Vade-MeCum. Vincent Hugot 22 janvier I Algèbre 3 1

Dimension: px
Commencer à balayer dès la page:

Download "Vade-MeCum. Vincent Hugot 22 janvier I Algèbre 3 1"

Transcription

1 Vincent 22 janvier 2005 Table des matières I Algèbre Les applications linéaires Généralités, définitions, exemples Somme directe de sous-espaces Somme directe de deux sous-espaces Somme directe de plusieurs sous-espaces Applications linéaires et matrices Théorie du rang La dualité Les endomorphismes La structure d algèbre Propriétés de M n (K) Endomorphismes remarquables Projecteurs Symétries Homothéties Rotations Endomorphismes nilpotents Préliminaire au groupe symétrique Permutations et transpositions Signature d une permutation La théorie du déterminant Déterminant dans le cas général Formes n-linéaires alternées en dimension n Définition du déterminant de n vecteurs en dimension n Déterminant et produit Calculer un déterminant Techniques de base Déterminants triangulaires par blocs Développement par rapport à une ligne ou à une colonne Formule du développement Application au calcul de l inverse d une matrice i

2 4.3.3 Le déterminant de Vandermonde Les systèmes linéaires Définition Les systèmes de Cramer Aires et volumes Aires Volumes Les polynômes Généralités Degré Polynômes dérivés Arithmétique des polynômes Division euclidienne Diviseurs et multiples, idéal Polynômes premiers entre eux Substitution de l indéterminée Exemples Lemme des noyaux Racines d un polynôme Factorisation et nombre de racines Cas des polynômes à coefficients complexes Applications Les polynômes interpolateurs de Lagrange Les suites récurrentes d ordre Sous-espaces stables d un endomorphisme Généralités sur les sous-espaces stables Valeurs propres et vecteurs propres Cas d un endomorphisme Cas d une matrice Polynôme caractéristique Polynôme caractéristique d une matrice Polynôme caractéristique d un endomorphisme Trigonalisation et diagonalisation Trigonalisation Diagonalisation Application aux systèmes différentiels Résolution de l équation différentielle x = λx Résolution de X = DX Résolution d un système différentiel diagonalisable Application aux suites récurrentes Polynômes d endomorphismes Polynômes annulateurs d un endomorphisme Généralités Un exemple important : le théorème de Cayley-Hamilton Polynôme minimal d un endomorphisme Définition du polynôme minimal

3 8.2.2 Propriétés du polynôme minimal Diagonalisation et polynôme minimal Sous-espaces caractéristiques Définition Décomposition de Jordan-Dunford Endomorphismes qui commutent Endomorphismes diagonalisables qui commutent Endomorphismes nilpotents qui commutent II Analyse Intégrale de Riemann d une fonction continue par morceaux Intégrale de Riemann d une fonction en escalier Définition des fonctions en escalier Intégrale de Riemann d une fonction en escalier

4 : définition, Ξ : notation, Ω : théorème, Υ : lemme, corollaire ou résultat utile, Π : proposition Première partie Algèbre 3 1 Les applications linéaires 1.1 Généralités, définitions, exemples : Soit E et F deux K-espaces vectoriels.une application f : E F est dite linéaire si et seulement si ( x,y E),( λ K),f(λx + y) = λf(x) + f(y) : Un isomorphisme est une application linéaire bijective : Un endomorphisme est une application linéaire d un espace vectoriel vers lui-même : Un automorphisme est un endomorphisme bijectif Ξ : L ensemble des applications linéaires de E vers F se note L(E,F). C est un K-espace vectoriel. L(E,E) = L(E). Lorsque E et F sont de dimensions finies on a diml(e,f) = dime dimf Ξ : Espace des suites à valeurs dans K : K N Ξ : Ensemble des matrices n lignes p colonnes à coefficients dans K : M np (K). Soit M M np (K) M = a a 1p..... a n1 a np ou M = (a ij ) Il s agit d un K-espace vectoriel de dimension n p : Soit E et F deux K-espaces vectoriels et soit u : E F une application linéaire. 1. On appelle image de u l ensemble u(e). C est l ensemble des vecteurs de F qui possèdent au moins un antécédent par u. Il s agit d un sous-espace vectoriel de F et nous le notons Imu. 2. On appelle noyau de u l ensemble des vecteurs x de E tels que u(x) = 0. Il s agit d un sous-espace vectoriel de E et nous le notons Keru. Π : Soit u : E F une application linéaire. Les propriétés suivantes sont automatiques : ( ) u(0) = 0 et u est injectif Ker u = {0}. 1.2 Somme directe de sous-espaces Somme directe de deux sous-espaces Υ : F et G étant des sev de E, F G est un sous espace si et seulement si F G ou G F Ξ : Soit F et G deux sous-espaces d un K-espace vectoriel E. L ensemble F + G = {x F + x G x F F, x G G} est un sous-espace vectoriel de E. En fait, il s agit du plus petit sous-espace vectoriel contenant à la fois F et G, donc F + G = Vect (F G). : Soit F et G deux sous-espaces vectoriels d un K-espace vectoriel E. On dit que F et G sont 22 janvier 2005 Mathématiques Page 1 sur 26

5 en somme directe lorsque F G = {0}. La somme de F et G se note alors F G à la place de F + G et on parle de la somme directe de F et G. Π : Soit F et G deux sous-espaces vectoriels d un K-espace vectoriel E. Les assertions suivantes sont équivalentes : 1. F et G sont en somme directe. 2. Tout élément de F + G s écrit de manière unique sous la forme x F + x G avec x F F et x G G. Ξ : F et G sont supplémentaires dans E E = F G : { E = F + G E = F G unicité de la décomposition F G = {0} : Soit F et G deux sous-espaces supplémentaires d un K-espace vectoriel E. A chaque x E, on peut associer un et seul x F, ainsi qu un et seul x G vérifiant x = x F + x G. On appelle x F le projeté de x sur F parallèlement à G. On appelle x G le projeté de x sur G parallèlement à F. Les applications { { E F E G π F,G : et π x x G,F : F x x G sont les projecteurs sur F (ou G) parallèlement à G (ou F). Υ : Un projecteur est une application linéaire Ω : Soit E un K-espace vectoriel de dimension finie et F un sous-espace vectoriel de E. Il existe des sous-espaces G tels que F G = E. Υ : Soit F,G deux sous-espaces vectoriels de dimension finie. Nous avons : 1. Si F et G sont en somme directe, alors dim(f G) = dim F + dim G. 2. Dans le cas général, nous avons dim(f + G) = dimf + dimg dim(f G). : Soit E un K-espace vectoriel de dimension n et F un sous-espace. La codimension de F est le nombre n dimf. On la note codim F. C est la dimension commune de tous les supplémentaires de F dans E. Ω : Définition d une application linéaire sur des supplémentaires Soit E un K-espace vectoriel et F,G deux sous-espaces supplémentaires : F G = E. Soit H un autre K-espace vectoriel. Soit f : F H et g : G H deux applications linéaires. Il existe une et une seule application linéaire u : E H «qui recolle f et g», c est-à-dire telle que u F = f et u G = g. Υ : Soit E un K-espace vectoriel de dimension finie et F un sous-espace vectoriel de E. Soit H un autre K-espace vectoriel et f : F H une application linéaire. Il existe au moins une application linéaire u L(E,H) telle que u F = f Somme directe de plusieurs sous-espaces : Soit E un K-espace vectoriel et F 1,...,F p des sous-espaces de E. 1. On note p F i l ensemble des vecteurs x E qui s écrivent sous la forme x = p x i avec ( ( i [[1,p]]),x i F i. On a p p F i = Vect F i ). 2. On dit que la somme des F i est directe lorsque tout élément x de p F i se décompose de façon unique sous la forme : x = x x p. F 1 22 janvier 2005 Mathématiques Page 2 sur 26 Fp

6 On écrit alors p F i = F 1 F p à la place de p F i = F F p. Π : Soit E un K-espace vectoriel et F 1,...,F p des sous-espaces de E. Les F i sont en somme directe si et seulement si ( i [[1,p]]),F i F j = {0} j i Ω : Soit. Soit un K-espace vectoriel E de dimension finie, et des sous-espaces F 1,...,F p tels que E = p F i. Si chaque F i est muni d une base B i, alors le recollement B des B i est une base de E. Ω : Dans un K-espace vectoriel de dimension finie, on considère des sous-espaces F 1,...,F p en somme directe. On a alors : ( p ) p dim F i = dimf i 1.3 Applications linéaires et matrices Ω : Soient E et F des K-espaces vectoriels de dimension p, (e 1,...,e p ) une base de E et (y 1,...,y p ) une famille quelconque de F. Il existe une unique application linéaire u : E F telle que u(e i ) = y i i [[1,p]] M = Mat (f) (e) u = u(e 1 )... u(e p) a 11. a n1... a 1p a np f 1. f n Υ : Le produit sur les matrices est donné par la formule suivante : si A = (a ij ) M np et B = (b ij ) M pq K, alors A et B sont multipliables et leur produit C = (c ij ) M nq K est donné par p c ij = a ik b kj. k=1 : On appelle matrice de passage de la base (e) à la base (e ) et on note P (e) (e ) (ou simplement P), la matrice dont les colonnes sont les coordonnées des vecteurs e i exprimés sur la base (e) : P (e) (e ) = e 1... e p d 11. d p1... d 1p d pp e 1. e p = Mat (e) (e ) Id E Ω : Formules de changement de bases : Avec les notations précédentes, nous avons : P (e) (e ) = Mat (e) (e ) Id E X = P (e) (e )X. P (e) (e )P (e ) (e ) = P (e) (e ) P (e ) (e) = ( 1 P (e) (e )). [ ] Mat u = P (f (f ) (e ) (f) Mat u P (e) (e ). ) (f) (e) : Soit M,M M np. Les conditions suivantes sont équivalentes : 22 janvier 2005 Mathématiques Page 3 sur 26

7 1. M et M représentent la même application linéaire dans des bases différentes. 2. Il existe des matrices inversibles P GL p (K) et Q GL n (K) telles que M = QMP. On dit alors que M et M sont équivalentes. : Soit M,M M n. Les assertions suivantes sont équivalentes : 1. M et M représentent le même endormorphisme dans deux bases différentes (en imposant que les bases d arrivée et de départ soient les mêmes). 2. Il existe une matrice inversible P GL n (K) telle que M = P 1 MP. Dans ce cas, on dit que M et M sont semblables. La relation ainsi définie s appelle la relation de similitude. 1.4 Théorie du rang : Définition du rang 1. Soit E un K-ev et (x 1,...,x p ) une famille de vecteurs. On appelle rang de la famille (x i ) la dimension du sous-espace vectoriel qu elle engendre. On le note rg(x 1,...,x p ) : rg(x 1,...,x p ) = dim Vect (x 1,...,x p ). 2. Soit E,F deux K-espaces vectoriels et u : E F une application linéaire. On appelle rang de u la dimension de son image. On le note rg u : rg u = dim Im u. 3. Soit M M np. On note C 1,...,C p M n1 (K) les vecteurs colonnes de M. On appelle rang de M le rang de la famille (C 1,...,C p ). Π : Soit E,F munis des bases (e) et (f). Soit u L(E,F) une application linéaire et M sa matrice dans les bases (e) au départ et (f) à l arrivée. Alors rg M = rg u. En particulier, si M et M sont deux matrices équivalentes, alors rg M = rg M. : Soit u L(E,F) une application linéaire. Soit G un sous-espace de E et H un sous-espace de F. Lorsque u(g) H, on peut définir l application u H G : G H obtenue par restriction de u au départ et à l arrivée. On dit que u induit l application u H G entre G et H. Ω : Théorème du rang : Soit u : E F une application linéaire. Soit G un supplémentaire quelconque de Ker u dans E. Alors u induit un isomorphisme entre G et Im u. Ω : Soit E,F de dimensions finies et u : E F une application linéaire. Alors dime = dim Ker u + dim Im u = dim Keru + rg u Il s ensuit qu en dimension finie, l injectivité, la surjectivité et la bijectivité sont équivalentes Ω : Soit E et F de même dimension n. Soit u : E F une application linéaire. Alors, pour prouver que u est un isomorphisme, il suffit de prouver que u est injective ou que u est surjective. En particulier, pour un endomorphisme u L(E), les assertions suivantes sont équivalentes : 1. u est un automorphisme. 2. Keru = {0}. 3. rg u = n. ( ) Ir 0 Ξ : J r = par blocs 0 0 Ω : Théorème du rang (forme matricielle) 22 janvier 2005 Mathématiques Page 4 sur 26

8 1. Toute application linéaire de rang r a pour matrice J r dans des bases ad hoc. 2. Deux matrices sont équivalentes si et seulement si elles ont le même rang. Toute matrice de rang r est équivalente à J r. Ω : Soit A une matrice. On a rg A = rg t A. Par conséquent, le rang des vecteurs colonnes C j est égal au rang des vecteurs lignes L i. 1.5 La dualité : On appelle forme linéaire toute application linéaire de E dans K. : Soit E un espace vectoriel sur K de dimension n. On appelle hyperplan de E tout sev de dimension n 1 (c est-à-dire de codimension 1). Ce sont, après E lui-même, les plus gros sousespaces vectoriels possibles. Ω : Soit E un K-ev de dimension finie. Soit ϕ une forme linéaire non nulle. Son noyau Kerϕ est un hyperplan. : On note E l espace L(E, K) de toutes les formes linéaires sur E. E est l espace dual de E. Ω : Soit E un espace vectoriel sur K muni d une base (e 1,...,e n ). Soient les applications e i telles que e i(x) = x i. La famille (e 1,...,e n) forme une base de E. Elle est appelée base duale de la base (e). 2 Les endomorphismes 2.1 La structure d algèbre : Une K-algèbre est un ensemble A muni de trois lois : une addition (notée +), une multiplication externe par des scalaires de K et une multiplication interne (notées ou ou même sans symbole en général). Ces trois lois doivent vérifier les propriétés suivantes : 1. L addition et la multiplication externe font de A un K-ev. 2. La multiplication interne possède un élément neutre (encore appelé unité) que nous notons habituellement 1 A La multiplication interne est associative : a, b, c A, a(bc) = (ab)c = abc. 4. La multiplication interne est distributive par rapport à l addition : a,b,c A, a(b + c) = ab + ac et (a + b)c = ac + bc. 5. Les multiplications interne et externe commutent : a,b A, λ K, λ(ab) = (λa)b = a(λb) = λab. : Soit A une K-algèbre. On dit qu un élément a A est inversible lorsqu il existe un élément de A (que nous notons alors a 1 ) tel que aa 1 = a 1 a = 1 A. : L ensemble des matrices inversibles est noté GL n (K). Il s appelle le groupe linéaire d ordre n. Un endomorphisme est inversible si et seulement s il est bijectif. L ensemble des endomorphismes bijectifs de E est noté GL(E). : Soit A une K-algèbre. Un élément a A est dit nilpotent lorsqu il existe un entier p tel que a p = 0. Le plus petit des entiers p tels que a p = 0 s appelle l indice de nilpotence de a. 22 janvier 2005 Mathématiques Page 5 sur 26

9 2.2 Propriétés de M n (K) : On appelle trace d une matrice A = (a ij ) le nombre Tr(A) = n a ii. C est la somme des termes diagonaux. Π : Propriétés de la trace 1. La trace est une forme linéaire, c est-à-dire que, pour toutes matrices A,B M n (K) et tout scalaire λ K, on a Tr(λA) = λ Tr(A) et Tr(A + B) = Tr(A) + Tr(B). 2. La trace d un produit ne dépend pas de l ordre : pour toutes matrices A,B M n (K), Tr(AB) = Tr(BA). 3. Deux matrices semblables ont la même trace. On dit que la trace est un invariant de similitude. ( ) ( ) A B A Ξ : On définit deux matrices par blocs M = et M C D B = C D dans M n (K). Alors le produit par blocs se calcule comme pour un produit normal, c est-à-dire : ( ) AA MM = + BC AB + BD CA + DC CB + DD. 2.3 Endomorphismes remarquables Projecteurs : Un endomorphisme u L(E) est dit idempotent s il vérifie 1 u 2 = u. Ω : Un endomorphisme u L(E) est idempotent si et seulement si c est un projecteur. Ω : Soit p un projecteur de rang r. Il existe alors une base de E dans laquelle la matrice de u vaut J r. Π : Les projections sont des applications linéaires Symétries Dans ce paragraphe, on suppose que K est égal à Q, R ou C. : On dit qu un endomorphisme u L(E) est une involution ou que u est involutif lorsque u 2 = Id E. Cela signifie que u est bijectif et égal à son inverse : u = u 1. : Soit F et G deux sous-espaces supplémentaires dans E. Étant donné un vecteur x, nous écrivons sa décomposition selon la somme directe F G : x = x F + x G. Le symétrique de x par rapport à F parallèlement à G est le point s(x) = x F x G. L application s ainsi définie est nommée symétrie par rapport à F parallèlement à G. Π : Les symétries sont des applications linéaires. Ω : Un endomorphisme est involutif si et seulement si c est une symétrie. Ω : Soit s la symétrie par rapport à un sous-espace F parallèlement à un sous-espace G. Si on recolle une base de F et une base de G, la matrice de s dans la base ainsi obtenue est On note pour plus de clarté u p = u u u }{{} p fois 1 dimf dimg 22 janvier 2005 Mathématiques Page 6 sur 26

10 2.3.3 Homothéties : On appelle homothétie tout endomorphisme de E de la forme λid E où λ K Rotations r(ε 2 ) sin θ ε 2 θ 0 cos θ sin θ θ cos θ r(ε 1 ) ε 1 Υ : Dans le plan R 2, on considère la rotation r d angle θ (et de centre 0, ce qui est toujours sous-entendu puisque nous parlons ici de rotation vectorielle). La matrice de cette rotation est : ( ) cos θ sin θ R θ = sin θ cosθ et on a les résultats suivants : R 1 θ Endomorphismes nilpotents Ω : Matrice d un nilpotent = R θ et R θ R α = R θ+α 1. Un endomorphisme u L(E) est nilpotent si et seulement s il existe une base (e) telle que la matrice de u dans la base (e) soit triangulaire supérieure stricte, c est-à-dire triangulaire supérieure avec des 0 sur la diagonale. Matu = (e) * Une matrice M M n (K) est nilpotente si et seulement si elle est semblable à une matrice triangulaire supérieure stricte. 3 Préliminaire au groupe symétrique 3.1 Permutations et transpositions : Soit n un entier naturel supérieur ou égal à On appelle permutation de [[1,n]] toute bijection de [[1,n]] dans lui-même. 2. On note S n et on appelle groupe symétrique l ensemble des permutations de [[1,n]]. On rappelle qu il existe n! permutations différentes de [[1,n]] donc Card(S n ) = n!. 3. Soit i j dans [[1,n]]. On note (i j) et on appelle transposition de i et j la permutation de [[1,n]] qui échange i et j et laisse fixes tous les autres nombres. En d autres termes, (i j) est la permutation τ définie par : Pour tout p [[1,n]], τ(p) = p si p i et p j j si p = i i si p = j 22 janvier 2005 Mathématiques Page 7 sur 26

11 Ξ : On parlera indifféremment de «produit de permutations» ou de «composition de permutations» et on écrira σ σ à la place de σ σ. Remarquons que l inverse d une transposition est elle-même :(i j) 1 = (i j). Ω : Toute permutation de {1,...,n} peut s écrire comme un produit de transpositions. En d autres termes, pour tout σ S n, il existe des transpositions τ 1,...,τ k telles que σ = τ 1 τ 2...τ k. Il est intéressant de noter que, si cette décomposition n est pas unique, la parité du nombre de transpositions nécessaires est toujours la même. 3.2 Signature d une permutation : On appelle signature de la permutation σ S n le nombre (qui vaut toujours ±1) ε(σ) = 1 i<j n σ(j) σ(i) j i Ω : La signature d un produit est le produit des signatures : soit σ,σ S n, alors ε(σ σ) = ε(σ )ε(σ). Ω : Corollaire du théorème précédent 1. Si τ est une transposition quelconque dans S n, alors ε(τ) = Si σ est une permutation quelconque dans S n qui se décompose comme produit de transpositions σ = τ 1...τ k, alors ε(σ) = ( 1) k. 4 La théorie du déterminant 4.1 Déterminant dans le cas général Formes n-linéaires alternées en dimension n : Soit E un K-ev. Une forme n-linéaire { est une application f : E n K telle que, pour tous E K a 1,...,a i 1,a i+1,...,a n E, l application est linéaire. x f(a 1,...,a i 1,x,a i+1,...,a n ) En d autres termes, f est n-linéaire si et seulement si elle est linéaire par rapport à chacune de ses variables. Soit f : E n K une forme n-linéaire. Nous disons que : 1. f est symétrique lorsque, pour toute permutation σ S n et pour tous vecteurs x 1,...,x n E, on a f(x σ(1),...,x σ(n) ) = f(x 1,...,x n ). 2. f est antisymétrique lorsque, pour toute permutation σ S n et pour tous vecteurs x 1,...,x n E, on a f(x σ(1),...,x σ(n) ) = ε(σ)f(x 1,...,x n ). 3. f est alternée lorsque, pour toute famille (x 1,...,x n ) de vecteurs de E dont deux d entre eux sont égaux, alors f(x 1,...,x n ) = 0. Π : Soit f : E n K une forme n-linéaire. 1. f est antisymétrique si et seulement si pour toute transposition τ S n et pour tous vecteurs x 1,...,x n, on a f(x τ(1),...,x τ(n) ) = f(x 1,...,x n ). 2. f est antisymétrique si et seulement si f est alternée. 22 janvier 2005 Mathématiques Page 8 sur 26

12 4.1.2 Définition du déterminant de n vecteurs en dimension n Ω : Théorème fondamental sur le déterminant Soit λ K. Il existe une unique forme n-linéaire alternée f : E n K telle que f(e 1,...,e n ) = λ. : Soit E un K-ev de dimension n rapporté à une base (e 1,...,e n ). Le déterminant dans la base (e) est l unique application n-linéaire alternée valant 1 en (e 1,...,e n ). Nous le notons det. (e) Soit x 1,...,x n n vecteurs de E. Nous introduisons leurs coordonnées a ij dans la base (e) : x j = n a ij e i. Nous avons : det (e) (x 1,...,x n ) = σ S n ε(σ)a σ(1)1...a σ(n)n. Par analogie le déterminant d une matrice A = (a ij ) M n (K) est : det(m) = σ S n ε(σ)a σ(1)1...a σ(n)n. On remarque que le déterminant d une matrice A est égal au déterminant de ses vecteurs colonnes C 1,...,C n dans la base canonique de K n. Υ : Propriétés immédiates du déterminant 1. Soit M M n (K), on a det(m) = det( t M). 2. det (e) (e 1,...,e n ) = det(i n ) = 1. Π : Soit E un K-ev de dimension n rapporté à une base (e 1,...,e n ) 1. Si la famille de vecteurs (x 1,...,x n ) est liée, alors det (e) (x 1,...,x n ) = On ne modifie pas la valeur de det (e) (x 1,...,x n ) en ajoutant à l un des vecteurs x k une combinaison linéaire des autres Déterminant et produit Ω : Soit A,B M n (K). On a det(ab) = det(a) det(b). Ω : Corollaire du théorème précédent 1. Une matrice P M n (K) est inversible si et seulement si det(p) 0. Si elle est inversible, alors det(p 1 ) = det(p) 1 2. Soit E un K-ev de dimension n muni d une base (e) et soit (x 1,...,x n ) une famille de n vecteurs. La famille (x 1,...,x n ) est une base si et seulement si det(x 1,...,x n ) 0. (e) 3. Deux matrices semblables ont le même déterminant. On dit que le déterminant est un invariant de similitude. : Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. Comme det est un invariant de similitude, les matrices de u dans une base quelconque ont toutes le même déterminant. On l appelle déterminant de l endomorphisme u et on le note det(u). 22 janvier 2005 Mathématiques Page 9 sur 26

13 4.2 Calculer un déterminant Techniques de base Υ : Règles de calcul déjà rencontrées 1. On ne change pas un déterminant en prenant la transposée d une matrice. 2. Si M M n (K), alors det(λm) = λ n det(m) 3. Si une matrice contient deux colonnes identiques, alors son déterminant est nul. 4. Si on multiplie une colonne par λ, alors le déterminant est multiplié par λ. Si on multiplie deux colonnes par λ, alors le déterminant est multiplié par λ 2, etc. 5. Si on échange deux colonnes, on change le déterminant en son opposé. 6. On ne change pas le déterminant en ajoutant à une colonne une combinaison linéaire des autres colonnes. 7. Les règles de calculs 3 à 6 sont énoncées sur des colonnes. Grâce à la règle 1, on voit que des règles identiques sont valables sur les lignes. Ω : Le déterminant d une matrice triangulaire est égal aux produits des termes diagonaux. En particulier, une matrice triangulaire est inversible si et seulement si tous ses termes diagonaux sont non nuls. La même formule est valable pour les matrices triangulaires inférieures, et bien entendu pour les matrices diagonales. a 11 * = a 11...a nn. ann Déterminants triangulaires par blocs 0 Ω : ( Une matrice ) triangulaire supérieure par blocs est une matrice M M n (K) de la forme A B M = où A, B, C sont elles-mêmes des matrices. Alors det(m) = det(a) det(c). 0 C 4.3 Développement par rapport à une ligne ou à une colonne Formule du développement Ξ : : Soit A = (a ij ) M n (K). On définit A ij M n 1 (K) la matrice extraite de A obtenue en rayant la ligne i et la colonne j : a a a 1j... a a 1,j 1 a 1,j+1... a 1n 1n a A ij = a i1... a ij... a in = i 1,1... a i 1,j 1 a i 1,j+1... a i 1,n a... i+1,1... a i+1,j 1 a i+1,j+1... a i+1,n a n1... a.... nj... a nn a n1... a n,j 1 a n,j+1... a nn On appelle mineur en position (i,j) de la matrice A le nombre D ij = det(a ij ). On appelle cofacteur en position (i,j) de la matrice A le nombre ij = ( 1) i+j D ij. Ω : Soit A = (a ij ) M n (K). Nous avons : n Pour tout i [[1,n]] : det(a) = a ij ij. (développement par rapport à la ligne i) j=1 22 janvier 2005 Mathématiques Page 10 sur 26

14 Pour tout j [[1,n]] : det(a) = n a ij ij. (développement par rapport à la colonne j) Application au calcul de l inverse d une matrice : Soit A = (a ij ) M n (K). On appelle comatrice de A et on note ComA la matrice des cofacteurs de A : Com A = ( ij ). On appelle matrice complémentaire de A et on note à la transposée de la comatrice de A : à = t Com A. Ω : Soit A M n (K). On a la formule : Aà = ÃA = det(a)i n. En particulier, si det(a) 0, A 1 = Le déterminant de Vandermonde à det(a) Π : Soit a 1,...,a n K. Le déterminant de Vandermonde est le suivant : a 1... a n V (a 1,...,a n ) = a a 2 n = (a j a i )... 1 i<j n a1 n 1... an n 1 La matrice de Vandermonde est inversible tous les nombres a i sont distincts deux à deux. 4.4 Les systèmes linéaires Définition : On appelle système linéaire à n équations et p inconnues un système d équations de la forme a 11 x a 1p x p = b 1. a n1 x a np x p Les coefficients du système sont les nombres a ij K. Le second membre est donné par les n nombres b 1,...,b n K et les inconnues sont des nombres x i dont on cherche à déterminer les valeurs possibles. Une solution du système est un p-uplet (x 1,...,x p ) K p de nombres qui vérifient les équations ci-dessus. Lorsque le second membre est nul, c est-à-dire lorsque b 1 = = b n = 0, on dit que le système est homogène. Il admet alors évidemment la solution banale (x 1,...,x p ) = (0,...,0). Il existe trois interprétations à un tel système : Interprétation matricielle a a 1p..... } a n1 {{ a np } A x 1. x p }{{} X = b n = b 1. b n }{{} B 22 janvier 2005 Mathématiques Page 11 sur 26

15 Interprétation vectorielle On considère l application linéaire u : K p K n dont la matrice dans les bases canoniques de K p et de K n est A. On note x = (x 1,...,x p ) K p le vecteur des inconnues et b = (b 1,...,b n ) K n le vecteur du second membre. Le système est alors équivalent à l équation vectorielle u(x) = b d inconnue x K p Interprétation scalaire On désigne par C 1,...,C p M n1 K les vecteurs colonnes de la matrice A. On les assimile à des vecteurs de K n. Le p-uplet de scalaires (x 1,...,x p ) K p est solution du système si et seulement si b est combinaison linéaire des vecteurs colonnes C i avec les x i comme coefficients, c est-à-dire si et seulement si x 1 C x p C p = b Les systèmes de Cramer : Un système linéaire est de Cramer lorsqu il y a autant d équations que d inconnues (p = n) et que la matrice A a un déterminant non nul. Ω : Formules de Cramer Un système carré (avec autant d inconnues que d équations) est de Cramer si et seulement si il admet une unique solution. Cette solution unique est alors donnée par les formules : Pour tout 1 j n, x j = 1 det(a) det (ε) (C 1,...,C j 1,b,C j+1,...,c n ). Le dernier déterminant désigne le déterminant de la matrice A où on a substitué la colonne j par le second membre b. 4.5 Aires et volumes Aires v u + v ε 2 P u,v u ε 1 Dans le plan usuel R 2 rapporté à sa base canonique (ε) = (ε 1,ε 2 ), on se donne deux vecteurs u et v et on s intéresse au paralallélogramme P u,v de côtés u et v. Ses quatre sommets sont 0, u, v et u + v. Ω : Aire d un parallélogramme : aire(p u,v ) = det (u,v) Ω : Soit f L(R 2 ). Soit A une partie de R 2 dont l aire vaut a, alors l aire de f(a) vaut det(f) a. En d autres termes, un endomorphisme f multiplie les aires par det(f). (ε) 22 janvier 2005 Mathématiques Page 12 sur 26

16 4.5.2 Volumes P uvw w v u Des résultats identiques sont valables en dimension 3 : Soit u,v,w trois vecteurs de R 3. Nous notons P u,v,w le parallélépipède formé sur u, v et w. Ω : Volume d un parallélépipède : Le volume de P u,v,w vaut det (u,v,w). Ω : Un endomorphisme f de R 3 multiplie les volumes par det(f). 5 Les polynômes 5.1 Généralités Degré : Soit P = n a k X k un polynôme. k=0 1. Les coefficients sont les nombres a k. Le corps K auquel ils appartiennent est appelé le corps de base. L ensemble de tous les polynômes à coefficients dans K est noté K[X]. 2. Le polynôme X est appelé indéterminée ou inconnue. 3. Lorsqu on a pris le soin de prendre a n 0, on dit que P est de degré n et on écrit deg(p) = n. Par convention, le degré du polynôme nul est égal à. Le coefficient a n est alors appelé coefficient dominant ou directeur de P. L ensemble de tous les polynômes à coefficients dans K et de degré inférieur ou égal à n est noté K n [X]. 4. Lorsque le coefficient dominant de P vaut 1, on dit que P est un polynôme unitaire. Π : Soit P et Q deux polynômes. On a : deg(p + Q) max[deg(p), deg(q)] et deg(pq) = deg(p) + deg(q) Polynômes dérivés : Soit P(X) = n a k X k un polynôme. Le polynôme dérivé de P est le polynôme P défini par k=0 P (X) = (ε) n n 1 ka k X k 1 = (j + 1)a j+1 X j. k=1 22 janvier 2005 Mathématiques Page 13 sur 26 j=0

17 En dérivant m fois de suite, on obtient le polynôme P (m), et si m > deg(p), alors P (m) = 0. Ω : Formule de Mac-Laurin : Soit P = n a k X k. ( k [[0,n]]), a k = P k (0) et donc k! k=0 P(X) = n k=0 P (k) (0) X k. k! 5.2 Arithmétique des polynômes Division euclidienne Ω : Division euclidienne des polynômes : Soit S K[X] un polynôme quelconque et P K[X] un polynôme non nul. Il existe un unique couple de polynômes (Q,R) tels que Diviseurs et multiples, idéal S = PQ + R avec deg(r) < deg(p). : On dit qu un polynôme P divise un polynôme Q ou encore que Q est un multiple de P lorsqu on peut factoriser P dans Q, c est-à-dire lorsqu il existe un polynôme R tel que Q = P R. : Les idéaux : Une partie I de K[X] est un idéal si elle vérifie les trois propriétés suivantes : 1. Le polynôme nul 0 appartient à I. 2. La somme de deux éléments de I est encore dans I. 3. Tout multiple d un élément de I est encore dans I. L ensemble des multiples d un polynôme P donné est un idéal. Ω : Idéaux de K[X] Soit I un idéal de K[X] contenant un polynôme non nul. Il existe un unique polynôme unitaire P 0 tel que I soit exactement l ensemble des multiples de P 0. On dit que P 0 est le générateur de l idéal I Polynômes premiers entre eux Ξ : Soient P,Q K[X]. On note P Q le plus grand diviseur commun de P et Q (ou pgcd) : On dit que deux polynômes non nuls P et Q sont premiers entre eux lorsque P Q = 1. Cela revient à dire que seules les constantes non nulles divisent à la fois P et Q. Ω : Théorème de Bezout : Deux polynômes non nuls P,Q K[X] sont premiers entre eux si et seulement s il existe deux polynômes U,V K[X] tels que PU + QV = 1. Υ : Soient A,B,C des polynômes non nuls. { A B = 1 Lemme de Gauss : = A C A BC Lemme d Euclide : A BC = 1 { A B = 1 A C = Substitution de l indéterminée Exemples Υ : Dans le polynôme P(X) = d a k X k, on peut substituer X par n importe quel b du moment k=0 que nous pouvons effectuer les opérations suivantes : 22 janvier 2005 Mathématiques Page 14 sur 26

18 1. Donner un sens à b Multiplier b par lui-même autant de fois que nécessaire et définir ainsi b k. 3. Multiplier b k par un scalaire a k. 4. Additionner le tout. C est à dire dès que b est un élément d une K-algèbre. Il y a trois cas d applications : x est un nombre dans K. On note alors P(x) = d a k x k = a d x d + + a 1 x + a 0. Cela définit la fonction polynomiale P : K K. u est un endomorphisme. Soit E un K-espace vectoriel et u L(E). On rappelle que u 0 = Id E et que u k est la composée de u par lui-même k fois de suite. On pose alors : k=0 P(u) = d a k u k = a d u d + a d 1 u d a 1 u + a 0 Id E. k=0 M est une matrice. Soit M M n (K). On rappelle que M 0 = I n. On pose alors : P(M) = d a k M k = a d M d + a d 1 M d a 1 M + a 0 I n. k= Lemme des noyaux : Des polynômes Q 1,...Q k sont dits premiers entre eux deux à deux si, pour tout i j, les polynômes Q i et Q j sont premiers entre eux. Il revient au même de dire que chaque polynôme Q i est premier avec le produit de tous les autres Q 1 Q i 1 Q i+1 Q k. Ω : Lemme des noyaux Soit E un K-espace vectoriel et u L(E). Soit Q 1,...,Q k K[X] des polynômes et Q = Q 1...Q k leur produit. Si les polynômes Q 1,...,Q k sont premiers entre eux deux à deux, alors k Ker Q(u) = Ker Q i (u). 5.4 Racines d un polynôme Factorisation et nombre de racines : Soit P(X) = n a k X k un polynôme à coefficients dans K. Soit λ K un nombre quelconque. k=0 On pose P(λ) = n a k λ k = a n λ n + a n 1 λ n a 1 λ + a 0. On dit que λ est une racine de P si k=0 et seulement si P(λ) = 0. L ensemble des racines d un polynôme donné dépend du corps K qu on s est fixé. Υ : Le nombre λ K est une racine du polynôme P K[X] si et seulement si (X λ) divise P. : On dit qu un nombre λ K est racine du polynôme P K[X] avec multiplicité m si (X λ) m divise P mais que (X λ) m+1 ne divise pas P. En d autres termes, la multiplicité m d une racine est le plus grande puissance de (X λ) que l on puisse mettre en facteur dans P. Ω : Le nombre λ K est une racine du polynôme P de multiplicité m si et seulement si P(λ) = 0,P (λ) = 0,...,P (m 1) (λ) = 0 et P (m) (λ) janvier 2005 Mathématiques Page 15 sur 26

19 Ω : Un polynôme non nul de degré n a au plus n racines comptées avec multiplicité. : On dit qu un polynôme P est scindé sur K s il peut s écrire sous la forme (avec a K, λ i K et m i N ) P(X) = a p (X λ i ) m i Υ : Soit P R[X] un polynôme réel et z C une racine de multiplicité m de P. Alors z est également racine de multiplicité m de P l équation P(X) = 0. Ω : Factorisation en polynômes irréductibles dans R[X] Dans R[X], tout polynôme s écrit comme produit d une constante, de polynômes unitaires de degré 1 et de polynômes unitaires de degré 2 sans racine dans R. En d autres termes, tout polynôme de R[X] s écrit sous la forme : P(X) = a p (X λ j ) j=1 q (X 2 + b k X + c k ) où a est le coefficient dominant de P, les λ j les racines (non nécessairement distinctes) de P dans R et où les nombres b k,c k sont des réels tels que b 2 k 4c k < 0. Υ : Corollaires utiles 1. Si deux polynômes P et Q de degrés inférieurs ou égaux à n prennent les mêmes valeurs en n + 1 points, alors P = Q. 2. Si un polynôme P a une infinité de racines, alors P est le polynôme nul. 3. Tout polynôme P R[X] de degré 3 admet au moins une racine réelle. k= Cas des polynômes à coefficients complexes Ω : Théorème de d Alembert-Gauss : Tout polynôme complexe non constant a une racine dans C. Υ : Tout polynôme à coefficients complexes est scindé sur C. Υ : Factorisation de polynômes explicites dans C 1. Penser à utiliser les racines réelles : une telle racine x est telle que P(x) = 0 donc telle que R (P(x)) = 0 et I(P(x)) = 0. C est vrai également d une racine complexe, mais la différence tient à ce qu on peut aisément séparer partie réelle et partie imaginaire lorsque la variable est réelle, et que ce faisant on peut, avec de la chance, repousser le problème sur des polynômes de degrés inférieurs. (cf. exemple du cours) 2. Pour rechercher la racine carrée δ = a + ib d un nombre complexe z = A + ib on procède comme suit : (a) On pose δ 2 = z ce qui donne la relation : {a 2 b 2 } + i [2ab] = {A} + i [B] dont on déduit par identification a 2 b 2 = A et le signe de ab (b) On a aussi δ 2 = a 2 + b 2 = z a 2 + b 2 = A 2 + B 2 (c) Ce qui nous donne le système a 2 b 2 = A (2 solutions) Signe ab = Signe B 22 janvier 2005 Mathématiques Page 16 sur 26

20 5.5 Applications Les polynômes interpolateurs de Lagrange Le but de l interpolation polynômiale est de trouver un polynôme qui vaut exactement des valeurs prescrites en des points choisis auparavant. Ω : Polynômes d interpolation de Lagrange Soit x 1,..., x n des nombres distincts dans K. Soit y 1,..., y n des nombres quelconques dans K. Il existe un et un seul polynôme P K[X] tel que deg(p) < n et P(x i ) = y i pour tout i. Il s agit de P(X) = n X x i y k x k x i i k }{{} L k (X) k=1 Remarquons que ( L k (x i ) = 0 i k ) et L k (x k ) = Les suites récurrentes d ordre 2 { un+2 = au n+1 + bu n Υ : On cherche à évaluer explicitement la suite (u n ) n 0 qui vérifie u 0 et u 1 donnés On introduit l équation caractéristique x 2 = ax + b x 2 ax b = 0, laquelle possède deux solutions r,s C, distinctes ou confondues. Il y a deux cas de figure : 1. r = s = u n = p r n + q nr n 2. r s = u n = p r n + q s n Dans les deux cas, on détermine p et q en utilisant u 0 et u 1 6 Sous-espaces stables d un endomorphisme 6.1 Généralités sur les sous-espaces stables : Soit E un K-espace vectoriel et u L(E) un endomorphisme. Un sous-espace vectoriel F est dit stable par u lorsque u(f) F. On peut alors définir l endomorphisme û induit par u sur F. Il est obtenu par restriction de u à F au départ et à l arrivée. Il est défini tout simplement par : x F, û(x) = u(x). Π : Expression matricielle d un sous-espace stable Soit E un K-espace vectoriel de dimension n et u L(E). Soit F un sous-espace stable non trivial de u. Soit (e 1,...,e p ) une base de F complétée en une base (e) = (e 1,...,e ( n ) de E. ) Alors la A B. 0 C matrice de u dans la base (e) est triangulaire supérieure par blocs : Mat (e) u = 6.2 Valeurs propres et vecteurs propres Cas d un endomorphisme Dans toute cette partie, E est un K-espace vectoriel de dimension n et u L(E) est un endomorphisme. : Un vecteur non nul x E est un vecteur propre de u si et seulement si u(x) est colinéaire à x ce qui, compte tenu du fait que x 0, revient à dire qu il existe un nombre λ K appelé 22 janvier 2005 Mathématiques Page 17 sur 26

21 valeur propre tel que u(x) = λx. : On appelle spectre de u et on note Sp(u) l ensemble des nombres λ K qui sont des valeurs propres de u. : Soit λ Sp(u) une VaP de u. On appelle sous-espace propre de u associé à λ et on note E λ (u), ou plus simplement E λ lorsqu il n y a pas de confusion possible, le sous-espace vectoriel E λ = Ker(u λid E ). Ses sous-espaces propres sont stables par u Ω : Somme directe des sous-espaces propres Soit E un K-espace vectoriel de dimension n, soit u L(E) un endomorphisme et soit λ 1,...,λ p des VaP distinctes de u. Les sous-espaces propres E λ1,...,e λp sont en somme directe. On note donc : λ Sp(u) E λ = λ Sp(u) Si x 1 est un VeP associé à λ 1,..., x p est un VeP associé à λ p, alors (x 1,...,x p ) est une famille libre Cas d une matrice : Soit A M n (K) une matrice carrée. 1. Un nombre λ K est une VaP de A s il existe un vecteur colonne non nul X tel que AX = λx. 2. Le spectre de A est l ensemble de ses valeurs propres. 6.3 Polynôme caractéristique Polynôme caractéristique d une matrice : Soit A M n (K) une matrice carrée. On appelle polynôme caractéristique de A le polynôme P A (X) = det(a XI n ). Π : Le polynôme caractéristique de A M n (K) est un polynôme de degré n de la forme P A (X) = ( 1) n X n + ( 1) n 1 Tr(A)X n det(a). Υ : Matrices de Froebenius On appelle matrice de Froebenius toute matrice de la forme suivante en on calcule son polynôme caractéristique par récurrence : 0 a 0 X a a 1 1 a 1 F = et P F (X) = 0 a n 2 0 X a n a n 1 1a n 1 X [ ] P F (X) = ( 1) n[ ] n 1 X n a n 1 X n 1 a 1 X a 0 = ( 1) n X n a k X k E λ k=0 22 janvier 2005 Mathématiques Page 18 sur 26

22 Ω : Valeurs propres et polynôme caractéristique Soit A M n (K). Un nombre λ est VaP de A si et seulement si P A (λ) = 0. En d autres termes, les VaP de A sont les racines du polynôme caractéristique de A. Π : Le polynôme caractéristique est un invariant de similitude, c est-à-dire que deux matrices semblables ont le même polynôme caractéristique Polynôme caractéristique d un endomorphisme Dans ce paragraphe, E est un K-espace vectoriel de dimension n et u L(E) est un endomorphisme. : Grâce à la proposition précédente, on voit que toutes les matrices de u ont le même polynôme caractéristique. On l appelle polynôme caractéristique de l endomorphisme u et on le note P u. P u (X) = det(u XId E ). : Soit λ une VaP de u. La multiplicité algébrique de λ, notée α λ, est le nombre de fois où λ est racine de P u. La multiplicité géométrique de λ, notée β λ, est la dimension du sous-espace propre E λ. Π : Premières propriétés du polynôme caractéristique 1. Soit A M n (K). On a P A = P t A. 2. Soit u L(E) et F un sous-espace stable par u. On note û l endomorphisme induit par u sur F. Alors le polynôme P u est un multiple de P u. 3. Soit λ une VaP de u. Alors 1 β λ α λ. 7 Trigonalisation et diagonalisation 7.1 Trigonalisation : Définition fondamentale de la trigonalisation 1. Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. On dit que u est trigonalisable lorsqu il existe une base (e) dans laquelle la matrice de u est triangulaire supérieure. 2. Une matrice carrée M M n (K) est dite trigonalisable lorsqu elle est semblable à une matrice triangulaire supérieure. Cela revient à dire qu elle est la matrice d un endomorphisme trigonalisable dans une certaine base ou encore qu il existe une matrice inversible P telle que P 1 MP soit triangulaire supérieure. Ω : Caractérisation des endomorphismes et matrices trigonalisables 1. Soit E un K-espace vectoriel de dimension n. Un endomorphisme u L(E) est trigonalisable si et seulement si son polynôme caractéristique P u est scindé sur K. 2. Une matrice A M n (K) est trigonalisable si et seulement si P A est un polynôme scindé sur K. Υ : Corollaire 1. Si E est un C-espace vectoriel de dimension n, alors tout endomorphisme sur E est trigonalisable. 2. Toute matrice A M n (C) est trigonalisable. 22 janvier 2005 Mathématiques Page 19 sur 26

23 Π : Trace, déterminant et valeurs propres Soit u L(E) un endomorphisme trigonalisable et soit λ 1,...,λ n les VaP de u (répétées selon leurs multiplicités algébriques). On a : Tr(u) = n λ i et det(u) = n λ i. L énoncé est identique pour les matrices trigonalisables. 7.2 Diagonalisation : Définition fondamentale de la diagonalisation 1. Soit E un K-espace vectoriel de dimension n. Un endomorphisme u L(E) est dit diagonalisable lorsqu il existe une base (e) de E dans laquelle la matrice de u est diagonale. 2. Une matrice carrée A M n (K) est dite diagonalisable lorsqu elle est semblable à une matrice diagonale. Cela revient à dire que A est la matrice d un endomorphisme diagonalisable dans une certaine base ou encore qu il existe P GL n (K) telle que P 1 AP soit une matrice diagonale. Ω : Différentes expressions de la diagonalisation Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. Les propriétés suivantes sont équivalentes : 1. u est diagonalisable. 2. Il existe une base de E formée de VeP de u. 3. E = E λ. λ Sp(u) 4. P u est scindé sur K et, pour toute VaP λ, on a α λ = β λ. Π : Dans un K-espace vectoriel E de dimension n, tout endomorphisme ayant n valeurs propres distinctes est automatiquement diagonalisable. 7.3 Application aux systèmes différentiels Résolution de l équation différentielle x = λx Ω : Solution de l équation différentielle x = λx Soit λ un nombre réel fixé. Quel que soit le nombre réel c, il existe une unique fonction dérivable x : R R solution de l équation différentielle x = λx et vérifiant la condition initiale x(0) = c. Cette fonction est donnée par la formule t R, x(t) = ce λt Résolution de X = DX Ω : Soient λ 1,...,λ n R n, x 1 (t) x λ 1(t) 1 X(t) =., X (t) =., D = 0 x n (t) x n(t) 0 λn c 1 c n,c =. 22 janvier 2005 Mathématiques Page 20 sur 26

24 Il existe une unique solution X : t X(t) de X = DX qui vérifie la condition initiale X(0) = C. Cette solution est donnée par la matrice t R, X(t) = e λ 1t 0 C. e λ nt 0 Autrement dit t R, x i (t) = c i e λ it Résolution d un système différentiel diagonalisable Avec des notations évidentes on a un système de la forme suivante à résoudre : x 1 = a 11 x a 1n x n x 1 (0) = c 1. et. x n = a n1 x a nn x n x n (0) = c n On pose : x 1 (t) x 1(t) a a 1n c 1 X(t) =., X (t) =., A =....., C =. x n (t) x n(t) a n1 a nn c n Ce faisant, on a ramené le problème dans le domaine des matrices : on cherche X telle que X = AX et X(0) = C. Maintenant, reste à diagonaliser A. On trouve P GL n (R) telle que D = P 1 AP. En notant Q = P 1 on a A = Q 1 DQ et il vient X = AX X = Q 1 DQX (QX ) = D(QX) Y = DY en posant les notations qui s imposent, à savoir QX = Y et QX = Y. On s aperçoit qu il s agit du cas précédent, que l on résout sans peine. On connaît donc Y. On revient à X immédiatement : QX = Y Q 1 QX = Q 1 Y X = PY et c est fini. 7.4 Application aux suites récurrentes On cherche les suites u 1,u 2,...,u n C N, vérifiant pour tout k 0 u 1 k+1 = a 11 u 1 k + + a 1n u n k u 1 0 = ξ 1 u 2 k+1 = a 21 u 1 k + + a 2n u n k u 2 0 = ξ 2 et.. u n k+1 = a n1 u 1 k + + a nn u n k u n 0 = ξ n On pose u 1 k U k =. u n k et A = a a 1n..... a n1 a nn Le problème revient donc à trouver U k telle que U k+1 = AU k, donc U k = A k U 0. Toute la difficulté réside donc dans la recherche de l expression de A k. Plusieurs méthodes sont envisageables : 22 janvier 2005 Mathématiques Page 21 sur 26

25 Méthode 1 : «Good Luck» Calculer à la main les premières puissances de la matrice et tenter d en dégager une loi, qu il faudra car nous sommes des gens rigoureux démontrer par récurrence. Méthode 2 : «Diagonalisation» On a A = P 1 DP, où D est une matrice diagonale, dont on peut calculer aisément les puissances successives, et on a A k = P 1 D k P Méthode 3 : «Subtile» Commencer par déterminer les polynôme caractéristique et minimal, respectivement P A (X) et Q A (X), en déduire les valeurs propres de A : les λ i. Notons d = deg Q A (X). Ceci en poche, nous pouvons dire qu il existe un unique polynôme Π(X) et un unique d-uplet de réels a 0,...,a d 1 tels que X p = Π(x)Q A (X) + a d 1 X d a 0 Il ne reste qu à calculer les a i en injectant les λ i dans l équation, et éventuellement en jouant sur la multiplicité des racines (c est à dire dériver l expression...). Après quoi on obtient A k en fonction des premières puissances de A : d 1 A k = a i A i 8 Polynômes d endomorphismes 8.1 Polynômes annulateurs d un endomorphisme Généralités : Un polynôme P est dit annulateur de u si P(u) = 0 (c est-à-dire est l endomorphisme nul). Π : Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. 1. Si P K[X] est un polynôme quelconque, alors les endomorphismes u et P(u) commutent. Plus généralement, si P et Q sont deux polynômes, alors P(u) et Q(u) commutent : P(u)Q(u) = (PQ)(u) = (QP)(u) = Q(u)P(u) 2. Nous désignons par T u : K[X] L(E) l application qui au polynôme P associe l endomorphisme P(u). Cette application T u est linéaire. 3. Il existe des polynômes non nuls P tels que P(u) = 0. : L ensemble de tous les polynômes annulateurs de u est appelé idéal annulateur de u. Il s agit évidemment d un idéal. Π : Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. Soit x 0 un VeP de u associé à la VaP λ. Soit P K[X] un polynôme. Alors : i=0 P(u)(x 0 ) = P(λ)x 0. En particulier, Si λ est une VaP de u, alors P(λ) est une VaP de P(u). Si λ est une VaP de u, alors c est une racine de n importe lequel des polynômes annulateurs de u Un exemple important : le théorème de Cayley-Hamilton Ω : Soit E un K-espace vectoriel de dimension n et u L(E) un endomorphisme. Alors P u (u) = 0. En d autres termes, le polynôme caractéristique est un polynôme annulateur. 22 janvier 2005 Mathématiques Page 22 sur 26

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

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

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

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

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

Plus en détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

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

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

Extrait du poly de Stage de Grésillon 1, août 2010

Extrait du poly de Stage de Grésillon 1, août 2010 MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne

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

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

Cours d analyse numérique SMI-S4

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

Plus en détail

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

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

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Résumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr

Résumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr Résumé du cours d algèbre 1, 2013-2014 Sandra Rozensztajn UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr CHAPITRE 0 Relations d équivalence et classes d équivalence 1. Relation d équivalence Définition

Plus en détail

Pour l épreuve d algèbre, les calculatrices sont interdites.

Pour l épreuve d algèbre, les calculatrices sont interdites. Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.

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

Polynômes à plusieurs variables. Résultant

Polynômes à plusieurs variables. Résultant Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

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

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

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

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

I. Polynômes de Tchebychev

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

Plus en détail

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

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Représentation géométrique d un nombre complexe

Représentation géométrique d un nombre complexe CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

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

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3 Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)

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

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

Programme de la classe de première année MPSI

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

Plus en détail

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

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Mathématiques Algèbre et géométrie

Mathématiques Algèbre et géométrie Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches

Plus en détail

NOMBRES COMPLEXES. Exercice 1 :

NOMBRES COMPLEXES. Exercice 1 : Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1

Plus en détail

1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.

1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R. Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Problème 1 : applications du plan affine

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

Plus en détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

Mathématiques appliquées à l'économie et à la Gestion

Mathématiques appliquées à l'économie et à la Gestion Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle

Plus en détail

Quelques contrôle de Première S

Quelques contrôle de Première S Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage

Plus en détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

Logique. Plan du chapitre

Logique. Plan du chapitre Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

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

Fonctions de plusieurs variables et applications pour l ingénieur

Fonctions de plusieurs variables et applications pour l ingénieur Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

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

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

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité

Plus en détail

Une forme générale de la conjecture abc

Une forme générale de la conjecture abc Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante

Plus en détail

Limites finies en un point

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

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

Plus en détail

Introduction. Mathématiques Quantiques Discrètes

Introduction. Mathématiques Quantiques Discrètes Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.

Plus en détail

Corrigé du baccalauréat S Asie 21 juin 2010

Corrigé du baccalauréat S Asie 21 juin 2010 Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015 et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L

Plus en détail

UNIVERSITE IBN ZOHR Faculté des sciences Agadir. Filière SMA & SMI. Semestre 1. Module : Algèbre 1

UNIVERSITE IBN ZOHR Faculté des sciences Agadir. Filière SMA & SMI. Semestre 1. Module : Algèbre 1 UNIVERSITE IBN ZOHR Faculté des sciences Agadir Filière SMA & SMI Semestre 1 Module : Algèbre 1 Année universitaire : 011-01 A. Redouani & E. Elqorachi 1 Contenu du Module : Chapitre 1 : Introduction Logique

Plus en détail

Chapitre VI - Méthodes de factorisation

Chapitre VI - Méthodes de factorisation Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

Plus en détail

CHAPITRE 10. Jacobien, changement de coordonnées.

CHAPITRE 10. Jacobien, changement de coordonnées. CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Cours arithmétique et groupes. Licence première année, premier semestre

Cours arithmétique et groupes. Licence première année, premier semestre Cours arithmétique et groupes. Licence première année, premier semestre Raphaël Danchin, Rejeb Hadiji, Stéphane Jaffard, Eva Löcherbach, Jacques Printems, Stéphane Seuret Année 2006-2007 2 Table des matières

Plus en détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

Licence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année)

Licence Sciences de l Ingénieur et Licence Informatique. Niveau L2 (= 2ème année) Licence Sciences de l Ingénieur et Licence Informatique Niveau L2 (= 2ème année) Mathématiques : Résumé de ce qu il faut savoir en Algèbre linéaire (ou Calcul Matriciel) au sortir du L1, en préalable au

Plus en détail

IV- Equations, inéquations dans R, Systèmes d équations

IV- Equations, inéquations dans R, Systèmes d équations IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation

Plus en détail

Équations d amorçage d intégrales premières formelles

Équations d amorçage d intégrales premières formelles Équations d amorçage d intégrales premières formelles D Boularas, A Chouikrat 30 novembre 2005 Résumé Grâce à une analyse matricielle et combinatoire des conditions d intégrabilité, on établit des équations

Plus en détail

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Equations différentielles linéaires à coefficients constants

Equations différentielles linéaires à coefficients constants Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I

Plus en détail

VI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE

VI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE VI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE 12. Compléments sur les modules 12.1. Théorème de Zorn et conséquences. Soient A un anneau commutatif

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

LE PRODUIT SCALAIRE ( En première S )

LE PRODUIT SCALAIRE ( En première S ) LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation

Plus en détail

1S Modèles de rédaction Enoncés

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

Plus en détail

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les

Plus en détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction du Baccalauréat S Amérique du Nord mai 2007 Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n

Plus en détail

Comment démontrer des formules sans effort? exposé de maîtrise

Comment démontrer des formules sans effort? exposé de maîtrise Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme

Plus en détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace

Plus en détail