ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets"

Transcription

1 ENSI 98 - Filière MP - MATHÉMATIQUES 2 Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets PARTIE I - CONSTRUCTION D UNE MATRICE INVERSE A GAUCHE On suppose dans cette partie que m > n et que rg A = n 1 Propriété d inversibilité et de transposition a) L existence de solution pour l équation A x = b résulte de l hypothèse b Im A et l unicité du fait que A est injective puisque dim (Ker A) = dim E rg A = n n = 0 b) La matrice B = t AA est identifiée à un endomorphisme de l espace vectoriel euclidien E = R n dans lequel la base canonique est orthonormale Ainsi, vérifier que l endomorphisme canoniquement associé à B est symétrique revient à vérifier que la matrice B est symétrique, ce qui est immédiat puisque t B = t( t AA ) = t AA = B Pour montrer que B est inversible, il suffit de montrer que B est injective, c est à dire que Ker B = {0 E } En effet, soit x Ker B : on a Bx = 0, d où t x ( t AA)x = 0, donc A x 2 = t (A x) (A x) = 0, d où A x = 0 F et finalement x = 0 E puisque A est injective c) Important : le résultat de cette question est valable aussi bien pour m > n que pour m n Soit y F y Ker t M t My = 0 E x E, t x( t My) = 0 x E, t (Mx)y = 0 z Im M, (z y) F = t zy = 0 y = (Im M) Ainsi Ker t M = (Im M) En remplaçant M par t M (et en échangeant m et n), on obtient Ker M = (Im t M), donc (Ker M) = Im t M 2 Détermination d une inverse à gauche de A a) Lorsque y F, le vecteur b = P y Im A : d après 1a, il existe un unique x E tel que A x = b = P y On définit donc ainsi une application A (g) : y x de F vers E Vérifions que (y, y ) F 2, λ R, A (g) (λ y + y ) = λ A (g) y + A (g) y En effet, en notant x = A (g) y et x = A (g) y, on a par définition : P y = A x et P y = A x, donc P (λ y + y ) = λ P y + P y = λ A x + A x = A(λx + x ) Comme λ y + y Im A, on a, par définition de A (g) : A (g) (λ y + y ) = λ x + x, donc A (g) (λ y + y ) = λ A (g) y + A (g) y b) Vérifions que par double implication que A x = P y t AA x = t A y Si A x = P y, sachant que y P y (Im A), alors y A x Ker t A, donc t A(y A x) = 0 E, d où t AA x = t A y Si t AA x = t A y, alors t A (y A x) = 0 E, donc z = y A x Ker t A = (Im A) Ainsi l égalité y = A x + z est une décomposition de y sur Im A (Im A) qui montre que P y = A x Donc y F, x E, x = A (g) y t AA x = t A y x = ( t AA ) 1 t A y, donc A (g) = ( t AA ) 1 t A M98PM2C : Page 1

2 c) y F, P y = A A (g) y, donc P = A A (g) = A ( t AA ) 1 t A Remarque : Ker A (g) = (Im A) En effet y Ker A (g) A (g) y = 0 A A (g) y = 0 P y = 0 y Ker P = (Im A) 3 Propriétés de A (g) Unicité a) On a A (g) A = ( t AA ) 1 t AA = I n En particulier A (g) A est surjective, donc A (g) : F E est nécessairement surjective, donc a aussi rg A (g) = dim F dim (Ker A (g) ) = dim F dim (Im A) = dim (Im A) = n rg A (g) = dim E = n On b) Si m = n, c est à dire dim E = dim F, puisque A est injective par hypothèse, alors elle est bijective dans ce cas En composant à droite l égalité A (g) A = I n par A 1, on obtient que A (g) = A 1 c) On suppose que B M n,m vérifie BA = I n et que AB est un projecteur orthogonal En particulier BA est surjective, donc B est surjective : ainsi Im (AB) = (AB)(E) = A ( B(E) ) = A(E) = Im A Donc AB est le projecteur orthogonal sur Im A Donc z (Im A), AB z = 0 et comme A est injective, on a bien : z (Im A), B z = 0 Soit y F Il se décompose en y = v + z avec v Im A et z (Im A) Alors B y = B v + B z = B v = BP y = BA x = x = A (g) y, donc B = A (g) Bilan : Lorsque A est injective, parmi toutes les inverses à gauche B M n,m de A (ie BA = I n ), il en existe une et une seule de sorte que AB soit un projecteur orthogonal : il s agit de A (g) 4 Exemples a) Comme rg A = n, les a i sont non nuls On les suppose orthogonaux Alors le coefficient d indice (i, ) de la matrice-produit t AA est égal à t AA est donc égale à la matrice diagonale Diag( a 1 2,, a n 2 ) t Ainsi A (g) = ( t AA ) 1 t A = Diag ( a 1 1 a 1,, 1 ) 2 a 1 2 = t a n t a 1 a 1 2 n a ji a j = (a i a ) = δ i a i 2 j=1 t a n a n 2 A (g) = t A i [[1; n]], a i 2 = 1 les vecteurs-colonnes de A sont orthonormés dans F b) Pour b vecteur non nul de F = R m, on note abusivement b l application linéaire s s b de R vers F qui est représentée par la matrice unicolonne (b) identifiée à b En appliquant ce qui précède avec ici n = 1, on obtient que b (g) = t b b 2 M98PM2C : Page 2

3 Ainsi la forme linéaire b (g) est caractérisée par : y F, b (g) y = t b y b 2 = (b y) F (b b) F 5 Description d une méthode de détermination de A (g) a) On a F 1 = F 0 + Rδ avec δ / F 0, donc d δ Ainsi d = δ d est un vecteur non nul de F 1 et est orthogonal à F 0, d où F 1 = F 0 Rd Donc F = F1 F 1 = F 0 Rd F 1, ce qui montre que F 0 = Rd F 1 Tout vecteur y de F se décompose de façon unique sous la forme y = y 0 + α y d + y 1 avec y 0 F 0, α y R, y 1 F 1 Puisque α y d représente la projection orthogonale de y sur la droite Rd, on sait que α y d = (d y) F d 2 d Puisque P 0 y = y 0 et P 1 y = y 0 + α y d, alors P 1 y = P 0 y + 1 d 2 (d y) F d On remarque que α y d = 1 d 2 ( t dy)d = 1 d 2 d t dy = d d (g) y Donc P 1 y = P 0 y + d d (g) y et P 1 = P 0 + d d (g) b) Pour = 1 n, notons F = Im A le sous-espace vectoriel de F engendré par la famille (libre) (a 1,, a ) et par P la projection orthogonale dans F sur F Comme a / F 1 pour 2 n, en considérant d = a P 1 a et en appliquant le résultat du 5a, on a : P = P 1 + d d (g) Or d après 2c, P = A A (g), d où l égalité (1) A A (g) = A 1 A (g) 1 + d d (g) Il y a donc une erreur dans l énoncé En outre, d = ( I m A 1 A (g) 1) a c) Le produit matriciel A (g) A = I effectué par blocs donne les égalités suivantes : C A 1 = I 1, C a = 0, t γ A 1 = 0, t γ a = 1 Vérifions d abord l affirmation de l énoncé selon laquelle γ Im A = F En effet A (g) = ( t A A ) 1 t A, donc ( t C, γ ) = t A (g) = A B avec B = ( t A A ) 1 symétrique d ordre n En écrivant B sous la forme (B 1, x ) avec x E, on obtient γ = A x Im A = F Puisque t γ A 1 = 0, en transposant, on trouve que t A 1 γ = 0, donc γ Ker t A 1 = (Im A 1 ) = F 1 D autre part d F et d F 1 Ainsi γ et d sont tous deux dans F F 1 qui est de dimension 1, donc γ et d sont colinéaires : µ R / γ = µ d Or 1 = t γ a = t γ (d + d ) = t γ d car (d d ) = 0, donc t γ d = (γ, d ) = 0 On trouve donc que 1 = µ t d d = µ d 2, d où γ = d d 2 d) L égalité (1) donne : A 1 C + a t γ = A 1 A (g) 1 + d d (g) et aussi t γ = d (g) En composant à gauche par A (g) 1 et sachant que A(g) 1 A 1 = I m et que A (g) 1 d = 0 puisque d (Im A 1 ) = Ker A (g) [ ] [ ] d après la remarque du 2c, on obtient : C = A (g) 1 I m + d d (g) a t γ = A (g) 1 I m a d (g) 1 M98PM2C : Page 3

4 En conclusion, les formules de récurrence ci-dessus permettent de déduire la matrice A (g) L initialisation de l algorithme de calcul de A (g) = A (g) n est immédiate puisque A 1 = a 1, donc A (g) 1 = PARTIE II - CONSTRUCTION D UNE MATRICE INVERSE A DROITE On suppose ici que m < n et que rg A = m = dim F, c est à dire que A est surjective 1 Détermination d une inverse à droite M m, à partir de A (g) t a 1 a 1 2 a) Soit y F et x un antécédent de y par A x se décompose en x = x 1 + x avec x 1 Ker A et x (Ker A) On a alors y = A x = A x, ce qui prouve l existence d un antécédent de y dans (Ker A) Supposons que y = A x avec x (Ker A) Alors A (x x ) = 0 F, donc x x Ker A (Ker A), d où x = x, ce qui prouve l unicité d antécédent de y dans (Ker A) De plus si y = A z, en décomposant z en z + z avec z Ker A et z (Ker A), alors y = A z = A z, d où par unicité z = x et z 2 = z 2 + x 2 x 2, donc x z, donc x est un antécédent de y de norme minimum Si l on suppose que y = A z et z = x, alors z 2 = 0, donc z = 0, c est à dire z = x, ce qui prouve l unicité d antécédent de y dans E de norme minimum b) Vérifions que l application A (d) de F ver E est linéaire En notant x = A (d) y et x = A (d) y, alors A (λ x + x ) = λ A x + A x = λ y + y Comme λ x+x (Ker A), on a par définition de A (d), λ x+x = A (d) (λ y+y ) Ainsi A (d) (λ y + y ) = λ A (d) y + A (d) y y F, A (d) y = x et A x = y, donc AA (d) y = y, c est à dire AA (d) = I m 2 Propriétés de A (d) a) Comme AA (d) est injective, nécessairement A (d) est injective et donc rg A (d) = m b Notons Q = A (d) A Alors Q 2 = A (d) AA (d) A = A (d) I m A = A (d) A = Q, ce qui prouve que Q est un projecteur de E x Ker Q A (d) A x = 0 E A x = 0 F x Ker A puisque A (d) est injective, donc Ker Q = Ker A Or Im Q = Im (A (d) A) Im A (d) (Ker A) = (Ker Q), ce qui suffit pour affirmer que : Q est le projecteur orthogonal sur (Ker A) c) Lorsque m = n, on conclut de même qu au I3b que A (d) = A 1 d) L égalité AA (d) = I m donne immédiatement en transposant : t (A (d) ) t A = I m D autre part, puisque Q = A (d) A est un projecteur orthogonal, on sait qu il est symétrique, donc t Q = Q Or t Q = t A t (A (d) ) En considérant A = t A dont le rang est aussi égal à m et B = t (A (d) ), on est dans les conditions d application du résultat d unicité obtenu au I3c (en inversant les rôles de E et F ) puisque A est injective, B A = I m et que A B est un projecteur orthogonal On en déduit que t (A (d) ) = B = A (g) = ( t A A ) 1 t A = (A t A) 1 A En transposant, sachant que t (M 1 ) = ( t M) 1, on obtient que A (d) = t A (A t A) 1 1 M98PM2C : Page 4

5 PARTIE III - GÉNÉRALISATION 1 Pseudo inverse d une matrice rectangulaire a) D après le théorème fondamental d isomorphisme, on sait que V induit un isomorphime R de tout supplémentaire de Ker V sur Im V, ce qui s applique en particulier à (Ker V ) Ainsi R 1 est un isomorphisme de Im V sur (Ker V ) On rappelle qu une application linéaire est entièrement déterminée par ses restrictions à deux sous-espaces supplémentaires { y Im V, W y = R Considérons l application W de F vers E déterminée par : 1 y z (Im V ), W z = 0 F Il est clair que W est linéaire Vérifions que W satisfait aux quatre conditions de l énoncé Ker W = (Im V ) On a déjà (Im V ) Ker W Réciproquement, soit x Ker W x se décompose en y + z avec y Im V et z (Im V ) Alors 0 = W x = W y + W z = W yr 1 y, d où y = 0 et donc x = z (Im V ) Im W = (Ker V ) On a déjà Im W Im R 1 = (Ker V ) De plus dim (Im W ) = dim F dim (Ker W ) = dim F dim (Im V ) = dim (Im V ) = n dim (Ker V ) = dim (Ker V ) W V = Q Soit x E : il se décompose en x = x 1 + x 2 avec x 1 Ker V et x 2 (Ker V ) Alors W V x = W V x 2 = R 1 V x 2 car V x 2 Im V Comme x 2 (Ker V ), V x 2 = R x 2 et ainsi W v x = R 1 R x 2 = x 2 = Qx V W = P Soit y F : il se décompose en y = y 1 + y 2 avec y 1 Im V et y 2 (Im V ) Alors W y = W y 1 + W y 2 = R 1 y 1 par définition de W Ainsi V W y 1 = V R 1 y 1 = RR 1 car R 1 y 1 (Ker V ) Donc V W y = RR 1 y 1 = y 1 = Qy c) En outre y F, W V W y = QW y = W y car W y Im W = (Ker V ) = Im Q, donc W y est invariant par le projecteur Q Ceci montre que W V W = W Soit W une application linéaire de F vers E vérifiant : W V = Q, V W = P, W V W = W Montrons que W = W en considérant leurs restrictions à Im V et (Im V ) Soit y Im V Considérons x = R 1 y : on a y = V x et x (Ker V ) = Im Q, donc Qx = x Ainsi W y = W V x = Qx = x = R 1 y = W y Soit z (Im V ) Alors z Ker P et W z = W V W z = W P z = W 0 = 0 = W z d) Cas particuliers Si r = n, alors V est injective, donc Ker V = {0 E } et Q = I n Ainsi W V = I n et V W = P est un projecteur orthogonal, donc d après l unicité obtenue au I3c, nécessairement W = V (g) Si r = m, alors V est surjective, donc P = I m En transposant les égalités V W = I m et W V = Q pour se ramener à l unicité de l inverse à gauche vérifiant la condition de I3c, on montrerait de même qu au II2d que W est nécessairement égal à V (d) 2 Propriétés M98PM2C : Page 5

6 D après II1b, V + vérifie les deux propriétés suivantes : Ker V + = (Im V ) et Im V + = (Ker V ) Pour montrer que (V + ) + = V, il suffit de vérifier les trois propriétés caractéristiques suivantes : i) V (V + ) est la projection orthogonale sur (Ker V + ) dans F ii) (V + )V est la projection orthogonale sur (Im V + ) dans E iii) V (V + )V = V i) résulte du fait que V (V + ) est la projection orthogonale sur Im V et que Im V = (Ker V + ) ii) résulte du fait que (V + )V est la projection orthogonale sur (Ker V ) et que (Ker V ) = Im V + iii) est vérifiée car x E, V (V + )V x = P V x = V x car V x Im V = Im P On rappelle que les projecteurs orthogonaux P et Q sont symétriques On a : i) t (V + ) t V = t (V V + ) = t P = P projection orthogonale sur Im V = (Ker t V ) ii) t V t (V + ) = t (V + V ) = t Q = Q projection orthogonale sur (Ker V ) = Im t V iii) t (V + ) t V t (V + ) = t (V + ) en transposant l égalité V + V V + = V + Ces trois conditions permettent de conclure, grâce à l unicité obtenue au c) que ( t V ) + = t (V + ) M98PM2C : Page 6

7 PARTIE IV - APPLICATION NUMÉRIQUE Posons y i = f(t i ) pour i = 1 m et considérons le polynôme (d interpolation de Lagrange) L de degré m 1 déterminé par les conditions : i [[1; m]], L(t i ) = y i 1 L ensemble { n N / (x 0, x 1,, x n ) R n+1 / ( y i Elle admet donc un plus petit élément p qui vérifie donc p m 1 Ainsi le problème posé a une solution 2 Il est facile de vérifier que l application (P, Q) P, Q = La quantité ( y i n ) 2 } x t i ε est une partie non vide de N contenant m 1 =0 p ) 2 x t i s interprête alors comme étant L P 2 avec P = =0 P (t i ) Q(t i ) est un produit scalaire sur R m 1 [X] p x X A p fixé, on sait que cette quantité admet un minimum lorsque P est la projection orthogonale de L sur le sous espace vectoriel R p [X] Pour obtenir ce polynôme P de degré p réalisant ce minimum, cherchons les points critiques de la fonction ( F : (x 0, x 1,, x p ) F (x 0,, x p ) = yi x 0 x 1 t 1 x t i x p t p ) 2 i Or F x (x 0,, x p ) = 2 t i [ yi x 0 x 1 t 1 x j t j i x p t p ] i Les points critiques sont solutions du système (S p ) des (p + 1) équations aux (p + 1) inconnues x 0,, x p suivant : m m Pour = 0, 1,, p, x 0 t i + + x j + + x p t +p i = t i y i noté β 1 t 1 t m t 2 t m 1 2 Considérons la matrice carrée d ordre m (de Vandermonde) A = t +j i 1 t m t m 1 m Comme les t i sont deux à deux distincts, elle est de rang m Notons A p la matrice de type (m, p + 1) constituée des p + 1 premières colonnes de A Avec ces notations, on remarque (!!!) qu en notant b p le vecteur de R p+1 de composantes β 0,, β p et y le vecteur de R m de composantes (y 1,, y m ), alors b p = t A p y et que le coefficient d indice (, j) (0 p, 0 j p) du système (S p ) est égal au coefficient de même indice du produit matriciel t A p A p Ainsi le système (S p ) est de la forme t A p A p X p = t A p y Comme rg A p = p + 1, la matrice t A p A p est inversible d après le I1b, donc (S p ) a une solution unique : le seul point critique de F est donc le point en lequel F présente un minimum En notant P p la projection orthogonale sur Im A p, on a vu au I2b que (S p ) est équivalent à A p X p = P p y, donc à : X p = A (g) p y =0 M98PM2C : Page 7

8 L algorithme demandé utilise celui du calcul de proche en proche des A p (g) obtenu à la fin de la partie I Initialisation : p = 0, A (g) t A 0 0 = A 0 2 = 1 m (1,, 1) et X 0 = (x 0 ) avec x 0 = 1 y i m ( p ) 2 Boucle : Tant que y i x t i > ε faire : =0 Début : p p + 1 Déduire A (g) p de A (g) p 1 en utilisant les formules de récurrence du I5 Calculer x 0,, x p sachant que X p = A p (g) y Fin Retourner p et (x 0,, x p ) Fin du corrigé M98PM2C : Page 8

Matrices antisymétriques

Matrices antisymétriques [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1 Matrices antisymétriques Exercice 1 [ 02503 ] [Correction] Soit M M n (R) telle que M + t M soit nilpotente. Montrer que M est antisymétrique.

Plus en détail

Somme directe de sous-espaces vectoriels

Somme directe de sous-espaces vectoriels [http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 Somme directe de sous-espaces vectoriels Exercice 1 [ 00212 ] [correction] Soit f un endomorphisme d un K-espace vectoriel E vérifiant

Plus en détail

Formes bilinéaires et quadratiques

Formes bilinéaires et quadratiques Formes bilinéaires et quadratiques 0 Prolégomènes Caractéristique d un corps Si K, +, est un corps commutatif, alors l application ϕ : n n K, où K est l élément neutre de K pour le produit, est un morphisme

Plus en détail

Extrait gratuit de document, le document original comporte 13 pages.

Extrait gratuit de document, le document original comporte 13 pages. Notations Dans ce problème, E est un espace euclidien de dimension n 1. On note (x y) le produit scalaire de deux vecteurs quelconques x, y de E. On note [x] ε la matrice-colonne des coordonnées d un vecteur

Plus en détail

Opérations élémentaires et déterminants

Opérations élémentaires et déterminants 10 Opérations élémentaires et déterminants On note toujours K le corps de réels ou des complexes On se donne un entier n 1 et M n (K désigne l espace vectoriel des matrices carrées d ordre n à coefficients

Plus en détail

1. Familles de vecteurs

1. Familles de vecteurs Compléments d algèbre linéaire 1-1 Sommaire 1 Familles de vecteurs 1 11 Famille libre 1 1 Famille génératrice 1 13 Base 14 Propriétés Sous-espaces vectoriels 1 Somme de sous-espaces vectoriels Base adaptée

Plus en détail

SESSION 2014 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2

SESSION 2014 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2 SESSION 204 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES I. EXERCICE I I.. I..a A = n N 3 0 3 4 0 4 EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2 et (u, v, w ) = (, 0, ) u n+ = u n + 3v

Plus en détail

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx,

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx, Université Paris Panthéon-Sorbonne L MASS 0/03 Algèbre Corrigé Feuille 4 Exercice. a On remarque que dim F car F R 3 en effet,,, F. D autre part, soient e = 3,,, e =, 0,. On vérifie que {e, e } est une

Plus en détail

Isométries affines et vectorielles

Isométries affines et vectorielles Chapitre 3 Isométries affines et vectorielles Objectifs de ce chapitre 1. Rappels sur les isométries vectorielles.. Groupe orthogonal en dimension et 3. Détermination d une isométrie vectorielle en dimension

Plus en détail

Sous-espaces vectoriels stables

Sous-espaces vectoriels stables [http://mp.cpgedupuydelome.fr] édité le 1 juillet 214 Enoncés 1 Sous-espaces vectoriels stables Exercice 1 [ 755 ] [correction] Soient u et v deux endomorphismes d un K-espace vectoriel E. On suppose que

Plus en détail

Montrer qu il s agit d un produit scalaire, et trouver une base orthogonale pour ce produit scalaire. (x e k ).e k

Montrer qu il s agit d un produit scalaire, et trouver une base orthogonale pour ce produit scalaire. (x e k ).e k Ex 1 Facile Soit un espace préhilbertien réel E et deux vecteurs x,y E. a) Développer l expression y 2.x (x y).y b) Retrouver l inégalité de Cauchy-Schwarz ainsi que le cas d égalité. Ex 2 Cours, à faire

Plus en détail

Résumé 02 : Matrices & Déterminants

Résumé 02 : Matrices & Déterminants http://mpbertholletwordpresscom Résumé 02 : Matrices & Déterminants Dans tout ce chapitre, K sera le corps R ou C 1 LES BASES 1 L opérateur L A Toute application linéaire de R p dans R n est l application

Plus en détail

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u)

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u) Matrices symétriques réelles 1 Préliminaires On se place dans (R n, ) euclidien, le produit scalaire canonique étant défini par : (x, y) R n R n, x y = t x y = x k y k On note : M n (R) l algèbres des

Plus en détail

Espaces euclidiens, orthogonalité, longueur. Moindres carrés.

Espaces euclidiens, orthogonalité, longueur. Moindres carrés. Université de Nice SL2M 2009-10 Algèbre 2 Espaces euclidiens, orthogonalité, longueur. Moindres carrés. On travaille avec le corps des réels, noté R. Pour tout entier naturel n, on considère l ensemble

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Chapitre 1 Espaces vectoriels et applications linéaires Dans ce chapitre, nous rappelons, souvent sans démonstration, les définitions et résultats importants du cours de première année. Dans tout le chapitre,

Plus en détail

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques Agrégation interne UFR MATHÉMATIQUES Formes quadratiques On se place sur un R-espace vectoriel E de dimension finie n. 1. Formes bilinéaires symétriques et formes quadratiques 1.1. Formes bilinéaires symétriques

Plus en détail

Chapitre 4 : Applications linéaires

Chapitre 4 : Applications linéaires Chapitre 4 : Applications linéaires I. Applications Dans ce paragraphe, on s intéresse à des applications allant d un ensemble à un autre (sans aucune structure d espace vectoriel). Un ensemble est un

Plus en détail

À propos des transvections

À propos des transvections À propos des transvections Antoine Ducros Préparation à l agrégation de mathématiques 1 Les transvections : aspect matriciel On fixe pour toute la suite du texte un corps commutatif k. (1.1) Définition.

Plus en détail

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2.

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Chapitre 3 Les angles 3.1 Angles orientés de vecteurs du plan 3.1.1 Groupe des rotations Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Définition 3.1 On appelle

Plus en détail

Géométrie, L3 623 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne

Géométrie, L3 623 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne Géométrie, L 6 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne Exercice (Distance entre deux droites). On donne les droites (D) = (A, u) et (D ) = (B, v) avec Calculer la distance

Plus en détail

MT23-Algèbre linéaire

MT23-Algèbre linéaire MT23-Algèbre linéaire Chapitre 5 : Espaces euclidiens ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014 suivant Chapitre 5 Espaces Euclidiens et applications 5.1 Produit scalaire, norme, espace euclidien....................

Plus en détail

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR.

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR. Exercices avec corrigé succinct du chapitre 1 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qui apparaissent dans ce texte sont bien définis dans la version

Plus en détail

Chapitre VI Applications linéaires

Chapitre VI Applications linéaires Chapitre VI Applications linéaires Dans ce cours, désigne R, C ou un corps commutatif quelconque. I Généralités 1. Définition Soient et deux -ev donnés. Une application est dite linéaire si. C est-à-dire

Plus en détail

Géométrie vectorielle euclidienne

Géométrie vectorielle euclidienne Chapitre 2 Géométrie vectorielle euclidienne 2.1 Généralités sur les espaces vectoriels euclidiens 2.1.1 Espaces euclidiens Définition 2.1 On appelle espace vectoriel euclidien tout espace vectoriel réel,

Plus en détail

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire :

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire : Exercices Corrigés Applications linéaires Exercice 1 On considère l application linéaire : f : R 4 R 2, x 1, x 2, x 3, x 4 x 1 + x 2 + x 3 + x 4, x 1 + 2x 2 + 3x 3 + 4x 4 1 Quelle est la matrice de f dans

Plus en détail

MATHÉMATIQUES II. Rappels, notations et objectifs du problème

MATHÉMATIQUES II. Rappels, notations et objectifs du problème MATHÉMATIQUES II Rappels, notations et objectifs du problème Dans tout ce problème, n désigne un entier naturel supérieur ou égal à 2 et M n ( IC ) l ensemble des matrices carrées complexes d ordre n De

Plus en détail

MPSI 2 : DL 07. pour le 26 mars 2003

MPSI 2 : DL 07. pour le 26 mars 2003 MPSI 2 : DL 07 pour le 26 mars 2003 Q 1 Dans le problème, E désigne un R-ev de dimension n 2. On notera D n (R) l ensemble des matrices diagonales de M n (R). E ij désigne la matrice de la base canonique

Plus en détail

Géométrie dans les espaces préhilbertiens

Géométrie dans les espaces préhilbertiens 13 Géométrie dans les espaces préhilbertiens Pour ce chapitre (E, ) est un espace préhilbertien et est la norme associée. 13.1 Mesures de l angle non orienté de deux vecteurs non nuls L inégalité de Cauchy-Schwarz

Plus en détail

Applications linéaires

Applications linéaires Chapitre 4 Applications linéaires I) Généralités sur les applications linéaires 1) Définitions Définition 1 Soient E et F deux R-espaces vectoriels On appelle application linéaire de E dans F toute application

Plus en détail

I. Détermination de Rac(A) dans quelques exemples.

I. Détermination de Rac(A) dans quelques exemples. I. Détermination de Rac(A) dans quelques exemples. 1. Les sous espaces propres E λi (A) sont de dimension 1 et en somme directe. Leur somme a donc une dimension au moins égale à n. Comme elle est incluse

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES APPLICATIONS LINÉAIRES 1 Définition et premiers exemples 1.1 Définition Définition 1.1 Application linéaire Soient E et F deux K-espaces vectoriels. On appelle application linéaire de E dans F toute application

Plus en détail

MATHÉMATIQUES II. 2 2 à coefficients réels dont l élément nul est noté 0, et S 2 formé des matrices symétriques.

MATHÉMATIQUES II. 2 2 à coefficients réels dont l élément nul est noté 0, et S 2 formé des matrices symétriques. MATHÉMATIQUES II Dans tout le problème, M désigne le IR -espace vectoriel des matrices carrées à coefficients réels dont l élément nul est noté 0, et S le sous-espace vectoriel de M formé des matrices

Plus en détail

Rappels et compléments d algèbre linéaire

Rappels et compléments d algèbre linéaire Rappels et compléments d algèbre linéaire Table des matières 1 Somme et somme directe de p sous-espaces vectoriels. 2 1.1 de la somme de plusieurs sous-espaces vectoriels de E........................ 2

Plus en détail

I. Matrices positives

I. Matrices positives 1 Corrigé du devoir 16 : Mines-Ponts PSI 26 I Matrices positives 1 Soit A une matrice positive B = t MAM est symétrique car t B = t M t A M = t M A M = B De plus, si X M p,1, on a (BX X) = (AMX MX) = (AY

Plus en détail

Projections et symétries orthogonales

Projections et symétries orthogonales [http://mp.cpgedupuydelome.fr] édité le 3 novembre 2017 Enoncés 1 Projections et symétries orthogonales Exercice 1 [ 01588 ] [Correction] On considère un espace vectoriel euclidien E muni d'une base orthonormée

Plus en détail

Algèbre Lineaire (II)

Algèbre Lineaire (II) Résumé du cours Algèbre Lineaire (II) Table des matières I Les matrices 1 I1 Ensembles de matrices remarquables 1 I2 L opérateur L A 1 I3 Produit 2 I4 Inversibilité 3 I5 Lignes et colonnes 3 I51 Manipulations

Plus en détail

Exercices corrigés. Exercice 6 Considérons les vecteurs de R 4 suivants : 1 e 1 = 1 1, e 2 = 1. , e 4 = 2, e 3 = 1 1

Exercices corrigés. Exercice 6 Considérons les vecteurs de R 4 suivants : 1 e 1 = 1 1, e 2 = 1. , e 4 = 2, e 3 = 1 1 Eercices corrigés Algèbre linéaire Enoncés Eercice On rappelle que (E, +, est un K-espace vectoriel si (I (E, + est un groupe commutatif ; (II-, y E, α K, α ( + y = α + α y ; (II- E, α, β K, (α + β = α

Plus en détail

CORRIGÉ. Concours marocain 2007 : Maths II, PSI. Source disponible sur : Mr Mamouni : CPGE Med V, Casablanca, Maroc

CORRIGÉ. Concours marocain 2007 : Maths II, PSI. Source disponible sur : Mr Mamouni : CPGE Med V, Casablanca, Maroc Concours marocain 2007 : Maths II, PSI Mr Mamouni : CPGE Med V, Casablanca, Maroc Source disponible sur : c CORRIGÉ Notes du correcteur : Des questions de cours dans ce problème ne seront pas redémontrées,

Plus en détail

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 SESSION 2005 CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 I - Détermination de Rac(A) dans quelques exemples Exemple 1 : Cas où A possède n valeurs propres distinctes 1. Le polynôme

Plus en détail

Espaces euclidiens, orthogonalité, longueur. Moindres carrés.

Espaces euclidiens, orthogonalité, longueur. Moindres carrés. Université Nice Sophia-Antipolis SL2SF 2012-13 Algèbre 2 Espaces euclidiens, orthogonalité, longueur. Moindres carrés. On travaille avec le corps des réels, noté R. Pour tout entier naturel n, on considère

Plus en détail

IV Classification des isométries vectorielles en dimension 3 9 IV.A Isométries positives... 9 IV.B Isométries négatives... 9

IV Classification des isométries vectorielles en dimension 3 9 IV.A Isométries positives... 9 IV.B Isométries négatives... 9 Espaces euclidiens I Groupe orthogonal 1 I.A Matrices orthogonales.................................... 1 I.B Groupe des matrices orthogonales.............................. 2 I.C Automorphisme orthogonal.................................

Plus en détail

Commutant d une matrice

Commutant d une matrice Énoncé On désigne par n un entier naturel supérieur ou égal à 2, et par M n (IK) l algèbre sur IK des matrices carrées d ordre n à coefficients dans IK, avec IK = IR ou lc. La matrice identité de M n (IK)

Plus en détail

FB - EXERCICES SUR LES MATRICES

FB - EXERCICES SUR LES MATRICES FB 1 FB - EXERCICES SUR LES MATRICES Soit S n ++ (R) l ensemble des matrices carrées d ordre n définies positives à coefficients réels. Soit A dans S n ++ (R) de valeurs propres Si X et Y sont dans E =

Plus en détail

M = b d. a b ou M =. b a

M = b d. a b ou M =. b a Ce texte est extrait du cours optionnel de géométrie de l année universitaire 1999/2000. B.Ingrao Étude du groupe orthogonal dans le cas du plan. Dans ce qui suit, l espace est de dimension 2 ; en conséquence

Plus en détail

Chapitre X. Chapitre X : Matrice inverse et réciproque d une application

Chapitre X. Chapitre X : Matrice inverse et réciproque d une application Chapitre X Chapitre X : Matrice inverse et réciproque d une application Introduction Dans ce chapitre, on fera le lien entre la matrice d une application linéaire et l inverse d une matrice (notion vue

Plus en détail

Matrices et applications linéaires

Matrices et applications linéaires Matrices et applications linéaires Vidéo partie Rang d'une famille de vecteurs Vidéo partie Applications linéaires en dimension finie Vidéo partie Matrice d'une application linéaire Vidéo partie 4 Changement

Plus en détail

Corrigé MATHS II Résultats préliminaires. Filière PSI. 1 1.a. Soient A,B M 2 ( ). Par définition d une classe d équivalence nous avons :

Corrigé MATHS II Résultats préliminaires. Filière PSI. 1 1.a. Soient A,B M 2 ( ). Par définition d une classe d équivalence nous avons : MATHS II 008 Corrigé Filière PSI I Résultats préliminaires 1 1.a. Soient A,B M (). Par définition d une classe d équivalence nous avons : 1.b. ainsi : B (A) P GL (); B = PAP 1 (A) = {PAP 1 ; P GL ()} Sachant

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Enoncés 1 Ouverts et fermés Exercice 1 [ 113 ] [correction] Montrer que tout fermé peut s écrire comme intersection d une suite décroissante d ouverts.

Plus en détail

Exercices du chapitre XI avec corrigé succinct

Exercices du chapitre XI avec corrigé succinct Exercices du chapitre XI avec corrigé succinct Exercice XI. Soient : 3 2 6 2 A, B et C 2 4 3 3 2 4 4 2 2 x, y, y 2 et z 3. Calculer Ax et Bx, que remarque t-on par rapport à la multiplication usuelle dans

Plus en détail

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications 16 Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications E est un espace euclidien voir le chapitre 15 pour des rappels). 16.1 Orientation d un espace euclidien

Plus en détail

Espaces préhilbertiens : projection orthogonale sur un sous-espace de dimension finie. Applications à l approximation des fonctions

Espaces préhilbertiens : projection orthogonale sur un sous-espace de dimension finie. Applications à l approximation des fonctions 3 Espaces préhilbertiens : projection orthogonale sur un sous-espace de dimension finie. Applications à l approximation des fonctions 3. Espaces préhilbertiens On rappelle qu une forme bilinéaire sur un

Plus en détail

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 EXERCICE I

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 EXERCICE I SESSION 2014 CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 EXERCICE I I.1 I.1.a La matrice A est symétrique réelle et donc orthogonalement semblable à une matrice diagonales d après le

Plus en détail

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL Lycée Dominique Villars ECE 1 COURS CALCUL MATRICIEL 1 Définitions et Notations Soit n N et m N On appelle matrice à n lignes et m colonnes tout tableau de la forme suivant : a 1,1 a 1,2 a 1,m a 2,1 a

Plus en détail

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé December 5, 2008 Table des Matières Espaces euclidiens Orthogonalité - Espaces euclidiens..............................

Plus en détail

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices Chapitre 6 Algèbre matricielle En plus d être des tableaux de nombres susceptibles d être manipulés par des algorithmes pour la résolution des systèmes linéaires et des outils de calcul pour les applications

Plus en détail

Espaces de dimension finie

Espaces de dimension finie [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 Espaces de dimension finie Bases en dimension finie Dimension d un espace Exercice 1 [ 01634 ] [Correction] Soit E l ensemble des fonctions

Plus en détail

Pseudo-inverse d une matrice carrée

Pseudo-inverse d une matrice carrée MP 933 & 934 Devoir Libre n o 4 Corrigé I Quelques propriétés des pseudo-inverses I.1. On vérifie aisément que M = M = M 3 ; de l équation MMM = M on déduit que M est un inverse faible de M. De plus, M

Plus en détail

Résumé 01 : Algèbre Linéaire (I)

Résumé 01 : Algèbre Linéaire (I) http://mpbertholletwordpresscom Résumé 1 : Algèbre Linéaire (I) Dans tout ce chapitre, K sera le corps R ou C, et E sera un espace vectoriel sur K Vous remarquerez les grandes similitudes qui existent

Plus en détail

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire :

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : 61 Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : n, ( x 1,..., x n ) F n, (λ 1,..., λ n ) n, n λ i x i F i=1 Par récurrence sur le nombre de termes dans la combinaison linéaire.

Plus en détail

EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. Notations et objectifs

EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. Notations et objectifs SESSION 2010 PCM1002 EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1 Durée : 4 heures Les calculatrices sont interdites N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Bibliothèque d exercices Énoncés L Feuille n 9 Espaces vectoriels de dimension finie Base Exercice Montrer que les vecteurs {,, 0 } forment une base de R. Calculer les coordonnées respectives des vecteurs

Plus en détail

MATRICES. 1. Définition. 2. Matrices carrées particulières. ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K)

MATRICES. 1. Définition. 2. Matrices carrées particulières. ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K) 21-10- 2007 JFC Mat p 1 MATRICES I GÉNÉRALITÉS 1 Définitions 2 Matrices carrées particulières II ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K) 1 Structure d espace vectoriel de M n,p (K) 2 Base canonique

Plus en détail

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations 4 Définitions et notations CHAPITRE 4 Matrices 4 Définitions et notations On désigne par K un des deux ensembles R ou C et par n et p deux entiers strictement positifs 4 Matrices Définition On appelle

Plus en détail

1. Produit Scalaire sur E

1. Produit Scalaire sur E Espaces vectoriels préhilbertiens et euclidiens 4 - Sommaire. Produit Scalaire.. Forme bilinéaire symétrique.......... Forme quadratique associée......... Forme quadratique définie positive.....4. Produit

Plus en détail

Vecteurs et applications linéaires

Vecteurs et applications linéaires Vecteurs et applications linéaires (1) (1) () Vecteurs et applications linéaires 1 / 41 1 Familles de vecteurs de R n 2 Sous-espace vectoriels dans R n 3 Base d un sous-espace vectoriel (1) () Vecteurs

Plus en détail

1. Géométrie ane 1.1. Notion d'espace ane. Exercice 1. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système

1. Géométrie ane 1.1. Notion d'espace ane. Exercice 1. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système . Géométrie ane.. Notion d'espace ane. Exercice. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système { x + y + 3 + 4t = S = x + 3y + + t = Munir X d'une structure

Plus en détail

Dimension des espaces vectoriels. () Dimension des espaces vectoriels 1 / 36

Dimension des espaces vectoriels. () Dimension des espaces vectoriels 1 / 36 Dimension des espaces vectoriels () Dimension des espaces vectoriels 1 / 36 1 Familles libres, génératrices et bases 2 Espaces vectoriels de dimension finie 3 Sous-espaces vectoriel de dimension finie

Plus en détail

Modules sur un anneau commutatif

Modules sur un anneau commutatif Université de Nice Master 1 Mathématiques 2006-07 GAE Modules sur un anneau commutatif 1. Généralités 1.1. On considère un anneau commutatif A. Un module M sur l anneau A (ou A-module) est un groupe abélien

Plus en détail

Problèmes matriciels

Problèmes matriciels Problèmes matriciels Exercice 1. I + a(x t Y Y t X inversible? Soient X, Y M n,1 (R indépendantes, a R et M la matrice n n telle que m ij x i y j x j y i. A quelle condition I + am est-elle inversible?

Plus en détail

Algèbre linéaire. Contents. 1 Algèbres Dénition Exemples Sous-algèbres Morphisme d'algèbres... 3

Algèbre linéaire. Contents. 1 Algèbres Dénition Exemples Sous-algèbres Morphisme d'algèbres... 3 Algèbre linéaire Contents 1 Algèbres 3 1.1 Dénition.......................................... 3 1.2 Exemples.......................................... 3 1.3 Sous-algèbres........................................

Plus en détail

MATHÉMATIQUES II. : x R det(xi 2 M), x 2, X = x x2 2.

MATHÉMATIQUES II. : x R det(xi 2 M), x 2, X = x x2 2. MATHÉMATIQUES II Notations. Dans tout le problème, on ne considère que des matrices carrées réelles. On désigne par E l espace vectoriel réel des ( matrices ) carrées (réelles) d ordre 2, c està-dire à

Plus en détail

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3 Chapitre 10 Calcul matriciel 1 Généralités 2 11 Définitions 2 12 Matrices carrées particulières 3 2 Opérations sur les matrices 4 21 L espace vectoriel M np (R 4 22 Produit de deux matrices 5 23 Transposée

Plus en détail

PROBLÈME 1 : Une équation matricielle PRÉLIMINAIRES PARTIE I

PROBLÈME 1 : Une équation matricielle PRÉLIMINAIRES PARTIE I TD - Chapitres 19 et 0 - ALGÈBRE LINÉAIRE PROBLÈME 1 : Une équation matricielle Extrait sujet «Petites Mines» 010 Le but de ce problème est d étudier différentes matrices qui commutent avec leur transposée,

Plus en détail

Déterminants. Chapitre 23. Objectifs. Plan

Déterminants. Chapitre 23. Objectifs. Plan Chapitre 23 Déterminants Objectifs Étudier le groupe des permutations de [[1n]] Définir les notions : de cycles, de transpositions, de décomposition en produit de cylces, de signature Définir les notions

Plus en détail

Q2. Soit P un élément de E de degré q strictement plus grand que 3. Préciser le degré de f(p ). Qu en déduire pour Ker f? Déterminer Ker f.

Q2. Soit P un élément de E de degré q strictement plus grand que 3. Préciser le degré de f(p ). Qu en déduire pour Ker f? Déterminer Ker f. Exercice 1 Projection E est de dimension finie n et f est un endomorphisme de E. Q1 Montrer que si f est une projection : dim Ker f + dim Ker(f Id E ) = n. Q2. Montrer la réciproque. Exercice 2 Rang. E,

Plus en détail

n a k x k = 0, k=0 n a k x k. k=0

n a k x k = 0, k=0 n a k x k. k=0 Université Claude Bernard Lyon I CAPES de Mathématiques : Oral Année 2006 2007 Fonctions polynômes On travaille sur un corps K infini, par exemple R ou C. Définition, structures (a) Définition On appelle

Plus en détail

Opérateurs bornés sur les espaces de Hilbert

Opérateurs bornés sur les espaces de Hilbert Chapitre 4 Opérateurs bornés sur les espaces de Hilbert 4.1 Adjoint d une application linéaire continue entre espaces de Hilbert On commence avec la notion d adjoint; plusieurs des classes particulières

Plus en détail

Transformations orthogonales

Transformations orthogonales Transformations orthogonales Exercice 1. Changement de base unitaire Soit E un ev hermitien et B, B deux bases orthonormées de E. On note P la matrice de passage de B à B. Montrer que t P P = I. Que peut-on

Plus en détail

EXERCICE 1 - E3A MP

EXERCICE 1 - E3A MP . à 6. : Voir le cours! Commun à tous - Questions de cours 7. VRAI OU FAUX? Justiier par une démonstration ou un contre-exemple : (a) Deux matrices semblables A et B ont le même rang : VRAI. Ces deux matrices

Plus en détail

Mathématiques 1. Matrices positives (im)primitives

Mathématiques 1. Matrices positives (im)primitives Mathématiques 1 MP 4 heures Calculatrices autorisées Matrices positives (im)primitives 2016 Ce problème étudie diverses propriétés des matrices primitives et des matrices irréductibles, définies dans les

Plus en détail

Projections et symétries orthogonales

Projections et symétries orthogonales [http://mp.cpgedupuydelome.fr] édité le 10 juillet 014 Enoncés 1 Projections et symétries orthogonales Exercice 1 [ 01588 ] [correction] On considère un espace vectoriel euclidien E muni d une base orthonormée

Plus en détail

Concours PT 2004 Maths PT I-B

Concours PT 2004 Maths PT I-B Concours PT 4 Maths PT I-B L usage des calculatrices est interdit Partie A ) ( ) ( ) a a Soit A = b b et B = deux éléments de S a a b b ( ) c c C = AB = avec c c c i = a ik b k, évidemment i =,, c i =

Plus en détail

Crochet de Lie. [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1

Crochet de Lie. [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 Crochet de Lie Exercice 1 [ 00775 ] [Correction] Soient A, B M n (R) vérifiant AB BA = A. (a) Calculer A k B BA k pour k N. (b) À quelle

Plus en détail

Chapitre 4. Applications

Chapitre 4. Applications Chapitre 4 Applications 1. Définitions et exemples Définition 4.1 Soient E et F deux ensembles. Une application f de E dans F est un procédé qui permet d associer à chaque élément x de E un unique élément

Plus en détail

Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1

Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1 [http://mpcpgedupuydelomefr] édité le 17 août 217 Enoncés 1 Sous-espaces stables Exercice 1 [ 755 ] [Correction] Soient u et v deux endomorphismes d'un K-espace vectoriel E On suppose que u et v commutent,

Plus en détail

et Systèmes d équations linéaires

et Systèmes d équations linéaires Opérations élémentaires et Systèmes d équations linéaires MPSI-Schwarz Prytanée National Militaire Pascal Delahaye 2 avril 2015 1 Les opérations élémentaires 11 Matrices associées aux OEL et aux OEC Lemme

Plus en détail

Feuille d exercices 6 : Familles libres, génératrices. Applications linéaires.

Feuille d exercices 6 : Familles libres, génératrices. Applications linéaires. Université Denis Diderot Paris 7 (4-5) TD Maths, Agro wwwprobajussieufr/ merle Mathieu Merle : merle@mathuniv-paris-diderotfr Feuille d exercices 6 : Familles libres, génératrices Applications linéaires

Plus en détail

Décomposition de Dunford

Décomposition de Dunford Décomposition de Dunford Forêt Jérémy El Gareh Amin 0 mars 0 Table des matières Enoncé du Théorème Démonstration Usuelle. Lemmes............................................... Démonstration..........................................

Plus en détail

Notations et préliminaires

Notations et préliminaires Notations et préliminaires Tous les corps figurant dans le problème sont supposés commutatifs. N désigne l ensemble des nombres entiers naturels N désigne l ensemble des nombres entiers naturels non nuls

Plus en détail

Notations et définitions

Notations et définitions Les calculatrices sont interdites L objectif du problème est de définir et d étudier la notion de diagonalisabilité d un couple de matrices A, B dans plusieurs situations Les parties I et V traitent chacune

Plus en détail

Interpolation. Chapitre Introduction

Interpolation. Chapitre Introduction Chapitre 4 Interpolation Dans ce chapitre, on s intéresse au problème suivant Étant donné une fonction continue, comment peut-on l approcher par un polynôme? Plus précisément, on se donne une fonction

Plus en détail

PRODUIT SCALAIRE ET ORTHOGONALITÉ

PRODUIT SCALAIRE ET ORTHOGONALITÉ Chapitre 9 : ECS2 Lycée La Bruyère, Versailles Année 2015/2016 PRODUIT SCALAIRE ET ORTHOGONALITÉ 1 Formes bilinéaires 2 1.1 Définition............................................. 2 1.2 Représentation

Plus en détail

MHT201. Quelques indications de TD 12 (suite)

MHT201. Quelques indications de TD 12 (suite) MHT01 Quelques indications de TD 1 (suite) Exo 1 (1) Notons e 1 = (1, 0, 0), e = (0, 1, 0), et e 3 = (0, 0, 1) Alors {e 1, e, e 3 } est la base canonique de R 3 D après la définition de f, on a f(e 1 )

Plus en détail

1 Produit scalaire hermitien

1 Produit scalaire hermitien Espaces préhilbertiens complexes. Espaces hermitiens. PSI Paul Valéry Dans tout ce chapître on travaille avec des espaces vectoriels complexes. z représente le module du complexe z et z son conjugué z.

Plus en détail

N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points

N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points Exercice 0 (sur 6 points) 1. Calculer les valeurs et vecteurs propres des matrices 1 2 0 0 0 0 A = 2 1 0 et B = 1 0 0. 0 0 3 6000 80008 4 2.

Plus en détail

Épreuve de Mathématiques

Épreuve de Mathématiques CX6611 Banque commune École Polytechnique - InterENS PSI Session 2016 Épreuve de Mathématiques Durée : 4 heures Aucun document n est autorisé Aucune calculatrice n est autorisée Si, au cours de l épreuve,

Plus en détail

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0.

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0. Chapitre 3 Produit scalaire, espaces vectoriels euclidiens 3.1 Produit scalaire, norme euclidienne Définition 3.1 Soit E un espace vectoriel réel. Un produit scalaire sur E est une forme bilinéaire symétrique

Plus en détail

Énoncés des exercices

Énoncés des exercices Énoncés Énoncés des exercices Exercice 1 [ Indication ] [ Correction ] Donner une base de M 2 (R) qui soit formée de matrices inversibles Exercice 2 [ Indication ] [ Correction ] 1 a 0 0 0 1 a 0 Calculer

Plus en détail

Chapitre VIII Calcul matriciel

Chapitre VIII Calcul matriciel Chapitre VIII Calcul matriciel Dans ce cours, désigne, ou un corps commutatif quelconque. I Matrices et applications Les matrices sont un outil de calcul et de représentation des applications linéaires.

Plus en détail