PC* Espaces préhilbertiens réels

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "PC* Espaces préhilbertiens réels"

Transcription

1 I. Espace préhilbertien réel I.1 Produit scalaire dans un espace vectoriel réel I.2 Inégalités de Cauchy-Schwarz et de Minkowski I.3 Norme euclidienne I.4 Continuité du produit scalaire II. Orthogonalité dans un espace préhilbertien réel II.1 Généralités II.2 Orthogonal d un sev de E II.3 Bases orthogonales - Bases orthonormales III. Espaces vectoriels euclidiens III.1 Expression matricielle du produit scalaire en dimension finie III.2 Bases orthonormales IV. Projection orthogonale sur un sous-espace vectoriel de dimension finie IV.1 Projecteur orthogonal IV.2 Projection orthogonale IV.3 Procédé d orthogonalisation de Gram-Schmidt /12

2 Tester ses connaissances 1. (a) Qu est-ce qu un produit scalaire? (b) Qu est-ce qu une norme? Lien entre produit scalaire et norme? (c) Donner des exemples de produits scalaires et de normes. 2. Soit (E,, ) un espace préhilbertien réel ; soit (n, p) N 2, (λ 1,..., λ n ) R n, (µ 1,..., µ p ) R p, (x 1,..., x n ) E n, (y 1,..., y p ) E p, n p que vaut λ i x i, µ j y j? j=1 3. Qu est-ce que l inégalité de Cauchy-Schwarz? 4. (a) Expression du produit scalaire dans une b.o.n. (e 1,..., e n ). Et la norme? (b) Expression des coordonnées du vecteur x dans cette b.o.n.? 5. Comment définit-on deux vecteurs orthogonaux? Et l orthogonal d un sev? 6. Méthodes pour montrer qu une famille de vecteurs est libre? 7. Qu est-ce que le théorème de Pythagore? 8. Si a est un vecteur non nul, comment construire un vecteur unitaire colinéaire à a? 9. (a) Expression du projeté orthogonal du vecteur x sur la droite vectorielle D = Vect(a)? (b) Soit F un sev dont on connaît une b.o.n. (e 1,..., e q ) ; expression du projeté orthogonal de x sur F? (c) Procédé d orthogonalisation de Gram-Schmidt? Dans tout ce chapitre, E désigne un R -ev. 2/

3 I. Espace préhilbertien réel I.1 Produit scalaire dans un espace vectoriel réel I.1.a Définition Soit E un R-ev. On appelle produit scalaire sur E toute application ϕ : E 2 R telle que : (x, y) E 2, ϕ(x, y) = ϕ(y, x) (ϕ est symétrique) λ R, (x, y, y ) E 3, ϕ(x, y + λy ) = ϕ(x, y) + λϕ(x, y ) (linéarité./. à la 2 ème variable ou linéarité à droite) λ R, (x, x, y) E 3, ϕ(x + λx, y) = ϕ(x, y) + λϕ(x, y) (linéarité./. à la 1 ère variable ou linéarité à gauche) x E, ϕ(x, x) 0 (ϕ est positive) x E, ϕ(x, x) = 0 x = 0 (ϕ est définie). (E, ϕ) est appelé espace préhilbertien réel. Si E est de dim. finie, (E, ϕ) est dit euclidien. Soient x et y quelconques dans E : on ne sait rien, pour ϕ forme bilinéaire positive, du signe de ϕ(x, y)! Remarque. Dans la pratique, on commence par vérifier le caractère symétrique de ϕ, et alors (ii) implique (iii) et réciproquement. Donc on ne fait que l une des deux vérifications. Notations. On note un produit scalaire (x y) ou x, y ou x.y Remarque de calcul. Si (E,, ) est un espace préhilbertien réel, alors (n, p) N 2, (λ 1,..., λ n ) R n, (µ 1,..., µ p ) R p, (x 1,..., x n ) E n, (y 1,..., y p ) E p, n λ i x i, p n p µ j y j = j=1 j=1 λ i µ j x i, y j = i,j λ i µ j x i, y j I.1.b Exemples usuels de produits scalaires 1. Sur R n : le produit scalaire canonique est défini par : n x = (x 1,..., x n ) R n, y = (y 1,..., y n ) R n, x, y = x i y i Si X et Y désignent les matrices colonnes des composantes de x et de y dans la base canonique, on remarque que (x, y) (R n ) 2, x, y = t XY 2. Sur M n (R) : le produit scalaire canonique est défini par n n (A, B) (M n (R)) 2, A, B = a i,j b i,j = tr( t AB) j=1 3. Sur C([a, b], R) avec a < b : soit m est une fonction continue sur [a, b] telle que t ]a, b[, m(t) > 0 (f, g) (C([a, b], R)) 2, f, g = b a f(t)g(t)m(t)dt /12

4 Exemple. (f, g) b a f(t)g(t)dt, (f, g) 1 1 f(t)g(t) 1 t 2 dt sont des pdts scalaires 4. Sur R[X] : le produit scalaire canonique est défini par : P = a k X k, Q = b k X k, P, Q = a k b k k N k N k N On définit aussi par exemple un autre produit scalaire par (P, Q) P, Q = 1 0 P (t) Q(t)dt. 5. Suites de carré sommable : On note l 2 (R) l ensemble des suites réelles de carré sommable, c est-à-dire les suites réelles (u n ) n N telles que la série u 2 n soit convergente. On sait que l 2 (R) est un R-espace vectoriel ; d autre part, en utilisant l inégalité ab 1 2 (a2 +b 2 ), on déduit : (u, v) couple d éléments de l 2 (R), u, v = scalaire sur l 2 (R). + n=0 u n v n existe, et cette formule définit un produit 6. Fonctions continues de carré intégrable sur un intervalle quelconque : Soit E l ensemble des fonctions f continues sur I, intervalle de R, à valeurs réelles, de carré intégrable sur I, c est-à-dire telles que f 2 soit intégrable sur I. De l inégalité fg 1 ( f 2 + g 2) on déduit que le produit de deux fonctions de carré intégrable 2 est intégrable : on peut donc définir pour deux éléments f et g de E le réel fg. De plus, si f et g sont de carré intégrable, si λ est un réel quelconque, f + λg est de carré intégrable, car (f + λg) 2 = f 2 + λ 2 g 2 + 2λfg. Comme la fonction nulle est de carré intégrable, E est un R-espace vectoriel. Enfin, en posant pour f et g dans E, (f g) = fg, on définit ainsi un produit scalaire sur E. I.2 Inégalités de Cauchy-Schwarz et de Minkowski Soit (E,, ) un espace préhilbertien réel. Pour tout x E, on note x =» x, x. Inégalité de Cauchy-Schwarz.(1) I I (x, y) E 2, x, y x y Cas d égalité : (x, y) E 2, x, y = x y (x, y) liée Inégalité de Minkowski = Inégalité triangulaire.(2) (x, y) E 2, x + y x + y Cas d égalité : (x, y) E 2, x + y = x + y (x, y) positivement liée. I.3 Norme euclidienne 4/

5 Proposition. (3) Soit (E,, ) un espace préhilbertien réel. L application. : E R définie par x E, x =» x, x est une norme sur E, appelée norme euclidienne associée au produit scalaire,. L application d : E 2 R définie par (x, y) E 2, d(x, y) = x y est appelée distance euclidienne associée à,. Un vecteur x est unitaire (ou encore normé) ssi x = 1. Exemples. Écriture des normes euclidiennes et de Cauchy-Schwarz pour les exemples précédents de produits scalaires. Ã Ã 1. Pour tous éléments x = (x 1,..., x n ) et y = (y 1,..., y n ) de R n n n, on a : x i y i x 2 n i yi 2. Ã Ã n n Et aussi, d ailleurs : x i y i x 2 n i yi 2. n La norme est définie par x = x 2 i = t X X. 2. Pour tous éléments f et g de C([a, b], R) (a < b), on a Et, également : fg f 2 g 2. [a,b] [a,b] [a,b] La norme est définie par N 2 (f) = [a,b] f 2. [a,b] fg [a,b] 3. Soit u, v deux suites réelles, telles que les séries u 2 n et vn 2 convergent. Alors la série de + Ã Ã + + terme général u n v n est absolument convergente et u n v n u 2 n vn 2 n=0 n=0 n=0 Ã Ã + (et également u nv n n=0 + u 2 n n=0 + vn). 2 n=0 Proposition. (4) Identité du parallélogramme. x E, y E, x + y 2 + x y 2 = 2 ( x 2 + y 2). Identité de polarisation. Soit (E,, ) un espace préhilbertien réel et. la norme euclidienne associée. (x, y) E 2, x, y = 1 4 ( x + y 2 x y 2 ) = 1 2 ( x + y 2 x 2 y 2 ). I.4 Continuité du produit scalaire Proposition. (5) Soit (E,, ) un espace préhilbertien réel ; on munit E de la norme associée à, ). Alors l application, : (x, y) E E x, y R est continue sur E E. f 2 [a,b] g 2. II. II.1 II.1.a Orthogonalité dans un espace préhilbertien réel Généralités Orthogonalité de deux vecteurs /12

6 Soit (E,, ) un espace préhilbertien réel ; Deux vecteurs x et y sont orthogonaux ssi x, y = 0. II.1.b Familles orthogonales, orthonormales Soit (v i ) i I une famille d éléments de E, espace préhilbertien réel. (v i ) i I est orthogonale ssi (i, j) I 2, (i j = < v i, v j >= 0). (v i ) i I est orthonormale ssi (i, j) I 2, < v i, v j >= δ i,j. Proposition. (6) Toute famille orthogonale ne «contenant» pas 0 E est libre. A fortiori, toute famille orthonormale est libre. Théorème de Pythagore.(7) Soit (E,, ) un espace préhilbertien réel ; Les vecteurs x et y sont orthogonaux ssi x + y 2 = x 2 + y 2. p 2 Si (v 1, v 2,..., v p ) est un famille orthogonale de E, alors v i = p v i 2. II.2 II.2.a Orthogonal d un sev de E Définition Soit (E,, ) un espace préhilbertien réel ; soit F un sous-espace vectoriel de E ; L ensemble {x E/ a F, a, x = 0}, noté F, est l orthogonal de F. Proposition. (8) Soient F et G deux sev de E, espace préhilbertien réel. 1. F est un sous-espace vectoriel de E. 2. {0} = E E = {0} F Ä F ä. 3. F G = G F. 4. F F = {0}. 5. Si B est une base de F, un vecteur est orthogonal à F (donc appartient à F ) ssi il est orthogonal à tous les vecteurs de B. II.2.b Existence d un (ou du?) supplémentaire orthogonal? 6/

7 En général, l orthogonal d un sev n est pas un supplémentaire de ce sev. Par exemple, soit E = C([0, 1], R), muni de son produit scalaire usuel, et F le sev des fonctions polynômes réelles sur [0, 1]. On montre (à l aide du premier théorème de Weierstrass (H.P.)) que F = {0 E }. Et donc que F F = F E. On retiendra donc que la somme F F est toujours directe, mais que ce n est en général pas E, donc l orthogonal de F n est pas nécessairement un supplémentaire de F. MAIS Cas particulier important : Proposition. (9) a E {0 E }, E = R.a (R.a) Preuve. La somme est directe d après ce qui précède. a, x Et on remarque que x E, x = a a a, x + x } {{ 2 a a } } {{ 2 } R.a (R.a) II.3 Bases orthogonales - Bases orthonormales Soit (E,, ) un espace préhilbertien réel ; (e i ) i I est une base orthogonale ( resp. orthonormale ) de E ssi (e i ) i I est une base de E et la famille (e i ) i I est orthogonale ( resp. orthonormale ). Remarque. Puisqu on a vu que toute famille orthonormale est libre, on a : (e i ) i I est une b.o.n. ssi c est une famille orthonormale génératrice. Théorème.(10) Si B = (e i ) i I est une b.o.n. de E, alors x E, x = i I e i, x e i. Si B = (e i ) i I est une base orthogonale de E, alors x E, x = i I e i, x e i, e i e i. III. Espaces vectoriels euclidiens On appelle espace vectoriel euclidien un espace préhilbertien réel de dimension finie. III.1 Expression matricielle du produit scalaire en dimension finie Soit (E,, ) un espace euclidien et B = (e 1,..., e n ) une base de E. On appelle matrice associée au produit scalaire, relativement à la base B la matrice M de M n (R) de terme général m i,j = e i, e j. Remarque. Si M est une matrice associée à un produit scalaire euclidien, alors M est symétrique et tous les termes de sa diagonale sont strictement positifs /12

8 III.2 III.2.a Bases orthonormales Existence Théorème.(11) Tout espace vectoriel euclidien admet au moins une b.o.n. Exemple. A, B = tr( t AB) dans M n (R) ; est une b.o.n pour ce produit scalaire. Ç (E i,i ) 1 i n, Å ã Å ã å (E i,j + E j,i ), 2 (E i,j E j,i ) 1 i<j n 1 i<j n Remarque. Il existe des bases orthonormées en dimension non finie ( (X n ) n N dans R[X] pour le produit scalaire canonique), mais ce n est pas systématique, contrairement à la dimension finie. Théorème de la b.o.n. incomplète.(12) Si (e 1,..., e p ) est une famille orthonormale de E euclidien de dimension finie n, alors on peut la compléter en une b.o.n. (e 1,..., e p, e p+1,..., e n ) de E. III.2.b Expression du produit scalaire, de la norme et de la distance dans une base orthonormée Théorème.(13) Soit E est un espace euclidien et B = (e 1,..., e n ) une b.o.n. de E. i {1,..., n}, x i = e i, x n n n x, y = x i y i = XY t = t Y X Si x = x i e i et y = y i e i alors à à n x = x 2 n i d(x, y) = x y = (x i y i ) 2 IV. Projection orthogonale sur un sous-espace vectoriel de dimension finie Dans ce, E est un préhilbertien réel, de dimension finie ou non. IV.1 Projecteur orthogonal On dit que p L(E) est un projecteur orthogonal ssi { p est un projecteur (p p = p) (Im p) = Ker p donc (x, y) Ker p Im p, x, y = 0 Exemple. Soit u E {0} ; soit D = Vect(u) ; u, x alors x E, x = x u 2 u u, x + u 2 u, donc E = D + D et comme D D, E = D D ; } {{ } } {{ } D D 8/

9 en notant p D le projecteur orthogonal sur D et p H le projecteur orthogonal sur H = D, u, x p D (x) = u x E, 2 u. u, x p H (x) = x u 2 u IV.2 Projection orthogonale Théorème-(14) Soit F un sous-espace de dimension finie d un espace préhilbertien réel E (E n est pas nécessairement de dimension finie). Alors F et F sont supplémentaires orthogonaux (i.e F F = E, donc F est le supplémentaire orthogonal de F ). On peut alors définir p F = la projection sur F parallèlement à F (appelée projection orthogonale sur F ). q Si (e 1,..., e q ) est une b.o.n. de F, alors x E, p F (x) = e i, x e i. Remarque. Pour trouver p F (x) connaissant une famille génératrice de F, on peut aussi traduire que x p F (x) est orthogonal à tout vecteur de cette famille génératrice et résoudre ainsi un système linéaire traduisant cette orthogonalité. Remarque. Si F n est pas de dimension finie, il se peut que F F ne soit pas E tout entier : alors F n a pas de supplémentaire orthogonal, et il n y a pas de projection orthogonale sur F. Mais il se peut aussi que F F = E. Alors la projection orthogonale sur F est bien définie. Théorème.(15) Soit F un sous-espace de dimension finie d un espace préhilbertien réel E (E n est pas nécessairement de dimension finie). Soit x un vecteur de E. Alors le projeté orthogonal de x sur F est l unique vecteur de F minimisant la distance de x à F. Autrement dit, p F (x) est l unique vecteur y 0 tel que x y 0 = Min x y = d(x, F ). y F Donc d(x, F ) = x p F (x) =» x 2 p F (x) 2. Exemple. Dans E = R n, si H est l ev d équation α 1 x α n x n = 0 relativement à une b.o.n., alors H = Vect(u) = D où u = (α 1,..., α n ), u, x donc pour tout x de E, p H (x) = x p Vect(u) (x) = x u 2 u, u, x donc d(x, H) = x p H (x) = p Vect(u) (x) = = α 1x α n x n». u α αn 2 Remarque. Le théorème de Pythagore montre que x 2 = p F (x) 2 + x p F (x) 2, donc p F (x) 2 x 2 : on en déduit l inégalité de Bessel : x, p F (x) x /12

10 Théorème.(16) Soit E un espace euclidien (on est donc en dimension finie) ; pour tout sev F de E, dim F + dim F = dim E et Ä F ä = F et F F = E Rappel : Si F n est pas de dimension finie (et donc E n est pas de dimension finie), il se peut que F F ne soit pas E tout entier, et il se peut aussi que F (F ). IV.3 Procédé d orthogonalisation de Gram-Schmidt Il consiste à transformer une famille libre (v i ) en une famille (e i ) orthogonale selon l algorithme : { e 1 = v 1 k 2, e k = v k p k 1 (v k ) où p k 1 désigne la projection orthogonale sur Vect Ä {e 1,..., e k 1 }ä Autrement dit k 1 e k = v e j k, v k e j=1 j, e j.e j On constate que chaque matrice T k de passage de (v 1,..., v k ) à (e 1,..., e k ) est triangulaire supérieure avec des 1 sur la diagonale, ce qui montre que Vect{e 1,..., e k } = Vect{v 1,..., v k } Remarque. Quand on voudra construire concrètement une base orthonormale d un espace euclidien : on partira d une base quelconque de E, qu on orthogonalisera par Schmidt, puis en quotientant par la norme des vecteurs orthogonaux obtenus (i.e e k e k ), on obtiendra une b.o.n. Exemple. Déterminer une b.o.n. du sev F de R 4 engendré par les vecteurs v 1 (1, 1, 0, 0), v 2 (1, 0, 1, 1), v 3 (0, 1, 1, 1). 10/

11 /12 Faire des dessins. Lorsque des hypothèses sont données faisant intervenir la norme, penser à élever au carré : le carré de la norme euclidienne se manipule beaucoup plus facilement que la norme euclidienne. Jusqu à présent, lorsque l on devait démontrer qu un extremum était atteint, on pensait à des arguments de continuité sur un segment. Il faut maintenant penser, pour des problèmes de minimum, au théorème de projection orthogonale sur un sous-espace de dimension finie. Si on pense que c est cela qu il faut appliquer, on définit un produit scalaire convenable et un sous-espace qui permet de résoudre le problème. Les problèmes de polynômes orthogonaux interviennent dans de nombreux énoncés. L orthonormalisation de Schmidt peut souvent être remplacée par une orthogonalisation, plus légère. Il faut avoir présente à l esprit l interprétation de l orthonormalisation de Schmidt en termes de projection orthogonale. Exo 1 Montrer que A M n (R), tr(a) n» tr(a A). Exo 2 Sur R 2 [X], on définit < P, Q >= P (1)Q(1) + P (1)Q (1) + P (1)Q (1). (1) Vérifier que <, > est un produit scalaire. (2) Trouver une base orthonormale (P 0, P 1, P 2 ) telle que deg(p k ) = k. (3) Déterminer la projection orthogonale de X 2 sur R 1 [X]. Exo 3 Soit F le sev de R 3 engendré par (1, 0, 1) et (1, 2, 1). (1) Donner une équation de F. (2) Déterminer une base de l orthogonal de F. (3) Déterminer le projeté orthogonal de (1, 1, 1) sur F. Exo 4 (1) Soit h une fonction continue et positive de [a, b] dans R. Démontrer que b a h(x)dx = 0 = h = 0. (2) Soit E le R-espace vectoriel des fonctions continues de [a, b] dans R. On pose, pour tout f et tout g de E, (f g) = b f(x)g(x)dx. Démontrer que l on définit ainsi un produit a scalaire sur E. 1 (3) Majorer xe x dx en utilisant l inégalité de Cauchy- Exo 5 Schwarz. 0 Soit E un espace euclidien et F, G des sous-espaces vectoriels de E. (1) Démontrer que (F + G) = F G. (2) (F G) = F + G. Exo 6 Montrer que l endomorphisme Öp de R, dont la èmatrice relativement à la base canonique est A = est une projection orthogonale dont on déterminera l image. Exo 7 Soit E l ev des applications continues et 2π-périodiques de R dans R. (1) Montrer que (f g) = 1 2π sur E. 2π 0 f(t)g(t)dt définit un pdt scalaire (2) Soit F le sev engendré par f : x cos(x) et g : x cos(2x). Déterminer le projeté orthogonal sur F de la fonction u : x sin 2 (x). 2016

12 12/ Exo 8 Soient F(R; R) l espace vectoriel des applications de R dans R, E le sous-espace engendré par les cinq applications : f 1 : x 1 2, f 2 : x cos(x), f 3 : x sin(x), f 4 : x cos(2x), f 5 : x sin(2x) et F le sous-espace vectoriel engendré par (f 1, f 2, f 3 ). π (1) Démontrer que f g = 1 f(t)g(t)dt définit un pdt scalaire π π sur E. (2) Vérifier que f 4 et f 5 sont unitaires et orthogonaux. On admettra pour la suite que B = (f i ),...,5 est une base orthonormée de E. (3) Déterminer le sev F orthogonal de F pour ce produit scalaire. Exo 9 On définit dans ÇM 2 (R) å M 2 (R) l application 2 ϕ(a, A ) = tr( t AA ). a b On note F = / (a, b) R. b a On admet que ϕ est un produit scalaire sur M 2 (R). (1) Démontrer que F est un sous-espace vectoriel de M 2 (R). (2) Déterminer une base de F. Ç å 1 1 (3) Déterminer la projection orthogonale de J = sur F 1 1. Exo 10 { x + y z t = 0 (1) Montrer que le système définit un plan x + 3y + z t = 0 P de R 4. (2) Construire une base orthonormale (ε 1, ε 2 ) de P. (3) Écrire la matrice dans la base canonique de R 4 de la projection orthogonale sur P, puis de la symétrie orthogonale par rapport à P. (4) Soit v = (1, 1, 1, 1) : calculer d(v, P ). Exo 11 Ç å a b Si A = et A c d = aa + bb + cc + dd. Ç a b å c d, alors on pose A, A = (1) Démontrer que, est un produit scalaire sur M 2 (R). Ç å 1 0 (2) Calculer la distance de la matrice A = au sousespace vectoriel F des matrices triangulaires 1 2 supérieures. Exo 12 Montrer que (f, g) 1 C([0, 1], R) et calculer Inf (a,b) R 2 Exo 13 0 tf(t)g(t)dt est un produit scalaire sur 1 0 t(t 2 at b) 2 dt E est un espace euclidien de dimension n pour le produit scalaire <, > et u L(E) tel que x E, < u(x), x >= 0. Montrer que Ker u et Im u sont supplémentaires orthogonaux et que le rang de u est pair. Exo 14 On note E = R [X] et on considère l application ϕ : donnée par ϕ(p, Q) = + 0 P (t)q(t)e t dt E E R (1) Justifier que l application ϕ est bien définie de E E vers R. (2) Montrer que l application ϕ définit un produit scalaire sur E. (3) Pour p, q N, calculer ϕ(x p, X q ). (4) Orthonormaliser par le procédé de Gram-Schmidt la famille (1, X, X 2 ). 2016

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2 Espaces euclidiens Table des matières 1 Définitions et exemples 1 Orthogonalité, norme euclidienne 3 Espaces euclidiens, bases orthonormées 4 Orthogonalisation de Schmidt 3 5 Sous-espaces orthogonaux 3

Plus en détail

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

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

Espaces euclidiens. 1 Produit scalaire 2 1.1 Définition... 2 1.2 Exemples fondamentaux... 2 1.3 Cauchy-Schwarz... 3 1.4 Norme associée...

Espaces euclidiens. 1 Produit scalaire 2 1.1 Définition... 2 1.2 Exemples fondamentaux... 2 1.3 Cauchy-Schwarz... 3 1.4 Norme associée... Maths PCSI Cours Table des matières Espaces euclidiens 1 Produit scalaire 2 1.1 Définition...................................... 2 1.2 Exemples fondamentaux.............................. 2 1.3 Cauchy-Schwarz..................................

Plus en détail

ESPACES PRÉHILBER TIENS RÉELS

ESPACES PRÉHILBER TIENS RÉELS ESPACES PRÉHILBER TIENS RÉELS 1 Produit scalaire et norme 1.1 Produit scalaire Définition 1.1 Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinéaire symétrique définie positive

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

Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques.

Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques. Université Paris-Dauphine DU MI2E, 2ème année Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques. Cours 2010/2011 Olivier Glass Le polycopié qui suit peut avoir des différences

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

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

COURS ET EXERCICES DE MATHEMATIQUES PARTIE 2 1998-2011

COURS ET EXERCICES DE MATHEMATIQUES PARTIE 2 1998-2011 COURS ET EXERCICES DE MATHEMATIQUES PARTIE 2 1998-2011 2 PC Deuxième semestre Version 2011 Cours Exercice Auteur de la Ressource Pédagogique PICQ Martine MATHEMATIQUES Cours et exercices de Mathématiques

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

EXERCICES MPSI A9 ESPACES EUCLIDIENS R. FERRÉOL 13/14

EXERCICES MPSI A9 ESPACES EUCLIDIENS R. FERRÉOL 13/14 EXERCICES MPSI A9 ESPACES EUCLIDIENS R. FERRÉOL 3/4 PRODUIT SCALAIRE. : Dire si chacune des applications suivantes est un produit scalaire surr : x x x x y y = symétrique? bilinéaire? = positif? défini?

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

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

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

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

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

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

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

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

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

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

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS 1 Définition et exemples fondamentaux 1.1 Définition Définition 1.1 Espace vectoriel Soient K un corps et E un ensemble muni d une loi interne + et d une loi externe. i.e. d une application

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

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

Les espaces vectoriels Partie 1

Les espaces vectoriels Partie 1 Les espaces vectoriels Partie 1 MPSI Prytanée National Militaire Pascal Delahaye 1 er février 2016 1 Définition d un Espace Vectoriel Soit ( K,+, ) un corps commutatif (le programme impose K = R ou C).

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

Isométries d'un espace euclidien.

Isométries d'un espace euclidien. Isométries d'un espace euclidien. Dans ce chapitre, le corps des scalaires est R et l'espace (E ; ) est un espace euclidien de dimension finie n. 1. Isométries vectorielles d'un espace euclidien...p.1

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. (a, b) + (c, d) = (a + c, b + d) (a, b) (c, d) = (ac bd, ad + bc) (a, 0) (b, 0) = (ab, 0)

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. (a, b) + (c, d) = (a + c, b + d) (a, b) (c, d) = (ac bd, ad + bc) (a, 0) (b, 0) = (ab, 0) NOMBRES COMPLEXES 1 Corps C des nombres complexes 1.1 Construction de C Construction de C On munit R de deux lois internes + et de la manière suivante. Pour (a, b, c, d) R 4, on pose (a, b) + (c, d) =

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

LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE

LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE 0-1- 014 J.F.C. Eve p. 1 LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE Dans la suite, sauf mention du contraire, est un produit scalaire sur le R-espace vectoriel

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 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

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

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

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

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

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

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

LES ROTATIONS DE R 3 : VERSION MATRICIELLE

LES ROTATIONS DE R 3 : VERSION MATRICIELLE LES ROTATIONS DE R : VERSION MATRICIELLE. L espace R n Les structures dont R n est muni appartiennent à quatre niveaux : Structure vectorielle: Vecteur. Combinaison linéaire. Familles libres et liées.

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

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

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

DNS-3 À rendre le 22 février 2016

DNS-3 À rendre le 22 février 2016 DNS-3 /5 DNS-3 À rendre le 22 février 26 I Drapeau de Dijkstra On dispose de N boules numérotées et colorées noires et blanche alignées dans un ordre quelconque. On souhaite regrouper les boules de même

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

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

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

Chapitre 3. Espaces vectoriels

Chapitre 3. Espaces vectoriels Département de mathématiques et informatique L1S1, module A ou B Chapitre 3 Espaces vectoriels Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé

Plus en détail

TD Liste d exercices no. 1 Espaces euclidiens

TD Liste d exercices no. 1 Espaces euclidiens Université Paris Diderot - Paris 7 L Physique MP4 014-015 TD Liste d exercices no. 1 Espaces euclidiens 1. Notion de produit scalaire Exercice 1. (1) Montrer que l application Φ : R R R définie par Φ((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

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

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

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

Remerciements. Partie 1 Algèbre linéaire 1

Remerciements. Partie 1 Algèbre linéaire 1 Table des matières Préface Remerciements xix xxi Partie 1 Algèbre linéaire 1 1 Compléments d algèbre linéaire 3 I Rappels du cours de première année.......................... 3 I.1 Famille dans un espace

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

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

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

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

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

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

Autour de la diagonalisation

Autour de la diagonalisation Autour de la diagonalisation Cédric Gérot, Pierre Granjon, Nicolas Le Bihan Laboratoire des Images et des Signaux Grenoble January 22, 2003 Contents 1 Eléments d algèbre 2 11 Espace vectoriel 2 111 Définition

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

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

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

Réduction. Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1

Réduction. Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1 Réduction Sous-espaces stables Exercice 1 [ 00755 ] [Correction] Soient u et v deux endomorphismes d un K-espace vectoriel E. On suppose

Plus en détail

Formes bilinéaires, produits scalaires Pour s entraîner...

Formes bilinéaires, produits scalaires Pour s entraîner... Formes bilinéaires, produits scalaires Pour s entraîner... I Savoir reconnaître un produit scalaire Les applications ci-dessous sont-elles des formes bilinéaires? Si oui sont-elles symétriques? Définies?

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

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

1.1.1 Composantes contravariantes, covariantes d un vecteur

1.1.1 Composantes contravariantes, covariantes d un vecteur Chapitre 1 Prérequis Ce chapitre regroupe les définitions et les résultats sur les tenseurs qui sont utilisés dans la théorie des coques et des membranes. Il comprend deux parties : 1. L algèbre tensorielle,

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

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

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

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin.

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin. Exo7 Espaces vectoriels Fiche amendée par David Chataur et Arnaud Bodin. Définition, sous-espaces Exercice Montrer que les ensembles ci-dessous sont des espaces vectoriels (sur R) : E = { f : [,] R } :

Plus en détail

17. ISOMÉTRIES LINÉAIRES

17. ISOMÉTRIES LINÉAIRES 17 ISOMÉTRIES LINÉAIRES 171 Isométries linéaires dans un espace vectoriel euclidien Soit E un espace vectoriel euclidien Une application linéaire f dans E est appelée isométrie linéaire ssi, quel que soit

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 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

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme Espaces euclidiens 1 Bases orthonormées Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme d habitude : < x, y >, ou (x, y) ou < x y > On note < x, x >= x 2, x 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

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

Exercices d oraux de la banque CCP BANQUE ALGÈBRE

Exercices d oraux de la banque CCP BANQUE ALGÈBRE Exercices d oraux de la banque CCP 2014-2015 20 exercices sur les 37 d algèbre peuvent être traités en Maths Sup. BANQUE ALGÈBRE EXERCICE 59 Soit E l espace vectoriel des polynômes à coefficients dans

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Physique et sciences de l ingénieur (PSI) Discipline : Mathématiques Seconde année Classe préparatoire PSI Programme

Plus en détail

Enveloppe vectorielle ou. Transformer de l affine en du vectoriel

Enveloppe vectorielle ou. Transformer de l affine en du vectoriel Préparation à l Agrégation Année 2009 2010 ENS Cachan Vincent Beck Enveloppe vectorielle ou Transformer de l affine en du vectoriel 0 Mode d emploi. Cette note propose la construction de l enveloppe vectorielle

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

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

1 Produit scalaire hermitien

1 Produit scalaire hermitien Espaces préhilbertiens complexes. Espaces hermitiens. PSI Paul Valéry Dans tout ce chapître on travaille avec des espaces vectoriels complexes. z représente le module du complexe z et z son conjugué z.

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

Espaces vectoriels. Espace vectoriel. Exemples

Espaces vectoriels. Espace vectoriel. Exemples Espaces vectoriels Espace vectoriel Définition Un espace vectoriel (réel) est un ensemble abstrait V non vide aux éléments notés a, b,, appelés vecteurs et muni des opérations Somme vectorielle : associant

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

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. d) Soient A vérifiant (P ) et B une matrice de même rang que A ; montrer

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. d) Soient A vérifiant (P ) et B une matrice de même rang que A ; montrer [http://mp.cpgedupuydelome.fr] édité le 29 décembre 205 Enoncés Exercice [ 02598 ] [Correction] Soient A et B deux matrices réelles carrées d ordre n telles qu il existe un polynôme P R [X] de degré au

Plus en détail

Algèbre linéaire avancée I Jeudi 8 Octobre 2015 Prof. A. Abdulle J =

Algèbre linéaire avancée I Jeudi 8 Octobre 2015 Prof. A. Abdulle J = Algèbre linéaire avancée I Jeudi 8 Octobre 205 Prof. A. Abdulle EPFL Série 4 (Corrigé) Exercice Soit J M 2n 2n (R) la matrice définie par J 0 In, I n 0 où I n est la matrice identité de M n n (R) et 0

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

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

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

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

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 14 Janvier 2015 2 Il est impossible d envisager l étude des méthodes

Plus en détail

Feuilles de TD du cours d Algèbre S4

Feuilles de TD du cours d Algèbre S4 Université Paris I, Panthéon - Sorbonne Licence M.A.S.S. 203-204 Feuilles de TD du cours d Algèbre S4 Jean-Marc Bardet (Université Paris, SAMM) Email: bardet@univ-paris.fr Page oueb: http://samm.univ-paris.fr/-jean-marc-bardet-

Plus en détail

Une axiomatisation du plan euclidien

Une axiomatisation du plan euclidien Nicole opp Strasbourg, avril 2007 Une axiomatisation du plan euclidien Le but de ce texte est de montrer comment on peut axiomatiser le plan euclidien d une manière qui se rapproche, autant que faire se

Plus en détail

Information Quantique DM- à rendre avant le 7 Avril 2015, à midi

Information Quantique DM- à rendre avant le 7 Avril 2015, à midi ENSEIRB-MATMECA- Section Informatique, 2ième année Option second semestre, 2014/2015 Information Quantique DM- à rendre avant le 7 Avril 2015, à midi Indications : Chaque partie dépend des parties précédentes.

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. 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

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