COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

Dimension: px
Commencer à balayer dès la page:

Download "COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )"

Transcription

1 COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x + y f 4 : R 2 R 4 f 5 : R [X] R f 4 x, y = y,, x 7y, x + y f 5 P = P 1, P, P 1 Correction f 1 est linéaire. Pour x, y R 2 et x, y R 2 : f 1 x, y + x, y = f 1 x + x, y + y Pour x, y R 2 et λ R : = 2x + x + y + y, x + x y + y = 2x + y + 2x + y, x y + x y = 2x + y, x y + 2x + y, x y = f 1 x, y + f 1 x, y f 1 λ x, y = f1 λx, λy = 2λx+λy, λx λy = λ 2x+y, x y = λ f1 x, y. 2. f 2 n'est pas linéaire, en eet par exemple f 2 1, 1, + f 2 1, 1, n'est pas égal à f 2 2, 2,.. f est linéaire : il faut vérier d'abord que pour tout x, y, z et x, y, z alors f x, y, z+x, y, z = f x, y, z+f x, y, z. Et ensuite que pour tout x, y, z et λ on a f λ x, y, z = λ f x, y, z. 4. f 4 est linéaire : il faut vérier d'abord que pour tout x, y et x, y alors f 4 x, y + x, y = f 4 x, y + f 4 x, y. Et ensuite que pour tout x, y et λ on a f 4 λ x, y = λ f4 x, y. 5. f 5 est linéaire : soient P, P R [X] alors f 5 P + P = P + P 1, P + P, P + P 1 = P 1 + P 1, P + P, P 1 + P 1 = P 1, P, P 1 + P 1, P, P 1 = f 5 P + f 5 P 1

2 Et si P R [X] et λ R : f 5 λ P = λp 1, λp, λp 1 = λ P 1, λ P, λ P 1 = λ P 1, P, P 1 = λ f 5 P Exercice 2. Soit E un espace vectoriel et soient E 1 et E 2 deux sous-espaces vectoriels de dimension nie de E, on dénit l'application f : E 1 E 2 E par fx 1, x 2 = x 1 + x Montrer que f est linéaire. 2. Déterminer le noyau et l'image de f.. Que donne le théorème du rang? 1. Aucun problème Par dénition de f et de ce qu'est la somme de deux sous-espaces vectoriels, l'image est Correction 2. Im f = {fx 1, x 2 x 1 E 1, x 2 E 2 } = {x 1 +x 2 x 1 E 1, x 2 E 2 } = E 1 +E 2. Pour le noyau : ker f = {x 1, x 2 fx 1, x 2 = } = {x 1, x 2 x 1 + x 2 = } Mais on peut aller un peu plus loin. En eet un élément x 1, x 2 ker f, vérie x 1 E 1, x 2 E 2 et x 1 = x 2. Donc x 1 E 2. Donc x 1 E 1 E 2. Réciproquement si x E 1 E 2, alors x, x ker f. Donc ker f = {x, x x E 1 E 2 }. De plus l'application x x, x montre que ker f est isomorphe à E 1 E 2.. Le théorème du rang s'écrit : dim ker f + dim Im f = dime 1 E 2. Compte tenu de l'isomorphisme entre ker f et E 1 E 2 on obtient : dime 1 E 2 + dime 1 + E 2 = dime 1 E 2. Mais dime 1 E 2 = dim E 1 + dim E 2, donc on retrouve ce que l'on appelle le théorème des quatre dimensions : dime 1 + E 2 = dim E 1 + dim E 2 dime 1 E 2. 2

3 Exercice. Soit E un espace vectoriel de dimension n et f une application linéaire de E dans lui-même. Montrer que les deux assertions qui suivent sont équivalentes : i ker f = Im f ii f 2 = et n = 2 rgf Correction. i ii Supposons ker f = Im f. Soit x E, alors fx Im f donc fx ker f, cela entraîne ffx = ; donc f 2 =. De plus d'après la formule du rang dim ker f + rgf = n, mais dim ker f = dim Im f = rgf, ainsi 2rgf = n. ii i Si f 2 = alors Im f ker f car pour y Im f il existe x tel que y = fx et fy = f 2 x =. De plus si 2rgf = n alors la formule du rang donne dim ker f = rgf c'est-à-dire dim ker f = dim Im f. Nous savons donc que Im f est inclus dans ker f mais ces espaces sont de même dimension donc sont égaux : ker f = Im f. Exercice 4. Pour les applications linéaires suivantes, déterminer ker f i et Im f i. En déduire si f i est injective, surjective, bijective. f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = 2x + y + z, y z, x + y f : R 2 R 4 f 4 : R [X] R f x, y = y,, x 7y, x + y f 4 P = P 1, P, P 1 Correction 4. Calculer le noyau revient à résoudre un système linéaire, et calculer l'image aussi. On peut donc tout faire à la main. Mais on peut aussi appliquer un peu de théorie! Noyau et image sont liés par la formule du rang : dim ker f + dim Im f = dim E pour f : E F. Donc si on a trouvé le noyau alors on connaît la dimension de l'image. Et il sut alors de trouver autant de vecteur de l'image. 1. f 1 est injective, surjective et donc bijective. a Faisons tout à la main. Calculons le noyau : x, y ker f 1 f 1 x, y =, 2x + y, x y =, { 2x + y = x, y =, x y = Ainsi ker f 1 = {, } et donc f 1 est injective.

4 b Calculons l'image. Quels éléments X, Y peuvent s'écrire f 1 x, y? f 1 x, y = X, Y 2x + y, x y = X, Y { { 2x + y = X x = X+Y x y = Y y = X 2Y X + Y x, y =, X 2Y Donc pour n'importe quel X, Y R 2 on trouve un antécédent x, y = X+Y, X 2Y qui vérie donc f 1 x, y = X, Y. Donc Im f 1 = R 2. Ainsi f 1 est surjective. c Conclusion : f 1 est injective et surjective donc bijective. 2. Pour f 2 on pourrait raisonner similairement, mais on va simplier le travail pour l'image de f 2. a Calculons d'abord le noyau : x, y, z ker f 2 f 1 x, y, z =,, 2x + y + z, y z, x + y =,, 2x + y + z = y z = x + y = x, y, z =,, Ainsi ker f 2 = {,, } et donc f 2 est injective. b Maintenant nous allons utiliser que ker f 2 = {,, }, autrement dit dim ker f 2 =. La formule du rang, appliquée à f 2 : R R s'écrit dim ker f 2 +dim Im f 2 = dim R. Donc dim Im f 2 =. Ainsi Im f 2 est un espace vectoriel de dimension inclus dans R de dimension donc Im f 2 = R. Ainsi f 2 est surjective. c f 2 est injective, surjective donc bijective.. Sans aucun calcul on sait f : R 2 R 4 ne peut être surjective car l'espace d'arrivée est de dimension strictement supérieur à l'espace de départ. 4

5 a Calculons le noyau : x, y ker f f x, y =,,, y,, x 7y, x + y =,,, y = = x 7y = x + y = x, y =, Ainsi ker f = {, } et donc f est injective. b La formule du rang, appliquée à f : R 2 R 4 s'écrit dim ker f + dim Im f = dim R 2. Donc dim Im f = 2. Ainsi Im f est un espace vectoriel de dimension 2 inclus dans R, f n'est pas surjective. Par décrire Im f nous allons trouver deux vecteurs indépendants de Im f. Il y a un nombre inni de choix : prenons par exemple v 1 = f1, =,, 1, 1. Pour v 2 on cherche un peu à tâtons un vecteur linéairement indépendant de v 1. Essayons v 2 = f, 1 = 1,, 7, 1. Par construction v 1, v 2 Im f ; ils sont clairement linéairement indépendants et comme dim Im f = 2 alors {v 1, v 2 } est une base de Im f. Ainsi Im f = Vect{v 1, v 2 } = { λ,, 1, 1 + µ1,, 7, 1 λ, µ R }. 4. f 4 : R [X] R va d'un espace de dimension 4 vers un espace de dimension strictement plus petit et donc f 4 ne peut être injective. a Calculons le noyau. Écrivons un polynôme P de degré sous la forme P X = ax + bx 2 + cx + d. Alors P = d, P 1 = 5

6 a + b + c + d, P 1 = a + b c + d. P X ker f 4 P 1, P, P 1 =,, a + b c + d, d, a + b + c + d =,, a + b c + d = d = a + b + c + d = a = c b = d = a, b, c, d = t,, t, t R Ainsi le noyau ker f 4 = { tx tx t R } = Vect{X X}. f 4 n'est pas injective son noyau étant de dimension 1. b La formule du rang pour f 4 : R [X] R s'écrit dim ker f 4 + dim Im f 4 = dim R [4]. Autrement dit 1 + dim Im f 4 = 4. Donc dim Im f 4 =. Ainsi Im f 4 est un espace de dimension dans R donc Im f 4 = R. Conclusion f 4 est surjective. Exercice 5. Soit E un espace vectoriel de dimension, {e 1, e 2, e } une base de E, et t un paramètre réel. φe 1 = e 1 + e 2 Démontrer que la donnée de φe 2 = e 1 e 2 dénit une application φe = e 1 + te linéaire φ de E dans E. Écrire le transformé du vecteur x = α 1 e 1 + α 2 e 2 + α e. Comment choisir t pour que φ soit injective? surjective? 1. Comment est dénie φ à partir de la dénition sur les éléments de la base? Pour x E alors x s'écrit dans la base {e 1, e 2, e }, x = α 1 e 1 + α 2 e 2 + α e. Et φ est dénie sur E par la formule Correction 5. Soit ici : φx = α 1 φe 1 + α 2 φe 2 + α φe. φx = α 1 + α 2 + α e 1 + α 1 α 2 e 2 + tα e. Cette dénition rend automatiquement φ linéaire vériez-le si vous n'êtes pas convaincu!. 6

7 2. On cherche à savoir si φ est injective. Soit x E tel que φx = donc α 1 + α 2 + α e 1 + α 1 α 2 e 2 + tα e =. Comme {e 1, e 2, e } est une base alors tous les coecients sont nuls : α 1 + α 2 + α =, α 1 α 2 =, tα =. Si t alors en résolvant le système on obtient α 1 =, α 2 =, α =. Donc x = et φ est injective. Si t =, alors φ n'est pas injective, en résolvant le même système on obtient des solutions non triviales, par exemple α 1 = 1, α 2 = 1, α = 2. Donc pour x = e 1 + e 2 2e on obtient φx =.. Pour la surjectivité on peut soit faire des calculs, soit appliquer la formule du rang. Examinons cette deuxième méthode. φ est surjective si et seulement si la dimension de Im φ est égale à la dimension de l'espace d'arrivée ici E de dimension. Or on a une formule pour dim Im φ : dim ker φ + dim Im φ = dim E. Si t, φ est injective donc ker φ = {} est de dimension. Donc dim Im φ = et φ est surjective. Si t = alors φ n'est pas injective donc ker φ est de dimension au moins 1 en fait 1 exactement, donc dim Im φ 2. Donc φ n'est pas surjective. On remarque que φ est injective si et seulement si elle est surjective. Ce qui est un résultat du cours pour les applications ayant l'espace de départ et d'arrivée de même dimension nie. Exercice 6. Soit E = R n [X] l'espace vectoriel des polynômes de degré n, et f : E E dénie par : fp = P + 1 XP. Montrer que f est une application linéaire et donner une base de Im f et de ker f. Correction f est bien linéaire Soit P tel que fp =. Alors P vérie l'équation diérentielle P + 1 XP =. Dont la solution est P = λx 1, λ R. Donc ker f est de dimension 1 et une base est donnée par un seul vecteur : X 1.. Par le théorème du rang la dimension de l'image est : dim Im f = dim R n [X] dim ker f = n = n. 7

8 Il faut donc trouver n vecteurs linéairement indépendants dans Im f. Évaluons fx k, alors fx k = 1 kx k + kx k 1. Cela donne f1 = 1, fx = 1, fx 2 = X 2 + 2X,... on remarque que pour k = 2,... n, fx k est de degré k sans terme constant. Donc l'ensemble { fx, fx 2,..., fx n } est une famille de n vecteurs, appartenant à Im f, et libre car les degrés sont distincts. Donc ils forment une base de Im f. Exercice 7. Soient trois vecteurs e 1, e 2, e formant une base de R. On note φ l'application linéaire dénie par φe 1 = e, φe 2 = e 1 + e 2 + e et φe = e. 1. Écrire la matrice A de φ dans la base e 1, e 2, e. Déterminer le noyau de cette application. 2. On pose f 1 = e 1 e, f 2 = e 1 e 2, f = e 1 +e 2 +e. Calculer e 1, e 2, e en fonction de f 1, f 2, f. Les vecteurs f 1, f 2, f forment-ils une base de R?. Calculer φf 1, φf 2, φf en fonction de f 1, f 2, f. Écrire la matrice de φ dans la base f 1, f 2, f et trouver la nature de l'application φ On pose P = 1 1. Vérier que P est inversible et calculer 1 1 P 1. Quelle relation lie A,, P et P 1? Correction On note la base = e 1, e 2, e et X = x y = z xe 1 + ye 2 + ze. La matrice A = Mat f est composée des vecteurs colonnes φe i, on sait φe 1 = e = 1 1 φe 2 = e 1 +e 2 +e = donc A = Le noyau de φ ou celui de A est l'ensemble de X = AX =. 8 φe = e = 1 x y tel que z

9 1 x y = AX = 1 y = y = z x + y + z = Donc Kerφ = { x R x R } 1 = Vect = Vecte 1 x 1 e. Le noyau est donc de dimension On applique le pivot de Gauss comme si c'était un système linéaire :. e 1 e = f 1 L1 e 1 + e 2 + e = f L e 1 e 2 = f 2 L2 On en déduit e 1 = f 1 + f 2 + f e 2 = f 1 + f e = f 2 + f e 1 e = f 1 e 2 + e = f 2 f 1 L2 L 1 e 2 = f + f 1 L +L 1 Donc tous les vecteurs de la base = e 1, e 2, e s'expriment en fonction de f 1, f 2, f, ainsi la famille f 1, f 2, f est génératrice. Comme elle a exactement éléments dans l'espace vectoriel R de dimension alors = f 1, f 2, f est une base. φf 1 = φe 1 e = φe 1 φe = e e = φf 2 = φe 1 e 2 = φe 1 φe 2 = e e 1 +e 2 +e = e 1 e 2 = f 2 φf = φ e 1 +e 2 +e = φe 1 +φe 2 +φe = e 1 +e 2 +e = f Donc, dans la base = f 1, f 2, f, nous avons φf 1 = = φf 2 = f 2 = 1 φf = f = 1 Donc la matrice de φ dans la base est = 1 1 φ est la projection sur Vectf 2, f parallèlement à Vectf 1 autrement dit c'est la projection sur le plan d'équation x =, parallèlement à l'axe des x, ceci dans la base. 9

10 4. P est la matrice de passage de vers. En eet la matrice de passage contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l'ancienne base. Si un vecteur a pour coordonnées X dans la base et X dans la base alors P X = X attention à l'ordre. Et si A est la matrice de φ dans la base et est la matrice de φ dans la base alors = P 1 AP Une matrice de passage entre deux bases est inversible. Ici on calcule l'inverse de P : 1 1 P 1 = 1 1 donc = P 1 AP = On retrouve donc bien les mêmes résultats que précédemment. Exercice 8. Soit E un espace vectoriel et f une application linéaire de E dans lui-même telle que f 2 = f. 1. Montrer que E = Kerfo + Imf. 2. Supposons que E soit de dimension nie n. Posons r = dim Im f. Montrer qu'il existe une base = e 1,..., e n de E telle que : fe i = e i si i r et fe i = si i > r. Déterminer la matrice de f dans cette base. Correction Nous devons montrer Kerf Imf = {} et Kerf + Imf = E. a Si x Kerf Imf alors d'une part fx = et d'autre part il existe x E tel que x = fx. Donc = fx = f fx = fx = x donc x = on a utilisé f f = f. Donc Kerf Imf = {}. b Pour x E on le réécrit x = x fx + fx. Alors x fx Kerf car f x fx = fx f fx = et fx Im f. Donc x Kerf + Imf. Donc Kerf + Imf = E. c Conclusion : E = Kerfo + Imf. 2. Notons r le rang de f : r = dim Imf. Soit {e 1,..., e r } une base de Im f et soit {e r+1,..., e n } une base de Kerf. Comme E = Kerf Im f alors e 1,..., e n est une base de E. Pour i > r alors e i Kerf donc fe i =. Comme f f = f alors pour n'importe quel x Im f on a fx = x : en eet comme x Im f, il existe x E tel que x = fx ainsi fx = f fx = fx = x. En particulier si i r alors fe i = e i. 1

11 . La matrice de f dans la base e 1,..., e n est donc : I où I désigne la matrice identité de taille r r et les désignent des matrices nulles. Exercice 9. Soit l'application f : R R donnée par : fx, y, z = x + 2y + z, 2x + y + z, x y z. 1. Justier que f est linéaire. 2. Donner la matrice de A dans la base canonique de R.. a Déterminer une base et la dimension du noyau de f, noté ker f. b L'application f est-elle injective? 4. a Donner le rang de f et une base de Imf. b L'application f est-elle surjective? Exercice 1. Soit la matrice A = Déterminer une base du noyau de A. 2. Déterminer une base de l'image de A.. 11

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires :

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires : Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes sont linéaires : f 1 : R R f 1 x,y = x + y,x y f : R R f x,y,z = xy,x,y f : R R f x,y,z = x + y + z,y z,x

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1.

Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1. 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R 2 (2x + y, x y) R 2, f 2 : (x, y, z) R 3 (xy, x, y) R 3 f 3 : (x, y, z) R 3 (2x +

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

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

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

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

TD 5- Applications linéaires

TD 5- Applications linéaires TD 5- Applications linéaires Exercice 1. Soit f l'application dénie sur R 2 par f(x, y) = (2x y, 3x + y). 1. Montrer que f est un endomorphisme de R 2. 2. Montrer que f est injective. 3. Montrer que f

Plus en détail

Applications linéaires

Applications linéaires Chapitre IV Applications linéaires Révisions Définition. Soient E, deux espaces vectoriels sur le même corps commutatif est dite linéaire si quels que soient x, y E et λ,. Une application f : E f x y f

Plus en détail

19. APPLICATIONS LINÉAIRES

19. APPLICATIONS LINÉAIRES 19. APPLICATIONS LINÉAIRES 1 Dénitions générales. 1. 1 Applications linéaires. On dit qu'une application d'un espace vectoriel E dans un espace vectoriel F est linéaire si elle est compatible avec les

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités PC* Devoir 6: Corrigé 20 202 Partie I : Généralités I.A - Questions préliminaires a b c I.A.) M S M = b l m avec (a, b, c, l, m, t) R 6. c m t Les éléments de S sont les matrices de la forme : M = ae +

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Tatiana Labopin-Richard Mercredi 18 mars 2015 L algèbre linéaire est une très grosse partie du programme de Maths. Il est

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 14 Espaces vectoriels de dimension finie Dans tout le chapitre K désigne R ou C. 14.1 Espaces vectoriels de dimension finie 14.1.1 Bases et dimension Ò Ø ÓÒ ½ º½ Espace vectoriel de dimension

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

Applications linéaires

Applications linéaires le 8 Février UTBM MT Arthur LANNUZEL http ://mathutbmal.free.fr Applications linéaires Exemples et définitions. Soit E et F, espaces vectoriels sur K = R ou C. On s intéresse aux applications qui conservent

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Applications linéaires, matrices, déterminants

Applications linéaires, matrices, déterminants Applications linéaires, matrices, déterminants Exercice 1. Soit u: R 3 R défini pour tout x = (x 1, x, x 3 R 3 par u(x = (x 1 + x + x 3, x 1 + x x 3 1. Montrer que u est linéaire.. Déterminer ker(u. Allez

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES

ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES 30-9- 2010 J.F.C. p. 1 ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES Exercice 1 Intersection d hyperplans. E est un espace vectoriel de dimension n sur K (n [2, + [). Q1. Montrer que si F et G sont deux

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES 21-10- 2007 J.F.C. A.L. p. 1 APPLICATIONS LINÉAIRES I GÉNÉRALITÉS 1. Définition et vocabulaire 2. Conséquences de la définition 3. Caractérisation II OPÉRATIONS SUR LES APPLICATION LINÉAIRES 1. Somme,

Plus en détail

1 Programme de Colles : Espaces vectoriels.

1 Programme de Colles : Espaces vectoriels. Lycée Louis le grand Année scolaire 2007/2008 Mathématiques Supérieure MPSI Semaine 12 11 mai 2009 1 Programme de Colles : Espaces vectoriels. On note K le corps R ou C. 1.1 Axiomes d espace vectoriel.

Plus en détail

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

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

2010/2011. Espaces vectoriels

2010/2011. Espaces vectoriels Université Paris-Est Marne-la-Vallée 010/011 M1 enseignement CD/Préparation au CAPES Espaces vectoriels Dans toute la suite on considèrera des espaces vectoriels sur un corps commutatif K de caractéristique

Plus en détail

Applications linéaires

Applications linéaires [http://mp.cpgedupuydelome.fr] édité le 5 mai 2016 Enoncés 1 Applications linéaires Etude de linéarité a) Montrer que ϕ et ψ sont des endomorphismes de E. b) Exprimer ϕ ψ et ψ ϕ. c) Déterminer images et

Plus en détail

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q 1 Codes linéaires Un code de longueur n est une partie de F n q. Un code linéaire C de longueur n sur le corps ni F q est un sous-espace vectoriel de F n q. Par défaut, un code sera supposé linéaire. La

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Partie I - Valeurs propres de AB et BA

Partie I - Valeurs propres de AB et BA SESSION 9 Concours commun Centrale MATHÉMATIQUES. FILIERE PSI Partie I - Valeurs propres de AB et BA I.A - Cas de la valeur propre. I.A.) Sp(AB) Ker(AB) {} AB / G L n (R) det(ab) =. I.A.) Sp(AB) det(ab)

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

Résumé de Math Sup et compléments : algèbre linéaire

Résumé de Math Sup et compléments : algèbre linéaire Résumé de Ma Sup et compléments : algèbre linéaire I - Espaces vectoriels - Sous espaces vectoriels 1) Structure de K-espace vectoriel Soient K un sous-corps de C et E un ensemble non vide muni d une l.d.c.i.

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Espaces vectoriels. par Pierre Veuillez

Espaces vectoriels. par Pierre Veuillez Espaces vectoriels par Pierre Veuillez 1 Objectifs : Disposer d un lieu où les opérations + et se comportent bien. Déterminer des bases (utilisation de la dimension) Représenter les vecteurs grace à leurs

Plus en détail

Algèbre Linéaire. Victor Lambert. 24 septembre 2014

Algèbre Linéaire. Victor Lambert. 24 septembre 2014 Algèbre Linéaire Victor Lambert 24 septembre 2014 Table des matières 1 Généralités 2 1.1 Espaces vectoriels............................ 2 1.2 Applications linéaires.......................... 4 1.3 Familles

Plus en détail

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2 Guillaume CARLIER L1, année 2006-2007 2 Ce support de cours est basé sur le poly de Tristan Tomala des années précédentes.

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Feuille d exercices n 14 : corrigé

Feuille d exercices n 14 : corrigé Feuille d exercices n 4 : corrigé PTSI B Lycée Eiffel avril 3 Exercice (*) Commençons déjà par constater que la fonction nulle vérifie toutes les conditions de l exercice, il nous restera donc à regarder

Plus en détail

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

Feuille 5 : Exercices sur les déterminants, quelques corrections

Feuille 5 : Exercices sur les déterminants, quelques corrections Université de Poitiers Mathématiques L SPIC, Module 2L2 2/2 Feuille 5 : Exercices sur les déterminants, quelques corrections Exercice 3 : Dans cet exercice, pour obtenir directement les polnômes sous forme

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Espaces vectoriels de dimension finie 1 Questions de cours 3 Exercices 1. Énoncer et montrer le théorème de la base incomplète. 2. Soit E de dimension finie n et F un sousespace de E. Montrer que F est

Plus en détail

11. Espaces vectoriels, homomorphismes, bases

11. Espaces vectoriels, homomorphismes, bases 11. Espaces vectoriels, homomorphismes, bases 11.1. Espaces vectoriels, algèbres 11.1.1. Structure d espace vectoriel et d algèbre 11.1.2. Combinaisons linéaires 11.1.3. Espaces vectoriels et algèbres

Plus en détail

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices Réduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Spé - Diagonaliser les matrices suivantes : 0 2 1 A = 3 2 0 B = 2 2 1 0 3 2 2 5 2 2 3 0 On donnera aussi la matrice de passage

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Espace vectoriel de dimensions finies MPSI

Espace vectoriel de dimensions finies MPSI Espace vectoriel de dimensions finies MPSI 22 juin 2008 Table des matières 1 Partie libre - Partie liée - Partie génératrice 2 1.1 Partie finie liée.......................... 2 1.1.1 Vecteurs colinéaires....................

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f.

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f. escp-eap 2(Ecole de commerce) OPTION SCIENTIFIQUEMATHEMATIQUES I adapté en retirant certaines question qui sont du cours de PC et en ajoutant le dernier exemple.. a) question de cours b) P(f) est un polynôme

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

LISTE DE QUESTIONS DE COURS

LISTE DE QUESTIONS DE COURS LISTE DE QUESTIONS DE COURS sur le polycopié d Algèbre de 2008/2009 Chapitre 1 1. Définition 1.1 : Espace vectoriel. 2. Proposition 1.3 : Espace vectoriel produit. 3. Définition 1.2 : Sous-espaces vectoriels.

Plus en détail

Analyse des données et algèbre linéaire

Analyse des données et algèbre linéaire Analyse des données et algèbre linéaire Fondamentaux pour le Big Data c Télécom ParisTech 1/15 Machine-Learning : Une donnée x i = un ensemble de features (caractères) d un individu i x i = (x i,1,...,

Plus en détail

Bref, c'est difficile, mais tout le monde doit y arriver.

Bref, c'est difficile, mais tout le monde doit y arriver. Bonjour à tous, les colles de mardi m'ont permis de vérifier que les notions de base du chapitre espaces vectoriels sont loin d'être acquises. Comme je vous le disais, il est essentiel d'apprendre régulièrement

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure?

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure? Chapitre Applications linéaires Testez vos connaissances Pourquoi s intéresse-t-on au applications linéaires en économie? Qu est-ce qu un noyau, un rang et une image d une application linéaire? Donner

Plus en détail

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx,

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx, Université Paris Panthéon-Sorbonne L MASS 0/03 Algèbre Corrigé Feuille 4 Exercice. a On remarque que dim F car F R 3 en effet,,, F. D autre part, soient e = 3,,, e =, 0,. On vérifie que {e, e } est une

Plus en détail

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27 Table des matières 1 Calcul matriciel 3 11 Dénitions et propriétés 3 12 Opérations sur les matrices 4 121 Addition 4 122 Multiplication par un scalaire 5 123 Multiplication des matrices 5 13 Matrices élémentaires

Plus en détail

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs 22 Cours - Espaces vectoriels.nb /8 Espaces vectoriels K -espace vectoriel, loi de composition interne (commutative, associative), élément neutre, symétrique, loi externe, vecteur nul, E, sous espace vectoriel,

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

Plus en détail

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées.

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées. 0 0 3 3 EXERCICE Soit les matrices A = et B = 2 3 0 0. Calculer le déterminant de A. En déduire le rang de cette matrice. 0 0 0 Dét(A) = dét = dét 0 0 car (propriété P ) le déterminant d une matrice ne

Plus en détail

Matrices,systèmes et déterminants

Matrices,systèmes et déterminants Matrices,systèmes et déterminants Exercice 1 1 Donner la matrice des endomorphismes suivants dans les bases canoniques de R 2 et R 3 : (a f(x, y = (ax + by, cx + dy (b g(x, y, z = (2x y, 5x 3y + z (c h(x,

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que [http://mp.cpgedupuydelome.fr] édité le 0 juillet 204 Enoncés Rang d une matrice Exercice [ 0070 ] [correction] Soit A M n K une matrice carrée de rang. a Etablir l existence de colonnes X, Y M n, K vérifiant

Plus en détail

a (x 1) 2 + b b + c =1 a + b 2c =0 2a 2b + c =1 (x 1) 2 + 4/9 α x a

a (x 1) 2 + b b + c =1 a + b 2c =0 2a 2b + c =1 (x 1) 2 + 4/9 α x a Algèbre - Fiche-méthodes : Décomposer une fraction rationnelle en éléments simples - Fiche-méthodes 2 : Espaces vectoriels et sous-espaces vectoriels - Fiche-méthodes 3 : Familles libres ou liées - Bases

Plus en détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

Résumé de cours: Espaces vectoriels (Généralités) 1 Vocabulaire : 1.3 Régles de calcul : 1.1 Loi de composition interne :

Résumé de cours: Espaces vectoriels (Généralités) 1 Vocabulaire : 1.3 Régles de calcul : 1.1 Loi de composition interne : Résumé de cours : Espaces vectoriels Partie I : Généralités. : Source disponible sur : c Dans tout le chapitre K désigne un sous corps de C, et en général sauf mention du contraire, Q ou R ou bien C et

Plus en détail

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme...

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme... Maths PCSI Cours Espaces affines Table des matières 1 Espaces et sous-espaces affines 2 1.1 Espaces affines et translations.................................... 2 1.2 Exemples d espaces affines......................................

Plus en détail

Réduction des endomorphismes

Réduction des endomorphismes Prépa CAPES UPMC 2010-2011 Matthieu Romagny Réduction des endomorphismes Table des matières 1 Sous-espaces stables et polynômes d'endomorphismes 1 2 Polynôme minimal et polynôme caractéristique 3 3 Endomorphismes

Plus en détail

Equations dierentielles

Equations dierentielles Equations dierentielles Université Mohammed I Faculté des Sciences Département de Mathématiques Oujda. Plan 1 Introduction 2 3 Résponsable du cours : Pr. NAJIB TSOULI. 1 Introduction 2 3 Introduction Une

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries Chapitre 4 Adjoints Opérateurs auto-adjoints et isométries I. Adjoint : Cas général d une forme { bilinéaire symétrique sesquilinéaire hermitienne On suppose dans tout I que E est un espace vectoriel de

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

CNAM 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 détail

Autour du cardinal d un ensemble de matrices binaires

Autour du cardinal d un ensemble de matrices binaires Autour du cardinal d un ensemble de matrices binaires Adrien REISNER 1 Abstract. We here study a couple of algebraic and analytic properties of certain binary matrices in the spaces M n(r). In particular,

Plus en détail

FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L1

FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L1 FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L TABLE DES MATIÈRES. Déterminer si un ensemble est un sous espace vectoriel sur R ou non.. Une vérification essentielle.2. La stabilité par combinaisons linéaires

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Espaces vectoriels Bernard Ycart Vous devez vous habituer à penser en termes de «vecteurs» dans un sens très général : polynômes, matrices, suites, fonctions,

Plus en détail

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire :

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire : Exercices Corrigés Applications linéaires Exercice 1 On considère l application linéaire : f : R 4 R 2, x 1, x 2, x 3, x 4 x 1 + x 2 + x 3 + x 4, x 1 + 2x 2 + 3x 3 + 4x 4 1 Quelle est la matrice de f dans

Plus en détail

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U CHAPITRE V FIBRÉS VECTORIELS 1. Fibrés vectoriels 1. Cartes et atlas vectoriels Soit B une variété différentielle. Considérons un B -ensemble, c est à-dire un ensemble M muni d une application p : M B.

Plus en détail

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Chapitre 17 Matrices et applications linéaires Sommaire 171 Matrices et applications

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie 133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie Pierre Lissy March 8, 2010 On considère un espace vectoriel euclidien de dimension nie n, le produit scalaire sera noté

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

Plus en détail

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

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail