Interpolation linéaire

Applications linéaires, matrices, déterminants Pascal Lainé Applications linéaires, matrices, déterminants Exercice 1. Soit défini pour tout ( ( ) ) par ( ) 1. Montrer que est linéaire. ( ). 2. Déterminer Allez à : Correction exercice 1 Exercice 2. Soit ( ) définie pour tout vecteur ( ) ( 1. Montrer que est une application linéaire. ( ( )). 2. Donner une base de ( ), en déduire 3. Donner une base de ( ). Allez à : Correction exercice 2 Exercice 3

directeur. Le coefficient p est appelé ordonnée à l’origine. Remarques : 1. Le nombre p est appelé ordonnée à l’origine car f (0) = p. 2. — Si m = 0 : f (x) = p, on obtient une fonction constante ; — Si p = 0 : f (x) = mx, on obtient une fonction linéaire. Propriété : La représentation graphique de la fonction affine f définie sur R par f (x) = mx + p est la droite D d’équation y = mx + p. Cette droite passe par le point de coordonnées (0 ; p). Remarque : Pour tracer une droite, il suffit d’avoir deux

Planche no 1. Algèbre linéaire I * très facile ** facile *** difficulté moyenne **** difficile I : Incontournable ***** très difficile no 1 (** I) : Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E. Montrer que : [(F ∪ G sous-espace de E) ⇔ (F ⊂ G ou G ⊂ F)]. no 2 (****) : Généralisation. Soient n un entier supérieur ou égal à 2 puis F1 , ... , Fn n sous-espaces de E où E est un es  pace vectoriel sur un sous-corps K de C. Montrer que (F1 ∪ ... ∪ Fn sous-espace

|[pic] | | | | | | | | | | | | |

2 m = masse, v = vitesse on mesure m = 9.5 ± 1.8 kg, v = 7.35 ± 0.23 m/s ! #E #E v2 "E = "m + "v = "m + mv"v #m #v 2 "E "m "v 1.8 0.23 = +2 = +2 = 0.25 = 25% E m v 9.5 7.35 E = 257 ± 65 kg m2/s2 TP de Physique Générale - EPFL 9 ! Régression linéaire (1) On mesure deux séries de grandeurs xi et yi . Existe-t-il une fonction y = f(x) qui traduit une relation entre le deux grandeurs? Exemple: droite de régression y = ax + b pour la quelle l'incertitude sur les xi est négligeable, et l'incertitude

Sous-espace vectoriel engendré par une famille finie de vecteurs[ > ] Famille génératrice DéfinitionOn appelle combinaison linéaire des vecteurs de la famille F=(e⃗ i)1≤i≤n tout vecteur x⃗  de Epouvant s'écrire x⃗ =∑i=1nλie⃗ i avec λ1,…,λn bien choisis. ExempleUne somme sur le vide étant égale au vecteur nul, le vecteur nul est le seul vecteur combinaison linéaire de la famille vide. DéfinitionOn appelle espace vectoriel engendré par la famille F=(e⃗ i)1≤i≤n, le sous-espace vectoriel engendré

la fonction f(x,y) = 2x+xy sous la contrainte 2x+4y=6 Solution 4. Exercices généreaux : Voir le Site Objectifs - Modéliser les problèmes de programmation linéaire - Résoudre les problèmes de programmation linéaire graphiquement Modélisation d’un problème de programmation linéaire 1- Introduction La programmation linéaire peut se définir comme une technique mathématique permettant de résoudre des problèmes de gestion et particulièrement ceux où le gestionnaire doit déterminer, face

9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10 12 14 1. Ajustement linéaire : Méthode des moindres carrées Le nuage de points permet de spécifier la forme de la relation , c’est à dire de trouver la courbe qui ajuste le mieux le nuage de point ainsi représenté. Cette courbe peut être : - une droite en parle dans ce cas d’ajustement linéaire - parabolique en parle d’ajustement non linéaire L’objectif donc du nuage de point est de trouver la courbe qui passe la plus proche

` ´ Algebre lineaire Algorithme du simplexe Algorithme du simplexe ` ´ Une solution a la programmation lineaire Hugues Talbot Laboratoire A2SI 18 mars 2008 ´ ´ Resume ` ´ Algebre lineaire Algorithme du simplexe Plan ` ´ Algebre lineaire Algorithme du simplexe Formulation et forme standard Notations Recherche d’une solution optimale ´ ´ Resume ` ´ Algebre lineaire Algorithme du simplexe Matrices, inverses etc • Il est necessaire de

b) On cherche x tel que f(x) = 1 donc tel que 3x + 5 = 1. 4 Donc 3x = – 4 et x = – . 3 a) Faux b) Vrai c) Faux Une fonction affine est définie sur ‫ ޒ‬par f(x) = ax + b avec a et b dans ‫.ޒ‬ Une fonction linéaire est définie sur ‫ ޒ‬par f(x) = ax. Donc f est affine, g est linéaire, h est affine et ᐉ est affine car ᐉ(x) = x2 + 10x + 25 – x2 – 4x – 4 = 6x + 21. a) f(5) – f(1) = 2 × 5 – 3 – (2 × 1 – 3) f(5) – f(1) = 10 – 3 – 2 + 3 f(5) – f(1) = 8 f(5) – f(1) étant positif, f(5) est supérieur