Le théorème du point xe. Applications

Dimension: px
Commencer à balayer dès la page:

Download "Le théorème du point xe. Applications"

Transcription

1 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas particulier des fonctions d'une variable réelle et à valeurs réelles est étudié en détails au paragraphe Le théorème du point xe de Picard (E, ) est un espace de Banach et F un fermé non vide de E. Dénition 49.1 On dit qu'une application f : F E est strictement contractante s'il existe une constante λ [0, 1[ telle que : On dit aussi que f est λ-contractante. (x, y) F F, f (x) f (y) λ x y Il est facile de vérier qu'une application contractante est uniformément continue. Exemple 49.1 Du théorème des accroissements nis on déduit que si [a, b] est un segment non réduit à un point et f une fonction à valeurs réelles qui est continue sur [a, b], dérivable sur ]a, b[ et telle que sup f (x) = λ < 1, elle est alors λ-contractante. x I Dénition 49.2 Soit f une application de F dans F. Si x est un élément de F, on appelle orbite de x suivant f la suite (x n ) n N d'éléments de F dénie par x 0 = x et x n+1 = f (x n ) pour tout n N. La condition f (F ) F est essentielle pour dénir les orbites suivant f. Théorème 49.1 (du point xe) Si f : F F est une application λ-contractante avec λ [0, 1[, elle admet alors un unique point xe α dans F et ce point xe est la limite de toute toute orbite (x n ) n N suivant f. De plus, une majoration de l'erreur d'approximation de α par les x n est donnée par : 1. Version du 28/02/2013 n N, α x n λn 1 λ x 1 x

2 1226 Le théorème du point xe. Applications Démonstration. Pour l'existence du point xe, on montre que la suite (x n ) n N Cauchy dans l'espace de Banach (E, ). Pour q > p 0, on a : est de x q x p x q x q x p+1 x p avec pour tout k 1 : Ce qui nous donne : x k+1 x k = f (x k ) f (x k 1 ) x q x p ( q 1 k=p λ x k x k 1 λ k x 1 x 0 ) λ k x 1 x 0 = λp (1 λ q p ) 1 λ λp 1 λ x 1 x 0 p + 0 x 1 x 0 puisque λ [0, 1[. La suite (x n ) n N est donc de Cauchy dans (E, ) et en conséquence, elle converge vers un élément α F puisque E est complet et F fermé dans E. Avec la continuité de f on déduit que f (α) = α, c'est-à-dire que α est un point xe de f. En faisant tendre q vers l'inni dans la majoration précédente (à p xé) on obtient la majoration de l'erreur : α x p λp 1 λ x 1 x 0 Si β F est un autre point xe de f, on a alors : et nécessairement α = β puisque λ [0, 1[. α β = f (α) f (β) λ α β Remarque 49.1 Une application f : F F telle que f (x) f (y) < x y pour tous x y dans F n'a pas nécessairement de point xe dans F comme le montre l'exemple de f (x) = x + 1 sur F = [1, + [. Mais dans le cas où F est compact on a le résultat suivant. x Théorème 49.2 Soient K un compact d'un espace vectoriel normé (E, ) (non nécessairement complet) et f : K K telle que : (x, y) K 2, (x y f (x) f (y) < x y ) La fonction f admet un unique point xe dans K et ce point xe est limite de toute orbite suivant f. Démonstration. La fonction f qui est lipschitzienne est en particulier continue. L'application x f (x) x étant continue sur le compact K, elle est bornée et atteint ses bornes. En particulier, il existe un élément α K tel que : f (α) α = inf f (x) x x K

3 Le théorème du point xe de Picard 1227 Si f (α) α, on a alors alors f (α) f (f (α)) < α f (α) avec f (α) K, ce qui est contradictoire avec la dénition de α. On a donc f (α) = α. S'il existe un autre point xe de f, β α, on a alors : α β = f (α) f (β) < α β ce qui est impossible. En conclusion, f admet un unique point xe dans K. Soit (x n ) n N une suite de points de K dénie par : { x0 K n N, x n+1 = f (x n ) Si il existe n 0 N tel que x n0 = α, alors la suite est stationnaire, donc convergente. On suppose donc que x n a pour tout n. On a alors 0 < x n+1 α = f (x n ) f (α) < x n α pour tout n, c'est-à-dire que la suite ( x n α ) n N est strictement décroissante minorée par 0, elle est donc convergente vers un réel d 0. La suite (x n ) n N étant dans le compact K, on peut en extraire une sous-suite ( x φ(n) qui converge vers β K. On a alors : )n N ( ) f (β) α = lim f xφ(n) α = lim xφ(n)+1 α = d n + n + et β α entraîne d = α f (β) = f (α) f (β) < α β = d, ce qui est impossible. On a donc β = α et d = 0, c'est-à-dire que lim x n = α. n + Remarque 49.2 Le résultat précédent est faux si on suppose seulement que K est complet comme le montre l'exemple de la fonction f : x x + 1 sur [1, + [. x Corollaire 49.1 Soit K un compact convexe dans un espace normé (E, ) (non nécessairement complet) et f : K K telle que : (x, y) K 2, f (x) f (y) x y La fonction f admet alors un point xe dans K. Démonstration. On se xe un point a dans K et on dénit la suite de fonctions (f n ) n 1 sur K par : ( ( 1 n 1, x K, f n (x) = f n a ) ) x n Cette suite est bien dénie du fait la convexité de K, chaque fonction f n est à valeurs dans K et pour x, y dans K, on a : ( f n (x) f n (y) 1 1 ) x y n Pour n 1 la fonction f n est donc strictement contractante de K dans K avec K compact dans E, elle admet donc un unique point xe x n K. De cette suite (x n ) n 1 dans le compact K on peut extraire une sous-suite ( x φ(n) qui converge vers un élément α K. En notant )n N g n = f φ(n), et y n = x φ(n), on a pour tout n N : f (α) g n (y n ) f (α) g n (x) + g n (α) g n (y n )

4 1228 Le théorème du point xe. Applications avec : f (α) g n (α) = ( ( 1 f (α) f a φ(n) φ(n) ) α) 1 φ(n) α a g n (α) g n (y n ) = ( ) f φ(n) (α) f φ(n) xφ(n) ( 1 n) 1 α x φ(n) ce qui entraîne que lim f ( ) φ(n) xφ(n) = f (α). Tenant compte du fait que xφ(n) est point xe ( n + ) de f φ(n), on a f φ(n) xφ(n) = xφ(n) et f (α) = lim x φ(n) = α, c'est-à-dire que α est point xe n + de f. Il peut arriver que la fonction f ne soit pas strictement contractante mais que l'une de ces itérées le soit. Dans ce cas on a encore existence et unicité du point xe de f qui est limite de toute suite d'approximations successives. Ce résultat est utilisé par exemple dans la démonstration du théorème de Cauchy-Lipschitz. Lemme 49.1 Soient p N {0} et (x n ) n N une suite de points dans un espace vectoriel normé (E, ) telle que pour tout r {0,, p 1} la suite extraite (x jp+r ) j N converge vers le même α E. La suite (x n ) n N converge alors vers α. Démonstration. Soit ε > 0. Pour tout r {0,, p 1}, on peut trouver un entier j r tel que : j j r, x jp+r α < ε On note j ε = max j r. Tout entier n N s'écrit de manière unique n = jp + r avec j N, 0 r p 1 r {0,, p 1} et pour j j ε on a x n α < ε. On déduit donc que : n (j ε + 1) p, x n α < ε On a donc ainsi prouvé que la suite (x n ) n N converge vers α. Théorème 49.3 Si f : F F est une application telle que l'une des itérées f p = f f } {{ } p fois soit strictement contractante, elle admet alors un unique point xe dans F limite de toute orbite suivant f. Démonstration. L'application f p est strictement contractante sur le fermé F dans l'espace complet E, elle admet donc un unique point xe α F. De f p (α) = α on déduit que f p (f (α)) = f (f p (α)) = f (α) et f (α) est aussi point xe de f p. On a donc f (α) = α du fait de l'unicité du point xe de f p. L'application f admet donc un point xe dans F. En considérant que tout point xe de f est aussi point xe de f p, on déduit que ce point xe est unique dans F. Si (x n ) n N est dénie par x 0 E et x n+1 = f (x n ) pour tout n N, on a alors pour tout r {0,, p 1} et tout j N : x jp+r = f jp+r (x 0 ) = (f p ) j (f r (x 0 )), c'est-à-dire que (x jp+r ) j N est l'orbite f r (x 0 ) suivant f p. On a donc lim x jp+r = α pour tout j + r {0,, p 1} ce qui équivaut à dire que lim x n = α. n + Le résultat suivant est utilisé pour prouver le théorème de Cauchy-Lipschitz linéaire. On désigne par K le corps des réels ou des complexes et pour tout segment réel [a, b] non réduit à un point, on note E = C 0 ([a, b], K n ) l'espace vectoriel des fonctions continues de [a, b] dans K n.

5 Le théorème du point xe de Picard 1229 Muni de la norme de la convergence uniforme : f f = sup f (x) x [a,b] où est une quelconque norme sur K n (elles sont toutes équivalentes), cet espace est un espace de Banach (théorème 54.2). Théorème 49.4 Soient x 0 [a, b], K : [a, b] 2 K n, h : [a, b] K n deux applications continues et φ : E E dénie par : y E, x [a, b], φ (y) (x) = K (x, t) y (t) dt + h (x) x 0 Il existe un entier p strictement positif tel que l'application φ p = φ φ soit contractante. } {{ } p fois En conséquence, l'application φ admet un unique point xe dans E. Démonstration. Il est clair que pour toute fonction y continue sur [a, b] la fonction φ (y) est également continue sur [a, b]. Pour y, z dans E et x dans [a, b] on a : x φ (y) (x) φ (z) (x) = K (x, t) (y (t) z (t)) dt x 0 x λ y (t) z (t) dt x 0 où λ = x λ y z x x 0 sup K (x, t). Par récurrence sur k 1, on déduit que : (x,t) [a,b] 2 x [a, b], φ k (y) (x) φ k (z) (x) (λ x x 0 ) k y z k! En eet on vient de voir que le résultat est vrai pour k = 1 et en le supposant acquis pour k 1, on a pour tout x [a, b] : φ k+1 (y) (x) φ k+1 (z) (x) x λ φ k (y) (t) φ k (z) (t) dt x 0 λ λk k! y z x t x 0 k dt x 0 avec : x t x 0 k dt = x x 0 k+1 x 0 k + 1 Ce qui donne : φ k+1 (y) (x) φ k+1 (z) (x) (λ x x 0 ) k+1 y z (k + 1)! On déduit alors que : k 1, φ k (y) φ k (z) (λ (b a))k k! y z (λ (b a)) k et, avec lim = 0, on déduit que pour k 1 assez grand l'application φ k est k + k! contractante. Le théorème du point xe itéré nous dit alors que φ admet un unique point xe dans E.

6 1230 Le théorème du point xe. Applications 49.2 Applications à la résolution d'équations numériques C'est le cas des fonctions d'une variable réelle à valeurs réelles qui est étudié au paragraphe On a en particulier l'étude des points xes attractifs et répulsifs. Dans les paragraphes 58.4 et 58.5 les méthodes de la sécante et de Newton y sont étudiées en détails Méthodes itératives de résolution des systèmes linéaires On se donne un entier n 2, une matrice A GL n (K), un vecteur b K n, où K = R ou C et on s'intéresse à la résolution du système linéaire Ax = b. En écrivant la matrice A sous la forme A = M N, où M est facilement inversible, la résolution du système Ax = b se ramene au problème de point xe qui consiste à trouver x dans K n solution de x = M 1 Nx + M 1 b. Dénition 49.3 Si A GL n (K), on dit alors que la méthode itérative associée à la décomposition ) A = M N avec M inversible est convergente si pour tout x (0) K n, l'orbite associée ( x (k) est convergente. k N Remarque 49.3 Si une orbite ( x (k)) k N x du système Ax = b. est convergente, c'est nécessairement vers la solution Pour toute matrice M M n (K), on désigne par Sp (M) l'ensemble des valeurs propres complexes de M et par ρ (M) = λ son rayon spectral. max λ Sp(M) On rappelle que pour toute norme sur M n (K) induite par une norme vectorielle sur K n (i. e. M = sup Mx ), on a ρ (M) M. x =1 Théorème 49.5 Soient A = M N une matrice inversible avec M inversible et ρ (M 1 N) le rayon spectral de la matrice M 1 N. La méthode itérative associée à la décomposition A = M N converge si et seulement si ρ (M 1 N) < 1. Démonstration. On pose B = M 1 N et on suppose que ρ (B) < 1. En écrivant que l'équation Ax = b équivaut à x = Bx + M 1 b, on déduit que : k N, x (k+1) x = B ( x (k) x ) = B k+1 ( x (0) x ) Avec ρ (B) < 1 on déduit que lim k + Bk = 0 (théorème 16.12) et en conséquence la suite ( x (k)) k N converge vers x, quelle que soit la valeur initiale x (0). Réciproquement si la méthode associée à la décomposition A = M N est convergente, alors pour tout vecteur y (0) R n la suite ( y (k)) k N dénie par y(k+1) = By (k) pour tout entier k est convergente vers le vecteur nul (unique solution de Ax = 0) ce qui équivaut à ρ (B) < 1 (théorème 16.12). Remarque 49.4 S'il existe une norme matricielle telle que B < 1, alors la méthode itérative correspondante est convergente puisque ρ (B) B.

7 Méthodes itératives de résolution des systèmes linéaires 1231 Pour toute norme matricielle induite par une norme vectorielle, on a : x (k) x = B k ( x (0) x ) B k x (0) x On peut donc utiliser B k pour avoir une idée de la vitesse de convergence d'une méthode itérative. De manière plus précise, on peut remarquer que : B k y (0) y (k) k N, B k = sup y (0) R n {0} k N, B k = y (0) sup x (0) R n {x} = sup y (0) R n {0} y (0) la suite ( y (k)) étant dénie par k N y(k+1) = By (k). Ce qui peut aussi s'écrire, en notant x la solution de Ax = b : x (k) x Méthode de Jacobi x (0) x En notant A = ((a ij )) 1 i,j n et en supposant que tous les coecients diagonaux de A sont non nuls, on choisit M = D matrice diagonale dénie par d ii = a ii pour tout i = 1,, n. L'algorithme de construction des x (k) est alors le suivant : n x (k+1) i = 1 a ii j=1 j i a ij x (k) j + b i (i = 1,, n) Dans le cas particulier des matrices à diagonale strictement dominante (dénition 16.4), on a le résultat suivant. Théorème 49.6 Si la matrice A est à diagonale strictement dominante, alors la méthode de Jacobi converge. Démonstration. Une matrice à diagonale strictement dominante a tous ses termes diagonaux non nuls, on peut donc utiliser la méthode de Jacobi. Si J = D 1 N, avec A = D N, on a : n et la méthode de Jacobi est convergente. J = max 1 i n Méthode de Gauss-Seidel j=1 j i a ij a ii < 1 Là encore, on suppose que tous les coecients diagonaux de A sont non nuls. On choisit pour matrice M le triangle inférieur de A. C'est-à-dire que M est dénie par : { mij = 0, pour 1 i < j n m ij = a ij, pour 1 j i n En notant A = M N, le vecteur x (k+1) est solution du système triangulaire inférieur Mx (k+1) = Nx (k) + b. D'où l'algorithme de Gauss-Seidel : a ii x (k+1) i i 1 = j=1 a ij x (k+1) j n j=i+1 a ij x (k) j + b i (i = 1,, n)

8 1232 Le théorème du point xe. Applications Théorème 49.7 Si la matrice A est à diagonale strictement dominante, alors la méthode de Gauss-Seidel converge. Démonstration. Une matrice à diagonale strictement dominante a tous ses termes diagonaux non nuls, on peut donc utiliser la méthode de Gauss-Seidel. Soient A à diagonale strictement dominante, G = M 1 N, λ C une valeur propre de G et x C n un vecteur propre non nul associé. On a alors Nx = λmx, c'est-à-dire : n a ij x j = λ i a ij x j (i = 1,, n 1) j=i+1 0 = λ n a nj x j j=1 Si on suppose que λ 1, en prenant i tel que x = x i, on déduit que : j=1 λ a ii j i a ij λ ce qui contredit le fait que la matrice A est à diagonale strictement dominante. Le rayon spectral de G est donc strictement inférieur à 1 et la méthode de Gauss-Seidel converge. Théorème 49.8 Si la matrice A est réelle symétrique dénie positive, alors la méthode de Gauss-Seidel converge. Démonstration. Une matrice symétrique dénie positive a tous ses termes diagonaux strictement positifs, on peut donc utiliser la méthode de Gauss-Seidel. Soient A symétrique dénie positive, λ C une valeur propre de G = M 1 N et x C n un vecteur propre non nul associé. En écrivant A = D + E + F, où D est la diagonale de A, E le triangle inférieur strict, F le triangle supérieur strict et en notant le produit scalaire hermitien canonique de C n, on a : x Ax = x Dx + x Ex + x F x (49.1) Puis avec F x = λ (Dx + Ex) (M = D + E, N = F), on déduit que : donc λ 1 (puisque x Ax > 0) et : x Ax = ( 1 λ ) ( x Dx + x Ex ) 1 x Ax = x Dx + x Ex (49.2) 1 λ Par conjugaison complexe de (49.1), en considérant que A et D sont hermitiennes et que t E = F on déduit que : 1 x Ax = x Dx + x F x (49.3) 1 λ En faisant (49.2) + (49.3) (49.1), on en conclut que : 1 λ 2 2 x Ax = x Dx 1 λ Avec x Ax > 0 et x Dx > 0 (A et D sont dénies positives) on déduit que λ < 1. Le rayon spectral de G est donc strictement inférieur à 1 et la méthode de Gauss-Seidel converge.

9 Systèmes diérentiels linéaires à coecients constants et exponentielle de matrice 1233 Remarque 49.5 De manière générale, quand les méthodes de Jacobi et de Gauss-Seidel sont convergentes il vaut mieux choisir celle de Gauss-Seidel. Mais il se peut que la méthode de Gauss-Seidel diverge alors que celle de Jacobi converge comme le montre l'exemple de la matrice A = Pour la méthode Jacobi toutes les valeurs propres de J sont nulles et pour la méthode de Gauss Seidel, on a G = avec les valeurs propres 0, 0.35 et Systèmes diérentiels linéaires à coecients constants et exponentielle de matrice Voir le paragraphe 56.1 où l'on montre comment le théorème du point xe itéré permet de dénir l'exponentielle matricielle t e At comme solution du système diérentiel X (t) = AX (t) Systèmes diérentiels linéaires à coecients non constants Voir le paragraphe Équations diérentielles non linéaires Voir le paragraphe 54.2.

10 1234 Le théorème du point xe. Applications

Topologie des espaces vectoriels normés

Topologie des espaces vectoriels normés Topologie des espaces vectoriels normés Cédric Milliet Version préliminaire Cours de troisième année de licence Université Galatasaray Année 2011-2012 2 Chapitre 1 R-Espaces vectoriels normés 1.1 Vocabulaire

Plus en détail

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M Topologie 1 Espaces métriques 1.1 Distance Dans toute cette partie E représente un ensemble qui n est pas forcément un espace vectoriel. Définition

Plus en détail

Espaces vectoriels normés

Espaces vectoriels normés Espaces vectoriels normés Essaidi Ali 19 octobre 2010 K = R ou C. E un K-espace vectoriel. 1 Normes et distances : 1.1 Normes et distances : Définition : On appelle semi-norme sur E toute application N

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

TOPOLOGIE. une partie X d'un métrique est dite bornée ssi il existe une boule contenant X ; définition : diamètre : diam(x)=min{ r R

TOPOLOGIE. une partie X d'un métrique est dite bornée ssi il existe une boule contenant X ; définition : diamètre : diam(x)=min{ r R TOPOLOGIE 1) DISTANCE, ESPACES MÉTRIQUES a : distances : d'après le cours de M. Nicolas Tosel professeur en MP* au Lycée du Parc, Lyon Année 2004 2005 une distance est une application d de E dans R + telle

Plus en détail

208. Espaces vectoriels normés. Applications linéaires continues. Exemples.

208. Espaces vectoriels normés. Applications linéaires continues. Exemples. 208. Espaces vectoriels normés. Applications linéaires continues. Exemples. Pierre Lissy May 29, 2010 Dans totue la suite, E désigne un espace vectoriel sur R ou C. 1 Norme. Espace vectoriel normé 1.1

Plus en détail

IV. Espaces L p. + tx 1. (1 t)x 0

IV. Espaces L p. + tx 1. (1 t)x 0 cours 13, le lundi 7 mars 2011 IV. spaces L p IV.1. Convexité Quand deux points x 0, x 1 R sont donnés, on peut parcourir le segment [x 0, x 1 ] qui les joint en posant pour tout t [0, 1] x t = (1 t)x

Plus en détail

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense.

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense. 1 Feuille d exercices n o 1 1. Deuxième forme géométrique du théorème de Hahn-Banach Soient A E et B E deux convexes, non vides, disjoints (E est une espace vectoriel normé). On suppose que A est fermé

Plus en détail

Définition d une norme

Définition d une norme Définition d une norme Définition E est un K-ev. L application N : E R + est une norme sur E ssi 1. x E, N(x) = 0 x = 0. 2. k K, x E, N(k.x) = k N(x). 3. x, y E, N(x + y) N(x) + N(y) Notation N,. Propriété

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

Plus en détail

Planche n o 19. Applications linéaires continues, normes matricielles. Corrigé

Planche n o 19. Applications linéaires continues, normes matricielles. Corrigé Planche n o 19. Applications linéaires continues, normes matricielles. Corrigé n o 1 *I : 1 Soit P E. Si on pose P = + a k X k, il existe n N tel que k > n, a k =. Donc P = { k= P k } Sup k!, k N = Max{

Plus en détail

Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h

Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h - Le seul document autorisé est un résumé manuscrit du cours de trois pages maximum. - Les téléphones portables et

Plus en détail

Théorème de Rolle et égalité des accroissements finis. Applications

Théorème de Rolle et égalité des accroissements finis. Applications 0 Théorème de Rolle et égalité des accroissements finis. Applications 0. Le théorème de Rolle sur un espace vectoriel normé Pour ce paragraphe, on se donne un espace vectoriel normé (E, ). Le théorème

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

Plan du cours. Espaces métriques. Espaces vectoriels normés

Plan du cours. Espaces métriques. Espaces vectoriels normés L3 Maths, 1 er semestre 20112012 Espaces métriques Plan du cours On suppose connues les propriétés élémentaires des nombres réels et des espaces vectoriels et, uniquement pour les exemples, quelques propriétés

Plus en détail

Cours d analyse 1ère année. Rhodes Rémi

Cours d analyse 1ère année. Rhodes Rémi Cours d analyse 1ère année Rhodes Rémi 10 décembre 2008 2 Table des matières 1 Propriétés des nombres réels 5 1.1 Sous-ensembles remarquables de R........................ 5 1.2 Relations d ordre..................................

Plus en détail

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < +

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < + Chapitre 6 Les espaces L p 6.1 Définitions et premières propriétés 6.1.1 Les espaces L p, avec 1 p < + Soient (E, T,m) un espace mesuré, 1 p < + et f M = M(E, T) (c est-à-dire f : E R, mesurable). On remarque

Plus en détail

ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES. Semestre d accueil, le 30 mars 2006

ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES. Semestre d accueil, le 30 mars 2006 ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES. Semestre d accueil, le 30 mars 2006 MODÈLES DE DYNAMIQUE DES POPULATIONS N désigne l effectif d une population isolée. dn(t) dt MODÈLE DE MALTHUS (1766-1834) dn(t)

Plus en détail

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières.

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières. Analyse fonctionnelle A. Leclaire ENS Cachan M Hadamard 25-26 TD7 Exercice Sous-espaces fermés de C ([,] formé de fonctions régulières. Soit F un sous-espace vectoriel fermé de C ([,] muni de la convergence

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

Cours MP. Espaces vectoriels normés

Cours MP. Espaces vectoriels normés Table des matières Espaces vectoriels normés B. Seddoug. Médiane Sup, Oujda I Norme et distance 1 I.1 Définitions..................... 1 I.2 Evn produit.................... 12 I.3 Notions topologiques

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

Espaces vectoriels normés MP

Espaces vectoriels normés MP Espaces vectoriels normés MP 27 décembre 2012 Faites des dessins Table des matières 1 Espaces vectoriels normés 3 1.1 Normes, espaces normés................................. 3 1.2 Normes dans les espaces

Plus en détail

Suites et Convergence

Suites et Convergence Suites et Convergence Une suite c est se donner une valeur (sans ambigüité) pour chaque N sauf peutêtre les premiers n. Donc une suite est une fonction : I R où I = N: = N. Notation : On note ( ) I R pour

Plus en détail

Espaces métriques complets. Espaces de Banach

Espaces métriques complets. Espaces de Banach Chapitre 5 Espaces métriques complets. Espaces de Banach La droite réelle est complète, car toute suite numérique de Cauchy converge. Cette propriété n est plus vraie pour le corps des nombres rationneles,

Plus en détail

Espaces vectoriel normés

Espaces vectoriel normés Espaces vectoriel normés 1) Normes a) Dé nition : K R ou C. Une norme sur un K-ev E est une application E! R x 7! kxk véri ant : i) 8 x 2 E; kxk 0 et kxk 0, x 0 (vecteur nul). ii) 8 x 2 E; 8 2 K kxk jj

Plus en détail

202 - Exemples de parties denses et applications

202 - Exemples de parties denses et applications 202 - Exemples de parties denses et applications 1 Généralités et premiers exemples 1.1 Parties denses On xe un espace métrique (X, d). Dénition 1. Soit D X. On dit que D est dense dans X si D = X. Exemple.

Plus en détail

Devoir maison n 5. MP Lycée Clemenceau. A rendre le 7 janvier 2014. Centrale

Devoir maison n 5. MP Lycée Clemenceau. A rendre le 7 janvier 2014. Centrale Devoir maison n 5 MP Lycée Clemenceau A rendre le 7 janvier 214 Centrale - Dans le problème, λ désigne toujours une application continue de IR + dans IR +, croissante et non majorée. - Dans le problème,

Plus en détail

PC* Espaces préhilbertiens réels

PC* Espaces préhilbertiens réels I. Espace préhilbertien réel................................... 3 I.1 Produit scalaire dans un espace vectoriel réel................... 3 I.2 Inégalités de Cauchy-Schwarz et de Minkowski..................

Plus en détail

Exercices de Khôlles de Mathématiques, premier trimestre

Exercices de Khôlles de Mathématiques, premier trimestre Exercices de Khôlles de Mathématiques, premier trimestre Lycée Louis le Grand, Paris, France Igor Kortchemski MP*2-2006/2007 Table des matières 1 Semaine 1 - Équivalents, développements asymptotiques,

Plus en détail

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales Recueil d annales en Mathématiques Terminale S Enseignement obligatoire Frédéric Demoulin Dernière révision : 3 juin 2 Document diffusé via le site www.bacamaths.net de Gilles Costantini 2. frederic.demoulin

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer [http://mp.cpgedupuydelome.fr] édité le 9 décembre 05 Enoncés Familles sommables Ensemble dénombrable a) Calculer n+ Exercice [ 03897 ] [Correction] Soit f : R R croissante. Montrer que l ensemble des

Plus en détail

1 Espaces vectoriels normés

1 Espaces vectoriels normés Université Paris 7 Denis Diderot Année 2005/2006 Licence 2 MIAS MI4 1 Espaces vectoriels normés 1.1 Définitions Soit E un espace vectoriel sur R. Topologie des espaces vectoriels de dimension finie Définition

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

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

Matrices et déterminants

Matrices et déterminants Matrices et déterminants Matrices Définition.. Une matrice réelle (ou complexe) M = (m i,j ) (m, n) à m lignes et n colonnes est un tableau à m lignes et n colonnes de réels (ou de complexes). Le coefficient

Plus en détail

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé LICENCE DE MATHÉMATIQUES FONDAMENTALES Calcul Différentiel et Équations Différentielles D. Azé Université Paul Sabatier Toulouse 2008 Table des matières 1 Généralités sur les espaces normés 3 1.1 Espaces

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

sept.2003 I. Le problème traité, Mise en équation Le problème traité, Mise en équation 1. Généralités, hypothèses et notations

sept.2003 I. Le problème traité, Mise en équation Le problème traité, Mise en équation 1. Généralités, hypothèses et notations Modélisation et simulation de la déformation d'une pièce de tissu soumise à un champ de forces sept.23 I. Le problème traité, Mise en équation Le problème traité, Mise en équation 1. Généralités, hypothèses

Plus en détail

Un peu de topologie. Espaces métriques. Documents disponibles sur www.math.polytechnique.fr/ laszlo. Enseignants :

Un peu de topologie. Espaces métriques. Documents disponibles sur www.math.polytechnique.fr/ laszlo. Enseignants : Documents disponibles sur www.math.polytechnique.fr/ laszlo Un peu de topologie Enseignants : F. Golse (golse@math.polytechnique.fr), Y. Laszlo (laszlo@math.polytechnique.fr), C. Viterbo (viterbo@math.polytechnique.fr)

Plus en détail

Master de mathématiques Analyse numérique matricielle

Master de mathématiques Analyse numérique matricielle Master de mathématiques Analyse numérique matricielle 2009 2010 CHAPITRE 1 Méthodes itératives de résolution de systèmes linéaires On veut résoudre un système linéaire Ax = b, où A est une matrice inversible

Plus en détail

Cours d Analyse Réelle 4M003

Cours d Analyse Réelle 4M003 Cours d Analyse Réelle 4M003 Jean SAINT RAYMOND Université Pierre et Marie Curie Avant-propos Ce texte a été rédigé pour servir de support écrit à un cours de Master 1 de l Université Pierre-et-Marie Curie.

Plus en détail

Cours d Analyse Semestre 1. Stéphane Attal

Cours d Analyse Semestre 1. Stéphane Attal Cours d Analyse Semestre 1 Stéphane Attal 2 Contents 1 Les nombres réels 5 1.1 Les ensembles usuels de nombres................ 5 1.2 Ensembles ordonnés........................ 6 1.3 Le corps des nombres

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 1 / 50 1. Motivations et points de vue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 2 / 50 Deux

Plus en détail

LICENCE DE MATHÉMATIQUES PURES

LICENCE DE MATHÉMATIQUES PURES LICENCE DE MATHÉMATIQUES PURES Topologie Générale Philippe Charpentier Université Bordeaux I Année universitaire 2000-01 PHILIPPE CHARPENTIER UNIVERSITÉ BORDEAUX I LABORATOIRE DE MATHÉMATIQUES PURES 351,

Plus en détail

TOPOLOGIE DE LA DROITE REELLE

TOPOLOGIE DE LA DROITE REELLE TOPOLOGIE DE LA DROITE REELLE P. Pansu 16 mai 2005 1 Qu est-ce que la topologie? C est l étude des propriétés des objets qui sont conservées par déformation continue. Belle phrase, mais qui nécessite d

Plus en détail

Unicité et minimalité des solutions d une équation de Ginzburg-Landau.

Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Gilles arbou.m.l.a Ecole Normale Supérieure de achan 61, avenue du Président Wilson 9435 achan edex Résumé. - On étudie les solutions

Plus en détail

Suites de Cauchy et théorème du point fixe de Banach

Suites de Cauchy et théorème du point fixe de Banach ACCUEIL Suites de Cauchy et théorème du point fixe de Banach Frédéric Élie, novembre 2012 La reproduction des articles, images ou graphiques de ce site, pour usage collectif, y compris dans le cadre des

Plus en détail

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES CHAPITRE SUITES RÉELLES ET COMPLEXES Les suites sont un objet fondamental à la fois en mathématiques et dans l application des mathématiques aux autres sciences. Nous verrons dans ce cours et les travaux

Plus en détail

EMLYON 2015 S. Éléments de correction

EMLYON 2015 S. Éléments de correction EMLYON 15 S Éléments de correction ECS Lycée La ruyère, Versailles Année 1/15 Premier problème Première partie 1. On peut vérifier le critère de sous-espace vectoriel E et, pour P 1, P E et λ R, λp 1 +

Plus en détail

1.1.1 Cas le plus général d espace topologique

1.1.1 Cas le plus général d espace topologique Chapitre 1 Topologie 1.1 Espaces topologiques 1.1.1 Cas le plus général d espace topologique Définition 1 (Topologie) Une topologie T sur l ensemble X est une partie T P (X) vérifiant : L ensemble vide

Plus en détail

TP - Modélisation et optimisation des systèmes complexes

TP - Modélisation et optimisation des systèmes complexes Master Informatique 1ere année (M1) Année 2010-2011 TP - Modélisation et optimisation des systèmes complexes Résolution du problème d'aectation généralisé par relaxation lagrangienne 1 Introduction Le

Plus en détail

e3a Mathématiques B PC 2008 Exercice 1

e3a Mathématiques B PC 2008 Exercice 1 .a) Soit (x; y) R e3a Mathématiques B PC 8 Exercice On a xy 6 (x + y ) () x + y xy > ce qui est vrai car x + y xy = (x y), De même (x + y ) 6 xy () 6 x + y + xy or x + y + xy = (x + y). Cas d égalité :

Plus en détail

TD3. Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz. f (s,y(s))ds.

TD3. Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz. f (s,y(s))ds. Analyse fonctionnelle A. Leclaire - L. Magnis ENS Cachan M1 Hadamard 2015-2016 TD3 Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz Soient I un intervalle de, E un espace de Banach et f :

Plus en détail

et Transversalité par Pierre Vogel

et Transversalité par Pierre Vogel Université Paris 7 Denis Diderot Institut de Mathématiques de Jussieu Géométrie des Variétés et Transversalité par Pierre Vogel Introduction Ce cours est destiné à l étude des variétés différentiables

Plus en détail

EMLyon 2011 - Corrigé

EMLyon 2011 - Corrigé EMLyon - Corrigé Partie I. Soit X une variable aléatoire suivant la loi E() ; une densité de X est : f(x) = { si x < e x si x et E(X) = et V (X) =.. (a) Soit n N ; n E(S n ) = E(X k ) = n par linéarité

Plus en détail

208 - Espaces vectoriels normés, applications linéaires continues. Exemples

208 - Espaces vectoriels normés, applications linéaires continues. Exemples 208 - Espaces vectoriels normés, applications linéaires continues. Exemples On se xe un corps K = R ou C. Tous les espaces vectoriels considérés auront K comme corps de base. 1 Généralités Remarque. Tout

Plus en détail

MEÉF 1 - Mathématiques DS2-5 octobre 2015 Analyse - Géométrie

MEÉF 1 - Mathématiques DS2-5 octobre 2015 Analyse - Géométrie MEÉF - Mathématiques DS2-5 octobre 25 Analyse - Géométrie Eercice Soit E un K-espace vectoriel (K étant le corps R ou C). Deu normes N et N 2 sur E sont dites équivalentes s il eiste deu constantes réelles

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Ó Ø Ó Ö ¾¼½ PSI Aurélien Monteillet ii Ce document contient les notes d un cours de mathématiques pour la classe de PSI. Les démonstrations non exigibles ou hors programme sont explicitement

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

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

Banque d'exercices pour l'épreuve orale de mathématiques de la lière MP des concours communs polytechniques

Banque d'exercices pour l'épreuve orale de mathématiques de la lière MP des concours communs polytechniques Banque d'exercices pour l'épreuve orale de mathématiques de la lière MP des concours communs polytechniques A cette épreuve, les élèves ont deux exercices à résoudre. Le premier, noté sur 8 points, porte

Plus en détail

EXERCICE 1. Corrigé ECRICOME Eco 2012 par Pierre Veuillez

EXERCICE 1. Corrigé ECRICOME Eco 2012 par Pierre Veuillez Corrigé ECRICOME Eco par Pierre Veuillez EXERCICE (M 3 (R), +,.) désigne l espace vectoriel des matrices carrées d ordre 3 à coeffi cients réels. Deux matrices A et B de M 3 (R) étant données, on suppose

Plus en détail

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle Chapitre 01 : Intégrales généralisées Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle fermé borné de Dans ce chapitre, on va étudier le cas d

Plus en détail

Agrégation de Mathématiques Exercices d algèbre linéaire

Agrégation de Mathématiques Exercices d algèbre linéaire Agrégation de Mathématiques Exercices d algèbre linéaire P. HUBERT La plupart des exercices ci-dessous se trouvent dans les livres suivants : - E. Leichtnam, X. Schaeur, Exercices corrigés de mathématiques

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

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 Séancs du 14/21.11.08

1 Séancs du 14/21.11.08 1 1 Séancs du 14/21.11.08 1.1 Le rayon spectral Le spectre d un opérateur (ici, élément d une algèbre stellaire) est un compact non vide. La compacité est immédiate, car, pour z > u, u zi peut être inversé

Plus en détail

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Chapitre 5 ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Exercice 5.2.1 A l aide de l approche variationnelle démontrer l existence et l unicité de la solution de { u + u = f dans (5.1) u = 0 sur où est

Plus en détail

Espaces Vectoriels Normés et Topologie

Espaces Vectoriels Normés et Topologie Cycle Préparatoire Polytechnique ème année Espaces Vectoriels Normés et Topologie Polycopié de cours Rédigé par Yannick Privat Bureau 31 - Institut Élie Cartan Nancy (Mathématiques) - Université Henri

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

ALGÈBRE BILINÉAIRE 1

ALGÈBRE BILINÉAIRE 1 3-8- 213 J.F.C. Eve p. 1 ALGÈBRE BILINÉAIRE 1 P mentionne des résultats particulièrement utiles et souvent oubliés dans la pratique de l algèbre bilinéaire... mentionne des erreurs à ne pas faire où des

Plus en détail

Correction du devoir maison n o 7 PARTIE I

Correction du devoir maison n o 7 PARTIE I Lycée Kléber Pour le 5 décembre 2014 PSI* 2014-2015 Correction du devoir maison n o 7 (Mines I PSI 2001) MATHEMATIQUES PARTIE I Remarquons d abord que la définition de la semi-linéarité de u est équivalente

Plus en détail

2 Ensembles convexes. 2.1 Définition et premières propriétés

2 Ensembles convexes. 2.1 Définition et premières propriétés 2 Ensembles convexes Les chapitres 2 et 3 présentent les éléments d analyse convexe qui nous seront utiles pour étudier les problèmes d optimisation et les algorithmes qui les résolvent. Le chapitre 2

Plus en détail

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n = 2

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n = 2 33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n = 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre

Plus en détail

Les matrices. 1 Définitions. 1.1 Matrice

Les matrices. 1 Définitions. 1.1 Matrice Les matrices 2012-2013 1 Définitions 11 Matrice Définition 1 Une matrice m n est un tableau de nombres à m lignes et n colonnes Les nombres qui composent la matrice sont appelés les éléments de la matrice

Plus en détail

Techniques d Analyse par les Méthodes de Lyapunov (suite)

Techniques d Analyse par les Méthodes de Lyapunov (suite) Techniques d Analyse par les Méthodes de Lyapunov (suite) Analyse et Commande des Systèmes Non Linéaires Cours SM II () Enseignant: Dr. Ph. Müllhaupt 1 / 24 Leçon 5 1 Désavantage de la définition de la

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

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

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

PROBLÈME : Endomorphismes semi-linéaires et valeurs co-propres. Partie I

PROBLÈME : Endomorphismes semi-linéaires et valeurs co-propres. Partie I PROBLÈME : Endomorphismes semi-linéaires et valeurs co-propres Sujet complet Mines Pont 2001 - PSI Partie I 1. Premières propriétés Remarquons d abord que la définition de la semi-linéarité de u est équivalente

Plus en détail

Espaces vectoriels normés

Espaces vectoriels normés Espaces vectoriels normés Géométrie Exercice 1. Unicité du centre et du rayon d une boule Soit E un evn non nul et a, a E, r, r > 0 tels que B(a, r) = B(a, r ). Montrer que a = a et r = r. Exercice 2.

Plus en détail

Espaces vectoriels normés Classe de Spéciales MP. par Emmanuel AMIOT. 29 septembre 2014

Espaces vectoriels normés Classe de Spéciales MP. par Emmanuel AMIOT. 29 septembre 2014 Espaces vectoriels normés Classe de Spéciales MP par Emmanuel AMIOT 29 septembre 2014 Introduction Pendant pas mal de siècles, les notions de proximité, de limite étaient fondées plus sur l intuition que

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

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

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

Statistiques - Notes de cours - M1. Elisabeth Gassiat

Statistiques - Notes de cours - M1. Elisabeth Gassiat Statistiques - Notes de cours - M1 Elisabeth Gassiat Table des matières 1 Introduction 5 1.1 Estimation et régions de confiance...................... 5 1.2 Tests.......................................

Plus en détail

Rappels (1) Objectif et plan. Rappels (2) On considère le problème modèle, supposé bien posé, Chercher uh V h tel que (1) a(u, v) = b(v)

Rappels (1) Objectif et plan. Rappels (2) On considère le problème modèle, supposé bien posé, Chercher uh V h tel que (1) a(u, v) = b(v) Rappels (1) On considère le problème modèle, supposé bien posé, { Chercher u V tel que a(u, v) = b(v) v V (1) Éléments finis en 2D Alexandre Ern ern@cermics.enpc.fr http://cermics.enpc.fr/cours/cs (V Hilbert,

Plus en détail

COURS OPTIMISATION. Cours en Master M1 SITN. Ionel Sorin CIUPERCA

COURS OPTIMISATION. Cours en Master M1 SITN. Ionel Sorin CIUPERCA COURS OPTIMISATION Cours en Master M1 SITN Ionel Sorin CIUPERCA 1 Table des matières 1 Introduction 4 2 Quelques rappels de calcul différentiel, analyse convexe et extremum 5 2.1 Rappel calcul différentiel............................

Plus en détail

Cours de Mathématiques II Chapitre 1. Algèbre linéaire

Cours de Mathématiques II Chapitre 1. Algèbre linéaire Université de Paris X Nanterre UFR Segmi Année 7-8 Licence Economie-Gestion première année Cours de Mathématiques II Chapitre Algèbre linéaire Table des matières Espaces vectoriels Espaces et sous-espaces

Plus en détail

Le second degré. Table des matières

Le second degré. Table des matières Le second degré Table des matières 1 La forme canonique du trinôme 1.1 Le trinôme du second degré......................... 1. Quelques exemples de formes canoniques................. 1.3 Forme canonique

Plus en détail

Statistiques appliquées (L3 d'économie) - Cours de Patrick Sevestre - TD 2 - Corrigé

Statistiques appliquées (L3 d'économie) - Cours de Patrick Sevestre - TD 2 - Corrigé Statistiques appliquées (L3 d'économie) - Cours de Patrick Sevestre - TD 2 - Corrigé Marc Sangnier - marc.sangnier@ens-cachan.fr 29 octobre 2007 Exercice 1 - Lien entre salaire et formation Remarques préliminaires

Plus en détail

Baccalauréat Série S Métropole, juin 2014

Baccalauréat Série S Métropole, juin 2014 Baccalauréat Série S Métropole, juin 4 Sujet et Corrigé Stéphane PASQUET Disponible sur http://www.mathweb.fr juin 4 Exercice (5 points) - Commun à tous les candidats Partie A Dans le plan muni d un repère

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

ET - FONCTIONS D ONDE DANS LES ETATS LIES D UN PUITS DE POTENTIEL

ET - FONCTIONS D ONDE DANS LES ETATS LIES D UN PUITS DE POTENTIEL ET - FONCTIONS D ONDE DANS LES ETATS LIES D UN PUITS DE POTENTIEL Dans ce qui suit on adopte les notations suivantes : désigne une constante universelle h = π = 6,60 34 Joules par seconde est la constante

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

Matrices. 3 Théorie du rang 11 3.1 Opérations élémentaires... 11 3.2 Rang d une matrice, pivot de Gauss... 11 3.3 Inversion des matrices...

Matrices. 3 Théorie du rang 11 3.1 Opérations élémentaires... 11 3.2 Rang d une matrice, pivot de Gauss... 11 3.3 Inversion des matrices... Maths PCSI Cours Matrices Table des matières Présentation de M n,p (K) 2 Espace des matrices (n, p) 2 2 Lien avec les applications linéaires 3 3 L algèbre M n (K) 5 4 Transposition 6 2 Représentation des

Plus en détail