Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Dimension: px
Commencer à balayer dès la page:

Download "Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin."

Transcription

1 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). Déterminer Mat, ( f ), la matrice de f dans la base ( i, j). Même question avec Mat,( f ) où est la base ( i j, i + j) de R. Même question avec Mat, ( f ). Indication [87] Exercice Soient trois vecteurs e,e,e formant une base de R. On note φ l application linéaire définie par φ(e ) = e, φ(e ) = e + e + e et φ(e ) = e.. Écrire la matrice A de φ dans la base (e,e,e ). Déterminer le noyau de cette application.. On pose f = e e, f = e e, f = e + e + e. Calculer e,e,e en fonction de f, f, f. Les vecteurs f, f, f forment-ils une base de R?. Calculer φ( f ),φ( f ),φ( f ) en fonction de f, f, f. Écrire la matrice de φ dans la base ( f, f, f ) et trouver la nature de l application φ. 4. On pose P =. Vérifier que P est inversible et calculer P. Quelle relation lie A,, P et P? [97] Exercice Soit f l endomorphisme de R dont la matrice par rapport à la base canonique (e,e,e ) est 5 5 A = Montrer que les vecteurs e = e + e + e, e = e + 4e + e, e = e + e + e forment une base de R et calculer la matrice de f par rapport à cette base. [4] Exercice Soit A =.... En utilisant l application linéaire associée de L (R n,r n ), calculer A p pour.... p Z.

2 [] Exercice 5 Soient A, deux matrices semblables (i.e. il existe P inversible telle que = P AP). Montrer que si l une est inversible, l autre aussi ; que si l une est idempotente, l autre aussi ; que si l une est nilpotente, l autre aussi ; que si A = λi, alors A =. Indication [444] Exercice 6 Soit f l endomorphisme de R de matrice A = ( ) e =. 5 ( ) 5 dans la base canonique. Soient e =. Montrer que = (e,e ) est une base de R et déterminer Mat ( f ).. Calculer A n pour n N. x n+ = x n +. Déterminer l ensemble des suites réelles qui vérifient n N y n y n+ = 5 x n y n. ( ) et [4] Exercice 7 Soit a et b deux réels et A la matrice A = a b Montrer que rg(a). Pour quelles valeurs de a et b a-t-on rg(a) =? [774] Exercice 8 7 Soient A = 4 5 6, = 4 4. Calculer rg(a) et rg(). Déterminer une base du noyau 7 8 et une base de l image pour chacune des applications linéaires associées f A et f. [99] Exercice 9 Soit E un espace vectoriel et f une application linéaire de E dans lui-même telle que f = f.. Montrer que E = Ker f Im f.. Supposons que E soit de dimension finie n. Posons r = dimim f. Montrer qu il existe une base = (e,...,e n ) de E telle que : f (e i ) = e i si i r et f (e i ) = si i > r. Déterminer la matrice de f dans cette base. [9] Exercice Trouver toutes les matrices de M (R) qui vérifient. M = ;. M = M ;

3 . M = I. Indication [475] Exercice Soit f l application de R n [X] dans R[X] définie en posant pour tout P(X) R n [X] : f (P(X)) = P(X + ) + P(X ) P(X).. Montrer que f est linéaire et que son image est incluse dans R n [X].. Dans le cas où n =, donner la matrice de f dans la base,x,x,x. Déterminer ensuite, pour une valeur de n quelconque, la matrice de f dans la base,x,...,x n.. Déterminer le noyau et l image de f. Calculer leur dimension respective. 4. Soit Q un élément de l image de f. Montrer qu il existe un unique P R n [X] tel que : f (P) = Q et P() = P () =. [94] Exercice Pour toute matrice carrée A de dimension n, on appelle trace de A, et l on note tra, la somme des éléments diagonaux de A : tra = n a i,i i=. Montrer que si A, sont deux matrices carrées d ordre n, alors tr(a) = tr(a).. Montrer que si f est un endomorphisme d un espace vectoriel E de dimension n, M sa matrice par rapport à une base e, M sa matrice par rapport à une base e, alors trm = trm. On note tr f la valeur commune de ces quantités.. Montrer que si g est un autre endomorphisme de E, tr( f g g f ) =. [44] Retrouver cette fiche et d autres exercices de maths sur exo7.emath.fr

4 Indication pour l exercice ( ) x f est l application qui à associe y ( ) x y. Indication pour l exercice 5 A est idempotente s il existe un n tel que A n = I (la matrice identité). A est nilpotente s il existe un n tel que A n = () (la matrice nulle). Indication pour l exercice Il faut trouver les propriétés de l application linéaire f associée à chacune de ces matrices. Les résultats s expriment en explicitant une (ou plusieurs) matrice M qui est la matrice de f dans une base bien choisie et ensuite en montrant que toutes les autres matrices sont de la forme M = P M P. Plus en détails pour chacun des cas :. Im f Ker f et discuter suivant la dimension du noyau.. Utiliser l exercice 9 : Ker f Im f et il existe une base telle que f (e i ) = ou f (e i ) = e i.. Poser N = I+M (et donc M = ) chercher à quelle condition M = I. 4

5 Correction de l exercice ( ) x L expression de f dans la base est la suivante f (x,y) = (x y,). Autrement dit à un vecteur on associe y ( ) x y le vecteur. On note que f est bien une application linéaire. Cette expression nous permet de calculer les matrices demandées. ( ) ( ) x x Remarque : comme est la base canonique on note pour qui est le vecteur x i + y j. y y. Calcul de Mat( f,,). Comme = ( i, j), la matrice s obtient en calculant f ( i) et f ( j) : ( ) ( ) ( ) ( ) f ( i) = f = = i f ( j) = f = = i donc Mat( f,,) = ( ). On garde la même application linéaire mais la base de départ change (la base d arrivée reste ). Si on note u = i j et v = i + j, on a = ( i j, i + j) = ( u, v). On exprime f ( u) et f ( v) dans la base d arrivée. donc f ( u) = f ( i j) = f ( ) = ( ) Mat( f,,) = f ( v) = f ( i + j) = f ( ) 5 ( ) = ( ) 5. Toujours avec le même f on prend comme base de départ et d arrivée, il s agit donc d exprimer f ( u) et f ( v) dans la base = ( u, v). Nous venons de calculer que ( ) ( ) ( ) ( ) 5 f ( u) = f ( i j) = f = = i f ( v) = f ( i + j) = f = = 5 i Mais il nous faut obtenir une expression en fonction de la base. Remarquons que { u = i j v = i + j = { i = u + v j = u + v Donc Donc f ( u) = f ( i j) = i = 6 u + v = Remarque : ( ) 6 f ( v) = f ( i + j) = 5 i = 5 u 5 v = Mat( f,, ) = ( ) x désigne le vecteur x u + y v. y ( ) ( ) 5 5 Correction de l exercice x. On note la base = (e,e,e ) et X = y = xe +ye +ze. La matrice A = Mat ( f ) est composée z des vecteurs colonnes φ(e i ), on sait φ(e ) = e = φ(e ) = e + e + e = φ(e ) = e = 5

6 donc A = x Le noyau de φ (ou celui de A) est l ensemble de X = y tel que AX =. z x y = AX = y = y = z x + y + z = Donc Kerφ = { x R x R } = Vect = Vect(e e ). Le noyau est donc de dimension. x. On applique le pivot de Gauss comme si c était un système linéaire : e e = f L e e = f L e + e + e = f L e e = f e + e = f f L L e = f + f L +L On en déduit e = f + f + f e = f + f e = f + f. Donc tous les vecteurs de la base = (e,e,e ) s expriment en fonction de ( f, f, f ), ainsi la famille ( f, f, f ) est génératrice. Comme elle a exactement éléments dans l espace vectoriel R de dimension alors = ( f, f, f ) est une base. φ( f ) = φ(e e ) = φ(e ) φ(e ) = e e = φ( f ) = φ(e e ) = φ(e ) φ(e ) = e ( e + e + e ) = e e = f φ( f ) = φ( e + e + e ) = φ(e ) + φ(e ) + φ(e ) = e + e + e = f Donc, dans la base = ( f, f, f ), nous avons φ( f ) = = φ( f ) = f = φ( f ) = f = Donc la matrice de φ dans la base est = φ est la projection sur Vect( f, f ) parallèlement à Vect( f ) (autrement dit c est la projection sur le plan d équation (x = ), parallèlement à l axe des x, ceci dans la base ). 6

7 4. P est la matrice de passage de vers. En effet la matrice de passage contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base. Si un vecteur a pour coordonnées X dans la base et X dans la base alors PX = X (attention à l ordre). Et si A est la matrice de φ dans la base et est la matrice de φ dans la base alors = P AP (Une matrice de passage entre deux bases est inversible.) Ici on calcule l inverse de P : P = donc = P AP = On retrouve donc bien les mêmes résultats que précédemment. Correction de l exercice Notons l ancienne base = (e,e,e ) et ce qui sera la nouvelle base = (e,e,e ). Soit P la matrice de passage qui contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base P = 4 On vérifie que P est inversible (on va même calculer son inverse) donc est bien une base. De plus 6 5 P = 4 et on calcule = P AP = est la matrice de f dans la base. Correction de l exercice 4 Nous associons à la matrice A son application linéaire naturelle f. Si = (e,e,...,e n ) est la base canonique de R n alors f (e ) est donné par le premier vecteur colonne, f (e ) par le deuxième, etc. Donc ici.. f (e ) = = e n, f (e ) = = e n,... et en général f (e i ) = e n+ i Calculons ce que vaut la composition f f. Comme une application linéaire est déterminée par les images des éléments d une base alors on calcule f f (e i ), i =,...,n en appliquant deux fois la formule précédente : f f (e i ) = f ( f (e i ) ) = f (e n+ i ) = e n+ (n+ i) = e i Comme f f laisse invariant tous les vecteurs de la base alors f f (x) = x pour tout x R n. Donc f f = id. On en déduit f = f et que la composition itérée vérifie f p = id si p est pair et f p = f si p est impair. Conclusion : A p = I si p est pair et A p = A si p est impair. Correction de l exercice 5 Soit A, tel que = P AP. 7

8 . Supposons A inversible, alors il existe A tel que A A = I et A A = I. Notons alors = P A P. On a = ( P AP ) ( P A P ) = P A ( PP ) A P = P AA P = P IP = I De même = I. Donc est inversible d inverse.. Supposons que A n = I. Alors Donc est idempotente. n = ( P AP ) n ( = P AP )( P AP ) (P AP ) = P A(PP )A(PP ) AP = P A n P = P IP = I. Si A n = () alors le même calcul qu au-dessus conduit à n = (). 4. Si A = λi alors = P (λi)p = λi P P = λi (car la matrice λi commute avec toutes les matrices). Correction de l exercice 6. Notons P la matrice de passage de la base canonique = ( (,),(,) ) vers (ce qui va être) la base = (e,e ). C est la matrice composée des vecteurs colonnes e et e : ( ) P = 5 detp = 4 donc P est inversible et ainsi est bien une base. Alors la matrice de f dans la base est : = P AP = ( )( Il est très facile de calculer la puissance d une matrice diagonale : ( ) n = ( ) n Comme A = PP on va en déduire A n :. Si l on note X n = ( xn y n Si l on note les conditions initiales X = )( ) = 5 ( ) A n = ( PP ) n = P n P = ( ) n n n n ) alors les équations que vérifient les suites s écrivent en terme matriciel : x n = 4 y n = 4 ( x y X n+ = AX n. ) R alors X n = A n X. On en déduit (( 6 n )x + (4 4 n )y ) ( ( n )x + ( 6 + n )y ) Correction de l exercice 7 Avant toute, un coup d œil sur la matrice nous informe de deux choses : (a) A n est pas la matrice nulle donc rg(a) ; (b) il y a lignes donc rg(a) (le rang est plus petit que le nombre de colonnes et que le nombre de lignes). 8

9 . Montrons de différentes façons que rg(a). Première méthode : sous-déterminant non nul. On trouve une sous-matrice dont le déterminant est non nul. Par exemple la sous-matrice extraite du coin en bas à gauche vérifie 5 4 = donc rg(a). Deuxième méthode : espace vectoriel engendré par les colonnes. On sait que l image de l application linéaire associée à la matrice A est engendrée par les vecteurs colonnes. Et le rang est la dimension de cette image. On trouve facilement deux colonnes linéairement indépendantes : la deuxième 4 et la troisième colonne. Donc rg(a). Troisième méthode : espaces vectoriel engendré par les lignes. Il se trouve que la dimension de l espace vectoriel engendré par les lignes égal la dimension de l espace vectoriel engendré par les colonnes (car rg(a) = rg( t A)). Comme les deuxième et troisième lignes sont linéairement indépendantes alors rg(a). Attention : les dimensions des espaces vectoriels engendrés sont égales mais les espaces sont différents!. En utilisant la dernière méthode : le rang est exactement si la première ligne est dans le sous-espace engendré par les deux autres. Donc rg(a) = (a,,,b) Vect { (,,, 4),(5,4,,) } λ,µ R λ,µ R (a,,,b) = λ(,,, 4) + µ(5,4,,) λ + 5µ = a 4µ = λ µ = 4λ + µ = b λ = µ = a = b = Conclusion la rang de A est si (a,b) = (,). Sinon le rang de A est. Correction de l exercice 8. (a) Commençons par des remarques élémentaires : la matrice est non nulle donc rg(a) et comme il y a p = 4 lignes et n = colonnes alors rg(a) min(n, p) =. (b) Ensuite on va montrer rg(a) en effet le sous-déterminant (extrait du coin en haut à gauche) : 4 = est non nul. (c) Montrons que rg(a) =. Avec les déterminants il faudrait vérifier que pour toutes les sous-matrices les déterminants sont nuls. Pour éviter de nombreux calculs on remarque ici que les colonnes sont liées par la relation v = v + v. Donc rg(a) =. (d) L application linéaire associée à la matrice A est l application f A : R R 4. Et le théorème du rang dimker f A + dimim f A = dimr donne ici dimker f A = rg(a) =. Mais la relation v = v +v donne immédiatement un élément du noyau : en écrivant v v +v = alors A = Donc Ker f A. Et comme le noyau est de dimension alors Ker f A = Vect 9

10 (e) Pour un base de l image, qui est de dimension, il suffit par exemple de prendre les deux premiers vecteurs colonnes de la matrice A (ils sont clairement non colinéaires) : Im f A = Vect{v,v } = Vect 5, 7. On fait le même travail avec et f. (a) Matrice non nulle avec 4 lignes et 4 colonnes donc rg() 4. (b) Comme le sous-déterminant (du coin supérieur gauche) 4 = est non nul alors rg(). (c) Et pareil avec le sous-déterminant : 4 = qui est non nul donc rg(). (d) Maintenant on calcule le déterminant de la matrice et on trouve det =, donc rg() < 4. Conclusion rg() =. Par le théorème du rang alors dimker f =. (e) Cela signifie que les colonnes (et aussi les lignes) sont liées, comme il n est pas clair de trouver la relation à la main on résout le système X = pour trouver cette relation ; autrement dit : 7 x x + y z + 7t = 4 4 y z = 4x + y z + t = ou encore y + z 4t = t x + y z + t = Après résolution de ce système on trouve que les solutions s écrivent (x, y, z, t) = ( λ, λ, λ, λ). Et ainsi Ker f = Vect Et pour une base de l image il suffit, par exemple, de prendre les premiers vecteurs colonnes v,v,v de la matrice, car ils sont linéairement indépendants : Im f = Vect{v,v,v } = Vect 4,, Correction de l exercice 9. Nous devons montrer Ker f Im f = {} et Ker f + Im f = E. (a) Si x Ker f Im f alors d une part f (x) = et d autre part il existe x E tel que x = f (x ). Donc = f (x) = f ( f (x ) ) = f (x ) = x donc x = (on a utilisé f f = f ). Donc Ker f Im f = {}. (b) Pour x E on le réécrit x = x f (x) + f (x). Alors x f (x) Ker f (car f ( x f (x) ) = f (x) f f (x) = ) et f (x) Im f. Donc x Ker f + Im f. Donc Ker f + Im f = E. (c) Conclusion : E = Ker f Im f.

11 . Notons r le rang de f : r = dimim f. Soit {e,...,e r } une base de Im f et soit {e r+,...,e n } une base de Ker f. Comme E = Ker f Im f alors (e,...,e n ) est une base de E. Pour i > r alors e i Ker f donc f (e i ) =. Comme f f = f alors pour n importe quel x Im f on a f (x) = x : en effet comme x Im f, il existe x E tel que x = f (x ) ainsi f (x) = f ( f (x ) ) = f (x ) = x. En particulier si i r alors f (e i ) = e i.. La matrice de f dans la base (e,...,e n ) est donc : ( I ) () () () où I désigne la matrice identité de taille r r et les () désignent des matrices nulles. Correction de l exercice. Soit M une matrice telle que M = et soit f l application linéaire associée à M. Comme M = alors f f =. Cela entraîne Im f Ker f. Discutons suivant la dimension du noyau : (a) Si dimker f = alors f = donc M = (la matrice nulle). (b) Si dimker f = alors prenons une base de R formée de deux vecteurs du noyau et d un troisième a vecteur. Dans cette base la matrice de f est M = b mais comme f f = alors M = ; c un petit calcul implique c =. Donc M et M sont les matrices de la même application linéaire f mais exprimées dans des bases différentes, donc M et M sont semblables. (c) Si dimker f = alors comme Im f Ker f on a dimim f mais alors cela contredit le théorème du rang : dimker f + dimim f = dimr. Ce cas n est pas possible. (d) Conclusion : M est une matrice qui vérifie M = si et seulement si il existe une matrice inversible P et des réels a,b tels que a M = P b P. On va s aider de l exercice 9. Si M = M et f est l application linéaire associée alors f f = f. On a vu dans l exercice 9 qu alors Ker f Im f et que l on peut choisir une base (e,e,e ) telle que f (e i ) = e i puis f (e i ) =. Suivant la dimension du noyau cela donne que la matrice M de f dans cette base est A = A = A = A =. Maintenant M est semblable à l une de ces matrices : il existe P inversible telle que M = P M P où M est l une des quatre matrices A i ci-dessus. Géométriquement notre application est une projection (projection sur une droite pour la seconde matrice et sur un plan pour la troisième).. Posons N = I+M et donc M = N I. Alors M = I (N I) = I 4N 4N I = I N = N. Donc par la deuxième question N est semblable à l une des matrice A i : N = P A i P. Donc M = P A i P I = P (A i I)P. Ainsi M est semblable à l une des matrices A i I suivantes :. Ce sont des matrices de symétrie (par rapport à l origine pour la première matrice, par rapport à une droite pour la seconde matrice et par rapport à un plan pour la troisième).

12 L idée de poser N = I+M est la suivante : si M = I alors géométriquement l application linéaire s associée à M est une symétrie, alors que si N = N alors l application linéaire p associée est une projection. Et projection et symétrie sont liées par p(x) = x+s(x) (faites un dessin!) c est-à-dire p = id+s ou encore N = I+M. Correction de l exercice. Il est facile de voir que f (λp+ µq) = λ f (P)+ µ f (Q) donc f est linéaire, de plus, P étant un polynôme de degré n alors f (P) aussi.. Pour n = on calcule l image de chacun des éléments de la base : f () = + =, f (X) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X = 6X. Donc la matrice de f dans la base (,X,X,X ) est 6 Pour le cas général on calcule Donc la matrice est f (X p ) = (X + ) p + (X ) p X p p ( ) p = X k p ( ) p + k= k X k ( ) p k X p k= k ( ) p = X k p k pair et k<p k ( ) ( ) p ( ) ( ) p+ ( ) p ( ) p Dans cet exemple de matrice, p est pair. Chaque colonne commence en alternant une valeur nulle/une valeur non-nulle jusqu à l élément diagonal (qui est nul).. Nous savons que f () = et f (X) = donc et X sont dans le noyau Ker f. Il est aussi clair que les colonnes de la matrices f (X ),, f (X n ) sont linéairement indépendantes (car la matrice est échelonnée). Donc Im f = Vect{ f (X ), f (X ),..., f (X n )} et dimim f = n. Par la formule du rang dimker f + dimim f = dimr n [X] donc dimker f =. Comme nous avons déjà deux vecteurs du noyau alors Ker f = Vect{,X}. 4. (a) Soit Q Im f. Il existe donc R R n [X] tel que f (R) = Q. On pose ensuite P(X) = R(X) R() R ()X. On a tout fait pour que P() = et P () =. De plus par la linéarité de f et son noyau alors f (P) = f ( R(X) R() R ()X ) = f ( R(X) ) R() f () R () f (X) = f (R) = Q. Donc notre polynôme P convient.

13 (b) Montrons l unicité. Soient P et P tels que f (P) = f ( P) = Q avec P() = P () = = P() = P (). Alors f (P P) = Q Q = donc P P Ker f = Vect{,X}. Ainsi P P s écrit P P = ax + b. Mais comme (P P)() = alors b =, et comme (P P) () = alors a =. Ce qui prouve P = P. Correction de l exercice. Notons C = A et D = A. Alors par la définition du produit de matrice : Ainsi De même c i j = k n a ik b k j donc c ii = a ik b ki k n tr(a) = trc = c ii = i n tr(a) = trd = i n k n i n k n b ik a ki a ik b ki Si dans cette dernière formule on renomme l indice i en k et l indice k en i (ce sont des variables muettes donc on leur donne le nom qu on veut) alors on obtient : tr(a) = k n i n b ki a ik = i n k n a ik b ki = tr(a). M et M sont semblables donc il existe une matrice de passage P telle que M = P MP donc. La trace a aussi la propriété évidente que trm = tr ( P (MP) ) = tr ( (MP)P ) = tr(mi) = trm tr(a + ) = tra + tr. Fixons une base de E. Notons A la matrice de f dans cette base et la matrice de g dans cette même base. Alors A est la matrice de f g et A est la matrice de g f. Ainsi la matrice de f g g f est A A Donc tr( f g g f ) = tr(a A) = tr(a) tr(a) =.

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

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

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

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

NOTATIONS PRÉLIMINAIRES

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

Plus en détail

X-ENS PSI - 2009 Un corrigé

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

Plus en détail

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

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

Plus en détail

E3A PC 2009 Math A. questions de cours. t C). On véri e que

E3A PC 2009 Math A. questions de cours. t C). On véri e que E3A PC 29 Math A questions de cours. Soit C 2 M 3 (R) Analyse : Si C = S + A, S 2 S 3 (R) et A 2 A 3 (R) alors t C = t S + t A = S A d où S = 2 (C +t C) et A = 2 (C t C). L analyse assure l unicité (sous

Plus en détail

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

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

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

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

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul 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 détail

0 0 0 0 1 0 0 1 0 0 0 A = B =

0 0 0 0 1 0 0 1 0 0 0 A = B = 2 ALGÈBRE Exercice 2.1. Soit n un entier supérieur ou égal à 2 et A, B les deux matrices de M n (R) définies par : 0 0 0 0 1 0 0 0 0... 0 1 0 0 0 A =.......... B = 0 0... 0 0 0...... 0 0 0 1. Déterminer

Plus en détail

Cours 02 : Problème général de la programmation linéaire

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

Plus en détail

Correction de l examen de la première session

Correction 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 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

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

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Chapitre 2. Matrices

Chapitre 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 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

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Master de mathématiques Analyse numérique matricielle

Master de mathématiques Analyse numérique matricielle Master de mathématiques Analyse numérique matricielle 2009 2010 CHAPITRE 1 Méthodes itératives de résolution de systèmes linéaires On veut résoudre un système linéaire Ax = b, où A est une matrice inversible

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

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

Devoir à la maison : correction

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

Plus en détail

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

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

Plus en détail

I - 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 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

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

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

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

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

Plus en détail

Programme de mathématiques TSI1

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

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

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

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

IV- Equations, inéquations dans R, Systèmes d équations

IV- 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 détail

3 Approximation de solutions d équations

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

Plus en détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

Programmation linéaire et Optimisation. Didier Smets

Programmation 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 détail

Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits.

Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits. Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits 1 La qualité de la rédaction est un facteur important dans l appréciation

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

Cours d analyse numérique SMI-S4

Cours 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 détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail

Anneaux, algèbres. Chapitre 2. 2.1 Structures

Anneaux, algèbres. Chapitre 2. 2.1 Structures Chapitre 2 Anneaux, algèbres 2.1 Structures Un anneau est un ensemble A muni de deux opérations internes + et et d éléments 0 A et 1 A qui vérifient : associativité de l addition : commutativité de l addition

Plus en détail

Rapport sur l oral de mathématiques 2009

Rapport sur l oral de mathématiques 2009 Rapport sur l oral de mathématiques 2009 Oral spécifique E.N.S. Paris : Thomas Duquesne Oral commun Paris-Lyon-Cachan : Romain Abraham, Sorin Dumitrescu, Philippe Gille. 1 Remarques générales sur la session

Plus en détail

Structures algébriques

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

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

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

Plus en détail

Les relations de Plücker

Les relations de Plücker Université Claude Bernard LYON 1 Préparation à l'agrégation de Mathématiques Les relations de Plücker Michel CRETIN On montre que l'ensemble des sous-espaces vectoriels de dimension r de K n est la sous-variété

Plus en détail

3. Conditionnement P (B)

3. 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

I. Polynômes de Tchebychev

I. 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 détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

Capes 2002 - Première épreuve

Capes 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 détail

Cours d Analyse. Fonctions de plusieurs variables

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

Plus en détail

Simulation de variables aléatoires

Simulation 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 détail

Le produit semi-direct

Le 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 détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Fiche n 2: Morphisme, sous-groupe distingué, quotient

Fiche n 2: Morphisme, sous-groupe distingué, quotient Université Lille 1 Algèbre 2010/11 M51.MIMP Fiche n 2: Morphisme, sous-groupe distingué, quotient Exercice 1 Soient G, G deux groupes et f un homomorphisme de G dans G. Montrer que si A G, alors f( A )

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

Plus en détail

1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.

1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R. Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur

Plus en détail

Calcul différentiel sur R n Première partie

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

Plus en détail

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3

Déterminants. 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 détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Commun à tous les candidats

Commun 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 détail

Polynômes à plusieurs variables. Résultant

Polynômes 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 détail

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2

Corrigé 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 détail

Cours de mathématiques

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

Plus en détail

Corrigé du baccalauréat S Polynésie juin 2004

Corrigé du baccalauréat S Polynésie juin 2004 Durée : 4 heures Corrigé du baccalauréat S Polynésie juin 4 EXERCICE Commun à tous les candidats 4 points. X suit la loi de durée de vie sans vieillissement ou encore loi eponentielle de paramètre λ ;

Plus en détail

2 Opérateurs non bornés dans un espace de Hilbert

2 Opérateurs non bornés dans un espace de Hilbert 2 Opérateurs non bornés dans un espace de Hilbert 2. Opérateurs non bornés: définitions et propriétés élémentaires Soit H un espace de Hilbert et A un opérateur dans H, c est-à-dire, une application linéaire

Plus en détail

201-105-RE SOLUTIONS CHAPITRE 1

201-105-RE SOLUTIONS CHAPITRE 1 Chapitre1 Matrices 1 201-105-RE SOLUTIONS CHAPITRE 1 EXERCICES 1.2 1. a) 1 3 Ë3 7 3 2 Ë 1 16 pas défini d) 16 30 17 3 e) Ë 7 68 22 16 13 Ë 5 18 6 2. a) 0 4 4 4 0 4 Ë4 4 0 Ë 0 4 32 4 4 0 4 32 32 4 0 4 4

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Représentation géométrique d un nombre complexe

Représentation géométrique d un nombre complexe CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres

Plus en détail

Exercices sur les codes cycliques

Exercices sur les codes cycliques Exercice 8.1 Exercices sur les codes cycliques Soit g(x) un polynôme générateur d un code bloc (n, k). Montrer que si g(x) divise (1X n ), alors si C 1 (X) = c 0 c 1.X c 2.X 2... c n 1.X n 1 est un mot-code

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

www.h-k.fr/publications/objectif-agregation

www.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 détail

Démonstrations exigibles au bac

Démonstrations exigibles au bac Démonstrations exigibles au bac On donne ici les 11 démonstrations de cours répertoriées comme exigibles dans le programme officiel. Toutes ces démonstrations peuvent donner lieu à une «restitution organisée

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

Séquence 1. Matrices - Applications

Séquence 1. Matrices - Applications Séquence 1 Matrices - Applications Sommaire 1. Pré-requis 2. Notion de matrice Addition-Multiplication par un réel 3. Multiplication de matrices 4. Applications 5. Synthèse de la séquence 6. Exercices

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Mathématiques autour de la cryptographie.

Mathématiques autour de la cryptographie. Mathématiques autour de la cryptographie. Index Codage par division Codage série Code cyclique Code dual Code linéaire Corps de Galois Elément primitif m séquence Matrice génératrice Matrice de contrôle

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

Programmation linéaire

Programmation 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 détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

Pour l épreuve d algèbre, les calculatrices sont interdites.

Pour 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 détail

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

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

Plus en détail

Exemple 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 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 détail

P (X) = (X a) 2 T (X)

P (X) = (X a) 2 T (X) Université Bordeaux I - année 00-0 MHT0 Structures Algébriques Correction du devoir maison Exercice. Soit P (X) Q[X]\Q.. Soit D(X) := pgcd(p (X), P (X)). a) Montrer que si deg D alors il existe α C tel

Plus en détail

Chapitre VI - Méthodes de factorisation

Chapitre VI - Méthodes de factorisation Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.

Plus en détail

Sommaire. Mathématiques assistées par ordinateur

Sommaire. Mathématiques assistées par ordinateur Sommaire Mathématiques assistées par ordinateur Chapitre 9 : Calcul matriciel et algèbre linéaire Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourierujf-grenoblefr/ eiserm/cours # mao Document

Plus en détail

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

Plus en détail

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q 1 Codes linéaires Un code de longueur n est une partie de F n q. Un code linéaire C de longueur n sur le corps ni F q est un sous-espace vectoriel de F n q. Par défaut, un code sera supposé linéaire. La

Plus en détail

Quadrature n 74 (2009) 10 22. Online Material

Quadrature n 74 (2009) 10 22. Online Material Quadrature n 74 (009) 10 Online Material E. Brugallé, Online Material Un peu de géométrie tropicale Solutions des exercices Erwan Brugallé Université Pierre et Marie Curie, Paris 6, 175 rue du Chevaleret,

Plus en détail

Extrait du poly de Stage de Grésillon 1, août 2010

Extrait 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 détail

Equations cartésiennes d une droite

Equations cartésiennes d une droite Equations cartésiennes d une droite I) Vecteur directeur d une droite : 1) Définition Soit (d) une droite du plan. Un vecteur directeur d une droite (d) est un vecteur non nul la même direction que la

Plus en détail

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque FNCTINS I Généralités sur les fonctions Définitions Soit D une partie de l'ensemble IR. n définit une fonction f de D dans IR, en associant à chaque réel de D, un réel et un seul noté f() et que l'on appelle

Plus en détail