Académique Documents
Professionnel Documents
Culture Documents
jn
CH I - TRANSFORMATION DE LA PLACE
CH II – ALGEBRE LINEAIRES
I. Matrices………………………………………………………………………………………………....10
II. Espace vectoriel et application linéaire …………………………………………………19
III. Réduction des endomorphismes………………………………………………………….…27
I. Série Numériques…………………………………………………………………………………...34
II. Série de fourrier……………………………………………………………………………………..36
III. Travaux diriges………………………………………………….....……………………………..…40
CH IV – PROBABILITE
I. Notions de probabilité…………………………………………….……………………………...42
II. Probabilité conditionnelle……………………………………………………………………...44
III. Variables aléatoires et lois fondamentales……………………………………………..44
CHAPITRE I : TRANSFORMATION DE LA PLACE
2
I- FONCTIONS CAUSALES
1. Définition
Une fonction (ou signal) f de la variable réelle t est dite causale si pour tout t strictement
négatif, on à f(t)=0.
EXEMPLES
U(t)= {¿01sitsit<≥00
On à f(t)={¿01sitsit<≥00
Remarque
Pour rendre une fonction causale, il suffit de la multiplier par la fonction de Heaviside.
2. Fonction retardée
3
Définition
Soit f une fonction numérique de la variable réelle t et soit g définie par g(t)=f(t-a) avec
a un nombre réel strictement positif. La fonction g est dite retardée ou décalée de a
(à droite).
Remarques
Exercice
On considère la fonction h(t) = 3t 2U(t-2), t ∈R. montrer que la courbe de h s’obtient par
la translation de la courbe d’une fonction que l’on précisera.
4
F(t)=¿
Exercice d’application
f(t) = f0(t) U(t) + f1(t) U(t – t1) + f2(t) U(t – t2) avec O<t 1< t 2 <+∞
5
On se propose d’expliciter f. Pour cela, nous définissons le tableau.
t -∞ O t1 t2 +∞
U(t) 0 1 1 1
U(t – t1) 0 0 1 1
U(t – t2) 0 0 0 1
f(t) 0 f0(t) f0(t) + f1(t) f0(t) + f1(t) + f2(t)
Alors :
Exercice d’application
1. Définitions
Si F(p) est la transformée de la Laplace d’une fonction f(t), alors la fonction f(t) est la
transformée de la Laplace inverse (ou original) de F(p) ; on note–1[F(p)] (t).
L [f(t)] = F(p) ⇔L –1[F(p)] (t) = F(p)
.Propriété
6
Etant donné une fonction p ↦ F(p), si elle admet pour original la fonction t ↦ f(t), alors
cet original est unique et vice versa.
Exercice
2.Impulsion de Dirac
On appelle impulsion de Dirac (ou encore percussion unité) une fonction qui prend une
valeur infinie en 0, la valeur nulle partout ailleurs et dont l’intégrale sur R est égale à 1.
On la note δ (t).
Exemple
[ ( 1ε )] (ε∈ R
fε= ε u ( t )−u t− ) est une fonction de Dirac.
+¿¿ ¿
Exercice d’application
Soient f et g deux fonctions causales telles que : L [f(t)] (p) = F(p) et L[f(t)] (p) = G(p)
7
L[f'(t)] (p) = pF(p) – f (0+)
Dérivation L[f"(t)] (p) = p2 F ( p)− p f ¿
L[ f (3 )(t)](p) = p3 F ( p )− p2 f ¿
T
Si f est une fonction 1
− pT ∫
− pt
Fonction périodique F(p) = e f ( t ) ft
T-périodique 1−e O
lim f ( t )=lim p F ( p)
Théorème de la valeur finale t →+ ∞ p→0
¿
a. Calculer :
L [(2t + 3) U(t)] (p), L [t2U(t–1)] (p), L [sin2tU(t– π )] (p),
( )
t
π
U(t)] (p) ,L [∫ e sinxdx ¿(p)
x
L [e sin t –
2t
2 0
−p
e
b. Sachant que L [h(t) U(t)] (p) = 2+1 ; Calculer L [h (3t) U(t)] (p)
p
5.Produit de convolution
Définition
Soient f et g deux fonctions causales. On appelle produit de convolution de f et g
(ou convolée de f et g dans cet ordre) la fonction notée f¿ g et définie par :
t
Propriétés
Soient f, g et h des fonctions causales. Alors :
f¿ g = g ¿ f , (f ¿ g) ¿ h = f ¿ (g ¿ h) et f ¿ (g + h) = f ¿ g + f ¿ h
Soient f et g deux fonctions causales de transformées de la Laplace respectives F
et G. Alors
L (f ¿ g) (t) = L [f(t)]. L [g(t)] = F(p).G(p)
Exercice d’application
III- APPLICATION
2- Système linéaire
Définitions
Un système (physique) linéaire est régi par une équation différentielle linéaire.
On considère le système linéaire e(t) s(t)
Où e(t) et s(t) sont des signaux causaux. Le système est initialement au repos si
toutes les conditions initiales sur e(t) et/ou sur s(t) sont nulles.
Soient E(p) et S(p) les transformées de la Laplace respectives des signaux e(t) et
s(t). On appelle fonction de transfert du système la fonction H définie par :
S ( p)
H(p) =
E( p)
Exercice d’application
ds (t)
(E) : RC + s(t) = e(t)
dt
9
b. Déterminer puis représenter le signal de sortie s(t).
TRAVAUX DIRIGES
Exercice 1
[ ( )] π
L t cos t− 2 u (t) L [ e−t sin ( 2 t ) ] u(t) L [ t sin ( 2 t ) ] u(t−π )
L[ ( t−1 ) e u(t)]
3 t −t 2
L [e t u(t−1) L [∫ t cos 2 t dt ¿ (x >0)¿
o
p +1
3
( p+ 1 ) e−2 p 2
5 p −4
F (p) = 2 G(p) = 2 H (p) =
( p + 1 ) ( p+ 2 )2 p ( 3 p+2 ) ( p+ 1 ) ( p2 +2 p+2 )
2
4
p
K(p) =
( p+ 3 ) ( p−1 )3
1
3. Soitω ∈ R¿. Trouver l'original de F(p) = 2 en utilisant :
( p + ω2 )
2
b) Le produit de convolution
Exercice 2
1. Définir les fonctions ci-dessous sans utiliser la fonction échelon unité puis les représenter :
10
3. Soit f la fonction causale et 3-période défini sur R par :
f ( t )=¿
Exercice 3
I = ∫ e ¿¿ J=∫e [ t8 +t 4 +t 2+ 1 ] dt
3t −2t
o 0
+∞
1 1
1. Décomposer en éléments simples : et 2 3 .
p + 1 p ( p +1 )
3
Exercice 5
11
p
L'objectif dans cet exercice est de calculer l'original de la fonction F(p) = 3
( p + 1)
2
Exercice 6
y ’ ’ ( x ) u ( x ) +2 y ’( x )u (x)+3 y (x )u(x )= e− x u( x )
1 p+ 2
Montrer que Y ( p) = +
( p+ 1 ) ( p +2 p+3 )
2 2
p + 2 p+3
1
F (p) =
( p+ 1 ) ( p 2+2 p+3 )
12
3) a) Déterminer l’original de chacune des fractions rationnelles suivantes : F (p) =
1 p+ 2
et G ( p )= 2
( p+ 1 ) ( p +2 p+3 )
2
p + 2 p+3
Exercice 7
On considère le système (S) ci-dessous qui est un montage électrique de signal d’entrée e(t)
et de signal de sortie S(t)
1
Ri+
C
∫ idt + s(t) = e(t)
b) En utilisant la loi des nœuds au point A ,montrer que le signal d’entrée e(t) et le
signal de sortie s(t) sont liés par l’équation différentielle (E) définie ci-dessous par:
2
d s ds de (t)
(RC)2 2 +3RC +s(t) = RC
dt dt dt
13
et donc sont des signaux causaux ainsi leurs dérivées c’est-à-dire s(o+) =s’( 0+) = 0 et
e(0+) = e’(0+) = 0
On pose S(p) et E(p) les transformées de Laplace respectives des fonctions causales s(t) et
e(t).On désigne par H(p) la fonction de transfert du filtre (S).
1
3) Démontrer que H ( jw) =
( x ))
( 1 (où x = RCw) et α est une constante que l’on
α + j x−
déterminera et j 2 = -1
4) On pose H(w) = |H(jw)|.
a)Exprimer H(w) en fonction de x .
b) Pour quelle valeur w0 de w, H(w) est-il maximal ?
c) Comment appelle-t-on w0 ?
14
CHAPITRE II : ALGEBRES LINEAIRES
15
I- MATRICES
1.Définition
A = ( a ij ) 1 ≤i ≤ n =
1≤ j ≤m ( a⋮11 … a1 m
¿ ¿
… ¿ anm ¿
)
Le premier indice (i) est l’indice de la ligne et le second (j) celui de la colonne. Les a ij sont
les coefficients réels ou complexes de la matrices A.
Lorsque m = n, on dit que la matrice A est carrée d’ordre n et on note Mn( R ) l’ensemble
des matrices carrées d’ordre n à coefficients réels.
Exemples
A= (−21 2 3
0 1 )
∈M2,3( R ¿
()
1
C = 2 ∈M3,1( R ) (matrice colonne ou vecteur)
0
( )
−5 0 5
D= 1 2 3 ∈M3 ( R ) (matrice carré d’ordre 3)
−6 0 7
Addition de matrices
Exemple
A= (12 2 3
0 2 )
et B =
4 5 2
6 1 7
⟹A+B=(5 7 5
8 1 9
. ) ( )
Produit ;
16
Soit k∈ R . Si A = ( a ij ) ∈Mnp( R ) alors kA ∈Mnp( R ) et ( kA )ij =(k aij ) (Pour i ; j fixés).
Exemple
A= (−21 2 −3
0 −1 )
⇒−3 A=
−3 −6 9
6 0 3 ( )
De deux matrices : Si A = ( a ij ) ∈Mnp( R ) et B = ( b ij ) ∈Mpm( R ) alors C
= AB ∈Mpm( R ) et pour i, j fixés, on a :
p
C ij =∑ aik bkj
k=1
Exemple
( )
−5 0 5
On donne A=
1 2 3
(
−2 0 1 )
et B= 1 2 3 .
−6 0 −7
Calculons AB.
Donc
)( )(
−5 0 5
AB= (
1 2 3
−2 0 1
1 2 3 =
−6 0 −7
−21 4 −10
4 0 −17 )
Remarque : On a : (AB)C = A(BC) lorsque le produit des matrices a un sens, mais en
générale AB≠ BA La multiplication des matrices n’est pas commutative.
17
1.2 Quelques définitions sur les matrices carrées
Exemple
( )
−5 0 0
A= 1 0 0 est une matrice triangulaire inférieure
−6 0 −7
( )
−2 9 3
B= 0 1 4 est une matrice triangulaire supérieure
0 0 −7
( )
3 0 0
C= 0 1 0 est une matrice diagonale et les coefficients 3, 1 et 2 constituent la
0 0 2
diagonale principale de C
( )
1 0 0
D= 0 1 0 est une matrice diagonale ; c’est une matrice unité d’ordre 3.
0 0 1
18
Exemple
( ) ( )
−5 0 5 −5 1 −6
t
A= 1 2 3 ⇒ A = 0 2 0
−6 0 −7 5 3 −7
) ( )
1 2
B= (
1 2 3
2 0 1
t
⇒B = 2 0
3 1
( ) ( )
2 9 5 2 9 5
t
C= 9 2 0 ⇒ C = 9 2 0 =C .Donc C est symétrique.
5 0 −7 5 0 −7
Une matrice carrée A est inversible s’il existe une matrice B telle queAB=BA=I. la
matrice B est alors appelée matrice inverse de A et noté A−1. On a donc :
A A =A A=I où I désigne la matrice unité (de même ordre que A).
−1 −1
Exemple d’application
( ) ( )
0 1 −1 1 0 0
On donne : A= −3 4 −3 et I = 0 1 0
−1 1 0 0 0 1
a) Calculer A2−3 A+ 2 I .
b) En déduire que A est inversible puis, exprimer A−1en fonction de A et I.
Expliciter A−1.
2.1 Définition
Soit A ∈Mn( R ) . On appelle déterminant de A le nombre réel noté det(A) , défini par :
| |
a11 … a1 n n n
⋮ ∑ ij ij ∑ ( −1 )
i+j i+ j
det ( A )= ⋮ ⋱ = ( −1 ) a m = a ij mij
i=1 j=1
an 1 … a nm
19
Exemple : Calculer le déterminant de chacune des matrices suivantes :
( )
3 −5 2
A= ( )
3 2
4 5
et B= 4
−2 2
7 −3
0
On a par exemple :
| |
3 −5 2
det ( B )= 4
−2 2
7 −3 =3 ×
0
7 −3
2 0 |
−(−5 ) ×
4 −3
−2 0 |
+2×
4 7
−2 2 | | | |
Ou
| |
3 −5 2
det ( B )= 4
−2 2
7 −3 =−4 ×
0
−5 2
2 0
+7 ×|3 2
−2 0
−(−3 ) × | |
3 −5
−2 2 | | |
Ou encore
| |
3 −5 2
det ( B )= 4
−2 2
7 −3 =−(−5 ) ×
0
4 −3
−2 0
+7 × |
3 2
−2 0
−2 × | |
3 2
4 −3 | | |
D’où det(B) = 32.
Remarques
Exemple
( )
3 −5 2
Soit B= 4 7 −3 Calculer det ( B)
−2 2 0
20
La ligne 3 de B contient déjà un coefficient nul. En combinant les deux premières
colonnes de B, nous pouvons générer un autre coefficient nul, sur la ligne 3. On a :
| || |
3 −5 2 3 −2 2
det ( B )= 4
−2 2
7 −3
0
= 4 11 −3 =−2
−2 0 0
−2 2
11 −3
=−2 ( 6−22 )=32 | |
C1 C2 C3 C1 C2 +C1 C3
Propriétés
Soient A et B ∈Mn( R ) et k ∈ R . On a :
On a :
| |
a11 a12 a13 a11 a 12
a21 a22 a23 a21 a 22
a31 a32 a33 a31 a 32
¿(a ¿ ¿ 11a 22 a33 +a 12 a23 a31 +a13 a21 a32)−(a31 a22 a13+ a32 a23 a11 +a 33 a21 a12)¿
( )
3 −5 2
Exemple Soit B= 4 7 −3 .Calculer det (B)
−2 2 0
On a
| |
3 −5 2 3 −5
det ( B )= 4 7 −3 4 7 =(0+ 30+16)−(−28−18+0 ) =32
−2 2 0 −2 2
( )
1 −2 3
A=(1 2 3
2 4 2 )
et B= −1 2 −3
3 −6 9
Propriétés
Soit A=( aij )1 ≤i , j ≤n une matrice carrée.
A est inversible si et seulement si son déterminant est non nul.
−1 1 t
Si A est inversible, on a : A = Com( A)
detA ❑
Si A et B sont deux matrices inversibles, on a : ( AB )−1=B−1 A−1
( )
1 2 −1
Exercice : On considère la matrice : A= 0 1 1
−1 3 0
22
On appelle écriture matricielle de ( s1 ) l’expression suivante :
)( x⋮ )=( b⋮ )
x1 b1
( a11 … a1 m
⋮ ¿ ¿
… ¿ anm ¿
m n
()
x1
Où A= (
a11 … a1 m
⋮ ¿ ¿ )
… ¿ anm ¿ désigne la matrice du système( 1 ),
s x= ⋮ est l’inconnue
xm
()
b1
du système et B= ⋮ son second membre.
bn
Donc ( s1 ) ⟺ AX=B
On s’intéresse ici aux systèmes de n équation à n inconnues, c’est-à -dire du type (n, n).
Dans ce cas, la matrice A est carrée d’ordre n. pour la résolution d’un tel système, on
distingue deux cas :
Un système où la matrice associée est inversible est dit de Cramer. Il existe plusieurs
méthodes de résolution de ce type de système.
Méthode de Cramer
∆i
x i= , pour 1 ≤i ≤ n.
∆
{
x − y−z=5
Exemple : Résoudre dans R3 le système (s) x +3 y +3 z=1
3 x + y −4=−4
23
aii
Pouri>1, les transformations l i ← l i ← l conduisent à un système équivalent et
a11 1
éliminent l’inconnue x 1dans les équations autre quel 1. Le
terme a 11 est le pivot de l’étape 1 de l’algorithme. En réitérant le procédé, on
aboutit à un système en escalier.
Exemple
{
x− y−z=5
Résoudre dans R3 le système (s) x +3 y +3 z=1
3 x + y−4 z=−4
Méthode d’inversion
La matrice A su du système étant inversible, la méthode d’inversion est basée sur
l’équation A X =B ⇔ X= A−1 B
{
x− y−z=5
Exemple : Résoudre dans R3 le système (s) x +3 y +3 z=1
3 x + y−4 z=−4
Si A n’est pas inversible, des trois méthodes ci-dessus, seule la méthode du pivot de
Gauss est encore pratique. Elle conduit à deux solutions :
{ {
x + y + z=1 x− y−3 z=4
(s1 ) x +2 y−2 z=0 , (s2 ) 3 x +2 y−4 z=7
2 x+3 y −Z=5 3 x+ 7 y−17 z=2
4. Travaux dirigés
24
Exercice 1
1. Calculer :
| || | | |
a 1 + b1 b1 b1 a2 b2 ab 12 3 4
2 2 23 4 1
∆ 1= b 2 a 2 + b2 b2 ∆ 2= b ab a et∆ 3=
2 2 34 1 2
b3 b3 a3 +b3 ab a b 41 2 3
( ) ( ) ( )
3 1 3 0 m m 5 11 −1 3
A= 1 0 1 B= m 0 1−m ( m∈ R ) ,C= 2 −2 6 ¿ −2
3 1 1 1−m 1−m 0 1 3 −1 1
Exercice 2
{ { {
3 x − y+ 3 z =1 x+ y+ z=1 mx+ y + z=1
( 1)
s ljmoukuktyu x +3 z=−2 ( 2 ) x+2 y−2 z=0 ( 3 ) x +my+ z =1
s s
4 x+2 z=3 2 x +3 y−z =5 x+ y+ my=1
Exercice 3
{
ln ( x )=1−2b−c
a
Exercice 4
( ) ( )
0 1 1 1 0 0
On considère les matrices A= 0 0 1 et I = 0 1 0
0 0 0 0 0 1
( )
1 4 12
c) On donne P= 0 1 4 . En utilisant 3.b), expliciter Pn
0 0 1
1.1Définition
Soit E un ensemble non vide. On dit que E (muni des lois + et .) est un espace
vectoriel sur R (resp surC ) si les deux conditions suivantes sont satisfaites :
(E ;+) est un groupe commutatif i.e. ∀ u , v , w ∈ E :
- ( u+ v ) +w=u+(v +w)
- u+ v=v+ u
- u+0 E =0 E +u=u
- u+ (−u )=0 E
∀ u , v ∈ E et ∀ α , β ∈ R (resp :C):
- α (u+ v )=αu+ αv
- ( α + β ) u=αu + βv
- α ( βu )=( αβ ) u
- 1. u=u
L’ensemble Rn ou C n (n ≥1)
Soit n un nombre entier naturel non nul. L’espace Rn ¿)
désigne l’ensemble des n-uplets d’éléments de R(resp de C)
u ∈ R ⟺ u=( u1 ,… ,un ) avec u1 ∈ R , ∀ i ∈ ⟦ 1 ,n ⟧
n
Ne pas confondre Rn et R n [ X ]
26
1.3 Sous espace vectoriel (s.e.v)
Propriété
Tout sous espace vectoriel (d’un espace vectoriel) est aussi un vectoriel, on montre que
cet ensemble est un sous espace vectoriel d’un espace vectoriel connu.
Exercice
Montrer que l’ensemble E={ u= ( x ; y ; x+2 y ) avec x , y ,∈ R }est un espace vectoriel sur R .
Dépendance linéaire
Remarque : Dans Rn , p vecteurs sont libres si le rang de la matrice formée par ces
vecteurs est égal à p.
Exercice
Dans chacun des cas suivants, examiner la dépendance linéaire des vecteurs :
Famille génératrice
Soient u1 , … ,u n des vecteurs d’un espace vectoriel E. la famille F. Dans ce cas on note :
E=vect { u1 , … ,u n } ou E= ⟨ u1 , … ,u n ⟩ .
F={u=( x ; y ; z ) ∈ R3 , z=−2 x + y }.
27
1.6 Base et dimension d’un espace vectoriel
a. Déterminer dim(F).
b. On pose u1= (2 ; 0 ;−2 ) et u2=(2 ; 1 ,0). Montrer que { u1 , u2 } est une base de F.
Bases canonique de Rn et R n [ X ]
2. APPLICATIONS LINEAIRES
2.1 Définitions
Soient E et F deux espaces vectoriels sur R et f une application définie de E vers F. on dit
que f est une application linéaire si
∀ u , v ∈ E et ∀ α , β ∈ R , on a f ( α u+ βv )=α f ( u )+ βf (v )
Ou bien ∀ u , v ∈ E et ∀ α ∈ R , on a f ( u+ v )=f ( u ) +f (v )
et f ( α u )=α f ( u )
Propriétés
Si E et F deux espaces vectoriels sur R , alors L(E) est un espace vectoriel sur R .
La composée de deux applications linéaires est une application linéaire.
28
Montrer que f est linéaire puis, expliciter l’application linéaire fof .
2.3 Définition
f ( x ; y ; z )=(2 x−z ; x− y+ z )
2.4 Propriétés
Propriété 1
Propriété 2
Définitions
Noyau de f, noté N(f) ou Ker(f), l’ensemble des vecteurs de E qui ont pour image
par f le vecteur nul de F, N ( f )={u ∈ E /f ( u )=0F }.
29
Image de f, notée Im(f) ou f(E), l’ensemble des vecteurs de F qui ont un
antécédent par f dans E.
Remarque : le noyau de f est un sous espace vectoriel de E tandis que l’image de f est un
sous espace vectoriel de F
Propriété
Définition
rg ( f )=dim ℑ(f )
Propriété
Soit f une application linéaire définie de E vers F, de matrice associée A relativement aux
bases BE et B F (de E et F respectivement). Alors rg(f) = rg(A).
Propriété 1
30
Propriété 2
Exercice
( )
1 2 −1
Soit f un endomorphisme de R de matrice A= 0 1 1
3
−1 3 0
3. Travaux dirigés
Exercice 1
Exercice 2
Exercice 3
Exercice 4
Et on pose h=gof .
Partie A
1. Déterminer Ker(g) et Im(g).
2. a) Déterminer la matrice A de f relativement aux bases B0 et B1.
32
( )
2 −2 −1
c) En déduire que relativement à B1, on a M = −2 4 0
−1 0 1
d) h est-il un automorphisme ? Justifier votre réponse
4. On pose u1=2 i+ j+2 k ; u2=g (e 2) et u3 = k
a. Montrer que B2=( u1 , u1 ,u3 ) est une base de R3
b. Déterminer la matrice N de h relativement à B1
Partie B
1.
a. Montrer que E est un espace vectoriel sur R
b. On pose : v 1= j+k et v 2=i−2 j. Montrer que B3=(v 1 , v 2) est une base de E
3
2. Soit h 0 l’application définie sur E par h 0 ( x , y , z )=h ( x , y , z )+ (x ; 2 y ; 0)
2
a. Montrer que h 0 est un endomorphisme de E.
b. Déterminer la matrice C de h 0 relativement à B3.
3. Déterminer le noyau et l’image de h 0 . Préciser une base pour chacun.
1. Changement de base
33
() ( )( ) ( )
a1 a'1 a'1 a'1
−1
⋮ =P ⋮ et ⋮ =P ⋮
a2 a'n a'n a'n
Matrices semblables
Définition : Deux matrices M et N sont dite semblables s’il existe une matrice inversible
Q telle que M =Q N Q−1.
det M =det N
det ( M −I )=det ( N −I )
Alors on a :
−1 −1
N=P MP et M =PN P
2. DIAGONALISATION
Remarques
Définition : Soit une valeur propre de f. on appelle sous espace propre associé à ,
noté E❑, le noyau de l’application linéaire ( f −id E ) où id E désigne l’endomorphisme
identité de E (elle admet pour matrice I : la matrice unité d’ordre n).
Propriété
Soit A une matrice carrée d’ordre n et une valeur propre d’ordre (de multiplicité) m de
A. Alors :
1 ≤ dim E❑ ≤ m
En particulier si m=1 ( est une valeur propre simple), dim E❑ =1
dim E❑=n−rg ( A−I ).
2.3 Propriétés
Si un polynô me P(x) de degré n est tel que P(A) = 0, alors il existe un réel non nul
α tel que P ( x )=α P A (x).
35
Si n = 2 (i.e. A est une matrice carrée d’ordre 2), alors le polynô me caractéristique
de A s’écrit P A ( x )=x 2−( trA ) x +det A
Si n = 3 (i.e A est une matrice carrée d’ordre 3) : le polynô me caractéristique de A
s’écrit : P A ( x )=−x 3 + ( trA ) x 2−( tr comA ) x +det A
2.4 Diagonalisation
Définition
A étant la matrice de f relativement à la base B, s’il existe une base B'=¿ ) de E formée
essentiellement de vecteurs propres, alors la matrice D de f dans cette base est diagonale
et on a D=P−1 A P où P est la matrice de passage de la base B à la base B’. La matrice
diagonale D est de la forme.
( )
❑1 0 0
D= 0 ⋱ 0
0 0 ❑n
Remarques
Dans D, les valeurs propres se répètent chacune selon son ordre de multiplicité.
La disposition des valeurs propres dans D tient compte de la disposition des
vecteurs propres dans P. En effet, pour i fixé, la valeur propre ❑i et le vecteur
propre ui sont respectivement situés aux colonnes i des matrices D et P.
Propriétés
36
Propriété 2 : Une matrice carrée d’ordre n est diagonalisable si et seulement si la
somme des dimensions des sous espaces propres associés est égale à n.
( )
−1 1 1
Exercice : On considère la matrice suivante : A= 3 5 3
1 1 −1
3. Diagonaliser A.
3. APPLICATIONS
{
dy 1
=a 11 y 1+ …+a1 n y n
dx
(s) ⋮
dy n
=a n1 y 1+ …+a nn y n
dx
Où les fonctions y i sont les inconnues du système. Le système. Le système (S) s’écrit sous
la forme matricielle.
dY
(1) (s) ⇔ =AY
dx
()
y1
Où Y =
a
⋮ et A= 11
yn
(
⋯ a1 n
⋯ ¿ ¿ )
⋯ ¿ ann ¿ ∈ M n ( R ) . Supposons que la matrice A est
( )
❑1 0 0
−1
(2) P A P=D= 0 ⋱ 0 avec ❑i ∈ R , ∀ i
0 0 ❑n
−1 dY −1
En injectant (2) dans (1), il vient (3) P =A P Y
dx
37
()
u1
−1
Dans (3), posonsU =P Y = ⋮ . Le système (3) est alors équivalentà :
un
{
d u1
=❑1 u 1
dx
dU
(4) = DU ⇔ ⋮
dx
d un
=❑n un
dx
( )
❑1
k1 e
(k i ∈ R , ∀ i¿
−1
Le système (4) admet pour solutionU =P Y = ⋮
❑n
kn e
( )
❑1
k1 e
Y =P ⋮ (k i ∈ R , ∀ i)
❑n
kn e
{
dx
=2 x− y
( S ) dt
Exercice : Résoudre le système différentiel
dy
=−x +2 y
dt
Soit A une matrice carrée d’ordre m. supposons que A est semblable à une matrice
diagonal D ; c’est-à -dire qu’il existe une matrice inversible P telle que :
( )
❑n 0 0
−1
P AP=D= 0 ⋱ 0 avec ( k i ∈ R , ∀ i)
0 0 ❑m
Alors : A=P D P−1.
( )
❑n1 0 0
n n −1 n
On en déduit que ∀ n ∈ N , A =P D P avec D = 0 ⋱ 0 .
n
0 0 ❑m
38
,
Travaux dirigés
∀n∈N ,
¿
{ u n=un+1 + 4 v n−1
¿ v n =2u n−1 −4 v n−1
et u0=v 0=1
b) on pose X n= ()
un
vn
. Exprimer X n en fonction de X n−1 puis en fonction de N
2. Diagonaliser A.
3. En déduire l’expression de chacun des termes un et v n en fonction de n.
{
f ( e 1 )=10 e 1−2 e 2−2 e3
f ( e 2 )=−2e 1 +7 e 2+ e3
f ( e 3 )=−2 e1 +e 2+ 7 e3
'
4. a) Déterminer une base B =(u 1 , u2 ,u 3) formée de vecteurs propres de f telle que
39
- u3 a pour 1ère composante le réel -1.
{
un+1 =10u n−2 v n−2 wn
v n +1=−2 un +7 v n + wn avec ( u 0 , v 0 , w 0 )=(−1 , 2, 3)
w n+1=−2u n+ v n +7 w n
() ()
un u0
n
a) Montrer que ∀ n ∈ N
¿
vn = A v0 .
wn w0
b) En déduire le terme général de chacune des suites : ( u n) , ( v n ) et ( wn ) .
EXERCICE 2
40
b) Déterminer la matrice C de l’endomorphisme g 0 f relativement à la
base B.
5- a) Vérifier que 2 est une valeur propre de g 0 f et déterminer le sous-
espace vectoriel propre E correspondant à cette valeur propre.
EXERCICE 3
( )
10 −2 −2
A = −2 7 1
−2 1 7
PARTIE A
1- Montrer que les vecteurs i = (1, 0, 2) et j = (0, 1, -1) sont des vecteurs
propres de la matrice A associes a la valeur propre 6.
2- La matrice A est-elle diagonalisable ? Si oui, donner une matrice de
passage P qui permet de la diagonaliser.
3- Pour tout entier naturel non nul n, on pose f n¿ f 0 f 0 f 0 … 0 f . ( f composée
par elle-même n fois).
Déterminer les coordonnées dans la base B du vecteur f 8(u).
41
EXERCICE 4
f m(e1) = 3e 1+ 2 e2−e3
f m ( e2 ) =e 1−3 e 2+2 e 3
()
x
b) On pose X = y
z
{
x ( 0 ) =1
dX
Intégrer le système différentiel dt =DX avec y ( 0 )=−2 .
z ( 0 )=3
42
EXERCICE 5
( )
−4 −2 8
A= 1 2 −1
−5 −2 9
1. Montrer que A est inversible, puis calculer A−1
2. a) On poseu=(2 ; 2 ; 2). Déterminer le vecteur v=(x ; y , z ) de R3 tel que f ( v )=u. Que
peut en déduire ?
b) Déterminer les valeurs propres de f (On les notera : ❑1 , 2 et ❑3 avec ❑1>❑2>❑3)
c) f est-il diagonalisable ? Justifier.
3. a) Déterminer les sous espaces propres associées
b) Donner une base B de R3 formé de vecteurs propres de f telle que relativement à
cette base B, la matrice de f soit :
( )
❑1 0 0
D= 0 ❑2 0 .
0 0 ❑3
{
x ' (t)=−4 x (t)−2 y (t )+ 8 z(t)
y ' ( t )=x ( t ) +2 y ( t )−z (t)
z ' ( t )=−5 ( t )−2 y ( t ) +9 z (t)
43
CHAPITRE III : SERIES NUMERIQUES – SERIE DE FOURIER
44
I- SERIES NUMERIQUES
1. Définition
Soit ( U n ) une suite numérique ; on appelle série de terme générale (Un) la suite des
n
sommes partielles S= ∑ U k . Elle se note simplementn∑
≥n
U n, n étant l’indice du terme
0
k=n0 0
n
initial de la série. La série n∑
≥n
U n converge si lim ∑ U k est finie. La limite de la série
0 ∞ k=n0
∞
s’écrit ∑ U n et est appelée somme de la série.
n
1
Exemple : La série de terme généraleU n =1+ 2
, n≥ 1.
n
On a ∑ U n= 1+
n ≥1
( 11 )(1+ 21 )+…+(1+ n1 )
2 2 2
Alorslim U n=0
∞
1
∑
Exercice : Etudier la convergence de la série n ≥1 2
n ln 1+
( ) 1
n2
Définition : On appelle série géométrique une suite de sommes partielles dont le terme
2
général est celui d’une suite géométrique. Ex : ∑ n
n ≥1 3
Propriété : Soit (Un) une suite géométrique de raison q. Alors la série géométrique
45
Série de Riemann
1
Ce sont les séries du type ∑ n α avecα ∈ R. Elles convergent siα >1 et divergent si non.
n ≥1
1 3
Exemple : La série de Riemann∑ converge car α = > 1
n ≥1 n√n 2
3. Majoration – Minoration
Propriété : Soient n∑
≥n
U n et ∑ V n deux séries à termes positifs telles qu’a partir
n ≥n
0 1
∑ U n diverge ⇒ ∑ v n diverge
n ≥n0 n≥ n 1
∑ n converge ∑ U n converge
v ⇒
n ≥n1 n ≥ n0
2
sin n
Exercice : Etudier la convergence de série ∑ 3
n ≥n1 n +1
Propriété : Soient n∑
≥n
U n et ∑ v n deux séries à termes positifs telles qu’a partir
n ≥n
0 1
Exercice :
ln ( 1+ n )−lnn
Etudier la convergence de la série de terme générale U n =
n
Soitn∑
≥n
U n une série à termes positifs. Alors nous avons les critères de convergence
0
suivants :
{
si L< 1⇒ ∑ U n converge
L>1 ⇒ ∑ U n diverge
Soit L=lim √ U n , Alors si
n n≥ n0
∞ ¿ n ≥n 0
46
Le critère de d’Alembert
{
L<1 ⇒ ∑ U n converge
U n+1 L>1 ⇒ ∑ U n diverge
Soit L=lim U , Alors
n ≥n0
∞ n ¿ n≥ n0
( )
n
n! 2 n+1
Exercice : Etudier la convergence des séries ∑ n et ∑
n ≥1 n n ≥1 3 n−1
5. Série alternées
Définition
Ce sont des séries dont les termes sont alternativement positifs et négatifs (ou des séries
du type ∑ (−1 ) V n ou ∑ (−1 ) V n et V n est le terme général d’une suites à
n n+1
n ≥1 n ≥1
terme positif)
(−1 )n
Exemple :∑ cos nπ et ∑
n ≥0 n ≥1 n
Propriété : Soit n∑
≥n
U n une série alternée. Si la suite |U | et décroît et tend vers
n
o
0 alors n∑
≥n
U n converge.
o
(−1 )n
Exercice : Etudier la convergence de la série ∑ .
n ≥1 n
47
cos n
Exemple : ∑ sin n et ∑ 2
n ≥0 n≥ 0 n
7.1 Définition :
La série ∑ U n converge absolument si ∑ |U n| converge.
n ≥n0 n ≥n0
7.2 Propriété :
Si la série ∑ U n converge absolument, alors elle converge.
n ≥n0
cos n
Exercice : Etudier la convergence de la série∑ 2 .
n ≥0 n
1. Définitions
Soit f une fonction numérique ou complexe T-périodique et continue sur tout intervalle
fermé de R . On appelle :
2π
Où α ∈ R et ω=
T
∞
S f (t )=a0 + ∑ ( an cos nωt +bn sin nωt )
n=1
Si f est paire, on a :
48
T T
α+ α+
2 2
2 4
a 0=
T
∫ f ( t ) dt ,a n=
T
∫ f (t)cos nωt dt et b n=0 , ∀ n ≥1
α α
f (t )sin nωt dt , ∀ n ≥ 1.
4
a 0=0 , an =0 et an=
T
∫
α
Exercice d’application
Soit f une fonction numérique ou complexe T-périodique sur R et continue sur tout
intervalle fermé de R . Alors la série de Fourier de f peut s’écrire :
+∞
∑ C n e jnωt
−∞
2.1 Propriété
Les coefficients complexesC net les coefficients réels a 0 , a n , et bn de Fourier sont liés par
les relations suivantes :
1 1
a 0=c 0 et ∀ n ≥ 1, C n= ( a n− jb n ) ,|C n|=|C −n|= √ an +b n
2 2
2 2
3.1 Définition
49
On dit qu’une fonction périodique f satisfait aux conditions de Dirichlet si :
f est continue, dérivable et sa dérivée f ‘ est continue sur un intervalle période, sauf
en un nombre fini de points en lesquels f n’est pas continue.
en ces points particuliers, f et f ‘ admettent des limites finies a gauche et a droite.
4.1 Définition
Soit f une fonction T-périodique et continue sur tout l’intervalle fermé de R . On dit que f
est développable (ou décomposable) en série de Fourier sur R , si sa série de Fourier
associés converge sur R en chaque point et pour toutt ∈ R, elle admet pour somme f(t).
Exercice
f ( t )=t , ∀ t ∈ [ 0 , π ]
a) représenter f sur[ −3 π ; 3 π ] .
b) Montrer que f est développable en série de Fourier.
c) Déterminer la série de Fourier associée à f.
∞
1 π2
d) Montrer que ∑ 2
= .
p=0 ( 2 p +1 ) 8
1
e) En déduire la somme de la série de Riemann ∑ 2
n ≥1 n
50
5. Théorème de Parseval
α +T ∞
1 1
T
∫ f ( t )=a + ∑ ( an +bn ) formule de Parseval ¿
2 2
0
2 n−1
2 2
Exercice
Exercice 1
n2
( ) , w = nsin−4n et z =ln (1− n1 )
n
n
un = , v n= n 2 n 2
( 2 n) ! n+1
Exercice 2
{ ]
x
f ( x )= 4 −1 si x ∈ 0; 2 ¿ ¿ 0 si x=0 ¿ ¿¿
¿
51
Sf (x )=
−3 2
− 2∑❑
∞ [
cos ( 2 p+1 )
2
πx
2 ]
4 π p=0 ( 2 p+1 )
1
4. a) Montrer que la série ∑ 2 converge.
p ≥0 ( 2 p +1 )
1
b) De l’expression de S f ( 0 ), donner la somme de la série∑
p ≥ 2 ( 2 p +1 )
2
Exercice 3
Partie A
1
générale un = 2
4 n −1
+∞
Exprimé S p en fonction de p. En déduire la somme ∑ u n
n =1
Partie B
f ( t )=1−sin t si0 ≤ t ≤ π
b) Calculera 0 et a1
¿
c) Calculera 2 p +1, a 2 p ∀ p ∈ N
52
3. a) Montrer que la fonction f vérifie les conditions de Dirichlet
b) Ecrire le développement en série de Fourier de la fonction f.
c) En utilisant le développement en série de Fourier de la fonction f, calculer
+∞
la somme ∑ u n .
n =1
Exercice 4
{
π
t si0 ≤ t<
f ( t )= 2 π
et prenant des valeurs quelconques aux points et π
π 2
¿ α si <t< π
2
1. Représenter f sur ¿
2. a) Montrer que f vérifier les conditions de Dirichlet
b) Calculer les coefficients de Fourier de f (on distinguera les cas b 2 p et b 2 p −1 ¿
c) Déterminer la série de Fourier de f
+∞ +∞
(−1 ) p−1 1 π2
3. Calculer la somme ∑ sachant que ∑ 2
=
p=1 2 p−1 p=1 ( 2 p−1 ) 8
53
CHAPITRE IV : PROBLABILITE
54
I. NOTIONS DE PROBABILITE
1. Vocabulaire
2. Définitions
D2on dit qu’il y a équiprobabilité lorsque tous les évènements élémentaires d’une
3. Propriétés
1. Définition
56
Soit p une probabilité sur Ω et A un évènement tel que p ( A ) ≠ 0. La probabilité
conditionnelle de B sachant que A est réaliser est le nombres noté
p (A ∩B)
p A ( B ) ou p ( B| A )=
p( A )
2. Propriétés
p ( A ∩B )= p ( A ) . p A ( B ) =p ( B ) . p B ( A)
3. Evènements indépendants
Une variable aléatoire X définit sur un univers probabilisé Ω est dite discrète si
son ensembles image associé X(Ω ) est fini ou dénombrable.
57
(b) La répétition de façon indépendante, n fois de cette
épreuve de Bernoulli,
(c) La variable aléatoire X qui, à cette succession des n
épreuves de Bernoulli, associe le nombre de succès.
Dans ces conditions, la variable aléatoire X admet la loi de
probabilité appelée loi binomiale de paramètres n et p et
noté B (n, p).
Valeurs caractéristiques
Si une variable aléatoire X ↝B(n, p), alors :
Son espérance mathématique (ou moyenne) de X vaut E ( X ) =np.
Sa variance est V ( X )=np ( 1− p ) ,
Et son écart type σ ( X )=√ np ( 1− p ) .
Exercice d’application
fiches avec remise de telle façonque les 5 tirages soient indépendants. Soit X la
Définition
Valeurs caractéristiques
Exercice d’application
Dans le domaine économique et industriel, on est amené à étudier des variables pouvant
prendre, au moins théoriquement, n’importe quelle valeurs dans R . C’est le cas par exemple,
la variable aléatoire X mesurant la durée de bon fonctionnement en jour d’un équipement
particulier fabriqué en grande série, avec l’intervalle¿.
(X ≤ 400),(X > 1000), ou(400 ≤ X ≤ 1000). Nous sommes donc amenés à utiliser la
3.1 Définition
Une variable X est continue. S’il existe une fonction positive f , continue sur R
∫ f ( t ) dt=1
−∞
Remarque
x
F ( x )= ∫ f ( t ) dt
−∞
Remarque : On a :
Valeurs caractéristiques
+∞
E ( X )=∫ tf ( t ) dt
−∞
+∞
V ( X )= ∫ [ t−E( X ) ]2 f ( t ) dt et σ ( X ) =√ V ( X )
−∞
Exercice
{
−2t
f ( t )=k e si t ≥ 0
par : f ( x )=
f ( t )=0 sit <0
P ( x ≤ 1 ) , P ( 1≤ x ≤2 ) , P ( x ≤ 0 ) et P(x ≥5)
4.Déterminer E(X).
60
3.3 Loi normale ou loi de Laplace-Gauss (notation N(m,σ ))
Définition
[ ( )]
2
1 1 t−m
f ( t )= exp
σ √2 π 2 σ
Propriété
Propriété
Si une variable aléatoire continue X suit la loi normale N (m,σ ), alors la variable
X−m
aléatoireT = suit la loi normale centrée réduite N (0,1).
σ
Remarques
( )
2
1 −t
φ ( t )= exp
√2 π 2
La fonction de répartition T est
( ) dx
t 2
1 x
Π ( t ) =P ( T<t ) = ∫
√2π -∞
exp -
2
Sa représentation graphique est
61
La courbe de la densité de probabilité φ (t) est symétrique par rapport à
l’axe des ordonnées.
L’aire totale de la surface comprise entre la courbe de φ et l’axe des
abscisses est égale à 1.
Nous en déduisons les relations suivantes
P ( t 0 ≤ T ≤ t 1 ) =π ( t 1 )−π ( t 0 )
P (−t ≤ T ≤ t ) =2 π ( t )−1
P ( T ≤ t 0 ou T ≥ t 1 )=π ( t 0 )−π ( t 0) + 1
Exercice d’application
Relations liant X et T
X−m
Si X ↝ N (m , σ ¿, on sait que T = ↝ N ( 0 ,1 ) et on a :
σ
(
P ( X <t )=P T <
t−m
σ )
t 1−m t 2−m
P(t 1< X <t 2 ¿=P( <T < )
σ σ
'
(D¿¿ i désigne≤diamètre exprimé en mm et ni l effectifcorrespondant .)¿
62
Déterminer la moyenne M et l’écart σ de cet échantillon.
f ( x )=¿
(
P X>
π
6 )(
P
−π
3
π
) π π
< X < et P( X < sacahant X > )
6 4 6
63