Applications linéaires

Dimension: px
Commencer à balayer dès la page:

Download "Applications linéaires"

Transcription

1 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 linéaire. Définition Soit E et F deux espaces vectoriels (on supposera que l'addition est notée de la même façon dans ces deux espaces). Soit une application de E dans F. On dit que f est une application linéaire de E dans F si elle possède les propriétés suivantes :,,,, On a alors la caractérisation suivante : Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linéaire si et seulement si,,,, Sens direct : Si est une AL, alors et et. Donc Sens réciproque Si,,,,, on aura en particulier pour et pour Une forme plus condensée Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linéaire si et seulement si,,, Sens direct : Si est une AL, alors et Donc

2 Sens réciproque Si,,,, on aura en particulier pour et pour ) Compatibilité avec la structure d'espace vectoriel Deux résultats sont utiles. Ils concernent les opposés et l'élément neutre. Soit une AL de E dans F. Alors, On a évidemment 1 1 Soit une AL de E dans F, alors 0 0 On a pour tout dans E, 0 0 Une conséquence importante : autre caractérisation d une AL Soit E et F deux espaces vectoriels. Soit f une application de E dans F. f est une application linéaire si et seulement si,,, Sens direct : Si est une AL, alors et Donc Sens réciproque Si,,,, on aura en particulier pour et pour Or si, alors pour 1 et, on a 0 Or

3 Donc Et donc en prenant ) Exemples d'applications linéaires Exemple 1 On considère l'ensemble ₂ et l'application de cet ensemble dans définie de la façon suivante Si,. est une application de l espace vectoriel dans l espace vectoriel. On a Exemple 2 On considère les ensembles ³ et ² (qui sont des ev) et l'application de ³ dans ² définit par :,, ³, 2, Faisons la démonstration en deux étapes. Soit,, et,, deux vecteurs de. On a,,,,,, 2, 2 2, 2, 2,,,,, Si λ est un réel quelconque et,, un vecteur de, on a L'application est linéaire.,,,, 2, 2,,, Exemple 3 On considère l ensemble des fonctions dérivables sur. Soit cet ensemble. Nous savons que cet ensemble est un sous espace vectoriel de l espace vectoriel, des fonctions de dans. A ce titre c est un espace vectoriel. Soit l application de dans, qui à toute fonction de () fait correspondre la fonction de,. Soit et deux fonctions de et α et β deux nombres réels.

4 On a L application est donc linéaire. Exemple 4 On considère l espace vectoriel des polynômes de degré inférieur ou égal à 3 :. On définit sur cet espace vectoriel une application notée ϕ définie de la façon suivante : Si, est la fonction définie pour tout réel par : 2 Nous savons que si est un polynôme de degré inférieur ou égal à 3, est un polynôme de degré inférieur ou égal à 2. L application est une application polynôme de degré inférieur ou égal à 3. apparaît alors comme la somme de deux polynômes de degré inférieur ou égal à 3. Donc est une application de l espace vectoriel dans lui-même. Soit et deux éléments de et,. Soit α un nombre réel quelconque. On aura pour tout réel 2 2 Soit et. On a pour tout réel : On a donc Et donc L application est une application linéaire de dans. On dit que c est un endomorphisme de. Exemple 5 Au collège on appelait application linéaire toute application de dans de la forme : Une application linéaire est bien linéaire. En effet a une structure d espace vectoriel. On a pour tout couple de réels, et pour tout nombre réel λ : Mais dans, ces applications sont les seules applications linéaires Una application affine n est pas linéaire. Prenons. La fonction carrée n est pas linéaire : si on a par exemple : 2 2 4

5 Donc ) L'ensemble des applications linéaires On note, l'ensemble des applications linéaires de l espace vectoriel E dans l espace vectoriel F. On a alors le résultat suivant :, ) a une structure d'espace vectoriel sur. On peut en effet définir la somme de deux applications linéaires de E dans F de la façon suivante : Si,,,, l application somme est notée et est définie par, On peut également définir le produit par un réel d une application de, de la façon suivante : Si, et si, l application notée est définie par :, On peut remarquer que ces deux définitions sont celles que l on rencontre habituellement pour parler de fonction somme de deux fonctions, et fonction produit par un réel. L ensemble des applications linéaires de E dans F est un sous-ensemble de l espace vectoriel des fonctions de E dans F (les applications linéaires sont des fonctions particulières de E dans F). Il est non vide, puisque la fonction nulle de E dans F est une application linéaire. Notons cette application nulle de E dans F. C est l'application définie par :, 0 Soit, un couple d'éléments de E et α un nombre réel. 0 Et Donc Montrons que l'ensemble, est stable par addition : Soit et deux éléments de,, soit et deux éléments de E et α un réel. On a par définition de l application somme : Or les applications et sont linéaires donc On en déduit que L application est donc linéaire : l ensemble, est stable par addition.

6 De même montrons que l'ensemble, est stable par la multiplication par un nombre réel. Soit f un élément de, ; un nombre réel, soit et deux éléments de E et α un nombre réel. On a par définition de l application : Or l application est linéaire, donc : On a donc L application est linéaire. 1.5) Des cas particuliers importants De façon générale une application linéaire d'un espace vectoriel E dans un espace vectoriel F est appelée morphisme d'espaces vectoriels (parce qu'elle se «moule» dans la forme d'espace vectoriel). Si E = F, on dit qu'il s'agit d'un endomorphisme. Définition Si est un espace vectoriel, on appelle endomorphisme toute application linéaire de dans. On note l'espace vectoriel des endomorphismes de. Un autre cas intéressant est celui des applications linéaires bijectives d'un ev dans un ev. Définition Soit et deux espaces vectoriels. On appelle isomorphisme toute application linéaire bijective de dans. On note, l'ensemble des isomorphismes de dans. Enfin un endomorphisme bijectif est appelé automorphisme. Définition Soit un espace vectoriel. On appelle automorphisme toute application linéaire bijective de dans. On note l'ensemble des automorphismes de. 1.6) Composition des applications linéaires On considère trois espaces vectoriels, et. Soit, et,. On considère l'application de dans définie par Nous savons que si est une application de dans et une application de dans, alors est une application de dans. E F G

7 Montrons que cette application est un élément de,. On considère deux éléments et de E et un réel α. On a par définition de la composition : La fonction est linéaire donc : La fonction est linéaire donc : On a donc La fonction est bien linéaire. On a donc le théorème suivant : : Soit, et,, alors appartient à,. 1.7) Application réciproque d'un isomorphisme On considère un isomorphisme d'un espace vectoriel dans un espace vectoriel. Puisque est une bijection, elle admet une bijection réciproque notée ¹. Montrons que cette bijection réciproque est une application linéaire (et donc un isomorphisme) de sur. On a par définition : ¹ Soit et deux éléments de et α un nombre réel. Soit ¹ et ¹. On a donc : Or l application est linéaire, donc : ¹₁ ₂ Par définition de, on a : Donc La bijection réciproque d'un isomorphisme est un isomorphisme II) Applications linéaires en dimension finie 2.1) Un isomorphisme bien utile On considère l'espace vectoriel ⁿ qui est composé des -uplets de réels de la forme,...,. On peut associer à tout -uplet le vecteur colonne (c'est-à-dire un élément de, ) composé des mêmes nombres que ceux du -uplet :,,,

8 Il est facile de vérifier que cette application est linéaire. Elle est évidemment bijective. On dit que c'est l'isomorphisme canonique de ⁿ dans,. 2.2) Application linéaire associée à une matrice Considérons une matrice à lignes et colonnes (, ). Soit,..., un vecteur de. On lui associe canoniquement à la matrice colonne qui appartient donc à,. Le produit matriciel de par est possible et donne une matrice colonne à lignes. Par exemple si, avec Pour tout triplet,, de ³, on associe canoniquement On a On a en fait procédé aux étapes suivantes : 2 3,, 2 3, De façon générale, on crée ainsi une application de dans ⁿ dont nous allons montrer qu'elle est linéaire. Bien entendu, les deux isomorphismes permettant de passer des vecteurs lignes aux vecteurs colonnes et réciproquement sont des applications linéaires. Compte tenu de la propriété concernant la composée d'applications linéaires, il suffit de prouver que l'application qui fait correspondre au vecteur colonne le vecteur colonne A est une application linéaire. Nous ne ferons cette démonstration que dans le cas particulier où 3. Soit l'application qui à tout de, fait correspondre le vecteur colonne A. On a donc Soit et deux éléments de, et un nombre réel. On a

9 La démonstration est bien évidemment identique si est quelconque. Un cas particulier important : les endomorphismes associés aux matrices carrées. On dispose d une matrice carrée d ordre. Montrons comment on crée une application linéaire à partir de cette matrice. Nous ne montrerons la démarche que sur un exemple. On procèderait de même façon dans le cas général On considère la matrice Pour créer une application linéaire de ³ dans ³, on fait d abord correspondre à tout triplet,,, le vecteur colonne, puis le vecteur colonne On fait ensuite correspondre à ce vecteur colonne le vecteur ligne canoniquement associé : On a ainsi défini une application linéaire de ³ dans ³, c'est-à-dire un endomorphisme de ³ par :,, 3, 2 2, 2.3) Inversibilité et bijectivité Quel rapport y-a t'il entre une application linéaire bijective et une matrice inversible? L'inversibilité n'est envisageable que dans le cas des matrices carrées. Soit une matrice carrée inversible d ordre. On considère alors l'endomorphisme associé à la matrice comme on l a vu dans la partie précédente. Appelons l'isomorphisme canonique de : Et donc,,,,,,,,,, Soit l'endomorphisme de, défini par : On a en rassemblant les différentes étapes :

10 On a donc On peut écrire aussi,,, ¹ ¹,,, La bijectivité de est équivalente à la bijectivité de. Posons Dire que g est bijective c'est dire que quel que soit le vecteur colonne de,, il existe un vecteur colonne et un seul de, tel que. (l'existence correspond à la surjectivité, l'unicité l'injectivité). Autrement dit,, il existe un unique de, tel que : C est ce que nous allons montrer dans le cas où est inversible. Si est inversible, l'égalité est équivalente à ¹ On a bien Donc est bien un antécédent de par l application. Montrons que cet antécédent est unique.

11 Pour cela démontrons que si et ont la même image par alors ils sont égaux. Si alors donc Et donc On a donc un premier résultat partiel : Si la matrice A est inversible, l'application g et donc aussi l'application f est bijective. Nous démontre à partir des systèmes linéaires la réciproque de cette propriété. On peut alors énoncer le théorème suivant : Soit A une matrice carrée d'ordre n et f l'endomorphisme de ⁿ associé à A. f est bijectif (c'est-à-dire est un automorphisme) si et seulement si la matrice A est inversible On a ainsi un critère simple pour tester la bijectivité de f. 2.4) Noyau d'une application linéaire Définition Soit E et F deux espaces vectoriels et une application linéaire de E dans F. On appelle noyau de Exemple : l'application l'ensemble des vecteurs de E dont l'image est le vecteur nul de F. On note cet ensemble. On a donc, 0 Considérons la matrice et l'application linéaire de ³ dans ² associée à cette matrice. Déterminons l image par d un triplet,, par. On a : On a donc

12 :,, 2 3, 2 Le noyau de est donc l'ensemble des triplets,, de ³ tels que 2 3, 2 0,0 Ce qui donne On transforme ce système par le pivot de Gauss : On en tire Donc Et donc Ce qui donne L'ensemble des vecteurs,, de ³ qui remplissent la relation,, 0,0 est donc constitué par les vecteurs du type :,,,, 1, 1,1 Il s'agit donc du sev engendré par le vecteur 1, 1,1. On a 1, 1,1 On a le théorème suivant : Soit E et F deux espaces vectoriels et,, alors est un sev de E On a par définition Nous avons vu que 0 0, donc. Soit et deux vecteurs appartenant à et α un réel. On a : Donc ker 2.5) Noyau et injectivité Soit E et F deux espaces vectoriels et une application linéaire de E dans F.

13 est injective si et seulement si 0 Ce théorème est très important. Sens direct Dire que est injective c'est dire que chaque élément de E a une image qui lui est propre, ou encore que si deux éléments de E ont la même image, ils sont égaux. Prenons dans. On a 0, mais on a aussi 0 0 donc 0 et d'après l'injectivité 0. Donc le seul élément de est 0. Sens réciproque Supposons que ne contienne que 0. Cela signifie que si un vecteur est tel que 0 alors ce vecteur est nul. Prenons deux vecteurs et qui ont la même image. On a donc, donc 0 et par linéarité 0. Ce qui conduit alors à 0 et en définitive à. Donc est bien injective. 2.6) Image d'une application linéaire Définition Soit E et F deux espaces vectoriels et,. On appelle image de et l'on note (ou parfois ) le sous-ensemble de F constitué par l'ensemble des images des éléments de E par f. Remarque : Le noyau est un sous-ensemble de l'ensemble de départ, l'image est un sous-ensemble de l'ensemble d'arrivée. On a, Dire qu'un vecteur de F appartient à c'est dire qu'il existe au moins un vecteur de E tel que. est un sous-espace vectoriel de F Démonstration : n'est pas vide. En effet 0 puisque 0 0. est inclus dans F par définition. Soit ₁ et ₂ deux éléments de et α un nombre réel, montrons que est un élément de. Il faut donc trouver un vecteur de E dont l'image est. ₁ donc il existe ₁ tel que ₁ ₁. ₂ donc il existe ₂ tel que ₂ ₂. Posons ₁ ₂. On a ₁ ₂ ₁ ₂ ₁ ₂

14 Donc ₁ ₂ Exemple 1 : 1) On considère l'application de ² dans ³ définie par :,,, 2 a) Montrer que est une application linéaire associée à une matrice que l'on déterminera. b) Déterminer le noyau de. c) Déterminer l'image de On cherche une matrice qui transforme par multiplication un vecteur colonne en un vecteur colonne. 2 Déterminons le format de. Comme permet de créer une correspondance entre ² et ³, ce doit être une matrice de????,. Donc??. Il faut donc que?????? On a clairement L'application f est donc linéaire comme application associée à une matrice. b) Le noyau de est l'ensemble des vecteurs de ² dont l'image est égale au vecteur nul de ³., ²,, 0,0,0, ²,,, 2 0,0,0 0, ², Ce système conduit évidemment à 0. Donc le seul vecteur du noyau est le vecteur nul de ². 0,0 L'application f est donc injective. c) Déterminons l'image. On a,,, ² On prend un élément quelconque,, de ³. La question est de savoir s'il appartient à ou sinon quelle(s) condition(s) il doit remplir pour appartenir à. Dire que,, appartient à, c'est dire que l'on peut trouver deux réels et tels que,,, On a alors

15 Ce qui conduit au système 2 La troisième équation donne En remplaçant dans la deuxième on trouve,, 2,, Pour que système soit possible, il faut que les valeurs trouvées pour et remplissent aussi la première équation. A savoir : On en tire Ou encore Tous les éléments de ne sont pas dans. Seuls ceux qui remplissent la condition précédente en font partie. Donc,, signifie que,,,, 1,0,1 0,1,1. Im(f) est un sous-espace vectoriel de ³ dont (1,0,1) et (0,1,1) forment une famille génératrice. (Ce qui signifie que seuls les triplets de réels qui peuvent s'écrire comme combinaison linéaire de ces deux triplets ont un antécédent par, et aussi que l'on est sûr qu'un tel triplet a bien un antécédent). 1,0,1, 0,1,1 Exemple 2 : On considère la matrice et l'endomorphisme de ³ associé à. Démontrer que la famille constituée par les vecteurs ₁ 1,1,0, ₂ 2, 4,3, ₃ 1,5, 3 correspondant aux vecteurs colonnes de cette matrice est une famille génératrice de. Autrement dit un vecteur de ³ appartient à si et seulement si on peut l'écrire comme combinaison linéaire de ces trois vecteurs. Détaillons d'abord l'application. On a Donc est l'endomorphisme de ³ défini par,, 2, 4 5, 3 3 Un vecteur,, de ³ appartient à s'il est image par d'un vecteur,, de ³, c'est-àdire s'il existe trois nombres réels, et tels que f,,,,, ou encore

16 On peut alors écrire 2, 4 5, 3 3,,,,,, 0 2, 4, 3, 5, 3 1,1,0 2, 4,3 1,5, 3 ₁ ₂ ₃ Donc tout vecteur de s'écrit bien comme combinaison linéaire de ₁, ₂ et ₃. Réciproquement, si l'on considère un vecteur de ³ qui s'écrit comme combinaison linéaire de ces trois vecteurs, montrons qu'un tel vecteur appartient à. Soit 1,1,0 2, 4,3 1,5, 3 2, 4 5, 3 3 Il est clair que,, et donc. Remarque : Ce résultat est tout à fait général. Nous en proposerons une autre démonstration plus tard. Soit une matrice de, et l'application linéaire de dans associée à cette matrice. La famille de vecteurs de obtenue à partir des vecteurs colonnes de la matrice est une famille génératrice de. 2.7) Image et surjectivité Soit une application linéaire d'un espace vectoriel E dans un espace vectoriel F. L'application est surjective si et seulement si. Nous savons que. Dire que l'application est surjective c'est dire que tout élément de F a au moins un antécédent, autrement dit que, il existe au moins un élément de E tel que, ce qui signifie que, et donc tout élément de F est dans, ou encore que. Et donc puisque nous avons à la fois et, on a bien. Réciproquement, si cela signifie que tout élément de F est l'image d'un élément de E et donc que est surjective. III) Applications linéaires entre espaces vectoriels de dimension finie 3.1) Etude du cas général Soit et deux espaces vectoriels de dimensions respectives et. On considère une application,.

17 Soit,, une base de et,, une base de. Posons,,. Les vecteurs,, sont des vecteurs de. Considérons un vecteur de. Il existe donc un vecteur de dont est l image. s écrit sous la forme : Donc Donc la famille,, est une famille génératrice de. Soit une application linéaire d un espace vectoriel de dimension dans un espace vectoriel. Soit,, une base de et,,, les images des vecteurs,, par. Alors la famille,, est une famille génératrice de. Considérons maintenant les coordonnées des éléments de la famille,, dans la base,,. Pour écrire ces coordonnées, nous utiliserons un principe de double indexation. On écrira par exemple : Si alors nous avons vu que On peut écrire avec le symbole Σ : Et Donc La ième composante du vecteur est 1,,

18 Ecrivons la matrice de la famille,, dans la base,,. fait le produit par un vecteur colonne à lignes, on obtient un vecteur colonne à lignes. La ième composante du vecteur colonne s obtient en faisant la somme des produits de la ième ligne de la matrice par les éléments du vecteur Soit,,, Ce qui donne On reconnaît la composante de dans le vecteur. Ce produit matriciel donne donc le vecteur image. On passe de en effectuant le produit de la matrice par le vecteur colonne. On dit que est la matrice de l application linéaire relativement aux bases et. On écrit, Définition : Soit,, et étant deux espaces vectoriels de dimensions respectives et. Soit,, une base de et,, une base de. Soit la matrice des composantes des vecteurs,, dans la base. Cette matrice est appelée matrice de l application linéaire relativement aux bases et. Avec les notations précédentes, soit un vecteur de de composantes,, dans la base. Soit. Posons. Alors. Exemple Considérons l espace vectoriel des matrices carrées d ordre 2 et l application de qui à toute matrice associe le couple, 2 de.

19 On démontre facilement que est une application linéaire de dans. Considérons la base canonique de : , , , Et la base canonique de 1,0, 0,1 On a 1,1 0, ,1 0 1, 1 1 La matrice de l application relativement à ces deux bases est donc : Remarque : en écrivant Et en passant aux vecteurs colonnes, on obtient : Résultat qui confirme bien ce que nous attendions. 3.2) Le cas particulier des applications linéaires de dans Nous allons examiner cette question à partir d un exemple. On considère l application linéaire de dans associée à la matrice Nous savons que l image d un vecteur,, de s obtient à partir du produit matriciel On a On a donc,, 2, 5, 2 2, 2 3 Considérons la base canonique de 1,0,0, 0,1,0, 0,0,1 et la base canonique de 1,0,0,0, 0,1,0,0, 0,0,1,0, 0,0,0,1. On aura 1,1,2,2 1, 5,1,3 2,1, 2, 1 On reconnaît les colonnes de la matrice.

20 On aurait pu s en «apercevoir plus vite». En effet : Et de même pour les deux autres colonnes. Cette remarque est très générale. Elle justifie le résultat suivant : Soit, associée à une matrice de,. Soit la base canonique de et la base canonique de. On a :, Ce résultat provient du fait que quand on multiplie une matrice à lignes et colonnes par un vecteur colonne contenant 1 «0» et un «1» placé au rang, on obtient la ième colonne de la matrice. Dans le cas d un endomorphisme, la seule différence est que = Par exemple si est l endomorphisme de associé à la matrice 4 5 6, on a dans la base canonique de : ) Noyau et Image en dimension finie Soit une application linéaire d un espace vectoriel de dimension dans un espace vectoriel de dimension. On sait que ker est un sev de donc dimker On sait que est un sev de donc Certains cas particuliers sont intéressants. dim Si dimker 0, cela signifie que ker ne contient que le vecteur nul de 0. Alors est injective, d après ce que nous avons vu précédemment. La réciproque est évidemment vraie. En dimensions finies, est injective si et seulement si dimker 0

21 Si dimker, alors ker (c est un sev de de même dimension que il est donc égal à. Donc, ker et donc 0. L application est l application nulle. La réciproque est vraie : si est l application nulle,, 0 et donc ker. Donc ker et dimker dim On a des résultats de même nature pour l image. Si dim 0, alors 0. Donc, 0. L application est l application nulle. La réciproque est évidemment vraie. Si dim, alors on aura et donc est surjective. Ce cas est intéressant, car nous devons nous rappeler que si,, est une base de, nous avons montré que,, est une famille génératrice de. Si l application est surjective, alors, et donc cette famille est une famille génératrice de. Or toute famille génératrice dans un espace vectoriel contient au moins autant de vecteurs que la dimension de l espace. On a donc dans ce cas nécessairement. 3.4) Le cas des endomorphismes On considère un endomorphisme d un espace vectoriel de dimension. Soit,, une base de. Si est une application surjective, alors,, est une famille génératrice de qui est égal à, donc puisqu il s agit d une famille de vecteurs, c est une base de. Considérons alors deux vecteurs et de tels que. Posons On a alors Si, comme,, est une base on a : Et donc l application est injective. Toute application surjective est donc injective, et donc bijective. Mais comme toute application bijective est surjective, on en déduit qu un endomorphisme dans un espace de dimension finie est bijectif si et seulement si, il est surjectif. Si est un endomorphisme injectif, ker 0. Supposons que cet endomorphisme ne soit pas surjectif, cela signifierait que. Donc dim. La famille de vecteurs,, est une famille génératrice de qui contiendrait plus de vecteurs que la dimension de : elle ne pourrait donc pas être libre. Si

22 elle est liée, cela signifie qu il existe un vecteur au moins de cette famille qui est soit nul, soit s exprime comme combinaison linéaire des autres vecteurs de la famille. Supposons que l un des vecteurs soit nul, par exemple. On aurait alors 0 et ker. Ce qui est contradictoire avec ker 0. Supposons que par exemple s exprime comme combinaison linéaire des autres vecteurs de la famille. On pourra écrire On aura alors Donc Mais 0 ker 0 Ce vecteur n est pas nul puisqu il a au moins une composante non nulle. Nouvelle contradiction. Donc la famille,, est libre et donc. L application est donc surjective. Toute application injective est donc surjective, et donc bijective. Mais comme toute application bijective est injective, on en déduit qu un endomorphisme dans un espace de dimension finie est bijectif si et seulement si, il est injectif. Bien entendu les démonstrations et les résultats sont les mêmes si est une application linéaire d un espace vectoriel dans un espace vectoriel de même dimension que. On a le théorème suivant : Soit une application linéaire d un espace vectoriel de dimension dans un espace vectoriel de même dimension que (éventuellement égal à. Cette application est bijective si et seulement si elle est injective, ou si et seulement si elle est surjective. Et entre des espaces vectoriels de dimensions différentes, peut-il exister un isomorphisme? Soit de dimension et de dimension. Soit une application linéaire de dans dont on voudrait qu elle soit bijective. On considère une base,, de. On sait que,, est une famille génératrice de. Si est surjective, alors et donc nécessairement. Nous avons déjà vu ce

23 résultat. Si, alors la famille,, n est pas libre. Elle est liée et nous avons vu plus haut que cela impliquait nécessairement que le noyau contenait d autres vecteurs que le vecteur nul. L application ne peut pas être injective. Il faut donc que. Il ne peut pas exister d isomorphismes entre deux espaces vectoriels de dimensions différentes. 3.5) Matrices d isomorphismes Nous savons déjà qu un isomorphisme ne peut se concevoir qu entre espaces vectoriels de même dimension et donc que la matrice associée relativement à des bases de chacun des espaces vectoriels est nécessairement une matrice carrée dont l ordre est la dimension commune des deux espaces. Nous savons également que les colonnes de cette matrice sont constituées par les composantes des images des vecteurs de la base de dans la base de. Si l on nomme les deux bases,, et,,, cette matrice apparaît donc comme la matrice de la famille,, dans la base,,. Or nous savons que l application linéaire est un isomorphisme si et seulement si la famille,, est une base de. Ce qui est équivalent à dire que la matrice est inversible. Soit et deux espaces vectoriels de même dimension rapportés respectivement à des bases et. Soit une application linéaire de dans et la matrice de relativement aux bases et. L application linéaire est bijective si et seulement si la matrice est inversible. 3.6) Le théorème du rang On considère deux espaces vectoriels et. On suppose que dim. Soit,. On suppose que n est pas injective et n est pas l application nulle. Alors le noyau de est un sous-espace vectoriel de de dimension strictement positive. Soit dimker. On a donc 0 Soit,, une base de ker. D après le théorème de la base incomplète, on peut trouver vecteurs de,,, tels que la famille,,,,, soit une base de. Rappelons que la construction des vecteurs,, se fait de la façon suivante : Comme, il existe au moins un vecteur non nul que l on nommera appartenant à mais n appartenant pas à ker. La famille,,, est libre. En effet prenons 1 nombres réels,,, 0 Nécessairement 0. S il n en était pas ainsi on pourrait écrire : 1 Dès lors s écrirait comme combinaison linéaire des vecteurs,, et donc on aurait ker. Ce qui est impossible. On a donc

24 0 Mais comme,, est une base de ker, on a 0. La famille,,, est donc libre. On appelle le sous espace vectoriel de engendré par cette famille. La famille,,, est donc une base de ce sous espace puisqu elle est par définition génératrice pour ce sous-espace et libre comme nous l avons vu. Si 1, alors est un sous-espace de de même dimension que c est donc lui-même et la famille,,, est alors une base de. Si 1, cela signifie qu il existe un vecteur non nul appartenant à, mais pas à. On recommence alors le même raisonnement. Et ainsi de suite. On ajoute des vecteurs jusqu à ce que l on atteigne le nombre fatidique d une famille de vecteurs qui constitue une base de. On dispose donc maintenant d une base de dont les premiers vecteurs forment une base de ker. Appelons le sous-espace vectoriel de engendré par la famille,,. Considérons l application de dans définie par :, On a,,, L application est donc linéaire. Montrons que est injective. Soit et tels que On a 0 ker Mais, donc ker. Or le seul vecteur commun à ker et est 0. Donc 0 Et donc Donc l application est injective. Puisque c est une application linéaire entre espaces de dimensions finies, c est un isomorphisme et donc les deux espaces ont la même dimension. On en déduit que dim dim Et donc dim Ce que l on peut écrire Ou encore dim dim dim ker dim dimker dim Cette formule est aussi vérifiée si est injective d après ce que nous avons vu plus haut.

25 On appelle rang de l application la dimension de. On obtient ainsi le très important théorème du rang : Soit et deux espaces vectoriels tels que soit de dimension finie. Soit,. On a dim dimker dim

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

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

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

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

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

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

Applications linéaires

Applications linéaires Chapitre IV Applications linéaires Révisions Définition. Soient E, deux espaces vectoriels sur le même corps commutatif est dite linéaire si quels que soient x, y E et λ,. Une application f : E f x y f

Plus en détail

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

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

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

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

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 14 Espaces vectoriels de dimension finie Dans tout le chapitre K désigne R ou C. 14.1 Espaces vectoriels de dimension finie 14.1.1 Bases et dimension Ò Ø ÓÒ ½ º½ Espace vectoriel de dimension

Plus en détail

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

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

Plus en détail

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

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

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

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

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

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

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

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES 21-10- 2007 J.F.C. A.L. p. 1 APPLICATIONS LINÉAIRES I GÉNÉRALITÉS 1. Définition et vocabulaire 2. Conséquences de la définition 3. Caractérisation II OPÉRATIONS SUR LES APPLICATION LINÉAIRES 1. Somme,

Plus en détail

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

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

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

Plus en détail

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

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

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

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

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

Plus en détail

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

19. APPLICATIONS LINÉAIRES

19. APPLICATIONS LINÉAIRES 19. APPLICATIONS LINÉAIRES 1 Dénitions générales. 1. 1 Applications linéaires. On dit qu'une application d'un espace vectoriel E dans un espace vectoriel F est linéaire si elle est compatible avec les

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

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

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

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

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

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

Plus en détail

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

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

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

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

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

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

Cours Diagonalisation

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

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

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

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Espaces vectoriels de dimension finie 1.1) Famille génératrice (rappel) Exemple 1 On considère par exemple l'espace vectoriel R² et les vecteurs 1,1, 1, et,3. Soit un élément quelconque de R²,,. Peut-on

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

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

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

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

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

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

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i )))

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i ))) A) APPLICATIONS LINÉAIRES REM : dans ce cours,e,f etgdésignent desk-espaces vectoriels. I) GÉNÉRALITÉS. 1) Définition. DEF : Soit f une application de E dans F ; on dit que f est K-linéaire (ou que c est

Plus en détail

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

Cours 02 : Problème général de la programmation linéaire

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

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

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

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

Plus en détail

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

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

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Chapitre 17 Matrices et applications linéaires Sommaire 171 Matrices et applications

Plus en détail

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012.

Université Paris 6 Année universitaire 2011-2012 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 21 mai 2012. Université Paris 6 Année universitaire 011-01 Cours Groupes finis et leurs représentations Corrigé de l examen terminal du 1 mai 01 Exercice 1 Questions de cours Soit G un groupe fini et soit p un nombre

Plus en détail

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

Indication Prendre une combinaison linéaire nulle et l évaluer par ϕ n 1. 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R 2 (2x + y, x y) R 2, f 2 : (x, y, z) R 3 (xy, x, y) R 3 f 3 : (x, y, z) R 3 (2x +

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

2010/2011. Espaces vectoriels

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

Plus en détail

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

Applications linéaires

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

Plus en détail

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

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

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

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

Plus en détail

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J.

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. FAIVRE s de cours exigibles au bac S en mathématiques Enseignement

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

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

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

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

Problème 1 : applications du plan affine

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

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

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

LISTE DE QUESTIONS DE COURS

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

Plus en détail

Devoir à la maison : correction

Devoir à la maison : correction Calcul différentiel 2 Sous-variétés : bilan Devoir à la maison : correction Exercice 1. Un exemple de sous-variété : les structures complexes Soit E un R-espace vectoriel. Montrer que la donnée d une structure

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

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

CHAPITRE 4 FORMES NORMALES SYSTEMES COMPLETS DE CONNECTEURS 1

CHAPITRE 4 FORMES NORMALES SYSTEMES COMPLETS DE CONNECTEURS 1 Université Paris 7 U3MI36 CHAPITRE 4 FORMES NORMALES SYSTEMES COMPLETS DE CONNECTEURS 1 4.1 Formes normales Définitions : 1) Une formule F est sous forme normale disjonctive si et seulement si il existe

Plus en détail

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

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

Plus en détail

: 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

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

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

Calcul différentiel sur R n Première partie

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

Plus en détail

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

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

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

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

Plus en détail

Autour de la diagonalisation

Autour de la diagonalisation Autour de la diagonalisation Cédric Gérot, Pierre Granjon, Nicolas Le Bihan Laboratoire des Images et des Signaux Grenoble January 22, 2003 Contents 1 Eléments d algèbre 2 11 Espace vectoriel 2 111 Définition

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que [http://mp.cpgedupuydelome.fr] édité le 0 juillet 204 Enoncés Rang d une matrice Exercice [ 0070 ] [correction] Soit A M n K une matrice carrée de rang. a Etablir l existence de colonnes X, Y M n, K vérifiant

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

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

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Cours de Licence. Bernard Le Stum 1 Université de Rennes 1. Version du 19 janvier 2004. 1 bernard.le-stum@univ-rennes1.fr

Cours de Licence. Bernard Le Stum 1 Université de Rennes 1. Version du 19 janvier 2004. 1 bernard.le-stum@univ-rennes1.fr Géométrie Cours de Licence Bernard Le Stum 1 Université de Rennes 1 Version du 19 janvier 2004 1 bernard.le-stum@univ-rennes1.fr 2 Table des matières Table des matières 4 Introduction 5 1 Rappels d algébre

Plus en détail

Bref, c'est difficile, mais tout le monde doit y arriver.

Bref, c'est difficile, mais tout le monde doit y arriver. Bonjour à tous, les colles de mardi m'ont permis de vérifier que les notions de base du chapitre espaces vectoriels sont loin d'être acquises. Comme je vous le disais, il est essentiel d'apprendre régulièrement

Plus en détail