Introduction à l'algèbre linéaire

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à l'algèbre linéaire"

Transcription

1 Itroductio à l'algèbre liéaire Das tout le chapitre, K est u corps commutatif (e pratique et gééralemet K = ou ). 1. Espaces vectoriels 1.1 Structure d'espace vectoriel Défiitio 1.1 O dit qu'u esemble (E,+,.) est u espace vectoriel sur K, ou u K-espace vectoriel, si et seulemet si : (E, +) est u groupe commutatif c'est-à-dire : La loi + est ue loi de compositio itere sur E : x, y E, x + y E. (O peut dire aussi que la loi + est ue applicatio de E E vers E) La loi + est associative : x, y, z E, (x + y) + z = x + (y + z). La loi + admet u (uique) élémet eutre : e E / x E, x + e = e + x = x. Tout élémet admet u (uique) symétrique pour la loi + : x E, x E / x + x = x + x = e. La loi + est commutative : x, y E, x + y = y + x. La loi. est ue loi de compositio extere sur E à domaie d'opérateurs K c'est-à-dire : x E, k K, k.x E. (O peut dire aussi que la loi. est ue applicatio de K E vers E) La loi. verifie : α, β K et u, v E, (α + β).u = α.u + β.u α.(u + v) = α.u + α.v α.(β.u) = (α β).u 1.u = u Exemples 1.2 L'esemble des vecteurs du pla ou l'esemble des vecteurs de l'espace. [X] est u -e.v. mais 'est pas u -e.v. [X] est u -e.v. mais aussi u -e.v. Tout corps commutatif est u espace vectoriel sur lui-même. E particulier est u -e.v. est u -e.v. mais aussi u -e.v. et de la même faço, est u -e.v., u -e.v. et u -e.v. {0} est u -e.v. Fracis Wlaziski 1

2 Remarques 1.3 Par abus, o e ote pas la loi "." O dit aussi que E est u K-e.v. sas préciser les lois. O parlera d'espace vectoriel réel pour les -e.v. et d'espace vectoriel complexe pour les -e.v. Si E est u K-e.v., les élémets de E sot appelés des vecteurs et ceux de K sot appelés des scalaires. L'élémet eutre du groupe (E, +) est appelé vecteur ul et est oté 0 ou 0 E ou plus simplemet 0. Faire attetio aux lois. U espace vectoriel 'est jamais vide puisque 0 E. Le vecteur x tel que x + x = x + x = e est appelé opposé de x et est oté x. Soiet u et v deux vecteurs d'u K-e.v. E. O défiit u v par u + ( v) où v désige le symétrique de v pour la loi itere de E. Défiitio 1.4 Soiet f et g deux foctios à valeurs das ou (ou autre) et soit λ u élémet de (ou ). O défiit la foctio appelée somme de f et g otée f + g par (f + g)(x) = f (x) + g(x) x (ou ). O défiit la foctio λ.f par (λ.f)(x) = λ f (x). Remarque 1.5 O défiit les mêmes opératios sur les suites (qui sot des foctios) : pour tout etier, (u + v) = u + v (λ.u) = λ u Exemples 1.6 E = {foctios défiies sur } mui des lois usuelles est u -e.v. F = {suites à valeurs das } mui des lois usuelles est u -e.v. Propriété 1.7 Soit E u espace vectoriel sur K. Pour tout scalaire α et pour tout vecteur u, o a : 0 K u = 0 E. α 0 E = 0 E. α u = 0 E α = 0 K ou u = 0 E. Démostratio 0 K u = (0 K + 0 K ) u = 0 K u + 0 K u. Puisque (E, +) est u groupe 0 K u existe. O a doc 0 K u 0 K u = 0 K u + 0 K u 0 K u c'est-à-dire 0 E = 0 K u. α 0 E = α (0 E + 0 E ) = α 0 E + α 0 E. Puisque (E, +) est u groupe α 0 E existe. O a doc α 0 E α 0 E = α 0 E + α 0 E α 0 E c'est-à-dire 0 E = α 0 E. ( ) Voir deux premiers poits. ( ) Si α = 0 K l'implicatio est juste. Si α 0 K, puisque K est u corps α 1 existe. O a doc : α u = 0 E α 1.(α u) = α 1.(0 E ) (α 1 α) u = 0 E 1.u = 0 E u = 0 E. Fracis Wlaziski 2

3 Propriété 1.8 Soit E u espace vectoriel sur K. Pour tout scalaire α et pour tous vecteurs u et v, o a : α ( u) = ( α) u = (α u). α (u v) = α u α v. Démostratio Il faut motrer que α( u) + α u (= α u + α( u)) = 0 E (E est abélie) et ( α)u + α u = 0 E. α( u) + α u = α ( u + u) = α 0 E = 0 E. ( α)u + α u = ( α + α) u = 0 K u = 0 E. α (u v) = α (u + ( v)) = α u + α ( v) = α u + ( α v) = α u α v. Remarques 1.9 O a doc ( 1).u = (1.u) = u. Si E est u espace vectoriel sur K, E est égalemet u espace vectoriel sur tout sous-corps K' de K. Par exemple, u -espace vectoriel est aussi u -espace vectoriel. Si K' K, ces deux espaces vectoriels doivet être cosidérés comme différets. Propriété 1.10 Soiet E 1, E 2,..., E ue famille de espaces vectoriels sur u même corps K. Soit E l'esemble produit E = E 1 E 2... E. E est u espace vectoriel sur K lorsqu'o le muit des lois suivates : u = (u 1, u 2,..., u ) E, v = (v 1, v 2,..., v ) E, λ K i) u + v = (u 1 + v 1, u 2 + v 2,..., u + v ). ii) λ u = (λ u 1, λ u 2,..., λ u ). Remarque 1.11 Ces lois sot appelées lois produit usuelles. Démostratio Pas de difficulté particulière, il suffit de vérifier les 10 poits de la défiitio : c'est doc u peu log à rédiger. Exemple mui des lois précédetes c'est-à-dire : (x 1, y 1 ) + (x 2, y 2 ) = (x 1 + x 2, y 1 + y 2 ) λ(x 1, y 1 ) = (λx 1, λy 1 ) est doc u -e.v. Remarques 1.13 Attetios aux lois. Si E est u K-espace vectoriel, E ( 2) est doc mui d'ue structure de K-espace vectoriel. O e déduit la structure d'espace vectoriel de K = {(x 1, x 2,..., x ) où x i K}. Fracis Wlaziski 3

4 1.2 Combiaiso liéaire Défiitio 1.14 Soiet (A, +) u mooïde additif et (a i ) i I ue famille d'élémets de A. O dit que la famille (a i ) i I est à support fii si l'esemble des idices i de I tels que a i 0 est fii. Pour ue telle famille, o peut cosidérer a i, qui est appelée somme à support fii. O ote parfois A (I) l'esemble des familles à support fii d'élémets de A. Défiitio 1.15 Soiet E u espace vectoriel sur K, I u esemble o vide, (u i ) i I ue famille de vecteurs de E, et (λ i ) i I ue famille à support fii d'élémets de K. La somme λ i u i est appelée combiaiso liéaire (C.L.) des vecteurs u i avec les coefficiets λ i. Exemple 1.16 Soit F = (1, X, X 2,..., X p,... ) = (X i ) i. La famille F est ifiie mais tout polyôme est ue C.L. de cette famille. Remarques 1.17 Si u = λ i u i est ue C.L. des u i alors il existe J I tel que J fii et u = λ i u i. O peut gééralemet cosidérer u réidicage de faço à obteir ue relatio du type : u = λ i u i = λ 1 u 1 + λ 2 u λ u 0 E appartiet à l'esemble des C.L. de toute famille o vide d'élémets de E. Exemples 1.18 Soit u u vecteur o ul du pla. Ue C.L. de u est u vecteur coliéaire à u. {C.L. de u} = {k u / k } = {tous les vecteurs coliéaires à u}. Soit u et v deux vecteurs o coliéaires de l'espace. Ue C.L. de u et v est u vecteur coplaaire à u et v. {C.L. de u et v} = { u v /, } = {tous les vecteurs coplaaires à u et v}. O cosidère l'esemble {1, X, X 2 } das [X]. Ue C.L. de {1, X, X 2 } est u polyôme de la forme a + bx + cx 2. {C.L. de {1, X, X 2 }} = {a bx cx 2 / a,b,c } = {tous les polyômes à coefficiets das de degré 2} = 2 [X]. Remarques 1.19 x 1 est ue C.L. des (x i ),. Si i 0 I, x i0 est ue C.L. des (x i ) i I. x E appartiet à l'esemble des C.L. de toute famille d'élémets de E dot il fait partie. icj Fracis Wlaziski 4

5 2. Sous-espaces vectoriels 2.1 Défiitios et caractérisatios Défiitio 2.1 Soit E u espace vectoriel sur K. Soit F ue partie de E. O dit que F est u sous espace vectoriel (s.e.v.) de E si, mui des lois iduites, F est u espace vectoriel. Remarques 2.2 O dit parfois sous-espace plutôt que s.e.v. {0} et E sot deux s.e.v. de E, appelés sous-espaces triviaux. Exemples 2.3 est u s.e.v. de cosidéré comme -e.v. 'est pas u s.e.v. de cosidéré comme -e.v. Les vecteurs d'u pla formet u s.e.v. des vecteurs de l'espace. Propriété 2.4 Soiet E u espace vectoriel sur K et F ue partie de E. F est u s.e.v. de E si et seulemet si 1. F. 2. u, v F, u + v F (F est stable par additio). 3. λ K, u F, λ u F (F est stable par multiplicatio par u scalaire). ou ecore si et seulemet si 1' F. 2' u, v F, λ, µ K, λ u + µ v F. ou ecore si et seulemet si 1'' F. 2'' (λ i ) i I famille à support fii d'élémets de K, (x i ) i I F, λ i x i F (F est stable par C.L.). Démostratio Das u premier temps, o motre que les 3 premières propriétés sot bie équivaletes à F s.e.v. c'est-à-dire que F est u e.v. pour les lois iduites. Puis o motre l'équivalece etre la coditio formée des 3 premières propriétés et celles costituées des suivates. La coditio F est vérifié das les trois cas doc 'iterviet pas. 2' 2 et 3 (2) Il suffit de predre λ = µ = 1 (3) Il suffit de predre µ = 0. 2 et 3 2' O a λ K, u F, λ u F et µ K, v F, µ v F d'après 3 ). Et doc λ u + µ v F d'après 2 ). 2'' 2' Il suffit de predre ue famille à 2 élémets. 2' 2'' Par récurrece sur le ombre d'élémets das la famille à support fii. Fracis Wlaziski 5

6 Remarques 2.5 Das les caractérisatios précédetes, o 'oubliera pas la coditio F. E gééral, il suffit de vérifier que le vecteur ul 0 de E appartiet à F. E effet, tout s.e.v. de E cotiet au mois 0. Voyos pourquoi ue C.L. doit être fiie pour qu'u s.e.v. soit stable par C.L. Soit, par exemple, E {suites umériques} et F {suites umériques qui coverget vers 0}. F est u s.e.v. de E. p Cosidéros les suites (u p ) p de terme gééral u p, 1 pour 1. Toutes ses suites appartieet à F. Soit v la suite défiie par v u p. pm0 p p k So terme gééral est v u 1,p =. pm0 pm0 = pd+ lim p+1 k=0 = pd+ lim 1 1 = t 1 d Doc v F. Si F est u s.e.v. de E et si G est u s.e.v. de F, alors G est u s.e.v. de E (avec les mêmes lois). Exemples 2.6 Pour tout etier aturel, [X] = {P [X] / deg P } est u s.e.v. de [X]. Plus gééralemet, pour tout etier aturel, l'esemble K [X] des polyômes de degré iférieur ou égal à est u s.e.v. de K[X]. Soit I u itervalle de, o réduit à u poit. Soit F (I, K) l'espace vectoriel de toutes les foctios de I das K. Les sous-esembles suivats sot des s.e.v. de F (I, K) : L'esemble C (I, K) = C 0 (I, K) des foctios cotiues de I das K. L'esemble D (I, K) des foctios dérivables de I das K. L'esemble C k (I, K) des foctios de classe C k de I das K. L'esemble C (I, K) des foctios ifiimet dérivables de I das K. 2.2 Opératios etre s.e.v. Propriété 2.7 Soit (F i ) i I ue famille o vide de s.e.v. d'u K-e.v. E. Alors 3 F i est u s.e.v. de E. Démostratio 3 i I, 0 F i. Doc 0 F i et F i. 3 Soiet u,v F i et λ, µ K. Puisque u F i, o a : u F i, i I. 3 De même, v F i, i I. Doc i I, λu + µv F i c'est-à-dire λu + µv F i. Exemple Soit F (, ) l'esemble des foctios de das. Mui des lois usuelles c'est u -e.v. Pour tout etier supérieur ou égale à 1, soit C ( ) le s.e.v. de F (, ) des foctios cotiûmet dérivable fois. O a alors 3 cn C ( ) = C ( ). Fracis Wlaziski 6 3

7 Défiitio et propriété 2.9 Soit X ue partie (quelcoque) d'u K-espace vectoriel E. O appelle sous-espace egedré par X et o ote Vect(X) ou <X> le plus petit (au ses de l'iclusio) des s.e.v. de E qui cotiet X. Remarques 2.10 Vect(X) est l'itersectio de tous les s.e.v. de E qui cotieet X. E effet, soit G l'itersectio de tous les s.e.v. de E qui cotieet X. Doc G est iclus das tout s.e.v. de E qui cotiet X. O sait que G est aussi lui-même u s.e.v. et c'est écessairemet le plus petit. Das le cas d'ue famille fiie A = (a 1,a 2,...,a ), o ote parfois Vect(A) = < a 1,a 2,...,a >. Si X est vide, Vect(X) {0}. Défiitio 2.11 Soit A ue famille fiie de vecteurs d'u K-e.v. E. Si Vect(A) = E, o dit que A est u système géérateur de E. Propriété 2.12 Soit X ue partie o vide d'u K-espace vectoriel E. Vect(X) est l'esemble des combiaisos liéaires d'élémets de X. Démostratio Uiquemet das le cas où X = {x i, 1 i }. (Idem si X famille ifiie alors simplemet somme à support fii). Soit F = {C.L. des élémets de X}. Nous allos motrer que F = Vect(X). 1ère étape : Vect(X) F c est-à-dire F est u s.e.v. qui cotiet X. O a F = { λ i x i, λ i K} = {λ 1 x 1 + λ 2 x λ x, λ i K}. E premier lieu, o motre que X F. O a x 1 = 1.x x x x x 2 = 0.x x x x etc... Puisque X est o vide et puisque X F, o a doc F. Soiet λ, µ K et soiet u, v F. u F u = λ 1 x 1 + λ 2 x λ x, avec λ i K i = 1,. v F v = λ' 1 x 1 + λ' 2 x λ' x, avec λ' i K i = 1,. λ u + µ v = λ(λ 1 x 1 + λ 2 x λ x ) + µ(λ' 1 x 1 + λ' 2 x λ' x ). = λλ 1 x 1 + λλ 2 x λλ x + µλ' 1 x 1 + µλ' 2 x µλ' x. = (λλ 1 + µ λ' 1 ) x 1 + (λλ 2 + µλ' 2 ) x (λλ + µλ' ) x. O a doc bie λ u + µ v F. 2ème étape : F Vect(X). Vect(X) est le plus petit s.e.v. de E qui cotiet X. Puisque Vect(X) est stable par combiaiso liéaire, Vect(X) doit coteir toutes les C.L. d'élémets de x c'est-à-dire F Vect(X). Or F est u s.e.v., doc, de par la défiitio de Vect(X), o a Vect(X) = F. Fracis Wlaziski 7

8 Coséqueces 2.13 L'espace egedré par u vecteur o ul du pla est la droite vectorielle des vecteurs qui lui sot coliéaires. L'espace vectoriel egedré par deux vecteurs o coliéaires de l'espace est le pla vectoriel des vecteurs qui leur sot coplaaires. L'espace egedré par ue famille de vecteurs coplaaires de l'espace dot deux sot o coliéaires est le pla vectoriel egedré par de ces deux vecteurs. Remarques 2.14 La plupart des s.e.v. que ous allos étudier sot egedrés par des élémets de l'espace lui-même. Ce qui explique l'erreur que l'o peut faire e faisat l'amalgame etre les s.e.v., les s.e.v. egedrés par ue famille et les combiaisos liéaires. Cotre exemple : C 1 ( ) comme s.e.v. de C 0 ( ). Soiet u = (1, 0, 1) et v = (2, 3, 1) das 3 et F = < u,v >. Soiet x = (1, 3, 2), y = (3, 3, 0) et z = (0, 3, 3) das 3 et G = < x,y,z >. O a F = G car x = v u, y = u + v et z = 2u v doc toute C.L. de (x,y,z) est ue C.L. de (u,v) et v = 2x + z et u = (y x) / 2 doc toute C.L. de (u,v) est ue C.L. de (x,y,z). Remarque 2.15 E gééral, la réuio de deux sous espaces vectoriels 'est pas u sous espace vectoriel. Défiitio 2.16 Soit E u K-e.v. Soiet E 1 et E 2 deux s.e.v. de E. La somme de E 1 et E 2 qui est otée E 1 + E 2 est l'esemble des élémets de E de la forme x 1 + x 2 où x 1 E 1 et x 2 E 2. Remarques 2.17 Avec les otatios de la défiitio précédete, E 1 + E 2 = {x 1 + x 2 où x 1 E 1 et x 2 E 2 } = {x E / x 1 E 1, x 2 E 2 et x = x 1 + x 2 }. x E 1 + E 2 x 1 E 1 et x 2 E 2 / x = x 1 + x 2. E 1 + E 2 = E 2 + E 1. E 1 + {0} = {0} + E 1 = E 1. Pour tout s.e.v. E 3 de E, (E 1 + E 2 ) + E 3 = E 1 + (E 2 + E 3 ). E 1 + E 1 = E 1. Exemple 2.18 Das 3, si F = {λ u 1 ; où u 1 = (1,1,0) et } = < u 1 > et G = {µ u 2 ; où u 2 = ( 1,1,0) et } = < u 2 >, alors F + G = < u 1, u 2 >. Propriété 2.19 Soit E u K-e.v. Soiet E 1 et E 2 deux s.e.v. de E. La somme de E 1 et E 2 est le s.e.v. egedré par la réuio de E 1 et E 2. C'est-à-dire E 1 + E 2 = Vect(E 1 E 2 ). Fracis Wlaziski 8

9 Démostratio Soit S = {x 1 + x 2 / x 1 E 1 et x 2 E 2 }. Vect(E 1 E 2 ) est le plus petit s.e.v. de E qui cotiet E 1 E 2. Il ous faut doc motrer que E 1 E 2 S Vect(E 1 E 2 ) et que S est u s.e.v. 0 E 2 car E 2 est u s.e.v de E. Doc x 1 E 1, x 1 = x doc x 1 S c'est-à-dire E 1 S 0 E 1 car E 1 est u s.e.v de E. Doc x 2 E 2, x 2 = 0 + x 2 doc x 2 S c'est-à-dire E 2 S. D'où E 1 E 2 S. Vect(E 1 E 2 ) est l'esemble des CL des élémets de E 1 E 2. Soit x S, x 1 E 1 et x 2 E 2 tels que x = x 1 + x 2. E 1 E 1 E 2 doc x 1 E 1 E 2 et E 2 E 1 E 2 doc x 2 E 1 E 2. x 1 + x 2 est doc ue CL de E 1 E 2 d'où x 1 + x 2 Vect (E 1 E 2 ). 0 E 1 et 0 E 2, S doc S est o vide. Soiet λ,µ K et soiet x = x 1 + x 2 / x 1 E 1 et x 2 E 2 et x' = x' 1 + x' 2 / x' 1 E 1 et x' 2 E 2. λx + µx' = λ(x 1 + x 2 ) + µ(x' 1 + x' 2 ) = λx 1 + λx 2 + µx' 1 + µx' 2 = λx 1 + µx' 1 + λx 2 + µx' 2 Or λx 1 + µx' 1 E 1 car E 1 est u s.e.v de E et λx 2 + µx' 2 E 2 car E 2 est u s.e.v de E doc λx + µx' S. Propriété 2.20 Soit F = (F 1, F 2,..., F ) ue famille fiie de ( *) s.e.v. d'u K-e.v. E. Soit F = F 1 + F F l'esemble des vecteurs de la forme u 1 + u u où u i F i pour tout i = 1,. F est u s.e.v. de E, appelé somme des F i. Démostratio F = F 1 + F F = {u E / u = u 1 + u u où u i F i, i = 1, }. O a i = 1,, 0 F i car F i s.e.v. O a 0 = doc 0 F. C'est-à-dire F. Soiet λ, µ K et u, v F. u F u = u 1 + u u où u i F i pour tout i = 1,. v F v = v 1 + v v où v i F i pour tout i = 1,. λ u + µ v = λ (u 1 + u u ) + µ (v 1 + v v ) = i u i i v i = (λ u 1 + µ v 1 ) + (λ u 2 + µ v 2 ) (λ u + µ v ). + Or puisque F i est u s.e.v., i = 1,, o a λ u i + µ v i F i. C'est-à-dire λ u + µ v F. Remarques 2.21 Avec les otatios de la propriété, F peut être oté F i. O peut étedre la défiitio de somme à ue famille (F i ) i I quelcoque de s.e.v. de E. Das ce cas, la somme des F i est l'esemble F des sommes à support fii u i, où pour tout i de I, u i F i. E gééral, ue réuio de sous-espaces vectoriels de E 'est doc pas u sous-espace de E. Propriété 2.22 Soit F = (F 1, F 2,..., F ) ue famille fiie de ( *) s.e.v. d'u K-e.v. E. La somme F = F 1 + F F est le plus petit sous-espace vectoriel de E coteat tous les F i. C'est le s.e.v. de E egedré par la réuio des F i c'est-à-dire F = Vect(F 1 F 2... F ). Fracis Wlaziski 9

10 Démostratio O a F i F, pour tout etier i = 1,. Tout s.e.v. de E coteat tous les F i doit être stable par somme. Remarque 2.23 Soiet u 1, u 2 et u 3 trois vecteurs d'u K-e.v. E. O a : < u 1, u 2 > + < u 3 > = < u 1 > + <u 2, u 3 > = < u 1, u 2, u 3 >. Cette propriété peut être facilemet étedue à plus de trois vecteurs. 2.3 Sommes directes Remarque 2.24 Das 3, soiet F = {(x,y,z) 3 / x = 0} et G = {(x,y,z) 3 / y = 0}. Tout vecteur v = (a,b,c) 3 peut s'écrire par exemple v = (0,b,c/2) + (a,0,c/2). Doc F + G = 3. Le vecteur u = (1,1,1) peut s'écrire (0,1,0) + (1,0,1) mais aussi (0,1,1) + (1,0,0). La décompositio de u 'est pas uique. Défiitio 2.25 Soiet F et G deux s.e.v. d'u K-e.v. E. O dit que la somme F + G est directe et o ote F G si et seulemet si tout élémet de F + G admet ue décompositio uique e la somme d'u élémet de F et d'u élémet de G. Exemples 2.26 Das [X], o cosidère F = {λ 1, où λ } et G = {µ X, où µ }. F + G est l'e.v. des polyômes de degré 1. La décompositio de tout vecteur de F + G e la somme d'u vecteur de F et d'u vecteur de G est uique. Das l'esemble des vecteurs de 2, o cosidère F = {(x,0) 2 / x } et G = {(0,y) 2 / y }, o a F + G = 2 et la décompositio est uique. Das l'esemble des vecteurs de 3, o cosidère F = {(0,y,0) 3 / y } et G = {(0,0,z) 3 / z }, o a F + G = {(x,y,z) 3 / x = 0} et la décompositio est uique. Propriété 2.27 Soiet F et G deux s.e.v. de E. La somme F + G est directe si et seulemet si F G = {0}. Démostratio ( ) {0} F G (toujours). Soit u F G, o a u = 0 + u = u + 0. Avec das le premier cas, 0 F et u G et das le deuxième cas u F et 0 G. De part l'uicité de la décompositio, o a u = 0. ( ) O suppose qu'u vecteur u de F + G se décompose sous la forme u = u 1 + u 2 et u = u' 1 + u' 2 avec u 1, u' 1 F et u 2, u' 2 G. O a doc u 1 u' 1 = u' 2 u 2. Or u 1 u' 1 F et u' 2 u 2 G. Puisque F G = {0}, o obtiet u 1 u' 1 = 0 = u' 2 u 2. C'est-à-dire u' 1 = u 1 et u' 2 = u 2 : la décompositio est uique. Fracis Wlaziski 10

11 Défiitio 2.28 Soit F = (F 1, F 2,..., F ) ue famille fiie de ( 3) s.e.v. d'u K-e.v. E. O dit que la somme F = v = v i, où pour tout i = 1,, v i F i. F i est directe si tout vecteur v de F s'écrit de maière uique sous la forme O dit que v i est la composate de v sur F i relativemet à cette somme directe. / La somme F est alors otée F = F i = F 1 F 2... F. Remarque 2.29 Si (F i ) i I ue famille quelcoque de s.e.v. d'u K-e.v. E. O a ue défiitio similaire : la somme F = F i est directe si tout vecteur v de F s'écrit de maière uique sous la forme d'ue somme à support fii u i, où pour tout i de I, u i F i. / La somme F est alors otée F = F i. Propriété 2.30 Soit F = (F 1, F 2,..., F ) ue famille fiie de ( 2) s.e.v. d'u K-e.v. E. La somme F = F i = F 1 + F F est directe si et seulemet si : (u 1, u 2,..., u ) F i, o a u 1 + u u = 0 u i = 0 i = 1,. Démostratio ( ) Soit (u 1, u 2,..., u ) F. O a : u 1 + u u = 0 = avec 0 F i. De part l'uicité de la décompositio, o obtiet le résultat. ( ) Supposos que l'o ait deux décompositios pour u même vecteur u de F 1 + F F. Nous allos motrer que ces deux décompositios sot les mêmes. O suppose doc : u = u 1 + u u = u' 1 + u' u' avec u i,u' i F i i = 1,. O obtiet alors (u 1 u' 1 ) + (u 2 u' 2 ) (u u' ) = 0 avec u i u' i F i i = 1,. D'où u i u' i = 0 i = 1,. C'est-à-dire u i = u' i i = 1,. Remarque 2.31 O peut étedre ce résultat à ue famille (F i ) i I quelcoque de s.e.v. de E. Das ce cas, la somme F = F i est directe si et seulemet si : Pour toute famille (u i ) à support fii (u i F i pour tout i), u i = 0 i I, u i = 0. Remarques 2.32 Si la somme F i est directe, et si J est ue partie de I, alors F i est directe. E particulier, pour tous les idices disticts i et j, F i F j = {0}. Fracis Wlaziski 11 icj

12 La réciproque est fausse. Pour moter que F 1, F 2,..., F sot e somme directe, avec 3, il e suffit pas de vérifier que pour tous idices disticts i et j, F i F j = {0}. Ce serait ecore pire de se coteter de vérifier que F 1 F 2... F = {0}. Ue erreur classique cosiste à écrire que la somme F + G est directe si et seulemet si l'itersectio F G est vide! L'itersectio de deux s.e.v. de E 'est e effet jamais vide car elle cotiet toujours 0. Il faut e fait vérifier que l'itersectio F G se réduit à {0}. 2.4 Sous-espaces supplémetaires Défiitio 2.33 Soiet F et G deux s.e.v. de E. O dit que F et G sot supplémetaires das E si E = F G. Cela sigifie que tout vecteur u de E s'écrit d'ue maière uique u = v + w, avec v F et w G. O dit alors que F est u supplémetaire de G das E et que G est u supplémetaire de F das E. Exemple 2.34 Das 2, o cosidère les droites vectorielles obteues par rotatio de des vecteurs i, j. 4 O motre que ces droites sot supplémetaires. Théorème 2.35 Soit F u s.e.v. de E. Alors F possède au mois u supplémetaire das E. Remarques 2.36 Ce résultat est admis pour l'istat. Il sera démotré das le cas particulier des espaces vectoriels de dimesio fiie. Si la somme F G est directe, alors F et G sot supplémetaires das F G. U même sous-espace F de E possède e gééral ue ifiité de supplémetaires das E. Il y a cepedat deux cas d'uicité : Si F = E, le seul supplémetaire de F das E est {0}. Si F = {0}, le seul supplémetaire de F das E est E lui-même. O e cofodra pas supplémetaire et complémetaire! Le complémetaire d'u sous-espace F de E est u esemble sas grad itérêt e algèbre liéaire : ce 'est pas u s.e.v. de E car il e cotiet pas le vecteur ul. Exemples 2.37 Das l'espace vectoriel M (K) des matrices carrées d'ordre à coefficiets das K, les sous-espaces S (K) et A (K) formés respectivemet des matrices symétriques et atisymétriques sot supplémetaires. Das l'espace vectoriel F (, ) de toutes les foctios de das, les sous-espaces P(, ) et I(, ) formés respectivemet des foctios paires et impaires sot supplémetaires. Fracis Wlaziski 12

13 3. Applicatios liéaires 3.1 Défiitios et otatios Défiitio 3.1 Soiet E et F deux espaces vectoriels sur u même corps K. Soit f ue applicatio de E das F. O dit que f est liéaire si et seulemet si : u,v E, λ K, f (u + v) = f (u) + f (v) et f (λ u) = λ f (u). Défiitios 3.2 O ote L K (E, F) ou L (E, F) s'il 'y a pas d'ambiguïté sur le corps K l'esemble des applicatios liéaires du K-e.v. E das le K-e.v. F. U edomorphisme d'u K-e.v. E est ue applicatio liéaire de E das lui-même. O ote L K (E) ou L (E) l'esemble des edomorphismes de E. U isomorphisme est ue applicatio liéaire bijective. U automorphisme d'u K-e.v. E est u isomorphisme de E das lui-même. O ote GL(E) l'esemble des automorphismes de E. Exemples 3.3 Soiet E et F deux espaces vectoriels sur K. L'applicatio ulle de E das F est liéaire. L'applicatio idetité Id E est ue applicatio liéaire et bijective de E das E (automorphisme). Pour tout scalaire α, l'applicatio h α : u x α u est u edomorphisme de E. Pour tous scalaires α et β, h α o h β = h αβ. Si α = 0, h α est simplemet l'applicatio ulle. Si α 0, h α est u automorphisme et (h α ) 1 = h 1/α. O dit que h α est l'homothétie vectorielle de rapport α. Soit I u itervalle de, o réduit à u poit. L'applicatio qui, à ue foctio f de I das, associe sa dérivée f' est ue applicatio liéaire de l'espace vectoriel des foctios dérivables sur I das F (I, ). La restrictio de cette applicatio à E = C ( ) est u edomorphisme de E. : C 0 ( ) est liéaire. 1 g g(t) dt 0 f : 'est pas liéaire. E effet, f (2 5) 49 et f (2) f (5) 29. x x 2 Remarques 3.4 Si f est ue applicatio liéaire, o dit aussi que f est u morphisme d'espaces vectoriels. f est liéaire de E das F si et seulemet si, u,v E, α,β K, f (α u + β v) = α f (u) + β f (v). Si f est liéaire, alors f ( λ i u i ) = λ i f (u i ) pour toute combiaiso liéaire. Das le cas fii : f ( λ i u i ) = f (λ 1 u 1 + λ 2 u λ u ) = f (λ 1 u 1 ) + f (λ 2 u 2 ) f (λ u ) = λ i f (u i ). Si f est liéaire de E das F, alors f (0 E ) = 0 F. E effet, f (0 E ) = f (0 K.0 E ) = 0 K.f (0 E ) = 0 F. Cette remarque est parfois utilisée pour motrer qu'ue applicatio 'est pas liéaire. Fracis Wlaziski 13

14 3.2 Opératios sur les applicatios liéaires Propriété 3.5 Soiet E et F deux espaces vectoriels sur u même corps K. Soiet f et g deux applicatios liéaires de E das F, et α, β deux scalaires. Alors α f + β g est aussi ue applicatio liéaire de E das F. O e déduit que L (E, F) est u espace vectoriel sur K. Démostratio (Rappel : Par défiitio, (f + g)(x) = f (x) + g(x) et (kf)(x) = k.f (x)). Soiet λ, µ K et soiet x, y E. (α f + β g) (λ x + µ y) = (α f)(λ x + µ y) + (β g)(λ x + µ y) = α f (λ x + µ y) + β g(λ x + µ y). = α (λ f (x) + µ f (y)) + β (λ g(x) + µ g(y)) = αλ f (x) + αµ f (y) + βλ g(x) + βµ g(y). = λ (α f (x) + β g(x)) + µ (α f (y) + β g(y)) = λ (α f + β g)(x) + µ (α f + β g)(y). Propriété 3.6 Soiet E, F et G trois espaces vectoriels sur u même corps K. Si f : E F et g : F G sot liéaires, alors g o f est ue applicatio liéaire de E das G. Démostratio Soiet λ, µ K et soiet x, y E. (g o f)(λ x + µ y) = g(f (λ x + µ y)) = g(λ f (x) + µ f (y)) = λ g(f (x)) + µ g(f (y)) = λ(g o f)(x) + µ(g o f)(y). Remarques 3.7 Soiet E, F et G trois espaces vectoriels sur u même corps K. Si f L (F, G) et si g,h L (E, F) alors f o (g + h) = f o g + f o h. E effet : x E, [f o (g + h)](x) = f [(g + h)(x)] = f [g(x)+ h(x)]= f [g(x)]+ f [h(x)] = (f o g)(x) + (f o h)(x) Soit f u edomorphisme de E et u etier aturel. Alors f = f o f o... o f ( fois) est u edomorphisme de E. k C k=0 Das l'algèbre L (E), o peut utiliser la formule du biôme (f + g) = (f k o g k ), à coditio que les applicatios f et g commutet. Par exemple, les applicatios h λ commutet avec tous les edomorphismes de E. Propriété 3.8 Soit f u isomorphisme de E sur F. Sa bijectio réciproque f 1 est u isomorphisme de F sur E. Démostratio f est bijective (doc surjective) d'où, pour tous z,t F, il existe x,y E tels que f (x) = z et f (y) = t. C'est-à-dire f 1 (z) = x et f 1 (t) = y. Doc λ, µ K, f 1 (λz + µt) = f 1 [ λf(x) + µf(y)] = f 1 [ f(λx + µy)] = λx + µy = λf 1 (z) + µf 1 (t). Fracis Wlaziski 14

15 Remarque 3.9 Si f et g sot deux automorphismes d'u K-e.v. E, alors f 1 et g o f sot ecore des automorphismes de E. O e déduit que (L (E), +, o,.) est ue algèbre sur K. E gééral, cette algèbre 'est pas commutative. E particulier, GL(E) est u groupe (e gééral, o commutatif) pour la loi de compositio des applicatios. 3.3 Noyau et image Propriété 3.10 Soiet E et F deux espaces vectoriels sur K. Soit f u morphisme de E das F. Si E' est u sous-espace de E, alors f (E') est u sous-espace de F. Si F' est u sous-espace de F, alors f 1 (F') est u sous-espace de E. Démostratio Soit E' u s.e.v. de E. 0 E E' car E' s.e.v. de E et f (0 E ) = 0 F doc f (E'). Soiet y, y' f (E'). x E' / y = f (x) et x' E' / y' = f (x'). λ, µ K, λ y + µ y' = λ f (x) + µ f (x') = f (λ x + µ x'). Or λ x + µ x' E' car E' s.e.v. doc λ y + µ y' f (E'). Soit F' u s.e.v. de F. 0 F F' car F' s.e.v. de F et f (0 E ) = 0 F doc f 1 (F'). Soiet x, x' f 1 (F') c'est-à-dire f (x) F' et f (x') F'. λ, µ K, f (λ x + µ x') = λ f (x) + µ f (x'). Or λ f (x) + µ f (x') F' car F' s.e.v. doc f (λ x + µ x') F'. C'est-à-dire λ x + µ x' f 1 (F'). Défiitios 3.11 Soiet E et F deux espaces vectoriels sur K. Soit f u morphisme de E vers F. L'esemble f (E) = {v F / u E et v = f (u)} = {f (u), u E} est u s.e.v. de F. O l'appelle image de f et o le ote Im f. L'esemble f 1 ({0 F }) {u E, f(u) = 0 F } est u s.e.v. de E. O l'appelle oyau de f et o le ote Ker f. Remarques 3.12 Avec les otatios de la défiitio, o a : f surjective Im f F. O peut parfois motrer qu'ue partie d'u espace vectoriel e est u s.e.v. e l'iterprétat comme le oyau ou l'image d'ue applicatio liéaire. Par exemple, soit f u edomorphisme de l'espace vectoriel E, et soit λ u scalaire. Notos E λ l'esemble des vecteurs u de E tels que f (u) = λ u. O costate que f (u) = λ u (f λ Id)(u) = 0 u Ker(f λ Id). O e déduit que E λ est u s.e.v. de E. C'est le cas e particulier pour Iv(f) = E 1 (vecteurs ivariats) et pour Opp(f) = E 1 (vecteurs chagés e leur opposé par f). Fracis Wlaziski 15

16 Propriété 3.13 Soiet E et F deux espaces vectoriels sur K. Soit f u morphisme de E das F. f est ijective si et seulemet si so oyau Ker(f) se réduit à {0 E }. Démostratio ( ) x Ker f f (x) = 0 F f (x) = f (0 E ). f ijective x = 0 E Ker f = {0}. ( ) x, x' F / f (x) = f (x') f (x) f (x') = 0 F f (x x') = 0 F. Or Ker f = {0} doc x x' = 0 E x = x'. Remarque 3.14 Autremet dit, f est ijective si et seulemet si ( u E) f (u) = 0 F u = 0 E. 3.4 Projectios et symétries vectorielles Défiitio 3.15 Soiet F et G deux s.e.v. supplémetaires de E. Pour tout vecteur u de E :!v F,!w G tels que u = v + w. L'applicatio p : u x p(u) = v est appelée la projectio sur F, parallèlemet à G. L'applicatio s : u x s(u) = v w est appelée la symétrie par rapport à F, parallèlemet à G. Remarques 3.16 Avec les otatios précédetes, p est u edomorphisme de E qui vérifie p o p = p. L'image de p est F et so oyau est G. F est aussi le s.e.v. des vecteurs ivariats par p. s est u automorphisme de E, et s o s = Id. Aisi s est ivolutif : s 1 = s. O a la relatio s = 2p Id, qui s'écrit ecore p = 1 (s + Id). 2 G est le sous-espace des vecteurs chagés e leur opposé par s. F est le sous-espace des vecteurs ivariats par s. Si o ote p' la projectio sur G parallèlemet à F, et s' la symétrie par rapport à G parallèlemet à F, alors p + p' = Id, p o p' = p' o p = 0 et s + s' = 0, s o s' = s' o s = Id. Exemple 3.17 O cosidère la somme directe E = E {0}. O pose F = E et G = {0}. Soiet p la projectio sur F parallèlemet à G s la symétrie par rapport à F parallèlemet à G. p' la projectio sur G parallèlemet à F s' la symétrie par rapport à G parallèlemet à F. O obtiet : p = Id (c'est le seul cas où ue projectio vectorielle est ijective) et s = Id. p' = 0 et s' = Id (e effet x = x + 0). Fracis Wlaziski 16

17 Défiitio 3.18 Soit E u espace vectoriel sur K. O appelle projecteur de E tout edomorphisme p de E tel que p o p = p. Propriété 3.19 Si p est u projecteur de E, alors E = Ker p Im p. L'applicatio p est la projectio sur Im p parallèlemet à Ker p. Démostratio Soit p u projecteur de E. Pour tout u E, o a u = u p(u) + p(u). O a bie p(u) Im p. p(u p(u)) = p(u) p(p(u)) = p(u) p(u) = 0 doc u p(u) Ker p. C'est-à-dire E = Ker p + Im p. Il reste à vérifier que Ker p Im p = {0}. Soit u Ker p Im p. u Im p t E / u = p(t). u Ker p p(u) = 0 p(p(t)) = 0 p(t) = 0 u = Familles libres, géératrices, bases Toutes les sommes cosidérées das cette partie sot à support fii. 4.1 Familles libres Défiitio 4.1 Soit E u espace vectoriel sur K. O dit qu'ue famille (u i ) i I d'élémets de E est libre, ou ecore que les vecteurs de cette famille sot liéairemet idépedats si, pour toute famille (λ i ) i I de K (I) (c'est-à-dire à support fii), ous avos : λ i u i = 0 i I, λ i = 0. Das le cas cotraire, c'est-à-dire s'il existe ue famille (λ i ) i I K (I) de scalaires o tous uls telle que λ i u i = 0, o dit que la famille (u i ) i I est liée, ou ecore que les vecteurs qui la composet sot liéairemet dépedats. Exemple 4.2 Soiet u = (1, 1) et v = (2, 3) das 2. λ.u + µv = 0 λ (1, 1) + µ (2,3) = 0 (λ,λ) + (2µ,3µ) = 0 (λ + 2µ, λ + 3µ) = (0,0) + 2 = = 0 λ = µ = 0 Fracis Wlaziski 17

18 Remarques 4.3 O e doit pas cofodre o tous uls et tous o uls. La famille (u 1, u 2,..., u ) est libre si (λ 1, λ 2,..., λ ) K, λ i u i = 0 λ 1 = λ 2 =... = λ = 0. La famille (u 1, u 2,..., u ) est liée si : Il existe scalaires λ 1,..., λ, l'u au mois état o ul, tels que λ i u i = 0. Si, par exemple, λ 1 0, alors u 1 = 1 λ i u i. 1 i=2 Ue famille de vecteurs est liée si et seulemet si l'u des vecteurs qui la compose peut s'écrire comme ue combiaiso liéaire des autres. Ue famille réduite à u seul vecteur u est libre si et seulemet si u est o ul. Ue famille de deux vecteurs u et v est liée si et seulemet si u et v sot coliéaires, ou ecore proportioels, c'est-à-dire s'il existe u scalaire λ tel que u = λ v ou v = λ u. Cela e se gééralise pas aux familles de plus de deux vecteurs. Attetio à e pas dire que u et v sot liés si et seulemet si il existe u scalaire λ tel que u = λ v, car c'est faux si v = 0 et u 0 (e revache c'est vrai si v 0). Toute sous-famille d'ue famille libre est libre. Cela équivaut à dire que toute sur-famille d'ue famille liée est liée. E particulier toute famille coteat 0, ou deux vecteurs coliéaires, est liée. Exemples 4.4 Les vecteurs u = ( 1,1) et v = (1,1) de 2 sot liéairemet idépedats. Les vecteurs u = ( 1,1,1), v = ( 1,2,3) et w = (2, 1,0) de 3 sot liéairemet dépedats car w = v 3 u. (X,X 2 ) formet ue famille libre de [X]. (X 2 ) formet ue famille libre de [X]. (si,cos) est ue famille libre de C 0 ( ) (Il suffit de predre x = 0 et x = π / 2 par exemple). Das l'espace vectoriel K[X] des polyômes à coefficiets das K, toute famille de polyômes dot les degrés sot différets deux à deux est libre. C'est le cas pour la famille (P ) si deg P 0 < deg P 1 <... < deg P <... O parle alors de famille de polyômes à degrés écheloés. Propriétés 4.5 Soiet E et F deux espaces vectoriels sur K et f u morphisme de E das F. Soit (u i ) i = 1, p ue famille fiie d'élémets de E. Si la famille (u i ) i = 1, p est liée, alors la famille (f (u i )) i = 1, p est liée. Si la famille (f (u i )) i = 1, p est libre, la famille (u i ) i = 1, p est libre. Si la famille (u i ) i = 1, p est libre et si f est ijective, alors la famille (f (u i )) i = 1, p est libre. Démostratio Si ue famille (quelcoque, voir remarque 4.4) (u i ) i I est liée, l'u des u i est ue C.L. des autres. C'est-à-dire il existe u esemble J fii tel que J I, i 0 I \ J et ue famille (λ j ) j J d'élémets de K tels que λ j u j. u i0 = jcj O a doc f ( ) = f ( λ j u j ) = λ j f (u j ). C'est-à-dire f ( ) C.L. des (u i ) d'où (f (u i )) i I liée. u i0 jcj jcj u i0 \{i 0 } Fracis Wlaziski 18

19 Cotraposée. Soit (v 1, v 2,..., v ) ue famille libre de E. λ 1 f (v 1 ) + λ 2 f (v 2 ) λ f (v ) = 0 f (λ 1 v 1 + λ 2 v λ v ) = 0 λ 1 v 1 + λ 2 v λ v Ker f. λ 1 v 1 + λ 2 v λ v = 0 car f est ijective λ 1 = λ 2 =... = λ = 0 car (v 1, v 2,..., v ) est libre. Doc (f (v 1 ), f (v 2 ),... f (v )) est libre. Remarque 4.6 O peut étedre ces résultats à ue famille quelcoque (u i ) i I : Toute applicatio liéaire trasforme ue famille liée e ue famille liée. Ue applicatio liéaire ijective trasforme ue famille libre e ue famille libre. 4.2 Familles géératrices Défiitio 4.7 Soit E u espace vectoriel sur K. O dit qu'ue famille (u i ) i I d'élémets de E est géératrice de E, ou ecore que les vecteurs de cette famille egedret E si et seulemet Vect({u i, i I}) = E, c'est-à-dire : v E, (λ i ) i I K (I) / v = λ i u i. Remarques 4.8 La famille (u 1, u 2,..., u ) est géératrice das E si, pour tout vecteur v de E, il existe scalaires λ 1,..., λ tels que v = λ i u i. Exemples 4.9 (1,0,0), (0,1,0) et (0,0,1) egedret 3. (1,0,0), (1,1,0) et (1,1,1) egedret 3. (1,0,0), (1,1,0), (1,1,1) et (1,2,1) egedret 3. {1, 1 + X, 1 + X + X 2 } egedre E = {P [X] / deg P 2} = {ax 2 + bx + c où a,b,c }. E effet, ax 2 + bx + c = a(1 + X + X 2 ) + (b a)(1 + X) + (c b)(1). Remarques 4.10 Toute sur-famille d'ue famille géératrice de E est ecore géératrice. Soiet E u espace vectoriel sur K et F u s.e.v. strict de E (F K E). Soit (u i ) i I ue famille de vecteurs de F. Le caractère libre ou o de cette famille e déped pas de l'espace vectoriel, F ou E, auxquels ils sot cesés apparteir (c'est faux si l'o chage de corps, par exemple (1,0) et (i,0) sot libres das cosidéré comme -e.v. mais pas comme -e.v.). E revache, si cette famille est géératrice das F, elle e l'est pas das E. Il faudra doc préciser das quel espace vectoriel ue famille de vecteurs est géératrice surtout lorsqu'il y a u risque d'ambiguïté. Propriété 4.11 Soiet E et F deux espaces vectoriels sur K et f L K (E,F). Soit (u i ) i = 1, p ue famille fiie de E. Si la famille (u i ) i = 1, p est géératrice (de E) alors la famille (f (u i )) i = 1, p est géératrice de Im f. Si la famille (u i ) i = 1, p est géératrice (de E) et si f est surjective, alors la famille (f (u i )) i = 1, p est géératrice de F. Fracis Wlaziski 19

20 Démostratio Cas famille quelcoque (voir remarque 4.12). Soit v Im f. Il faut motrer que v est ue C.L. des (f (u i )) i I. Par défiitio, v Im f u E / v = f (u). Puisque (u i ) i I est ue famille géératrice de E, il existe u esemble J fii tel que J I et (λ j ) j J famille de K tels que u = λ j u j. Doc v = λ j f (u j ). jcj Si f surjective, f (E) = Im f = F. Remarque 4.12 jcj O peut étedre ces résultats à ue famille quelcoque (u i ) i I : o peut doc dire qu'ue applicatio liéaire surjective trasforme ue famille géératrice de l'esemble de départ e ue famille géératrice de l'esemble d'arrivée Bases Défiitio 4.13 Soit E u espace vectoriel sur K. O dit qu'ue famille (u i ) i I d'élémets de E est ue base de E si elle est à la fois libre et géératrice de E. Exemples importats 4.14 (1) est ue base de. Elle est appelée la base caoique de. ((1,0),(0,1)) est la base caoique de 2. ((1,0,0),(0,1,0),(0,0,1)) est la base caoique de 3. {1,X,X 2 } est la base caoique de 2 [X]. (X k ) k est la base caoique de [X]. Propriété 4.15 Ue famille (u) = (u 1, u 2,..., u ) est ue base de E si et seulemet si, pour tout vecteur v de E, il existe u -uplet uique (λ 1,..., λ ) de K tel que v = 1 coordoées, de v das la base (u i ) i = 1,. O ote alors [v] u. Démostratio λ i u i. Les coefficiets λ i sot appelés composates, ou Puisqu'ue base est ue famille libre et géératrice, il suffit de motrer que das le cas d'ue famille géératrice, o a l'équivalece etre la liberté et l'uicité de la décompositio. ( ) Supposos qu'u vecteur v admet deux décompositios : ( ) v = λ i u i = µ i u i où λ i, µ i K, i = 1,. O obtiet doc (λ i µ i ) u i = 0. Puisque (u) est ue famille libre, o a doc λ i µ i = 0 i = 1, c'est-à-dire λ i = µ i. O suppose que tout vecteur v de E peut s'écrire de maière uique comme ue combiaiso liéaire des vecteurs u i. O a λ i u i = 0 = 0u 1 + 0u u. La décompositio état uique cela implique bie que, i I, λ i = 0 et doc que (u) est libre. Fracis Wlaziski 20

21 Remarques 4.16 Ue famille (quelcoque) (u i ) i I est ue base de E si et seulemet si tout vecteur v de E peut s'écrire de maière uique comme ue combiaiso liéaire des vecteurs u i. Si (i, j, k) formet ue base de E, et si les coordoées d'u vecteur v das cette base sot (a, b, c) (c'est-à-dire si v = ai + bj + ck), alors (j, k, i) formet ue base de E das laquelle les coordoées de v sot (b, c, a). Coclusio : deux bases se déduisat l'ue de l'autre par modificatio de l'ordre des vecteurs doivet être cosidérées comme différetes. La famille des polyômes (X k ) k = (1, X, X 2,..., X i,... ) est ue base de K[X]. O l'appelle la base caoique de K[X]. La famille des polyômes (X k ) k = 0, = (1, X, X 2,..., X ) est la base caoique de K [X]. Propriété 4.17 Soit (e) = (e 1, e 2,..., e ) ue base d u K-e.v. E avec 1. Soiet u 1, u 2,...,u p p( 1) vecteurs de E de coordoées respectives [u 1 ] e, [u 2 ] e,...,[u p ] e K das (e). (u 1, u 2,...,u p ) libre ([u 1 ] e, [u 2 ] e,...,[u p ] e ) libre. (u 1, u 2,...,u p ) egedre E ([u 1 ] e, [u 2 ] e,...,[u p ] e ) egedre K. Propriétés 4.18 Soiet E et F deux espaces vectoriels sur K. O suppose que E est mui d'ue base (e i ) i I. Pour toute famille (v i ) i I de vecteurs de F, il existe ue uique applicatio liéaire f de E das F telle que i I, f (e i ) = v i. De plus : f est ijective si et seulemet si la famille (v i ) i I est libre. f est surjective si et seulemet si la famille (v i ) i I est géératrice de F. f est bijective si et seulemet si la famille (v i ) i I est ue base de F. Démostratio Soit g est ue applicatio liéaire de E vers F où E est de dimesio fiie et soit (e) = (e 1, e 2,..., e ) ue base de E. Pour tout x E, il existe (x 1, x 2,..., x ) K telle que x = x 1 e 1 + x 2 e x e = x i e i. D'où g(x) = g(x 1 e 1 + x 2 e x e ) = g(x 1 e 1 ) + g(x 2 e 2 ) g(x e ) = x 1 g(e 1 ) + x 2 g(e 2 ) x g(e ). C'est-à-dire g(x) = g( x i e i ) = g(x i e i ) = x i g(e i ). Cela sigifie que si l'o coaît les (g(e i )),, o coaît g : ue applicatio liéaire est défiie de maière uique par la doée des images des vecteurs d'ue base. Nous avos vu (propriétés 4.5 et 4.10) que : (f ijective (v i ) i I libre) et (v i ) i I est géératrice de Im f. Pour obteir les trois poits, il reste juste à motrer que : (v i ) i I libre f ijective. Soit x = x i e i Ker f. f (x) = 0 x i f (e i ) = 0 x i v i = 0 x i = 0 i = 1, car (v i ) i I libre x = 0. Doc Ker f = {0} c'est-à-dire f ijective. Remarque 4.19 U morphisme f de E vers F est u isomorphisme si et seulemet si f trasforme ue base de E e ue base de F. L'applicatio f trasforme alors toute base de E e ue base de F. Fracis Wlaziski 21

22 5. Espaces vectoriels de dimesio fiie 5.1 Notio de dimesio fiie Défiitio 5.1 Soit E u K-espace vectoriel. O dit que E est de dimesio fiie si E possède ue famille géératrice fiie. Remarques 5.2 Avec cette défiitio, l'espace réduit à {0} est de dimesio fiie. Si u espace vectoriel 'est pas de dimesio fiie, il est dit de dimesio ifiie. C'est le cas de l'espace vectoriel K[X] des polyômes à coefficiets das K. Propriété 5.3 De toute famille géératrice d'u espace vectoriel o ul de dimesio fiie, o peut extraire ue base. Remarque 5.4 O a précisé E {0} car das l'espace {0} il 'y a même pas de famille libre! Démostratio Soit {e 1, e 2,..., e } ue famille géératrice de vecteurs de E. Pour tout vecteur o ul x de E, x est ue C.L. des (e i ),, il existe doc ue famille (λ i ), d'élémets de K tels que x = λ 1 e 1 + λ 2 e λ e = λ i e i. Puisque x est o ul, il existe j 1 = 1, tel que λ j1 0 et e j1 0. O pose e' 1 = e j1 et B 1 = {e' 1 } et G 1 = {e 1, e 2,..., e } \ {e' 1 } = {e 1, e 2,..., e } \ B 1. Puisque e' 1 est o ul, B 1 est libre. Si B 1 est géératrice, le théorème est démotré. Si B 1 'est pas géératrice, il existe e j2 G 1 tel que {e j1, e j2 } soit ue famille libre. E effet, das le cas cotraire, tous les élémets de G 1 seraiet coliéaires à e j1. Ce serait aussi le cas de x. Or ous sommes das le cas où B 1 'est pas géératrice. O pose e' 2 = e j2 et B 2 = {e' 1, e' 2 } et G 2 = {e 1, e 2,..., e } \ {e' 1, e' 2 } = {e 1, e 2,..., e } \ B 2. Si B 2 est géératrice, le théorème est démotré Si B 2 'est pas géératrice, il existe e j3 G 2 tel que {e j1, e j2, e j3 } soit ue famille libre. E effet, das le cas cotraire, tous les élémets de G 2 seraiet des C.L. de {e j1, e j2 }. Ce serait aussi le cas de x. Or ous sommes das le cas où B 2 'est pas géératrice. O cotiue aisi. O costruit ue suite de famille libre : B 1 C B 2 C..._ {e 1, e 2,..., e } jusqu'à obteir ue famille géératrice. Puisque {e 1, e 2,..., e } est ue famille fiie. Ce processus se termie. Plus précisémet, ous avos : Théorème 5.5 Das tout espace vectoriel E de dimesio fii o réduit à {0}, il existe des bases. Fracis Wlaziski 22

23 Propriété 5.6 Soit E u espace vectoriel sur K. Soit (e i ), = {e 1, e 2,..., e } ue famille de vecteurs de E. Si (e i ), est géératrice das E, toute famille coteat plus de vecteurs est liée. Démostratio Soit {v 1, v 2,..., v m } ue famille de m (> ) vecteurs de E. Si l'u des v i est ul, la famille (v i ),m est liée et la démostratio est termiée. O suppose doc que i =1,, v i 0. Puisque la famille (e i ), est géératrice, il existe doc ue famille (λ 1,i ), d'élémets de K tels que v 1 = λ 1,1 e 1 + λ 1,2 e λ 1, e = λ 1,i e i. Puisque v 1 0, il existe u etier j compris etre 1 et tel que λ 1,j 0. Sas perte de gééralité (o reverra la situatio), o peut supposer que λ 1,1 0. O a alors e 1 = 1 (v. 1 1,2 e 2 1,3 e , e ) 1,1 Pour tout vecteur x = µ i e i de E, o a doc : 1 x = µ 1 e 1 + µ 2 e µ e = (v + µ 2 e µ e 1 1,2 e 2 1,3 e , e ) 1,1 = 1 1,1 v 1 + i=2 i 1,i 1,1 e i Nous obteos doc que x est ue C.L. de {v 1, e 2,..., e } c'est-à-dire {v 1, e 2,..., e } famille géératrice de E. (Si, par exemple, o avait choisi λ 1,2 0 à la place de λ 1,1, o aurait obteu {v 1, e 1, e 3,..., e } famille géératrice de E.) O cotiue aisi. Puisque {v 1, e 2,..., e } est ue famille géératrice de E, il existe doc ue famille (λ 2,i ), d'élémets de K tels que v 2 = λ 2,1 v 1 + λ 2,2 e λ 2, e. Si λ 2,1 = λ 2,2 =... = λ 2, = 0, o aurait v 1 = λ 2,1 v 1 ce qui sigifie que la famille {v 1, v 2,..., v m } est liée et cela termierait la démostratio. Sio, il existe u etier j compris etre 2 et tel que λ 2,j 0. Sas perte de gééralité, o peut supposer qu'il s'agit de λ 2,2. O obtiet e 2 = 1 (v. 2 2,1 v 1 2,3 e , e ) 2,2 Pour tout vecteur x de E, puisque {v 1, e 2,..., e } est ue famille géératrice de E, x est ue C.L. de {v 1, e 2,..., e }. Puisque e 2 est ue C.L. de {v 1, v 2, e 3,..., e }, x est ue C.L. de {v 1, v 2, e 3,..., e }. C'est-à-dire {v 1, v 2, e 3,..., e } est ue famille géératrice de E. O cotiue aisi de suite jusque v. Soit, das ue des étapes, o obtiet que la famille est liée ce qui termie la démostratio. Soit o obtiet que la famille {v 1, v 2,..., v } est ue famille géératrice de E. Das ce cas, puisque m >, v +1 existe et v +1 est doc ue C.L. de {v 1, v 2,..., v }. La famille {v 1, v 2,..., v m } est doc liée. Corollaire 5.7 Soit E u espace vectoriel sur K. Soit (e i ), = {e 1, e 2,..., e } ue famille de vecteurs de E. Si (e i ), est libre, aucue famille de mois de vecteurs 'est géératrice das E. Fracis Wlaziski 23

24 Démostratio Si o avait ue famille de mois de vecteurs qui soit géératrice, o pourrait e extraire ue base. Toute famille coteat plus de vecteurs serait doc lié. Théorème 5.8 Si E est u K-espace vectoriel de dimesio fiie o réduit à {0}, alors toutes les bases de E sot fiies et elles ot le même ombre d'élémets. Ce ombre est appelé dimesio de E et est oté dim E. Démostratio Soit (e) = (e 1, e 2,..., e ) ue base de vecteurs de E. Soit (e') ue autre base de E. Si (e') possédait plus de vecteurs, elle e serait pas libre. Si (e') possédait mois de vecteurs, elle e serait pas géératrice. Remarques 5.9 Par covetio, dim {0} = 0. O appelle droite vectorielle tout espace vectoriel E de dimesio 1. Tout vecteur o ul u de E costitue alors ue base de E, et E = {λ u, λ K}. O appelle pla vectoriel tout espace vectoriel E de dimesio 2. Deux vecteurs u et v o proportioels formet alors ue base de E et E = {λ u + µ v, λ K, µ K}. La dimesio d'u espace vectoriel E déped du corps de base. Si E est u espace de dim sur, c'est u espace de dimesio 2 sur. Par exemple, est ue droite vectorielle sur et u pla vectoriel sur. Pour éviter toute ambiguïté, o ote parfois dim K (E). Exemples 5.10 K est u espace vectoriel sur K, de dimesio. Ue base de K est la famille (e k ) 1 k, où e 1 = (1, 0,..., 0), e 2 = (0, 1, 0,..., 0),..., e = (0,..., 0, 1). O l'appelle la base caoique de K. Les coordoées de u = (x 1,..., x ) das cette base sot (x 1,..., x ), car u = x k e k. L'esemble K [X] des polyômes à coefficiets das K et de degré iférieur ou égal à est u espace vectoriel sur K, de dimesio + 1. Ue base de K [X] est (1, X, X 2,..., X ). Si E et F sot deux K-espaces vectoriels de dimesios respectives et p, alors l'espace vectoriel des applicatios liéaires de E das F est de dimesio p. Si E et F sot deux K-e.v. de dimesios respectives et p, alors o a dim(e F) = + p. Plus gééralemet, pour ue famille E 1, E 2,..., E m d espaces vectoriels sur le même corps, o a : dim(e 1 E 2... E m ) = m dim(e i ) et dim(e m ) = m dim(e). k=1 Théorème 5.11 Théorème de la base icomplète Soit E u K-espace vectoriel de dimesio fiie 1. Soit (e) ue famille géératrice fiie de E. Soit (u) ue famille libre de E, o géératrice. Alors il est possible de compléter la famille (u) à l'aide de vecteurs de la famille (e), de maière à former ue base de E. Fracis Wlaziski 24

25 Propriété 5.12 Soit E u K-espace vectoriel de dimesio fiie 1. Soit (u) = (u 1, u 2,..., u ) ue famille de élémets de E. (u) est ue base (u) est libre (u) est géératrice. Démostratio Il suffit de motrer (u) libre (u) base (u) géératrice (u) base Si (u) est ue famille libre, d'après le théorème de la base icomplète, o peut compléter (u) e ue base. Mais toute base de E cotiet vecteurs. Doc o e peut pas ajouter de vecteur pour obteir ue base. C'est doc que (u) est déjà ue base. Si (u) est ue famille géératrice, o peut e extraire ue base. Or cette base doit coteir élémets!!! Remarque 5.13 La dimesio d'u espace vectoriel de dimesio fiie est doc : Le ombre miimum d'élémets d'ue famille géératrice de cet e.v. Le ombre maximum d'élémets d'ue famille libre de cet e.v. 5.2 Sous-espaces de dimesio fiie Propriété 5.14 Soit F u s.e.v. d'u K-e.v. E de dimesio fiie. Alors F est de dimesio fiie et dim(f) dim(e). O a l'égalité dim(f) = dim(e) si et seulemet si F = E. Démostratio Soit = dim E. Si F = {0}, o obtiet trivialemet le résultat. Si F {0}, soit (e' 1, e' 2,..., e' p ) ue base de F. (e' 1, e' 2,..., e' p ) est ue famille libre de F et doc de E. O obtiet doc p. Si p =, (e' 1, e' 2,..., e' p ) est ue famille libre de E possédat élémets, c'est doc ue base de E. Défiitio 5.15 Soit (u i ),p = (u 1, u 2,..., u p ) ue famille de p vecteurs d'u espace vectoriel E sur K. O appelle rag de la famille (u i ),p et o ote rg (u 1, u 2,..., u p ) la dimesio du s.e.v. de E egedré par cette famille. C'est-à-dire, rg (u 1, u 2,..., u p ) = dim (Vect{u 1, u 2,..., u p }). Fracis Wlaziski 25

26 Remarques 5.16 rg (u 1, u 2,..., u p ) est le ombre maximal de vecteurs libres de la famille (u 1, u 2,..., u p ). O a rg (u 1, u 2,..., u p ) p, avec l'égalité si et seulemet si la famille (u) est libre. Si dim(e) =, alors rg (u 1, u 2,..., u p ), avec l'égalité si et seulemet si la famille (u i ),p est géératrice das E. Exemples 5.17 O cosidère das 3 la famille A das les cas suivats : a. A = {(1,2, 3) ; ( 2, 4,6)} rg(a) = 1 b. A = {(1,2, 3) ; ( 1,0,5)} rg(a) = 2 c. A = {(1,2, 3) ; ( 1,0,5) ; (0,2,2)} rg(a) = 2 d. A = {(1,2, 3) ; ( 1,0,5) ; (0,2,3)} rg(a) = 3 e. A = {(1,2, 3) ; ( 1,0,5) ; (0,2,3) ; (4, 1,5)} rg(a) = 3 f. A = {(1,2, 3) ; ( 1,0,5) ; (0,2,2) ; (1,4, 1)} rg(a) = 2 Propriété 5.18 Soiet F et G deux s.e.v. de dimesios fiies d'u K-e.v. E. Das le cas gééral, dim(f + G) = dim(f) + dim(g) dim(f G). Si F et G sot e somme directe, alors dim(f G) = dim(f) + dim(g). Démostratio Supposos que dim(f) = p, dim(g) = q et dim(f G) = r. Plus précisémet, soit (ε 1, ε 2,..., ε r ) ue base de F G. (ε 1, ε 2,..., ε r ) est ue famille libre de F G et doc de F et G. O peut compléter cette famille e ue base de F et e ue base de G. Soiet (ε 1, ε 2,..., ε r, a r+1, a r+2,..., a p ) ue base de F et (ε 1, ε 2,..., ε r, b r+1, b r+2,..., b q ) ue base de G. O cosidère la famille (B) = (ε 1, ε 2,..., ε r, a r+1, a r+2,..., a p, b r+1, b r+2,..., b q ). Nous allos motrer que (B) est ue base de F + G. Puisque (B) cotiet r + (p r) + (q r) = p + q r élémets, cela termiera la démostratio. Famille géératrice : Tout vecteur x de F + G s'écrit comme somme d'ue C.L. d'ue base F et d'ue C.L. d'ue base G. x = λ 1 ε 1 + λ 2 ε λ r ε r + λ r +1 a r+1 + λ r +2 a r λ p a p + µ 1 ε 1 + µ 2 ε µ r ε r + µ r +1 b r+1 + µ r +2 b r µ q b q. x est doc ue C.L. de (B) est ue famille géératrice de F + G. Famille libre : λ 1 ε 1 + λ 2 ε λ r ε r + λ r +1 a r+1 + λ r +2 a r λ p a p + λ p +1 b r+1 + λ p +2 b r λ p+q b q = 0. Si o pose u = λ 1 ε 1 + λ 2 ε λ r ε r, v = λ r +1 a r+1 + λ r +2 a r λ p a p et w = λ p +2 b r λ p+q r b q, o a u + v + w = 0. Doc w = u v avec w F et u v G. D'où w F G. w est doc ue C.L. des (ε 1, ε 2,..., ε r ) i.e. : w = µ 1 ε 1 + µ 2 ε µ r ε r. De w = λ p +1 b r+1 + λ p +2 b r λ p+q b q = µ 1 ε 1 + µ 2 ε µ r ε r et puisque (ε 1, ε 2,..., ε r, b r+1, b r+2,..., b q ) est ue base de G, o tire que λ p +1 = λ p +2 =... = λ p+q = 0 c'est-à-dire w = 0. Doc u + v = 0 avec (ε 1, ε 2,..., ε r, a r+1, a r+2,..., a p ) ue base de F. Ce qui sigifie que λ 1 = λ 2 =... = λ p = 0. Fracis Wlaziski 26

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

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

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

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

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

3 Approximation de solutions d équations

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

Plus en détail

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

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

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

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

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

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

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

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

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

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

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

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

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail