Isométries d'un espace euclidien.

Dimension: px
Commencer à balayer dès la page:

Download "Isométries d'un espace euclidien."

Transcription

1 Isométries d'un espace euclidien. Dans ce chapitre, le corps des scalaires est R et l'espace (E ; ) est un espace euclidien de dimension finie n. 1. Isométries vectorielles d'un espace euclidien...p.1 Définition d'une isométrie vectorielle. Caractérisation par la conservation du produit scalaire. caractérisation par l'image d'une base orthonormale. Symétrie orthogonale par rapport à un sous espace vectoriel. Réflexion. Groupe orthogonal. Stabilité de l'orthogonal d'un sous-espace stable par une isométrie vectorielle. 2. Matrices orthogonales...p.6 Définition de l'orthogonalité pour une matrice. Groupe orthogonal d'ordre n. Caractérisation des matrices orthogonales à l'aide des lignes ou des colonnes. Caractérisation des bases orthonormales à l'aide des matrices de passage. Caractérisation des isométries vectorielles à l'aide de leur matrice dans une base orthonormale. Déterminant d'une matrice orthogonale. Déterminant d'une isométrie vectorielle. Isométrie vectorielle positive, négative (directe, indirecte). Groupe spécial orthogonal. Groupe spécial orthogonal d'ordre n. 3. Classification en dimension 2 et 3...p.9 Description du groupe orthogonal en dimension 2 et 3. Classification à partir des éléments propres. Caractéristiques géométriques d'une isométrie vectorielle. 4. Matrices symétriques réelles...p.18 Orthogonalité des sous-espaces propres d'une matrice symétrique réelle. Théorème spectral Isométries d'un espace vectoriel euclidien. Définition d'une isométrie vectorielle : soit (E ; ) un espace euclidien, la norme associée, et f L (E ). f est une isométrie vectorielle si et seulement si u E, f (u ) = u Illustration dans le plan vectoriel euclidien muni de la base orthonormale ( i ; j ) : Exemple et contre-exemple : Une projection orthogonale sur un sous-espace vectoriel F {0 E } Une symétrie orthogonale par rapport à un sous-espace vectoriel F... Isométries d'un espace euclidien 1/18 pycreach.free.fr - TSI2

2 Rappel : une réflexion est une symétrie orthogonale par rapport à un hyperplan. Pour n E {0 E } en notant s la réflexion par rapport à (vect (n)) on a u E, s (u )=u 2 u n n 2 n. Caractérisation d'une isométrie vectorielle par conservation du produit scalaire: soit (E ; ) un espace euclidien et f L (E ). f est une isométrie vectorielle si et seulement si (u; v ) E 2, f (u ) f (v ) = u v Démonstration : Si (u; v ) E 2, f (u ) f (v ) = u v alors f (u ) 2 = Si u E, f (u ) = u alors (u; v ) E 2, f (u+v ) 2 = Caractérisation d'une isométrie par l'image d'une base orthonormale : soit (E ; ) un espace euclidien, B=(e 1 ; ; e n ) une base orthonormale de E et f L (E ). f est une isométrie vectorielle si et seulement si la famille ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E. Démonstration : ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E (i ; j) [1; n ] 2 Si f est une isométrie vectorielle alors (i; j) [1; n ] 2, f (e i ) f (e j ) = e i e j or f (e i ) f (e j ) = { 1 si i= j 0 sinon B étant une base orthonormale, u= u e 1 e u e n e n et d'après le théorème de Pythagore : u 2 = Par ailleurs, par linéarité de f, f (u )= u e 1 f (e 1 )+ + u e n f (e n ) Si de plus la famille ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E alors, d'après le théorème de Pythagore : f (u ) 2 = Donc f (u ) 2 = u 2 donc... Isométries d'un espace euclidien 2/18 pycreach.free.fr - TSI2

3 Exemples en dimension 2 : soit P un plan euclidien muni d'une base orthonormée ( i ; j ) : Soit f l'endomorphisme de P défini par : { f ( i )=0,6 i +0,8 j f ( j )= 0,8 i +0,6 j Soit g l'endomorphisme de P défini par : { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Pour u = 2 i + j, on a f ( u )= Pour v =4 i +3 j, on a f ( v )= Pour u = 2 i + j, on a g ( u )= Pour v =4 i +3 j, on a g ( v )= Isométries d'un espace euclidien 3/18 pycreach.free.fr - TSI2

4 Exemple en dimension 3 : soit E un espace euclidien de dimension 3 muni d'une base orthonormale ( i ; j ; k ) et f l'endomorphisme de E défini par { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Pour u =7 i +5 j + k on a f ( u )= u = f ( u ) = Pour v =2 i 3 j + k on a : f ( v )= v = f ( v ) = u v = f ( u ) f ( v ) = Opérations sur les isométries vectorielles : soit (E ; ) un espace euclidien, la norme associée, f L (E ) et g L( E). Si f et g sont des isométries vectorielles de E alors g f est une isométrie vectorielle de E. Si f est une isométrie vectorielle alors f est une bijection de E dans E (i.e. f GL ( E) ) et f 1 est une isométrie vectorielle de E. Démonstration : soit u E alors g f (u ) = Soit v Ker f alors v = Donc f est une bijection de E dans E. Soit u E alors il existe v E tel que u= f ( v ) donc f 1 ( u) = f 1 ( f (v )) = v = u car... Remarque : si f est une isométrie vectorielle alors son spectre (réel) est inclus dans l'ensemble { 1; 1}. En effet si λ Sp et si u est un vecteur propre de f associé à λ alors u = f (u ) = λ u = λ u ainsi, puisque u 0 E,on a nécessairement λ =1. Définition du groupe orthogonal (O ( E); ) : soit (E ; ) un espace euclidien. L'ensemble des isométries vectorielles de E muni de l'opération est appelé groupe orthogonal noté (O ( E ); ). Isométries d'un espace euclidien 4/18 pycreach.free.fr - TSI2

5 Propriété de stabilité de l'orthogonal d'un sous-espace stable par une isométrie vectorielle : soit (E ; ) un espace euclidien, f O (E ) et F un sous-espace vectoriel de E. Si F est stable par f alors F est stable par f. Démonstration : Soit v F alors u F, u; v =0 De plus f O (E ) donc u F, f (u ) f (v ) = u ; v Ainsi u F, f (u ) f (v ) =0 Si F est stable par f alors la restriction de f à F f F : F F est une bijection de F dans F. Donc u' F, u F tel que u' = f (u ), ainsi u' F, u' f ( v ) = f (u ) f (v ) =0 donc f (v ) F. Ce raisonnement étant valide pour tout v F, F est stable par f Exemple : Soit E un espace euclidien de dimension 4 muni d'une base orthonormale B=( i ; j ; k ; l ) et f {f ( i )=0,6 j +0,8 l l'endomorphisme de E défini par f ( j )=0,6 i +0,8 k et F=Vect ( i + j ; k + l ). f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k f est une isométrie vectorielle car... Le sous-espace vectoriel F est stable par f car... or i j F et k l F car car... Ainsi F =Vect ( ; ) est stable par f. Conséquence sur la matrice d'une isométrie vectorielle dans une base adaptée : soit (E ; ) un espace euclidien de dimension n, F un sous-espace vectoriel de E de dimension p, et B=(e 1 ; ; e p ; e p+1 ; ; e n ) une base de E telle que (e 1 ; e p ) soit une base de F et (e p+1 ; ;e n ) soit une base de F. Si f O (E ) et si F est stable par f A 0 alors il existe A M p (R) et B M n p (R) telles que =( M p, n p (R) 0 Mn p, p (R ) B ) Exemple : Soit E un espace euclidien de dimension 4 muni d'une base orthonormale B=( i ; j ; k ; l ) et f {f ( i )=0,6 j +0,8 l l'endomorphisme de E défini par f ( j )=0,6 i +0,8 k en notant B' =( i + j ; k + l ; i j ; k l ) f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k On a ' = En utilisant la formule de changement de base on a : ' = Isométries d'un espace euclidien 5/18 pycreach.free.fr - TSI2

6 2. Matrices orthogonales Définition de l'orthogonalité d'une matrice : Soit A M n (R ). A est orthogonale si et seulement si A T A=I n Exemple et contre-exemple : ( ) ( ) Opérations sur les matrices orthogonales : Soit A M n (R ) et B M n (R). Si A et B sont orthogonales alors A B est une matrice orthogonale. Si A est orthogonale alors A est inversible (i.e. A GL n (R) ) et A 1 =A T est une matrice orthogonale. Démonstration : Si A T A=I n et B T B=I n alors (AB ) T AB= Si A T A=I n alors si X Ker ( A ),... Donc A est inversible et A 1 =A T (A T ) T (A T )= Définition du groupe orthogonal d'ordre n : l'ensemble des matrices orthogonales de M n (R) muni de l'opération est le groupe orthogonal d'ordre n noté (O n (R) ; ). Remarque : on note aussi O ( n). Caractérisation des matrices orthogonales à l'aide de leurs lignes ou de leurs colonnes : Soit A=( a 1,1 a 1, n a n,1 a n,n) M n (R) A est orthogonale si et seulement si (( la famille de ses n vecteurs colonnes a 1,1 a n,1) ; ; ( a 1, j j) ; ; ( a 1,n a n, a n,n)) est orthonormale dans M n,1 (R) si et seulement si la famille de ses n vecteurs lignes ((a 1,1 ; ; a 1,n ); ;(a i ;1 ; ; a i, n ); ;(a n, 1 ; ;a n,n )) est orthonormale dans M 1,n (R),1 a1, j a1, n Démonstration : Soit A=(a1 a n,1 a n, j a n,n) Alors A T A= a (a1,1 n,1 a 1, j a n, j a 1,n a n,n) (a1,1 a1, j a1,n a n,1 a n, j a n,n) Ainsi en notant C j= ( a 1, j j) M n,1 (R), on a A T A=((C i ) T C j ) 1 i 1 1 j 1 a n, Ainsi : A T A=I n (i, j ) 1; n 2, (C i ) T C j = { 1 si i= j 0 sinon Isométries d'un espace euclidien 6/18 pycreach.free.fr - TSI2

7 Par ailleurs : A A T = (a1,1 a1 a i,1 a i a n,1 a n,n) (a1,1 ai,1 a n,1 a 1,n a i,n a n,n) Ainsi en notant L i =(a i,1 ; ;a i,n ) M 1 n (R ) on a A A T =( L i (L j ) T ) ( 1 i n 1 j n) Ainsi A T A=I n A est inversible et A 1 =A T A A T =I n (i, j ) 1; n 2, L i (L j ) T = { 1 si i= j 0 sinon Caractérisation des bases orthonormales de E : Soit B 0 une base orthonormale de E et B une base de E. B est orthonormale si et seulement si la matrice de passage de B 0 à B est orthogonale. Démonstration : La base B 0 étant orthonormale, (u; v ) E 2, u v =(0 (u )) T 0 (v ) donc : Les vecteurs u et v sont orthogonaux dans E si et seulement si 0 ( u) et 0 ( v ) sont orthogonale dans M n,1 (R) Or les colonnes de la matrice de passage P de la base B 0 à la base B=(e' 1 ; ;e' n ) sont pour j 1; n, 0 (e' j ) donc : B est une famille de E orthonormale (0 (e' j )) 1 j n est orthonormale dans M n,1 (R) P O n (R) Caractérisation des isométries vectorielles de E : Soit B 0 une base orthonormale de E et f L (E ). f est une isométrie vectorielle si et seulement si la matrice de f dans B 0, 0 est orthogonale. Démonstration : soit B 0 =(e 1 ; ;e n ). f est une isométrie vectorielle si et seulement si ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E si et seulement si (0 ( f (e 1 )); ; 0 ( f (e n ))) est une base orthonormale de M n,1 (R) si et seulement si 0 est orthogonale. Remarque : on a un isomorphisme de groupe : (O ( E); ) (O n (R ) ; ) f 0 Exemples : si ( i ; j ) est une base orthonormale de E, les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Si ( i ; j ; k ) est une base orthonormale de E, l' endomorphisme f défini par : { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Si ( i ; j ; k ; l ) est une base orthonormale de E, l' endomorphisme f défini par : {f ( i )=0,6 j +0,8 l f ( j )=0,6 i +0,8 k f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k Déterminant d'une matrice orthogonale : Soit A M n (R ). Si A O n (R ) alors det (A ) { 1;1 } Démonstration : det (A T A )= det (A )=±1 est nécessaire si A O (n ) mais det (A )=±1 n'est pas suffisant pour assurer que A O (n ). Exemple : ( )... Isométries d'un espace euclidien 7/18 pycreach.free.fr - TSI2

8 Application à l'orientation d'un espace euclidien : soient (E ; ) un espace euclidien et B 0 une base orthonormale de E. L'espace euclidien E est dit orienté (par la donnée de la base B 0 ). Soit B une base orthonormale de E, B est dite directe si et seulement si le déterminant de la matrice de passage de la base B 0 à la base B est égal à 1. Exemples : Soit E un espace euclidien de dimension 3 orienté par la base orthonormale B 0 =( i ; j ; k ). La base B' =( k ; j ; i ) est La base B' '=( j ; k ; i ) est... Déterminant d'une isométrie vectorielle : Soit f L (E ). Si f O (E ) alors det { 1;1 } Démonstration : soit B 0 une base orthonormale de E alors det = Définition d'une isométrie vectorielle positive ou négative : soient (E ; ) un espace euclidien et f L (E ). f une isométrie vectorielle positive (ou directe) si et seulement si { f O ( E ) det =1 f une isométrie vectorielle négative (ou indirecte) si et seulement si { f O ( E ) det = 1 Exemples : soient ( i ; j ) une base orthonormale directe de E et les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Opérations sur les isométries vectorielles positives : soient (E ; ) un espace euclidien, f L (E ) et g L( E). Si { f O ( E) det =1 et g O (E) { det ( g )=1 alors g f O ( E) { det ( g f )=1 Si { f O ( E) det =1 alors f GL ( E) et { f 1 O ( E) det ( f 1 )=1 Démonstration : les propriétés du groupe orthogonal O(E) sont déjà démontrées. det ( g f )= det ( f 1 )= Définition du groupe spécial orthogonal : soit (E ; ) un espace euclidien. L'ensemble des isométries vectorielles de E positives muni de l'opération est appelé groupe spécial orthogonal de E noté (SO ( E ); ). L'ensemble des isométries vectorielles de E négatives n'est pas un sous-groupe car pour det = 1 et det ( g )= 1, det ( g f )= Définition du groupe spécial orthogonal d'ordre n : L'ensemble des matrices de O n (R ) de déterminant égal à 1 muni de l'opération est appelé groupe spécial orthogonal d'ordre n noté (SO n (R) ; ). Remarque : on note aussi SO (n). O (n )={A O (n ) det (A )= 1} n'est pas un sous-groupe. On a un isomorphisme de groupe : (SO ( E); ) (SO n (R) ; ) f 0 Isométries d'un espace euclidien 8/18 pycreach.free.fr - TSI2

9 3. Classification en dimension 2 et 3 Spectre (réel) d'une isométrie vectorielle : soit (E ; ) un espace euclidien et f L (E ). Si f O (E ) alors sp { 1; 1} Démonstration : soit un réel λ Sp et v une vecteur propre de f associé à la valeur propre λ : { v 0 E f ( v )=λ v. Si f O (E ) alors f (v ) = v donc λ v = v donc v ( λ 1)=0 Or v 0 donc λ =1 ainsi... Classification des isométries vectorielles en dimension 2 : soit (E ; ) un espace euclidien de dimension 2 et f L (E ). Si f O (E ) alors : ou bien sp={1} : dans ce cas f SO (E ) et f =Id E ou bien sp={ 1 } : dans ce cas f SO (E ) et f = Id E ou bien sp={ 1;1 } : dans ce cas f SO (E ) et f est une réflexion par rapport à E 1 ou bien sp= : dans ce cas f SO (E ) et f est une rotation d'angle θ 0 [π ] : u v ) soit une base orthonormale directe de E, u E {0 E }, en notant v l'unique vecteur tel que ( 1 u u ; 1 f (u )=cos (θ )u+sin (θ) v Démonstration : Soit χ f (X ) le polynôme caractéristique de f et f O (E ). Si χ f (X ) est scindé dans R [X ] alors f est trigonalisable dans E et 3 cas de figures sont possibles : 1) Si χ f (X )=(X 1) (X 1) alors sp={1}, det =1 2 =1 et 1 dim(e 1 ) 2. Supposons par l'absurde que dim (E 1 )=1 alors dim ((E 1 ) )=1 car E=E 1 (E 1 ) et puisque E 1 est stable par f (comme tout sous-espace propre), son orthogonal (E 1 ) est aussi stable par f. Ainsi en choisissant { e' 1 E 1 {0 E } e' 2 (E 1 ) {0 E }, B' =(e' ; e' 1 2) est une base de E et λ R tel que ' = ( λ). Donc det =λ, or det =1 donc λ=1 d'où dim (E 1 )=2 ce qui est contradictoire avec l'hypothèse de départ. Ainsi dim (E 1 )=2 donc E 1 =E d'où : f =Id E. 2) Si χ f (X )=(X+1)(X+1) alors sp={ 1 }, det = 1 1= 1 et 1 dim(e 1 ) 2. On démontre par l'absurde que dim (E 1 )=1 est impossible. Donc dim (E 1 )=2 ainsi E 1 =E d'où : f = Id E. 3) Si χ f (X )=(X 1) (X+1 ) alors sp={ 1;1 }, det = 1 1 donc f SO (E ) et f est diagonalisable car son polynôme caractéristique est scindé et à racines simples. dim (E 1 )=1 alors dim ((E 1 ) )=1 car E=E 1 (E 1 ) et puisque E 1 est stable par f (comme tout sousespace propre), son orthogonal (E 1 ) est aussi stable par f. Soit { e' 1 E 1 {0 E } e' 2 (E 1 ) {0 E }, B' =(e' ; e' 1 2) est une base de E et λ R tel que ' = ( λ). Donc λ= 1 et (E 1 ) =E 1. Ainsi f est une réflexion de E. Si χ f (X ) est n'est pas scindé dans R [X ] alors il existe z C tel que: χ f (X )=(X z) (X z ) Ainsi det =z z= z 2 donc det =1. Soit B=(e 1 ;e 2 ) une base orthonormale de E alors =A= ( a b c d), A SO (2 ) {a 2 +c 2 =1 b 2 +d 2 =1 ab+cd =0 ad bc=1 (θ 1 ; θ 2 ) R 2 tel que Or { cos (θ 1 )cos (θ 2 )+sin (θ 1 )sin (θ 2 )=cos (θ 1 θ 2 ) cos (θ 1 )sin (θ 2 ) sin (θ 1 ) cos (θ 2 )=sin (θ 2 θ 1 ) A SO (2 ) (θ 1 ; θ 2 ) R 2 tel que donc θ 1 θ 2 = π 2 {( a; c )=(cos (θ 1 ); sin (θ 1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) cos (θ 1 θ 2 )=0 sin (θ 2 θ 1)=1 {( a; c )=(cos (θ 1 ); sin (θ 1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) cos (θ 1 )cos (θ 2 )+sin (θ 1 )sin (θ 2 )=0 cos (θ 1 )sin (θ 2) sin (θ 1) cos (θ 2)=1 [ π ] (θ 1 ; θ 2 ) R 2 tel que {( a; c )=(cos (θ1 ); sin (θ1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) θ 1 θ 2 = π 2 [π ] θ 2 θ 1 = π 2 [ 2π] Isométries d'un espace euclidien 9/18 pycreach.free.fr - TSI2

10 (θ 1 ; θ 2 ) R 2 tel que {( a; c )=(cos (θ1 ); sin (θ1 )) (b; d )=(cos (θ 2 ); sin (θ 2 )) θ 2 =θ 1 π 2 [π ] θ 2 =θ 1 + π 2 [2π ] θ R tel que A= ( cos (θ) sin (θ ) sin (θ) cos (θ ) ) Si θ=0 [2π ] alors A=Id 2 donc sp={1} ce qui est impossible par hypothèse. Si θ=π [2π ] alors A= Id 2 donc sp ={ 1 } ce qui est impossible par hypothèse. Soit u E, en notant (u )= ( x cos (θ ) sin (θ ) Soit v= y e 1 +x e 2 la famille ( 1 u u ; 1 u v ) P= 1 y y x ) on a :... x 2 + y 2 ( x y), on a Mat ( f (u ))= B ( sin (θ ) cos (θ) )( x y) =cos (θ ) ( x y) +sin (θ ) ( y v est unique car dim (vect ( u)) =1, 1 u v =1 et ( 1 u u ; 1 u v ) est une base orthonormale directe de E car en posant x ) base orthonormale indirecte de E. Remarques sur les rotations en dimension 2 : soit f une rotation d'angle θ 0 [π ] Quelle que soit la base B' =(e' 1 ; e' 2 ) orthonormale directe de E, f (e' 1 )=cos (θ)e' 1 +sin (θ )e' 2 De plus (e' 2 ; e' 1 ) est aussi une base orthonormale directe donc f (e' 2 )=cos (θ )e' 2 +sin (θ ) ( e' 1 ) Ainsi ' = Par ailleurs : u E, f (u )=cos (θ ) u +sin ( θ) v avec u et v orthogonaux donne : u f (u ) = Enfin en notant ' ( u)= ( x y) on a : det B' ( u, f ( u))= x x cos (θ) y sin ) y x sin (θ )+ y cos (θ) = x x cos ) y y cos (θ) + x y sin (θ ) y x sin (θ) = Remarques sur les réflexions : soit f une réflexion. u E, f (u+ f (u ))= donc u+ f ( u) E 1 f (u f (u ))= donc u f (u ) E 1 Isométries d'un espace euclidien 10/18 pycreach.free.fr - TSI2

11 Soient (E ; ) un espace euclidien de dimension 2 et f O (E ) Nature de f f =Id E ou rotation d'angle 0 [2π ] f = Id E ou rotation d'angle π f est la rotation d'angle θ 0 [π ] f est une réflexion par rapport à E 1 Spectre de f sp={1} sp={ 1 } sp= sp={ 1;1 } Déterminant de f Vecteurs invariants det =1 det =1 det =1 det = 1 E {0 E } {0 E } E 1 Droites stables Toutes les droites vectorielles de E Toutes les droites vectorielles de E E 1 et E 1 Matrice dans une base orthonormale Pour toute base B de E : = ( ) Pour toute base B de E : = ( ) Pour toute base B orthonormale directe de E : = ( cos (θ) sin (θ ) sin (θ) cos (θ ) ) Il existe une base B orthonormale de E telle que : = ( ) Trace Tr =2 Tr = 2 Tr =2cos (θ ) ] 2; 2[ Tr =0 Symétrie de la matrice dans une base orthonormale Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n'est pas symétrique. Pour toute base B orthonormale de E, est symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiqu es géométriques Remarque : u E, f (u )=u u E, f (u )= u u E, u f (u ) = u 2 cos (θ) Pour toute base orthonormale directe B de E : det B (u; f (u ))= u 2 sin (θ ) Si A M n (R ) est symétrique alors P O (n ), (P T A P) T =P T A T (P T ) T =P T A P donc P O (n ), P T A P est symétrique. u E, u+ f ( u) E 1 u f (u ) E 1 Si A M n (R ) est antisymétrique alors P O (n ), (P T A P) T =P T A T (P T ) T =P T ( A )P= P T A P donc P O (n ), P T A P est antisymétrique Isométries d'un espace euclidien 11/18 pycreach.free.fr - TSI2

12 Applications : soient ( i ; j ) une base orthonormale directe de E et les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j. Déterminer la nature de f et de g. g ( j )=0,8 i 0,6 j from sympy import * def nature(m): if M.equals(eye(2)): pprint(m) print(" est la matrice de l'identité dans n'importe quelle base.") elif M.equals(-eye(2)): pprint(m) print(" est la matrice de l'homothétie de rapport -1 dans n'importe quelle base.") else : Z=M*(M.transpose())-eye(2) if trace(z.transpose()*z)>10**-12: pprint(m) print(" n'est pas la matrice, dans une base orthonormale, d'une isométrie vectorielle. ") else : if abs(det(m)-1)<10**-12: if asin(m[1,0])>0: a=acos(m[0,0]) else : a=-acos(m[0,0]) pprint(m) print(" est la matrice, dans n'importe quelle base orthonormale directe, de la rotation d'angle "+str(a)) else : V=(M-eye(2)).nullspace() pprint(m) print(" est la matrice, dans une base orthonormale B, de la réflexion par rapport à ") print("la droite vectorielle dirigée par le vecteur dont les coordonnées dans la base B sont ") pprint(v) A=Matrix([[0.6,-0.8],[0.8,0.6]]) B=Matrix([[0.6,0.8],[0.8,-0.6]]) nature(a) nature(b) Image d'un vecteur par une isométrie vectorielle en dimension 2 : Soit r θ la rotation vectorielle d'angle θ : quel que soit le vecteur v : r θ ( v )=cos (θ ) v +sin (θ )r π ( v ) 2 Soit n un vecteur non nul et s ( vect ( n )) la réflexion par rapport à la droite vectorielle (vect ( n )), quel que soit le v n vecteur v : s ( vect ( n )) ( v )= v 2 n n 2 Isométries d'un espace euclidien 12/18 pycreach.free.fr - TSI2

13 Théorème de classification du groupe orthogonal en dimension 3 : soit (E ; ) un espace euclidien de dimension 3 et f O (E ). Si f SO (E ) alors 1 sp, il existe un )=( réel θ et une base B orthonormale directe de E telle que : ) ( f 0 cos (θ) sin (θ ) 0 sin (θ) cos (θ ) Si f O (E) alors 1 sp, il existe un )=( réel θ et une base B orthonormale directe de E telle que : ) ( f 0 cos (θ ) sin (θ) 0 sin (θ ) cos (θ ) Remarque : pour f O (E ) avec E de dimension 3, sp. Démonstration :Le polynôme caractéristique de f, χ f (X ) R 3 [X ] et χ f (X )=X 3 +Q ( X ) avec Q (X ) R 2 [X ] donc lim P f ( x )= et lim P f ( x )= x + x De plus toute fonction polynomiale étant continue sur R, l'équation χ f (x )=0 admet au moins une solution réelle α. Les racines de χ f (X ) sont les valeurs propres de f. Ainsi, f étant un endomorphisme orthogonal, on a : α=±1. Si χ f (X ) est scindé dans R [X] alors, ou bien χ f (X )=(X 1) 3 donc det = ou bien χ f (X )=(X 1) 2 ( X+1) donc det = ou bien χ f (X )=(X 1) (X+1 ) 2 donc det = ou bien χ f (X )=(X+1) 3 donc det = Si χ f (X ) n'est pas scindé dans R [X], soit β C R tel que χ f (β)=0 alors χ f (β)=0 or χ f (X ) R[ X ] donc χ f (β)=0 donc χ f (X )=(X α) (X β)(x β) donc det =α β 2, ainsi det est du signe de α. Ainsi, si f SO (E ), alors 1 sp or E 1 est stable par f donc (E 1 ) est stable par f. Soit e 1 un vecteur unitaire de E 1 et (e 2 ; e 3 ) une base orthonormée de (E 1 ) alors quitte éventuellement à )=( 1 0 d) 0 échanger e 2 et e 3, la famille (e 1 ;e 2 ;e 3 ) est une base orthonormale directe de E et ( f 0 a b 0 c Or la restriction de f à (E 1 ), f (E1 ) : (E ( f 1 )) (E 1 ) est une isométrie vectorielle sur un espace vectoriel de dimension 2 donc ( a b O ( 2). c d) De plus det = a b 0 c d = a b c d et comme det =1, a b c d =1 d'où ( a b Donc, il existe θ R tel que ( a b c d) = cos (θ ) sin (θ) ( sin (θ ) cos (θ ) ). c d) SO ( E) De façon analogue, si f O ( E) alors 1 sp or E 1 est stable par f donc (E 1 ) est stable par f. Soit e 1 un vecteur unitaire de E 1 et (e 2 ; e 3 ) une base orthonormée de (E 1 ) alors quitte éventuellement à )=( 1 0 d) 0 échanger e 2 et e 3, la famille (e 1 ;e 2 ;e 3 ) est une base orthonormale de E et ( f 0 a b 0 c Or la restriction de f à (E 1 ), f (E 1 ) : (E ( f 1 )) (E 1 ) est une isométrie vectorielle sur un espace vectoriel de dimension 2 donc ( a b O ( 2). c d) De plus det = a b 0 c d = a b c d et comme det = 1, a b c d =1 d'où ( a b c d) SO ( E) Donc, il existe θ R tel que ( a b c d) = cos (θ ) sin (θ) ( sin (θ ) cos (θ ) ). )=( Remarque : dans les deux cas en notant B=(e 1, e 2 ;e 3 ) pour tout u E en notant (u x z) y, on a : det B (e 1 ; u; f (u ))= 1 x ±x 0 y ycos (θ ) z sin (θ ) 0 z y sin (θ )+ z cos (θ) = y y cos (θ ) z z cos (θ) + y z sin (θ) z ysin (θ ) =( y 2 +z 2 )sin (θ) Isométries d'un espace euclidien 13/18 pycreach.free.fr - TSI2

14 Soient (E ; ) un espace euclidien de dimension 3 et f SO (E ) Nature de f f =Id E ou rotation d'angle 0 [2π ] f est un retournement (i.e. une rotation d'angle π [2 π] ) d'axe E 1 f est une rotation d'angle θ 0 [π ] et d'axe orienté par un vecteur unitaire e 1 Spectre et det de f sp={1} et det =1 sp={ 1;1 } et det =1 sp={1} et det =1 Vecteurs invariants E E 1 axe du retournement E 1 axe de la rotation Droites stables Toutes les droites vectorielles de E E 1 et toutes les droites vectorielles de E 1 E 1 Matrice dans une base orthonormale Pour toute )=( base B de E : ) ( f Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale de E avec e 1 E 1 et (e 2 ;e 3 ) base de E 1 alors : )=( ( f ) Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale directe de E avec e 1 E 1 et (e 2 ;e 3 ) base de (E 1 ) : )=( ) ( f 0 cos (θ) sin (θ ) 0 sin (θ) cos (θ ) Trace Tr =3 Tr = 1 Tr =1+2cos (θ) ] 1; 3[ Symétrie de la matrice dans une base orthonormale Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n' est pas symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiques géométriques u E, f (u )=u u E, u+ f ( u) E 1 u E, u f (u ) E 1 u (E 1 ), u f (u ) = u 2 cos (θ) Dans toute base B orthonormale directe de E, u E, det B (e 1,u; f ( u)) est du signe de sin (θ ) Isométries d'un espace euclidien 14/18 pycreach.free.fr - TSI2

15 Soient (E ; ) un espace euclidien de dimension 3 et f O (E) Nature de f f = Id E f est une réflexion par rapport à E 1 f est la composée commutative d'une réflexion par rapport (vect (e 1 )) et d'une une rotation d'angle θ 0 [π ] et d'axe orienté par le vecteur unitaire e 1 Spectre et det de f sp={ 1 } et det = 1 sp={ 1;1 } et det = 1 sp={ 1 } et det = 1 Vecteurs invariants E 1 Droites stables Toutes les droites vectorielles de E E 1 et toutes les droites vectorielles de E 1 E 1 Matrice dans une base orthonormale Pour toute )=( base B de E : ( f ) Si B=(e 1 ;e 2 ; e 3 ) est une base orthonormale de E avec e 1 E 1 et (e 2 ; e 3 ) base de E 1 alors : )=( ) ( f Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale directe de E avec e 1 E 1 et (e 2 ;e 3 ) base de (E 1 ) alors : =( cos (θ ) sin (θ) 0 sin (θ ) cos (θ ) ) Trace Tr = 3 Tr =1 Tr = 1+2cos (θ ) ] 3;1[ Symétrie de la matrice Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n'est pas symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiques géométriques u E, f (u )= u u E, u+ f (u) E 1 u E, u f (u ) E 1 u (E 1 ), u f (u ) = u 2 cos (θ) Dans toute base B orthonormale directe de E, u E, det B (e 1,u; f ( u)) est du signe de sin (θ ) Isométries d'un espace euclidien 15/18 pycreach.free.fr - TSI2

16 Applications : Soient ( i ; j ; k ) une base orthonormale directe de E et l' endomorphisme f défini par : { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Déterminer la nature de f et de f from sympy import * def supplementaire_orthogonal(c): if C[0]!=0 : C1=Matrix([[C[1]],[-C[0]],[0]]) elif C[1]!=0 : C1=Matrix([[0],[C[2]],-C[1]]) else : C2=Matrix([[1],[0],[0]]) C1=C1/sqrt(C1.dot(C1)) C2=C.cross(C1) return C1,C2 def angle(c,u,v): t=acos(u.dot(v)) if C.dot(U.cross(V))>=0: return t else: return -t def nature(m): pprint(m) if M.equals(eye(3)) : print(" est la matrice, dans n'importe quelle base, de l'identité.") elif M.equals(-eye(3)) : print(" est la matrice, dans n'importe quelle base, de l'homothétie de rapport -1.") else: Z=M*(M.transpose())-eye(3) if trace(z.transpose()*z)>10**-12: print("n'est pas la matrice, dans une base orthonormale, d'une isométrie vectorielle.") else : if det(m)==1 : C1=((M-eye(3)).nullspace())[0] C1=C1/sqrt(C1.dot(C1)) if M.equals(M.transpose()): print("est la matrice, dans une base orthonormale B, d'un retournement dont l'axe") print("est dirigé par le vecteur unitaire dont les coordonnées dans la base B sont:") pprint(c1) else : C2,C3=supplementaire_orthogonal(C1) a=angle(c1,c2,m*c2) print("est la matrice, dans une base orthonormale B, d'une rotation r d'angle"+str(a)+" radians ") print("selon l'axe orienté par le vecteur unitaire dont les coordonnées dans la base B sont:") pprint(c1) print("le plan globalement invariant par r est engendré par les deux vecteurs unitaires dont les coordonnées dans la base B sont:") pprint([c2,c3]) else : C1=((M+eye(3)).nullspace())[0] C1=C1/sqrt(C1.dot(C1)) C2,C3=supplementaire_orthogonal(C1) if M.equals(M.transpose()): print("est la matrice, dans une base orthonormée B, de la réflexion par rapport au plan") print("admettant pour base orthonormale les vecteurs dont les coordonnées dans la base B sont :") pprint([c2,c3]) else : a=angle(c1,c2,m*c2) print("est la matrice, dans une base orthonormale B, de la composée commutative de " ) print("la réflexion s et de la rotation r définies de la façon suivante.") print("la rotation r est d'angle "+str(a)+" radians selon l'axe orienté") print("par le vecteur unitaire dont les coordonnées dans la base B sont :") pprint(c1) print("la réflexion s est la réflexion par rapport au plan admettant pour base") print("orthonormale les vecteurs dont les coordonnées dans la base B sont :") pprint([c2,c3]) A=Matrix([[48,80,-36],[60,0,80],[64,-60,-48]])*1/100 nature(a) nature(-a) Isométries d'un espace euclidien 16/18 pycreach.free.fr - TSI2

17 Isométries d'un espace euclidien 17/18 pycreach.free.fr - TSI2

18 Image d'un vecteur par une isométrie vectorielle en dimension 3 : soit un espace vectoriel euclidien E de dimension 3 et n un vecteur unitaire de E : Soit r θ, n la rotation vectorielle d'angle θ et d'axe dirigé par le vecteur n : quel que soit le vecteur v, r θ, n ( v )= v n n +cos (θ )( v v n n )+sin (θ ) n v Soit s θ, n la composée de la rotation vectorielle d'angle θ et d'axe dirigé par le vecteur n avec la réflexion par rapport à (vect ( n )) : quel que soit le vecteur v, s θ, n ( v )= v n n +cos (θ )( v v n n )+sin (θ ) n v Démonstration : v =( v n n ) +( v v n n ) vect ( n ) ( vect ( n )) Or n ( v v n n )= n v donc n v = n v v n n = v v n n 4. Matrices symétriques réelles Propriété d'orthogonalité des sous-espaces propres d'une matrice symétrique réelle : Soit A M n (R ), et deux réels λ et μ. Si A est symétrique, {λ ; μ} sp (A ) et λ μ alors les sous-espaces propres E λ ( A ) et E μ ( A ) sont orthogonaux dans M n,1 (R) muni de son produit scalaire euclidien canonique. Démonstration : Si A est symétrique, alors (X ; X' ) M n,1 (R) : AX X' =(AX ) T X'=X T A T X' =X T A X'= X AX' Soit {λ ; μ} sp (A ) tel que λ μ X E λ ( A ) et X' E μ ( A ) alors : { AX=λ X AX' =μ X' Donc λ X X' = X μ X' (λ μ) X X' =0 X X' =0 car λ μ 0. Théorème spectral : Soit une matrice A M n (R ). Si A est symétrique alors il existe une matrice diagonale D et une matrice orthogonale P telle que D=P T A P Principe de la démonstration : on construit par récurrence une base orthonormale de vecteurs propres de A : chaque sousespace propre admet une base orthonormale (cf Gram-Schmidt) les sous-espaces propres sont orthogonaux deux à deux. Exemples : Soit A=( 1 2 9) , deux matrices colonnes formant une famille libre sont clairement dans Ker ( A ) 3 6 0,1 0,1 0,7 Soit B=(0,7 0,1 0,7 0,7 0,1, B est à la fois symétrique et orthogonale donc... 0,1 0,7 0,7 0,1 0,7 0,1 0,1 0,7) Isométries d'un espace euclidien 18/18 pycreach.free.fr - TSI2

NOTATIONS PRÉLIMINAIRES

NOTATIONS 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 détail

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

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

Plus en détail

Structures algébriques

Structures 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 détail

[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1

[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 détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes 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 détail

Problème 1 : applications du plan affine

Problème 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 détail

1S Modèles de rédaction Enoncés

1S Modèles de rédaction Enoncés Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

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 détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

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 détail

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2

Corrigé 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 détail

Programme de la classe de première année MPSI

Programme de la classe de première année MPSI Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire

Plus en détail

Capes 2002 - Première épreuve

Capes 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 détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions 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 détail

Mathématiques Algèbre et géométrie

Mathématiques Algèbre et géométrie Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

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

* 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 détail

Cours 7 : Utilisation de modules sous python

Cours 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 détail

Le produit semi-direct

Le 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 détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

Correction de l examen de la première session

Correction 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 détail

1 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.

1 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 détail

Représentation géométrique d un nombre complexe

Représentation 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 détail

1 Complément sur la projection du nuage des individus

1 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 détail

www.h-k.fr/publications/objectif-agregation

www.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 détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

Géométrie dans l espace Produit scalaire et équations

Géométrie 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 détail

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015

Journées 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 détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace

Plus en détail

Résumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr

Résumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr Résumé du cours d algèbre 1, 2013-2014 Sandra Rozensztajn UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr CHAPITRE 0 Relations d équivalence et classes d équivalence 1. Relation d équivalence Définition

Plus en détail

Un 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

Un 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 détail

I - 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 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

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

ENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA

ENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA ENSEA - ABIDJAN ENSAE - DAKAR ISSEA - YAOUNDÉ BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA CENTRE D APPUI AUX

Plus en détail

Angles orientés et trigonométrie

Angles orientés et trigonométrie Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.

Plus en détail

Chapitre VI Fonctions de plusieurs variables

Chapitre 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 détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations 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 détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en détail

Quelques contrôle de Première S

Quelques contrôle de Première S Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

Plus en détail

Angles orientés et fonctions circulaires ( En première S )

Angles orientés et fonctions circulaires ( En première S ) Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble

Plus en détail

Exemple 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 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 détail

Calcul différentiel sur R n Première partie

Calcul 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 détail

Développement décimal d un réel

Développement 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 détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 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 détail

CHAPITRE 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. 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 détail

LE PRODUIT SCALAIRE ( En première S )

LE PRODUIT SCALAIRE ( En première S ) LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation

Plus en détail

Paris et New-York sont-ils les sommets d'un carré?

Paris et New-York sont-ils les sommets d'un carré? page 95 Paris et New-York sont-ils les sommets d'un carré? par othi Mok (3 ), Michel Vongsavanh (3 ), Eric hin (3 ), iek-hor Lim ( ), Eric kbaraly ( ), élèves et anciens élèves du ollège Victor Hugo (2

Plus en détail

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

Plus en détail

L ALGORITHMIQUE. Algorithme

L ALGORITHMIQUE. Algorithme L ALGORITHMIQUE Inspirée par l informatique, cette démarche permet de résoudre beaucoup de problèmes. Quelques algorithmes ont été vus en 3 ième et cette année, au cours de leçons, nous verrons quelques

Plus en détail

MATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.

MATLAB : 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

Dérivées d ordres supérieurs. Application à l étude d extrema.

Dérivées d ordres supérieurs. Application à l étude d extrema. Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une

Plus en détail

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3

Déterminants. 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m 1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.

Plus en détail

Résolution d équations non linéaires

Résolution 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 détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - 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 détail

MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME

MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME Notre cadre de réflexion MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME La proposition de programme qui suit est bien sûr issue d une demande du Premier Cycle : demande de rénovation des contenus

Plus en détail

Théorie et codage de l information

Théorie 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 détail

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

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

Plus en détail

Analyse 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 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 détail

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. 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 détail

Introduction à l étude des Corps Finis

Introduction 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

Une introduction aux codes correcteurs quantiques

Une introduction aux codes correcteurs quantiques Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS 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 détail

La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques

La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques III. Cercles 1. Cercle d'euler 2. Droite d'euler 3. Théorème de Feuerbach 4. Milieux des segments joignant

Plus en détail

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie

Rappels 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

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad 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 détail

I. Ensemble de définition d'une fonction

I. 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 détail

C algèbre d un certain groupe de Lie nilpotent.

C algèbre d un certain groupe de Lie nilpotent. Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble

Plus en détail

Deux disques dans un carré

Deux disques dans un carré Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................

Plus en détail

Séquence 10. Géométrie dans l espace. Sommaire

Séquence 10. Géométrie dans l espace. Sommaire Séquence 10 Géométrie dans l espace Sommaire 1. Prérequis 2. Calculs vectoriels dans l espace 3. Orthogonalité 4. Produit scalaire dans l espace 5. Droites et plans de l espace 6. Synthèse Dans cette séquence,

Plus en détail

Activités numériques [13 Points]

Activités numériques [13 Points] N du candidat L emploi de la calculatrice est autorisé. Le soin, la qualité de la présentation entrent pour 2 points dans l appréciation des copies. Les résultats seront soulignés. La correction est disponible

Plus en détail

Cours de Mécanique du point matériel

Cours de Mécanique du point matériel Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours. 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 détail

3 Approximation de solutions d équations

3 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 détail

Calcul Formel et Numérique, Partie I

Calcul Formel et Numérique, Partie I Calcul Formel et Numérique N.Vandenberghe nvdb@irphe.univ-mrs.fr Table des matières 1 Introduction à Matlab 2 1.1 Quelques généralités.......................... 2 2 Où trouver des informations 2 3 Opérations

Plus en détail

CHAPITRE 10. Jacobien, changement de coordonnées.

CHAPITRE 10. Jacobien, changement de coordonnées. CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,

Plus en détail

Mais comment on fait pour...

Mais comment on fait pour... Mais comment on fait pour... Toutes les méthodes fondamentales en Maths Term.S Édition Salutπaths Table des matières 1) GÉNÉRALITÉS SUR LES FONCTIONS...13 1.Comment déterminer l'ensemble de définition

Plus en détail

Fonctions de plusieurs variables et applications pour l ingénieur

Fonctions de plusieurs variables et applications pour l ingénieur Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie

Plus en détail

http://cermics.enpc.fr/scilab

http://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 détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème 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 détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail