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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes de représentation d un sous-espace vectoriel E de R n : Par des équations cartésiennes c est-à-dire que l ensemble E est donné comme la partie de R n qui vérifie un certain nombre d équations. Par exemple : E } (x, y, z) R 3 x + y z, et x + 3z. L avantage de cette représentation est qu il est très facile de calculer l intersection de deux sev : il suffit de prendre la partie qui vérifie toutes les équations. Par exemple, l ensemble précédent E est : } } E (x, y, z) R 3 x + y z (x, y, z) R 3 x + 3z. Ce mode de représentation correspond à identifier E et le noyau d une application linéaire : le sous-espace vectoriel E de K n s écrit : E x K n } f(x), où f est une application linéaire de K n dans K p, avec p le nombre d équations. Dans l exemple, E s identifie avec le noyau de l application linéaire : R 3 R f : (x, y, z) (x + y z, x + 3z). On peut écrire cela en disant que E est l ensemble de solutions 1 d un système homogène (S h ). Dans l exemple, le système (S h ) correspondant est : (S h ) : x + y z x + 3z Par des paramètres c est-à-dire l ensemble des éléments qui s écrivent en fonction de certains paramètres : F (a + c, a + b + c, b + c, b + c) (a, b, c) R 3}. L avantage de cette représentation est qu il est très facile de trouver une famille génératrice, et ainsi une base, en enlevant des vecteurs. Par exemple ici : F V ect((1, 1,, ), (, 1, 1, 1), (1,, 1, 1)). 1. Ce qui démontre au passage que les solutions d un système homogène forment un espace vectoriel.

2 que l on peut simplifier, en remarquant que : (1, 1,, ) + (, 1, 1, 1) (1,, 1, 1), en : F V ect((1, 1,, ), (, 1, 1, 1)). qui est une famille libre, donc E est de dimension. Cette représentation peut-être vue comme l image d une application linéaire : le sous-espace vectoriel F de K n peut s écrire sous la forme : F f(x) x K p } où f est une application linéaire de K p avec p le nombre de paramètres dans K n. Dans l exemple F s identifie avec l espace image de l application : R 3 R 4 f : (a, b, c) (a + c, a + b + c, b + c, b + c) On peut dire que c est l ensemble des seconds membres, tel qu un système (S) ait des solutions : dans l exemple, le sous-espace vectoriel F s identifie avec l ensemble des triplets (x, y, z, t), tel que le système : a + c x a + b + c y (S) b + c z b + c t d inconnue (a, b, c) ait une solution.. Ainsi, on retiendra : lorsqu on veut faire une intersection de sev, on passe par la forme équations. lorsqu on veut déterminer une base ou calculer la dimension, on passe par la forme paramètre. Il faut donc être capable de passer d un mode de représentation à l autre. Passage des équations aux paramètres Pour passer de la forme équation cartésienne à la forme paramètre, on résout le système (S h ), en considérant les coordonnées (x, y, z) comme des inconnues. L ensemble des solutions s exprime alors en fonction de paramètres, ce qui donne la représentation paramétrique. On rappelle que la technique est de se ramener à un système échelonné et d utiliser la méthode de remontée. Par exemple, pour le sev E, on fait : x + y z (S h ) x + 3z x + y z x 3z y 1 (x + z) x 3z y z x 3z

3 Ainsi, E ( 3z, z, z) z R} V ect( 3, 1, 1). 3 Passage des paramètres aux équations Pour passer d une représentation sous forme paramétrique à une représentation sous forme d équations, on résout le système (S) avec pour inconnues les paramètres, et pour second membre, des coordoonées génériques. On peut dire que l on cherche à exprimer les paramètres en fonction des coordonnées. On met le système sous forme échelonnée et apparaissent alors des équations de compatibilité. Ainsi, le système (S) n a de solutions que si et seulement si le second membre, i.e. les coordonnées, vérifient certaines conditions. On obtient ainsi les équations cartésiennes. Par exemple pour F, on a : (S) a + c x a + b + c y b + c z b + c t a + c x b + c y x b + c z b + c t a + c x b + c y x z y + x t y + x Ainsi, le système a une solution si et seulement si z y + x, et t y + x. Si ces équations sont vérifiées, alors le système a une solution, par exemple : a x, b y et c. Cette solution n est pas unique (on retrouve ici le fait que la famille génératrice n est pas une base de F). On a donc : } F (x, y, z, t) R 4 z y + x, et t y + x. Attention, il est inutile de résoudre le système : on cherche les conditions pour lesquels ce système admet une solution, c est-à-dire les équations de compatibilité.

4 4 Fiche méthodologique Rang d une matrice et applications BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux définitions du rang d une matrice Le rang d une matrice M M n,p (K) est défini de deux manières : Soit comme le rang de l application linéaire f qui vérifie M Mat B,C (f), Soit comme le rang de la famille F constituée de p vecteurs de K n, qui vérifie M Mat C (F). B et C désignant les bases canoniques de K p et de K n. Le rang d une matrice se calcule en faisant des opérations élémentaires inversibles sur les lignes ou les colonnes de manière à se ramener à une matrice échelonnée. Le rang d une matrice échelonnée est alors égal aux nombres de lignes qu elle contient (ou de pivots). On peut aussi utiliser la propriété rg(m) rg( t M) et calculer le rang de la transposée. Il faut bien avoir en tête que les matrices sont un support de calcul permettant de faire des calculs rapidement pour obtenir des propriétés sur les familles de vecteurs et sur les applications linéaires. Le but de cette fiche est d illustrer les informations que l on peut tirer du calcul du rang d une matrice dans le cas où on ne fait que des opérations élémentaires sur les lignes. Le calcul du rang d une application linéaire / d une famille de vecteurs n est possibles que dans le cas où on connaît l expression de f / les coordonnées des vecteurs. Si ce n est pas le cas, il faut revenir aux définitions. Applications aux familles de vecteurs Si on considère une famille de vecteurs F (u 1,... u p ), dont on connaît les coefficients sur une base, pour savoir si cette famille est libre ou génératrice, le plus simple est de mettre leurs coordonnées dans une matrice M et de faire des opérations sur les lignes, de manière à calculer le rang. On obtient alors : si le rang est égal au nombre de vecteurs que la famille F contient (ici p) alors la famille est libre, si le rang est égal à la dimension du sous-espace vectoriel E qui contient la famille F (ici n), alors la famille est génératrice de E. Exemple: On considère la famille de 5 vecteurs de R 4 donnés par : u 1 (1,, 1, 1) u (, 4,, ) u 3 ( 3, 7,, 4) u 4 (5, 1, 1, 7) u 5 ( 1, 3, 9, 1).

5 On calcule le rang de la matrice associée avec la réduction de Gauss : l 3 3l -7 6 l 4 l Le rang de la matrice est donc de 3. Elle n est ni libre ni génératrice. l l 1 l 3 + l 1 l 4 l 1 7l 4 + 6l 3 L avantage de ne faire que des opérations sur les lignes est qu on obtient plus d information. Notons E vect(f), on vient de voir que dim(e) rg(f) 3. On a alors : Extraire une base de E Considérons les vecteurs (u 1, u 3, u 5 ) (les colonnes qui contiennent des pivots), la matrice de cette famille correspond aux colonnes 1,3 et 5 : Mat(u 1, u 3, u 5 ) En refaisant les mêmes calculs, on voit que cette matrice se réduit matrice en : Cette matrice est donc de rang 3, ce qui signifie que (u 1, u 3, u 5 ) est une famille libre de E, donc une base de E. On peut donc dire qu une base de E est ( ) (1,, 1, 1), ( 3, 7,, 4), ( 1, 3, 9, 1). Attention : on utilise les coordonnées dans la matrice originale, et non dans la matrice réduite. Le principe est donc de considérer les vecteurs de la famille tels que les colonnes correspondantes dans la matrice réduite contiennent un pivot. De même, on voit donc que (u, u 3, u 5 ) forment une famille libre. Par contre, on ne sait rien sur (u 3, u 4, u 5 ), puisqu en refaisant les mêmes calculs, on obtient pas une matrice échelonnée. Déterminer une relation de dépendance entre les vecteurs. Il faut trouver une solution non nulle de : S : λ 1 u 1 + λ u + u 3 + λ 4 u 4 + u 5, ce qui s écrit sous forme matriciel comme le système : λ S λ

6 6 Pour résoudre ce système, on va faire des opérations sur les lignes i.e. multiplier à gauche par des matrices inversibles pour se ramener à un système échelonné. Bien entendu, il est inutile de refaire les calculs (à moins que ce soit pour vérifier), on obtient directement : λ S λ 4 On n a donc plus qu à appliquer la méthode de remontée : λ 1 + λ 3 + 5λ 4 + λ λ 1 λ λ 4 λ 4. λ 1 + λ 3 + 5λ 4 λ 4.. Ainsi, l ensemble des solutions de ce système est : S } ( ) ( λ λ 4, λ, λ 4, λ 4, ) Vect (, 1,,, ), ( 1,,, 1). Deux exemples de relation linéaire est donc : u 1 + u u 1 + u 3 + u 4. (il y a bien sûr une infinité de solutions). Savoir si un vecteur v est dans l espace vectoriel engendré. On doit résoudre le système : S : λ 1 u 1 + λ u + u 3 + λ 4 u 4 + u 5 v, ce qui se fait encore une fois en se ramenant au même système échelonné. Attention, il ne faut pas oublier de faire des opérations sur les lignes sur le membre de droite, i.e. les coordonnées de v. Exemple: Pour savoir si (, 1,, 3) E, on résout le système : S λ λ

7 On refait donc les mêmes opérations (sur les deux membres) : 7 λ λ λ l l 1 l 3 + l 1 λ l 4 l 1 λ l 3 3l λ 4 6 l 4 l λ λ 4 8 7l 4 + 6l 3 La dernière équation est 8, ainsi, (, 1,, 3) E. Déterminer les équations cartésiennes de E par le même principe avec un second membre générique : (x, y, z, t) R 4, on fait des opérations sur le second membre, pour obtenir les équations de compatibilité.

8 8 On refait donc les mêmes opérations (sur les deux membres) : x λ y z λ t x λ y x l l 1 z + x l 3 + l 1 λ t x l 4 l 1 x λ y x z + 7x 3y l 3 3l λ 4 6 t + x y l 4 l x λ y x z + 7x 3y λ 4 7(t + x y) + 6(z + 7x 3y) 7l 4 + 6l 3 Le système admet alors une solution si et seulement si l équation de compatibilité est vérifiée. Inutile de résoudre. On obtient l équation : 7(t+x y)+6(z+7x 3y) 49x 5y+6z+7t Ainsi : E (x, y, z, t) R 4 } 49x 5y + 6z + 7t. Attention, ces applications ne sont valables que si l on a fait uniquement des opérations sur les lignes. Applications aux applications linéaires Pour déterminer si une application linéaire f est injective ou surjective, le plus simple est de calculer le rang de la matrice M associée, par exemple dans les bases canoniques : Si le rang est la dimension de l espace d arrivée, alors l application est surjective, Si le rang est la dimension de l espace de départ, alors l application est injective, Le théorème du rang donne le rapport entre le rang de l application f et la dimension du noyau. Pour calculer le rang d une application, on calcule le rang de la matrice associée. Cela permet de déterminer si l application linéaire f est surjective et/ou si elle est injective (en utilisant le théorème du rang). Exemple: Si on considère l application linéaire : f : R 3 R 3 (x, y, z) (x + 3y z, x + y, 7y z).

9 3 1 La matrice associée est : 1 On calcule son rang avec la méthode de Gauss : l + l l 3 l 9 Le rang est donc, donc le noyau a pour dimension 1. L application n est ni injective ni surjective. L avantage de ne faire que des opérations sur les lignes est qu on obtient plus d information : Déterminer une base de l espace image On sait déjà que dim(im(f)), or les deux vecteurs (f(e 1 ), f(e )) dont on lit les coordonnées dans les deux premières colonnes de la matrice forment une famille libre de l espace image. Puisque si on avait pris que les deux premières colonnes, on aurait obtenu une famille de rang. Ainsi, une base de Im(f) est : ( ) (, 1, ), (3,, 7). On peut aussi choisir (f(e 1 ), f(e 3 )), mais on ne sait rien sur (f(e ), f(e 3 )). Déterminer les équations cartésiennes de Im(f) Ici encore, il suffit de refaire les mêmes opérations sur le système : 3 1 λ 1 x S 1 λ y 7 1 z x x Le second membre devient y + x puis y + x. z z y x On en déduit l équation cartésienne de Im(f) : Im(f) (x, y, z) R 3 z y x }. Déterminer une base du noyau On sait déjà que dim(ker(f)) 1. Il s agit de résoudre l équation 3 1 x 1 f(x) qui se ramène au système : S : 1 x, que l on résout en faisant 7 1 x 3 des opérations sur les lignes, i.e. encore une fois en multipliant à gauche par des matrices de manière à obtenir : 3 1 x x. système qui se résout facilement par remontée. x 3

10 1 Fiche méthodologique Révisions Algèbre linéaire BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Sous-espaces vectoriels Caractérisation Une partie E de K n est un sous-espace vectoriel de K n si et seulement si : E, (x, y) E, λ K, x + λy E. Si f L(K n,k p ), ker(f) et Im(f) sont des sous-espaces vectoriels de K n et de K p respectivement. Une intersection de sous-espace vectoriel est un sous-espace vectoriel. Représentation Il y a essentiellement deux manières de décrire les sous-espaces vectoriels : par équations cartésiennes : E X K n } AX, où AX est un système linéaire homogène à n inconnues et p équations. Le sous-espace vectoriel E est donc l ensemble des solutions d un système homogène. Cela revient à identifier E comme le noyau de l application linéaire f : K n K p dont la matrice dans les bases canoniques (de K n et K p ) est A. du système, La dimension de E est n r où r est le rang de la matrice A, de l application linéaire f. Ce mode de représentation est utile pour les intersections et pour, étant donné un vecteur v K n, savoir si v E. Exemple: E (x, y, z) R 3 x + y } R 3 R, dans ce cas l application f est x + y + z (x, y, z) (x + y, x + y + z). par des paramètres : E Y K n } X K p tel que AX Y AX X K p}. C est donc l ensemble des seconds membres tel que le système linéaire dont les coefficients sont A admet une solution. Cela revient à considérer E comme l image de l application linéaire f : K p K n dont la matrice dans la base canonique est A. On a alors facilement une partie génératrice du sous-espace vectoriel E, en considérant l image par f de la base canonique.

11 11 du système, La dimension de E est le rang de de la matrice A, de l application linéaire f. Exemple: E (a, a + b, a b) (a, b) R } R R 3, dans ce cas l application f est (x, y (x, x + y, x y). On passe d un mode à un autre en résolvant ou en échelonnant le système. Inclusion Si A et B sont deux sous-espaces vectoriels de E, pour montrer que A B, on peut montrer que A B, dim(a) dim(b). Famille de vecteurs Sous-espace engendré par une famille Pour une famille de vecteurs F (u 1, u,..., u p ) de E, le sous-espace vectoriel engendré par la famille F est l ensemble des combinaisons linéaires des vecteurs (u i ) i [1,p]. C est donc : p } Vect(F) λ i u i (λ 1,... λ p ) K p. i1 Pour savoir si un vecteur v E est élément de Vect(F) on résout le système les poids (λ i ) i1...p. p λ i u i v d inconnue i1 Famille génératrice Une famille F (u 1, u,..., u p ) d éléments de E est génératrice de E si tout vecteur de E est combinaison linéaire des vecteurs (u k ), i.e. E V ect(u 1, u,..., u p ). Pour montrer qu une famille est génératrice de E, on peut : p résoudre le système λ i u i x d inconnue les poids (λ i ) i1...p avec un second membre x E i1 quelconque. Plus exactement on montre que le système admet une solution en l échelonnant, il est inutile de le résoudre sauf si cela est demandé (calcul des coordonnées dans une nouvelle base). Si on dispose des coordonnées, on montre : rg(f) dim(e), en calculant le rang de la matrice de la famille. Famille libre Une famille F (u 1, u,..., u p ) d éléments de E est libre si la seule combinaison linéaire des vecteurs de F qui donne le vecteur nul est celle constituée de poids tous nuls.

12 1 On a donc : ( p ) F est libre (α 1,... α k ) K n, α k u k k [[1, p]], α k (α 1,... α k ) K n, k1 ( Pour montrer qu une famille est libre : p on résout le système (homogène) α k u k, k1 (α 1,... α k ) (,..., ) ) p α k u k si on dispose des coordonnées, on montre : rg(f) card(f). Dire qu une famille F est libre revient à dire que c est une base de Vect(F) (le sous-espace vectoriel qu elle engendre). Rang Pour une famille de vecteurs F (u 1, u,..., u p ) de E, on a : rg(f) dim(vect(f)). Les propriétés du rang d une famille sont : rg(f) card(f), avec égalité si et seulement si F est libre, rg(f) dim(e), avec égalité si et seulement si F est génératrice de E. k1 Si l on dispose des coordonnées des vecteurs, le plus simple est de calculer le rang de la la matrice de cette famille. Base et dimension Une famille F (u 1, u,..., u p ) d éléments de E est une base de E si F est libre et génératrice de E. La dimension de E est le cardinal d une base (le nombre de vecteurs qui forment la base). Pour une famille F de E contenant p vecteurs : si F est libre, p dim(e), si F est génératrice de E, p dim(e). si p dim(e) alors F est libre F est génératrice F est une base. Pour montrer qu une famille est une base : on montre qu elle est libre et génératrice, on en déduit la dimension de E, on connaît la dimension de E, il suffit alors de montrer qu elle est génératrice ou qu elle est libre. Il est généralement plus simple de montrer que la famille est libre. si on dispose des coordonnées on calcule le rang de la matrice de cette famille. Lorsqu une famille est une base de E, tout vecteur de E admet des coordonnées dans cette base : Exemple: } Si E (x, y, z) x + y + z, on voit que B ( (1,, 1), (, 1, 1) ) est une base de E. On a alors pour le vecteur (1,, 3) E : (1,, 3) } } 1(1,, ) + (, 1, 1) (1, ) B } }. coordonnées dans la base canonique coordonnées dans la base B

13 Applications linéaires 13 Une application f : E F est linéaire si : (x, y) E, λ K, f(x + λy) f(x) + λf(y). Pour montrer qu une application est linéaire on peut se contenter de l écrire sous forme matricielle. Exemple: Pour l application : R 3 R 3 f : (x, y, z) (x + y, x + y z, y z), il suffit d écrire : x + y 1 x x + y z y y z 1 1 z Noyau, image et rang Le noyau de l application f : E F est } Ker(f) u E f(u). L application f est injective si et seulement si Ker(f) }, i.e le noyau est réduit au vecteur nul. On appelle image de f et on note Im(f), l ensemble des vecteurs de F qui sont l image d un vecteur par f : } } Im(f) y x E, y f(x) f(x) x E. L application f est surjective si et seulement si Im(f) F. Le rang de l application f est rg(f) dim(im(f)). Le rang se calcule à partir de la matrice de f dans n importe quelle base en l échelonnant. On utilise le rang car : f est injective si et seulement si rg(f) dim(e), f est surjective si et seulement si rg(f) dim(f), la dimension du noyau et le rang de f sont liés par le théorème du rang : dim(ker(f)) + Rg(f) dim(e). En particulier si f : E E, i.e. f es un endomorphisme, on a : f injective f surjective f bijective On connaît une famille génératrice évidente de Im(f) : si (e 1,..., e n ) est une base de E, alors Im(f) V ect(f(e 1 ),..., f(e n )). Ces vecteurs sont ceux que l on lit dans les colonnes de la matrice de f

14 14 Matrice d une application linéaire Si f : E F, et si on considère une base B (e 1,..., e n ) de E et une base C (f 1,..., f p ) de F, la matrice mat B,C (f) est la matrice obtenue en mettant dans la colonne j les coordonnées (dans la base C) du vecteur f(e i ). On a donc : coordonnées dans la base C de F f(e 1 ) colonne j : f(e n ) f(e j ) image des vecteurs de la base B de E La taille de la matrice est : dim(f) lignes dim(e) colonnes. Matrice d une famille de vecteurs Étant donné une famille F u 1,..., u p } d un espace vectoriel E et une base B de E, la matrice mat B (F) est la matrice obtenue en mettant dans la colonne j les coordonnées (dans la base B) du vecteur u j. coordonnées dans la base B de E u 1 colonne j : u j u p les vecteurs de la famille F

15 La taille de la matrice est : dim(e) lignes card(f) colonnes. 15 Ces matrices dépendent des bases choisies. Par contre, le rang de ces matrices ne dépend pas du choix de la base.

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

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

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

Plus en détail

Espaces vectoriels de dimension finie

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

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

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

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

Plus en détail

Analyse des données et algèbre linéaire

Analyse des données et algèbre linéaire Analyse des données et algèbre linéaire Fondamentaux pour le Big Data c Télécom ParisTech 1/15 Machine-Learning : Une donnée x i = un ensemble de features (caractères) d un individu i x i = (x i,1,...,

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

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

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

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

À propos des matrices échelonnées

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Exo7. 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

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Espaces vectoriels. par Pierre Veuillez

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

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Feuille 5 : Exercices sur les déterminants, quelques corrections

Feuille 5 : Exercices sur les déterminants, quelques corrections Université de Poitiers Mathématiques L SPIC, Module 2L2 2/2 Feuille 5 : Exercices sur les déterminants, quelques corrections Exercice 3 : Dans cet exercice, pour obtenir directement les polnômes sous forme

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

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

Plus en détail

11. Espaces vectoriels, homomorphismes, bases

11. Espaces vectoriels, homomorphismes, bases 11. Espaces vectoriels, homomorphismes, bases 11.1. Espaces vectoriels, algèbres 11.1.1. Structure d espace vectoriel et d algèbre 11.1.2. Combinaisons linéaires 11.1.3. Espaces vectoriels et algèbres

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

Applications linéaires

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

Plus en détail

Résumé de Math Sup et compléments : algèbre linéaire

Résumé de Math Sup et compléments : algèbre linéaire Résumé de Ma Sup et compléments : algèbre linéaire I - Espaces vectoriels - Sous espaces vectoriels 1) Structure de K-espace vectoriel Soient K un sous-corps de C et E un ensemble non vide muni d une l.d.c.i.

Plus en détail

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Tatiana Labopin-Richard Mercredi 18 mars 2015 L algèbre linéaire est une très grosse partie du programme de Maths. Il est

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

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

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

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires :

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires : Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes sont linéaires : f 1 : R R f 1 x,y = x + y,x y f : R R f x,y,z = xy,x,y f : R R f x,y,z = x + y + z,y z,x

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

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

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

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

Plus en détail

UNIVERSITÉ DE POITIERS

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

Plus en détail

Espace vectoriel de dimensions finies MPSI

Espace vectoriel de dimensions finies MPSI Espace vectoriel de dimensions finies MPSI 22 juin 2008 Table des matières 1 Partie libre - Partie liée - Partie génératrice 2 1.1 Partie finie liée.......................... 2 1.1.1 Vecteurs colinéaires....................

Plus en détail

LISTE DE QUESTIONS DE COURS

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

Plus en détail

Applications linéaires

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

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

Cours Diagonalisation

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

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

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

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

Plus en détail

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f.

1. a) question de cours b) P(f) est un polynôme de l endomorphisme f donc commute avec f. escp-eap 2(Ecole de commerce) OPTION SCIENTIFIQUEMATHEMATIQUES I adapté en retirant certaines question qui sont du cours de PC et en ajoutant le dernier exemple.. a) question de cours b) P(f) est un polynôme

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

Applications linéaires, matrices, déterminants

Applications linéaires, matrices, déterminants Applications linéaires, matrices, déterminants Exercice 1. Soit u: R 3 R défini pour tout x = (x 1, x, x 3 R 3 par u(x = (x 1 + x + x 3, x 1 + x x 3 1. Montrer que u est linéaire.. Déterminer ker(u. Allez

Plus en détail

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

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

Plus en détail

Applications Bilinéaires et Formes Quadratiques

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

Plus en détail

Partie I - Valeurs propres de AB et BA

Partie I - Valeurs propres de AB et BA SESSION 9 Concours commun Centrale MATHÉMATIQUES. FILIERE PSI Partie I - Valeurs propres de AB et BA I.A - Cas de la valeur propre. I.A.) Sp(AB) Ker(AB) {} AB / G L n (R) det(ab) =. I.A.) Sp(AB) det(ab)

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

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

Plus en détail

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

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

Plus en détail

APPLICATIONS LINÉAIRES

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

Plus en détail

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées.

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées. 0 0 3 3 EXERCICE Soit les matrices A = et B = 2 3 0 0. Calculer le déterminant de A. En déduire le rang de cette matrice. 0 0 0 Dét(A) = dét = dét 0 0 car (propriété P ) le déterminant d une matrice ne

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

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

FICHE MÉTHODE POUR L ALGÈBRE LINÉAIRE EN L1

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

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

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

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

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Algèbre Linéaire. Victor Lambert. 24 septembre 2014

Algèbre Linéaire. Victor Lambert. 24 septembre 2014 Algèbre Linéaire Victor Lambert 24 septembre 2014 Table des matières 1 Généralités 2 1.1 Espaces vectoriels............................ 2 1.2 Applications linéaires.......................... 4 1.3 Familles

Plus en détail

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

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

Plus en détail

Cours 3: Inversion des matrices dans la pratique...

Cours 3: Inversion des matrices dans la pratique... Cours 3: Inversion des matrices dans la pratique... Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module complémentaire de maths, année 2012 1 Rappel de l épisode précédent

Plus en détail

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

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

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices Réduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Spé - Diagonaliser les matrices suivantes : 0 2 1 A = 3 2 0 B = 2 2 1 0 3 2 2 5 2 2 3 0 On donnera aussi la matrice de passage

Plus en détail

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

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

Plus en détail

UNIVERSITE PAUL SABATIER 2008/2009. Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le nombre réel (ou complexe)

UNIVERSITE PAUL SABATIER 2008/2009. Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le nombre réel (ou complexe) UNIVERSITE PAUL SABATIER 2008/2009 YjY L1 - PCP - DETERMINANTS (COURS-EXERCICES) YjY 1 Déterminant, définition, propriètés Le déterminant d une matrice carrée à deux lignes et colonnes A = définition le

Plus en détail

Cours de mathématiques M22 Algèbre linéaire

Cours de mathématiques M22 Algèbre linéaire Cours de mathématiques M22 Algèbre linéaire λ u u + v u v u Exo7 Sommaire Systèmes linéaires 3 Introduction aux systèmes d équations linéaires 3 2 Théorie des systèmes linéaires 7 3 Résolution par la méthode

Plus en détail

TD 5- Applications linéaires

TD 5- Applications linéaires TD 5- Applications linéaires Exercice 1. Soit f l'application dénie sur R 2 par f(x, y) = (2x y, 3x + y). 1. Montrer que f est un endomorphisme de R 2. 2. Montrer que f est injective. 3. Montrer que f

Plus en détail

Base : une axiomatique

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

Plus en détail

Bien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction

Bien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses

Plus en détail

Cours de Mathématiques II Chapitre 1. Algèbre linéaire

Cours de Mathématiques II Chapitre 1. Algèbre linéaire Université de Paris X Nanterre UFR Segmi Année 7-8 Licence Economie-Gestion première année Cours de Mathématiques II Chapitre Algèbre linéaire Table des matières Espaces vectoriels Espaces et sous-espaces

Plus en détail

Chapitre V La méthode du pivot de Gauss et ses applications

Chapitre V La méthode du pivot de Gauss et ses applications Chapitre V La méthode du pivot de Gauss et ses applications I Présentation 1. Systèmes linéaires Problème : Résoudre les systèmes linéaires à n inconnues et p équations. où les sont les coefficients du

Plus en détail

2010/2011. Espaces vectoriels

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

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

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

Plus en détail

Programme mat231, 2009 2010

Programme mat231, 2009 2010 Programme mat231, 2009 2010 (2 septembre 2009) Pierre Bérard Université Joseph Fourier Pierre.Berard@ujf-grenoble.fr Le programme de l ue mat231 a été recentré. Il portera cette année uniquement sur l

Plus en détail

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Calcul matriciel Bernard Ycart Ce chapitre est essentiellement technique et ne requiert pas d autre connaissance théorique que celle des espaces vectoriels

Plus en détail

Cours MP. Espaces vectoriels normés

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

Plus en détail

1 Programme de Colles : Espaces vectoriels.

1 Programme de Colles : Espaces vectoriels. Lycée Louis le grand Année scolaire 2007/2008 Mathématiques Supérieure MPSI Semaine 12 11 mai 2009 1 Programme de Colles : Espaces vectoriels. On note K le corps R ou C. 1.1 Axiomes d espace vectoriel.

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

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

Plus en détail

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS DE DIMENSION FINIE 1 Familles de vecteurs 1.1 Opérations sur une famille engendrant un sous-espace vectoriel Lemme 1.1 Soient E un K-espace vectoriel, A et B deux parties de E. Alors

Plus en détail

Feuille d exercices n 14 : corrigé

Feuille d exercices n 14 : corrigé Feuille d exercices n 4 : corrigé PTSI B Lycée Eiffel avril 3 Exercice (*) Commençons déjà par constater que la fonction nulle vérifie toutes les conditions de l exercice, il nous restera donc à regarder

Plus en détail

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Systèmes linéaires Bernard Ycart Si vous savez déjà résoudre un système linéaire par la méthode de Gauss, vous n apprendrez pas grand chose de neuf dans

Plus en détail

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

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

Plus en détail

Contrôle Continu - Algèbre 2 - DU1

Contrôle Continu - Algèbre 2 - DU1 Université Paris Dauphine 2012 MI2E CC n 1 Contrôle Continu - Algèbre 2 - DU1 Question de cours : Donner une définition de la propriété de somme directe pour deux sous-espaces vectoriels (d un R espace

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

Fiche méthodologique Les pièges dans les dénombrements

Fiche méthodologique Les pièges dans les dénombrements Fiche méthodologique Les pièges dans les dénombrements BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Dans cette fiche, on résume quelques points techniques sur les dénombrements et la théorie des probabilités.

Plus en détail

Applications linéaires

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

Plus en détail

Algèbre Année 2007-2008 ENS Cachan Vincent Beck. Action de groupes

Algèbre Année 2007-2008 ENS Cachan Vincent Beck. Action de groupes Algèbre Année 2007-2008 ENS Cachan Vincent Beck Action de groupes L idée centrale de cette note est de mettre en évidence le fait fondamental suivant une action d un groupe G sur un ensemble X, «c est»

Plus en détail

A. Déterminant d une matrice carrée

A. Déterminant d une matrice carrée IUT ORSAY Mesures Physiques Déterminants Initiation à la diagonalisation de matrice Cours du ème Semestre A Déterminant d une matrice carrée A-I Définitions élémentaires Si A est la matrice ( a ) on appelle

Plus en détail

19. APPLICATIONS LINÉAIRES

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

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

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

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

Autour du cardinal d un ensemble de matrices binaires

Autour du cardinal d un ensemble de matrices binaires Autour du cardinal d un ensemble de matrices binaires Adrien REISNER 1 Abstract. We here study a couple of algebraic and analytic properties of certain binary matrices in the spaces M n(r). In particular,

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

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

Plus en détail