Espaces vectoriels Sommes Définitions 10 Dimensions de sommes 11 Sous espaces supplémentaires 12 Projecteurs 13
|
|
- Claudette Joly
- il y a 6 ans
- Total affichages :
Transcription
1 Lycee Faidherbe, Lille PC* Chapitre 12 Espaces vectoriels 12.1 Rappels Espaces vectoriels 2 Sous espaces vectoriels 3 Bases 4 Dimension finie 5 Polynômes de Lagrange 6 Applications linéaires 7 Rang 8 Matrices Sommes Définitions 10 Dimensions de sommes 11 Sous espaces supplémentaires 12 Projecteurs Formes linéaires Éléments propres Dimension finie Polynômes d endomorphisme
2 12.1 Rappels Espaces vectoriels Un espace vectoriel sur K, E, +,., est un ensemble muni d une loi interne + : E E E, x, y x + y et d une loi externe. : K E E, λ, x λ.x telles que il existe 0 E E tel que 0 E + x = x + 0 e = x pour tout x E, pour tout x E il existe x E tel que x + x = x + x = 0 E, pour tous x, y, z E, x + y + z = x + y + z, pour tous x, y E, x + y = y + x, pour tout x E, 1.x = x, pour tous x, y E, pour tout λ K, λ.x + y = λ.x + λ.y, pour tout x E, pour tous λ, µ K, λ + µ.x = λ.x + µ.x, pour tout x E, pour tous λ, µ K, λµ.x = λ.µ.x. Les trois premiers axiomes signifient que E, + est un groupe. L élément neutre, 0 E est unique ; si 0 E et ω sont des éléments neutres alors ω = 0 E +ω = 0 E car 0 E est neutre à gauche et ω est neutre à droite. L opposé, x, d un vecteur est unique car si x et x sont des opposés de x alors x = x + 0 E = x + x + x = x + x + x = 0 E + x = x. Le quatrième axiome signifie que ce groupe est commutatif ; il est une conséquence des autres axiomes car 2.x + y = 2.x + 2.y d où, en écrivant 2 = 1 + 1, x + y + x + y = x + x + y + y puis, en ajoutant x à gauche et y à droite, x + y = y + x. On a 0.x = 0 E voir la propriété ci dessous. L opposé de x est 1.x ; en effet x + 1.x = 1 1.x = 0.x = 0 E. Propriété [ λ.x = 0E ] [ λ = 0 ou x = 0E ]. D : on note u = 0.x, on a u + u = x = 0.x = u donc u = 0 E, de même si v = λ.0 E alors v + v = λ.0 E + 0 E = λ.0 E = v donc v = 0 E. : si λ.x = 0 E et si λ est non nul alors 1 x = 1.x = λ.λ.x = 1 λ. λ.x = 1 λ.0 E = 0 E page 2
3 Exemples 1. Pour n N, K n est un K espace vectoriel pour les opérations : x 1 y 1 x 1 + y 1 x 1 λx =. et λ.. =. avec 0 K n = x n y n x n + y n x n λx n A désigne un ensemble quelconque et K A ou FA, K désigne l ensemble des fonctions définies sur A, à valeurs dans K. K A est un K espace vectoriel pour les opérations : x A f + gx = f x + gx et λf x = λf x avec 0x = 0 Pour A = [[1; n]] on assimile K A à K n. Pour A = N K N est l ensemble des suites de K. 3. Si E et F désignent des K espaces vectoriels on définit, dans E F = {x, y ; x E, y F}, x 1, y 1 + x 2, y 2 = x 1 + x 2, y 1 + y 2 et λ.x, y = λx, λy E F, +,. est un K espace vectoriel avec x, y = x, y et 0 E F = 0 E, 0 F Sous espaces vectoriels Une partie F d un K espace vectoriel E est un sous espace vectoriel de E noté aussi s.e.v. si F est non vide et est stable pour les lois de E. Caractérisation F est un sous espace vectoriel de E si et seulement si 0 E appartient à F ou F est non vide et pour tous λ, µ K, pour tous x, y F, λ.x + µ.y appartient à F. Si A est une partie non vide de E, un vecteur x de E est dit combinaison linéaire d éléments de A s il existe une partie finie A = {a 1,..., a p } A et des scalaires λ 1, λ 2,..., λ p tels que x = λ k a k. k=1 On note VectA, l espace engendré par A, l ensemble de toutes les combinaisons linéaires d éléments de A. On conviendra que Vect = {0 E }. VectA est un sous espace de E contenant A. Un sous-espace de E contient A si et seulement si il contient VectA. Exemple : si A est un ensemble on note i x la fonction de A vers K définie par i x x = 1 et i x y = 0 pour y x. L espace engendré par ces fonctions est noté K A ; c est l ensemble des fonctions de A vers K nulles sauf en nombre fini de points fonctions à support fini. Si A = N les éléments de K N sont les suites nulles à partir d un certain rang ; on peut d donc assimiler K N et K[X] en identifiant a k X k à a 0, a 1,, a d, 0,, 0,. page 3
4 12.13 Bases Si I désigne un ensemble, on appelle famille de vecteurs de E indexée par I toute application de I dans E qui à i associe x i, on la notera x i i I ou x i ; i I. Une famille u i ; i I est génératrice si et seulement si Vect {u i ; i I} = E. Une famille u i ; i I est libre si et seulement si pour toute partie finie {i 1,..., i p } incluse dans I, λ 1,..., λ p K p λ k u ik k=1 = 0 E = [λ1 = = λ p = 0] Un famille non libre est dite liée. Une famille F = e i ; i I est liée si et seulement si il existe i 0 I tel que Vect F \ {e i0 } = Vect F. Une famille u i ; i I est une base si et seulement si elle est libre et génératrice. Tout espace admet une base. Ce théorème admis n est pas constructif ; pour un espace de dimension infinie on ne sait en général pas construire une base. Traductions dans le cas I = {1,..., n} Une famille {u 1,..., u n } est génératrice si et seulement si x E λ 1,..., λ n K n / n x = λ k u k k=1 Elle est libre si et seulement si n λ 1,..., λ n K n k=1 λ k u k = 0 E = [λ1 = = λ n = 0] Elle est libre si et seulement si e 1 0 et k [[2; n]] e k / Vecte 1,..., e k 1. Elle est une base si et seulement si x E! λ 1,..., λ n K n / n x = λ k u k k=1 Traductions dans le cas I = N Une famille {u n, n N} est génératrice si et seulement si x E N N λ 0,..., λ N K N+1 / x = N+1 k=1 λ k u k Elle est libre si et seulement si N N N λ 0,..., λ N K N+1 page 4 λ k u k = 0 E = [ k λk = 0]
5 Elle est libre si et seulement si e 0 0 et k 0 e k / Vecte 1,..., e k 1. Elle est une base si et seulement si, en notant E N = Vecte 0,..., e N, dime N = N + 1 et x E, N N / x E N Exemples 1. Si E = K[X] alors X n, n N est une base de E n N, 2 n n N est une base de l ensemble des suites telles que un+2 = 3u n+1 2u n. sh, ch est une base de l ensemble des fonctions de classe C 1 sur R telles que telles que y = y. Théorème dit de la base incomplète Si B 1 est une famille génératrice finie de E contenant une famille libre B 2 alors il existe une base B de E telle B 2 B B Dimension finie Un espace est de dimension finie s il admet une famille génératrice finie. Tout espace de dimension finie admet une base finie. Toutes les base d un espace de dimension finie ont même cardinal. C est la dimension de l espace, dime. On suppose E de dimension finie avec dime = n. B est une famille finie de E. Si B est génératrice elle est de cardinal au moins n. Si B est libre elle est de cardinal au plus n. B est une famille de E de cardinal n = dime. alors B est une base si et seulement si elle est libre, B est une base si et seulement si elle est génératrice. Tout sous espace F de E est de dimension finie avec dimf dime. Si F et G sont des sous espaces de E tels que F G alors [ F = G ] [ dimf = dimg ]. page 5
6 12.15 Polynômes de Lagrange E est l espace des polyômes de degré p 1 au plus, E = K p 1 [X] Si a 1, a 2,..., a p sont des scalaires distincts on note L i X = L i est le i ième polynôme de Lagrange associé aux a i. 1 j p,j i On a L i a j = δ i,j donc, pour tout P K p 1 [X], le polynôme Q = P Qa k = Pa k Ainsi PX = X a j a i a j ; Pa i δ i,k = 0 : Q K p 1 [X] admet p racines donc est nul. Pa k L k X pour tout P K p 1 [X] : k=1 L 1,..., L p est génératrice de K p 1 [X]. Si λ k L k = 0 alors la valeur en a i donne λ i = 0 donc la famille est libre. k=1 Pa i L i vérifie Propriété L 1, L 2,..., L p est une base de K p 1 [X]. Pour tout P K p 1 [X], PX = Pa i L i X. Cas particuliers 1. Pour PX = 1 : 2. Pour PX = X, 3. On note NX = On a N X = L i X = 1. a i L i X = X. p X a j. j=1 1 j p,j i 1 NX L i X =. N a i X a i X a j donc N a i = 1 j p,j i a i a j. Pour tout P K p 1 [X], on obtient, en divisant la formule d interpolation par NX, PX NX = Pa i /N a i. X a i Dans le cas des p racines p ièmes de l unité, a k = ω k = e 2ikπ/p, on a NX = X p 1, N X = px p 1 donc N ω k = pω p 1 k = pω 1 1 k puis X p 1 = 1 ω k. p X ω k k=1 page 6
7 12.16 Applications linéaires Une application linéaire du K espace vectoriel E dans le K espace vectoriel F est une application f de E dans F telle que x, y E λ, µ K f λ.x + µ.y = λ.f x + µ.f y LE, F est l ensemble des applications linéaires de E dans F. Si E = F on note LE = LE, F dont les éléments sont des endomorphismes. On définit les lois de LE, F par f + gx = f x + gx et λ.f x = λf x. LE, F, muni de ces lois, est un espace vectoriel La composée de 2 applications linéaires est linéaire. Si u est linéaire inversible alors u 1 est linéaire. Une application linéaire bijective de E vers F est un isomorphisme. Une application linéaire bijective de E vers E est un automorphisme. On note GLE l ensemble des automorphismes de E. GLE, est un groupe. LE, +,., est une K algèbre. C est à dire LE, +,. est un espace vectoriel, LE, +, est un anneau et λ.u v = λ.u v = u λ.v. Si B = e i ; i I est une base de E, si u est une application linéaire de E vers F et si B = ue i ; i I est la famille de F image de B par u alors 1. u est injective si et seulement si B est libre 2. u est surjective si et seulement si B engendre F 3. u est bijective si et seulement si B est une base de F. Si u appartient à LE, F alors pour tout sous espace de E, E, l image directe de E par u est ue = {y F / x E y = ux}. ue est un sous espace de F. Pour tout sous espace F de F l image inverse de F par u est u 1 F = {x E / ux F }. u 1 F est un sous espace de E. Le noyau de u, keru = u 1 {0 F } = u 1 {O F } est un sous espace de E. L image de u, Imu = ue est un sous espace de F. u est surjective si et seulement si Imu = F. u est injective si et seulement si keru = {0 E }. Si u LE, F et v LF, G alors keru kerv u et Imv u Imv. Si u et v sont des endomorphismes de E et si u v = v u alors keru et Imu sont stables par v. page 7
8 12.17 Rang E est de dimension finie et u appartient à LE, F Imu est engendré par l image d une base de E donc est de dimension finie. Le rang de u est la dimension de Imu : rgu = dim Imu. Théorème du rang rgu + dim keru = dime D Soient r le rang de u, f 1, f 2,..., f r une base de Imu et e 1, e 2,..., e p une base de keru. Si Pour tout i [[1; r ]] il existe un vecteur, e i+p, tel que ue i+p = f i. On va prouver que la famille B = e 1, e 2,..., e p, e 1+p,..., e r +p est une base de E. p+r λ i e i = 0 E alors 0 F = p+r = 0 F + car f 1, f 2,..., f r est libre puis λ i ue i = p+r i=p+1 λ i ue i + p+r i=p+1 λ i ue i λ i f i p d où λ p+1 = = λ p+r = 0 λ i e i = 0 E car e 1, e 2,..., e p est libre. Ainsi tous les coefficients sont nuls : la famille est libre. Si x appartient à E alors ux Imu donc on peut écrire ux = On pose alors x = r y i e i+p ; on a ux = x x keru. On peut alors écrire x x = x = r y i f i. r y i ue i+p = ux donc x i e i donc r x i e i + y i e i+p : la famille est génératrice. Ainsi dime = card B = p + r = dim keru + rgu Si E et F sont de dimension finie, si u LE, F et si v LF, G alors rgv u min{rgu, rgv}. D On a Imv u Imv donc rgv u rgv et keru kerv u donc rgv u = n dim kerv u n dim keru = rgu Si u LE, F avec dime = dimf alors u bijective u injective u surjective Si v est un isomorphisme de F vers G alors, pour tout u LE, F, rgv u = rgu. page 8
9 12.18 Matrices Si E et F sont de dimension finie. Si B = e 1, e 2,..., e n et B = f 1, f 2,..., f p sont des bases de E et F respectivement n on définit e i,j LE, F par e i,j e k = δ k,j f i : si x = x j e j alors e i,j x = x j f i. Si u appartient à LE, F on définit ue j = a i,j f i ; pour tout x E on a alors n n n n ux = u x j e j = x j ue j = a i,j x j f i donc u = a i,j e i,j. j=1 j=1 j=1 e i,j ; 1 i n, 1 j p est une base de LE, F. j=1 j=1 Si E et F sont de dimension finie alors LE, F est de dimension finie et dim LE, F = dime dimf On note M B,B u la matrice a i,j 1 i n, 1 j p ; c est la matrice de u relativement aux bases B et B. En particulier si u LE on note M B u = M B,B u. y = ux si et seulement si Y = M B,B u.x avec X = n x = x i.e i et y = y i.f i. x 1. x n et Y = y 1. y p pour Si G est de dimension finie et si B est une base de G alors, pour v LF, G, M B,B v u = M B,B v.m B,B u Si u est un isomorphisme donc p = n alors u 1 = M B,B u 1 M B,B Si B et B sont deux base de E la matrice P = M B1,BId E est la matrice de changement de base de B à B. C est la matrice des composantes des vecteurs de la nouvelle base B dans l ancienne. Si, de plus, B et B sont deux bases de F et Q = M B 1,B Id F alors M B1,B 1 u = Q 1.M B,B u.p Si u appartient à LE, M B1 u = P 1.M B u.p. Si u LE, M B1 u et M B u sont semblables ; elles ont donc même trace, même déterminant et même polynôme caractéristique. Ce sont respectivement la trace, le déterminant et le polynôme caractéristique de u. Si u LE, F est de rang r alors il existe une base B de E et une base B de F telles que M B,B u = I n,p,r. page 9
10 12.2 Sommes Définitions Une union de sous espaces n est en général pas un sous espace. Définition F F p = VectF 1 F 2 F p. Propriétés F F p = {x x p ; x i F i } Si G est un s.e.v. de E tel que, si F i G pour tout i, alors F F p G. D On note F = {x x p ; x i F i } ; en choisissant x j = 0 pour j i on voit que tout élément x i F i appartient à F donc F i F puis F 1 F 2 F p F. De plus F est un sous-espace de E donc, par définition de l espace engendré, on a F F p F. Inversement, si x i F i F F p pour tout i alors x x p F F p donc F F F p : on a égalité. L autre propriété est un conséquence des propriétés de l espace engendré Si on définit Φ de F 1 F 2 F p vers E par Φx 1, x 2,..., x p = x 1 + x x p on voit donc que F F p = ImΦ ; la surjectivité de Φ traduit simplement que la somme est égale à E tout entier, l injectivité traduit une des propriétés suivantes : Propriété Les propriétés suivantes sont équivalentes 1 la seule décomposition de 0 E est 0 E E 2 tout élément de la somme se décompose de manière unique 3 F i F 1 + +F i 1 +F i+1 + +F p = {0E } pour tout i 4 F i F F i 1 = {0E } pour 2 i p. On dit alors que la somme F F p est directe ; on l écrit F 1 F p. D [1 2] C est la caractérisation par le noyau de l injectivité de Φ ci dessus. [1 = 3] Si x i F i F F i 1 + F i F p alors il existe des xj F j tels que x i = x 1 + +x i 1 +x i+1 + +x p donc 0 E = x 1 + +x i 1 x i +x i+1 + +x p et l unicité par 1 implique x i = 0 E d où 3 [3 = 4] Cela provient de {0 E } F i F F i 1 Fi F F i 1 + F i F p [4 = 1] Si 0 E = x 1 + +x p alors x p = x x p 1 F p F 1 + +F p 1 donc x p = 0 E, on a alors x p 1 = x x p 2 F p F F p 2 donc x p 1 = 0 E et on continue ainsi pour prouver que les x i sont tous nuls page 10
11 12.22 Dimensions de sommes F 1, F 2,..., F p sont des sous espaces de dimension finie de E, dimf i = d i. B i = e i,j ; 1 j d i est une base de Fi. On définit B = e i,j ; 1 i p, 1 j d i. Lemme B est une famille génératrice de F F p = F. D Si x appartient à F alors x = x i = d i j=1 a i,j e i,j puis x = Elle est libre si et seulement si la somme est directe. d i j=1 x i avec x i F i donc on peut écrire On suppose la somme directe. d i Si a i,j e i,j = 0 E alors, en notant x i = j=1 a i,j e i,j Vect B : B est génératrice de F. d i j=1 a i,j e i,j, on a x i F i et d où x i = 0 E pour tout i car la somme est directe. d i Alors a i,j e i,j = 0 E donc a i,j = 0 pour tout j car B i est libre. j=1 On a donc prouvé que B est libre. On suppose B libre. Si 0 E = x i avec x i F i on écrit x i = d i j=1 a i,j e i,j donc d i j=1 x i = 0 E a i,j e i,j = 0 E. Comme B est libre on a a i,j = 0 pour tous i et j donc x i = 0 E pour tout i : la somme est directe Corollaire E = F 1 F p si et seulement si B est une base. Propriété Corollaire Si E est de dimension finie alors tout sous espace de E admet un supplémentaire. Si F est un sous espace de E alors toute base de F, e 1,..., e p, est une famille libre de E que l on peut compléter en une base e 1,..., e p, e p+1,..., e n de E. Si F = Vecte p+1,..., e n le résultat précédent montre que E = F F. dim p F F p dimf i. dim p F F p = dimf i si et seulement si la somme est directe. page 11
12 12.23 Sous espaces supplémentaires Définition Deux sous espaces F et G de E sont supplémentaires si E = F G. On admettra que tout sous espace de E admet un supplémentaire. Théorème Si E est un supplémentaire de keru dans E alors la restriction de u à E définit un isomorphisme entre E et Imu. D On a vu que ker u E = keru E = {0 E } donc u E est injective. Si y appartient à Imu alors il existe x E tel que y = ux. On décompose x = x 1 + x 2 avec x 1 keru et x 2 E ; on a y = ux = ux 1 + ux 2 = 0 E + ux 2 = u E x 2. u E est surjective Théorème Formule de Grassman dimf + G = dimf + dimg dimf G D On choisit des supplémentaires de F G dans F et G : F = F F G et G = G F G. F F F + G On a G G F + G donc F + F G + G F + G et F G F F + G { } F = F + F G F + F G + G G = F G + G F + F G + G donc F + G F + F G + G. Ainsi F + G = F + F G + G. Si 0 E = x 1 + x 2 + x 3 avec x 1 F, x 2 F G et x 3 G alors x 1 + x 2 appartient à F et x 2 + x 3 appartient à G. Ainsi x 1 = x 2 + x 3 appartient à F G donc à F G et à F : x 1 = 0 E. De même x 3 = 0 E puis x 2 = 0 E : la somme est directe, F + G = F F G G. Or dimf = dimf dimf G et dimg = dimg dimf G d où dimf + G = dimf + dimf G + dimg = dimf + dimg dimf G... Corollaire Si dimf + dimg = dime alors F et G sont supplémentaires si et seulement si F G = {0} ou si et seulement si F + G = E. page 12
13 12.24 Projecteurs Si E = E 1 E 2 E q on nomme p i x les composantes dans la décomposition : x = p 1 x + + p q x avec p i x E i Les p i sont les projections associées à la somme directe. On les considère comme des fonctions de E vers E. Propriétés p i est linéaire p 1 + p p q = Id E p i p i = p i p i p j = 0 pour i j Imp i = E i kerp 1 = E 1 E i 1 E i+1 E q D La linéarité est une conséquence de l unicité de la décomposition : si x = p 1 x + + p q x, y = p 1 y + + p q y et λ.x + µ.y = p 1 λ.x + µ.y + + p q λ.x + µ.y on a aussi λ.x + µ.y = λ. p 1 x + + p q x + µ. p 1 y + + p q y = λ.p 1 x + µ.p 1 y + + λ.p q x + µ.p q y avec λ.p i x + µ.p i y E i donc p 1 λ.x + µ.y = λ.p 1 x + µ.p 1 y, p i est linéaire. Par construction on a Id E x = x = p 1 x + + p q x = p p q x. Pour tout x p i x E i donc p i x = p i x en est la décomposition. Ainsi p j pi x = 0 pour j i et p i pi x = p i x d où p j p i = 0 pour j i et p i p i = p i. On a Imp i E i par construction. Si x appartient à E i alors x = 0 E E + x + 0 E E donc p j x = 0 E pour j i et p i x = x. Ainsi E i Imp i puis E i = Imp i. On a p i x = 0 E pour x E j d où E j kerp i pour j i puis E 1 E i 1 E i+1 E q kerp i. Inversement si x = x x q appartient à kerp i alors x i = 0 E donc x E 1 E i 1 E i+1 E q. On a donc prouvé l autre inclusion d où l égalité Définition Propriétés Un projecteur de E est un endomorphisme p de E tel que p p = p. Si p est un projecteur de E alors Imp = {x E / px = x} E = kerp Imp, p est la projection sur Imp associée Id E p est un projecteur, kerid E p = Imp et ImId E p = kerp. page 13
14 D Si px = x alors x appartient à Imp. Inversement si x Imp alors il existe y E tel que x = py d où px = p py = p py = py = x. Ainsi Imp = {x E / px = x}. Pour tout x E, x = px + x px avec px Imp et p x px = px p px = 0 E donc x px kerp d où x Imp + kerp. E kerp + Imp E d où l égalité. Si x kerp Imp alors px = 0 E et px = x donc x = 0 E : la somme est directe. Id E p est la projection sur kerp Théorème Si p est un projecteur de E avec E de dimension finie alors rgp = trp. D On choisit une base e 1, e 2,..., e r de Imp et une base e r +1, e r +2,..., e n de keru. E = Imp kerp donc e 1,..., e r, e r +1,..., e n est une base, B, de E. 1 r r +1 n On a alors M B p = r r n donc tru = r = rgu Formes linéaires Définitions Lemme Une forme linéaire sur E est une application linéaire de E vers K. Un hyperplan de E est le noyau d une forme linéaire non nulle sur E. Un sous espace H de E est un hyperplan si et seulement si H E et, pour tout a E \ H, E = H Vecta. D On suppose que H est un hyperplan de E, H = kerϕ avec ϕ forme linéaire non nulle. Soit a E \ H ; on a H Vecta = {0 E } et, pour tout x E, si x = x ϕx ϕa a alors ϕx = ϕx ϕx ϕa ϕa = 0 donc x H. Alors x = x + ϕx a H + Vecta. Ainsi E = H Vecta. ϕa Si E = H K.a on note p le projecteur sur K.a associé. Si α est l isomorphisme de K vers Vecta défini par αt = ta alors ϕx = α 1 px est une forme linéaire sur E de noyau égal à celui de p donc de noyau H : H est un hyperplan; page 14
15 Propriété Deux formes linéaires non nulles ont le même noyau si et seulement si elles sont proportionnelles. D Si ϕ = λ.ϕ avec λ 0 alors kerϕ = kerϕ. Inversement si kerϕ = kerϕ = H alors, pour a E\H on a ϕa 0 et ϕ a 0. Il existe un scalaire k, non nul, tel que ϕ a = kϕa. On pose ψ = ϕ kϕ ; on a h kerψ et a kerψ. Si x est un élément de E alors x = x ϕx ϕa a vérifie ϕx = 0 donc x H. Alors x = x + ϕx ϕa a appartient à kerψ pour tout x E d où ψ = 0 puis ϕ = kϕ. On suppose maintenant E de dimension finie. B = e 1, e 2,..., e n est une base de E alors, pour tout x E on note x i les coordonnées n de x dans la base B : x = x i.e i. Propriétés Toute forme linéaire peut s écrire ϕx = n a i x i. Corollaire Pour tout x E non nul il existe une forme linéaire ϕ telle que ϕx = 1. D On complète x en une base B = x, e 2,..., e n de E, ϕx = x1 convient Éléments propres u est un endomorphisme de E. Définition Une valeur propre de u est un scalaire λ K tel qu il existe un vecteur non nul, x E, tel que ux = λ.x. Un vecteur propre de u est un vecteur non nul, x E, tel qu il existe un scalaire λ K tel que ux = λ.x. Le spectre de u est l ensemble de ses valeurs propres. On le note spu. L ensemble des vecteurs propres pour une valeur propre de u, λ, augmenté de {0 E } est le sous espace propre associé à λ. On le note Eλ, u = {x E / ux = λ.x}. Même si λ n est pas une valeur propre on peut définir Eλ, u qui est alors réduit à {0 E }. Propriété Eλ, u = keru λid E ; c est donc un sous espace de E. Propriété x est vecteur propre de u si et seulement si la droite K.x = Vectx est stable par u. page 15
16 Définition Théorème u est diagonalisable si u admet un nombre fini de valeurs propres et E est somme directe des sous espaces propres. Si u et v commutent c est à dire si v u = u v alors les sous-espaces propres de u sont stables par v D Si x Eλ, u alors ux = λx et u vx = u vx = v ux = v ux = vλx = λvx donc vx Eλ, u Théorème La somme d un nombre fini de sous-espaces propres est une somme directe. D Soient λ 1, λ 2,..., λ p des valeurs propres distinctes de u. Si 0 E = x 1 + x x p avec x i Eλ i, u alors ux i = λ i.x i et, par récurrence, u k x i = λ k i.x i p donc, pour tout k, 0 E = u k 0 E = u k x i = u k x i = λ k i.x i. Si P = a 0 + a 1 X + + a d X d on a alors d d p d 0 E = a k.0 E = a k. λ k i.x i = a k λ k i.x i = Pλ i.x i. Si on choisit P = L i, polynôme de Lagrange associé aux λ j alors L i vérifie L i λ j = δ i,j donc 0 E = L i λ j.x j = x i. Ainsi tous les x i sont nuls : la somme est directe j=1 Caractérisation 1 u est diagonalisable si et seulement si E est la somme d un nombre fini de sous espaces propres. D : si u est DZ alors E est la somme des sous espaces propres en nombre fini. On suppose que E est la somme d un nombre fini de sous espaces propres. En les regroupant éventuellement, on peut supposer les valeurs propres distinctes : E = Eλ 1, u + + Eλ p, u. S il existait une autre valeur propre, λ, la somme Eλ 1, u + + Eλ p, u + Eλ, u est directe donc Eλ, u Eλ 1, u Eλ p, u = {0} c est à dire Eλ, u E = {0}. Comme on a Eλ, u E on en déduit que Eλ, u = {0} ce qui contredit que λ est valeur propre. Ainsi spu = {λ 1,..., λ p } et E est la somme des sous espaces propres : u est diagonalisable page 16
17 Lemme Si un sous espace de E ne contient que des vecteurs propres pour u alors il est inclus dans un sous espace propre. L énoncé se traduit par [ x F λx K / ux = λ x.x ] = [ λ K / x F ux = λ.x ] D Si F = {0 E } il n y a rien à démontrer. Si x est un vecteur non nul de F soit λ = λ x ux = λ.x. On veut prouver que F Eλ, u. Pour y = t.x on a uy = ut.x = t.ux = t.λ.x = λ.t.x = λ.y. Si x, y est libre on a ux+y = λ x+y.x+y et ux+y = ux+uy = λ.x+λ y.y. Ainsi 0 E = λ x+y λ.x + λ y λ x+y.y donc, comme la famille x, y est libre, λ x+y λ = λ y λ x+y = 0 puis λ y = λ x+y = λ c est à dire uy = λ.y. Ainsi on a, pour tout y F, uy = λ.y : F Eλ, u Caractérisation 2 u est diagonalisable si et seulement si E est somme d un nombre fini de sous espaces formés de vecteurs propres. D c est une conséquence de la définition. On suppose que E = E E q avec E i formé de vecteurs propres et 0 E. D après le lemme ci dessus E i est donc inclus dans un sous espace propre, E i Eλ i, u donc E = E E q Eλ 1, u + + Eλ p, u E ; E est somme de sous espaces propres. On est ramené à la caractérisation 1 : u est diagonalisable Dimension finie E est de dimension finie, n. Caractérisation 3 u est diagonalisable si et seulement si E admet une base formée de vecteurs propres D Les sous espaces propres Eλ i, u, i [[1; p]], sont de dimension finie. Si B i = e i,j ; 1 j d i est une base de Eλi, u on définit B = e i,j ; 1 i p, 1 j d i. B est alors une base de Eλ 1, u Eλ p, u = E formée de vecteurs propres. Inversement si B = e 1,..., e n est une base de vecteurs propres alors E = K.e 1 + K.e K.e n où K.e i est une droite de vecteurs propres. On peut appliquer la caractérisation 2 : u est diagonalisable Corollaire Caractérisation 4 u est diagonalisable si et seulement si il existe une base dans laquelle la matrice de u est diagonale. u est diagonalisable si et seulement si sa matrice dans une base de E est diagonalisable. page 17
18 Si B = e 1,..., e n est une base de E et si A = M B u alors ux = λ.x équivaut à A.X = λ.x donc A et u ont les mêmes valeurs propres. Le valeurs propres de u sont les racines de P A donc de P u ; Les coordonnées, dans la base B, des vecteurs propres de u pour λ sont les vecteurs propres de A pour λ. Eλ, u et Eλ, A ont même dimension. Le théorème sur la dimension de Eλ, A se traduit alors par Théorème Caractérisation 5 Si λ 0 est racine de P u d ordre r λ 0 1 alors 1 dim Eλ 0, u r λ 0 u est diagonalisable si et seulement si toutes les racines de P u sont dans K c est à dire P u est scindé sur K et pour toute racine, λ, de P u, d ordre r λ, dim Eλ, u = r λ D Si E = Eλ 1, u Eλ p, u où les λ i sont les valeurs propres dans K on choisit une base de E, B, adaptée à cette somme directe elle est formée de vecteurs propres. Si on note d i = dim Eλ i, u et D = M B u alors D est diagonale et les termes diagonaux de D sont les λ i comptés chacun d i fois. On a alors P u = P D = p k=1 X λ k r k : les racines de P u sont dans K et r λ i = d i = dim Eλ i, u. Inversement si P u est scindé, de racines λ 1,..., λ p on a r λ i = degp u = n. Si dim Eλ, u = r λ pour toute racine on obtient dim Eλ 1, u Eλ p, u = dim Eλ i, u = r λ i = n donc E = Eλ 1, u Eλ p, u : u est diagonalisable page 18
19 12.6 Polynômes d endomorphisme Definition Soient u LE et P = a 0 + a 1 X a p X p K[X]. On définit P[u] LE par P[u] = a 0 Id E + a 1 u + a 2 u a p u p Propriété L application de P P[u] de K[X] dans LE est un morphisme de K algèbres. C est à dire λp + µq [u] = λp[u] + µq[u] et P.Q[u] = P[u] Q[u]. On notera u 0 = Id E donc P[u] = a k u k. D Si P et Q sont deux polynômes on choisit p max{degp, degq} on peut écrire P = a 0 + a 1 X + + a p X p et Q = b 0 + b 1 X + + b p X p donc λp + µq = λa k + µb k X k puis p λp + µq [u] = λa k + µb k u k = λ a k u k + µ b k u k = λp[u] + µq[u]. p De plus X k Q[u] = b l X l+k [u] = b l u l+k = b l u k u l l=0 l=0 l=0 p = u k b l u l = u k Q[u] l=0 p d où P.Q[u] = a k X k.q [u] = a k X k.q [u] = a k u k Q[u] p = a k u k Q[u] = P[u] Q[u] Corollaire P[u] Q[u] = Q[u] P[u] D P[u] Q[u] = P.Q[u] = Q.P[u] = Q[u] P[u] Lemme Si x est un vecteur propre de u pour la valeur propre λ alors P[u]x = Pλ.x. C est à dire Eλ, u E Pλ, P[u]. D Si ux = λ.x alors u k x = λ k.x donc P[u]x = a k.u k x = a k λ k.x = Pλ.x Propriétés Si P[u] = 0 alors les valeurs propres sont parmi les racines de P. D Si ux = λ.x avec x 0 E et P[u] = 0 alors 0 = P[u]x = Pλ.x donc Pλ = page 19
20 Remarque Toutes les racines de P ne sont pas forcement valeurs propres de u. Par exemple si u = Id E alors u 3 6u u 6Id E = 0 c est à dire P[u] = 0 avec P = X 3 6X X 6 mais P admet 3 racines 1,2 et 3 alors que u n admet que 1 pour valeur propre. Exemple Si p est un projecteur c est à dire p 2 = p alors P[p] = 0 avec P = X 2 X de racines 0 et 1. On a toujours E0, p = kerp et on a vu que Imp = {x E / px = x} donc Imp = E1, p. On a E = kerp Imp = E0, p E1, p donc p est diagonalisable. En fait 0 est valeur propre sauf si p = Id E et 1 est valeur propre sauf si p = 0. Propriété Pour tout endomorphisme u LE avec E de dimension finie il existe un polynôme P non nul tel que P[u] = 0. D La famille Id E, u, u 2,..., u n2 de cardinal n dans LE de dimension n 2 est donc liée. Il existe des scalaires a i, 0 i n 2 n 2, non tous nuls tels que a i u i = 0. Ainsi P[u] = 0 avec P = n 2 i=0 a i X i i=0 Caractérisation 6 u est diagonalisable si et seulement si il existe un polynôme P scindé à racines simples tel que P[u] = 0. D Si u est diagonalisable de valeurs propres distinctes λ 1,..., λ p alors, pour P = X λ 1 X λ p et pour x i Eλ i, u, on a P[u]x i = Pλ i.x i = 0. Pour tout x E = Eλ 1, u Eλ p, u on a x = x x p avec x i Eλ i, u donc P[u]x = P[u]x i = 0 : ainsi P[u]x = 0 pour tout x E donc P[u] = 0. k=1 Si P 0 [u] = 0 avec P 0 = X λ 1 X λ p avec λ i λ j pour i j. On définit les polynômes de lagranges associés aux racines de P 0 : λ 1,..., λ p. L i X = 1 X λ j. λ j i i λ j On sait que QX = Qλ i L i X donc 1 = L i X puis 1[u] = Id E = L i [u] d où x = Id E x = Pour x E on note x i = L i [u]x. L i [u]x. De plus Q = X λ i L i X est un multiple scalaire de P 0 donc Q[u] = αp 0 [u] = 0 d où X λi [u] L i [u] x = 0 c est à dire 0 = u λ i Id E L i [u]x = u λ i Id E x i = ux i λ i x i. Ainsi tout vecteur de E s écrit x = x i avec ux i = λ i.x i donc x i Eλ i, u : on a E Eλ i, u E : E est somme de sous-espaces propres. D après la caractérisation 1, u est diagonalisable page 20
21 Remarque Si on note p i = L i [u] alors x i = p i x est la composante sur Eλ i, u dans la décomposition E = Eλ 1, u Eλ p, u donc p i est la projection de x sur Eλ i, u : les projections sur les sous espaces propres sont des polynômes de u. Corollaire Si u LE est diagonalisable et si F est un sous espace stable par u alors la restriction de u à F, u F, est diagonalisable. D u est DZ donc ] il existe un polynôme scindé à racines simples tel que P[u] = 0. On a alors P [u F = P[u] = 0 : u est DZ F F Remarques On pouvait choisir P = q X λ i avec les λ i valeurs propres de u donc les valeurs propres de u F sont des valeurs propres de u peut être pas toutes. On a E λ, u F = ker uf λid F = ker u λide F = keru λide F = Eλ, u F donc on a F = Eλ 1, u F Eλ 1, u F. Caractérisation 7 u est diagonalisable si et seulement si il est combinaison linéaire de projecteurs à produits nuls. D Si E = Eλ 1, u Eλ q, u alors, en notant p i les projections associées, q on a p i p j = 0 pour i j et x = p i x, u p i x = λ i.p i x car p i x Eλ i, u q q d où ux = u p i x = u p i x q q = λ i.p i x puis u = λ i.p i. q Soit u tel que u = λ i.p i avec p i p j = 0 pour i j et p i p i = i. On note E i = Imp i. Si x i E i on a x i = p i x i donc p j x i = p j p i x i = 0 E. q Ainsi ux i = λ j.p j x = λ i.p i x i = λ i.x i : E i Eλ i, u. j=1 De plus, pour tout x E, p i x E i donc u p i x = λ i.p i x. q On note alors x 0 = x p i x ; on a ux 0 = ux q u p i x = q q λ i.p i x λ i.p i x = 0 E d où x 0 keru. Or keru = E0, u donc x = x 0 + On a alors E E0, u + Eλ 1, u + + Eλ q, u E ; q p i x E0, u + Eλ 1, u + + Eλ q, u. on peut appliquer la caractérisation q Corollaire Si u = λ i.p i avec p i p j = δ i,j p i et λ i λ j pour i j alors le spectre de u est inclus dans {0, λ 1,..., λ q } et Eλ i, u = Imp i. page 21
22
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 détailExo7. 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 détailCours 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 détailExercices - 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 détailFormes 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[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 détailPremière 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 détailCalcul 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 détailIntégration 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCorrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2
33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre
Plus en détailStructures 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 détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailNOTATIONS 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailIntroduction 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* 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailExercices - 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 détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détail3 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailCours 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 détailThéorème 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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailGroupe 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCalcul 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailProblème 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailCHAPITRE IV. L axiome du choix
CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans
Plus en détailVI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE
VI. COMPLÉMENTS SUR LES MODULES, THÉORÈME CHINOIS, FACTEURS INVARIANTS SÉANCES DU 15, 16 ET 22 OCTOBRE 12. Compléments sur les modules 12.1. Théorème de Zorn et conséquences. Soient A un anneau commutatif
Plus en détailCours 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 détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
Plus en détailRésumé du cours d algèbre 1, 2013-2014. Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr
Résumé du cours d algèbre 1, 2013-2014 Sandra Rozensztajn UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr CHAPITRE 0 Relations d équivalence et classes d équivalence 1. Relation d équivalence Définition
Plus en détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détailExercices 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 détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailUNIVERSITE IBN ZOHR Faculté des sciences Agadir. Filière SMA & SMI. Semestre 1. Module : Algèbre 1
UNIVERSITE IBN ZOHR Faculté des sciences Agadir Filière SMA & SMI Semestre 1 Module : Algèbre 1 Année universitaire : 011-01 A. Redouani & E. Elqorachi 1 Contenu du Module : Chapitre 1 : Introduction Logique
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailRappels et compléments, première partie : Nombres complexes et applications à la géométrie
Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détailUniversité 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 détailDéterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3
Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailCours arithmétique et groupes. Licence première année, premier semestre
Cours arithmétique et groupes. Licence première année, premier semestre Raphaël Danchin, Rejeb Hadiji, Stéphane Jaffard, Eva Löcherbach, Jacques Printems, Stéphane Seuret Année 2006-2007 2 Table des matières
Plus en détailPremiers exercices d Algèbre. Anne-Marie Simon
Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détail