Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51
|
|
- Françoise Sénéchal
- il y a 8 ans
- Total affichages :
Transcription
1 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5
2 Rappels mathématiques s Propriétés - p. 2/5
3 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques s Propriétés A M n (IR) : matrice carrée de dimension n n x, b IR n : vecteurs de dimension n. - p. 3/5
4 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques s Propriétés A M n (IR) : matrice carrée de dimension n n x, b IR n : vecteurs de dimension n. CNS d existence de la solution : Le système Ax = b a une solution unique si et seulement si son déterminant est non nul. - p. 3/5
5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques s Propriétés A M n (IR) : matrice carrée de dimension n n x, b IR n : vecteurs de dimension n. CNS d existence de la solution : Le système Ax = b a une solution unique si et seulement si son déterminant est non nul. Si le déterminant est nul : Si b Im(A) le système a une infinité de solutions Si b IR n Im(A) le système n a pas de solution - p. 3/5
6 s : 2x + 3x 2 = 5 4x 3x 2 = Rappels mathématiques s Propriétés - p. 4/5
7 s : 2x + 3x 2 = 5 4x 3x 2 = Le déterminant vaut D = 8, le système a une solution unique x =, x 2 = Rappels mathématiques s Propriétés - p. 4/5
8 s : 2x + 3x 2 = 5 4x 3x 2 = Le déterminant vaut D = 8, le système a une solution unique x =, x 2 = 2 : 2x + 3x 2 = 5 4x + 6x 2 = 0 Rappels mathématiques s Propriétés - p. 4/5
9 s : 2x + 3x 2 = 5 4x 3x 2 = Le déterminant vaut D = 8, le système a une solution unique x =, x 2 = 2 : 2x + 3x 2 = 5 4x + 6x 2 = 0 Rappels mathématiques s Propriétés Le déterminant vaut D = 0, le système a une infinité de solutions : (, ) + λ (3, 2), (λ IR). - p. 4/5
10 s : 2x + 3x 2 = 5 4x 3x 2 = Le déterminant vaut D = 8, le système a une solution unique x =, x 2 = 2 : 2x + 3x 2 = 5 4x + 6x 2 = 0 Rappels mathématiques s Propriétés Le déterminant vaut D = 0, le système a une infinité de solutions : (, ) + λ (3, 2), (λ IR). 3 : 2x + 3x 2 = 5 4x + 6x 2 = 9 - p. 4/5
11 s : 2x + 3x 2 = 5 4x 3x 2 = Le déterminant vaut D = 8, le système a une solution unique x =, x 2 = 2 : 2x + 3x 2 = 5 4x + 6x 2 = 0 Rappels mathématiques s Propriétés Le déterminant vaut D = 0, le système a une infinité de solutions : (, ) + λ (3, 2), (λ IR). 3 : 2x + 3x 2 = 5 4x + 6x 2 = 9 Le déterminant vaut D = 0, le système n a pas de solution. - p. 4/5
12 Propriétés On ne change pas la solution d un système linéaire lorsque : Rappels mathématiques s Propriétés - p. 5/5
13 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, Rappels mathématiques s Propriétés - p. 5/5
14 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, on permute deux colonnes, Rappels mathématiques s Propriétés - p. 5/5
15 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, on permute deux colonnes, on multiplie une ligne par un réel non nul, Rappels mathématiques s Propriétés - p. 5/5
16 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, on permute deux colonnes, on multiplie une ligne par un réel non nul, on ajoute une ligne à une autre. Rappels mathématiques s Propriétés - p. 5/5
17 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, on permute deux colonnes, on multiplie une ligne par un réel non nul, on ajoute une ligne à une autre. Rappels mathématiques s Propriétés Nous allons donc utiliser ces transformations pour se ramener à un cas simple. - p. 5/5
18 Propriétés On ne change pas la solution d un système linéaire lorsque : on permute deux lignes, on permute deux colonnes, on multiplie une ligne par un réel non nul, on ajoute une ligne à une autre. Rappels mathématiques s Propriétés Nous allons donc utiliser ces transformations pour se ramener à un cas simple.! Ces propriétés sont vraies dans IR pas dans IF - p. 5/5
19 Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 6/5
20 Les matrices triangulaires Pour certaines matrices, il est simple de calculer une solution. Définition Une matrice A = (a ij ) i,j n est triangulaire supérieure (respectivement inférieure) si i, j t.q. j > i (resp. j > i) a ij = 0 Si A est une matrice triangulaire supérieure, et si aucun élément diagonal n est nul, la solution du système Ax = b est : x n = b n a nn x i = b i n j=i+ a ijx j a ii Si A est une matrice triangulaire inférieure, et si aucun élément diagonal n est nul, la solution du système Ax = b est : x = b a x i = b i i j= a ijx j a ii Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 7/5
21 Algorithme de remontée Dans le cas des matrices triangulaires supérieures, l algorithme est donc le suivant. Données : A = (A[i, j]) i,j n, b = (b[i]) i n début x[n] b[n] A[n,n] pour i = n... faire sum 0 pour k = i +...n faire sum sum + A[i, k] x[k] x[i] b[i] sum A[i,i] Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire fin - p. 8/5
22 Algorithme de remontée Dans le cas des matrices triangulaires supérieures, l algorithme est donc le suivant. Données : A = (A[i, j]) i,j n, b = (b[i]) i n début x[n] b[n] A[n,n] pour i = n... faire sum 0 pour k = i +...n faire sum sum + A[i, k] x[k] x[i] b[i] sum A[i,i] Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire fin À partir d un système d équations linéaires quelconques, - p. 8/5
23 Algorithme de remontée Dans le cas des matrices triangulaires supérieures, l algorithme est donc le suivant. Données : A = (A[i, j]) i,j n, b = (b[i]) i n début x[n] b[n] A[n,n] pour i = n... faire sum 0 pour k = i +...n faire sum sum + A[i, k] x[k] x[i] b[i] sum A[i,i] Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire fin À partir d un système d équations linéaires quelconques, on triangularise le système, - p. 8/5
24 Algorithme de remontée Dans le cas des matrices triangulaires supérieures, l algorithme est donc le suivant. Données : A = (A[i, j]) i,j n, b = (b[i]) i n début x[n] b[n] A[n,n] pour i = n... faire sum 0 pour k = i +...n faire sum sum + A[i, k] x[k] x[i] b[i] sum A[i,i] Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire fin À partir d un système d équations linéaires quelconques, on triangularise le système, on résout le système triangulaire, - p. 8/5
25 Algorithme de remontée Dans le cas des matrices triangulaires supérieures, l algorithme est donc le suivant. Données : A = (A[i, j]) i,j n, b = (b[i]) i n début x[n] b[n] A[n,n] pour i = n... faire sum 0 pour k = i +...n faire sum sum + A[i, k] x[k] x[i] b[i] sum A[i,i] Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire fin À partir d un système d équations linéaires quelconques, on triangularise le système, on résout le système triangulaire, pour cela on utilise des permutations de lignes et de colonnes et des combinaisons linéaires de lignes. - p. 8/5
26 Méthodes Pour résoudre le système Ax = b, il faut appliquer les modifications à la fois à la matrice A et au vecteur b. Il y a deux cas possibles : Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 9/5
27 Méthodes Pour résoudre le système Ax = b, il faut appliquer les modifications à la fois à la matrice A et au vecteur b. Il y a deux cas possibles : On souhaite résoudre une seule équation Ax = b. Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 9/5
28 Méthodes Pour résoudre le système Ax = b, il faut appliquer les modifications à la fois à la matrice A et au vecteur b. Il y a deux cas possibles : On souhaite résoudre une seule équation Ax = b. On travaille sur la matrice [A b] qui a n lignes et n + colonnes C est l élimination de GAUSS Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 9/5
29 Méthodes Pour résoudre le système Ax = b, il faut appliquer les modifications à la fois à la matrice A et au vecteur b. Il y a deux cas possibles : On souhaite résoudre une seule équation Ax = b. On travaille sur la matrice [A b] qui a n lignes et n + colonnes C est l élimination de GAUSS Pour résoudre le système, il faut Une, Une remontée (solution d un système triangulaire). Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 9/5
30 Méthodes (suite) On doit résoudre plusieurs systèmes avec la même matrice Ax = b... Ax = b k. Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 0/5
31 Méthodes (suite) On doit résoudre plusieurs systèmes avec la même matrice Ax = b... Ax = b k. On décompose A en produit de deux matrices triangulaires (U est supérieure et L inférieure) : A = L U Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. 0/5
32 Méthodes (suite) On doit résoudre plusieurs systèmes avec la même matrice Ax = b... Ax = b k. On décompose A en produit de deux matrices triangulaires (U est supérieure et L inférieure) : A = L U Une résolution se fait grâce à deux systèmes triangulaires { Ly k = b k Ax k = b k Ux k = y k Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire C est la décomposition LU - p. 0/5
33 Méthodes (suite) On doit résoudre plusieurs systèmes avec la même matrice Ax = b... Ax = b k. On décompose A en produit de deux matrices triangulaires (U est supérieure et L inférieure) : A = L U Une résolution se fait grâce à deux systèmes triangulaires { Ly k = b k Ax k = b k Ux k = y k Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire C est la décomposition LU Il faut une pour «préparer» la matrice et deux remontées par vecteur b k. - p. 0/5
34 Ce qu il reste à faire Comment triangulariser? Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. /5
35 Ce qu il reste à faire Comment triangulariser? Quelles conditions? Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. /5
36 Ce qu il reste à faire Comment triangulariser? Quelles conditions? Que faire pour les matrices singulières? Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. /5
37 Ce qu il reste à faire Comment triangulariser? Quelles conditions? Que faire pour les matrices singulières? Que faire pour les matrices rectangulaires? Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. /5
38 Ce qu il reste à faire Comment triangulariser? Quelles conditions? Que faire pour les matrices singulières? Que faire pour les matrices rectangulaires? du problème? Les matrices triangulaires Algorithme de remontée Méthodes Méthodes (suite) Ce qu il reste à faire - p. /5
39 simple Algorithme de Élimination de GAUSS - p. 2/5
40 simple Contrairement à ce qu on dit parfois, cette méthode a été rapportée pour la première fois par CHANG TS ANG au 2 e siècle avant JC. On l appelle aussi méthode fang-cheng. La méthode utilise : la multiplication par un scalaire la somme de deux lignes. Le but de la méthode est d annuler progressivement les coefficients qui se trouvent sous la diagonale. simple Algorithme de Élimination de GAUSS - p. 3/5
41 On commence avec A une matrice n lignes et m colonnes simple Algorithme de Élimination de GAUSS - p. 4/5
42 On commence avec A une matrice n lignes et m colonnes Il y a n étapes : simple Algorithme de Élimination de GAUSS - p. 4/5
43 On commence avec A une matrice n lignes et m colonnes Il y a n étapes : À l étape k, on annule sous la diagonale les coefficients de la colonne k : simple Algorithme de Élimination de GAUSS - p. 4/5
44 On commence avec A une matrice n lignes et m colonnes Il y a n étapes : À l étape k, on annule sous la diagonale les coefficients de la colonne k : On appelle k e pivot (p (k) ) le coefficient de la diagonale p (k) = a k,k À chaque ligne i > k on soustrait la ligne k multipliée par a i,k p (k) : j, k j m q = a i,k on fait a i,j = a i,j a k,j. q p (k) simple Algorithme de Élimination de GAUSS - p. 4/5
45 On commence avec A une matrice n lignes et m colonnes Il y a n étapes : À l étape k, on annule sous la diagonale les coefficients de la colonne k : On appelle k e pivot (p (k) ) le coefficient de la diagonale p (k) = a k,k À chaque ligne i > k on soustrait la ligne k multipliée par a i,k p (k) : j, k j m q = a i,k on fait a i,j = a i,j a k,j. q p (k) Par définition i > k lorsque j = k on fait l opération : a i,k = a i,k a i,k = 0 en pratique il ne faut pas calculer ces coefficients pour éviter les erreurs de calcul. simple Algorithme de Élimination de GAUSS - p. 4/5
46 On commence avec A une matrice n lignes et m colonnes Il y a n étapes : À l étape k, on annule sous la diagonale les coefficients de la colonne k : On appelle k e pivot (p (k) ) le coefficient de la diagonale p (k) = a k,k À chaque ligne i > k on soustrait la ligne k multipliée par a i,k p (k) : j, k j m q = a i,k on fait a i,j = a i,j a k,j. q p (k) Par définition i > k lorsque j = k on fait l opération : a i,k = a i,k a i,k = 0 en pratique il ne faut pas calculer ces coefficients pour éviter les erreurs de calcul. L algorithme ne fonctionne pas si l un des pivots est nul. simple Algorithme de Élimination de GAUSS - p. 4/5
47 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p fin retourner A la matrice triangulaire - p. 5/5
48 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 A pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p fin retourner A la matrice triangulaire - p. 5/5
49 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 0 A (k ) pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p fin retourner A la matrice triangulaire - p. 5/5
50 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) a kk a kk+ a km a k+k a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
51 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) a kk a kk+ a km a k+k a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
52 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p a kk+ a km a k+k a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
53 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p a kk+ a km a k+k a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
54 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p q. a kk+ a km a k+k+. a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
55 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p 0. a kk+ a km a k+k+. a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
56 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p a kk+ a km 0 a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
57 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p a kk+ a km 0 a k+k+ a k+m a nk a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
58 Algorithme de Données : A = (A[i, j]), n le nb de lignes, m le nb de colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 p () pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p 0 a 2... a k... a m p (k ) p a kk+ a km 0 a k+k+ a k+m a nk+ a nm fin retourner A la matrice triangulaire - p. 5/5
59 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). simple Algorithme de Élimination de GAUSS - p. 6/5
60 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). Construire la matrice [Ab] (n colonnes n + lignes). simple Algorithme de Élimination de GAUSS - p. 6/5
61 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). Construire la matrice [Ab] (n colonnes n + lignes). Triangulariser la matrice. simple Algorithme de Élimination de GAUSS - p. 6/5
62 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). Construire la matrice [Ab] (n colonnes n + lignes). Triangulariser la matrice. Appliquer l algorithme de remontée simple Algorithme de Élimination de GAUSS - p. 6/5
63 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). Construire la matrice [Ab] (n colonnes n + lignes). Triangulariser la matrice. Appliquer l algorithme de remontée 2 n3 3 opérations pour la, n2 pour la remontée. simple Algorithme de Élimination de GAUSS - p. 6/5
64 Élimination de GAUSS Pour résoudre l équation Ax = b (n équations, n inconnues). Construire la matrice [Ab] (n colonnes n + lignes). Triangulariser la matrice. Appliquer l algorithme de remontée 2 n3 3 opérations pour la, n2 pour la remontée. Par exemple : x = simple Algorithme de Élimination de GAUSS - p. 6/5
65 2 3 2 simple Algorithme de Élimination de GAUSS - p. 7/5
66 simple Algorithme de Élimination de GAUSS - p. 7/5
67 simple Algorithme de Élimination de GAUSS - p. 7/5
68 simple Algorithme de Élimination de GAUSS p. 7/5
69 remontée simple Algorithme de Élimination de GAUSS p. 7/5
70 remontée x 3 = = simple Algorithme de Élimination de GAUSS p. 7/5
71 remontée x 3 = = x 2 = ( ( )) = 0 simple Algorithme de Élimination de GAUSS - p. 7/5
72 remontée x 3 = = x 2 = ( ( )) = 0 x = 4 (3 ( ) + 2 0) = 7 simple Algorithme de Élimination de GAUSS - p. 7/5
73 remontée Donc x 3 = = x 2 = ( ( )) = 0 x = 4 (3 ( ) + 2 0) = 7 x = 7 0 simple Algorithme de Élimination de GAUSS - p. 7/5
74 Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 8/5
75 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 9/5
76 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. En effet à la fin de la, on obtient U : 0 A C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 9/5
77 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. En effet à la fin de la, on obtient U : 0 p A C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 9/5
78 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. En effet à la fin de la, on obtient U : 0 p p 2 A C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 9/5
79 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. En effet à la fin de la, on obtient U : 0 p p 2 U... p n C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 9/5
80 Décomposition LU Pour «préparer la matrice» on souhaite la factoriser en deux matrices triangulaires : p U p A = p L 3 Pour construire L et U on utilise l élimination de GAUSS en «se souvenant» des opérations faites. En effet à la fin de la, on obtient U : 0 p p 2 U... p n C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme Une étape de l élimination revient à multiplier A par une matrice M (k) quelle est la forme de cette matrice? - p. 9/5
81 Soient m k i = a ik a kk et M (k) = k e colonne... m k k+. m k n... Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 20/5
82 Soient m k i = a ik a kk et M (k) = Alors : k e colonne... m k k+. m k n 0 A = A C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 20/5
83 Soient m k i = a ik a kk et M (k) = Alors : k e colonne... m k k+. m k n 0. B M () A =. A 0 p A () C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 20/5
84 Soient m k i = a ik a kk et M (k) = Alors : 0 M (2). C A k e colonne... m k k+. m k n 0. B M () A =. A 0 p p 2 A (2) C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 20/5
85 Soient m k i = a ik a kk et M (k) = Alors : 0 M (n ) 0 C B M (2). C A k e colonne... m k k+. m k n 0. B M () A =. A 0 p p 2 U... p n C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 20/5
86 Soient m k i = a ik a kk et M (k) = Alors : 0 M (n ) 0 C B M (2). C A k e colonne... m k k+. m k n 0. B M () A =. A 0 p p 2 U... p n C A Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme Nous avons donc M A = U - p. 20/5
87 Calcul de la matrice L A-t-on obtenu les matrices U et L de la décomposition? Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 2/5
88 Calcul de la matrice L A-t-on obtenu les matrices U et L de la décomposition? le produit de deux matrices triangulaires inférieures est triangulaire inférieure, L inverse d une matrice triangulaire inférieure est une matrice triangulaire inférieure. Lorsqu elle existe la décomposition est unique. Cela nous prouve que la matrice U obtenue est celle de la décomposition LU et que la matrice M est l inverse de la matrice L recherchée. Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 2/5
89 Calcul de la matrice L A-t-on obtenu les matrices U et L de la décomposition? le produit de deux matrices triangulaires inférieures est triangulaire inférieure, L inverse d une matrice triangulaire inférieure est une matrice triangulaire inférieure. Lorsqu elle existe la décomposition est unique. Cela nous prouve que la matrice U obtenue est celle de la décomposition LU et que la matrice M est l inverse de la matrice L recherchée. Pour calculer la matrice L il faut : Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 2/5
90 Calcul de la matrice L A-t-on obtenu les matrices U et L de la décomposition? le produit de deux matrices triangulaires inférieures est triangulaire inférieure, L inverse d une matrice triangulaire inférieure est une matrice triangulaire inférieure. Lorsqu elle existe la décomposition est unique. Cela nous prouve que la matrice U obtenue est celle de la décomposition LU et que la matrice M est l inverse de la matrice L recherchée. Pour calculer la matrice L il faut : Inverser les M (i), Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme Calculer le produit : L = M () M (2) M (3) M (n ) - p. 2/5
91 Inverse de la matrice M (i) On peut montrer que : i e colonne i e colonne X j e colonne Y =... X + Y X... Y si i = j si i < j i e colonne j e colonne - p. 22/5
92 Calcul de L Donc M (k) est inversible d inverse L (k) avec :... M (k) = m k k+... m k n Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 23/5
93 Calcul de L Donc M (k) est inversible d inverse L (k) avec : M (k) =... m k k+... m k n L (k) =... m k k+... Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme m k n - p. 23/5
94 Calcul de L (suite) La matrice L de la décomposition est : L = L () L (2) L (n ) Décomposition LU = Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 24/5
95 Calcul de L (suite) La matrice L de la décomposition est : L = = L () L (2) L (n ) m 2... m k k+.... m n... m k n... m n n Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme Rappel : les m k i sont les coefficients de l élimination de GAUSS m k i = a ik a kk - p. 24/5
96 Algorithme Données : A = (A[i, j]), n le nombre de lignes et colonnes début pour k =...n faire p A[k, k] pour i = k +...n faire q A[i, k] A[i, k] 0 Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme pour j = k +...n faire A[i, j] = A[i, j] A[k, j]. q p fin retourner - p. 25/5
97 Algorithme Données : A = (A[i, j]), n le nombre de lignes et colonnes début U A pour k =...n faire p U[k, k] pour i = k +...n faire q U[i, k] U[i, k] 0 Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p fin retourner U la matrice triangulaire supérieure, - p. 25/5
98 Algorithme Données : A = (A[i, j]), n le nombre de lignes et colonnes début U A L I pour k =...n faire p U[k, k] pour i = k +...n faire q U[i, k] U[i, k] 0 L[i, k] q p pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme fin retourner U la matrice triangulaire supérieure, L la matrice triangulaire inférieure - p. 25/5
99 Décomposition de la matrice Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 26/5
100 Décomposition de la matrice U (0) = L (0) = Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 26/5
101 Décomposition de la matrice U (0) = U () = L (0) = L () = Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 26/5
102 Décomposition de la matrice U (0) = U () = U (2) = L (0) = L () = L (2) = Décomposition LU Calcul de la matrice L Inverse de la matrice M (i) Calcul de L Calcul de L (suite) Algorithme - p. 26/5
103 Pivots nuls (suite) - p. 27/5
104 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? - p. 28/5
105 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n a 2 a 22 a a 2n a 3 a 32 a a 3n a n a n2 a n3... a nn - p. 28/5
106 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles Aa a 2 a 3... a n a 2 a 22 a a 2n a 3 a 32 a a 3n a n a n2 a n3... a nn - p. 28/5
107 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n A a 2 2 a 22 a a 2n a 3 a 32 a a 3n a n a n2 a n3... a nn - p. 28/5
108 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n a 2 Aa 22 a a 2n a 3 a 32 a a 3n a n a n2 a n3... a nn - p. 28/5
109 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n a 2 a 22 a a 2n A a 3 a 4 32 a a 3n a n a n2 a n3... a nn - p. 28/5
110 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n a 2 a 22 a a 2n a 3 aa 32 a n = A a 3n a n a n2 a n3... a nn - p. 28/5
111 Cet algorithme est applicable sur A ssi tous les pivots p (k) sont non nuls. Comment être sur que ces pivots ne seront pas nuls? Théorème L élimination de GAUSS fonctionne sur une matrice A = (a ij ) i,j n si et seulement si toutes ses matrices principales («en coin») A k = (a ij ) i,j k sont inversibles a a 2 a 3... a n a 2 a 22 a a 2n a 3 a 32 a a 3n a n a n2 a n3... a nn Cela ne donne pas de moyen à priori pour savoir si la méthode fonctionne. - p. 28/5
112 Pivots nuls Le fait qu une matrice principale A k ne soit pas inversible ne signifie pas que la matrice A n est pas inversible. Pivots nuls (suite) - p. 29/5
113 Pivots nuls Le fait qu une matrice principale A k ne soit pas inversible ne signifie pas que la matrice A n est pas inversible. Par exemple : ( 0 ) 0 0 Pivots nuls (suite) ces matrices sont inversibles et peuvent être triangularisées par une méthode un peu plus complexe. - p. 29/5
114 Pivots nuls Le fait qu une matrice principale A k ne soit pas inversible ne signifie pas que la matrice A n est pas inversible. Par exemple : ( 0 ) 0 0 Pivots nuls (suite) ces matrices sont inversibles et peuvent être triangularisées par une méthode un peu plus complexe. L avis du mathématicien : «si un pivot est nul, alors on permute deux lignes» - p. 29/5
115 Pivots nuls Le fait qu une matrice principale A k ne soit pas inversible ne signifie pas que la matrice A n est pas inversible. Par exemple : ( 0 ) 0 0 Pivots nuls (suite) ces matrices sont inversibles et peuvent être triangularisées par une méthode un peu plus complexe. L avis du mathématicien : «si un pivot est nul, alors on permute deux lignes» car : Théorème Si tous les pivots possibles sont nuls alors la matrice est singulière - p. 29/5
116 Pivots nuls Le fait qu une matrice principale A k ne soit pas inversible ne signifie pas que la matrice A n est pas inversible. Par exemple : ( 0 ) 0 0 Pivots nuls (suite) ces matrices sont inversibles et peuvent être triangularisées par une méthode un peu plus complexe. L avis du mathématicien : «si un pivot est nul, alors on permute deux lignes» car : Théorème Si tous les pivots possibles sont nuls alors la matrice est singulière Pourquoi cela n est-il pas satisfaisant? - p. 29/5
117 En modifiant légèrement la matrice précédente : 0 0 x = 0 2 La solution est (,, ). Appliquons la méthode de avec 4 chiffres décimaux de précision en arrondi au plus près. Pivots nuls (suite) - p. 30/5
118 En modifiant légèrement la matrice précédente : x = 0 2 La solution est (,, ). Appliquons la méthode de avec 4 chiffres décimaux de précision en arrondi au plus près. Pivots nuls (suite) - p. 30/5
119 En modifiant légèrement la matrice précédente : x = 0 2 La solution est (,, ). Appliquons la méthode de avec 4 chiffres décimaux de précision en arrondi au plus près. La matrice A devient : A = Pivots nuls (suite) - p. 30/5
120 En modifiant légèrement la matrice précédente : x = 0 2 La solution est (,, ). Appliquons la méthode de avec 4 chiffres décimaux de précision en arrondi au plus près. La matrice A devient : A = Pivots nuls (suite) - p. 30/5
121 (suite) x = p. 3/5
122 (suite) x = p. 3/5
123 (suite) E 4 0 x = p. 3/5
124 (suite) E E 4 0 x = x = p. 3/5
125 (suite) E E x = x = p. 3/5
126 (suite) E E E4 x = x = E4 - p. 3/5
127 (suite) Donc E E E4 x 3 x 2 x = = E4 x = E4 = = E 4 = 0 x = = E4 - p. 3/5
128 (suite) Donc E E E4 x 3 x 2 x = = E4 x = E4 = = E 4 = 0 x = = Suite aux erreurs d arrondis, la solution fournie est E4 au lieu de - p. 3/5
129 (suite) Donc E E E4 x 3 x 2 x = = E4 x = E4 = = E 4 = 0 x = = Suite aux erreurs d arrondis, la solution fournie est E4 au lieu de Pour résoudre ce problème on recherche les pivots maximaux. - p. 3/5
130 Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 32/5
131 Nous n avons pas utilisé les deux propriétés suivantes : On ne change pas la solution du système lorsque on permute deux lignes, On ne change pas la solution du système lorsque on permute deux colonnes. - p. 33/5
132 Nous n avons pas utilisé les deux propriétés suivantes : On ne change pas la solution du système lorsque on permute deux lignes, On ne change pas la solution du système lorsque on permute deux colonnes. Or la permutation est une opération qui ne cause aucune erreur de calcul. - p. 33/5
133 Nous n avons pas utilisé les deux propriétés suivantes : On ne change pas la solution du système lorsque on permute deux lignes, On ne change pas la solution du système lorsque on permute deux colonnes. Or la permutation est une opération qui ne cause aucune erreur de calcul. On peut utiliser cette propriété pour choisir le pivot le plus grand (en valeur absolue). En ne permutant que les lignes, c est l algorithme de GAUSS avec pivot partiel. simple - p. 33/5
134 Nous n avons pas utilisé les deux propriétés suivantes : On ne change pas la solution du système lorsque on permute deux lignes, On ne change pas la solution du système lorsque on permute deux colonnes. Or la permutation est une opération qui ne cause aucune erreur de calcul. On peut utiliser cette propriété pour choisir le pivot le plus grand (en valeur absolue). En ne permutant que les lignes, c est l algorithme de GAUSS avec pivot partiel. simple En permutant les lignes et les colonnes, c est l algorithme de GAUSS avec pivot total. stable - p. 33/5
135 Pivot partiel rechercher le pivot maximal parmi les éléments de la colonne k situés sous la diagonale. p k = a s,k avec a s,k = max i=k...n a i,k permuter les lignes s et k de la matrice A (k ), ce qui revient uniquement à changer l ordre des équations. Si tous les pivots de cette colonne sont nuls, la matrice est singulière. «Si tous les pivots de cette colonne sont proches de 0, la matrice est soit singulière mais mal calculée, soit proche d une matrice singulière donc instable». 0 p 0 a 2... a k a m pk a kk. a nk a kk+. a nk a km.. a nm C A Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 34/5
136 Élimination avec pivot partiel début pour k =...n faire p A[k, k] ; pour i = k +...n faire q A[i, k] ; A[i, k] 0 pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) fin retourner A la matrice triangulaire - p. 35/5
137 Élimination avec pivot partiel début pour k =...n faire p A[k, k] ; l k pour i = k...n faire si A[i, k] > p alors p A[i, k] ; l i pour i = k +...n faire q A[i, k] ; A[i, k] 0 pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) fin retourner A la matrice triangulaire - p. 35/5
138 Élimination avec pivot partiel début pour k =...n faire p A[k, k] ; l k pour i = k...n faire si A[i, k] > p alors p A[i, k] ; l i si l k alors pour j = k...m faire temp A[k, j] ; A[k, j] A[l, j] ; A[l, j] temp pour i = k +...n faire q A[i, k] ; A[i, k] 0 pour j = k +...m faire A[i, j] = A[i, j] A[k, j]. q p Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) fin retourner A la matrice triangulaire - p. 35/5
139 Pivot total rechercher le pivot maximal parmi les éléments de la sous-matrice [a i,j ] (i k, j k). p k = a s,t avec a s,t = max i=k...n, j=k...n a i,j permuter les lignes s et k permuter les colonnes t et k, ce qui modifie l ordre des inconnues 0 p 0 a 2... a k a m pk a kk. a nk a kk+. a nk a km.. a nm C A Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 36/5
140 Résumé Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 37/5
141 Effet sur la décomposition LU Est ce que l inversion de lignes ou de colonnes est possible lorsqu on veut la décomposition LU? Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 38/5
142 Effet sur la décomposition LU Est ce que l inversion de lignes ou de colonnes est possible lorsqu on veut la décomposition LU? Matriciellement, à quoi correspond ces permutations? Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 38/5
143 Effet sur la décomposition LU Est ce que l inversion de lignes ou de colonnes est possible lorsqu on veut la décomposition LU? Matriciellement, à quoi correspond ces permutations? Peut-on appliquer les deux formes de recherche de pivot maximaux à l algorithme de décomposition LU? Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 38/5
144 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne p. 39/5
145 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : A = A - p. 39/5
146 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M () P,l A = A - p. 39/5
147 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M (2) P 2,l2 M () P,l A = A 2 - p. 39/5
148 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M (n 2) P n 2,ln 2 M (2) P 2,l2 M () P,l A = A n 2 - p. 39/5
149 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M (n ) P n,ln M (n 2) P n 2,ln 2 M (2) P 2,l2 M () P,l A = U - p. 39/5
150 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M (n ) P n,ln M (n 2) P n 2,ln 2 M (2) P 2,l2 M () P,l A = U La matrice M obtenue n est plus triangulaire inférieure - p. 39/5
151 Matrice de permutation Permuter deux lignes d une matrice correspond la multiplier à gauche par une matrice de la forme : i e colonne... 0 P ij =... j e colonne 0... Alors, l élimination de GAUSS avec permutation revient à obtenir : M (n ) P n,ln M (n 2) P n 2,ln 2 M (2) P 2,l2 M () P,l A = U La matrice M obtenue n est plus triangulaire inférieure - p. 39/5
152 Propriétés des matrices de permutation Par contre, il est possible de commuter les matrices de permutation et les matrices M (k). Si k < i < j : P ij M (k) = M (k) P ij où M (k) est la matrice M (k) dont les coefficients i et j ont été échangés. Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 40/5
153 Propriétés des matrices de permutation Par contre, il est possible de commuter les matrices de permutation et les matrices M (k). Si k < i < j : P ij M (k) = M (k) P ij où M (k) est la matrice M (k) dont les coefficients i et j ont été échangés. M (k) est de la même forme que M (k) donc elle est triangulaire inférieure et elle est inversée de la même façon Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 40/5
154 Propriétés des matrices de permutation Par contre, il est possible de commuter les matrices de permutation et les matrices M (k). Si k < i < j : P ij M (k) = M (k) P ij où M (k) est la matrice M (k) dont les coefficients i et j ont été échangés. M (k) est de la même forme que M (k) donc elle est triangulaire inférieure et elle est inversée de la même façon Finalement, ˆM (n ) ˆM (2) ˆM() P n,ln P 2l2 P l A = U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 40/5
155 Propriétés des matrices de permutation Par contre, il est possible de commuter les matrices de permutation et les matrices M (k). Si k < i < j : P ij M (k) = M (k) P ij où M (k) est la matrice M (k) dont les coefficients i et j ont été échangés. M (k) est de la même forme que M (k) donc elle est triangulaire inférieure et elle est inversée de la même façon Finalement, ˆM (n ) ˆM (2) ˆM() P n,ln P 2l2 P l A = U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) M P A = U - p. 40/5
156 Propriétés des matrices de permutation Par contre, il est possible de commuter les matrices de permutation et les matrices M (k). Si k < i < j : P ij M (k) = M (k) P ij où M (k) est la matrice M (k) dont les coefficients i et j ont été échangés. M (k) est de la même forme que M (k) donc elle est triangulaire inférieure et elle est inversée de la même façon Finalement, ˆM (n ) ˆM (2) ˆM() P n,ln P 2l2 P l A = U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) M P A = U P A = L U - p. 40/5
157 Décomposition PLU on applique l algorithme avec recherche de pivot partiel, en calculant U et L A chaque fois qu on permute une ligne de U, on permute aussi les lignes de L en dessous de la diagonale. On conserve la permutation P (l ordre des lignes) car P A = L U Pour résoudre Ax = b, il suffit de résoudre LUx = Pb! on ne peut pas utiliser l algorithme avec recherche du pivot total Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 4/5
158 Algorithme Données : A = (A[i, j]), n début U A ; ; pour k =...n faire // Recherche partiel du pivot p U[k, k] ; l k fin retourner pour i = k...n faire si U[i, k] > p alors p U[i, k] ; l i si l k alors //Permutation de lignes pour j =...n faire temp U[k, j] ; U[k, j] U[l, j] U[l, j] temp pour i = k +...n faire q U[i, k] ; U[i, k] 0 pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p U - p. 42/5
159 Algorithme Données : A = (A[i, j]), n début U A ; L I ; pour k =...n faire // Recherche partiel du pivot p U[k, k] ; l k fin retourner pour i = k...n faire si U[i, k] > p alors p U[i, k] ; l i si l k alors //Permutation de lignes pour j =...n faire temp U[k, j] ; U[k, j] U[l, j] U[l, j] temp pour i = k +...n faire q U[i, k] ; U[i, k] 0 L[i, k] q p pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p L et U - p. 42/5
160 Algorithme Données : A = (A[i, j]), n début U A ; L I ; pour k =...n faire // Recherche partiel du pivot p U[k, k] ; l k fin retourner pour i = k...n faire si U[i, k] > p alors p U[i, k] ; l i si l k alors //Permutation de lignes pour j =...n faire temp U[k, j] ; U[k, j] U[l, j] U[l, j] temp si j < k alors //Uniquement sous la diagonale temp L[k, j] ; L[k, j] L[l, j] L[l, j] temp pour i = k +...n faire q U[i, k] ; U[i, k] 0 L[i, k] q p pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p L et U - p. 42/5
161 Algorithme Données : A = (A[i, j]), n début U A ; L I ; P I pour k =...n faire // Recherche partiel du pivot p U[k, k] ; l k pour i = k...n faire si U[i, k] > p alors p U[i, k] ; l i si l k alors //Permutation de lignes pour j =...n faire temp U[k, j] ; U[k, j] U[l, j] U[l, j] temp si j < k alors //Uniquement sous la diagonale temp L[k, j] ; L[k, j] L[l, j] L[l, j] temp temp P[k, j] ; P[k, j] P[l, j] P[l, j] temp pour i = k +...n faire q U[i, k] ; U[i, k] 0 L[i, k] q p pour j = k +...n faire U[i, j] = U[i, j] U[k, j]. q p fin retourner P, L et U - p. 42/5
162 2 Calcul de la décomposition PLU de k P L U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 43/5
163 Calcul de la décomposition PLU de k P L U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 43/5
164 Calcul de la décomposition PLU de k P L U Pivot partiel Élimination avec pivot partiel Pivot total Résumé Effet sur la décomposition LU Matrice de permutation Propriétés des matrices de permutation Décomposition PLU Algorithme (suite) - p. 43/5
Calcul 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailCours d analyse 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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. Introduction à la méthodes des différences finies
Première partie Introduction à la méthodes des différences finies 5 7 Introduction Nous allons présenter dans cettte partie les idées de base de la méthode des différences finies qui est sans doute la
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 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 détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
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 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en 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 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 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 détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailAnalyse Numérique : SMA-SMI S4 Cours, exercices et examens
Analyse Numérique : SMA-SMI S4 Cours, exercices et examens Boutayeb A, Derouich M, Lamlili M et Boutayeb W. Table des matières Résolution numérique de systèmes linéaires AX = B 5. Méthodes directes de
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 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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
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 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 détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
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 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 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 détailArchitecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
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 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 détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
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 détailCours d initiation à la programmation en C++ Johann Cuenin
Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................
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 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 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 détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
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 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 détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailExercices 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 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 détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
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 détailExposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.
Test d homogéné$é Y. BRUNET-MORET Ingénieur hydrologue, Bureau Central Hydrologique Paris RÉSUMÉ Présentation d un test d homogénéi.té spécialement conçu pour vérijier Z homogénéité des suites chronologiques
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
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 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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
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 détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
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 détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailhttp://cermics.enpc.fr/scilab
scilab à l École des Ponts ParisTech http://cermics.enpc.fr/scilab Introduction à Scilab Graphiques, fonctions Scilab, programmation, saisie de données Jean-Philippe Chancelier & Michel De Lara cermics,
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 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 détailMATHÉMATIQUES DISCRÈTES (4) CRYPTOGRAPHIE CLASSIQUE
MATHÉMATIQUES DISCRÈTES (4) CRYPTOGRAPHIE CLASSIQUE Michel Rigo http://www.discmath.ulg.ac.be/ Année 2007 2008 CRYPTOGRAPHIE. N. F. Art d écrire en chiffres ou d une façon secrète quelconque. Ensemble
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 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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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 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 détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
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 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 détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
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 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 détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
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 détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
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 détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailTP 1 Introduction à Matlab Février 2009
1 Introduction TP 1 Introduction à Matlab Février 2009 Matlab pour «MATtrix LABoratory», est un logiciel qui a été conçu pour fournir un environnement de calcul numérique de haut niveau. Il est 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 détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détail