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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R 2 (2x + y, x y) R 2, f 2 : (x, y, z) R 3 (xy, x, y) R 3 f 3 : (x, y, z) R 3 (2x + y + z, y z, x + y) R 3 f 4 : P R[X] P R[X], f 5 : P R 3 [X] P R 3 [X] f 6 : P R 3 [X] (P ( 1), P (0), P (1)) R 3, f 7 : P R[X] P (X 2)P R[X]. Exercice 2 Soit E un espace vectoriel de dimension n et ϕ une application linéaire de E dans luimême telle que ϕ n = 0 et ϕ n 1 0. Soit x E tel que ϕ n 1 (x) 0. Montrer que la famille {x,..., ϕ n 1 (x)} est une base de E. Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1. 2 Image et noyau Exercice 3 E 1 et E 2 étant deux sous-espaces vectoriels de dimensions finies d un espace vectoriel E, on définit l application f : E 1 E 2 E par f(x 1, x 2 ) = x 1 + x Montrer que f est linéaire. 2. Déterminer le noyau et l image de f. 3. Appliquer le théorème du rang. Indication Faire un dessin de l image et du noyau pour f : R R R. Exercice 4 Soient E un espace vectoriel et ϕ une application linéaire de E dans E. On suppose que Ker (ϕ) Im (ϕ) = {0}. Montrer que, si x Ker (ϕ) alors, pour tout n N : ϕ n (x) 0. Exercice 5 : Soient la matrice : A = et l application linéaire ϕ : R 4 R 4 définie par ϕ(x) = AX. (a) Déterminer le noyau de ϕ et en donner une base. (b) Quel est le rang de l application ϕ? (c) Déterminer une base de l image de ϕ.

2 3 INJECTIVITÉ, SURJECTIVITÉ, ISOMORPHIE TITRE 2 Exercice 6 Soient E un espace vectoriel de dimension n et f une application linéaire de E dans lui-même. Montrer que les deux assertions qui suivent sont équivalentes : 1. Ker(f) = im(f). 2. f 2 = 0 et n = 2 rg(f). Exercice 7 Donner des exemples d applications linéaires de R 2 dans R 2 vérifiant : 1. Ker(f) = im(f). 2. Ker(f) inclus strictement dans im(f). 3. im(f) inclus strictement dans Ker(f). 3 Injectivité, surjectivité, isomorphie Exercice 8 Soit E un espace vectoriel de dimension 3, {e 1, e 2, e 3 } une base de E, et λ un paramètre réel. ϕ(e 1 ) = e 1 + e 2 Démontrer que la donnée de ϕ(e 2 ) = e 1 e 2 définit une application linéaire ϕ de E ϕ(e 3 ) = e 1 + λe 3 dans E....crire le transformé du vecteur x = α 1 e 1 + α 2 e 2 + α 3 e 3. Comment choisir λ pour que ϕ soit injective? surjective? Exercice 9 Pour les applications linéaires trouvées à l exercice 1, déterminer ker(f i ) et Im (f i ), en déduire si f i est injective, surjective, bijective. Exercice 10 : Soient la matrice : A = i i 0 et l application linéaire f : C 3 C 3 définie par f(x) = AX. (a) L application f est-elle injective? surjective? (b) Déterminer une base de Imf et une base de Kerf.

3 5 CHANGEMENT DE BASE TITRE 3 4 Matrice d une application linéaire dans une base Exercice 11 : Ecrire les matrices des applications linéaires suivantes dans les bases proposées. 1. ϕ : R 3 R 3 définie par ϕ(x, y, z) = (2x + z, x + y, y 2z) dans la base canonique de R ψ : C 2 C 2 définie par ψ(z, w) = ((1 + i)z iw, w + 2iz) dans la base canonique de C 2 3. On note (e 1, e 2 e 3, e 4 ) la base canonique de R 4. Soit f : R 4 R 4 l application linéaire définie par f(e 1 ) = e 1 + e 2, f(e 2 ) = e 2 + e 3, f(e 3 ) = e 3 + e 4 et f(e 4 ) = e 4 + e 1. Quelle est la matrice de f dans la base (e 4, e 3, e 2, e 1 )? Dans la base canonique de R 4? Exercice 12 : On note (e 1, e 2, e 3 ) la base canonique de R 3. Soit l application linéaire ϕ : R 3 R 3 définie par : ϕ(e 1 ) = 1 2 e e 3 ϕ(e 2 ) = e e e 3 ϕ(e 3 ) = e e e 3 1. (a) Déterminer l image par ϕ d un vecteur x = λe 1 + µe e 3 de R 3. (b) Ecrire la matrice de ϕ dans la base canonique de R 3 2. (a) Déterminer une base de Kerϕ. (b) Quel est le rang de ϕ? Montrer que la famille {f 1 = e 1 + e 2, f 2 = e 1 + e 3 } est une base de Imϕ. (c) Soit f 3 = e 2 + e 3. Montrer que la famille (f 1, f 2, f 3 ) est une base de R 3. Ecrire la décomposition des vecteurs ϕ(f 1 ), ϕ(f 2 ) et ϕ(f 3 ) dans la base (f 1, f 2, f 3 ). En déduire la décomposition d un vecteur x = αf 1 + βf 2 + γf 3 R 3 dans la base (f 1, f 2, f 3 ). (d) Ecrire la matrice de ϕ dans la base (f 1, f 2, f 3 ). 5 Changement de base Exercice 13 : Donner les matrices de passage de la base B à la base B dans chacun des cas suivants. 1. Dans R 3, B est la base canonique et B = ((0, 1, 1), (1, 1, 1), (1, 1, 0)). 2. Dans R 3, B = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) et B est la base canonique de R Dans C 3, B est la base canonique et B = ((1 + i, 1 i, 0), (0, 0, 2i), ( i, 1, 2i)).

4 5 CHANGEMENT DE BASE TITRE 4 Exercice 14 : Soit f l endomorphisme de R 3 dont la matrice dans la base canonique est (a) Montrer que f f = 0 et en déduire que Imf Kerf. Déterminer Kerf et en donner une base. (b) Montrer que la famille (e 1 e 3, e 2, e 1 ) est une base de R 3 et écrire la matrice de f dans cette base.. Exercice 1 Soitf 1 : (x, y) R 2 (2x + y, x y) R 2 Soient z 1 = (x 1, y 1 ) et z 2 = (x 2, y 2 ) dans R 2. Alors f 1 (z 1 + z 2 ) = f 1 ((x 1 + x 2, y 1 + y 2 )) = (2(x 1 + x 2 ) + (y 1 + y 2 ), (x 1 + x 2 ) (y 1 + y 2. Or on est maintenant dans R 2, donc on a. f 1 (z 1 + z 2 ) = (2x 1 + y 1, x 1 y 1 ) + (2x 2 + y 2, x 2 y 2 ) = f 1 (z 1 ) + f 1 (z 2 ) Soient z = (x, y) R 2 et λ R. Alors. Donc f 1 est linéaire. f 1 (λz) = (f 1 ((λx, λy)) = (2λx + λy, λx λy) = λf 1 (z) Soit f 6 : P R 3 [X] (P ( 1), P (0), P (1)) R 3. Soient P, Q R 3 [X]. Alors f 6 (P + Q) = ((P + Q)( 1), (P + Q)(0), (P + Q)(1) On a donc f 6 (P +Q) = (P ( 1)+Q( 1), P (0)+Q(0), P (1)+Q(1)) = (P ( 1), P (0), P (1))+(Q( 1), Q(0), Q(1)). = f 6 (P ) + f 6 (Q) Soient P R 3 [X] et λ R (l espace des polynomes à coefficients réels est un R-espace vectoriel). f 6 (λp ) = ((λp )( 1), (λp )(0), (λp )(1)) = λ(p ( 1), P (0), P (1))

5 5 CHANGEMENT DE BASE TITRE 5 Donc f 6 est linéaire. On montre de même que f 3, f 4, f 5, f 7 sont linéaires. Par contre f 2 n est pas linéaire, en effet par exemple f(1, 1, 0) + f(1, 1, 0) n est pas égal à f(2, 2, 0). Exercice 2 Montrons que la famille {x,..., ϕ n 1 (x)} est libre. Soient λ 0,..., λ n 1 R tels que λ 0 x + + λ n 1 ϕ n 1 (x) = 0. Alors : ϕ n 1 (λ 0 x + + λ n 1 ϕ n 1 (x)) = 0. Mais comme de plus ϕ n = 0, on a l égalité ϕ n 1 (λ 0 x + + λ n 1 ϕ n 1 (x)) = ϕ n 1 (λ 0 x) + ϕ n (λ 1 x + + λ n 1 ϕ n 2 (x)) = λ 0 ϕ n 1 (x). Comme ϕ n 1 (x) 0 on obtient λ 0 = 0. En calculant ensuite ϕ n 2 (λ 1 ϕ(x) + + λ n 1 ϕ n 1 (x)) on obtient λ 1 = 0 puis, de proche en proche, λ n 1 = = λ 0 = 0. La famille {x,..., ϕ n 1 (x)} est donc libre. Elle compte n vecteurs. Comme dim (E) = n elle est libre maximale et forme donc une base de E. Exercice Par définition de f et ce qu est la somme de deux sous-espaces vectoriels, l image est Pour le noyau : Imf = E 1 + E 2. Kerf = {(x 1, x 2 ) f(x 1, x 2 ) = 0} = {(x 1, x 2 ) x 1 + x 2 = 0} Mais on peut aller un peu plus loin. En effet un élément (x 1, x 2 ) Kerf, vérifie x 1 E 1, x 2 E 2 et x 1 = x 2. Donc x 1 E 2. Donc x 1 E 1 E 2. Réciproquement si x E 1 E 2, alors (x, x) Kerf. Donc Kerf = {(x, x) x E 1 E 2 }. De plus par l application x (x, x), Kerf est isomorphe à E 1 E Le théorème du rang s écrit : dim Kerf + dimimf = dim(e 1 E 2 ). Compte tenu de l isomorphisme entre Kerf et E 1 E 2 on obtient : dim(e 1 E 2 ) + dim(e 1 + E 2 ) = dim(e 1 E 2 ). Mais dim(e 1 E 2 ) = dime 1 + dime 2, donc on retrouve ce que l on appelle quelques fois le théorème des quatre dimensions : dim(e 1 + E 2 ) = dime 1 + dime 2 dim(e 1 E 2 ).

6 5 CHANGEMENT DE BASE TITRE 6 Exercice 4 Montrons ceci par récurence : Pour n = 1, l assertion est triviale : x / kerϕ ϕ(x) 0. Supposons que si x / kerϕ alors ϕ n 1 (x) 0, (n 2). Fixons x / kerϕ, Alors par hypothèses de récurrence ϕ n 1 (x) 0, mais ϕ n 1 (x) = ϕ(ϕ n 2 (x)) Imϕ donc ϕ n 1 (x) / kerϕ grâce à l hypothèse sur ϕ. Ainsi ϕ(ϕ n 1 (x)) 0, soit ϕ n (x) 0. Ce qui termine la récurrence. Exercice 5 Soient la matrice : A = et l application linéaire ϕ : R 4 R 4 définie par ϕ(x) = AX. Cela signifie que ϕ((x, y, z, w)) = (x, y, z, w)t Ker(φ) = Ker(A) = {(x, y, z, w) R 4 /A(x, y, z, w) t }. on doit donc résoudre le système suivant : x + y + z + 3w = 0 x + 2y + +2w = 0 2y z = 0 y + z = 0 On trouve Ker(φ) = {w( 6, 1, 1, 2)/w R}. 2. Par le théorème du rang, on a dimr 4 = rgφ + dimker(φ). D où rgφ = 4 1 = 3 3. L image de φ est engendré par les vecteurs colonnes de la matrice A associée à φ. Or le rang de φ est 3 donc trois des vecteurs colonnes sont libres et une seule équation lie tous les vecteurs colonnes. On détermine cette équation en échelonnant la matrice A t. On trouve v 4 3v v v 3. Les trois premiers vecteurs colonnes engendrent Imφ.

7 5 CHANGEMENT DE BASE TITRE 7 Exercice 6 (i) (ii) Supposons kerf = imf. Soit x E, alors f(x) Imf donc f(x) kerf, cela entraine f(f(x)) = 0 ; donc f 2 = 0. De plus d après la formule du rang dimkerf +rgf = n, mais dimkerf = dimimf = rgf, ainsi 2rgf = n. (ii) (i) Si f 2 = 0 alors imf kerf car pour y imf il existe x tel que y = f(x) et f(y) = f 2 (x) = 0. De plus si 2rgf = n alors par la formule Du rang dimkerf = rgf c est-à-dire dimkerf = dimimf. Nous savons donc que Imf est inclus dans kerf mais ces espaces sont de même de dimension donc sont égaux : kerf = imf. Exercice 7 1. Par exemple f(x, y) = (0, x) alors Kerf = Imf = {0} R = {(0, y) y R}. 2. Par exemple l identité : f(x, y) = (x, y). En fait un petit exercice est de montrer que les seules applications possibles sont les applications bijectives (c est très particulier aux applications de R 2 dans R 2 ). 3. L application nulle : f(x, y) = (0, 0). Exercice : c est la seule possible! Exercice 8 1. Comment est définie φ à partir de la définition sur les éléments de la base? Pour x E alors x s écrit dans la base {e 1, e 2, e 3 }, x = α 1 e 1 + α 2 e 2 + α 3 e 3. Et φ est définie sur E par la formule φ(x) = α 1 φ(e 1 ) + α 2 φ(e 2 ) + α 3 φ(e 3 ). Soit ici : φ(x) = (α 1 + α 2 + α 3 )e 1 + (α 1 α 2 ) + λα 3 e 3. Cette définition rend automatiquement φ linéaire (vérifiez-le si vous n êtes pas convaincus!). 2. On cherche à savoir si φ est injective. Soit x E tel que φ(x) = 0 donc (α 1 + α 2 + α 3 )e 1 +(α 1 α 2 )+λα 3 e 3 = 0. Comme {e 1, e 2, e 3 } est une base alors tous les coefficients sont nuls : α 1 + α 2 + α 3 = 0, α 1 α 2 = 0, λα 3 = 0. Si λ 0 alors en resolvant le système on obtient α 1 = 0, α 2 = 0, α 3 = 0. Donc x = 0 et φ est injective. Si λ = 0, alors φ n est pas injective, en resolvant le même système on obtient des solutions non triviales, par exemple α 1 = 1, α 2 = 1, α 3 = 2. Donc pour x = e 1 + e 2 2e 3 on obtient φ(x) = On peut soit faire des calcul soit appliquer la formule du rang. Examinons cette deuxième méthode. φ est surjective si et seulement si la dimension de imφ est égal à la dimension de l espace d arrivée (ici E de dimension 3). Or on a une formule pour dimimφ : dimkerφ + dimimφ = dime.

8 5 CHANGEMENT DE BASE TITRE 8 Si λ 0, φ est injective donc Kerφ = {0} est de dimension 0. Donc dimimφ = 3 et φ est surjective. Si λ = 0 alors φ n est pas injective donc Kerφ est de dimension au moins 1 (en fait 1 exactement), donc dimimφ 2. Donc φ n est pas surjective. On remarque que φ est injective si et seulement si elle est surjective. Ce qui est un résultat du cours pour les applications ayant l espace de départ et d arrivée de même dimension (finie). Exercice 9 1. f 1 : R 2 R 2. Les dimensions de l espace de départ et d arrivée sont les mêmes donc par le théorème du rang f 1 injective équivaut à f 1 surjective qui équivaut à f 1 bijective (cf cours). Calculons le noyau de f 1. kerf 1 = {(x, y) R 2 /f 1 (x, y) = (0, 0)} = {(x, y)/x = y et 3x = 0} Donc f 1 est injective (resp. surjective, resp. bijective) si et seulement si a f 2 n est pas linéaire. 3. De même il faut juste voir l injectivité de f 3. Or ker(f 3 ) = {z( 1, 1, 1)/z R}. Donc f 3 n est pas injective (ni surjective ni bijective). 4. Dans ce cas les dimensions sont infinies donc on ne peut utiliser le théorème du rang. Kerf 4 = {p R[X]/P = 0}. c est l ensemble des polynomes constants. Donc elle n est pas injective (f 4 (1) = 0). Par contre elle est surjective car tout polynome admet une primitive polynomiale (ie pour tout P R[X] il existe Q R[X] tel que Q = P ), donc tout élément de l espace d arrivée a un antécédent. 5. Pour f 5 on trouve de la même manière qu elle n est pas injective. Elle n est pas surjective non plus car les espaces vectoriels sont les polynomes de degré au plus trois et les primitives d un polynome de degré 3 est de degré4. (on pouvait ici utiliser le théorème du rang). est linéaire. f 5 est surjective mais pas injective. 6. kerf 6 = {ax 3 + bx 2 + cx + d/( a + b c + d, d, a + b + c + d) = (0, 0, 0)} = {ax 3 cx} = vect(x 3, x). Donc f 6 n est pas injective. Les dimensions sont différentes donc f 6 pourrait etre surjective..f 6 est surjective car on peut toujours trouver un polynome en fixant trois de ses valeurs. 7. f 7 est surjective mais pas injective. Exercice 10 (a) On commence par calculer le noyau de φ. Kerφ = {(x, y, z) C 3 /A(x, y, z) = (0, 0, 0)} = {(x, y, z) C 3 /y+z = 0, ix+z = 0, x+iy = 0}. D ou. Donc kerφ = {(x, y, z) C 3 /x = iz, y = z} kerφ = vect{(i, 1, 1)}

9 5 CHANGEMENT DE BASE TITRE 9 L application φ n est pas injective. Par le théorème du rang, elle n est pas surjective. Remarque : Ici on considère C 3 en tant que C espace vectoriel il est donc de dimension trois et dimker(φ) = 1 (b) On a déjà le vecteur de base du noyau. Par le théorème du rang la dimension de l image est 2. or les vecteurs colonnes de A engendrent Im(φ).Donc il suffit de prendre deux vecteurs colonnes indépendants pour avoir une base. Par exemple. Exercice 11 Im(φ) = vect{(0, i, 1), (1, 0, i)} 1. Soient e 1, e 2, e 3 la base canonique de R 3. Alors les vecteurs colonnes représentent φ(e 1 ), φ(e 2 ), φ(e 3 ) écrits dans la base canonique de R 3. On a : φ(e 1 ) = φ((1, 0, 0)) = (2, 1, 0) = 2e 1 + e 2 φ(e 2 ) = (0, 1, 1) = e 2 + e 3 φ(e 3 ) = (1, 0, 2) = e 1 2e 3 Donc la matrice de φ dans la base canonique de R 3 (cela veut dire que les espaces de départ et d arrivée ont la même base. quand ce n est pas le cas on le précisera) est : M(φ) = ) La base canonique de C 2 en tant que C espace vectoriel est (1, 0), (0, 1) (tout élément de C 2 s écrit sous la forme z(1, 0) + w(0, 1) = (z, w) avec z, w C. On a : Donc ψ(e 1 ) = (1 + i, 2i) M(ψ) = ψ(e 2 ) = ( i, 1) ( 1 + i i 2i 1 3) On suppose que (e 4, e 3, e 2, e 1 ) est la base des epsaces de départ et d arrivée. Alors f(e 4 ) = e 4 + e 1 ) f(e 3 ) = e 4 + e 3 f(e 2 ) = e 3 + e 2 f(e 1 ) = e 2 + e 1

10 5 CHANGEMENT DE BASE TITRE 10 Alors M(f) = Dans la base canonique on obtient : Exercice 12 M(f) = (a) φ(x) = λφ(e 1 ) + µφ(e 2 ) + ξφ(e 3 ) car φ est linéaire. En regroupant les termes on obtient : φ(x) = ( 1 2 λ + µ ξ)e 1 + ( 1 2 µ 1 2 ξ)e 2 + ( 1 2 λ µ 1 2 ξ)e 3 (b) On a M(φ) = (a) Kerφ = {(x, y, z) R 3 /M(φ)(x, y, z) = (0, 0, 0)} On résout le système et on trouve : kerφ = {(x, y, z)/y = z, x = 0} = vect{(0, 1, 1)} (b) Par le théorème du rang on a rgm(φ) = 2. On a de plus φ(2e 1 + 4e 2 + 2e 3 ) = 3e 1 + e 2 = f 1 et φ(2e 1 + e 2 + e 3 ) = e 1 e 3 = f 2 et f 1, f 2 sont des vecteurs linéairement indépendants d ou ils engendrent Im(φ). (Il ne fallait pas oublier de vérifier que f 1 et f 2 appartenaient à Im(φ)). (c) Les trois vecteurs f 1, f 2, f 3 sont linéairement indépendant et froment un sous espace vectoriel de dimension 3 donc forment une base de R 3. On a : car φ est linéaire. D ou φ(f 1 ) = φ(3e 1 + e 2 ) = 3φ(e 1 ) + φ(e 2 ) φ(f 1 ) = 5 2 e e 2 e 3 Or on veut écrire la matrice dans la nouvelle base donc il faut écrire les images des nouveaux vecteurs de bases dans ces nouveaux vecteurs de base. On trouve :. De même on trouve : φ(f 1 ) = 1 2 f 1 + f 2 φ(f 2 ) = 1 2 f 1

11 5 CHANGEMENT DE BASE TITRE 11 et car f 3 est dans le noyau. D où M(φ) = φ(f 3 ) = Exercice 13 La matrice de passage de la base B dans la base B est la matrice de l application linéaire identité Id : (E, B ) (E, B). Donc pour l obtenir il suffit d exprimer les vecteurs de la base B dans la base B i 0 i 1 i i 2i Exercice il suffit de calculer le carré de la matrice et on trouve la matrice nulle. Soit x Im(f).Alors il existe y R 3 tel que f(y) = x (par définition). Mais on vient de montrer que fof(y) = 0 = f(x). D ou x Ker(f). D ou l inclusion. Donc ker(f) = {(x, y, z) R 3 : A(x, y, z) = (0, 0, 0)} ker(f) = {(x, y, z) : x + z = 0, 2x + 2z = 0, x z = 0} Les trois équations sont proportionnelles et on trouve : ker(f) = vect{(1, 0, 1), (0, 1, 0)} Attention ici on voit que y n intervient pas dans les équations, cela veut dire que le noyau de f contient l axe des y.

12 5 CHANGEMENT DE BASE TITRE On verifie facilement que vect{(e 1 e 3, e 2, e 1 )} = vect{(e 1, e 2, e 3 )} donc la dimension de cet espace est 3, il est formeé de trois vecteurs qui forment donc une base. On doit écrire l image des trois vecteurs de la nouvelle base par f dans cette meme base. f(e 1 e 3 ) = f(e 1 ) f(e 3 ) = (1, 2, 1) (1, 2, 1) = (0, 0, 0) f(e 2 ) = (0, 0, 0) f(e 1 ) = (1, 2, 1) Alors la matrice représentant f est

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

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

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

Applications linéaires, matrices, déterminants

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

Plus en détail

2010/2011. Espaces vectoriels

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

Plus en détail

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

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

Plus en détail

Réduction des endomorphismes et des matrices carrées

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

Plus en détail

en dimension finie Table des matières

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

Plus en détail

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

Les espaces vectoriels

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

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

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

Plus en détail

Résumé de Math Sup et compléments : algèbre linéaire

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

Plus en détail

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

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

Plus en détail

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

11. Espaces vectoriels, homomorphismes, bases

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

Plus en détail

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

Espaces vectoriels de dimension finie

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

Plus en détail

Applications linéaires

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

Plus en détail

ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES

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

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

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

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

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

Plus en détail

Les espaces vectoriels Partie 1

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

Plus en détail

TD 5- Applications linéaires

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

Plus en détail

Feuille 5 : Exercices sur les déterminants, quelques corrections

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

Plus en détail

ALGÈBRE BILINÉAIRE 1

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

Plus en détail

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

I. SYMÉTRIES. F = {x E σ(x) =x }, G = {x E σ(x) = x }.

I. SYMÉTRIES. F = {x E σ(x) =x }, G = {x E σ(x) = x }. Dans tout ce qui suit on désigne par k un corps commutatif de caractéristique différente de 2 (par exemple R ou C) etpare un k-espace vectoriel de dimension finie n>0. On appelle L(E) l anneau des endomorphismes

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

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

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

Plus en détail

Agrégation de Mathématiques Exercices d algèbre linéaire

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

Plus en détail

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

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

LISTE DE QUESTIONS DE COURS

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

Plus en détail

Chapitre 3. Espaces vectoriels

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

EMLYON 2015 S. Éléments de correction

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

Plus en détail

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

Les Mathématiques pour l Agrégation. C. Antonini J.-F. Quint P. Borgnat J. Bérard E. Lebeau E. Souche A. Chateau O. Teytaud

Les Mathématiques pour l Agrégation. C. Antonini J.-F. Quint P. Borgnat J. Bérard E. Lebeau E. Souche A. Chateau O. Teytaud Les Mathématiques pour l Agrégation C. Antonini J.-F. Quint P. Borgnat J. Bérard E. Lebeau E. Souche A. Chateau O. Teytaud 24 avril 2002 Table des matières 1 Algèbre linéaire 2 1.1 Généralités...............................

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

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

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

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

Plus en détail

Sujets HEC B/L 2013-36-

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

Plus en détail

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

17. ISOMÉTRIES LINÉAIRES

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Rappels sur les applications linéaires

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

Plus en détail

UNIVERSITE PAUL SABATIER 2008/2009. Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le nombre réel (ou complexe)

UNIVERSITE PAUL SABATIER 2008/2009. Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le nombre réel (ou complexe) UNIVERSITE PAUL SABATIER 2008/2009 YjY L1 - PCP - DETERMINANTS (COURS-EXERCICES) YjY 1 Déterminant, définition, propriètés Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le

Plus en détail

Cours de Mathématiques II Chapitre 1. Algèbre linéaire

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

Plus en détail

Intégration de polynômes Points de Gauss

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

Plus en détail

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

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

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

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

Plus en détail

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

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

Plus en détail

Applications linéaires

Applications linéaires Denis Pasquignon Applications linéaires Résumé du cours : 1. Généralités On appelle application linéaire de E dans F une application f : E F telle que (x 1, x 2 ) E 2 λ K, f(x 1 + λx 2 ) = f(x 1 ) + λf(x

Plus en détail

Généralités sur les fonctions numériques

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

Plus en détail

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

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

Plus en détail

Classes Caratéristiques.

Classes Caratéristiques. 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

Enveloppe vectorielle ou. Transformer de l affine en du vectoriel

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

Plus en détail

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats 1 À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats Cette note est écrite comme une section 7 du chapitre VIII du livre Algèbre Commutative. Méthodes Constructives.

Plus en détail

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

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

Plus en détail

et Transversalité par Pierre Vogel

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

Plus en détail

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

Partie I - Valeurs propres de AB et BA

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

Plus en détail

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 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

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

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

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

Plus en détail

EXERCICES MPSI A9 ESPACES EUCLIDIENS R. FERRÉOL 13/14

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

Plus en détail

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

Exercice oral des mines : pour voir si vous avez compris l analogie de l exercice précédent.

Exercice oral des mines : pour voir si vous avez compris l analogie de l exercice précédent. Lycée Pierre de Fermat 203/204 MPSI Devoir maison Devoir maison n 20 Exercice : utilisation du produit matriciel par blocs. Dans l exercice K est un corps commutatif quelconque de caractéristique différente

Plus en détail

1 Topologies, distances, normes

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

Plus en détail

Énoncés des exercices

Énoncés des exercices Énoncés Énoncés des exercices Exercice 1 [ Indication ] [ Correction ] Soit f un endomorphisme de E, commutant avec tous les endomorphismes de E. Montrer que f est de la forme λid, avec λ IK. Exercice

Plus en détail

Fiche n 1: Groupe, sous-groupe, ordre

Fiche n 1: Groupe, sous-groupe, ordre Université Lille 1 Algèbre 2010/11 M51.MIMP Fiche n 1: Groupe, sous-groupe, ordre Exercice 1 On considère sur R la loi de composition définie par x y = x + y xy. Cette loi est-elle associative, commutative?

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

Structures algébriques : groupes, anneaux et corps

Structures algébriques : groupes, anneaux et corps Maths PCSI Cours Structures algébriques : groupes, anneaux et corps Table des matières 1 Groupes 2 1.1 Lois de composition interne..................................... 2 1.2 Groupes................................................

Plus en détail

Cours Diagonalisation

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

Plus en détail

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire Algèbre linéaire rédigé par Anne Moreau 1 2 Table des matières 1 Espaces Vectoriels 5 11 Structure d espace vectoriel 5 111 Espaces vectoriels

Plus en détail

Analyse des données et algèbre linéaire

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

Plus en détail

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

Synthèse de cours (CPGE) Applications linéaires

Synthèse de cours (CPGE) Applications linéaires Synthèse de cours (CP Alications linéaires Alications linéaires Définition Soit et deux K-esaces vectoriels et ϕ une alication de dans. On dit que ϕ est une «alication linéaire» si on a : ( x, y, ( αβ,

Plus en détail

COURS MPSI B 3 VIII.. ÉQUATIONS DIFFÉRENTIELLES R. FERRÉOL 13/14

COURS MPSI B 3 VIII.. ÉQUATIONS DIFFÉRENTIELLES R. FERRÉOL 13/14 VIII.1) ÉQUATIONS DIFFÉRENTIELLES DU PREMIER ORDRE. 1) Généralités. DEF : une équation différentielle du premier ordre est une expression du type où f est une fonction der 3 dansr. (E):f(x,y,y )=0 Résoudre

Plus en détail

PC* Espaces préhilbertiens réels

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

Plus en détail

Intégrale de Lebesgue

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

Plus en détail

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

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

Plus en détail

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

Correction du devoir maison n o 7 PARTIE I

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

Plus en détail

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

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

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

Plus en détail

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

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

Plus en détail

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

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

COURS ET EXERCICES DE MATHEMATIQUES PARTIE 1 1998-2011

COURS ET EXERCICES DE MATHEMATIQUES PARTIE 1 1998-2011 COURS ET EXERCICES DE MATHEMATIQUES PARTIE 1 1998-2011 2 PC Premier semestre Version 2011 Cours Exercice Auteur de la Ressource Pédagogique PICQ Martine MATHEMATIQUES Cours et exercices de Mathématiques

Plus en détail