Isométries d'un espace euclidien.

Dimension: px
Commencer à balayer dès la page:

Download "Isométries d'un espace euclidien."

Transcription

1 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 Définition d'une isométrie vectorielle. Caractérisation par la conservation du produit scalaire. caractérisation par l'image d'une base orthonormale. Symétrie orthogonale par rapport à un sous espace vectoriel. Réflexion. Groupe orthogonal. Stabilité de l'orthogonal d'un sous-espace stable par une isométrie vectorielle. 2. Matrices orthogonales...p.6 Définition de l'orthogonalité pour une matrice. Groupe orthogonal d'ordre n. Caractérisation des matrices orthogonales à l'aide des lignes ou des colonnes. Caractérisation des bases orthonormales à l'aide des matrices de passage. Caractérisation des isométries vectorielles à l'aide de leur matrice dans une base orthonormale. Déterminant d'une matrice orthogonale. Déterminant d'une isométrie vectorielle. Isométrie vectorielle positive, négative (directe, indirecte). Groupe spécial orthogonal. Groupe spécial orthogonal d'ordre n. 3. Classification en dimension 2 et 3...p.9 Description du groupe orthogonal en dimension 2 et 3. Classification à partir des éléments propres. Caractéristiques géométriques d'une isométrie vectorielle. 4. Matrices symétriques réelles...p.18 Orthogonalité des sous-espaces propres d'une matrice symétrique réelle. Théorème spectral Isométries d'un espace vectoriel euclidien. Définition d'une isométrie vectorielle : soit (E ; ) un espace euclidien, la norme associée, et f L (E ). f est une isométrie vectorielle si et seulement si u E, f (u ) = u Illustration dans le plan vectoriel euclidien muni de la base orthonormale ( i ; j ) : Exemple et contre-exemple : Une projection orthogonale sur un sous-espace vectoriel F {0 E } Une symétrie orthogonale par rapport à un sous-espace vectoriel F... Isométries d'un espace euclidien 1/18 pycreach.free.fr - TSI2

2 Rappel : une réflexion est une symétrie orthogonale par rapport à un hyperplan. Pour n E {0 E } en notant s la réflexion par rapport à (vect (n)) on a u E, s (u )=u 2 u n n 2 n. Caractérisation d'une isométrie vectorielle par conservation du produit scalaire: soit (E ; ) un espace euclidien et f L (E ). f est une isométrie vectorielle si et seulement si (u; v ) E 2, f (u ) f (v ) = u v Démonstration : Si (u; v ) E 2, f (u ) f (v ) = u v alors f (u ) 2 = Si u E, f (u ) = u alors (u; v ) E 2, f (u+v ) 2 = Caractérisation d'une isométrie par l'image d'une base orthonormale : soit (E ; ) un espace euclidien, B=(e 1 ; ; e n ) une base orthonormale de E et f L (E ). f est une isométrie vectorielle si et seulement si la famille ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E. Démonstration : ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E (i ; j) [1; n ] 2 Si f est une isométrie vectorielle alors (i; j) [1; n ] 2, f (e i ) f (e j ) = e i e j or f (e i ) f (e j ) = { 1 si i= j 0 sinon B étant une base orthonormale, u= u e 1 e u e n e n et d'après le théorème de Pythagore : u 2 = Par ailleurs, par linéarité de f, f (u )= u e 1 f (e 1 )+ + u e n f (e n ) Si de plus la famille ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E alors, d'après le théorème de Pythagore : f (u ) 2 = Donc f (u ) 2 = u 2 donc... Isométries d'un espace euclidien 2/18 pycreach.free.fr - TSI2

3 Exemples en dimension 2 : soit P un plan euclidien muni d'une base orthonormée ( i ; j ) : Soit f l'endomorphisme de P défini par : { f ( i )=0,6 i +0,8 j f ( j )= 0,8 i +0,6 j Soit g l'endomorphisme de P défini par : { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Pour u = 2 i + j, on a f ( u )= Pour v =4 i +3 j, on a f ( v )= Pour u = 2 i + j, on a g ( u )= Pour v =4 i +3 j, on a g ( v )= Isométries d'un espace euclidien 3/18 pycreach.free.fr - TSI2

4 Exemple en dimension 3 : soit E un espace euclidien de dimension 3 muni d'une base orthonormale ( i ; j ; k ) et f l'endomorphisme de E défini par { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Pour u =7 i +5 j + k on a f ( u )= u = f ( u ) = Pour v =2 i 3 j + k on a : f ( v )= v = f ( v ) = u v = f ( u ) f ( v ) = Opérations sur les isométries vectorielles : soit (E ; ) un espace euclidien, la norme associée, f L (E ) et g L( E). Si f et g sont des isométries vectorielles de E alors g f est une isométrie vectorielle de E. Si f est une isométrie vectorielle alors f est une bijection de E dans E (i.e. f GL ( E) ) et f 1 est une isométrie vectorielle de E. Démonstration : soit u E alors g f (u ) = Soit v Ker f alors v = Donc f est une bijection de E dans E. Soit u E alors il existe v E tel que u= f ( v ) donc f 1 ( u) = f 1 ( f (v )) = v = u car... Remarque : si f est une isométrie vectorielle alors son spectre (réel) est inclus dans l'ensemble { 1; 1}. En effet si λ Sp et si u est un vecteur propre de f associé à λ alors u = f (u ) = λ u = λ u ainsi, puisque u 0 E,on a nécessairement λ =1. Définition du groupe orthogonal (O ( E); ) : soit (E ; ) un espace euclidien. L'ensemble des isométries vectorielles de E muni de l'opération est appelé groupe orthogonal noté (O ( E ); ). Isométries d'un espace euclidien 4/18 pycreach.free.fr - TSI2

5 Propriété de stabilité de l'orthogonal d'un sous-espace stable par une isométrie vectorielle : soit (E ; ) un espace euclidien, f O (E ) et F un sous-espace vectoriel de E. Si F est stable par f alors F est stable par f. Démonstration : Soit v F alors u F, u; v =0 De plus f O (E ) donc u F, f (u ) f (v ) = u ; v Ainsi u F, f (u ) f (v ) =0 Si F est stable par f alors la restriction de f à F f F : F F est une bijection de F dans F. Donc u' F, u F tel que u' = f (u ), ainsi u' F, u' f ( v ) = f (u ) f (v ) =0 donc f (v ) F. Ce raisonnement étant valide pour tout v F, F est stable par f Exemple : Soit E un espace euclidien de dimension 4 muni d'une base orthonormale B=( i ; j ; k ; l ) et f {f ( i )=0,6 j +0,8 l l'endomorphisme de E défini par f ( j )=0,6 i +0,8 k et F=Vect ( i + j ; k + l ). f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k f est une isométrie vectorielle car... Le sous-espace vectoriel F est stable par f car... or i j F et k l F car car... Ainsi F =Vect ( ; ) est stable par f. Conséquence sur la matrice d'une isométrie vectorielle dans une base adaptée : soit (E ; ) un espace euclidien de dimension n, F un sous-espace vectoriel de E de dimension p, et B=(e 1 ; ; e p ; e p+1 ; ; e n ) une base de E telle que (e 1 ; e p ) soit une base de F et (e p+1 ; ;e n ) soit une base de F. Si f O (E ) et si F est stable par f A 0 alors il existe A M p (R) et B M n p (R) telles que =( M p, n p (R) 0 Mn p, p (R ) B ) Exemple : Soit E un espace euclidien de dimension 4 muni d'une base orthonormale B=( i ; j ; k ; l ) et f {f ( i )=0,6 j +0,8 l l'endomorphisme de E défini par f ( j )=0,6 i +0,8 k en notant B' =( i + j ; k + l ; i j ; k l ) f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k On a ' = En utilisant la formule de changement de base on a : ' = Isométries d'un espace euclidien 5/18 pycreach.free.fr - TSI2

6 2. Matrices orthogonales Définition de l'orthogonalité d'une matrice : Soit A M n (R ). A est orthogonale si et seulement si A T A=I n Exemple et contre-exemple : ( ) ( ) Opérations sur les matrices orthogonales : Soit A M n (R ) et B M n (R). Si A et B sont orthogonales alors A B est une matrice orthogonale. Si A est orthogonale alors A est inversible (i.e. A GL n (R) ) et A 1 =A T est une matrice orthogonale. Démonstration : Si A T A=I n et B T B=I n alors (AB ) T AB= Si A T A=I n alors si X Ker ( A ),... Donc A est inversible et A 1 =A T (A T ) T (A T )= Définition du groupe orthogonal d'ordre n : l'ensemble des matrices orthogonales de M n (R) muni de l'opération est le groupe orthogonal d'ordre n noté (O n (R) ; ). Remarque : on note aussi O ( n). Caractérisation des matrices orthogonales à l'aide de leurs lignes ou de leurs colonnes : Soit A=( a 1,1 a 1, n a n,1 a n,n) M n (R) A est orthogonale si et seulement si (( la famille de ses n vecteurs colonnes a 1,1 a n,1) ; ; ( a 1, j j) ; ; ( a 1,n a n, a n,n)) est orthonormale dans M n,1 (R) si et seulement si la famille de ses n vecteurs lignes ((a 1,1 ; ; a 1,n ); ;(a i ;1 ; ; a i, n ); ;(a n, 1 ; ;a n,n )) est orthonormale dans M 1,n (R),1 a1, j a1, n Démonstration : Soit A=(a1 a n,1 a n, j a n,n) Alors A T A= a (a1,1 n,1 a 1, j a n, j a 1,n a n,n) (a1,1 a1, j a1,n a n,1 a n, j a n,n) Ainsi en notant C j= ( a 1, j j) M n,1 (R), on a A T A=((C i ) T C j ) 1 i 1 1 j 1 a n, Ainsi : A T A=I n (i, j ) 1; n 2, (C i ) T C j = { 1 si i= j 0 sinon Isométries d'un espace euclidien 6/18 pycreach.free.fr - TSI2

7 Par ailleurs : A A T = (a1,1 a1 a i,1 a i a n,1 a n,n) (a1,1 ai,1 a n,1 a 1,n a i,n a n,n) Ainsi en notant L i =(a i,1 ; ;a i,n ) M 1 n (R ) on a A A T =( L i (L j ) T ) ( 1 i n 1 j n) Ainsi A T A=I n A est inversible et A 1 =A T A A T =I n (i, j ) 1; n 2, L i (L j ) T = { 1 si i= j 0 sinon Caractérisation des bases orthonormales de E : Soit B 0 une base orthonormale de E et B une base de E. B est orthonormale si et seulement si la matrice de passage de B 0 à B est orthogonale. Démonstration : La base B 0 étant orthonormale, (u; v ) E 2, u v =(0 (u )) T 0 (v ) donc : Les vecteurs u et v sont orthogonaux dans E si et seulement si 0 ( u) et 0 ( v ) sont orthogonale dans M n,1 (R) Or les colonnes de la matrice de passage P de la base B 0 à la base B=(e' 1 ; ;e' n ) sont pour j 1; n, 0 (e' j ) donc : B est une famille de E orthonormale (0 (e' j )) 1 j n est orthonormale dans M n,1 (R) P O n (R) Caractérisation des isométries vectorielles de E : Soit B 0 une base orthonormale de E et f L (E ). f est une isométrie vectorielle si et seulement si la matrice de f dans B 0, 0 est orthogonale. Démonstration : soit B 0 =(e 1 ; ;e n ). f est une isométrie vectorielle si et seulement si ( f (e 1 ); ; f (e n ) ) est une base orthonormale de E si et seulement si (0 ( f (e 1 )); ; 0 ( f (e n ))) est une base orthonormale de M n,1 (R) si et seulement si 0 est orthogonale. Remarque : on a un isomorphisme de groupe : (O ( E); ) (O n (R ) ; ) f 0 Exemples : si ( i ; j ) est une base orthonormale de E, les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Si ( i ; j ; k ) est une base orthonormale de E, l' endomorphisme f défini par : { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Si ( i ; j ; k ; l ) est une base orthonormale de E, l' endomorphisme f défini par : {f ( i )=0,6 j +0,8 l f ( j )=0,6 i +0,8 k f ( k )= 0,8 j +0,6 l f ( l )= 0,8 i +0,6 k Déterminant d'une matrice orthogonale : Soit A M n (R ). Si A O n (R ) alors det (A ) { 1;1 } Démonstration : det (A T A )= det (A )=±1 est nécessaire si A O (n ) mais det (A )=±1 n'est pas suffisant pour assurer que A O (n ). Exemple : ( )... Isométries d'un espace euclidien 7/18 pycreach.free.fr - TSI2

8 Application à l'orientation d'un espace euclidien : soient (E ; ) un espace euclidien et B 0 une base orthonormale de E. L'espace euclidien E est dit orienté (par la donnée de la base B 0 ). Soit B une base orthonormale de E, B est dite directe si et seulement si le déterminant de la matrice de passage de la base B 0 à la base B est égal à 1. Exemples : Soit E un espace euclidien de dimension 3 orienté par la base orthonormale B 0 =( i ; j ; k ). La base B' =( k ; j ; i ) est La base B' '=( j ; k ; i ) est... Déterminant d'une isométrie vectorielle : Soit f L (E ). Si f O (E ) alors det { 1;1 } Démonstration : soit B 0 une base orthonormale de E alors det = Définition d'une isométrie vectorielle positive ou négative : soient (E ; ) un espace euclidien et f L (E ). f une isométrie vectorielle positive (ou directe) si et seulement si { f O ( E ) det =1 f une isométrie vectorielle négative (ou indirecte) si et seulement si { f O ( E ) det = 1 Exemples : soient ( i ; j ) une base orthonormale directe de E et les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j g ( j )=0,8 i 0,6 j Opérations sur les isométries vectorielles positives : soient (E ; ) un espace euclidien, f L (E ) et g L( E). Si { f O ( E) det =1 et g O (E) { det ( g )=1 alors g f O ( E) { det ( g f )=1 Si { f O ( E) det =1 alors f GL ( E) et { f 1 O ( E) det ( f 1 )=1 Démonstration : les propriétés du groupe orthogonal O(E) sont déjà démontrées. det ( g f )= det ( f 1 )= Définition du groupe spécial orthogonal : soit (E ; ) un espace euclidien. L'ensemble des isométries vectorielles de E positives muni de l'opération est appelé groupe spécial orthogonal de E noté (SO ( E ); ). L'ensemble des isométries vectorielles de E négatives n'est pas un sous-groupe car pour det = 1 et det ( g )= 1, det ( g f )= Définition du groupe spécial orthogonal d'ordre n : L'ensemble des matrices de O n (R ) de déterminant égal à 1 muni de l'opération est appelé groupe spécial orthogonal d'ordre n noté (SO n (R) ; ). Remarque : on note aussi SO (n). O (n )={A O (n ) det (A )= 1} n'est pas un sous-groupe. On a un isomorphisme de groupe : (SO ( E); ) (SO n (R) ; ) f 0 Isométries d'un espace euclidien 8/18 pycreach.free.fr - TSI2

9 3. Classification en dimension 2 et 3 Spectre (réel) d'une isométrie vectorielle : soit (E ; ) un espace euclidien et f L (E ). Si f O (E ) alors sp { 1; 1} Démonstration : soit un réel λ Sp et v une vecteur propre de f associé à la valeur propre λ : { v 0 E f ( v )=λ v. Si f O (E ) alors f (v ) = v donc λ v = v donc v ( λ 1)=0 Or v 0 donc λ =1 ainsi... Classification des isométries vectorielles en dimension 2 : soit (E ; ) un espace euclidien de dimension 2 et f L (E ). Si f O (E ) alors : ou bien sp={1} : dans ce cas f SO (E ) et f =Id E ou bien sp={ 1 } : dans ce cas f SO (E ) et f = Id E ou bien sp={ 1;1 } : dans ce cas f SO (E ) et f est une réflexion par rapport à E 1 ou bien sp= : dans ce cas f SO (E ) et f est une rotation d'angle θ 0 [π ] : u v ) soit une base orthonormale directe de E, u E {0 E }, en notant v l'unique vecteur tel que ( 1 u u ; 1 f (u )=cos (θ )u+sin (θ) v Démonstration : Soit χ f (X ) le polynôme caractéristique de f et f O (E ). Si χ f (X ) est scindé dans R [X ] alors f est trigonalisable dans E et 3 cas de figures sont possibles : 1) Si χ f (X )=(X 1) (X 1) alors sp={1}, det =1 2 =1 et 1 dim(e 1 ) 2. Supposons par l'absurde que dim (E 1 )=1 alors dim ((E 1 ) )=1 car E=E 1 (E 1 ) et puisque E 1 est stable par f (comme tout sous-espace propre), son orthogonal (E 1 ) est aussi stable par f. Ainsi en choisissant { e' 1 E 1 {0 E } e' 2 (E 1 ) {0 E }, B' =(e' ; e' 1 2) est une base de E et λ R tel que ' = ( λ). Donc det =λ, or det =1 donc λ=1 d'où dim (E 1 )=2 ce qui est contradictoire avec l'hypothèse de départ. Ainsi dim (E 1 )=2 donc E 1 =E d'où : f =Id E. 2) Si χ f (X )=(X+1)(X+1) alors sp={ 1 }, det = 1 1= 1 et 1 dim(e 1 ) 2. On démontre par l'absurde que dim (E 1 )=1 est impossible. Donc dim (E 1 )=2 ainsi E 1 =E d'où : f = Id E. 3) Si χ f (X )=(X 1) (X+1 ) alors sp={ 1;1 }, det = 1 1 donc f SO (E ) et f est diagonalisable car son polynôme caractéristique est scindé et à racines simples. dim (E 1 )=1 alors dim ((E 1 ) )=1 car E=E 1 (E 1 ) et puisque E 1 est stable par f (comme tout sousespace propre), son orthogonal (E 1 ) est aussi stable par f. Soit { e' 1 E 1 {0 E } e' 2 (E 1 ) {0 E }, B' =(e' ; e' 1 2) est une base de E et λ R tel que ' = ( λ). Donc λ= 1 et (E 1 ) =E 1. Ainsi f est une réflexion de E. Si χ f (X ) est n'est pas scindé dans R [X ] alors il existe z C tel que: χ f (X )=(X z) (X z ) Ainsi det =z z= z 2 donc det =1. Soit B=(e 1 ;e 2 ) une base orthonormale de E alors =A= ( a b c d), A SO (2 ) {a 2 +c 2 =1 b 2 +d 2 =1 ab+cd =0 ad bc=1 (θ 1 ; θ 2 ) R 2 tel que Or { cos (θ 1 )cos (θ 2 )+sin (θ 1 )sin (θ 2 )=cos (θ 1 θ 2 ) cos (θ 1 )sin (θ 2 ) sin (θ 1 ) cos (θ 2 )=sin (θ 2 θ 1 ) A SO (2 ) (θ 1 ; θ 2 ) R 2 tel que donc θ 1 θ 2 = π 2 {( a; c )=(cos (θ 1 ); sin (θ 1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) cos (θ 1 θ 2 )=0 sin (θ 2 θ 1)=1 {( a; c )=(cos (θ 1 ); sin (θ 1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) cos (θ 1 )cos (θ 2 )+sin (θ 1 )sin (θ 2 )=0 cos (θ 1 )sin (θ 2) sin (θ 1) cos (θ 2)=1 [ π ] (θ 1 ; θ 2 ) R 2 tel que {( a; c )=(cos (θ1 ); sin (θ1 )) (b;d )=(cos (θ 2 ); sin (θ 2 )) θ 1 θ 2 = π 2 [π ] θ 2 θ 1 = π 2 [ 2π] Isométries d'un espace euclidien 9/18 pycreach.free.fr - TSI2

10 (θ 1 ; θ 2 ) R 2 tel que {( a; c )=(cos (θ1 ); sin (θ1 )) (b; d )=(cos (θ 2 ); sin (θ 2 )) θ 2 =θ 1 π 2 [π ] θ 2 =θ 1 + π 2 [2π ] θ R tel que A= ( cos (θ) sin (θ ) sin (θ) cos (θ ) ) Si θ=0 [2π ] alors A=Id 2 donc sp={1} ce qui est impossible par hypothèse. Si θ=π [2π ] alors A= Id 2 donc sp ={ 1 } ce qui est impossible par hypothèse. Soit u E, en notant (u )= ( x cos (θ ) sin (θ ) Soit v= y e 1 +x e 2 la famille ( 1 u u ; 1 u v ) P= 1 y y x ) on a :... x 2 + y 2 ( x y), on a Mat ( f (u ))= B ( sin (θ ) cos (θ) )( x y) =cos (θ ) ( x y) +sin (θ ) ( y v est unique car dim (vect ( u)) =1, 1 u v =1 et ( 1 u u ; 1 u v ) est une base orthonormale directe de E car en posant x ) base orthonormale indirecte de E. Remarques sur les rotations en dimension 2 : soit f une rotation d'angle θ 0 [π ] Quelle que soit la base B' =(e' 1 ; e' 2 ) orthonormale directe de E, f (e' 1 )=cos (θ)e' 1 +sin (θ )e' 2 De plus (e' 2 ; e' 1 ) est aussi une base orthonormale directe donc f (e' 2 )=cos (θ )e' 2 +sin (θ ) ( e' 1 ) Ainsi ' = Par ailleurs : u E, f (u )=cos (θ ) u +sin ( θ) v avec u et v orthogonaux donne : u f (u ) = Enfin en notant ' ( u)= ( x y) on a : det B' ( u, f ( u))= x x cos (θ) y sin ) y x sin (θ )+ y cos (θ) = x x cos ) y y cos (θ) + x y sin (θ ) y x sin (θ) = Remarques sur les réflexions : soit f une réflexion. u E, f (u+ f (u ))= donc u+ f ( u) E 1 f (u f (u ))= donc u f (u ) E 1 Isométries d'un espace euclidien 10/18 pycreach.free.fr - TSI2

11 Soient (E ; ) un espace euclidien de dimension 2 et f O (E ) Nature de f f =Id E ou rotation d'angle 0 [2π ] f = Id E ou rotation d'angle π f est la rotation d'angle θ 0 [π ] f est une réflexion par rapport à E 1 Spectre de f sp={1} sp={ 1 } sp= sp={ 1;1 } Déterminant de f Vecteurs invariants det =1 det =1 det =1 det = 1 E {0 E } {0 E } E 1 Droites stables Toutes les droites vectorielles de E Toutes les droites vectorielles de E E 1 et E 1 Matrice dans une base orthonormale Pour toute base B de E : = ( ) Pour toute base B de E : = ( ) Pour toute base B orthonormale directe de E : = ( cos (θ) sin (θ ) sin (θ) cos (θ ) ) Il existe une base B orthonormale de E telle que : = ( ) Trace Tr =2 Tr = 2 Tr =2cos (θ ) ] 2; 2[ Tr =0 Symétrie de la matrice dans une base orthonormale Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n'est pas symétrique. Pour toute base B orthonormale de E, est symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiqu es géométriques Remarque : u E, f (u )=u u E, f (u )= u u E, u f (u ) = u 2 cos (θ) Pour toute base orthonormale directe B de E : det B (u; f (u ))= u 2 sin (θ ) Si A M n (R ) est symétrique alors P O (n ), (P T A P) T =P T A T (P T ) T =P T A P donc P O (n ), P T A P est symétrique. u E, u+ f ( u) E 1 u f (u ) E 1 Si A M n (R ) est antisymétrique alors P O (n ), (P T A P) T =P T A T (P T ) T =P T ( A )P= P T A P donc P O (n ), P T A P est antisymétrique Isométries d'un espace euclidien 11/18 pycreach.free.fr - TSI2

12 Applications : soient ( i ; j ) une base orthonormale directe de E et les endomorphismes f et g définis par : { f ( i )=0,6 i +0,8 j, f ( j )= 0,8 i +0,6 j { g ( i )=0,6 i +0,8 j. Déterminer la nature de f et de g. g ( j )=0,8 i 0,6 j from sympy import * def nature(m): if M.equals(eye(2)): pprint(m) print(" est la matrice de l'identité dans n'importe quelle base.") elif M.equals(-eye(2)): pprint(m) print(" est la matrice de l'homothétie de rapport -1 dans n'importe quelle base.") else : Z=M*(M.transpose())-eye(2) if trace(z.transpose()*z)>10**-12: pprint(m) print(" n'est pas la matrice, dans une base orthonormale, d'une isométrie vectorielle. ") else : if abs(det(m)-1)<10**-12: if asin(m[1,0])>0: a=acos(m[0,0]) else : a=-acos(m[0,0]) pprint(m) print(" est la matrice, dans n'importe quelle base orthonormale directe, de la rotation d'angle "+str(a)) else : V=(M-eye(2)).nullspace() pprint(m) print(" est la matrice, dans une base orthonormale B, de la réflexion par rapport à ") print("la droite vectorielle dirigée par le vecteur dont les coordonnées dans la base B sont ") pprint(v) A=Matrix([[0.6,-0.8],[0.8,0.6]]) B=Matrix([[0.6,0.8],[0.8,-0.6]]) nature(a) nature(b) Image d'un vecteur par une isométrie vectorielle en dimension 2 : Soit r θ la rotation vectorielle d'angle θ : quel que soit le vecteur v : r θ ( v )=cos (θ ) v +sin (θ )r π ( v ) 2 Soit n un vecteur non nul et s ( vect ( n )) la réflexion par rapport à la droite vectorielle (vect ( n )), quel que soit le v n vecteur v : s ( vect ( n )) ( v )= v 2 n n 2 Isométries d'un espace euclidien 12/18 pycreach.free.fr - TSI2

13 Théorème de classification du groupe orthogonal en dimension 3 : soit (E ; ) un espace euclidien de dimension 3 et f O (E ). Si f SO (E ) alors 1 sp, il existe un )=( réel θ et une base B orthonormale directe de E telle que : ) ( f 0 cos (θ) sin (θ ) 0 sin (θ) cos (θ ) Si f O (E) alors 1 sp, il existe un )=( réel θ et une base B orthonormale directe de E telle que : ) ( f 0 cos (θ ) sin (θ) 0 sin (θ ) cos (θ ) Remarque : pour f O (E ) avec E de dimension 3, sp. Démonstration :Le polynôme caractéristique de f, χ f (X ) R 3 [X ] et χ f (X )=X 3 +Q ( X ) avec Q (X ) R 2 [X ] donc lim P f ( x )= et lim P f ( x )= x + x De plus toute fonction polynomiale étant continue sur R, l'équation χ f (x )=0 admet au moins une solution réelle α. Les racines de χ f (X ) sont les valeurs propres de f. Ainsi, f étant un endomorphisme orthogonal, on a : α=±1. Si χ f (X ) est scindé dans R [X] alors, ou bien χ f (X )=(X 1) 3 donc det = ou bien χ f (X )=(X 1) 2 ( X+1) donc det = ou bien χ f (X )=(X 1) (X+1 ) 2 donc det = ou bien χ f (X )=(X+1) 3 donc det = Si χ f (X ) n'est pas scindé dans R [X], soit β C R tel que χ f (β)=0 alors χ f (β)=0 or χ f (X ) R[ X ] donc χ f (β)=0 donc χ f (X )=(X α) (X β)(x β) donc det =α β 2, ainsi det est du signe de α. Ainsi, si f SO (E ), alors 1 sp or E 1 est stable par f donc (E 1 ) est stable par f. Soit e 1 un vecteur unitaire de E 1 et (e 2 ; e 3 ) une base orthonormée de (E 1 ) alors quitte éventuellement à )=( 1 0 d) 0 échanger e 2 et e 3, la famille (e 1 ;e 2 ;e 3 ) est une base orthonormale directe de E et ( f 0 a b 0 c Or la restriction de f à (E 1 ), f (E1 ) : (E ( f 1 )) (E 1 ) est une isométrie vectorielle sur un espace vectoriel de dimension 2 donc ( a b O ( 2). c d) De plus det = a b 0 c d = a b c d et comme det =1, a b c d =1 d'où ( a b Donc, il existe θ R tel que ( a b c d) = cos (θ ) sin (θ) ( sin (θ ) cos (θ ) ). c d) SO ( E) De façon analogue, si f O ( E) alors 1 sp or E 1 est stable par f donc (E 1 ) est stable par f. Soit e 1 un vecteur unitaire de E 1 et (e 2 ; e 3 ) une base orthonormée de (E 1 ) alors quitte éventuellement à )=( 1 0 d) 0 échanger e 2 et e 3, la famille (e 1 ;e 2 ;e 3 ) est une base orthonormale de E et ( f 0 a b 0 c Or la restriction de f à (E 1 ), f (E 1 ) : (E ( f 1 )) (E 1 ) est une isométrie vectorielle sur un espace vectoriel de dimension 2 donc ( a b O ( 2). c d) De plus det = a b 0 c d = a b c d et comme det = 1, a b c d =1 d'où ( a b c d) SO ( E) Donc, il existe θ R tel que ( a b c d) = cos (θ ) sin (θ) ( sin (θ ) cos (θ ) ). )=( Remarque : dans les deux cas en notant B=(e 1, e 2 ;e 3 ) pour tout u E en notant (u x z) y, on a : det B (e 1 ; u; f (u ))= 1 x ±x 0 y ycos (θ ) z sin (θ ) 0 z y sin (θ )+ z cos (θ) = y y cos (θ ) z z cos (θ) + y z sin (θ) z ysin (θ ) =( y 2 +z 2 )sin (θ) Isométries d'un espace euclidien 13/18 pycreach.free.fr - TSI2

14 Soient (E ; ) un espace euclidien de dimension 3 et f SO (E ) Nature de f f =Id E ou rotation d'angle 0 [2π ] f est un retournement (i.e. une rotation d'angle π [2 π] ) d'axe E 1 f est une rotation d'angle θ 0 [π ] et d'axe orienté par un vecteur unitaire e 1 Spectre et det de f sp={1} et det =1 sp={ 1;1 } et det =1 sp={1} et det =1 Vecteurs invariants E E 1 axe du retournement E 1 axe de la rotation Droites stables Toutes les droites vectorielles de E E 1 et toutes les droites vectorielles de E 1 E 1 Matrice dans une base orthonormale Pour toute )=( base B de E : ) ( f Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale de E avec e 1 E 1 et (e 2 ;e 3 ) base de E 1 alors : )=( ( f ) Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale directe de E avec e 1 E 1 et (e 2 ;e 3 ) base de (E 1 ) : )=( ) ( f 0 cos (θ) sin (θ ) 0 sin (θ) cos (θ ) Trace Tr =3 Tr = 1 Tr =1+2cos (θ) ] 1; 3[ Symétrie de la matrice dans une base orthonormale Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n' est pas symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiques géométriques u E, f (u )=u u E, u+ f ( u) E 1 u E, u f (u ) E 1 u (E 1 ), u f (u ) = u 2 cos (θ) Dans toute base B orthonormale directe de E, u E, det B (e 1,u; f ( u)) est du signe de sin (θ ) Isométries d'un espace euclidien 14/18 pycreach.free.fr - TSI2

15 Soient (E ; ) un espace euclidien de dimension 3 et f O (E) Nature de f f = Id E f est une réflexion par rapport à E 1 f est la composée commutative d'une réflexion par rapport (vect (e 1 )) et d'une une rotation d'angle θ 0 [π ] et d'axe orienté par le vecteur unitaire e 1 Spectre et det de f sp={ 1 } et det = 1 sp={ 1;1 } et det = 1 sp={ 1 } et det = 1 Vecteurs invariants E 1 Droites stables Toutes les droites vectorielles de E E 1 et toutes les droites vectorielles de E 1 E 1 Matrice dans une base orthonormale Pour toute )=( base B de E : ( f ) Si B=(e 1 ;e 2 ; e 3 ) est une base orthonormale de E avec e 1 E 1 et (e 2 ; e 3 ) base de E 1 alors : )=( ) ( f Si B=(e 1 ; e 2 ; e 3 ) est une base orthonormale directe de E avec e 1 E 1 et (e 2 ;e 3 ) base de (E 1 ) alors : =( cos (θ ) sin (θ) 0 sin (θ ) cos (θ ) ) Trace Tr = 3 Tr =1 Tr = 1+2cos (θ ) ] 3;1[ Symétrie de la matrice Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, est symétrique. Pour toute base B orthonormale de E, n'est pas symétrique. Représentation dans le plan vectoriel euclidien muni d'une base orthonormale directe ( i ; j ) Caractéristiques géométriques u E, f (u )= u u E, u+ f (u) E 1 u E, u f (u ) E 1 u (E 1 ), u f (u ) = u 2 cos (θ) Dans toute base B orthonormale directe de E, u E, det B (e 1,u; f ( u)) est du signe de sin (θ ) Isométries d'un espace euclidien 15/18 pycreach.free.fr - TSI2

16 Applications : Soient ( i ; j ; k ) une base orthonormale directe de E et l' endomorphisme f défini par : { f ( i )=0,48 i +0,6 j +0,64 k f ( j )=0,8 i 0,6 k f ( k )= 0,36 i +0,8 j 0,48 k Déterminer la nature de f et de f from sympy import * def supplementaire_orthogonal(c): if C[0]!=0 : C1=Matrix([[C[1]],[-C[0]],[0]]) elif C[1]!=0 : C1=Matrix([[0],[C[2]],-C[1]]) else : C2=Matrix([[1],[0],[0]]) C1=C1/sqrt(C1.dot(C1)) C2=C.cross(C1) return C1,C2 def angle(c,u,v): t=acos(u.dot(v)) if C.dot(U.cross(V))>=0: return t else: return -t def nature(m): pprint(m) if M.equals(eye(3)) : print(" est la matrice, dans n'importe quelle base, de l'identité.") elif M.equals(-eye(3)) : print(" est la matrice, dans n'importe quelle base, de l'homothétie de rapport -1.") else: Z=M*(M.transpose())-eye(3) if trace(z.transpose()*z)>10**-12: print("n'est pas la matrice, dans une base orthonormale, d'une isométrie vectorielle.") else : if det(m)==1 : C1=((M-eye(3)).nullspace())[0] C1=C1/sqrt(C1.dot(C1)) if M.equals(M.transpose()): print("est la matrice, dans une base orthonormale B, d'un retournement dont l'axe") print("est dirigé par le vecteur unitaire dont les coordonnées dans la base B sont:") pprint(c1) else : C2,C3=supplementaire_orthogonal(C1) a=angle(c1,c2,m*c2) print("est la matrice, dans une base orthonormale B, d'une rotation r d'angle"+str(a)+" radians ") print("selon l'axe orienté par le vecteur unitaire dont les coordonnées dans la base B sont:") pprint(c1) print("le plan globalement invariant par r est engendré par les deux vecteurs unitaires dont les coordonnées dans la base B sont:") pprint([c2,c3]) else : C1=((M+eye(3)).nullspace())[0] C1=C1/sqrt(C1.dot(C1)) C2,C3=supplementaire_orthogonal(C1) if M.equals(M.transpose()): print("est la matrice, dans une base orthonormée B, de la réflexion par rapport au plan") print("admettant pour base orthonormale les vecteurs dont les coordonnées dans la base B sont :") pprint([c2,c3]) else : a=angle(c1,c2,m*c2) print("est la matrice, dans une base orthonormale B, de la composée commutative de " ) print("la réflexion s et de la rotation r définies de la façon suivante.") print("la rotation r est d'angle "+str(a)+" radians selon l'axe orienté") print("par le vecteur unitaire dont les coordonnées dans la base B sont :") pprint(c1) print("la réflexion s est la réflexion par rapport au plan admettant pour base") print("orthonormale les vecteurs dont les coordonnées dans la base B sont :") pprint([c2,c3]) A=Matrix([[48,80,-36],[60,0,80],[64,-60,-48]])*1/100 nature(a) nature(-a) Isométries d'un espace euclidien 16/18 pycreach.free.fr - TSI2

17 Isométries d'un espace euclidien 17/18 pycreach.free.fr - TSI2

18 Image d'un vecteur par une isométrie vectorielle en dimension 3 : soit un espace vectoriel euclidien E de dimension 3 et n un vecteur unitaire de E : Soit r θ, n la rotation vectorielle d'angle θ et d'axe dirigé par le vecteur n : quel que soit le vecteur v, r θ, n ( v )= v n n +cos (θ )( v v n n )+sin (θ ) n v Soit s θ, n la composée de la rotation vectorielle d'angle θ et d'axe dirigé par le vecteur n avec la réflexion par rapport à (vect ( n )) : quel que soit le vecteur v, s θ, n ( v )= v n n +cos (θ )( v v n n )+sin (θ ) n v Démonstration : v =( v n n ) +( v v n n ) vect ( n ) ( vect ( n )) Or n ( v v n n )= n v donc n v = n v v n n = v v n n 4. Matrices symétriques réelles Propriété d'orthogonalité des sous-espaces propres d'une matrice symétrique réelle : Soit A M n (R ), et deux réels λ et μ. Si A est symétrique, {λ ; μ} sp (A ) et λ μ alors les sous-espaces propres E λ ( A ) et E μ ( A ) sont orthogonaux dans M n,1 (R) muni de son produit scalaire euclidien canonique. Démonstration : Si A est symétrique, alors (X ; X' ) M n,1 (R) : AX X' =(AX ) T X'=X T A T X' =X T A X'= X AX' Soit {λ ; μ} sp (A ) tel que λ μ X E λ ( A ) et X' E μ ( A ) alors : { AX=λ X AX' =μ X' Donc λ X X' = X μ X' (λ μ) X X' =0 X X' =0 car λ μ 0. Théorème spectral : Soit une matrice A M n (R ). Si A est symétrique alors il existe une matrice diagonale D et une matrice orthogonale P telle que D=P T A P Principe de la démonstration : on construit par récurrence une base orthonormale de vecteurs propres de A : chaque sousespace propre admet une base orthonormale (cf Gram-Schmidt) les sous-espaces propres sont orthogonaux deux à deux. Exemples : Soit A=( 1 2 9) , deux matrices colonnes formant une famille libre sont clairement dans Ker ( A ) 3 6 0,1 0,1 0,7 Soit B=(0,7 0,1 0,7 0,7 0,1, B est à la fois symétrique et orthogonale donc... 0,1 0,7 0,7 0,1 0,7 0,1 0,1 0,7) Isométries d'un espace euclidien 18/18 pycreach.free.fr - TSI2

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

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

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

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

Plus en détail

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

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

Plus en détail

C) Fiche : Espaces vectoriels.

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

Plus en détail

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

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

Plus en détail

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

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

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

Groupe orthogonal en petite dimension

Groupe orthogonal en petite dimension Maths PCSI Cours Groupe orthogonal en petite dimension Table des matières 1 Généralités 1.1 Rappels et définitions........................................ 1. Premières propriétés.........................................

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

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

1.3 Produit matriciel

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

Plus en détail

Fiche Méthode 11 : Noyaux et images.

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

Plus en détail

Algèbre Linéaire. Victor Lambert. 24 septembre 2014

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

Plus en détail

1 Notion d espace vectoriel

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

Plus en détail

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

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

Plus en détail

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6 Table des matières -1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes.......................................... 5 2 Anneaux.......................................... 5 3 Corps...........................................

Plus en détail

Applications linéaires

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

Plus en détail

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f Université Lyon 1 Algèbre générale S.P. Groupes III I. Groupe symétrique et géométrie. On se donne un ensemble E (souvent un espace euclidien ou une partie de cet espace) et une bijection f : E E (souvent

Plus en détail

en utilisant un point-virgule.

en utilisant un point-virgule. 6 Chapitre Chapitre 6. Géométrie analytique Ce chapitre présente les possibilités de votre calculatrice dans le domaine de la géométrie analytique, tout particulièrement pour les problèmes liés aux espaces

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

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

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

Cours Diagonalisation

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

Plus en détail

Applications des nombres complexes à la géométrie

Applications des nombres complexes à la géométrie Chapitre 6 Applications des nombres complexes à la géométrie 6.1 Le plan complexe Le corps C des nombres complexes est un espace vectoriel de dimension 2 sur R. Il est donc muni d une structure naturelle

Plus en détail

Rappels sur les applications linéaires

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

Plus en détail

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

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

Plus en détail

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

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1 Algèbre 2, Cours de deuxième année de l Université de Bordeaux 1 1 Institut de Mathématiques Bordeaux, UMR 5251 du CNRS, Université de Bordeaux, 351 cours de la Libération, F33405 Talence Cedex, France

Plus en détail

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

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

Plus en détail

Applications Bilinéaires et Formes Quadratiques

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

Plus en détail

\documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath}

\documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath} \documentclass[a4paper,12pt]{book}\usepackage{setspace}\usepackage{amsmath} \usepackage{amstext}\usepackage{amsthm}\usepackage{mfpic}\usepackage{graphics} \usepackage{rotating}\input{macro}\definecolor{yellowgreen}{rgb}{0.68,1,0.15}

Plus en détail

19. APPLICATIONS LINÉAIRES

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

Plus en détail

Applications linéaires

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

Plus en détail

E3A PC 2009 Math A. questions de cours. t C). On véri e que

E3A PC 2009 Math A. questions de cours. t C). On véri e que E3A PC 29 Math A questions de cours. Soit C 2 M 3 (R) Analyse : Si C = S + A, S 2 S 3 (R) et A 2 A 3 (R) alors t C = t S + t A = S A d où S = 2 (C +t C) et A = 2 (C t C). L analyse assure l unicité (sous

Plus en détail

I OBJECTIFS DE FORMATION

I OBJECTIFS DE FORMATION CLASSE DE DEUXÈME ANNÉE MP OBJECTFS DE FORMATON ET PROGRAMME DE MATHÉMATQUES OBJECTFS DE FORMATON 1) Objectifs généraux de la formation Dans la filière Mathématiques et Physique, les mathématiques constituent

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1 [http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble

Plus en détail

Espaces vectoriels de dimension finie

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

Plus en détail

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

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

Plus en détail

Algèbre linéaire et géométrie pour le CAPES 1. Olivier DEBARRE. 1 Version très préliminaire

Algèbre linéaire et géométrie pour le CAPES 1. Olivier DEBARRE. 1 Version très préliminaire Algèbre linéaire et géométrie pour le CAPES 1 Olivier DEBARRE 1 Version très préliminaire Table des matières Chapitre 1. Espaces vectoriels et applications linéaires 5 1. Définitions 5 2. Applications

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Rapport sur l oral de mathématiques 2009

Rapport sur l oral de mathématiques 2009 Rapport sur l oral de mathématiques 2009 Oral spécifique E.N.S. Paris : Thomas Duquesne Oral commun Paris-Lyon-Cachan : Romain Abraham, Sorin Dumitrescu, Philippe Gille. 1 Remarques générales sur la session

Plus en détail

UNIVERSITÉ DE POITIERS

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

Plus en détail

0 0 0 0 1 0 0 1 0 0 0 A = B =

0 0 0 0 1 0 0 1 0 0 0 A = B = 2 ALGÈBRE Exercice 2.1. Soit n un entier supérieur ou égal à 2 et A, B les deux matrices de M n (R) définies par : 0 0 0 0 1 0 0 0 0... 0 1 0 0 0 A =.......... B = 0 0... 0 0 0...... 0 0 0 1. Déterminer

Plus en détail

Espaces vectoriels et applications linéaires

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

Plus en détail

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

Plus en détail

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation )

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Introduction : On se place dans plan affine euclidien muni

Plus en détail

1 Espaces vectoriels, compléments

1 Espaces vectoriels, compléments CHAPITRE 1 Espaces vectoriels, compléments Sommaire 1 Somme directe... 3 1.1 Somme... 3 1.2 Somme directe... 3 1.3 Supplémentaire... 4 1.4 Cas de la dimension finie... 4 2 Décomposition de E en somme directe...

Plus en détail

ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE. - Notes de cours et de travaux dirigés - PHILIPPE MALBOS

ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE. - Notes de cours et de travaux dirigés - PHILIPPE MALBOS UNIVERSITÉ CLAUDE BERNARD LYON Licence Sciences, Technologies, Santé Enseignement de mathématiques des parcours Informatique ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE - Notes de cours et de travaux

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

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

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

Plus en détail

Chapitre 7. Polynômes I.

Chapitre 7. Polynômes I. Université de la Nouvelle Calédonie. Licence de Mathématiques. Semestre 3. Eric Edo et Bianca Travain. Programme 0-06. Polycopié d Algèbre 3 Ce cours est la suite des cours d Arithmétique et d Algèbre.

Plus en détail

APPLICATIONS LINÉAIRES

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

Plus en détail

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

: 3 si x 2 [0; ] 0 sinon

: 3 si x 2 [0; ] 0 sinon Oral HEC 2007 Question de cours : Dé nition d un estimateur ; dé nitions du biais et du risque quadratique d un estimateur. On considère n (n > 2) variables aléatoires réelles indépendantes X 1,..., X

Plus en détail

1 Programme de Colles : Espaces vectoriels.

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

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

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 : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

1 Diagonalisation des endomorphismes auto-adjoints, en dimension finie

1 Diagonalisation des endomorphismes auto-adjoints, en dimension finie Annette Paugam Diagonalisation des auto-adjoints Applications aux formes quadratiques : Directions principales Applications en Géométrie, en Statistique et en Mécanique Les paragraphes, 2, 3 donnent un

Plus en détail

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

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

Plus en détail

Travaux dirigés avec SAGE (partie III)

Travaux dirigés avec SAGE (partie III) Math 3 Année 2010-2011 Sommaire 1 Vecteurs et matrices 2 1.1 Construction, opérations élémentaires............................. 2 1.1.1 Vecteurs.......................................... 2 1.1.2 Matrices..........................................

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 : économique et commerciale Option : Scientifique (ECS) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées.

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées. Université Claude Bernard Lyon I Agrégation de Mathématiques : Algèbre & géométrie Année 2006 2007 Applications affines A ne pas rater Définition et caractérisations des applications affines, en particulier

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

Préparation à l Agrégation de Mathématiques

Préparation à l Agrégation de Mathématiques UNIVERSITÉ DE POITIERS Mathématiques Agrégation 2008/2009 Paul Broussous Préparation à l Agrégation de Mathématiques Algèbre linéaire Réduction des endomorphismes 1 Avant Propos Nous supposerons connues

Plus en détail

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012.

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012. Université Paris 6 Année universitaire 011-01 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 1 mai 01 Exercice 1 Questions de cours Soit G un groupe fini et soit p un nombre

Plus en détail

Nombres complexes et géométrie euclidienne

Nombres complexes et géométrie euclidienne 19 Nombres complexes et géométrie euclidienne Le corps C des nombres complexes est supposé construit voir le chapitre 7. On rappelle que C est un corps commutatif et un R-espace vectoriel de dimension,

Plus en détail

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i )))

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i ))) A) APPLICATIONS LINÉAIRES REM : dans ce cours,e,f etgdésignent desk-espaces vectoriels. I) GÉNÉRALITÉS. 1) Définition. DEF : Soit f une application de E dans F ; on dit que f est K-linéaire (ou que c est

Plus en détail

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Algèbre Linéaire Bachelor ère année 28-29 Sections : Matériaux et Microtechnique Support du cours de Dr Lara Thomas Polycopié élaboré par : Prof Eva Bayer Fluckiger

Plus en détail

Mathématiques autour de la cryptographie.

Mathématiques autour de la cryptographie. Mathématiques autour de la cryptographie. Index Codage par division Codage série Code cyclique Code dual Code linéaire Corps de Galois Elément primitif m séquence Matrice génératrice Matrice de contrôle

Plus en détail

Espace vectoriel de dimensions finies MPSI

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

Plus en détail

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

Géométrie et Infographie. J-L.Maltret

Géométrie et Infographie. J-L.Maltret L2 Mathématiques-Informatique 2006-2007 Géométrie et Infographie J-L.Maltret Jean-Louis.Maltret@lumimath.univ-mrs.fr Géométrie et Infographie 2006-2007 J-L.Maltret 2 Table des matières 1 Introduction 4

Plus en détail

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

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

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie, physique, chimie (TPC) Discipline : Mathématiques Seconde année Classe préparatoire TPC deuxième année

Plus en détail

Table des matières. Applications linéaires.

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

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

Université Joseph Fourier MAT231 2008-2009

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

Plus en détail

CHAPITRE 6 Les vecteurs

CHAPITRE 6 Les vecteurs A/ Vecteurs Cours de Mathématiques Classe de Seconde Chapitre 6 Les Vecteurs CHAPITRE 6 Les vecteurs 1) Définition et exemples a) Définition Soient deux points A et B. On appelle vecteur AB "la flèche"

Plus en détail

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité Introduction à l analyse des données Analyse des Données () Le but de l analyse de données est de synthétiser, structurer l information contenue dans des données multidimensionnelles Deux groupes de méthodes

Plus en détail

1S Modèles de rédaction Enoncés

1S Modèles de rédaction Enoncés Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Analyse des données et algèbre linéaire

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

Plus en détail

Cours 2-3 Analyse des données multivariées

Cours 2-3 Analyse des données multivariées Cours 2-3 des données s Ismaël Castillo École des Ponts, 13 Novembre 2012 Plan 1 2 3 4 1. On s intéresse à un jeu de données multi-dimensionel, avec n individus observés et p variables d intérêt ( variables

Plus en détail

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

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

Plus en détail

Capes 2002 - Première épreuve

Capes 2002 - Première épreuve Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série

Plus en détail

Programme de la classe de première année MPSI

Programme de la classe de première année MPSI Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire

Plus en détail

Partie I. Les données quantitatives

Partie I. Les données quantitatives Variables quantitatives : analyse en composantes principales Jean-Marc Lasgouttes https://whorocqinriafr/jean-marclasgouttes/ana-donnees/ Partie I Les données quantitatives Description de données quantitatives

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

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

Plus en détail

Devoir à la maison : correction

Devoir à la maison : correction Calcul différentiel 2 Sous-variétés : bilan Devoir à la maison : correction Exercice 1. Un exemple de sous-variété : les structures complexes Soit E un R-espace vectoriel. Montrer que la donnée d une structure

Plus en détail

Cours d'algèbre linéaire, 2 ème année d'université.

Cours d'algèbre linéaire, 2 ème année d'université. Cours d'algèbre linéaire, 2 ème année d'université. Gérard Letac 1 1 Laboratoire de Statistique et Probabilités, Université Paul Sabatier, 31062, Toulouse, France 2 Ceci est le cours d'algèbre linéaire

Plus en détail

Espaces vectoriels et applications

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

Plus en détail

Mathématiques MPSI. Pierron Théo. ENS Ker Lann

Mathématiques MPSI. Pierron Théo. ENS Ker Lann Mathématiques MPSI Pierron Théo ENS Ker Lann 2 Table des matières I Algèbre 1 1 Ensembles 3 1.1 Vocabulaire général........................ 3 1.2 Opérations sur les parties d un ensemble............ 4

Plus en détail

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

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

Plus en détail