Concours Communs Polytechniques - Session 2014 Corrigé de l épreuve de mathématiques 2 Filière MP. Exercice 1

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

[ édité le 30 avril 2015 Enoncés 1

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

Exercices - Polynômes : corrigé. Opérations sur les polynômes

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

I. Polynômes de Tchebychev

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

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

Fonctions de plusieurs variables

Cours 02 : Problème général de la programmation linéaire

Programmation linéaire

Programmes des classes préparatoires aux Grandes Ecoles

Introduction à l étude des Corps Finis

Cours d analyse numérique SMI-S4

Correction de l examen de la première session

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

Capes Première épreuve

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

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

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

Chapitre 2. Matrices

Intégration et probabilités TD1 Espaces mesurés Corrigé

Résolution d équations non linéaires

Résolution de systèmes linéaires par des méthodes directes

Polynômes à plusieurs variables. Résultant

Calcul différentiel sur R n Première partie

Image d un intervalle par une fonction continue

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

Comparaison de fonctions Développements limités. Chapitre 10

Amphi 3: Espaces complets - Applications linéaires continues

Limites finies en un point

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

Continuité en un point

3 Approximation de solutions d équations

Continuité et dérivabilité d une fonction

3. Conditionnement P (B)

Optimisation des fonctions de plusieurs variables

Calcul différentiel. Chapitre Différentiabilité

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

Probabilités sur un univers fini

Cours d Analyse. Fonctions de plusieurs variables

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Programmation linéaire

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

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Simulation de variables aléatoires

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Probabilités sur un univers fini

Moments des variables aléatoires réelles

1 Complément sur la projection du nuage des individus

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point

Cours de mathématiques

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

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Chapitre 2 Le problème de l unicité des solutions

Complément d information concernant la fiche de concordance

CCP PSI Mathématiques 1 : un corrigé

Optimisation Discrète

Calcul fonctionnel holomorphe dans les algèbres de Banach

Pour l épreuve d algèbre, les calculatrices sont interdites.

Partie 1 - Séquence 3 Original d une fonction

Problème 1 : applications du plan affine

Le produit semi-direct

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.

Une forme générale de la conjecture abc

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Correction du Baccalauréat S Amérique du Nord mai 2007

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Une introduction aux codes correcteurs quantiques

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Intégration et probabilités TD1 Espaces mesurés

Déterminants. Marc SAGE 9 août Inverses et polynômes 3

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Université Paris-Dauphine DUMI2E 1ère année, Applications

Dérivées d ordres supérieurs. Application à l étude d extrema.

I. Ensemble de définition d'une fonction

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

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Quelques contrôle de Première S

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Chp. 4. Minimisation d une fonction d une variable

Différentiabilité ; Fonctions de plusieurs variables réelles

Extrait du poly de Stage de Grésillon 1, août 2010

AOT 13. et Application au Contrôle Géométrique

Calcul intégral élémentaire en plusieurs variables

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Chapitre 5 : Flot maximal dans un graphe

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

Comment démontrer des formules sans effort? exposé de maîtrise

NOMBRES COMPLEXES. Exercice 1 :

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Raisonnement par récurrence Suites numériques

Théorème du point fixe - Théorème de l inversion locale

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

Transcription:

Concours Communs Polytechniques - Session 2014 Corrigé de l épreuve de mathématiques 2 Filière MP Daigonalisation, projecteurs, matrices symétriques Corrigé par M.TARQI 1 -htpp :// alkendy.x10.mx Exercice 1 1. a) La matrice A étant symétrique réelle, donc d après le théorème spectral, A est diagonalisable sur IR. b) Le polynôme caractéristique deaestχ A = (X 1)(X 6)(X+4), donc les valeurs propres deasont 1,6et 4. La matrice de passage de la base canonique de IR 3, à la base de vecteurs 4 3 3 1 0 0 propres est donnée par P = 0 5 5 etp 1 AP = D = 0 6 0. 3 4 4 0 0 4 Pour toutn IN, on aa n = PD n P 1, d où : 16 25 + 9 50 6n + 9 3 50 ( 4)n 10 6n 3 12 10 ( 4)n 25 + 6 25 6n + 6 A = 3 10 6n 3 1 10 ( 4)n 6n + 1 2 ( 4)n 5 6n 2 5 ( 4)n 12 25 + 6 25 6n + 6 2 5 6n 2 9 5 ( 4)n 25 + 8 25 6n + 8 2. Posons, pour tout n IN, X n = u n v n w n encorex n = A n X 0, d où les relations : n IN,. Le système précédent s écrit donc X n+1 = AX n ou u n = 4 25 + 21 50 6n + 21 50 ( 4)n v n = 7 10 6n 7 10 ( 4)n w n = 3 25 + 14 25 6n + 14 Exercice 2 1. a) D après le théorème du rang il suffit de montrer que ker p Imp = {0}. Soit y ker p Imp, alors il existe x E tel que y = p(x) et p(y) = 0, donc 0 = p(p(x)) = p(x) = y. D où le résultat. b) Soit r le rang p et B = (e 1,...,e r,e r+1,...,e n ) une base adaptée à la décomposition E = Imp kerp ( (e 1,...,e r ) une base de Imp ( et (e r+1,...,e ) n ) une base de kerp ). Dans cette base Ir 0 la matrice de p est de la forme M = où I 0 0 r la matrice unité d ordre r. Donc Tr(p) = Tr(M) = r = rgp. 1. tout commentaire, toute remarque ou éventuelle rectification, concernant ce corrigé, seront les bienvenus 1

c) Un endormorphisme u de E vérifiant Tr(u) = rg(u) n est pas nécessairement un projecteur, 1 1 1 en effet, par exemple l endomorphisme u associée à la matrice A = 0 1 1 vérifie 0 0 1 Tr(u) = rg(u) = 3, mais u n est pas un projecteur puisquea 2 A. 1 0 0 2. La matrice A = 0 0 0 est de rang 1 et est diagonalisable dans IR, car A 2 = A ( A admet 0 0 0 un polynôme annulateur scindé à racines simples dans IR ). 0 0 1 La matrice B = 0 0 0 est de rang 1 et n est pas diagonalisable dans IR, car A 2 = 0 (0la 0 0 0 seule valeur propre dea). 3. a) Soient e n un vecteur non nul de E tel que Im(u) = Vect(e n ) et (e 1,e 2,...,e n 1 ) un base de keru, alors B = (e 1,e 2,...,e n 1,e n ) est une base dee. Posonsu(e n ) = a i e i, donc 0... 0 a 1 0... 0 a 2 Mat B (u) =.... 0... 0 a n b) On a dimkeru = n 1, donc 0 est une valeur propre de u. Donc 0 racine de χ u d ordre supérieure ou égal à n 1, soit λ IR tel que χ u = ( 1) n X n 1 (X λ), donc λ = Tr(u). Ainsi u est digonalisable si et seulement si, Tr(u) 0. c) D après ce qui précède u est diagonalisable avec Sp(u) = {0, 1}. Donc le polynôme minimal vaut X(X 1), ce qui donneu 2 = u, c est à dire u est un projecteur. d) On a Tr(A) = rg(a) = 1, donc A représente un projecteur p de IR 3. Il est clair que Im(p) = Vect(e 1 +e 2 +e 3 ) etkerp = Vect(e 1 e 2,e 1 +e 3 ) où(e 1,e 2,e 3 ) désigne la base canonique de IR 3. Problème Questions préliminaires 1. a) Soit E un espace euclidien et u un endomorphisme symétrique. Alors il existe une base orthonormale de vecteurs propres deu, de plus ses valeurs propres sont réelles. Pour toute matrice symétrique A il existe une matrice orthogonal P ( t PP = I n ) et une matrice D diagonale réelle telle qued = t PAP b) Le théorème précédent n est pas valable surc, par exemple la matrice A = ( ) i 1 M 1 i 2 (C) est symétrique non diagonalisable ( le polynôme minimal π A = X 2 ). 2

2. a) Notons x = b) Soitx = et donc x i ε i la décomposition dexdans la base B. Alors ( R s (x) = (s(x) x) = λ i x i ε i x i ε i un vecteur unitaire ( λ 1 x 2 i ) x i ε i = λ i x 2 i. = 1 ), alors l égalité précédente montre que λ i x 2 i λ n, R s (S(0,1)) [λ 1,λ n ]. 3. a) Soit x un vecteur propre associé à une valeur propre λ d un endomorohisme s symétrique positif ( resp. symétrique défini positif ), puisque x 0, (x x) > 0 d où : (x u(x)) = λ(x x) ou encoreλ = (x s(x) 0. ( resp.λ = (x s(x) > 0 ). (x x) (x x) b) Pour toutj [1,n], on as(e j ) = a kj e k et donc i,j [1,n]s ij = (s(e i ) e j ), en particulier s ii = R s (e i ) [λ 1,λ n ] ( d après la question 2.b ). Un maximum sur O n (IR) 4. Notons l l application linéaire de M n (IR) dans M n (IR) 2 définie par l(a) = (A,A) et b l application bilinéaire de M n (IR) définie par b(a,b) = t AB. Les deux applications sont continues puisque on est en dimension finie. Notons ϕ : M t MM I n, alors ϕ = b l c où c est l application constante :M I n, doncϕest continue. 5. PosonsA = (a ij ) 1 i,j n M n (IR), donc t AA = I n et par conséquent (i,j) [1,n] 2, { 1 si i = j a ki a kj = δ ij =. 0 sinon En particulier, i [1, n], a 2 ki = 1 et donc k [1,n], a ki a 2 ki = 1. 6. On a O n (IR) = ϕ 1 {I n }, donc O n (IR) est une partie fermée comme image réciproque d un fermé par une application continue. D autre part, considérons la norme. définie sur M n (IR) par A = (a ij ) 1 i,j n = sup 1 i,j n a ij. La question précédente montre que A O n (IR), A 1, donc O n (IR) est une partie bornée de M n (IR) pour la norme. et comme la dimension est finie la partie O n (IR) est bornée pour toute norme. En conséquence O n (IR) est une partie compacte comme fermée bornée d un espace de dimension finie. 3

7. a) On sait qu il existe une matricep O n (IR) tel ques = P t P, donctr(as) = Tr(AP t P) = Tr(PA t P ), donc il suffit de prendreb = t PAP O n (IR). b) L application T est continue sur M n (IR), car il s agit d une application linéaire. Comme O n (IR) est un compact, alors T est bornée et atteint ses bornes sur O n (IR), en particulier elle atteint son maximum sur O n (IR). c) Posons B = (b ij ) 1 i,j n et = (d ij ) 1 i,j n. On a Tr(AS) = Tr(B ) = n b ik d ki. Or b ik 1 car B O n (IR), donc Tr(AS) = b ik d ki d ki = d ii = λ i = Tr(S). D où A O n (IR),T(A) Tr(S) = T(I n ). Ceci montre que le maximum est atteint au point I n O n (IR) : t = sup A O n(ir) T(A) = Tr(S) = λ i. Inégalité d Hadmard 8. L inégalité arithmético-géométrique se traduit par l inégalité det(s) λ i. ( ) 1 n n Tr(S) avec a i = 9. On a t S α = S α et X M n,1 (IR), t X t DSDX = t (DX)S(DX) 0, donc S α S n + (IR). On trouves α = (a i a j s ij ) 1 i,j n, donctr(s α ) = a 2 is ii. 10. On applique l inégalité ( ) às α : det(s α ) ( ) 1 n n Tr(S α). Mais, dans ces conditions,tr(s α ) = n etdet(s α ) = det(s) det(s) s ii. ( 1 s ii ), d où : 11. On peut vérifier facilement ques ε S + n (IR) et que ses coefficients diagonaux sont strictement positifs, donc on peut appliquer le résultat de la question 10. : dets ε (s ii +ε). Montrons d abord que l application det est continue sur M n (IR), en effet, soit B la base canonique de IR n et A = (C 1,C 2,...,C n ) M n (IR) ( C 1,...,C n désignent les colonnes de A ), alors deta = det B (C 1,C 2,...,C n ), donc det parait comme composée d applications continues : l application linéaire l de M n (IR) dans (IR n ) n définie par l(a) = (C 1,C 2,...,C n ) et l application 4

multilinéaire det B. Donc det est continue sur M n (IR). Ainsi, par passage à la limite quand ε tend vers 0, on obtientdets n s ii ou encore puisquedets = n λ i. λ i s ii, Application de l inégalité d Hadamard : détermination d un minimum 12. Il est clair que B est symétrique positive, et comme A et B son semblables alors elles ont les mêmes valeurs propres donc B U. Comme dans la question 7.a), Tr(AS) = Tr(B ). 13. Soit t {Tr(AS)/A U }, alors il existe A U tel que t = Tr(AS) et donc t = Tr(B ) avec B U. Donc {Tr(AS)/A U } {Tr(B )/B U }, de même on montre l inclusion inverse, d où l égalité : {Tr(AS)/A U } = {Tr(B )/B U }. Soit B = (b ij ) 1 i,j n U, alors Tr(B ) = b ik ik = λ i b ii 0 ( les b ii sont positifs d après 3. b) ). Donc le minimum existe. 14. D après la question précédente et l inégalité arithmético-géométrique, on a : Tr(B ) = ( n ) 1 ( ) n n 1 n λ i b ii n λ i b ii. 15. D après l inégalité d Hadmard, appliquée àb, on a Tr(B ) n ( n λ i ) 1 n b ii detb = 1, donc = n(dets) 1 n. 16. On remarque que D U et que D = diag(λ 1 µ 1,λ 2 µ 2,...,λ n µ n ). D autre part, Tr(D ) = λ i µ i = ndet(s) 1 n. Ainsi on a montré que pour toutb U, Tr(B ) Tr(D ). Ceci montre que la borne inférieure m est atteint au pointd et quem = ndet(s) 1 n. 5