Matrices et applications linéaires
|
|
- Denis Hébert
- il y a 5 ans
- Total affichages :
Transcription
1 27 Cours - Matrices et applications linéaires.nb 1/12 Matrices et applications linéaires I) Matrice d une application linéaire 1) Définition 2) Visualisation 3) Théorème (équivalent à la définition) 4) Exemples 5) Isomorphisme entre L HE, FL et M n,p HKL ) 6) Matrice d une composée d applications linéaires 7) Retour sur les matrices inversibles 8) Exercices II) Utilisation des matrices en algèbre linéaire 1) Image d un vecteur par une application linéaire 2) Matrices de passage 3) Calcul de l inverse d une matrice en utilisant les matrices de passage 4) Influence d un changement de base sur les coordonnées d un vecteur 5) Influence d un changement de base sur la matrice d une application linéaire 6) Trace d un endomorphisme III) Noyau, image et rang d une matrice 1) Application linéaire canoniquement associée à une matrice 2) Exemples 3) Noyau et image d une matrice 4) Rang d une matrice 5) Calcul pratique du rang d une matrice: le retour du pivot de Gauss-Jordan 6) Exercices I) Matrice d une application linéaire 1) Définition Soient E et F deux K -espaces vectoriels de dimensions p et n et soit u œ L HE, FL. Soient = Ie 1, e 2,..., e p M une base de E et C = Hf 1, f 2,..., f n L une base de F. La matrice de u dans les bases et C, que l on note Mat constituée des coordonnées du vecteur u Ie j M dans la base C. Lorsque = C, on note Mat u = Mat, u. u, est la näp matrice dont la jième colonne (pour j œ 81,..., p<) est Remarquons que: (1) La matrice d une même application linéaire dépend des bases choisies. (2) La matrice d une application linéaire contient des nombres (réels ou complexes).
2 27 Cours - Matrices et applications linéaires.nb 2/12 2) Visualisation D'après la définition et la définition des coordonnées d'un vecteur dans une base f 1 f 2 ª u He 1 L u Ie j M u Ie p M a 1,1... a 1,j... a 1,p Mat u = =He i L, C=Hf i L f n a 2,1... a 2,j... a 2,p ª ª ª ª ª a n,1... a n,j... a n,p n " j œ 81,..., p<, u Ie j M = S ai,j f i = a 1,j f 1 + a 2,j f a n,j f n i=1 3) Théorème (équivalent à la définition) Soient = Ie 1, e 2,..., e p M une base de E et C = Hf 1, f 2,..., f n L une base de F et u œ L HE, FL. Alors: Mat u = Ia n i,jm näp ñ " j œ 81,..., p<, u Ie j M = S ai,j f i i=1 4) Exemples a) Avec E = F = 2, = i = 1 0, j = 0 1 quatre matrices: M 1 = Mat s, M 2 = Mat s, M 3 = Mat s et M 4 = Mat s C, C, C = u = 1 1, v = 1-1 et s = symétrie par rapport à (O x), écrire les b) Avec E = F = et = I1, X, X 2, X 3 M et u : PöP', écrire Mat u c) Avec E = F = et = I1, X, X 2, X 3 M et u : PöP HX + 1L - P HXL, écrire Mat u d) Avec = He 1, e 2,..., e n L une base de E et C = He n, e n-1,..., e 1 L, écrire I = Mat Id E et M = Mat Id E. e) Soit f œ LI 3 M dont la matrice en base = Ie i M est M = Chercher des bases de Ker f et de Im f.
3 27 Cours - Matrices et applications linéaires.nb 3/12 f) Soit f œ LI 3 M dont la matrice en base = He i L est M = a b c b c a c a b. Calculer Mat C f avec C = He 1 + e 2 + e 3, e 2, e 3 L. 5) Isomorphisme entre L HE, FL et M n,p HKL ) Soient = Ie 1, e 2,..., e p M une base de E et C = Hf 1, f 2,..., f n L une base de F. Alors: vectoriels: L application f : LHE, FLöM n,p HKL définie par f HuL = Mat C est à dire: u pour u œ L HE, FL est un isomorphisme d espaces (1) f est bijective : pour toute matrice M œ M n,p HKL il existe une unique application linéaire u œ L HE, FL telle que M = Mat u. (2) f est linéaire: " u, v œ LHE, FL, " l, m œ K, Mat Hl u + m vl = l Mat u + m Mat v. j est bijective car u œ L HE, FL est parfaitement déterminée par les images des vecteurs de la base et donc par les coordonnées des images par u des vecteurs de dans la base C, c est à dire par les colonnes de M = Mat u. j est linéaire par définition de M = Mat u et des opérations + et. sur M n,phkl. 6) Matrice d une composée d applications linéaires La définition du produit de deux matrices a été conçue pour la raison suivante: Soient u œ L HE, FL, v œ L HF, GL et, C, D des bases de E, F, G. Alors Mat,D v ë u = Mat C,D v ä Mat u. Dans le cas particulier fréquent où E = F = G et = C = D, alors Mat v ë u = Mat v ä Mat u. Pour ne pas se tromper: Ecrire les shémas de composition: E ö u F C ö v G D et E ö vëu G D
4 27 Cours - Matrices et applications linéaires.nb 4/12 7) Retour sur les matrices inversibles a) Lien avec l inversibilité d un endomorphisme associée Soit u œ L HEL et, C deux bases de E. Alors: u est inversible ñ Mat u est inversible. Dans ce cas, Mat C, u-1 = Mat u -1 fl On dispose de v = u -1. Comme u ëv = Id = vëu, avec E ö u E ö v E et E ö v E ö u E, I = Mat v ë u = Mat vä Mat u et I = Mat C C C, C, Mat u est inversible et Mat C, u-1 = Mat u -1. u ë v = Mat C,C uä Mat v, donc C, On dispose de N = Mat u -1. Notons M = Mat u. Soit v œ L HEL tel que Mat v = N. Comme I = M N = Mat u Mat u -1 = Mat u Mat v = Mat uëv = C, C, C,C Mat Id, on en déduit que uë v = Id, puis de même on montre avec N M que vë u = Id. Donc u est bijectif et C,C u-1 = v. b) Critère d inversibilité d une matrice Soit M œ M n HKL. On écrit M = HC 1, C 2,..., C n L en colonnes et M = L 1 ª L n en lignes. Alors: M est inversible ñ HC 1, C 2,..., C n L est une famille libre de K n ñ HL 1, L 2,..., L n L est une famille libre de K n. Soit u œ LHK n L tel que M = Mat u, avec = He 1,..., e nl la base canonique de K n. Alors: M est inversible ñ u est bijectif ñ rg u = n ñ Vect Hu He 1 L,..., u He n LL = K n ñ C = Hu He 1 L,..., u He n LL base de K n (n vecteurs en dimension n) ñ C libre ñ HC 1, C 2,..., C n L libre. 8) Exercices a) Les matrices suivantes sont-elles inversibles? a b 1 2 A =, = 4 5 6, C = 0 2 c b) Soient A, œ M n HKL telles que A = I. On veut montrer que A et sont inversibles et = A -1 sans avoir à prouver que A = I. Soient u, v œ LHK n L telles que Mat C surjectif et v injectif puis conclure. u = A et Mat C v = avec C base de Kn. Montrer que uëv = Id, en déduire que u est
5 27 Cours - Matrices et applications linéaires.nb 5/12 c) Soient A œ M n,p H L et œ M p,n H L avec n p. Prouver que A ou A n est pas inversible. On pourra introduire des applications linéaires f et g ayant pour matrices A et. II) Utilisation des matrices en algèbre linéaire 1) Image d un vecteur par une application linéaire a) Théorème Soient u œ LHE, FL, base de E, C base de F, x œ E de coordonnées X dans la base. On note X ' C les coordonnées de u HxL dans la base C. Alors X ' C = Mat u X. En abrégé, X ' = M X Notons = Ie 1,..., e p M, C = Hf 1,..., f n L, M = Mat u = Ia i,j M, X = x 1 ª x p et X ' C = p p n n p uhxl = uix 1 e x p e p ) = S x k u He k L = S x k S aik f i (définition de M) = S S x k a i,k f i. k=1 k=1 i=1 i=1 k=1 p Donc (C est une base) " i œ 81,... n<, x ' i = S a i,k x k, ce qui s écrit matriciellement X ' = M X k=1 b) Exercices x' 1 ª x' n. D une part u HxL = x' 1 f x' n f n et d autre part, a) Soit u œ LI 3 M tel que u Hx, y, zl = H-2 x + y + z, x - 2 y + z, x + y - 2 zl. Ecrire M = Mat u (avec base canonique), chercher des bases de Ker u et de Im u. b) Soient A = , = , C = , D = Soit f l application de M 2 H L dans M 2 H L définie par f HML = H M - M H. 1) Montrer que f est linéaire, calculer la matrice Z = Mat E f. On pose E = HA,, C, DL et H =
6 27 Cours - Matrices et applications linéaires.nb 6/12 2) Déterminer une base et la dimension de Ker f et Im f. 2) Matrices de passage a) Définitions équivalentes Soient = He 1, e 2,..., e n L et C = Hf 1, f 2,..., f n L deux bases d un K -ev E de dimension n. Alors: (1) La matrice de passage de à C, notée P H, CL est PH, CL = Mat C, Id E. (2) P H, CL est la matrice nän dont la j ième (j œ 81,..., n<) colonne est constituée des coordonnées de f j (le j ième vecteur de C) dans la base. b) Exemples a ) Soit = He 1, e 2 L une base de 2. On pose C = He 1 - e 2, e 1 + e 2 L. Calculer P H, L, P H, CL, P HC, L, PHC, CL. b ) Soit = He 1, e 2, e 3 L une base de 3. On pose C = He 1, e 1 + e 2, e 1 + e 2 + e 3 L. Calculer P H, CL, P HC, L. c) Inverse d une matrice de passage Soient et C deux bases d un ev E. Alors P H, CL est inversible et PH, CL -1 = PHC, L. 3) Calcul de l inverse d une matrice en utilisant les matrices de passage (HP) Soit M une matrice carrée. On écrit M = HC 1, C 2,..., C n L en colonnes. On note = He 1, e 2,..., e n L la base canonique de K n. On sait que: M est inversible ñ C = HC 1, C 2,..., C n L est libre ñ C base de K n (car card C = dim K n ). Dans ce cas M = P H, CL est une matrice de passage et M -1 = P HC, L. Pour calculer M -1 il suffit de calculer les coordonnées
7 27 Cours - Matrices et applications linéaires.nb 7/12 des vecteurs de dans la base C. Concrètement: si M = Ia i,j M, M = PH, CL ñ (S) a 1,1 e a n,1 e n = c Pour calculer M -1 on résout le pseudo système a 1,n e a n,n e n = c n linéaire (S) (par la méthode du pivot de Gauss-Jordan) et on exprime les inconnues (les e i ) en fonction des c i et des a i,j. A comparer avec la présentation système HA IL vue dans le chapitre Calcul matriciel. 4) Influence d un changement de base sur les coordonnées d un vecteur a) Théorème Soient et C deux bases de E et x œ E. On note X et X C les coordonnées du vecteur x dans les bases et C. Alors X = P H, CL X C. En abrégé, X = P X ' Attention: étant l' ancienne base et C la nouvelle base, ce sont les anciennes coordonnées qui s' expriment naturellement en fonction des nouvelles. b) Exemple a) Soit = He 1, e 2 L une base de 2. On pose C = He 1 - e 2, e 1 + e 2 L Soit X œ 2. On note X = x et X = x'. Exprimer x' et y' en fonction de x et y. y y' C b) Soit = He 1, e 2,..., e n L une base de n. On pose C = He 1, e 1 + e 2,..., e 1 + e e n L. 1) Montrer que C est une base de n 2) Soit X œ n. On note X = Hx i L et X = Hx' i L C. Exprimer x' 1,..., x' n en fonction de x 1,..., x n. 5) Influence d un changement de base sur la matrice d une application linéaire a) Théorème Soit u œ L HE, FL, et ' deux bases de E et C et C ' deux bases de F. Alors Mat ',C' Cas particulier: Lorsque E = F, ' = C ' et = C, on obtient Mat C en abrégé. u = P HC', CL Mat u PH, 'L. u = P HC, L Mat u PH, CL ou encore M ' = P-1 M P
8 27 Cours - Matrices et applications linéaires.nb 8/12 b) Exemple a) Soit f œ LI 3 M dont la matrice en base = He i L est M = a b c b c a c a b. Calculer Mat C f avec C = He 1 + e 2 + e 3, e 2, e 3 L. b) Soit M = = Mat =Hi,jL u. Calculer D = Mat C u avec C = Hi + j, -i + jl. En déduire Mn pour n œ *. 6) Trace d un endomorphisme (Normalement au programme de spé) a) Théorème et définition Soit u œ L HEL. Le nombre tr Mat La trace de u, notée tr u, est le nombre tr u = tr Mat u ne dépend pas de la base de E choisie. u avec base quelconque de E. b) Remarque Mat u change au gré de la base choisie, mais tr u = tr Mat u reste toujours le même. c) Exemples a) Calculer tr Id E.
9 27 Cours - Matrices et applications linéaires.nb 9/12 b) Calculer tr p et tr s, avec p la projection sur F suivant G et s la symétrie par rapport à F suivant G (avec F G = E) d) Propriétés (1) La trace est linéaire: " l, m œ K, " u, v œ L HEL, trhl u + m vl = l tr u + m tr v. (2) " u, v œ L HEL, tr HuëvL = tr HvëuL III) Noyau, image et rang d une matrice 1) Application linéaire canoniquement associée à une matrice Soit A = Ia i,j M näp une näp matrice à coefficients dans K. On écrit A = IC 1, C 2,..., C p ) en colonnes. Soient = Ie 1,..., e p M et C = Hf 1,..., f n L les bases canoniques de K p et de K n. L application linéaire f canoniquement associée à la matrice A est l application linéaire f œ L HK p, K n L telle que Mat f = A. n Elle est donc caractérisée par les relations: " j œ 81,..., p<, f Ie j M = S ai,j f i = C j. i=1 2) Exemples Soit f l application canoniquement associée à A = que f HXL pour X œ E Préciser les ensembles de départ et d arrivée E et F de f, ainsi 3) Noyau et image d une matrice a) Définition Soit A = Ia i,j M œ M n,p HKL. Le noyau Ker A et l image Im A de la matrice A sont le noyau et l image de l application linéaire f canoniquement associée à A.
10 27 Cours - Matrices et applications linéaires.nb 10/12 Et donc: Soit A œ M n,p HKL. On écrit A = IC 1, C 2,..., C p ) en colonnes. Alors: (1) Ker A = 8X œ K p ê A X = 0< est un sous espace vectoriel de K p. (2) Im A = VectIC 1, C 2,..., C p M est un sous espace vectoriel de K n. b) Exemples: a) Déterminer le noyau et l image de M = b) Déterminer suivant les valeurs de x œ le noyau et l image de AHxL = x x x 4) Rang d une matrice a) Définitions équivalentes Soit A œ M n,p HKL. On écrit A = IC 1, C 2,..., C p ) en colonnes. Alors: Le rang de A, noté rg A, est rg A = rg IC 1, C 2,..., C p M = dim IVect IC 1, C 2,..., C p MM Le rang de A est le rang de l application linéaire f canoniquement associée à A. Car si = Ie 1,..., e p M est la base canonique de K p, rg f = rg If He 1 L,..., f Ie p MM = rg IC 1, C 2,..., C p M = rghal b) Exemple Calculer rg A avec A = HiäjL nän. c) Lien avec le rang d une application linéaire Le rang d une matrice est égal au rang de toute application linéaire qu elle représente: si A = Mat u alors rg A = rg u.
11 27 Cours - Matrices et applications linéaires.nb 11/12 Notons A = Ia ij M näp, = Ie 1,..., e p M et C = Hf 1,..., f n L et A = IC 1, C 2,..., C p ) en colonnes. Alors rg u = rgiu He 1 L,..., u Ie p MM = rg IC 1,..., C p M (par définition de Mat u ) = rg A d) Une majoration du rang Soit M œ M n,p HKL. Alors: rg M b min Hn, pl rg M = rg IC 1, C 2,..., C p M = dim vectic 1, C 2,..., C p M b p car de IC 1, C 2,..., C p M on peut extraire une base de vect IC 1, C 2,..., C p M, qui comportera moins de p vecteurs. Alors rg M = dim vectic 1, C 2,..., C p M = card b p. Et vect IC 1, C 2,..., C p M étant un sev de K n, sa dimension est b n e) Rang d une transposée Soit M œ M n,p HKL. Alors rgi t MM = rg M. f) Invariance du rang par multiplication par une matrice inversible Soit A œ M n,p HKL. Soit P une matrice inversible (de bonne dimension). Alors rg HP AL = rg A et rgha PL = rg A. Par exemple pour rghp AL = rg HAL. Soit f œ LHK p, K n L telle que Mat f = A, avec et C les bases canoniques de K p et de K n. Soit g œ GLHK n L telle que Mat g C (P est inversible donc g est bijective). Alors rg HAL = rg Hf L (th c)) = rg Hg ëf L (cours sur les aplications linéaires, car g est bijective) = rg HP AL (car Mat gë f = P A). = P g) Théorème du rang pour les matrices Soit A œ M n,p HKL. Alors dim HKer HALL + rg HAL = p. Cela découle du thm du rang appliqué à l application f canoniquement associée à A et du fait que rg HAL = rg Hf L et Ker HAL = Ker Hf L. h) Théorème Soit A œ M n HKL. Alors: A est inversible ñ rg A = n ñ Ker A = 80< ñ Im A = K n D après les conséquences du thm du rang pour les applications linéaires en dimension finie. 5) Calcul pratique du rang d une matrice: le retour du pivot de Gauss-Jordan a) Invariance du rang par multiplication par des matrices élémentaires D après le théorème 4)f), si on multiplie à gauche ou à droite une matrice A par une matrice inversible, le rang est inchangé. Or les matrices de permutation, de transvection et de dilatation sont inversibles et un produit de matrices inversibles est inversible. Donc: Deux matrices équivalentes en lignes ou en colonnes ont le même rang. Et même un peu plus (car on peut multiplier indifféremment à gauche (on agit sur les lignes) ou à droite (on agit sur les colonnes): Une suite finie d opérations élémentaires sur les lignes ou les colonnes d une matrice ne change pas le rang de cette matrice. b) Rappel On rappelle que les opérations élémentaires sur les rangées (ligne ou colonne) sont: (1) Echange de deux rangées de même nature. Par exemple L 1 ôl 2
12 27 Cours - Matrices et applications linéaires.nb 12/12 (2) Multiplication d une rangée par l 0. Par exemple C 1 ô3 C 1 (3) Ajout à une rangée du produit d une autre rangée de même nature par l œ K. Par exemple C 2 ôc 2 - C 3. c) Rang d une matrice échelonnée a) Rappels Une matrice A est échelonnée par lignes (ou par colonnes) lorsque chaque ligne (ou chaque colonne) non nulle de A commence par au moins un zéro de plus que la précédente. Les pivots d une matrice échelonnée par lignes (ou par colonnes) sont les premiers termes non nuls de chaque ligne (ou colonne) non nulle. Par exemple: A = est échelonnée par ligne et = par colonnes. Les pivots sont en gras. b) Théorème Le rang d une matrice échelonnée en lignes ou en colonnes est égal au nombre de pivots. d) Calcul pratique du rang d une matrice Il suffit d échelonner en lignes ou en colonnes la matrice par l algorithme du pivot de Gauss Jordan. Le rang est alors le nombre de pivots. 6) Exercices a) Calculer le rang des matrices A = , = , C = , ainsi que des bases des noyaux. b) Calculer le rang de D = Hi + jl nän et de E = IHi + jl 2 M nän. c) Soit x œ. Calculer le rang de la matrice nän F HxL de terme général a i,j = ; x si i = j 1 si i j. d) Soient G = et x œ. Déterminer suivant x le rang de M HxL = G - x I et une base de Ker HM HxLL.
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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en 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 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 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 détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en 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 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 détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en 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 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 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 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 détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en 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 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 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 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 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 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 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 détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en 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 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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
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 détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en 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 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 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 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 détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détail>> TECHNIQUES DE COMPTABILITÉ ET DE GESTION 410.B0
Pondération : le 1 er chiffre représente le nombre d heures de théorie, le 2 e chiffre représente le nombre d heures de laboratoire et le 3 e chiffre représente le nombre d heures de travail personnel.
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 détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en 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 VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en 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 détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
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 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 détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
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 détailCompter à Babylone. L écriture des nombres
Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détail!" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $'
!" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $' &!*#$)'#*&)"$#().*0$#1' '#'((#)"*$$# ' /("("2"(' 3'"1#* "# ),," "*(+$#1' /&"()"2$)'#,, '#' $)'#2)"#2%#"!*&# )' )&&2) -)#( / 2) /$$*%$)'#*+)
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détail6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailAlgorithmes 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
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 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 détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détailCNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2
CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailPlanche 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en 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 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 - 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
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 détailPROBLEME(12) Première partie : Peinture des murs et du plafond.
PROBLEME(12) Une entreprise doit rénover un local. Ce local a la forme d'un parallélépipède rectangle. La longueur est 6,40m, la largeur est 5,20m et la hauteur est 2,80m. Il comporte une porte de 2m de
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 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 détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détailAngles 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 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 détailTemps et thermodynamique quantique
Temps et thermodynamique quantique Journée Ludwig Boltzmann 1 Ensemble Canonique Distribution de Maxwell-Boltzmann, Ensemble canonique ϕ(a) = Z 1 tr(a e β H ) Z = tr(e β H ) 2 La condition KMS ϕ(x x) 0
Plus en détailÉtudier si une famille est une base
Base raisonnée d exercices de mathématiqes (Braise) Méthodes et techniqes des exercices Étdier si ne famille est ne base Soit E n K-espace vectoriel. Comment décider si ne famille donnée de vecters de
Plus en détail