Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
|
|
- Rose Pothier
- il y a 9 ans
- Total affichages :
Transcription
1 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). Déterminer Mat, ( f ), la matrice de f dans la base ( i, j). Même question avec Mat,( f ) où est la base ( i j, i + j) de R. Même question avec Mat, ( f ). Indication [87] Exercice Soient trois vecteurs e,e,e formant une base de R. On note φ l application linéaire définie par φ(e ) = e, φ(e ) = e + e + e et φ(e ) = e.. Écrire la matrice A de φ dans la base (e,e,e ). Déterminer le noyau de cette application.. On pose f = e e, f = e e, f = e + e + e. Calculer e,e,e en fonction de f, f, f. Les vecteurs f, f, f forment-ils une base de R?. Calculer φ( f ),φ( f ),φ( f ) en fonction de f, f, f. Écrire la matrice de φ dans la base ( f, f, f ) et trouver la nature de l application φ. 4. On pose P =. Vérifier que P est inversible et calculer P. Quelle relation lie A,, P et P? [97] Exercice Soit f l endomorphisme de R dont la matrice par rapport à la base canonique (e,e,e ) est 5 5 A = Montrer que les vecteurs e = e + e + e, e = e + 4e + e, e = e + e + e forment une base de R et calculer la matrice de f par rapport à cette base. [4] Exercice Soit A =.... En utilisant l application linéaire associée de L (R n,r n ), calculer A p pour.... p Z.
2 [] Exercice 5 Soient A, deux matrices semblables (i.e. il existe P inversible telle que = P AP). Montrer que si l une est inversible, l autre aussi ; que si l une est idempotente, l autre aussi ; que si l une est nilpotente, l autre aussi ; que si A = λi, alors A =. Indication [444] Exercice 6 Soit f l endomorphisme de R de matrice A = ( ) e =. 5 ( ) 5 dans la base canonique. Soient e =. Montrer que = (e,e ) est une base de R et déterminer Mat ( f ).. Calculer A n pour n N. x n+ = x n +. Déterminer l ensemble des suites réelles qui vérifient n N y n y n+ = 5 x n y n. ( ) et [4] Exercice 7 Soit a et b deux réels et A la matrice A = a b Montrer que rg(a). Pour quelles valeurs de a et b a-t-on rg(a) =? [774] Exercice 8 7 Soient A = 4 5 6, = 4 4. Calculer rg(a) et rg(). Déterminer une base du noyau 7 8 et une base de l image pour chacune des applications linéaires associées f A et f. [99] Exercice 9 Soit E un espace vectoriel et f une application linéaire de E dans lui-même telle que f = f.. Montrer que E = Ker f Im f.. Supposons que E soit de dimension finie n. Posons r = dimim f. Montrer qu il existe une base = (e,...,e n ) de E telle que : f (e i ) = e i si i r et f (e i ) = si i > r. Déterminer la matrice de f dans cette base. [9] Exercice Trouver toutes les matrices de M (R) qui vérifient. M = ;. M = M ;
3 . M = I. Indication [475] Exercice Soit f l application de R n [X] dans R[X] définie en posant pour tout P(X) R n [X] : f (P(X)) = P(X + ) + P(X ) P(X).. Montrer que f est linéaire et que son image est incluse dans R n [X].. Dans le cas où n =, donner la matrice de f dans la base,x,x,x. Déterminer ensuite, pour une valeur de n quelconque, la matrice de f dans la base,x,...,x n.. Déterminer le noyau et l image de f. Calculer leur dimension respective. 4. Soit Q un élément de l image de f. Montrer qu il existe un unique P R n [X] tel que : f (P) = Q et P() = P () =. [94] Exercice Pour toute matrice carrée A de dimension n, on appelle trace de A, et l on note tra, la somme des éléments diagonaux de A : tra = n a i,i i=. Montrer que si A, sont deux matrices carrées d ordre n, alors tr(a) = tr(a).. Montrer que si f est un endomorphisme d un espace vectoriel E de dimension n, M sa matrice par rapport à une base e, M sa matrice par rapport à une base e, alors trm = trm. On note tr f la valeur commune de ces quantités.. Montrer que si g est un autre endomorphisme de E, tr( f g g f ) =. [44] Retrouver cette fiche et d autres exercices de maths sur exo7.emath.fr
4 Indication pour l exercice ( ) x f est l application qui à associe y ( ) x y. Indication pour l exercice 5 A est idempotente s il existe un n tel que A n = I (la matrice identité). A est nilpotente s il existe un n tel que A n = () (la matrice nulle). Indication pour l exercice Il faut trouver les propriétés de l application linéaire f associée à chacune de ces matrices. Les résultats s expriment en explicitant une (ou plusieurs) matrice M qui est la matrice de f dans une base bien choisie et ensuite en montrant que toutes les autres matrices sont de la forme M = P M P. Plus en détails pour chacun des cas :. Im f Ker f et discuter suivant la dimension du noyau.. Utiliser l exercice 9 : Ker f Im f et il existe une base telle que f (e i ) = ou f (e i ) = e i.. Poser N = I+M (et donc M = ) chercher à quelle condition M = I. 4
5 Correction de l exercice ( ) x L expression de f dans la base est la suivante f (x,y) = (x y,). Autrement dit à un vecteur on associe y ( ) x y le vecteur. On note que f est bien une application linéaire. Cette expression nous permet de calculer les matrices demandées. ( ) ( ) x x Remarque : comme est la base canonique on note pour qui est le vecteur x i + y j. y y. Calcul de Mat( f,,). Comme = ( i, j), la matrice s obtient en calculant f ( i) et f ( j) : ( ) ( ) ( ) ( ) f ( i) = f = = i f ( j) = f = = i donc Mat( f,,) = ( ). On garde la même application linéaire mais la base de départ change (la base d arrivée reste ). Si on note u = i j et v = i + j, on a = ( i j, i + j) = ( u, v). On exprime f ( u) et f ( v) dans la base d arrivée. donc f ( u) = f ( i j) = f ( ) = ( ) Mat( f,,) = f ( v) = f ( i + j) = f ( ) 5 ( ) = ( ) 5. Toujours avec le même f on prend comme base de départ et d arrivée, il s agit donc d exprimer f ( u) et f ( v) dans la base = ( u, v). Nous venons de calculer que ( ) ( ) ( ) ( ) 5 f ( u) = f ( i j) = f = = i f ( v) = f ( i + j) = f = = 5 i Mais il nous faut obtenir une expression en fonction de la base. Remarquons que { u = i j v = i + j = { i = u + v j = u + v Donc Donc f ( u) = f ( i j) = i = 6 u + v = Remarque : ( ) 6 f ( v) = f ( i + j) = 5 i = 5 u 5 v = Mat( f,, ) = ( ) x désigne le vecteur x u + y v. y ( ) ( ) 5 5 Correction de l exercice x. On note la base = (e,e,e ) et X = y = xe +ye +ze. La matrice A = Mat ( f ) est composée z des vecteurs colonnes φ(e i ), on sait φ(e ) = e = φ(e ) = e + e + e = φ(e ) = e = 5
6 donc A = x Le noyau de φ (ou celui de A) est l ensemble de X = y tel que AX =. z x y = AX = y = y = z x + y + z = Donc Kerφ = { x R x R } = Vect = Vect(e e ). Le noyau est donc de dimension. x. On applique le pivot de Gauss comme si c était un système linéaire : e e = f L e e = f L e + e + e = f L e e = f e + e = f f L L e = f + f L +L On en déduit e = f + f + f e = f + f e = f + f. Donc tous les vecteurs de la base = (e,e,e ) s expriment en fonction de ( f, f, f ), ainsi la famille ( f, f, f ) est génératrice. Comme elle a exactement éléments dans l espace vectoriel R de dimension alors = ( f, f, f ) est une base. φ( f ) = φ(e e ) = φ(e ) φ(e ) = e e = φ( f ) = φ(e e ) = φ(e ) φ(e ) = e ( e + e + e ) = e e = f φ( f ) = φ( e + e + e ) = φ(e ) + φ(e ) + φ(e ) = e + e + e = f Donc, dans la base = ( f, f, f ), nous avons φ( f ) = = φ( f ) = f = φ( f ) = f = Donc la matrice de φ dans la base est = φ est la projection sur Vect( f, f ) parallèlement à Vect( f ) (autrement dit c est la projection sur le plan d équation (x = ), parallèlement à l axe des x, ceci dans la base ). 6
7 4. P est la matrice de passage de vers. En effet la matrice de passage contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base. Si un vecteur a pour coordonnées X dans la base et X dans la base alors PX = X (attention à l ordre). Et si A est la matrice de φ dans la base et est la matrice de φ dans la base alors = P AP (Une matrice de passage entre deux bases est inversible.) Ici on calcule l inverse de P : P = donc = P AP = On retrouve donc bien les mêmes résultats que précédemment. Correction de l exercice Notons l ancienne base = (e,e,e ) et ce qui sera la nouvelle base = (e,e,e ). Soit P la matrice de passage qui contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base P = 4 On vérifie que P est inversible (on va même calculer son inverse) donc est bien une base. De plus 6 5 P = 4 et on calcule = P AP = est la matrice de f dans la base. Correction de l exercice 4 Nous associons à la matrice A son application linéaire naturelle f. Si = (e,e,...,e n ) est la base canonique de R n alors f (e ) est donné par le premier vecteur colonne, f (e ) par le deuxième, etc. Donc ici.. f (e ) = = e n, f (e ) = = e n,... et en général f (e i ) = e n+ i Calculons ce que vaut la composition f f. Comme une application linéaire est déterminée par les images des éléments d une base alors on calcule f f (e i ), i =,...,n en appliquant deux fois la formule précédente : f f (e i ) = f ( f (e i ) ) = f (e n+ i ) = e n+ (n+ i) = e i Comme f f laisse invariant tous les vecteurs de la base alors f f (x) = x pour tout x R n. Donc f f = id. On en déduit f = f et que la composition itérée vérifie f p = id si p est pair et f p = f si p est impair. Conclusion : A p = I si p est pair et A p = A si p est impair. Correction de l exercice 5 Soit A, tel que = P AP. 7
8 . Supposons A inversible, alors il existe A tel que A A = I et A A = I. Notons alors = P A P. On a = ( P AP ) ( P A P ) = P A ( PP ) A P = P AA P = P IP = I De même = I. Donc est inversible d inverse.. Supposons que A n = I. Alors Donc est idempotente. n = ( P AP ) n ( = P AP )( P AP ) (P AP ) = P A(PP )A(PP ) AP = P A n P = P IP = I. Si A n = () alors le même calcul qu au-dessus conduit à n = (). 4. Si A = λi alors = P (λi)p = λi P P = λi (car la matrice λi commute avec toutes les matrices). Correction de l exercice 6. Notons P la matrice de passage de la base canonique = ( (,),(,) ) vers (ce qui va être) la base = (e,e ). C est la matrice composée des vecteurs colonnes e et e : ( ) P = 5 detp = 4 donc P est inversible et ainsi est bien une base. Alors la matrice de f dans la base est : = P AP = ( )( Il est très facile de calculer la puissance d une matrice diagonale : ( ) n = ( ) n Comme A = PP on va en déduire A n :. Si l on note X n = ( xn y n Si l on note les conditions initiales X = )( ) = 5 ( ) A n = ( PP ) n = P n P = ( ) n n n n ) alors les équations que vérifient les suites s écrivent en terme matriciel : x n = 4 y n = 4 ( x y X n+ = AX n. ) R alors X n = A n X. On en déduit (( 6 n )x + (4 4 n )y ) ( ( n )x + ( 6 + n )y ) Correction de l exercice 7 Avant toute, un coup d œil sur la matrice nous informe de deux choses : (a) A n est pas la matrice nulle donc rg(a) ; (b) il y a lignes donc rg(a) (le rang est plus petit que le nombre de colonnes et que le nombre de lignes). 8
9 . Montrons de différentes façons que rg(a). Première méthode : sous-déterminant non nul. On trouve une sous-matrice dont le déterminant est non nul. Par exemple la sous-matrice extraite du coin en bas à gauche vérifie 5 4 = donc rg(a). Deuxième méthode : espace vectoriel engendré par les colonnes. On sait que l image de l application linéaire associée à la matrice A est engendrée par les vecteurs colonnes. Et le rang est la dimension de cette image. On trouve facilement deux colonnes linéairement indépendantes : la deuxième 4 et la troisième colonne. Donc rg(a). Troisième méthode : espaces vectoriel engendré par les lignes. Il se trouve que la dimension de l espace vectoriel engendré par les lignes égal la dimension de l espace vectoriel engendré par les colonnes (car rg(a) = rg( t A)). Comme les deuxième et troisième lignes sont linéairement indépendantes alors rg(a). Attention : les dimensions des espaces vectoriels engendrés sont égales mais les espaces sont différents!. En utilisant la dernière méthode : le rang est exactement si la première ligne est dans le sous-espace engendré par les deux autres. Donc rg(a) = (a,,,b) Vect { (,,, 4),(5,4,,) } λ,µ R λ,µ R (a,,,b) = λ(,,, 4) + µ(5,4,,) λ + 5µ = a 4µ = λ µ = 4λ + µ = b λ = µ = a = b = Conclusion la rang de A est si (a,b) = (,). Sinon le rang de A est. Correction de l exercice 8. (a) Commençons par des remarques élémentaires : la matrice est non nulle donc rg(a) et comme il y a p = 4 lignes et n = colonnes alors rg(a) min(n, p) =. (b) Ensuite on va montrer rg(a) en effet le sous-déterminant (extrait du coin en haut à gauche) : 4 = est non nul. (c) Montrons que rg(a) =. Avec les déterminants il faudrait vérifier que pour toutes les sous-matrices les déterminants sont nuls. Pour éviter de nombreux calculs on remarque ici que les colonnes sont liées par la relation v = v + v. Donc rg(a) =. (d) L application linéaire associée à la matrice A est l application f A : R R 4. Et le théorème du rang dimker f A + dimim f A = dimr donne ici dimker f A = rg(a) =. Mais la relation v = v +v donne immédiatement un élément du noyau : en écrivant v v +v = alors A = Donc Ker f A. Et comme le noyau est de dimension alors Ker f A = Vect 9
10 (e) Pour un base de l image, qui est de dimension, il suffit par exemple de prendre les deux premiers vecteurs colonnes de la matrice A (ils sont clairement non colinéaires) : Im f A = Vect{v,v } = Vect 5, 7. On fait le même travail avec et f. (a) Matrice non nulle avec 4 lignes et 4 colonnes donc rg() 4. (b) Comme le sous-déterminant (du coin supérieur gauche) 4 = est non nul alors rg(). (c) Et pareil avec le sous-déterminant : 4 = qui est non nul donc rg(). (d) Maintenant on calcule le déterminant de la matrice et on trouve det =, donc rg() < 4. Conclusion rg() =. Par le théorème du rang alors dimker f =. (e) Cela signifie que les colonnes (et aussi les lignes) sont liées, comme il n est pas clair de trouver la relation à la main on résout le système X = pour trouver cette relation ; autrement dit : 7 x x + y z + 7t = 4 4 y z = 4x + y z + t = ou encore y + z 4t = t x + y z + t = Après résolution de ce système on trouve que les solutions s écrivent (x, y, z, t) = ( λ, λ, λ, λ). Et ainsi Ker f = Vect Et pour une base de l image il suffit, par exemple, de prendre les premiers vecteurs colonnes v,v,v de la matrice, car ils sont linéairement indépendants : Im f = Vect{v,v,v } = Vect 4,, Correction de l exercice 9. Nous devons montrer Ker f Im f = {} et Ker f + Im f = E. (a) Si x Ker f Im f alors d une part f (x) = et d autre part il existe x E tel que x = f (x ). Donc = f (x) = f ( f (x ) ) = f (x ) = x donc x = (on a utilisé f f = f ). Donc Ker f Im f = {}. (b) Pour x E on le réécrit x = x f (x) + f (x). Alors x f (x) Ker f (car f ( x f (x) ) = f (x) f f (x) = ) et f (x) Im f. Donc x Ker f + Im f. Donc Ker f + Im f = E. (c) Conclusion : E = Ker f Im f.
11 . Notons r le rang de f : r = dimim f. Soit {e,...,e r } une base de Im f et soit {e r+,...,e n } une base de Ker f. Comme E = Ker f Im f alors (e,...,e n ) est une base de E. Pour i > r alors e i Ker f donc f (e i ) =. Comme f f = f alors pour n importe quel x Im f on a f (x) = x : en effet comme x Im f, il existe x E tel que x = f (x ) ainsi f (x) = f ( f (x ) ) = f (x ) = x. En particulier si i r alors f (e i ) = e i.. La matrice de f dans la base (e,...,e n ) est donc : ( I ) () () () où I désigne la matrice identité de taille r r et les () désignent des matrices nulles. Correction de l exercice. Soit M une matrice telle que M = et soit f l application linéaire associée à M. Comme M = alors f f =. Cela entraîne Im f Ker f. Discutons suivant la dimension du noyau : (a) Si dimker f = alors f = donc M = (la matrice nulle). (b) Si dimker f = alors prenons une base de R formée de deux vecteurs du noyau et d un troisième a vecteur. Dans cette base la matrice de f est M = b mais comme f f = alors M = ; c un petit calcul implique c =. Donc M et M sont les matrices de la même application linéaire f mais exprimées dans des bases différentes, donc M et M sont semblables. (c) Si dimker f = alors comme Im f Ker f on a dimim f mais alors cela contredit le théorème du rang : dimker f + dimim f = dimr. Ce cas n est pas possible. (d) Conclusion : M est une matrice qui vérifie M = si et seulement si il existe une matrice inversible P et des réels a,b tels que a M = P b P. On va s aider de l exercice 9. Si M = M et f est l application linéaire associée alors f f = f. On a vu dans l exercice 9 qu alors Ker f Im f et que l on peut choisir une base (e,e,e ) telle que f (e i ) = e i puis f (e i ) =. Suivant la dimension du noyau cela donne que la matrice M de f dans cette base est A = A = A = A =. Maintenant M est semblable à l une de ces matrices : il existe P inversible telle que M = P M P où M est l une des quatre matrices A i ci-dessus. Géométriquement notre application est une projection (projection sur une droite pour la seconde matrice et sur un plan pour la troisième).. Posons N = I+M et donc M = N I. Alors M = I (N I) = I 4N 4N I = I N = N. Donc par la deuxième question N est semblable à l une des matrice A i : N = P A i P. Donc M = P A i P I = P (A i I)P. Ainsi M est semblable à l une des matrices A i I suivantes :. Ce sont des matrices de symétrie (par rapport à l origine pour la première matrice, par rapport à une droite pour la seconde matrice et par rapport à un plan pour la troisième).
12 L idée de poser N = I+M est la suivante : si M = I alors géométriquement l application linéaire s associée à M est une symétrie, alors que si N = N alors l application linéaire p associée est une projection. Et projection et symétrie sont liées par p(x) = x+s(x) (faites un dessin!) c est-à-dire p = id+s ou encore N = I+M. Correction de l exercice. Il est facile de voir que f (λp+ µq) = λ f (P)+ µ f (Q) donc f est linéaire, de plus, P étant un polynôme de degré n alors f (P) aussi.. Pour n = on calcule l image de chacun des éléments de la base : f () = + =, f (X) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X = 6X. Donc la matrice de f dans la base (,X,X,X ) est 6 Pour le cas général on calcule Donc la matrice est f (X p ) = (X + ) p + (X ) p X p p ( ) p = X k p ( ) p + k= k X k ( ) p k X p k= k ( ) p = X k p k pair et k<p k ( ) ( ) p ( ) ( ) p+ ( ) p ( ) p Dans cet exemple de matrice, p est pair. Chaque colonne commence en alternant une valeur nulle/une valeur non-nulle jusqu à l élément diagonal (qui est nul).. Nous savons que f () = et f (X) = donc et X sont dans le noyau Ker f. Il est aussi clair que les colonnes de la matrices f (X ),, f (X n ) sont linéairement indépendantes (car la matrice est échelonnée). Donc Im f = Vect{ f (X ), f (X ),..., f (X n )} et dimim f = n. Par la formule du rang dimker f + dimim f = dimr n [X] donc dimker f =. Comme nous avons déjà deux vecteurs du noyau alors Ker f = Vect{,X}. 4. (a) Soit Q Im f. Il existe donc R R n [X] tel que f (R) = Q. On pose ensuite P(X) = R(X) R() R ()X. On a tout fait pour que P() = et P () =. De plus par la linéarité de f et son noyau alors f (P) = f ( R(X) R() R ()X ) = f ( R(X) ) R() f () R () f (X) = f (R) = Q. Donc notre polynôme P convient.
13 (b) Montrons l unicité. Soient P et P tels que f (P) = f ( P) = Q avec P() = P () = = P() = P (). Alors f (P P) = Q Q = donc P P Ker f = Vect{,X}. Ainsi P P s écrit P P = ax + b. Mais comme (P P)() = alors b =, et comme (P P) () = alors a =. Ce qui prouve P = P. Correction de l exercice. Notons C = A et D = A. Alors par la définition du produit de matrice : Ainsi De même c i j = k n a ik b k j donc c ii = a ik b ki k n tr(a) = trc = c ii = i n tr(a) = trd = i n k n i n k n b ik a ki a ik b ki Si dans cette dernière formule on renomme l indice i en k et l indice k en i (ce sont des variables muettes donc on leur donne le nom qu on veut) alors on obtient : tr(a) = k n i n b ki a ik = i n k n a ik b ki = tr(a). M et M sont semblables donc il existe une matrice de passage P telle que M = P MP donc. La trace a aussi la propriété évidente que trm = tr ( P (MP) ) = tr ( (MP)P ) = tr(mi) = trm tr(a + ) = tra + tr. Fixons une base de E. Notons A la matrice de f dans cette base et la matrice de g dans cette même base. Alors A est la matrice de f g et A est la matrice de g f. Ainsi la matrice de f g g f est A A Donc tr( f g g f ) = tr(a A) = tr(a) tr(a) =.
Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailExercices 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 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 détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailProgrammation linéaire 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 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 détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en 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 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 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 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 détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détail3. 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en 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 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 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 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 détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détail201-105-RE SOLUTIONS CHAPITRE 1
Chapitre1 Matrices 1 201-105-RE SOLUTIONS CHAPITRE 1 EXERCICES 1.2 1. a) 1 3 Ë3 7 3 2 Ë 1 16 pas défini d) 16 30 17 3 e) Ë 7 68 22 16 13 Ë 5 18 6 2. a) 0 4 4 4 0 4 Ë4 4 0 Ë 0 4 32 4 4 0 4 32 32 4 0 4 4
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 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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 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 détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en 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 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 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 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 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 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 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 détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en 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 détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
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 détailEquations cartésiennes d une droite
Equations cartésiennes d une droite I) Vecteur directeur d une droite : 1) Définition Soit (d) une droite du plan. Un vecteur directeur d une droite (d) est un vecteur non nul la même direction que la
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 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 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 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 détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en 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 détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
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 détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en 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 détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailRelation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices
Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
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 détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
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 détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailNombres premiers. Comment reconnaître un nombre premier? Mais...
Introduction Nombres premiers Nombres premiers Rutger Noot IRMA Université de Strasbourg et CNRS Le 19 janvier 2011 IREM Strasbourg Definition Un nombre premier est un entier naturel p > 1 ayant exactement
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en 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 détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en 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 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 détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en 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 détail