Académique Documents
Professionnel Documents
Culture Documents
Corr - TD3 Analyse Des Donnés
Corr - TD3 Analyse Des Donnés
(ACP)
1
Exercice 1
On a :
1 −1 0 0
1 −1 1 0 0
V = .
4 0 0 1 −1
0 0 −1 −1
Exercice 1
On a :
1 −1 0 0
1 −1 1 0 0
V = .
4 0 0 1 −1
0 0 −1 −1
1
1- Donc le trace de V est : tra(V ) = ×4 = 1
4
3
2- Les différentes valeurs propres de V on a :
1/4 − λ −1/4 0 0
−1/4 1/4 − λ 0 0
det(V − λI ) = .
0 0 1/4 − λ −1/4
0 0 −1/4 1/4 − λ
2- Les différentes valeurs propres de V on a :
1/4 − λ −1/4 0 0
−1/4 1/4 − λ 0 0
det(V − λI ) = .
0 0 1/4 − λ −1/4
0 0 −1/4 1/4 − λ
L1 ← L1 + L2
=
L4 ← L4 + L3
2- Les différentes valeurs propres de V on a :
1/4 − λ −1/4 0 0
−1/4 1/4 − λ 0 0
det(V − λI ) = .
0 0 1/4 − λ −1/4
0 0 −1/4 1/4 − λ
−λ −λ 0 0
L1 ← L1 + L2 −1/4 1/4 − λ 0 0
= .
L4 ← L4 + L3 0 0 1/4 − λ −1/4
0 0 −λ −λ
1 1 0 0
−1/4 1/4 − λ 0 0
= λ2 .
0 0 1/4 − λ −1/4
0 0 1 1
7
1 1 0 0
−1/4 1/4 − λ 0 0
= λ2 .
0 0 1/4 − λ −1/4
0 0 1 1
C2 ←C2 −C1
=
C3 ←C3 −C4
8
1 1 0 0
−1/4 1/4 − λ 0 0
= λ2 .
0 0 1/4 − λ −1/4
0 0 1 1
1 0 0 0
C2 ←C2 −C1 2 −1/4 1/2 − λ 0 0
= λ .
C3 ←C3 −C4 0 0 1/2 − λ −1/4
0 0 0 1
9
1 1 0 0
−1/4 1/4 − λ 0 0
= λ2 .
0 0 1/4 − λ −1/4
0 0 1 1
1 0 0 0
C2 ←C2 −C1 2 −1/4 1/2 − λ 0 0
= λ .
C3 ←C3 −C4 0 0 1/2 − λ −1/4
0 0 0 1
1
= λ2 ( − λ )2
2
10
1 1 0 0
−1/4 1/4 − λ 0 0
= λ2 .
0 0 1/4 − λ −1/4
0 0 1 1
1 0 0 0
C2 ←C2 −C1 2 −1/4 1/2 − λ 0 0
= λ .
C3 ←C3 −C4 0 0 1/2 − λ −1/4
0 0 0 1
1
= λ2 ( − λ )2
2
Donc λ1 = 0 et λ1 = 1/2
11
3- Le vecteur propre associé à la valeur propre λ = 0
Soit
x
y
u= z ∈ ker(V )
12
3- Le vecteur propre associé à la valeur propre λ = 0
Soit
x
x −y = 0
y − x +y = 0
u= z ∈ ker(V ) ⇐⇒ z − t = 0
t −z + t = 0
13
3- Le vecteur propre associé à la valeur propre λ = 0
Soit
x
x −y = 0
y − x +y = 0 x= y
u= ∈ ker(V ) ⇐⇒ ⇐⇒
z
z −t = 0 z= t
t −z + t = 0
14
3- Le vecteur propre associé à la valeur propre λ = 0
Soit
x
x −y = 0
y − x +y = 0 x= y
u= ∈ ker(V ) ⇐⇒ ⇐⇒
z
z −t = 0 z= t
t −z + t = 0
1 0
1 0
=⇒ u = x 0 +z 1
0 1
15
3- Le vecteur propre associé à la valeur propre λ=0
Soit
x
x −y = 0
y − x +y = 0 x= y
u= z ∈ ker(V ) ⇐⇒ z − t = 0 ⇐⇒
z= t
t −z + t = 0
1 0 1
1 0 1
=⇒ u = x 0 + z 1 donc u1 =
et
0
0 1 0
0
0
u2 = 1
16
3- Le vecteur propre associé à la valeur propre λ = 0
Soit
x
x −y = 0
y − x +y = 0 x= y
u= ∈ ker(V ) ⇐⇒ ⇐⇒
z
z −t = 0 z= t
t −z + t = 0
1 0 1
1 0 1
=⇒ u = x 0 + z 1 donc u1 = 0 et
0 1 0
0
0
u2 = 1
1
En normalisant les vecteurs u1 et u2 on obtient finalement
√
1/√2 0
√ 1/ 2 0
√
ku1 k = ku2 k = 2 =⇒ u1 = 0 u2 = 1/ 2
√
17 0 1/ 2
4-Déterminer des vecteurs propres orthonormés de V associés à
λ2 = 1/2
x
y 1
z ∈ ker(V − 2 I )
Soit v =
t
4-Déterminer des vecteurs propres orthonormés de V associés à
λ2 = 1/2
x
x −y = 2x
y 1 −x + y = 2y
z ∈ ker(V − 2 I ) ⇐⇒ z − t =
Soit v =
2z
t −z + t = 2t
4-Déterminer des vecteurs propres orthonormés de V associés à
λ2 = 1/2
x
x −y = 2x
y 1 −x + y = 2y
z ∈ ker(V − 2 I ) ⇐⇒ z − t =
Soit v = ⇐⇒
2z
t −z + t = 2t
y = −x
t = −z
4-Déterminer des vecteurs propres orthonormés de V associés à
λ2 = 1/2
x
x −y = 2x
y 1 −x + y = 2y
z ∈ ker(V − 2 I ) ⇐⇒ z − t =
Soit v = ⇐⇒
2z
t −z + t = 2t
y = −x
t = −z
1 0
−1 0
=⇒ v = x 0 +z 1
0 −1
4-Déterminer des vecteurs propres orthonormés de V associés à
λ2 = 1/2
x
x − y = 2x
y 1 −x + y = 2y
z ∈ ker(V − 2 I ) ⇐⇒ z − t = 2z ⇐⇒
Soit v =
t −z + t = 2t
y = −x
t = −z
1 0 1
−1 0 −1
=⇒ v = x 0 + z 1 donc v1 = 0 et
0 −1 0
0
0
v2 = 1
−1
En normalisant les vecteurs v1 et v2 on obtient finalement
23
En normalisant les vecteurs v1 et v2 on obtient finalement
√
1/ √2 0
√ −1/ 2 0√
kv1 k = kv2 k = 2 =⇒ v1 = v2 =
0 1/ √2
0 −1/ 2
Exercice 2
0 −1
1
0
1 −1
−1 1 0
Soit X le tableau suivant : X = 0 −1 1 .
−1 0 1
1 −1 0
On considère les six vecteurs x1 , x2 , · · · , x6 de R3 (muni de la
métrique euclidien usuelle) dont les composantes sont données par
les lignes de X . On pose mi = 1/6 pours i = 1; 2; · · · , 6
25
0 −1
1
0 1 −1
−1 1 0
1- On a X =
0 −1 1
−1 0 1
1 −1 0
26
0 −1
1
0 1 −1
−1 1 0
1- On a X =
0 −1 1
−1 0 1
1 −1 0
1 0 −1
donc x1 = 0 , x2 = 1 , x3 = 1 ,
−1 −1 0
0 −1 1
x4 = −1 , x5 = 0 et x6 = −1
1 1 0
−1
1 0
0
1
−1
−1 1 0
=⇒ = = =0
0
−1
1
−1 0 1
1 −1 0
donc :
−1
1 0
0
1
−1
−1 1 0
=⇒ = = =0
0
−1
1
−1 0 1
1 −1 0
0
donc :G = 0
0
−1
1 0
0
1
−1
−1 1 0
=⇒ = = =0
0
−1
1
−1 0 1
1 −1 0
0
donc :G = 0
0
6 4 −2 −2
1
et V = 1/6 ∑ xi xi0 = −2 4 −2
6
i =1 −2 −2 4
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
=
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
−λ −1/3 −1/3
C1 ←C1 +C2 +C3
= −λ 2/3 − λ −1/3 .
−λ −1/3 2/3 − λ
1 −1/3 −1/3
= − λ 1 2/3 − λ −1/3 .
1 −1/3 2/3 − λ
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
−λ −1/3 −1/3
C1 ←C1 +C2 +C3
= −λ 2/3 − λ −1/3 .
−λ −1/3 2/3 − λ
1 −1/3 −1/3
= − λ 1 2/3 − λ −1/3 .
1 −1/3 2/3 − λ
L2 ←L2 −L1
=
L3 ←L3 −L1
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
−λ −1/3 −1/3
C1 ←C1 +C2 +C3
= −λ 2/3 − λ −1/3 .
−λ −1/3 2/3 − λ
1 −1/3 −1/3
= − λ 1 2/3 − λ −1/3 .
1 −1/3 2/3 − λ
1 −1/3 −1/3
L2 ←L2 −L1
= −λ 0 1−λ 0 .
L3 ←L3 −L1
0 0 1−λ
=
- Le moment d’inertie de N par rapport à l’origine IG = tr (V ) = 2,
- Les différentes valeurs propres de V on a :
2/3 − λ −1/3 −1/3
det(V − λI ) = −1/3 2/3 − λ −1/3 .
−1/3 −1/3 2/3 − λ
−λ −1/3 −1/3
C1 ←C1 +C2 +C3
= −λ 2/3 − λ −1/3 .
−λ −1/3 2/3 − λ
1 −1/3 −1/3
= − λ 1 2/3 − λ −1/3 .
1 −1/3 2/3 − λ
1 −1/3 −1/3
L2 ←L2 −L1
= −λ 0 1−λ 0 .
L3 ←L3 −L1
0 0 1−λ
= − λ (1 − λ )2
Donc λ1 = 0 et λ1 = 1
39
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
40
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
- Le vecteur
propre propre λ = 0
associé à la valeur
x 4x − 2y − 2z = 0
Soit u = y ∈ ker(V ) ⇐⇒ −2x + 4y − 2z = 0
z −2x − 2y + 4z = 0
41
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
- Le vecteur
propre propre λ = 0
associé à la valeur
x 4x − 2y − 2z = 0
Soit u = y ∈ ker(V ) ⇐⇒ −2x + 4y − 2z = 0
z −2x − 2y + 4z = 0
6x − 6y = 0
⇐⇒
4z = 2x + 2y
42
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
- Le vecteur
propre propre λ = 0
associé à la valeur
x 4x − 2y − 2z = 0
Soit u = y ∈ ker(V ) ⇐⇒ −2x + 4y − 2z = 0
z −2x − 2y + 4z = 0
6x − 6y = 0 y= x
⇐⇒ ⇐⇒
4z = 2x + 2y z= x
43
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
- Le vecteur
propre propre λ = 0
associé à la valeur
x 4x − 2y − 2z = 0
Soit u = y ∈ ker(V ) ⇐⇒ −2x + 4y − 2z = 0
z −2x − 2y + 4z = 0
6x − 6y = 0 y= x
⇐⇒ ⇐⇒
4z = 2x + 2y z= x
1
=⇒ u = x 1
1
44
Donc λ1 = 0 et λ1 = 1
Comme V admet une valeur propre nulle donc le nuage des
individus est contenu dans le plan
- Le vecteur
propre propre λ = 0
associé à la valeur
x 4x − 2y − 2z = 0
Soit u = y ∈ ker(V ) ⇐⇒ −2x + 4y − 2z = 0
z −2x − 2y + 4z = 0
6x − 6y = 0 y= x
⇐⇒ ⇐⇒
4z = 2x + 2y z= x
1 1
=⇒ u = x 1 donc u1 = 1
1 1
45
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x
v = y ∈ ker(V − I )
z
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x 4x − 2y − 2z = 6x
v = y ∈ ker(V − I ) ⇐⇒ −2x + 4y − 2z = 6y
z −2x − 2y + 4z = 6z
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x 4x − 2y − 2z = 6x
v = y ∈ ker(V − I ) ⇐⇒ −2x + 4y − 2z = 6y
z −2x − 2y + 4z = 6z
x + y + z = 0
⇐⇒ x +y +z = 0
x +y +z = 0
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x 4x − 2y − 2z = 6x
v = y ∈ ker(V − I ) ⇐⇒ −2x + 4y − 2z = 6y
z −2x − 2y + 4z = 6z
x + y + z = 0
⇐⇒ x + y + z = 0 ⇐⇒ z = −x − y
x +y +z = 0
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x 4x − 2y − 2z = 6x
v = y ∈ ker(V − I ) ⇐⇒ −2x + 4y − 2z = 6y
z −2x − 2y + 4z = 6z
x + y + z = 0
⇐⇒ x + y + z = 0 ⇐⇒ z = −x − y
x +y +z = 0
1 0
=⇒ v = x 0 + y 1
−1 −1
Les vecteurs propres orthonormés de V associés au valeur propre
λ2 =1 : Soit
x 4x − 2y − 2z = 6x
v = y ∈ ker(V − I ) ⇐⇒ −2x + 4y − 2z = 6y
z −2x − 2y + 4z = 6z
x + y + z = 0
⇐⇒ x + y + z = 0 ⇐⇒ z = −x − y
x +y +z = 0
1 0
=⇒ v = x 0 + y 1
−1 −1
1 0
donc v1 = 0 et v2 = 1
−1 −1
α
Soit W β un vecteur propre associé à λ2 = 1 orthogonal à v1
γ
Donc W verifie :
52
α
Soit W β un vecteur propre associé à λ2 = 1 orthogonal à v1
γ
Donc
W verifie :
4α − 2β − 2γ = 6α
− 2α + 4β − 2γ = 6β
−2α − 2β + 4γ
= 6γ
α
et ( 1 0 − 1 ) β = 0
γ
53
α
Soit W β un vecteur propre associé à λ2 = 1 orthogonal à v1
γ
Donc
W verifie :
4α − 2β − 2γ = 6α
− 2α + 4β − 2γ = 6β
−2α − 2β + 4γ = 6γ α+β+γ = 0
⇐⇒
α α−γ = 0
et ( 1 0 − 1 ) = 0
β
γ
54
α
Soit W β un vecteur propre associé à λ2 = 1 orthogonal à v1
γ
Donc
W verifie :
4α − 2β − 2γ = 6α
− 2α + 4β − 2γ = 6β
−2α − 2β + 4γ = 6γ α+β+γ = 0
⇐⇒ ⇐⇒
α α−γ = 0
et (1 0 − 1) β = 0
γ
2α + β = 0
γ= α
55
α
Soit W β un vecteur propre associé à λ2 = 1 orthogonal à v1
γ
Donc
W verifie :
4α − 2β − 2γ = 6α
− 2α + 4β − 2γ = 6β
−2α − 2β + 4γ = 6γ α+β+γ = 0
⇐⇒ ⇐⇒
α α−γ = 0
et (1 0 − 1) β = 0
γ
2α + β = 0
γ= α
1
D’où : W −2
1
56
√ √
On a kv1 k = 2 et kw k = 6
En normalisant les vecteurs v1 et W on obtient finalement
√ √
1/ 2 1/ √6
v1 = 0√ W = −2/√ 6
−1/ 2 1/ 6
√ √
On a kv1 k = 2 et kw k = 6
En normalisant les vecteurs v1 et W on obtient finalement
√ √
1/ 2 1/ √6
v1 = 0√ W = −2/√ 6
−1/ 2 1/ 6
La représentation graphique dans le plan engendré par v1 et W :
On a la coordonnée de xi sur ∆v1 est : xit .v1 donc
√ √
On a kv1 k = 2 et kw k = 6
En normalisant les vecteurs v1 et W on obtient finalement
√ √
1/ 2 1/ √6
v1 = 0√ W = −2/√ 6
−1/ 2 1/ 6
La représentation graphique dans le plan engendré par v1 et W :
On a la coordonnée de xi sur ∆v1 est : xit .v1 donc
√
1/ 2 √ √ √
x1t .v1 = (1 0 − 1) 0 √ = 1/ 2 + 1/ 2 = 2
−1/ 2
√ √
On a kv1 k = 2 et kw k = 6
En normalisant les vecteurs v1 et W on obtient finalement
√ √
1/ 2 1/ √6
v1 = 0√ W = −2/√ 6
−1/ 2 1/ 6
La représentation graphique dans le plan engendré par v1 et W :
On a la coordonnée de xi sur ∆v1 est : xit .v1 donc
√
1/ 2 √ √ √
x1t .v1 = (1 0 − 1) 0 √ = 1/ 2 + 1/ 2 = 2
−1/ 2
√
1/ √6 √ √
x1t .W = (1 0 − 1) −2/√ 6 = 1/ 6 − 1/ 6 = 0
1/ 6
60
D’où
∆
√v1 ∆v2
x1 √ 2 √0
x2 √2/2 −√6/2
x3 −√2/2 −√ 6/2
x4 − √ 2/2 6/2
x5 − 2
√ √0
x6 2/2 6/2
61
Exercice 3
1- On a
62
Donc
le centre
de gravité est donné par le vecteur :
9.67
9.83
G = 10.22 .
10.06
63
Doncle centre
de gravité est donné par le vecteur :
9.67
9.83
G = 10.22 .
10.06
2- On soumettre le tableau Y à un ACP.
64
a- Indiquer la transformation qui permet de passer de la
matrice Y à la matrice X . On a :
6.0 6.0 5.0 5.5
8.0 8.0 8.0 8.0
6.0 7.0 11.0 9.5
14.5 14.5 15.5 15.0
Y = 14.0 14.0 12.0 12.5
11.0 10.0 5.5 7.0
5.5 7.0 14.0 11.5
13.0 12.5 8.5 9.5
9.0 9.5 12.5 12.0
65
Donc
6.0 − 9.67 6.0 − 9.83 5.0 − 10.22 5.5 − 10.06
8.0 − 9.67 8.0 − 9.83 8.0 − 10.22 8.0 − 10.06
6.0 − 9.67 7.0 − 9.83 11.0 − 10.22 9.5 − 10.06
14.5 − 9.67 14.5 − 9.83 15.5 − 10.22 15.0 − 10.06
X =
14.0 − 9.67 14.0 − 9.83 12.0 − 10.22 12.5 − 10.06
11.0 − 9.67 10.0 − 9.83 5.5 − 10.22 7.0 − 10.06
5.5 − 9.67 7.0 − 9.83 14.0 − 10.22 11.5 − 10.06
13.0 − 9.67 12.5 − 9.83 8.5 − 10.22 9.5 − 10.06
9.0 − 9.67 9.5 − 9.83 12.5 − 10.22 12.0 − 10.06
66
Donc
6.0 − 9.67 6.0 − 9.83 5.0 − 10.22 5.5 − 10.06
8.0 − 9.67 8.0 − 9.83 8.0 − 10.22 8.0 − 10.06
6.0 − 9.67 7.0 − 9.83 11.0 − 10.22 9.5 − 10.06
14.5 − 9.67 14.5 − 9.83 15.5 − 10.22 15.0 − 10.06
X =
14.0 − 9.67 14.0 − 9.83 12.0 − 10.22 12.5 − 10.06
11.0 − 9.67 10.0 − 9.83 5.5 − 10.22 7.0 − 10.06
5.5 − 9.67 7.0 − 9.83 14.0 − 10.22 11.5 − 10.06
13.0 − 9.67 12.5 − 9.83 8.5 − 10.22 9.5 − 10.06
9.0 − 9.67 9.5 − 9.83 12.5 − 10.22 12.0 − 10.06
67
b- On a
11.389 9.917 2.657 4.824
9.917 8.944 4.120 5.481
V =
2.657
4.120 12.062 9.293
4.824 5.481 9.293 7.914
b- On a
11.389 9.917 2.657 4.824
9.917 8.944 4.120 5.481
V =
2.657
4.120 12.062 9.293
4.824 5.481 9.293 7.914
donc IG = tr (V ) = 40.30.
c- Les deux plus grandes valeurs propres de la matrice
V des variances-covariances sont
λ1 = 28.253, λ2 = 12.03 .
b- On a
11.389 9.917 2.657 4.824
9.917 8.944 4.120 5.481
V =
2.657
4.120 12.062 9.293
4.824 5.481 9.293 7.914
donc IG = tr (V ) = 40.30.
c- Les deux plus grandes valeurs propres de la matrice
V des variances-covariances sont
λ1 = 28.253, λ2 = 12.03 .
λ1 28.253
Donc : cr (I∆1 /IG ) = = = 0.7 et
IG 40.30
b- On a
11.389 9.917 2.657 4.824
9.917 8.944 4.120 5.481
V =
2.657
4.120 12.062 9.293
4.824 5.481 9.293 7.914
donc IG = tr (V ) = 40.30.
c- Les deux plus grandes valeurs propres de la matrice
V des variances-covariances sont
λ1 = 28.253, λ2 = 12.03 .
λ1 28.253
Donc : cr (I∆1 /IG ) = = = 0.7 et
IG 40.30
λ2 12.03
cr (I∆2 /IG ) = = = 0.3
IG 40.30
cr (I∆1 ⊕∆2 ) = 0.7 + 0.3 = 1 = 100% donc le nuage
est pratiquement dan un espace de dimension 2
d- Les deux vecteurs propres normés de V sont donnés
dans le tableau ci-dessous :
1 2
Maths 0.515 -0.567
Physique 0.507 -0.372
Français 0.492 0.650
Anglais 0.492 0.323
0.515 −0.567
0.507 −0.372
On note a1 =
0.492 et a2 = 0.650
0.485 0.323
Les coordonnées de ” Jean ” sur axe ∆1 sont données par :
Les coordonnées de ” Jean ” sur axe ∆1 sont données par :
X1 .a1 =
Les coordonnées de ” Jean ” sur axe ∆1 sontdonnées
par :
0.515
0.507
X1 .a1 = (−3.67 − 3.83 − 5.22 − 4.56). 0.492
0.485
Les coordonnées de ” Jean ” sur axe ∆1 sontdonnées
par :
0.515
0.507
X1 .a1 = (−3.67 − 3.83 − 5.22 − 4.56). 0.492
0.485
= −8.61
De même les coordonnées de ” Jean ” sur axe ∆2 sont données
par :
X1 .a2 =
Les coordonnées de ” Jean ” sur axe ∆1 sontdonnées
par :
0.515
0.507
X1 .a1 = (−3.67 − 3.83 − 5.22 − 4.56). 0.492
0.485
= −8.61
De même les coordonnées de ” Jean ” sur axe ∆2 sont données
par :
−0.567
−0.372
X1 .a2 = (−3.67 − 3.83 − 5.22 − 4.56). 0.650
0.323
Les coordonnées de ” Jean ” sur axe ∆1 sontdonnées
par :
0.515
0.507
X1 .a1 = (−3.67 − 3.83 − 5.22 − 4.56). 0.492
0.485
= −8.61
De même les coordonnées de ” Jean ” sur axe ∆2 sont données
par :
−0.567
−0.372
X1 .a2 = (−3.67 − 3.83 − 5.22 − 4.56). 0.650
0.323
= −1.41
4- Les coefficients de corrélation linéaire entre le premier facteur et
les 4 variables :
4- Les coefficients de corrélation linéaire entre le premier facteur et
les 4 variables :
p a11 √ 0.515
ρ(1, 1) = λ1 × √ = 28.253 × = 0.811
V1 3.37
4- Les coefficients de corrélation linéaire entre le premier facteur et
les 4 variables :
p a11 √ 0.515
ρ(1, 1) = λ1 × √ = 28.253 × = 0.811
V1 3.37
p a12 √ 0.507
ρ(1, 2) = λ1 × √ = 28.253 × = 0.9
V2 2.99
4- Les coefficients de corrélation linéaire entre le premier facteur et
les 4 variables :
p a11 √ 0.515
ρ(1, 1) = λ1 × √ = 28.253 × = 0.811
V1 3.37
p a12 √ 0.507
ρ(1, 2) = λ1 × √ = 28.253 × = 0.9
V2 2.99
p a13 √ 0.492
ρ(1, 3) = λ1 × √ = 28.253 × = 0.75 · · ·
V2 3.47
4- Les coefficients de corrélation linéaire entre le premier facteur et
les 4 variables :
p a11 √ 0.515
ρ(1, 1) = λ1 × √ = 28.253 × = 0.811
V1 3.37
p a12 √ 0.507
ρ(1, 2) = λ1 × √ = 28.253 × = 0.9
V2 2.99
p a13 √ 0.492
ρ(1, 3) = λ1 × √ = 28.253 × = 0.75 · · ·
V2 3.47
4- Les corrélations entre les variables et les autres facteurs sont
données ci-dessous
1 2 3 4
math 0.81 -0.584 0.01 -0.02
phys 0.90 -0.432 -0.03 0.02
fran 0.75 0.651 -0.02 -0.01
ang 0.92 0.399 0.04 0.02
Interprétation
84
85
5- Le tableau suivant donne les coordonnées des individus (les
élèves) sur les deux premiers axes (les facteurs)
F1 F2
Jean -8.61 -1.41
Aline -3.88 -0.50
Annie -3.21 3.47
Monique 9.85 0.60
Didier 6.41 -2.05
André -3.03 -4.92
Pierre -1.03 6.38
Brigitte 1.95 -4.20
Evelyne 1.55 2.63
86
−4, 3194444
−1, 9444444
−1, 5694444
4, 93055556
i − Note moy =
3, 18055556 .
−1, 5694444
−0, 4444444
0, 93055556
0, 80555556
87
−4, 3194444
−1, 9444444
−1, 5694444
4, 93055556
i − Note moy =
3, 18055556 .
−1, 5694444
−0, 4444444
0, 93055556
0, 80555556
14, 11138
ii − =⇒ ρ(Note moy , F 1) = = 0, 99989 ' 1
5, 312961 × 2, 6563
Ce qui justifier l’assimilation du premier facteur à la moyenne
6- l’indice ponctuel de la représentation de ” Jean ” sur le premier
axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
89
6- l’indice ponctuel de la représentation de ” Jean ” sur le premier
axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
0.515
0.507
Le vecteur directeur unitaire a1 de ∆1 est : 0.492
0.485
90
6- l’indice ponctuel de la représentation de ” Jean ” sur le premier
axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
0.515
0.507
Le vecteur directeur unitaire a1 de ∆1 est : 0.492
0.485
( X .a ) 2
1 1
Donc cos2 (αU1 ,∆1 ) = =
kX1 k2
91
6- l’indice ponctuel de la représentation de ” Jean ” sur le premier
axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
0.515
0.507
Le vecteur directeur unitaire a1 de ∆1 est : 0.492
0.485
( X .a ) 2 (− 8.61 ) 2
1 1
Donc cos2 (αU1 ,∆1 ) = = = 0.97
kX1 k2 8.462
( U1 : ” Jean ” )
92
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
93
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est :
0.650
0.323
94
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est :
0.650
0.323
(X1 .a2 ) 2
Donc cos2 (αU1 ,∆2 ) = =
kX1 k2
95
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est : 0.650
0.323
(X1 .a2 ) 2 (−1.41) 2
Donc cos2 (αU1 ,∆2 ) = = = 0.026
kX1 k2 8.462
96
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est : 0.650
0.323
(X1 .a2 ) 2 (−1.41) 2
Donc cos2 (αU1 ,∆2 ) = = = 0.026L’indice
kX1 k2 8.462
ponctuel de la représentation de ” Jean ” sur le plan des deux
premiers facteurs :
97
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est : 0.650
0.323
(X1 .a2 ) 2 (−1.41) 2
Donc cos2 (αU1 ,∆2 ) = = = 0.026L’indice
kX1 k2 8.462
ponctuel de la représentation de ” Jean ” sur le plan des deux
premiers facteurs :
98
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est : 0.650
0.323
(X1 .a2 ) 2 (−1.41) 2
Donc cos2 (αU1 ,∆2 ) = = = 0.026L’indice
kX1 k2 8.462
ponctuel de la représentation de ” Jean ” sur le plan des deux
premiers facteurs :
cos2 (αU1 ,∆1 L ∆2 ) = cos2 (αU1 ,∆1 ) + cos2 (αU1 ,∆2 ) = 0.999
99
De même l’indice ponctuel de la représentation de ” Jean ” sur le
eeuxième axe factoriel :
On a la première ligne de X est :
X1 (−3.67 − 3.83 − 5.22 − 4.56)
−0.567
−0.372
Le vecteur directeur unitaire a2 de ∆2 est : 0.650
0.323
(X1 .a2 ) 2 (−1.41) 2
Donc cos2 (αU1 ,∆2 ) = = = 0.026L’indice
kX1 k2 8.462
ponctuel de la représentation de ” Jean ” sur le plan des deux
premiers facteurs :
cos2 (αU1 ,∆1 L ∆2 ) = cos2 (αU1 ,∆1 ) + cos2 (αU1 ,∆2 ) = 0.999
On a cos2 (αU1 ,∆1 L ∆2 ) ' 1donc ” Jean ” est bien représenté dans
le plan des deux premiers axes.
101