Notes du cours d Analyse Numérique Matricielle. Daniele A. Di Pietro
|
|
- Maurice Martel
- il y a 6 ans
- Total affichages :
Transcription
1 Notes du cours d Analyse Numérique Matricielle Daniele A Di Pietro AA 26 27
2 Table des matières Rappels et compléments d algèbre linéaire 3 Quelques définitions 3 2 Valeurs et vecteurs propres, rayon spectral déterminant 8 3 Noyau et image d une matrice 4 Décompositions d une matrice 4 Matrices diagonalisables 42 Décomposition de Schur 43 Décomposition en valeurs singulières 2 5 Normes matricielles 3 6 Exercices 7 2 Méthodes directes 2 2 Solution numérique des systèmes linéaires 2 2 onditionnement d une matrice 2 22 Analyse a priori 2 22 Opérations élémentaires Méthode de Gauss Factorisation A = LU Existence et unicité de la factorisation A = LU Pivoting partiel et factorisation PA = LU Résolution de systèmes linéaires Autres factorisations Matrices SDP : La factorisation de holesky Matrices rectangulaires : La factorisation A = QR 3 25 Matrices creuses 3 25 Matrices tridiagonales : La méthode de Thomas Matrices creuses non structurées Exercices 36 3 Méthodes itératives 38 3 Généralités Méthodes de point fixe Formulation abstraite basée sur une décomposition régulière Les méthodes de Jacobi et Gauss Seidel La méthode du gradient Méthode du gradient conjugué 44
3 33 Vecteurs A-conjuguées La méthode du gradient conjugué Méthodes basées sur les espaces de Krylov Espaces de Krylov Retour sur la méthode du gradient conjugué L algorithme de Gram Schmidt Arnoldi Principe des méthodes de Arnoldi et GMRes 5 35 Exercices 52 2
4 hapitre Rappels et compléments d algèbre linéaire Quelques définitions Soit m et n deux entiers positifs et soit K un corps commutatif Par la suite seuls les cas K = R et K = seront considérés, et les éléments de K seront de ce fait appelés scalaires Une matrice à m lignes et n colonnes est un ensemble de mn scalaires (dits éléments de la matrice) indexés par les éléments du produit cartésien I J avec I := J,mK et J := J,nK : a ij 2 K,applei apple m, apple j apple n Les indices i et j sont dits, respectivement ligne et colonne de a ij En effet, on peut interpréter le couple d indices (i, j ) comme les coordonnées de l élément a ij dans le tableau suivant : a a 2 a n a A = 2 a 22 a a m a m2 a mn Par la suite on utilisera la notation A =(a ij ) pour indiquer que l élément générique de la matrice A est noté a ij (les intervalles I et J ne seront précisés si on peut les déduire du contexte) La notation (A) ij pourra également être utilisée pour indiquer l élément d indices (i, j ) Pour tout apple i apple m on définit le vecteur ligne i de A (noté A i : ) comme suit : A A i : := a i a i 2 a im 2 R m De manière analogue, pour tout apple j apple m on définit le vecteur colonne j de A (noté A : j ) par A : j a j a 2j a nj A 2 Rn On peut identifier chaque ligne i (resp colonne j ) de A avec le vecteur ligne A i : (resp vecteur colonne A : j ) correspondant, et on parlera alors tout simplement de lignes et de colonnes de A Une matrice qui a autant de lignes que de colonnes est dite carrée Les matrices non carrées sont dites rectangulaires 3
5 Définition (Matrice triangulaire, strictement triangulaire et diagonale) Une matrice A 2 n,n est dite triangulaire supérieure (resp inférieure) si i > j =) a ij = (resp i < j =) a ij = ) pour tout apple i, j apple n Si les inégalité strictes sont remplacées par des inégalités simples, on parle alors de matrice strictement triangulaire supérieure (resp inférieure) Une matrice (strictement) triangulaire inférieure ou supérieure est dite (strictement) triangulaire La matrice A est dite diagonale si i 6= j =) a ij = pour tout apple i, j apple n Exercice 2 (Matrice triangulaire, strictement triangulaire et diagonale) Dire si les matrices suivantes sont triangulaires, strictement triangulaires ou diagonales : 2 2 2A Définition 3 (Matrice de Hessenberg) Une matrice A 2 n+,n est dite de Hessenberg supérieure si i > j + =) a ij = Par la suite nous omettrons d indiquer les éléments nuls des matrices triangulaires, diagonales ou de Hessenberg Définition 4 (Transposée et transconjuguée d une matrice) Soit A =(a ij ) 2 m,n On définit la transposée et la transconjuguée (ou matrice adjointe) de A respectivement par A T :=(a ji ) 2 n,m, A H :=(a ji ) 2 n,m Example 5 (Transposée et transconjuguée) On considère la matrice suivante : 2 + 3i 3 + 4i A = + 5i 3 + 7i Sa transposée et transconjuguée sont données, respectivement, par 2 + 3i + 5i 2 3i 5i A T =, A H = 3 + 4i 3 + 7i 3 4i 3 7i Exercice 6 (Propriété de la transconjuguée) Vérifier que (i) Pour toutes matrices A, 2 n,m, (ii) Pour tout scalaire 2 et toute matrice A 2 n,m, (A + ) H = A H + H ; () ( A) H = A H Soient l, m, n 2 N, A =(a ij ) 2 n,m, =(b ij ) 2 m,l On définit le produit matriciel A 2 n,l comme la matrice telle que (A) ij = mx a ik b kj 8i 2 J,nK, 8 j 2 J,l K k= Le produit matriciel est illustré dans la Figure 4
6 a a 2 a m a 2 ; a 22 ; a 2m ; a n a n2 a A A 2 n,m b b 2 ; b l b 2 b 22 ; b 2l b m b m2 ; b A 2 m,l c c 2 c l c 2 c 22 ; c 2l c n c n2 c A a 2 b 2 a 22 b 22 a 2p b p = A 2 n,l FIGURE Produit matriciel Figure adaptée de Alain Matthes, com/pages/exampleshtml 5
7 Proposition 7 (Propriétés du produit matriciel) Le produit matriciel est (i) associatif, à savoir, pour tout A,, et pour lesquelles les produits ont un sens, on a (A) = A()= A ; (ii) distributif par rapport à addition, à savoir, pour toutes matrices A,, pour lesquelles l écriture A( + ) a un sens on a A( + )=A + A Il est important de retenir que le produit matriciel n est pas commutatif Exercice 8 (Produit matriciel) Soient A 2 R 2,3 et 2 R 3,3 définies comme suit : A := , 7 3 2A On a A = Précisez si les produits A et A T sont définis et, si c est le cas, les calculer Proposition 9 (Produit de deux matrices triangulaires) Soient A, 2 R n,n deux matrices triangulaires inférieures (resp supérieures) Alors, A est triangulaire inférieure (resp supérieure) Démonstration On détaille la preuve pour le cas triangulaire inférieure, l autre cas pouvant se traiter de manière analogue Par définition nous avons Par conséquent, i < j =) (A) ij = (i < k =) a ik = ) et k < j =) b kj = a ik b kj = k= ix k= a ik b kj {z} = + k=i + a ik {z} = b kj = Example (Produit de deux matrices triangulaires) On considère les deux matrices triangulaires inférieures 8 A 2 3 A, 2 4 A On a 8 A 22 2 A 49 6 La preuve de la proposition suivante est laissée en exercice Proposition (Transposé et transconjugué d un produit) Pour tout A 2 n,m et 2 m,l on a (A) H = H A H, (A) T = T A T 6
8 Exercice 2 (Transposé et transconjugué d un produit) Reprendre les matrices de l Exercice 8 et vérifier que (A) T = T A T Définition 3 (Matrice hermitienne et symétrique) Une matrice complexe A 2 n,n est dite hermitienne si A H = A Une matrice réelle A 2 R n,n est dite symétrique si A T = A Example 4 (Matrice hermitienne et symétrique) Les matrices suivantes sont, respectivement, hermitienne et symétrique + i 2 + i 2 A i 2 3+ i A, 2 3A 2 i 3 i Que peut-on dire des éléments diagonaux d une matrice hermitienne? Définition 5 (Matrice normale, unitaire et orthogonale) Soit A 2 n,n On dit que A est normale si AA H = A H A Si, de plus, AA H = A H A = I n on dit que A est unitaire SiA2 R n,n, on dit que A est orthogonale si AA T = A T A = I n Il est utile de rappeler que les produits scalaires canoniques sur R n et n sont définis, respectivement, par (x, y ) R n := y T x, 8x, y 2 R n, (x, y ) n := y H x, 8x, y 2 n Quand le contexte rende la notation non ambiguë, nous allons omettre l indice pour le produit interne de R n Remarque 6 (Matrices unitaires et norme 2) La dénomination des matrices unitaires se justifie par la remarque suivante Soit k k 2 la norme vectorielle sur n définie par kx k 2 2 := (x, x ) n = x H x Alors, pour tout x 2 n, kuxk 2 2 =(Ux,Ux) n =(Ux)H Ux = x H U H Ux = x H x = kx k 2 2, à savoir, la multiplication par une matrice unitaire ne modifie pas la norme d un vecteur Plus généralement, pour tout x, y 2 n, on a (Ux,Uy) n =(Uy) H Ux = y H U H Ux = y H x =(x, y ) n, à savoir, les matrices unitaires préservent le produit scalaire Example 7 (Matrice élémentaire unitaire) Soit w 2 n tel que (w, w ) n = w H w = On définit A := I n 2ww H (2) Une matrice de la forme (2) est dite élémentaire On peut vérifier que A est unitaire En effet A H A =(I n 2ww H ) H (I n 2ww H ) =(I n 2ww H )(I n 2ww H ) Éq (), Proposition = I n 4ww H + 4(ww H )(ww H ) Proposition 7, distributivité = I n 4ww H + 4w (w H w ) {z } = = I n 4ww H + 4ww H = I n w H 7 Proposition 7, associativité
9 Définition 8 (Inverse d une matrice) Soit A 2 n,n On dit que A est inversible s il existe 2 n,n telle que A = A= I n est dit inverse de la matrice A et elle est notée A On vérifie aisément que l inverse d une matrice, si elle existe, est unique Pour s en convaincre, soit A 2 n,n une matrice inversible et, 2 n,n deux matrices telles que A = A= A = A= I n De par la Proposition 7 on a A = A =) A= A =) (A) = (A)=) I n = I n =) = Par définition, en outre, toute matrice A 2 n,n (resp A 2 R n,n ) unitaire (resp orthogonale) est inversible avec A = A H (resp A = A T ) Il est utile de considérer l inverse de la transposée d une matrice On a, par définition, I n =(A T ) A T () I T n = (A T ) A T T () In = A (A T ) T = AA, à savoir (A ) T =(A T ) ette remarque suggère la définition suivante Définition 9 (Inverse transposée) Soit A 2 n,n inversible On définit la matrice inverse transposée de A par A T :=(A ) T =(A T ) Proposition 2 (Inverse d un produit) Pour tout A, 2 n,n inversibles telles que A est inversible on a (A) = A Démonstration On a que ( A )(A)= (A A) = I n = = I n, où nous avons utilisé l associativité du produit matriciel (voir Proposition (7)) dans la première inégalité D autre part, en procédant de façon similaire, on a que (A)( A )=A( )A = AI n A = AA = I n La conclusion s ensuit par la Définition (8) de l inverse 2 Valeurs et vecteurs propres, rayon spectral déterminant Définition 2 (Valeurs et vecteurs propres) Soit A 2 n,n Un nombre propre de A s il existe un vecteur x 2 n non nul tel que 2 est une valeur Ax = x On dit dans ce cas que x 2 n est un vecteur propre associé à la valeur propre des valeurs propres d une matrice A, noté (A), est dit spectre de A L ensemble Les valeurs propres sont par définition les solutions de l équation caractéristique p A ( ) := det(a I )= omme p A est un polynôme de degré n, il admet précisément n racines complexes (non nécessairement distinctes) 8
10 Proposition 22 (Valeurs propres de l inverse d une matrice) Pour toute matrice A 2 n,n inversible on a 2 (A) =) 2 (A ) (3) Démonstration On verra plus loin (Théorème 3) que l inversibilité de A implique que toutes ses valeurs propres soient non nulles omme 2 (A), il existe x 2 n non nul tel que Ax = x () x = A Ax = A x () x = A x, ce qui prouve que 2 (A ) Définition 23 (Matrice HDP et SDP) Une matrice A 2 n,n est HDP si elle est hermitienne et définie positive, à savoir, (Ax, x ) n > 8x 2 n \{ 2 n } Une matrice A 2 R n,n est SDP si elle est symétrique et définie positive Proposition 24 (Valeurs propres d une matrice HDP/SDP) Soit A 2 n,n (resp A 2 R n,n ) une matrice HDP (resp SDP) Alors, toutes les valeurs propres de A sont réelles et strictement positives Démonstration On détaille la preuve uniquement pour le cas HDP, l autre étant similaire Soit une valeur propre de A et x 2 n \{2 n } un vecteur propre associé Alors, Ax = x =) < x H Ax = x H x = kx k 2 2 =) = x H Ax kx k 2 2 Nous admettrons le résultat suivant 2 R + Proposition 25 (Valeurs propres d une matrice triangulaire) Les valeurs propres d une matrice triangulaire sont ses éléments diagonaux Définition 26 (Rayon spectral) Soit A 2 n,n On définit son rayon spectral comme la plus grande valeur propre en valeur absolue, (A) := max 2 (A) Le rayon spectral n est pas une norme matricielle (voir Section 5), car on peut avoir (A)= sans que A soit nulle (il suffit de prendre une matrice triangulaire non nulle avec diagonale nulle pour s en convaincre) Définition 27 (Déterminant) Soit A 2 n,n Le déterminant de A est donné par Y det(a) := Le déterminant d une matrice permet de décider de son inversibilité Plus précisément, une matrice est inversible si et seulement si son déterminant est non nul De par la Proposition 22 on a, en outre, que Y Y det(a )= = = det(a) 2 (A) 2 (A ) 9 2 (A)
11 3 Noyau et image d une matrice Soit A 2 R m,n et A le sous-espace vectoriel de R m engendré par ses colonnes, A := span(a : j ) apple j applen L image de A est le sous-espace vectoriel de R m défini par range(a) := {Ax : x 2 R n } Le noyau de A est la préimage du vecteur nul de R m par l application linéaire associée à A, ker(a) := {x 2 R n : Ax = 2 R m } Proposition 28 (Image d une matrice) On a A = range(a) Démonstration Il suffit de remarquer que le résultat de la multiplication (à droite) d une matrice A 2 R m,n par un vecteur x 2 R n est la combinaison linéaire des colonnes de la matrice avec coefficients donnés par les composantes de x,! (Ax) i = A ij x j 8i 2 J,mK () Ax = A : j x j Définition 29 (Rang d une matrice) On définit le rang d une matrice comme la dimension de son image, rank(a) := dim(range(a)) Proposition 3 (Propriétés du rang d une matrice) Soit A 2 R m,n Nous avons rank(a)= rank(a T ) et rank(a)+dim(ker(a)) = n Le résultat suivant, que l on admettra, établit un lien entre le déterminant, le rang, et le noyau d une matrice et son inversibilité Théorème 3 (aractérisation des matrices inversibles) Soit A 2 R n,n Les propriétés suivantes sont équivalentes : (i) A est inversible; (ii) det(a) 6= ; (iii) ker(a) ={ 2 R n }; (iv) rank(a)=n ; (v) les colonnes et les lignes de A sont linéairement indépendantes Les résultats de cette section s étendent sans difficulté au cas de matrices complexes 4 Décompositions d une matrice Il est souvent utile de décomposer une matrice en un produit de plusieurs matrices Dans cette section nous allons rappeler quelques décompositions importantes dans les applications numériques
12 4 Matrices diagonalisables Définition 32 (Matrice diagonalisable) Une matrice A 2 n,n est diagonalisable s il existe une matrice Q 2 n,n inversible telle que A = Q Q avec 2 n,n matrice diagonale Proposition 33 (Valeurs et vecteurs propres d une matrice diagonalisable) Soit A 2 n,n une matrice diagonalisable Alors, en reprenant la notation de la Définition 32, contient les valeurs propres de A et les colonnes de Q sont des vecteurs propres associés Démonstration En multipliant à droite par Q la relation A = Q Q on obtient AQ = Q, ou, de façon équivalente, où nous avons noté j =( ) jj AQ : j = Q : j = j Q : j 8 apple j apple n, La Proposition 33 suggère le résultat suivant, que nous admettrons Théorème 34 (aractérisation d une matrice diagonalisable) Une matrice A 2 n,n (resp A 2 R n,n ) est diagonalisable si et seulement si on peut construire une base de n (resp R n ) formée de vecteurs propres de A Dans certains cas, on peut prouver des propriétés additionnelles pour la matrice Q qui apparaît dans la Définition 32 Un exemple à retenir est donné dans le lemme suivant, qui affirme que les matrices normales sont les seules matrices unitairement semblables à des matrices diagonales Lemme 35 (Diagonalisation d une matrice normale) La matrice A 2 n,n est normale si et seulement s il existe une matrice unitaire U 2 n,n telle que U AU = U H AU = := diag(,, n), avec,, n 2 valeurs propres de A 42 Décomposition de Schur Pour une matrice générique, on peut prouver uniquement qu elle est unitairement semblable à une matrice triangulaire, comme l affirme le résultat suivant Théorème 36 (Décomposition de Schur (DS)) Pour toute A 2 n,n il existe U 2 n,n unitaire telle que b 2 b n U AU = U H 2 b AU = A := T, où,, n 2 sont les valeurs propres de A n
13 On pourra remarquer que, si T et une matrice carrée triangulaire supérieure, sa décomposition de Schur s obtient en posant U = I n eci implique, en particulier, que les valeurs propres de T sont ses éléments diagonaux e résultat s applique également aux matrices triangulaires inférieures Le corollaire suivant montre une autre conséquence importante de la DS, à savoir, toute matrice hermitienne est diagonalisable orollaire 37 (Valeurs propres et DS des matrices complexes hermitienne et réelles symétriques) Si la matrice A 2 n,n est hermitienne, T est diagonale, i 2 R pour tout apple i apple n, et les lignes de U (ou, de manière équivalente, les colonnes de U H = U ) sont des vecteurs propres de A D une même manière, si la matrice A 2 R n,n est symétrique, T est diagonale, i 2 R pour tout apple i apple n, U est à valeurs réelles et orthogonale, et ses lignes (ou, de manière équivalent, les colonnes de U T = U ) sont des vecteurs propres de A Démonstration On se limite à prouver le premier point omme A est hermitienne on a T H =(U H AU ) H = U H A H U = U H AU = T, ce qui implique T = diag(,, n) et, pour tout apple i apple n, i = i () =( i )= () i 2 R Pour prouver que les lignes de U sont des vecteurs propres on procède comme dans la preuve de la Proposition 33 en observant que U = U H 43 Décomposition en valeurs singulières Toute matrice A 2 m,n peut être transformée en une matrice diagonale rectangulaire à l aide de deux matrices unitaires Théorème 38 (Décomposition en valeurs singulières (DVS)) Pour toute A 2 m,n existent deux matrices unitaires U 2 m,m et V 2 n,n telles que il U H AV = = diag(, p ) 2 R m,n p := min(m,n) Les réels apple apple apple p sont dits valeurs singulières de A Si, de plus, A 2 R m,n, on a U 2 R m,m et V 2 R n,n et on peut écrire U T AV = Proposition 39 (aractérisation des valeurs singulières) Soit A 2 n,n Ona Démonstration On a i (A)= i (A H A) 8 apple i apple n H =(U H AV ) H U H AV = V H A H U H UAV = V H A H AV = V A H AV où nous avons utilisé le fait queu et V sont unitaires pour conclureu H U = I n et V H = V La matrice diagonale H contient les valeurs propres de A H A et V ses vecteurs propres Pour s en convaincre, il suffit de procéder comme dans la preuve de la Proposition 33 omme H 2 = diag( i applei applen et i (A) pour tout apple i apple n, on a donc i (A H A)= i (A) 2 () i (A)= i (A H A) 2
14 orollaire 4 (Valeurs singulières et rayon spectral d une matrice hermitienne) Si A 2 n,n est une matrice hermitienne, on a i (A)= i (A) 2 = i (A), (A)=max i (A)=kAk 2 applei applen Démonstration omme A est hermitienne on a A H A = A 2 Or, soit A et x 2 n un vecteur propre associé Alors une valeur propre de Ax = x =) AAx = Ax = 2 x, à savoir, i (A H A)= i (A 2 )= i (A) 2 = i (A) 2 pour tout apple i apple n Par la Définition 26 de rayon spectrale, on a de plus max applei applen i (A)=max applei applen i (A) = (A) La conclusion s ensuit de la Proposition 46 plus bas 5 Normes matricielles Définition 4 (Norme matricielle) Soit K un corps commutatif Une norme matricielle sur K n,n est une application k k de K n,n dans R telle que, pour tout A 2 K n,n, (i) kak > si A 6= et kak = si et seulement si A = 2 K n,n ; (ii) k Ak = kak pour tout 2 K; (iii) ka + kapplekak + k k pour tout 2 K n,n Remarque 42 (Norme sous-multiplicative) Afin d identifier des normes matricielles d intérêt pratique, on ajoute souvent la propriété suivante : pour toutes matrices A 2 R n,m et 2 R m,q, kakapplekakk k Une norme matricielle qui satisfait cette propriété s appelle sous-multiplicative On verra dans la Proposition 47 que les normes subordonnées définies plus bas sont sous-multiplicatives Dans le reste de cette section nous allons supposer A 2 R n,n sans nécessairement le préciser à chaque fois Définition 43 (Norme matricielle subordonnée à une norme vectorielle) Soit k k une norme vectorielle sur R n On définit la norme matricielle subordonné à la norme vectorielle k k par 8A 2 R n,n kaxk, kak := sup x 2R n, x 6= kx k Remarque 44 (Définitions alternatives d une norme subordonnée) Soit k k une norme vectorielle sur R n La norme matricielle subordonnée à k k vérifie pour tout A 2 R n,n, kak = sup x 2R n,kx k= kaxk = 3 sup x 2R n,kx kapple kaxk
15 Des normes matricielles particulièrement importantes sont les normes p subordonnées aux normes vectorielles définies par Ç n å X p 8x 2 R n, kx k p := x i p, (4) avec p 2 N et ette définition s étend à p réel utilisées en pratique i = kx k := max x i (5) applei applen, mais les valeurs entières de p sont les plus souvent Proposition 45 (Norme d un produit matrice-vecteur) Soit k k une norme matricielle subordonnée à la norme vectorielle k k Alors pour toute matrice A 2 R n,n et tout vecteur x 2 R n, kaxkapplekakkx k Démonstration Par définition on a kak := kayk sup y 2R n, y 6= ky k kaxk kx k, où la deuxième inégalité vient de la définition de supremum Proposition 46 (Normes, 2 et ) On a kak 2 = ka T k 2 = max applei applen i (A), (6) kak = max apple j applen a ij, (7) kak = max applei applen i = a ij (8) Démonstration Soit A 2 R n,n ) Preuve de (6) On commence par remarquer que la matrice A T A est symétrique De par le orollaire 37, il existe une matrice orthogonale U 2 R n,n telle que UA T AU T = = diag( (A T A),, n(a T A)) où on a noté i (A T A), apple i apple n, les valeurs propres de A T A (le fait que ces valeurs propres soient non négatives est une conséquence de la Proposition 39) Nous avons alors que kak 2 = sup x 2R n,kx k 2 = = sup x 2R n,kx k 2 = kaxk 2 Définition 43 p x T A T Ax Eq (4) p = sup x T U T Ux x 2R n,kx k 2 = p = sup y T y y 2R n,ku T y k 2 = = sup y 2R n,ky k 2 = = max applei applen A T A = U T U y := Ux p y T y Remarque 6 i (A T A)=max applei applen 4 i (A), Proposition 39
16 ce qui prouve le premier point 2) Preuve de (7) Pour tout x 2 R n on a que kaxk = i = Par conséquent, a ij x j apple i = kak = a ij x j = sup x 2R n,kx k = Ç n å Ç X x j a ij apple i = kaxk apple max apple j applen max apple j applen å a ij kx k i = a ij (9) Soit maintenant ĵ l indice qui réalise le maximum à droite de l expression précédente, de telle sorte à avoir : a i ĵ = max a ij apple j applen i = En choissant ˆx 2 R n tel que ˆx ĵ = et ˆx j = pour tout j 6= ĵ, on a k ˆx k = et i = i = ka ˆx k = i = a ij ˆx j = i = a i ĵ = max apple j applen a ij () i = En combinant (9) et () nous avons que max apple j applen i = a ij = ka ˆx k apple sup kaxk = kak apple max x 2R n,kx k = apple j applen ce qui prouve (7) 3) Preuve de (8) Pour tout x 2 R n on a que a ij, i = kaxk = max applei applen apple max applei applen apple max applei applen a ij x j a ij x j max x j apple j applen! a ij apple max applei applen! a ij kx k (Justifier soigneusement les passages à la deuxième et à la troisième ligne) Par conséquent, kak = sup x 2R n,kx k = kaxk apple max applei applen a ij () Notons î l indice qui réalise le maximum dans l expression précédente, et considérons le vecteur ˆx 2 R n tel que, pour tout apple j apple n, ˆx j =+si aî j, ˆx j = sinon On a clairement k ˆx k = et ka ˆx k = max applei applen a ij ˆx j = 5 aî j (2)
17 L équation (2) demande une justification détaillée Définissons les ensembles suivants : ( n X ) ( n X ) A := a ij ˆx j :apple i apple n, := a ij :apple i apple n On démontre aisément que pour tout 2A, il existe 2 tel que apple En effet, si i est tel que = P n a ij ˆx j, il suffit de prendre = P n a ij et d utiliser l inégalité triangulaire avec le fait que ˆx j = pour tout apple j apple n De plus, par définition de î, on a que max 2 = aî j = aî j ˆx j = aî j ˆx j 2A, où nous avons utilisé le fait que tous les termes de la somme sont positif dans la troisième égalité En combinant les résultats précédents on déduit (2) Enfin, la rélation (8) s ensuit en combinant () et (2) comme dans le point 2) de cette preuve Proposition 47 (Propriétés des normes subordonnées) Soit k k une norme matricielle subordonnée sur R n,n Alors, (i) pour toute matrice A 2 R n,n il existe x A 2 R n \{} tel que kak = kax A k/kx A k ; (ii) on a ki n k = ; (iii) pour toutes matrices A, 2 R n,n, kakapplekakk k Démonstration (i) La fonction kaxk définie sur R n et à valeurs réels est par définition continue car kaxkapplekakkx k Par conséquent, elle atteint son maximum sur le compact kx k = (ii) On a par définition ki n k = sup x 2R n,kx k= ki n x k = (iii) onséquence immédiate de la définition de norme matricielle On amdettra le résultat suivant qui relie le rayon spectral avec les normes matricielles subordonnées Lemme 48 (Rayon spectral et normes subordonnées) Soit k k une norme matricielle subordonnée Alors, pour toute matrice A 2 R n,n, (A) applekak Reciproquement, pour toute matrice A et tout réel >, il existe une norme subordonnée k k telle que kakapple (A)+ 6
18 6 Exercices Exercice 49 (Matrice SDP) Soit A =(a ij ) 2 R n,n une matrice SDP Prouver que a kk > pour tout apple k apple n Exercice 5 (Matrice antisymétrique) Soit A 2 R n,n une matrice antisymétrique, à savoir A T = A On pose ± := I n ± A On supposera inversible (i) Vérifier que + est inversible et identifier son inverse (ii) Vérifier que est normale (iii) Montrer que la matrice := + est orthogonale, à savoir, = T Exercice 5 (Matrice hermitienne et antihermitienne) Une matrice A 2 n,n est dite antihermitienne si A H = A Montrer que (i) les éléments diagonaux d une matrice hermitienne sont des réels tandis que ceux d une matrice antihermitienne sont des imaginaires purs; (ii) montrer que, si une matrice triangulaire est hermitienne ou antihermitienne, elle est diagonale Exercice 52 (Matrices de Hilbert) La matrice de Hilbert H (n)=(h ij ) 2 R n,n d ordre n est la matrice carrée symétrique à valeurs réelles telle que Montrer que H (n) est définie positive h ij = i + j Exercice 53 Soient A, 2 R n,n deux matrices inversibles telles que A + est inversible Montrer que A + est inversible et qu on a A + = (A + ) A = A (A + ) Exercice 54 (Valeurs propres d un polynôme à variable matricielle) Soit A 2 n,n Montrer que, si P (A) := P n k= c k A k et (A) est le spectre de A, on a (P (A)) = P ( (A)) Exercice 55 (Valeurs singulières de l inverse d une matrice) Soit A 2 n,n inversible Exprimer les valeurs singulières de A en fonction de celles de A 7
19 Exercice 56 (Inégalité de Kantorovitch) Soit A 2 R n,n SDP, et soit min et max respectivement la plus petite et la plus grande valeur propre de A Alors, pour tout x 2 R n, (Ax, x )(A x, x ) apple 4 Çv t max min v t + min max å 2 kx k 2 2 Exercice 57 Soit A une matrice HDP et 2 R + Montrer que la matrice I n + A est inversible, que le rayon spectral de la matrice :=(I n A)(I n + A) est < et que la matrice est hermitienne Exercice 58 (Pséudo-inverse de Moore Penrose) Soient m et n deux entiers avec m n, et soit A 2 R m,n une matrice de rang n On admettra par la suite que A T A 2 R n,n est définie positive et donc inversible On définit la pseudo-inverse de Moore Penrose par Prouver les propriétés suivantes : A :=(A T A) A T A A = I n, A AA = A, si m = n, A = A ; Soit b 2 R m On considère le problème dit aux moindres carrés min J (y ) := kay b k 2 y 2R n 2 e problème admet une unique solution x caractérisée par la propriété rj (y )= Montrer que x = A b Exercice 59 (Valeurs singulières d une matrice normale) Soit A 2 n,n une matrice normale Montrer que les valeurs singulières de A sont les modules de ses valeurs propres Exercice 6 (Norme subordonnée) Montrer que toute norme subordonnée satisfait les propriétés caractérisant une norme matricielle (voir Definition 4) Exercice 6 (Inégalité triangulaire) Soit k k une norme matricielle subordonnée Prouver que pour tout A, 2 n,n, ka + kapplekak + k k Exercice 62 (Norme d une matrice unitaire) Soit U 2 n,n une matrice unitaire Prouver que ku k 2 = et que pour tout A 2 n,n on a kau k 2 = kuak 2 = kak 2 8
20 Exercice 63 (Norme de Frobenius) Soit A =(a ik ) 2 R n,n La norme de Frobenius est définie par kak F := a ij 2 i = ette norme n est pas subordonnée à une norme vectorielle Prouver que alculer ki n k F n kak applekak F apple p nkak, n kak applekak F apple p nkak Exercice 64 (Rayon spectral) Soit A 2 R n,n une matrice SDP Montrer que (A) < si et seulement s il existe une matrice Q 2 R n,n SDP telle que := Q A T Q A est SDP 9
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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailExercices - 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 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 détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en 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 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 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 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 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 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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en 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 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 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 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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en 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 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 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 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 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 détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
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 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 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 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 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 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 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 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 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 détailÉquations d amorçage d intégrales premières formelles
Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations
Plus en 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 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 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 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 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 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 détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en 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 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 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 détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en 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 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailTriangle de Pascal dans Z/pZ avec p premier
Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre
Plus en 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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en 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 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 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 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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en 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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en 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 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 détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en 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 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en 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 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 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 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 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 détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailConstruction d un cercle tangent à deux cercles donnés.
Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R
Plus en 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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 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 détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLicence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année)
Licence Sciences de l Ingénieur et Licence Informatique Niveau L2 (= 2ème année) Mathématiques : Résumé de ce qu il faut savoir en Algèbre linéaire (ou Calcul Matriciel) au sortir du L1, en préalable au
Plus en détailCours d arithmétique Première partie
Cours d arithmétique Première partie Pierre Bornsztein Xavier Caruso Pierre Nolin Mehdi Tibouchi Décembre 2004 Ce document est la première partie d un cours d arithmétique écrit pour les élèves préparant
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 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 détail= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m
1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.
Plus en 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 détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en 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 détailPremiers exercices d Algèbre. Anne-Marie Simon
Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en 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 détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détail