. (*) admet comme écriture: v p det ek ( ) ) ) ( 6 k 7 # # # 7 k p 6 0 Π kp k! # # #! k p v v f e k e k Soit ecore, (v,...,v ) état u -uplet quelcoque de vecteurs de E: f 6 k 7 # # # 7 k p 6 Ce qui est beaucoups plus sympathique. f e k e k det ek ( ) ) ) ( 0 Π kp k! # # #! k p

7 Emmauel Vieillard Baro 7 vérifie sas peie que les foctios det ek ( ) ) ) ( 0 Π kp k! # # #! k p sot des formes p- liéaires alterées. p (E) est doc egedré par l esemble des formes : = det ek ( ) ) ) ( 0 kp Π k! # # #! k p ; 2 k ; ; k p 2. Remarquos que l esemble des p uplets k,...,k p tels que 2 k <...<k p 2 est de cardial C p. Doc : est de cardial C p. Motros pour termier que cette famille est libre. Cosidéros ue famille de scalaires (λ i ) pour i allat de à C p. Re-idiços cette suite de la faço suivate: (λ k! # # #! k p ) 6 k 7 # # # 7 k p 6, ce qui sera bie plus pratique. Supposos que cette suite vérifie: λ k! # # #! k p det ek ( ) ) ) ( 6 k 7 # # # 7 k p 6 0 Π kp k! # # #! k p 0 Par ailleurs, si 2 m <...<m p 2, étudios λ k! # # #! k p det ek ( ) ) ) ( 6 k 7 # # # 7 k p 6 0 Π kp k! # # #! k p e m e mp Chacu des termes det ek ( ) ) ) ( 0 Π kp k! # # #! k p e m e mp est ul sauf celui tel que k =m,...,k p =m p qui vaut. Doc λ m! # # #! m p =0. peut faire ce raisoemet pour tout les p-uplets m,...,m p tels que 2 m <...<m p 2, ce qui prouve que chacu des λ m! # # #! m p est ul et que la famille : est libre. uf!!! 4 Détermiat d ue matrice, d ue applicatio liéaire Défiitio Soit M=(α i j ) i! j%! # # #! ue matrice carrée à coefficiets das le corps k. appelle détermiat de la matrice M et o ote det(m) le détermiat des vecteurs dot les coordoées ( das la base caoique de k ) sot doées par les coloes de M: det M ε σ α σ -, α σ i, i α σ j -, j α σ σ * S Propositio Soit E u k-espace vectoriel de dimesio égale à. Soiet e=(e,...,e ) et e =(e,...,e ) deux bases de E. Alors: det e (e,...,e ).det e< (e,..,e )= ( det e (e,...,e ) est iversible das k d iverse det e< (e,..,e ). Démostratio applicatio qui au -uplets (v,...v ) de vecteurs de E associe det e< (v,...,v) est -multiliéaire alterée. Doc det e< (v,...,v )=det e< (e,...,e ).det e (v,..,v ). Mais det e< (e,...,e )= doc det e< (e,..,e ) est iversible das k d iverse celui précisé das la propositio. Défiitio - Propositio Soit f ue applicatio liéaire défiie sur le k-espace vectoriel E de dimesio fiie. Soit e ue base de E. Si M e ( f ) désige la matrice de f das la base E, alors o appelle détermiat de f le scalaire de k det( f )=det M e ( f ).

8 Emmauel Vieillard Baro 8 Démostratio Soit =dim E. Il s agit bie évidemmet de motrer que si e est ue autre base de E alors det e M e ( f )=det e< M e< ( f ), ce qui garatira le ses de cette défiitio. Rappelos que M e ( f ) est la matrice dot les vecteurs coloes sot doées par les coordoées des f e i pour i=,..., das la base e. Doc det e M e ( f )=det e (f(e ),...,f(e )). De même det e< M e< ( f )=det e< (f(e ),...,f(e )). Itéressos ous à l applicatio qui au -uplet (v,...,v ) de vecteurs de E associe det e (f(v ),...,f(v )). Cette applicatio est -liéaire alterée. Doc det e (f(v ),...,f(v )) = det e (f(e ),...,f(e )) det e (v,...,v ). E particulier, det e (f(e ),...,f(e )) = det e (f(e ),...,f(e )) det e (e,...,e ). Soit ecore: det e f e= f e=- det e M e f, det e e= e= D autre part l applicatio qui au -uplets (v,...v ) de vecteurs de E associe det e< (v,...,v) est elle aussi -multiliéaire alterée. Doc det e< (v,...,v )=det e< (e,...,e ) det e (v,..,v ). Si o applique cette formule au -uplets: (f(e ),...,f(e )), o obtiet det e< (f(e ),...,f(e )) = det e< (e,...,e ) det e< (f(e ),..,f(e )). Ce qui s écrit aussi: det e< f e=> f e=, det e< M e< f, det e< e e aboutit à l égalité: det e M e f - det e e= e= det e< M e< f - det e< e e E vertu de la propositio précédete ( det e (e,...,e ).det e< (e,..,e )= ), cela doe det e M e f - det e< M e< f - Doc det(f) est bie idépedat de la base choisie. 5 Quelques propriétés du détermiat Propositio Si f et g sot deux edomorphismes du k-espace vectoriel E alors det g 0 f det g det f Démostratio Soit la dimesio de E et soit e=(e,...,e ) ue base de E. Cosidéros l applicatio qui au -uplet (v,...,v ) de vecteurs de E associe det e (g(v ),...,g(v )). Cette applicatio est -multiliéaire alterée. Doc det e g v g v - det e g e > g e, Appliquos cette formule au -uplet (f(v ),...,f(v )), o obtiet det e g f e - g f e -, det e g e g e, det e v v det e f e > f e,

9 Emmauel Vieillard Baro 9 ce qui est exactemet det g 0 f det g det f Propositio Soit M=(α i j ) i! j%! # # #! ue matrice carrée à coefficiets das le corps k. Soit t M la trasposée de la matrice M. Alors det(m)=det( t M). α=i j Démostratio Si M=(α i j ) i! j%! # # #! alors t M=(α=i j ) i! j%! # # #! avec pour tout i,j=,..., α ji et det t M ε,, σ α=σ α=σ σ * S ε σ α, - σ α σ σ * S Comme les applicatios σ de S sot des bijectios, que le multiplicatio est commutative, o peut écrire: α -, σ α σ α, - σ? α σ? De plus, ε état u morphisme de groupes multiplicatifs, ε σσ = et doc ε σ ε σ. Cela doe det t M ε σ α σ, - α σ σ * S Propositio Soit M ue matrice triagulaire par bloc. M A@ M M= 0 M 2 B ù M et M 2 sot des matrices carrés. e détermiat de M est égal au produit det(m ) det(m 2 ). Démostratio suppose que M est ue matrice carrée à coloes. suppose que M possède m coloes. M 2 possède doc -m coloes. Notos aussi M=(α i j ) i! j%! # # #!. Cosidéros = σ S ;σ m m. Si σ est pas élémet de alors i C m tel que σ D i m E. Pour cet etier i, a σ i i=0 et ε σ α σ, -, α σ 0 Doc det M ε σ α σ -, α σ σ *GF Mais si σ alors σ m m et σ m E m E. σ est le produit d ue permutatio de m et d ue permutatio de me. Notos S m l esemble des permutatios de m E. obtiet: det M ε σσ= α σ, α σ m m α σ< m m, α σ< σ * S m σ< * S<? m

10 Emmauel Vieillard Baro 0 ε σ α σ, α σ m m ε σ= α σ< m m, α σ< σ * S m σ< * S<? m det M det M 2 Corollaire Soit M ue matrice triagulaire ( supérieure ou iférieure ) à coefficiets das u corps k. Alors le détermiat de M est égal au produit des élémets diagoaux de M. Démostratio Itéressos ous e u premier temps aux matrices triagulaires supérieures. remarque que si M est d ordre, so détermiat est clairemet égal à so (seul ) coefficiet diagoal. Supposos que la propriété est vraie pour toutes les matrices d ordre -. Soit M ue matrice d ordre. Ecrivos M sous la forme A H@ λ I-I,I 0 M= B où M est ue matrice triagulaire supérieure d ordre - et où λ est le premier coefficiet diagoale de M. a propriété précédete permet d affirmer que det(m)=λ M. Appliquos l hypothèse de récurrece: le détermiat de M est égal au produit des coefficiets diagoaux de M. e détermiat de M est alors bie égal au produit de ses coefficiets diagoaux et le théorème est démotré. Corollaire applicatio idetique Id sur le k-espace vectoriel de dimesio fii E vérifie det(id)=. Démostratio E effet, la représetatio matricielle de Id das ue base de E est la matrice dot les coefficiets diagoaux sot tous égaux à et qui a tout ses autres coefficiets égaux à 0. e détermiat d ue applicatio liéaire état celui d ue de ses représetatios matricielles, o obtiet le résultat prévu. 6 Méthodes de calcul du détermiat Propositio Soit M ue matrice carrée d ordre à coefficiet das k. e chage pas la valeur du détermiat de M e: Effectuat ue opératio élémetaire sur les coloes de M. Effectuat ue opératio élémetaire sur les liges de M. Démostratio Si M=(α i j ) i! j%! # # #! alors M est composée des vecteurs coloes NP v j KJ M α j α 2 j. α j Q

11 Emmauel Vieillard Baro e détermiat de M est égal, par défiitio du détermiat d ue matrice, au détermiat de ces vecteurs. Effectuer ue opératio sur les coloes de M reviet à additioer λv i où λ k et i à ue des coloes C j de M. Soit M la matrice obteue e additioat λv i à la jième coloe de M. a: det M= Par multiliéarité du détermiat, ceci deviet: det v v i v j E λv i v det M= det v v i v j v E λdet v v i v i v et comme le détermiat est alteré, det v v i v i v 0 et det M= det v v det M Pour ce qui est des opératios élémetaires sur les liges il suffit de cosidérer la trasposée de M: ue opératio élémetaire sur les liges de M est ue opératio élémetaire sur les coloes de t M, puis d appliquer ce qui viet d être démotré. Propositio Soit M ue matrice carrée d ordre. Soit λ k. det λm λ det M Démostratio Comme précédemet il suffit de remarquer que si v,...,v sot les vecteurs coloes costituat la matrice M alors λv,...,λv sot ceux qui costituet λm et det λm det λv λv applicatio détermiat état -liéaire, o aboutit à l égalité det λm λ det v v λ det M Propositio Soit M ue matrice carrée d ordre. chage le sige du détermiat de M si: permute deux coloes de M. permute deux liges de M. Démostratio M est costituée des vecteurs coloes v i i=,...,. e détermiat de M est égale au détermiat de ces vecteurs. Permuter deux coloes de M reviet à permuter les deux vecteurs corespodats das la liste (v,...,v ). Supposos que les vecteurs permutés soiet le ième et le jième (i<j), applicatio détermiat

12 J M Q Emmauel Vieillard Baro 2 état alterée, det(v,...,v i,...,v j,...,v )=-det(v,...,v j,...,v i,...,v ), cqfd. Pour ce qui est des liges, il suffit de cosidérer la trasposée de M. Propositio Développemet du détermiat par rapport à ue lige ou ue coloe Soit M=(α i j ) i! j%! # # #! ue matrice carrée d ordre à coefficiets das k. Soit M pq la matrice carrée d ordre - M pq α i j i! j%! # # #! ir % p jr % q e détermiat de M admet comme développemet par rapport à la jième coloe: et par rapport à la ième lige: det M det M j% i j α i j det M i j i j α i j det M i j Démostratio Cosidéros là ecore les vecteurs coloes de M v j KJ M α j α 2 j. α j Cosidéros aussi la base caoique e de k. Pour tout j=,...,. v j NP α i j e i. e détermiat de M est égal au détermiat des vecteurs v j. Cosidérat le jième vecteur, par multiliéarité de l applicatio détermiat, det M det v v α i j det v v j e i v i v Représetat les vecteurs (v,...,v j,e i,v i,...,v ) par ue matrice M, o obtiet pour M l écriture: NP α I-I,I α j 0 α j I,I-I α M=.. 0. I-I,I. I,I-I α i I-I,I α i j 0 α i j I,I-I α i α i I-I,I α i j α i j I,I-I α i α i I-I,I α i j 0 α i j I,I-I α i. I-I,I. 0. I,I-I. α I-I,I α j 0 α j I,I-I α.. Q

13 Q Emmauel Vieillard Baro 3 Par traspositio des liges et des coloes de M, o trasforme la matrice M e la matrice M : M= = J M α 2 I,I-I α j α j I,I,I α 0. M i j 0 M est triagulaire par bloc. De plus, comme M est obteue à effectuat i- traspositios sur les liges de M et j- traspositio sur les coloes de M, le det(m )=(- ) i j det(m ). Mais det(m )=det(m i j ). Doc det M α i j i j det M i j Pour ce qui est du développemet suivat les liges, il suffit de refaire le même calcul avec la trasposée de M. Défiitio Soit M=(α i j ) i! j%! # # #! ue matrice carrée d ordre. Soit M pq la matrice carrée d ordre - M pq α i j i! j%! # # #! ir % p jr % q appelle matrice adjoite de la matrice M la matrice carré d ordre M =(α=i j ) i! j%! # # #! où S i,j=,...,, α i j =(-) i j det(m i j ). Défiitio appelle comatrice de la matrice carrée M la trasposée de la matrice adjoite de M. Propositio Si M est ue matrice carrée d ordre et que MT est la comatrice de M alors M.MT =MT.M=det(M).Id. Démostratio Supposos que M=(α i j ) i! j%! # # #! et que MT =M=(α=i j ) i! j%! # # #!. Alors M.MT =(β i j ) i! j%! # # #! avec β i j α ik α=k j k%. Doc 43 β i j k% j k α ik det M jk Supposos que i j et remplaços das la matrice M la jième lige par la ième. Développos esuite cette derière matrice suivat cette jième lige. obtiet pour le détermiat de cette matrice exactemet l expressio (*). Mais cette matrice possédat deux liges égales a u détermiat ul. Doc si i j, β i j =0. Si i=j, β i j k% j k α ik det M ik qui est exactemet égale au développemet de det(m) suivat la ième lige. doc β ii =det(m). E coclusio M.MT =det(m).id. NP

14 V Emmauel Vieillard Baro 4 Travaillos maiteat sur le produit MT.M. Posos ici ecore MT.M=(β i j ) i! j%! # # #! avec β i j k% α=ik α k j. Doc 43U3 β i j k% j k det M ki α k j Si i j, o remplace la ième coloe de M par la jième. Développat cette ouvelle matrice suivat cette ième coloe, o obtiet exactemet l expressio (**). termie alors comme précédemmet. Théorème Soit M ue matrice carrée d ordre. M est iversible das l aeau (k) si et seulemet si so détermiat est o ul. De plus, das le cas où M est iversible, la matrice iverse de M est égale à, MT état la matrice adjoite de M M det M, MT et det M det M, Démostratio Si M est ue matrice carrée iversible, alors il existe ue matrice N de même ordre que M telle que M.N=N.M=Id. Doc det(m.n)=det(id)=. Mais det(m.n)=det(m).det(n). Doc det(m) est iversible das k ( et est par coséquet o ul) et det M det M- Supposos que det(m) est o ul et calculos. Notos MT la matrice adjoite de M. a propositio précédete doe M.MT = MT.M = det(m).id. Comme det(m) est o ul, det(m) est iversible et il e est de même de M. obtiet alors exactemet l expressio voulue pour M. e calcul de la matrice adjoite d ue matrice offre doc u moye de calculer l iverse de cette matrice. Ce calcul est cepedat souvet très laborieux. Cette techique est utilisée e particulier pour résoudre des systèmes d équatios du premier degré.(système de Cramer).

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Cours d analyse numérique SMI-S4

Cours 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 détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

Petit recueil d'énigmes

Petit recueil d'énigmes Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

Copyright 2001 2006 Hewlett-Packard Development Company, L.P.

Copyright 2001 2006 Hewlett-Packard Development Company, L.P. Guide des logiciels Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu élémet de ce documet

Plus en détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé OPTIK. Plus spectaculaire que jamais. Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise

Plus en détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Chapitre 2. Matrices

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 détail