2010/2011. Espaces vectoriels

Dimension: px
Commencer à balayer dès la page:

Download "2010/2011. Espaces vectoriels"

Transcription

1 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 0. Exercice 1. Soit K un corps commutatif, montrer que l ensemble K[X] des polynômes à coefficients dans K est un espace vectoriel sur K. Montrer que K[X] est de dimension infinie et en donner une base. Exercice. Soit F(R) l ensemble des fonctions numériques définies sur R. 1. Vérifier que F(R) est un espace vectoriel de dimension infinie sur R.. On note I(R) et P(R) les sous-ensembles des fonctions impaires et des fonctions paires de F(R). Vérifier que I(R) et P(R) sont des sous-espaces vectoriels de F(R). Montrer que F(R) = I(R) P(R). Exercice 3. Projections. Soit E 1 et E deux sous-espaces supplémentaires d un espace vectoriel E. On appelle projection sur E 1 parallèlement à E l application p 1 : E 1 E E 1 x = x 1 + x x 1 On définit de même p la projection sur E parallèlement à E a. Montrer que p 1 L(E) et que Ker p 1 = E, Imp 1 = E 1. Montrer que p 1 p 1 = p 1 et que E 1 est l ensemble des éléments de E invariants par p 1. b. Montrer que p 1 + p = Id E et que p 1 p = p p 1 = 0 L(E). c. On suppose dans cette question que E est de dimension finie. En choisissant une base adaptée de E, donner une matrice simple de p 1.. a. Soit p un élément de L(E) tel que p p = p. Montrer que E = Ker p Im p et que p est la projection sur Im p parallèlement à Ker p. b. Montrer que q = Id E p est la projection sur Ker p parallèlement à Im p. c. Montrer que p L(E) est une projection si et seulement si pour tout x E, x p(x) Ker p. Exercice 4. Symétries. Soit E un espace vectoriel sur K (K = R ou C). Soit E 1 et E deux sous-espaces vectoriels supplémentaires de E. On note p 1 la projection sur E 1 parallèlement à E. On appelle symétrie par rapport à E 1 parallèlement à E l application s 1 = p 1 Id. 1. a. Exprimer s 1 (x). Montrer que s 1 est involutive et donc bijective. Montrer que E 1 = {x E; s 1 (x) = x} et que E = {x E; s 1 (x) = x}. b. On suppose E de dimension finie. Donner une base de E dans laquelle la matrice de s 1 est simple. c. On note s la symétrie par rapport à E parallèlement à E 1. Montrer que s 1 s = s s 1 = Id.. Soit g L(E) involutive. Soit E 1 = {x E; g(x) = x} et E = {x E; g(x) = x}. Montrer que E 1 et E sont des sous-espaces vectoriels supplémentaires de E. Montrer que g est une symétrie et préciser ses sous-espaces caractéristiques. 3. Application : donner un supplémentaire dans R 3 de l espace vectoriel engendré par ı + j + k où ( ı, j, k) est une base de R 3. Exprimer dans cette base les matrices des symétries correspondantes. Exercice 5. Soit E un espace vectoriel et f L(E). 1. Montrer que si pour tout x E, (x, f(x)) est une famille liée alors f est une homothétie.. Montrer que f commute avec tout élément de L(E) si et seulement si f est une homothétie. Exercice 6. que : Soit E, F, G trois espaces vectoriels de dimensions finies ; f L(E, F ) et g L(F, G). Montrer 1. dim Ker (g f) dim Ker g + dim Ker f.. rang f + rang g dim F rang (g f) min(rang f, rang g) 1

2 Exercice 7. Soit E un espace vectoriel et u L(E). Montrer que u = 0 si et seulement si Imu Ker u. Exercice 8. Soit E un espace vectoriel et f L(E). 1. Montrer que Ker f Ker f, Im f Im f. Montrer que Ker f = Ker f si et seulement si Im f Ker f = {0 E }. On suppose que E est de dimension finie. Montrer l équivalence des propositions suivantes : (i) E = Im f Ker f (ii) Ker f = Ker f (iii) Im f = Im f Exercice 9. Soit E un espace vectoriel de dimension et f L(E). Montrer l équivalence des propositions suivantes : (i) La somme Im f + Ker f n est pas directe (ii) Im f = Ker f (iii) f 0 et f f = 0 Exercice 10. Soit E un espace vectoriel et E son dual. Soit A un sous-espace vectoriel de E, on appelle orthogonal de A dans E, l ensemble A = {φ E, x A, φ(x) = 0}. De même soit B un sous-espace vectoriel de E, on appelle orthogonal de B dans E l ensemble B = {x E, φ B, φ(x) = 0}. Soit f L(E, F ), on appelle transposée de f et on note t f l application de F dans E définie par : pour tout φ F, t f(φ) = φ f. 1. a. Vérifier que A et B sont respectivement des sous-espaces vectoriels de E et E. Montrer que A A. b. Vérifier que t f est une application linéaire c. Soit (e i ) i I une base de E. On définit pour tout i I, e i E par { e 1 si i = j i (e j ) = 0 si i j Montrer que (e i ) i I est une partie libre de E. d. Soit u une application de E dans E définie par : pour tout x E, u(x) est l application de E dans K telle que pour tout y E, u(x)(y ) = y (x). Montrer que u est linéaire et injective.. On suppose dans cette question que E est de dimension infinie. a. Montrer que (e i ) i I n est pas une partie génératrice de E. On pourra considérer f E définie par f(e i ) = 1, pour tout i I. b. Montrer que u n est pas surjective. On pourra considérer g E telle que g(e i ) = 1, pour tout i I. 3. On suppose maintenant que E est de dimension finie. a. Montrer que (e i ) i I est une base de E. En déduire que dim E = dim E = dim E. b. Montrer que u est un isomorphisme de E sur E. c. Soit H un sous-espace vectoriel de E, montrer que dim H + dim H = dim E. Montrer que H = H. Exercice 11. Soit P 4 l espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal à 4. On note O q, q 4, le sous-espace vectoriel de P 4 des polynômes d ordre supérieur ou egal à q (l ordre d un polynôme est le plus petit i tel que le coefficient de X i est non nul). Soit P un polynôme de P 4, on note : X T (P ) = XP (0) 1/0X 5 P (4) (0) + t [P (t + 1) P (t) P (t)]dt 0 1. Montrer que T est une application linéaire. On pose e 0 = 1, e 1 = X, e = X, e 3 = X 3, e 4 = X 4. Vérifier qu on obtient ainsi une base de P 4. Montrer que T (P 4 ) P 4. On a donc T L(P 4 ).. Déterminer T (O 3 ), T (O ) et Ker T O. 3. Montrer que ImT = (O 1 P 1 ) O 3. Déterminer le rang de T. Montrer qu il existe un sous-espace vectoriel de P 4, V tel que Ker T = (O 1 P 1 ) V. Déterminer Ker T ImT. 4. On cherche un vecteur u non nul de O 3 tel qu il existe λ R, T (u) = λu. Montrer qu il existe deux valeurs possibles de λ : 0 < λ 1 < λ Trouver deux vecteurs non nuls u 3 et u 4 de O 3 tels que T (u 3 ) = λ 1 u 3 et T (u 4 ) = λ u On pose u 0 = e 1, u 1 = e 4e 3 + 3e 4, u = e 0. Montrer que (u 0, u 1, u, u 3, u 4 ) est une base de P 4. Ecrire la matrice de T dans cette base.

3 1 Solutions 1 Il est clair, d après la définition des polynômes (voir chapitre Polynômes) que K[X] est un espace vectoriel sur K. Par définition la famille (X i ) i N est génératrice de K[X]. Supposons que l on puisse en extraire une sous-famille B finie génératrice. Soit N le degré maximal des éléments de B. Tout élément de K[X] est combinaison linéaire des éléments de B et est donc de degré inférieur à N. Considérons alors l élément de K[X] : X N+1. Il est clair que X N+1 n est pas combinaison linéaire des éléments de B. 1. Il est facile de vérifier que F(R) est un espace vectoriel sur R. Considérons la famille de fonctions numériques (δ x ) x R, définie par : { δx (x) = 1 δ x (y) = 0 si y x Montrons que cette famille infinie est libre, on aura alors prouvé que F(R) est de dimension infinie. Soit (x i ) i I et (λ i ) i I deux familles finies de réels. Supposons i I λ iδ xi = 0. En appliquant cette fonction à chaque x i, on obtient, λ i = 0 pour tout i I. La famille est donc libre et F(R) est de dimension infinie.. On vérifie facilement que I(R) et P(R) sont des sev. de F(R). C est une astuce classique. Soit f une fonction numérique. On vérifie que la fonction f 1 définie par f 1 (x) = f(x)+f( x) est paire et de même que la fonction f (x) = f(x) f( x) est impaire. On a clairement f = f 1 + f. La somme est par ailleurs directe car seule la fonction nulle est à la fois paire et impaire a. Il est immédiat de vérifier que p 1 est linéaire. Soit x = x 1 +x la décomposition de x selon les sous-espaces supplémentaires E 1 et E. On a x Ker p 1 x 1 = 0 x E. Par suite Ker p 1 = E. Par définition, Im p 1 E 1. De plus, x E 1 x = x 1 = p 1 (x). Donc Imp 1 = E 1. Nous avons montré au passage que E 1 est l ensemble des vecteurs invariants par p 1. On a p 1 p 1 (x) = p 1 (x 1 ) = x 1 = p 1 (x). Donc p 1 p 1 = p 1. b. On a, avec les mêmes notations que ci-dessus, p 1 + p (x) = x 1 + x = x. Donc p 1 + p = Id E. De même, p 1 p (x) = p 1 (x ) = 0 et p p 1 (x) = p (x 1 ) = 0. D où le résultat voulu. c. La base que suggère l énoncé est évidemment une base suivant la décomposition E = E 1 E. On choisit donc une base de E, (e 1,, e q, e q+1, e n ) telle que (e 1,, e q ) est une base de E 1 et (e q+1,, e n ) une base de E. On a immédiatement la forme de la matrice de p 1 dans cette base : c est une matrice diagonale dont les q premiers éléments diagonaux sont égaux à 1 et les n q suivants égaux à 0.. a. On a pour tout x de E, x = p(x) + x p(x). Notons x 1 = p(x) et x = x p(x). Il est clair que x 1 Im p. De plus, p(x ) = p(x) p(p(x)) = 0, par hypothèse. On a donc bien E = Imp + Ker p. De plus, si x Imp Ker p, alors il existe y tel que x = p(y) et 0 = p(x) = p(p(y)) = p(y) = x, par suite on a la somme directe E = Imp Ker p. Par unicité de la décomposition de x selon la somme directe on a x 1 = p(x), et p est bien la projection sur Im p parallèlement à Ker p. b. On a q(x) = x p(x), donc par le même argument que précédemment q est la projection sur Ker p parallèlement à Im p. c. Si p est une projection on a immédiatement p(x p(x)) = p(x) p(x) = 0. Réciproquement, si pour tout x, p(x p(x)) = 0 alors p p = p et la question.1 permet de conclure que p est une projection a. Soit x E, on écrit comme dans l exercice précédent x = x 1 + x où x 1 E 1 et x E. Par définition, s 1 (x) = x 1 x, d où s 1 (s 1 (x)) = x 1 ( x ) = x, s 1 est donc involutive. Profitons de cet exercice pour vérifier que toute involution f est une bijection. La surjectivité est immédiate puisque x = f(f(x)) ; pour l injectivité si f(x) = f(y) alors f(f(x)) = f(f(y)) i.e. x = y. Il est immédiat que E 1 est l ensemble des invariants de s et que E est l ensemble des vecteurs transformés en leur opposé. b. En choisissant une base de E adaptée à la somme directe E = E 1 E, on obtient dans cette base la matrice de s 1 qui est diagonale. Soit q = dime 1, alors les q premiers éléments de la diagonale sont égaux à 1 et les n q suivants égaux à 1. c. On a, par définition s (x) = x x 1, par suite s 1 (s (x)) = s 1 ( x 1 + x ) = x 1 x = x. De meme s (s 1 (x)) = s (x 1 x ) = x 3

4 . On peut écrire x = x+g(x) + x g(x). Comme g est involutive, on a bien x+g(x) E 1 et x g(x) E. Par suite E = E 1 + E. Il est clair que tout élément de E 1 E est nul, la somme est donc directe. On a de plus g(x) = x+g(x) x g(x), g est donc la symétrie par rapport à E 1, parallèlement à E. 3. On peut choisir par exemple E = R ı R j comme supplémentaire de E 1 = R( ı+ j+ k) (il y en d autres, par exemple R ı R k). Notons s 1 et s respectivement les symétries par rapport à E 1 ( resp. E ) parallèlement à E (resp. E 1 ). Ecrivons la matrice de s 1 dans la base ( ı, j, k). On a ı, j E, par suite s 1 ( ı) = ı et s 1 ( j) = j. Par ailleurs, k = ( ı + j + k) ( ı + j), donc s 1 ( k) = ı + j + k + ı + j = ı + j + k. Par conséquent, la matrice de s 1 dans la base ( ı, j), k est donc M 1 = Des calculs analogues nous donnent la matrice de s dans cette même base : 1 0 M = Par hypothèse, il existe pour tout x un réel λ x tel que f(x) = λ x x. Il nous reste maintenant à montrer que ce réel est le même pour tous les éléments de E. Fixons un vecteur non nul x E. Soit y un élément non nul de E. Supposons x et y liés, i.e., y = kx, avec k 0. Alors, d une part f(y) = λ y y = λ y kx, d autre part, f(y) = f(kx) = kf(x) = kλ x x. On obtient en égalisant, λ x = λ y. Supposons maintenant x et y libres. On a alors, d une part f(x + y) = λ x+y (x + y) = λ x+y x + λ x+y y, et d autre part, f(x + y) = f(x) + f(y) = λ x x + λ y y. Ces deux égalités et la liberté de (x, y) entrainent λ x+y = λ x = λ y.. Un homothétie commute avec tout élément de L(E). Réciproquement, soit f une application linéaire qui commute avec tout élément de L(E). Soit x un élément de E,nous allons montrer que (x, f(x)) est lié ; on aura ainsi le résultat en utilisant la première question. Soit g x une projection parallèlement à < x > ( en fait toute application linéaire de noyau < x > convient pour notre démonstration). Par hypothèse, f et g x commutent. Par suite, g x (f(x)) = f(g x (x)) = f(0) = 0, ce qui signifie que f(x) appartient au noyau de g x autrement dit que (x, f(x)) est lié. Par la question précédente, f est donc une homothétie. On remarque que l on peut affaiblir les hypothèses de la facon suivante : si f commute avec toute les projections sur un hyperplan alors f est une homothétie. 6 Supposons que u = 0 L(E). Soit x Im u, il existe donc y E tel que x = u(y). On a alors, u(x) = u (y) = 0. Donc Im u Ker u. Réciproquement, soit x E, u(x) appartient à Im u et donc par hypothèse à Ker u, on a donc u(u(x)) = 0, i.e. u = 0 L(E) Il est clair que l on a Ker f Ker f et Im f Im f. Supposons que Ker f = Ker f. Soit x Im f Ker f, alors il existe y tel que x = f(y). On a alors, f (y) = f(x) = 0. Par suite, y Ker f = Ker f, donc x = f(y) = 0. Par conséquent, Im f Ker f = {0}. Réciproquement, soit x Ker f. Alors f(x) Im f Ker f. Par hypothèse, f(x) = 0 donc x Ker f.. Montrons (i) (ii). Puisque la somme est directe on a, Im f Ker f = {0} d où par la question précédente, Ker f = Ker f. Nous allons montrer directement l équivalence (ii) (iii). On a dim E = dim Ker f + dim Im f = dim Ker f + dim Im f. Par suite l égalité (ii) implique dim Im f = dim Im f. On conclut ensuite en utilisant la question précédente. la démonstration de (iii) (ii) est identique. Montrons (ii) (i). La question précédente et (ii) implique que la somme Im f +Ker f est directe. L égalité des dimensions montre ensuite que cette somme est égale à E. 8 Montrons (i) (ii). Comme la dimension de E est et que la somme n est pas directe, la dimension de l intersection Im f Ker f est 1 ou. Ce qui implique que la dimension de Im f et de Ker f est supérieure ou égale à 1. Par ailleurs dim Im f +dim Ker f = dim E =, la seule posibilité est donc dim Im f = dim Ker f = 1. On a alors Im f Ker f = Im f = Ker f. Montrons maintenant (ii) (iii). Soit x E, f(x) appartient à 4

5 Im f et par (ii) à Ker f, donc f (x) = 0, i.e. f = 0. Pour des raisons de dimension, comme dans la question précédente, Im f = Ker f implique dim Im f = dim Ker f = 1. Par conséquent, f 0. Pour (iii) (ii), il suffit de remarquer que f = 0 implique Im f Ker f, donc la somme n est pas directe Considérons l application linéaire h obtenue par restriction de f à l ev. Ker g f. Soit y Im h alors il existe x Ker g f tell que y = f(x), on a alors g(y) = g(f(x)) = 0, par suite Im h Ker g. Par ailleurs, soit x Ker h, on h(x) = 0 d où f(x) = 0, par définition de h. On a donc Ker h Ker f. Par suite dim Ker g f = dim Ker h + dim Im h dim Ker f + dim Ker g.. On a immédiatement par ce qui précède, rang g f = dim E Ker g f dim E dim Ker f dim Ker g = dim Im f dim Ker g = dim Im f dim F + rang g. On a ensuite dim E = dim Ker f + dim Im f = dim Ker (g f) + Im (g f). Comme dim Ker f dim Ker (g f), on en déduit dim Im f dim Im (g f). De plus il est clair que dim Im (g f) dim Im g, car le premier est inclu dans le second. On a donc rang (g f) min(rang f, rang g) Les démonstrations qui suivent sont quasiment triviales dès que l on a bien compris les définitions des objets que l on manipule. a. On vérifie sans difficulté que A est un sev de E et B un sev de E. Par définition A = {x E, φ A, φ(x) = 0}. Par définition de A, pour tout x A et tout φ A, φ(x) = 0, par suite, A A. b. Soient φ et φ deux éléments de E et λ un réel. Soit x E, on a t f(λφ)(x) = λφ f(x) = λ(φ f(x)) = λ t f(φ)(x). De meme, t f(φ + φ )(x) = (φ + φ ) f(x) = φ(f(x) + φ (f(x)) = t f(φ)(x) + t f(φ )(x) = ( t f(φ) + t f(φ ))(x). Par suite, t f est bien un élément de L(F, E ). c. Soit J une sous-famille finie de I, et (λ j ) j J une famille de réels telle que j J λ je j = 0. On a alors en particulier, pour tout i J, j J λ je j (e i) = 0. Alors, par défition des e j, on obtient λ j = 0 pour tout j J. La famille (e i ) i I est donc libre. d. Soient x et y deux éléments de E et λ un réel. Soit z un élément de E. On a, u(x + y)(z ) = z (x + y) = z (x) + z (y) = u(x)(z ) + u(y)(z ) = (u(x) + u(y))(z ). De meme, u(λx)(z ) = z (λx) = λz (x) = λu(x)(z ). Dans les deux démonstrations, on a utilisé successivement la définition de u et la linéarité de z. Soit x = j J λ je j, où J est une partie finie de I. Supposons u(x) = 0. En particulier, pour tout e i, i I, u(x)(e i ) = 0. On obtient en remplacant x par son écriture en fonction de e j, λ i = 0 pour tout i J. Par conséquent, x = 0 et u est donc injective.. On est maintenant en dimension infinie. a. Il suffit donc de trouver un élément de E qui ne peut pas s écrire comme combinaison linéaire des éléments d une partie finie de (e i ) i I. Considérons l application linéaire f définie de la facon suivante par l image de la base : f(e i ) = 1 pour tout i I. Supposons que f s écrit comme combinaison linéaire des éléments de (e j ) j J, où J est une partie finie de I. Soit alors i 0 un élément de I qui n est pas dans J, on a f(e i0 ) = 0, ce qui contredit la définition de f. b. Comme le suggère l énoncé, considérons la forme linéaire sur E définie par g(e i ) = 1 pour tout i I et g(z ) = 0 pour tout z appartenant à un supplémentaire fixé du sous-espace engendré par les e i. Supposons maintenant qu il existe x E tel que u(x) = g. On a donc en particulier pour tout i I, 1 = g(e i ) = u(x)(e i ) = e i (x). On obtient clairement une contradiction en écrivant x comme somme finie d éléments de la base (e i ) i I. 3. On suppose maintenant que l espace est de dimension finie. Les contre-exemples précédents ne sont plus valables puisqu ils reposaient précisement sur la dimension infinie. a. Il suffit de montrer que la famille est génératrice. Soit f E, f est déterminée par l image λ i de e i, pour tout i I. On voit aisément que f = i I λ ie i. On a donc dim E = dim E et par le meme argument appliqué à l ev. E, dim E = dim E. b. Grace à l égalité des dimensions il suffit de montrer que u est injective ce que l on sait déjà (1.4). c. Soit (a 1,, a p ) une base de H que l on complète en une base (a 1,, a n ) de E (on pose dim E = n). Alors (a i )n i=1 est une base de E. Soit φ H, alors il existe de réels λ i tels que φ = n 1 i p, on a par définition de H, φ(e i ) = 0 ce qui entraine λ i = 0. Par suite, φ = n i=1 λ ia i. Soit i, i=p+1 λ ia i, donc H est engendré par (e i )n i=p+1. Donc dim H = n p. 5

6 d. On sait déjà que H H. De plus dim H + dim H = E et de même, dim H + dim H = dim E = dim E. Par conséquent, dim H = dim H. D où l égalité de ces deux sous espaces. On déduit en particulier de cette étude que le noyau d une forme linéaire φ est l hyperplan (Rφ) et de même tout hyperplan H de E est le noyau d une forme linéaire engendrant H Il est clair que T est une application linéaire et que (e 0, e 1, e, e 3, e 4 ) est une base de P 4. On calcule les images des éléments de cette base par T. On obtient sans difficultés : T (e 3 ) = 3X4 4 On constate donc que T (P 4 ) P 4. T (e 0 ) = X = e 1, T (e 1 ) = 0, T (e ) = X3 3 = 1/3e 3 + X3 3 = 1/3e 3 + 3/4e 4, T (e 4 ) = X 4 + x3 3 = 1/3e 3 + e 4.. Par définition, O 3 est engendré par (e 3, e 4 ). Les résultats précédents montrent que T (O 3 ) est engendré par (1/3e 3 + 3/4e 4, 1/3e 3 + e 4 ) qui est une partie libre de O 3, par conséquent T (O 3 ) = O 3. De la même facon, O est engendré par (e, e 3, e 4 ). Donc par les calculs précédents, T (O ) est l espace engendré par (1/3e 3, 1/3e 3 + 3/4e 4, 1/3e 3 + e 4 ). Autrement dit, T (O ) = O On cherche donc les polynômes P de la forme ax 4 + bx 3 + cx tels que T (P ) = 0. On trouve, en utilisant les résultats précédents : T (P ) = ( 3b 4 + a)x4 + ( a+b+c 3 )X 3. On a donc, P Ker T O ssi c = b/4 et a = 3b/4. Par suite, Ker T O est donc l espace de dimension 1 engendré par 1/4e + e 3 3/4e L image de T est l espace vectoriel engendré par (T (e 0 ), T (e 1 ), T (e ), T (e 3 ), T (e 4 )) ou encore comme T (e 0 ) = e 1, T (e 1 ) = 0 et T (O ) = O 3, l image de T est Re 1 + O 3. La somme est clairement directe et on peut écrire Re 1 = RX = O 1 P 1. Par suite on a, Im T = (O 1 P 1 ) O 3. Le rang de T est donc la dimension de cet espace c est à dire dim(o 1 P 1 ) + dim O 3 = 3. Par conséquent dim Ker T = 5 dim Im T =. De plus, O 1 P 1 Ker T. Notons V 1 un supplémentaire de O 1 P 1 dans Ker T, V est de dimension 1 et on a bien Ker T = (O 1 P 1 ) V. On a (O 1 P 1 ) Im T Ker T. Or, le vecteur 1/4e + e 3 3/4e 4 est dans Ker T (cf 3.) et n appartient pas à Im T car le vecteur e n est pas dans Im T. Par suite, Ker T n est pas dans Im T, donc la dimension de l intersection est 1, d où Im T Ker T = O 1 P On cherche donc les vecteurs de O 3 qui sont vecteurs propres de T (cf ch?). Soit u = ae 3 + be 4, (a, b) (0, 0). On a alors, T (u) = λu at (e 3 ) + bt (e 4 ) = λae 3 + be 4 (3a/4 + (1 λ)b)e 4 + ((1/3 λ)a + b/3)e 3 = 0. Par suite u est un vecteur propre ssi il existe λ R tel que (a, b) soit solution du système { a(1 3λ) + b = 0 3a + (4 4λ)b = 0 Ce système homogène a des solutions non nulles ssi son déterminant D = 1λ 16λ+1 est nul. Ce qui est réalisé pour les valeurs de λ, λ 1 = et λ = ; avec 0 < λ 1 < λ. On a alors, pour chacune des valeurs de λ, une infinité de solutions. Le choix a = 1 conduit à b = 3λ 1, et on obtient respectivement u 3 = e 3 + ( 1 13 )e 4 et u 4 = e 3 + ( )e 4. On vérifie facilement que (u 0, u 1, u, u 3, u 4 ) est une famille libre et donc une base de P 4. Cette base a été choisie de telle sorte que u 0 et u 1 soient dans Ker T, T (u ) = u 0, T (u 3 ) = λ 1 u 3 et T (u 4 ) = λ u 4. On obtient donc la forme simple de la matrice de T dans cette base : M = λ λ 1 1. Il est clair que (L, +) est un groupe commutatif et que sa structure de corps commutatif contenant K lui confère une structure d espace vectoriel sur K (la loi externe provient de la multiplication des éléments de L par les éléments de K).. a. Puisque L est fini, il est en particulier un espace vectoriel de dimension finie sur F p. Soit n cette dimension, un argument simple de dénombrement montre que cardl = p n. Si l on est un peu plus savant, 6

7 cet argument montre que tout corps fini à un cardinal de la forme pn. En effet, d une part tout corps fini est commutatif et de caractéristique non nulle qui est donc un nombre premier. Si p est sa caractéristique il contient un plus petit sous-corps qui n est autre que F p. On conclut alors en utilisant ce qui précède. On trouvera plus de détail sur ces questions dans le chapitre Anneaux - Corps. b. Le nombre de base de L est le nombre de parties libres à n éléments. Supposons choisis les k premiers éléents d une base. Le k + 1-ième éléments ne doit pas appartenir à l espace vectoriel engendré par les k-premiers. Or, par ce qui précède le cardinal de cet espace vectoriel de dimension k est p k. On a donc p n p k choix pour le k+-ième élément. Par un dénombrement classique (cardinal du produit cartésien), le nombre de bases est donc (p n 1)(p n p) (p n p n 1 ). c. Fixons une base B de L. Un endomorphisme de L est entièrement déterminé par l image de cette base. De plus un endomorphisme de L est un automorphisme ssi l image de B est une base de L. Par suite, soit B une base de L, il existe un unique élément de GL(L) qui envoie B sur B. L ensemble des bases de L et GL(L) sont donc en bijection et ont même cardinal. 7

Applications linéaires

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

Plus en détail

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

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

Problèmes de Mathématiques Noyaux et images itérés

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

Plus en détail

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

1 Notion d espace vectoriel

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

Plus en détail

Applications 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

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

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

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

Applications Bilinéaires et Formes Quadratiques

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

Plus en détail

Espaces vectoriels. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

Plus en détail

Espaces vectoriels 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

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

Feuille d exercices n 14 : corrigé

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

Plus en détail

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

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

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

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

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

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

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

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

Base : une axiomatique

Base : une axiomatique Autour des groupes de réflexions Master 2 Mathématiques fondamentales Cours : Michel Broué Université Paris VII Denis Diderot TD : Vincent Beck Année 2005 2006 Base : une axiomatique a) D après (i), on

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

-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

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

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

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

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

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

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

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

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

Plus en détail

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

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier Mathématiques Méthodes et exercices ECE 2 e année Cécile Lardon Professeur en classe préparatoire au lycée du Parc à Lyon Jean-Marie Monier Professeur en classe préparatoire au lycée La Martinière-Monplaisir

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

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

TOPOLOGIE - SÉRIE 1. x f 1 B i f(x) B i x f 1 (B i ). f 1 ( i I B i) = i I f 1 (B i ); en effet. f 1 B i = f 1 B i et f 1 (B \ B ) = A \ f 1 B ; i I

TOPOLOGIE - SÉRIE 1. x f 1 B i f(x) B i x f 1 (B i ). f 1 ( i I B i) = i I f 1 (B i ); en effet. f 1 B i = f 1 B i et f 1 (B \ B ) = A \ f 1 B ; i I TOPOLOGIE - SÉRIE 1 Exercice 1. Soit f : A B une application. Prouver que (a) A f 1 fa pour tout A A, avec égalité si f est injective; (b) ff 1 B B pour tout B B, avec égalité si f est surjective; Preuve.

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

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

Plus en détail

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

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie

Plus en détail

Groupes et Actions de groupes. 1 Groupes, morphismes et actions de groupes.

Groupes et Actions de groupes. 1 Groupes, morphismes et actions de groupes. Groupes et Actions de groupes On présente ici des notions de base de théorie des groupes pour l agrégation interne. 1 Groupes, morphismes et actions de groupes. Un groupe (G, ), ou plus simplement G, est

Plus en détail

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

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

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4

Plus en détail

Un tout petit peu d homotopie

Un tout petit peu d homotopie Vincent Beck On note I = [ 0, 1 ]. Un tout petit peu d homotopie 0.1 Homotopie Définition 1 Applications homotopes. Soient X, Y deux espaces topologiques et f, g : X Y deux applications continues. On dit

Plus en détail

BJ - RELATIONS BINAIRES

BJ - RELATIONS BINAIRES BJ - RELATIONS BINAIRES Définitions Soit A et B deux ensembles non vides, et G une partie de A B. On dit qu un élément x de A est relié à un élément y de B par une relation binaire de graphe G, si le couple

Plus en détail

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

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

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

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

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

Plus en détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

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

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

MATHEMATIQUES Option Economique

MATHEMATIQUES Option Economique Concours EDHEC 9 Classes Préparatoires MATHEMATIQUES Option Economique La présentation, la lisibilité, l'orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront pour

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

Applications linéaires

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

Plus en détail

À propos des matrices échelonnées

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

Plus en détail

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

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

Plus en détail

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

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

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

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

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

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

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

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

INTRODUCTION À LA THÉORIE DES GROUPES MAT 2600

INTRODUCTION À LA THÉORIE DES GROUPES MAT 2600 INTRODUCTION À LA THÉORIE DES GROUPES MAT 26 ABRAHAM BROER Références [1] M.A. Armstrong, Groups and symmetry, U.T.M., Springer-Verlag, New York, 1988. [2] J.D. Dixon, Problems in group theory, Dover reprint,

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 de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

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

Théorème du point fixe - Théorème de l inversion locale

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

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

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

Plus en détail

Relations binaires sur un ensemble.

Relations binaires sur un ensemble. Math122 Relations binaires sur un ensemble. TABLE DES MATIÈRES Relations binaires sur un ensemble. Relations d équivalence, relation d ordre. Table des matières 0.1 Définition et exemples...................................

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

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

Cours MP. Espaces vectoriels normés

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

Plus en détail

Logique informatique 2013-2014. Examen

Logique informatique 2013-2014. Examen Logique informatique 2013-2014. Examen 30 mai 2013. Durée 3h. Tous les documents sont autorisés. Seuls les résultats du cours peuvent être utilisés sans démonstration. Le barême et la longueur des solutions

Plus en détail

Autour du cardinal d un ensemble de matrices binaires

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

Plus en détail

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1 Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1 Cours de Mathématiques 1 Table des matières 1 Un peu de formalisme mathématique 7 1.1 Rudiments de logique........................................

Plus en détail

Examen Partiel. Un soin particulier dans la rédaction est demandé. Les astérisques indiquent l importance des questions et non pas leur difficulté.

Examen Partiel. Un soin particulier dans la rédaction est demandé. Les astérisques indiquent l importance des questions et non pas leur difficulté. UFR de Mathématiques, Université de Paris 7 DEA 1996/97 premier semestre Introduction à la cohomologie de de Rham des variétés algébriques A. Arabia & Z. Mebkhout Vendredi 6 décembre 1996 Examen Partiel

Plus en détail

Le corps R des nombres réels

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

Plus en détail

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

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Structures Algébriques Groupes : exercices

Structures Algébriques Groupes : exercices Institut Galilée Université Paris XIII Structures Algébriques Groupes : exercices L3 semestre 5 2012-2013 Exercice 1 Soit (G, ) un ensemble muni d une loi de composition associative. Montrer que G est

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

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

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail