Chapitre V. Chapitre V : Bases et dimension

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre V. Chapitre V : Bases et dimension"

Transcription

1 Chapitre V Chapitre V : Bases et dimension

2 Introduction On avait vu au Chapitre IV qu une base pour un espace vectoriel V est une partie à la fois libre et génératrice de V. Les bases constituent un outils pratique : elles permettent d engendrer tout V (au moyen des combinaisons linéaires) et contiennent un nombre de vecteurs aussi petit que possible.

3 Introduction Le but est d étudier plus en détails les bases d un espace vectoriel. On va notamment voir que tout espace vectoriel admet au moins une base!

4 Bases On peut facilement démontrer que : Théorème 1 Soit V espace vectoriel sur K et B V. Alors les proprétés suivantes sont équivalentes : 1 B est une partie libre et génératrice de V (une base), 2 B est une partie libre maximale de V, 3 B est une partie génératrice minimale de V. Minimale et maximale signifient minimale et maximale pour l inclusion : une partie libre de V est maximale si elle n est strictement contenue dans aucune autre partie libre de V. Une partie génératrice de V est minimale si elle ne contient strictement aucune autre partie génératrice de V.

5 Bases Nous avons vu que {(1, 0,..., 0), (0, 1, 0,..., 0),..., (0, 0,..., 0, 1)} était une base de K n (quel que soit K). On l appelle parfois la base canonique de K n. Par "canonique", il faut comprendre "naturelle", la plus "évidente". Même si K n admet d autres bases, c est la base canonique qui semble la plus naturelle et facile à manipuler.

6 Bases Exemple 2 La base canonique de R 2 est B = {(1, 0), (0, 1)}. Voici une autre base de R 2 : B 1 = {(1, 2), (2, 0)}. La partie B 1 est clairement libre vu qu aucun des deux vecteurs de B 1 n est multiple de l autre. Pour montrer qu elle est génératrice, soit (x, y) R 2 et trouvons deux scalaires λ 1 et λ 2 tels que c est-à-dire tels que (x, y) = λ 1 (1, 2) + λ 2 (2, 0) (x, y) = (λ 1 + 2λ 2, 2λ 1 ). On voit qu il suffit de prendre λ 1 = y/2 et du coup λ 2 = (x λ 1 )/2 = (2x y)/4. Donc B 1 est bien génératrice.

7 Bases On ne va démontrer l existence de base que pour certains espaces vectoriels particuliers : ceux de dimension finie. L espace vectoriel V sur K est appelé de dimension finie si il admet une partie génératrice ayant un nombre fini d éléments. Sinon, on dit qu il est de dimension infinie. Les espaces vectoriels de dimension infinie admettent aussi des bases, mais la démonstration est plus complexe et ne sera pas donnée dans ce cours.

8 Bases Exemple 3 Quel que soit K, l espace K n est de dimension finie vu que {(1, 0,..., 0), (0, 1, 0,..., 0),..., (0, 0,..., 0, 1)} est une base. En revanche, R[X ] n est pas de dimension finie. En effet, un ensemble fini de polynômes {p 1 (X ),..., p m (X )} ne peut jamais engendrer tout R[X ] vu que le degré du polynôme λ 1 p 1 (X ) λ m p m (X ) est au plus égal au degré maximum des p i (X ). Or, il existe des polynômes de degré plus grand que ce maximum dans R[X ], et qui ne seront donc pas engendrés par {p 1 (X ),..., p m (X )}!

9 Bases Théorème 4 Soit V espace vectoriel de dimension finie sur K et soit G = {v 1,..., v m } une partie génératrice finie de V. Soit L G une partie libre de V. Alors il existe une base B de V telle que L B G. Démonstration : Considérons toutes les parties libres de G contenant L. Parmi toutes ces parties libres, prenons en une B = {w 1,..., w k } qui est maximale (pour l inclusion). On va montrer que B est une base de V. Il suffit de montrer que <B> = V (on sait déjà que B est libre, par hypothèse). Prouvons tout d abord que G <B>.

10 Bases En effet, pour tout g G \ B, la partie B {g} n est pas libre (par hypothèse sur B). Il existe donc des scalaires λ 0,..., λ k tels que λ 0 g + λ 1 w λ k w k = 0 ou les λ i sont non tous nuls. Mais alors λ 0 0 sinon tous les λ i seraient nuls (vu que B est libre par hypothèse). On peut donc isoler g dans cette équation, ce qui prouve que g <B>. Soit à présent h V quelconque. Comme G est génératrice, il existe des scalaires λ 1,..., λ m K tels que h = λ 1 v λ m v m.

11 Bases Mais chaque v i G peut s écrire comme une combinaison linéaire des vecteurs de B. Du coup, h peut aussi s écrire comme combinaison linéaire des vecteurs de B. Ceci prouve que B est génératrice dans V.

12 Bases Le théorème qu on vient de démontrer est en fait vrai en générale : Théorème 5 Soit V espace vectoriel sur K et soit G une partie génératrice de V. Soit L G une partie libre de V. Alors il existe une base B de V telle que L B G. Mais la démonstration dans le cas ou V n est pas de dimension finie fait intervenir l axiome du choix (un axiome assez subtil de la théorie des ensembles) qui n est pas au programme de ce cours.

13 Bases En particulier, le Théorème 5 prouve donc que tout espace vectoriel admet (au moins) une base. En fait, il affirme plus que cela : Théorème 6 Soit V un espace vectoriel sur K. Alors toute partie génératrice de V contient une base de V. De plus, toute partie libre de V est contenue dans une base de V. Démonstration : Si G 1 est une partie génératrice de V, on applique le Théorème 5 avec G = G 1 et L =. Si L 1 est libre, on applique le Théorème 5 avec G = V et L = L 1.

14 Bases Exemple 7 Dans R 2, la partie L = {(1, 1)} est libre. Il est donc possible de la compléter en une base. Par exemple B = {(1, 1), (1, 0)} est une base (on vérifie aisément que B est libre et génératrice de R 2 ).

15 Bases Ce qu il faut bien comprendre : on a vu que V admet toujours une base. Une telle base contiendra un nombre fini d éléments si V est de dimension finie, et un nombre infini sinon. Cependant, que V soit de dimension finie ou pas, si B est une base de V, tout vecteur de V peut s exprimer comme combinaison linéaire d un nombre fini de vecteurs de B! Par définition, une combinaison linéaire ne peut en effet contenir qu un nombre fini d éléments. Prendre une somme infinie dans un espaces vectoriel n a à priori aucun sens!

16 Bases Exemple 8 L ensemble infini B = {1, X, X 2,..., X n,...} est une base de l espace vectoriel des polynômes R[X ]. L ensemble B est générateur vu que pour tout polynôme P(X ) il existe a 0,..., a m R tel que p(x ) = a 0 + a 1 X a m X m. Comme un polynôme est nul si et seulement si tous ses coefficients sont nuls, la partie B est aussi libre.

17 Bases Exemple 9 On peut montrer que l espace vectoriel réel R R est de dimension infinie. Mais on ne connaît aucune base explicitement!

18 Dimension Théorème 10 Soit V un espace vectoriel de dimension finie sur le corps K. Alors toutes les bases de V ont le même nombre d éléments. Ce nombre est appelé la dimension de V sur K, et noté dim K (V ). Lorsqu il n y a pas d ambiguité vis à vis du corps sur lequel on travaille, on note la dimension plus simplement dim(v ).

19 Dimension Démonstration : On se contentera d une idée de la preuve. Il suffit de montrer que si G = {v 1,..., v n } est une partie génératrice à n éléments de V, alors toute partie ayant plus de n éléments n est jamais libre. Ceci implique immédiatement que si B et B sont deux bases alors le nombre d éléments de B est au plus le nombre d éléments de B, et le nombre d éléments de B est au plus le nombre d éléments de B. Donc, B et B ont même nombre d éléments.

20 Dimension Il suffit donc de montrer que si G = {v 1,..., v n } est une partie génératrice de V à n éléments, alors toute partie ayant plus de n éléments n est jamais libre. Soit donc H un ensemble d au moins n + 1 vecteurs de V. Soit H contient n vecteurs liés, auquel cas H n est pas libre. Si ce n est pas le cas, on peut montrer (ce n est pas dur, mais un peu long) qu on peut remplacer successivement chaque vecteur v i G par un vecteur w i H tout en gardant une partie génératrice. Ainsi, on aurait une partie G = {w 1,..., w n } de H qui est génératrice pour V. Mais comme H contient plus de n éléments, il existe un élément dans H \ G. Cet élément est combinaison linéaire des éléments de G, et donc H n est pas libre.

21 Dimension Exemple 11 On a vu que {(1, 0,..., 0), (0, 1, 0,..., 0),..., (0, 0,..., 0, 1)} constitue une base de K n. Donc dim K (K n ) = n et toutes les bases de K n contiennent exactement n vecteurs.

22 Dimension et bases Théorème 12 Soit V un espace vectoriel de dimension finie n sur le corps K. Alors toute partie libre de n vecteurs est forcément génératrice (et est donc une base). De même, toute partie génératrice de n vecteurs est forcément libre (et est donc une base). Démonstration : Soit A une partie libre de n éléments. Si A n est pas génératrice, on pourrait la compléter pour avoir une base B (par le Théorème 6) qui aurait donc plus de n éléments, d où la contradiction. La démonstration du second point est similaire.

23 Dimension et bases Le Théorème 12 est très utile pour prouver qu une partie X de n vecteurs forme bien une base d un espace vectoriel V de dimension (finie) connue n. En effet, il affirme qu il suffit de prouver que X est libre, on gagne donc du temps.

24 Dimension et bases Exemple 13 La partie X = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)} est une base de R 4. En effet, dim R (R 4 ) = 4 vu que la base canonique est une base de R 4 et il est aisé de monter que X est libre : l équation λ 1 (1, 0, 0, 0)+λ 2 (1, 1, 0, 0)+λ 3 (1, 1, 1, 0)+λ 4 (1, 1, 1, 1) = (0, 0, 0, 0) est équivalent à (λ 1 + λ 2 + λ 3 + λ 4, λ 2 + λ 3 + λ 4, λ 3 + λ 4, λ 4 ) = (0, 0, 0, 0).

25 Dimension et bases Exemple (Suite de l exemple précédent) D où il suit que λ 4 = 0, et donc λ 3 = 0, λ 2 = 0, λ 1 = 0. La partie X est donc une partie libre de 4 vecteurs de R 4, c est-à-dire une base de R 4.

26 Dimension et bases Théorème 14 Soit V un espace vectoriel sur K et B une base de V. Alors tout vecteur non nul x V s exprime d une et une seule façon comme combinaisons linéaire d éléments de B. Démonstration : Soit x V. Comme B est génératrice, x peut s écrire comme une combinaison linéaire d éléments de B. Il reste à montrer que cette combinaison est bien unique. Il existe donc un sous-ensemble fini C B et des scalaires λ i 0 tels que x = x i C λ i x i.

27 Dimension et bases S il existait un autre sous-ensemble non vide D B et des scalaires α i 0 tels que x = y i D α i y i on aurait 0 = y i D α i y i x i C λ i x i. Mais comme B est libre, ceci ne peut arriver que si B = C et λ i α i = 0 pour tout i.

28 Coordonnées Soit V un espace vectoriel de dimension n sur K et {e 1,..., e n } une base de V. Pour tout vecteur x V, il existe donc des scalaires uniques λ 1,..., λ n tels que x = n λ i e i. i=1 On dira que λ 1,..., λ n sont les coordonnées (ou composantes) de x dans la base B.

29 Coordonnées Exemple 15 Soit V = K n et B = {(1, 0,..., 0), (0, 1, 0,..., 0),..., (0, 0,..., 0, 1)} la base canonique. Alors pour tout vecteur (x 1,..., x n ) K n on a (x 1,..., x n ) = x 1 (1, 0,..., 0) x n (0, 0,..., 0, 1) de sorte que les coordonnées de (x 1,..., x n ) dans la base canonique sont exactement x 1,..., x n.

30 Coordonnées Exemple 16 On a vu dans un des exemples précédents que B 1 = {(1, 2), (2, 0)} était une base de R 2 et que (x, y) = y 2 2x y (1, 2) + (2, 0). 4 Donc y/2 et (2x y)/4 sont les coordonnées de (x, y) dans la base B 1.

31 Applications Donnons à présent quelques applications de la notion de base à des problèmes issus de l informatique.

32 Applications Rappel : nous avons vu au Chapitre II qu il est possible de représenter un graphe au moyen de sa matrice d incidence. b 2 a 1 4 d 3 c a b c d

33 Applications On dira qu un graphe est connexe s il est en un seul morceau. Le dessin ci-dessous représente un graphe connexe G et un graphe non connexe H. G H

34 Applications Il est possible de démontrer le théorème suivant (voir un ouvrage de référence sur les graphes) : Théorème 17 Soit G un graphe ayant n sommets et m arêtes. Soit V le sous-espace de (Z 2 ) n engendré par les colonnes de la matrice d incidence de G. Alors dim Z2 (V ) n 1 avec égalité si et seulement si G est connexe. Ce théorème permet donc en particulier de déterminer si G est connexe à partir de sa matrice d incidence.

35 Applications Donnons maintenant une application concernant les codes correcteurs d erreurs. La terminologie qui suit est classique : Une code linéaire C de longueur n sur le corps fini Z p est un sous-espace de (Z p ) n. Si dim Zp (C) = k, on dit que C est un [n, k]-code p-aire.

36 Applications Soit C un [n, k]-code p-aire et B une base de C. La matrice de Mat(n k)(z p ) obtenue en mettant les vecteurs de B en colonnes est appelée matrice génératrice de C. Pour voir si un mot appartient au code, il suffit de voir s il peut être écrit comme une combinaison linéaire des colonnes de la matrice génératrice.

37 Résumé des points importants du chapitre 1 La définition d une base. Tout partie libre d un espace vectoriel V est contenue dans une base, toute partie génératrice contient une base. Toutes les bases ont le même nombre d éléments, 2 Les espaces vectoriels de dimension finie/infinie, 3 Dans un espace vectoriel de dimension finie n, toute partie libre de n éléments est une base, 4 Les coordonnées d un vecteur dans une base donnée.

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

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

Base : une axiomatique

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

Plus en détail

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

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 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

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

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

Plus en détail

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

Espaces vectoriels. par Pierre Veuillez

Espaces vectoriels. par Pierre Veuillez Espaces vectoriels par Pierre Veuillez 1 Objectifs : Disposer d un lieu où les opérations + et se comportent bien. Déterminer des bases (utilisation de la dimension) Représenter les vecteurs grace à leurs

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

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

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

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

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

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

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

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

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

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

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

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

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

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01 Eo7 Dérivée d une fonction Vidéo partie. Définition Vidéo partie. Calculs Vidéo partie 3. Etremum local, théorème de Rolle Vidéo partie 4. Théorème des accroissements finis Eercices Fonctions dérivables

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

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

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

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

Plus en détail

RECHERCHE OPERATIONNELLE

RECHERCHE OPERATIONNELLE RECHERCHE OPERATIONNELLE PROBLEME DE L ARBRE RECOUVRANT MINIMAL I - INTRODUCTION (1) Définitions (2) Propriétés, Conditions d existence II ALGORITHMES (1) Algorithme de KRUSKAL (2) Algorithme de PRIM I

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 Bilinéaires et Formes Quadratiques

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

Plus en détail

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

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

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

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

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

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

FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L1

FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L1 FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L TABLE DES MATIÈRES. Déterminer si un ensemble est un sous espace vectoriel sur R ou non.. Une vérification essentielle.2. La stabilité par combinaisons linéaires

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

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

Première partie. Deuxième partie

Première partie. Deuxième partie PC 96-97 correction épreuve X97 Première partie. f étant convexe sur l intervalle [t, t 2 ], sa courbe représentative est en dessous la corde joignant les points (t, f(t )) et (t 2, f(t 2 )). Comme f(t

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

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

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

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

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

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

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

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

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

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

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

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

Plus en détail

Université Joseph Fourier MAT231 2008-2009

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

Plus en détail

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

: 3 si x 2 [0; ] 0 sinon

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

Plus en détail

Logique informatique 2013-2014. Examen

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

Plus en détail

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

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

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

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

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

Plus en détail

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

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs

22 Cours - Espaces vectoriels.nb 1/8. Espaces vectoriels. I) Généralités II) Applications linéaires III) Sous espaces vectoriels IV) Générateurs 22 Cours - Espaces vectoriels.nb /8 Espaces vectoriels K -espace vectoriel, loi de composition interne (commutative, associative), élément neutre, symétrique, loi externe, vecteur nul, E, sous espace vectoriel,

Plus en détail

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

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

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

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

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

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

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 et probabilités TD1 Espaces mesurés Corrigé

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

Plus en détail

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

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

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

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

Plus en détail

1 Fonctions de plusieurs variables

1 Fonctions de plusieurs variables Université de Paris X Nanterre U.F.R. Segmi Année 006-007 Licence Economie-Gestion première année Cours de Mathématiques II. Chapitre 1 Fonctions de plusieurs variables Ce chapitre est conscré aux fonctions

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

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

Cours MP. Espaces vectoriels normés

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

Plus en détail

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

À propos des matrices échelonnées

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

Plus en détail

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

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Calculs préliminaires.

Calculs préliminaires. MINES-PONTS 005. Filière MP. MATHÉMATIQES 1. Corrigé de JL. Lamard jean-louis.lamard@prepas.org) Calculs préliminaires. Notons que si f H alors f)e / est bien intégrable sur R car continue positive et

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

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7.

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7. Mathématiques pour l informatique IMAC première année - Soutien - Nombres complexes Rappels. Un nombre complexe z admet plusieurs représentations : représentation vectorielle z = (a, b) où a, b R représentation

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Interprétation algébrique d une identité de Greene. combinatoire due à Greene

Interprétation algébrique d une identité de Greene. combinatoire due à Greene Interprétation algébrique d une identité combinatoire due à Greene (LaBRI) travail avec Adrien Boussicault et Victor Reiner GT CÉA, 25 septembre 2009 Plan 1 Présentation de l identité de Greene 2 Recodage

Plus en détail

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

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

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes de Hamming et les codes cycliques - Chapitre 6 (suite et fin)- Les codes de Hamming Principe La distance minimale d un code linéaire L est le plus petit nombre

Plus en détail

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < +

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < + Chapitre 6 Les espaces L p 6.1 Définitions et premières propriétés 6.1.1 Les espaces L p, avec 1 p < + Soient (E, T,m) un espace mesuré, 1 p < + et f M = M(E, T) (c est-à-dire f : E R, mesurable). On remarque

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

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

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Incertain, Marché financier, - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Plan du cours 1. Incertain, actifs financiers et marché financier 2. Les conditions d un marché sans arbitrage

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

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

Relations binaires sur un ensemble.

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

Plus en détail

Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques

Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques Patrick Dallaire Université Laval Département d informatique et de génie

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Actions de groupes. Exemples et applications

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

Plus en détail

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

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

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Frédéric Messine Introduction Dans ce chapitre, nous allons étudier une application de la dérivation des fonctions de plusieurs variables

Plus en détail