Espace affine

implicites . . . . . 3.5.8 Extrema . . . . . . . . . . . . . . . . . . 3.5.9 Réserve . . . . . . . . . . . . . . . . . . 4 Algèbre linéaire, vecteur et matrices 4.1 Déterminants et systèmes d’équations 4.2 Opérations sur les matrices . . . . . . 4.3 Espaces vectoriels . . . . . . . . . . . 4.3.1 Orthogonalité . . . . . . . . . 4.4 Valeurs propres et vecteurs propres . 4.5 Triangularisation . . . . . . . . . . . 4.6 Formes quadratiques . . . . . . . . . 4.6.1 Réserve . . . . . . . . . . . . 5 Interrogation

. . . . . . . . . . . . . . . . . . . . . . . . 25 25 26 27 29 30 30 30 30 31 31 32 34 34 34 36 37 39 40 41 42 44 4 Algèbre linéaire, vecteur et matrices 4.1 Déterminants et systèmes d’équations 4.2 Opérations sur les matrices . . . . . . 4.3 Espaces vectoriels . . . . . . . . . . . 4.3.1 Orthogonalité . . . . . . . . . 4.4 Valeurs propres et vecteurs propres . 4.5 Triangularisation . . . . . . . . . . . 4.6 Formes quadratiques . . . . . . . . . 4.6.1 Réserve . . . . . . . . . . . . . . . .

. . . . . 1.6.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . 1.6.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . Variables aléatoires réelles discrètes finies 2.1 Rappels . . . . . . . . . . . . . . . . . . . . . 2.1.1 Espace probabilisé fini . . . . . . . . . 2.1.2 Conditionnement et indépendance . . . 2.1.3 Variables aléatoires finies . . . . . . . . 2.1.4 Lois discrètes usuelles . . . . . . . . . 2.2 Complément : espérance conditionnelle . . . . 2.3 Rappels (suite) .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 9 10 10 11 11 12 13 Algèbre linéaire élémentaire 3.1 Propriétés des espaces vectoriels 3.2 Applications linéaires . . . . . . . 3.3 Algèbre matriciel . . . . . . . . . . 3.4 Déterminants . . . . . . . . . . . . 3.5 Dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

UPMC Cours BIMA Segmentation : introduction •  Angles d’attaques : •  Coté Optimisation (formalisme général) •  Minimisation globale sous contrainte entre l’image originale et l’image segmentée => méthodes basées optimisation •  Coté espace de description des pixels •  Analyse d’histogrammes, quantification => méthodes basées clustering •  Coté géométrie de l’image : approches régions •  Croissance, division => méthodes basées régions •  Difficultés : •  Problème de stabilité

[http://mp.cpgedupuydelome.fr] édité le 3 juin 2013 Enoncés 1 Déterminants Applications multilinéaires Exercice 1 [ 01410 ] [correction] Soient F et G deux sous-espaces vectoriels supplémentaires d’un K-espace vectoriel E. Soient f une forme linéaire sur E, p la projection vectorielle sur F parallèlement à G et q = Id − p sa projection complémentaire. Montrer que l’application ϕ : E × E → K définie par ϕ(x, y) = f (p(x))f (q(y)) − f (p(y))f (q(x)) est une forme bilinéaire alternée sur E

et topologiques de l’espace euclidien ` n dimensions, l’espace Rn . On y ´tudie a e ensuite le calcul diff´rentiel des fonctions num´riques de plusieurs variables, e e les fonctions Rn → R. On y analyse enfin les transformations diff´rentiables e des espaces euclidiens, les fonctions Rn → Rm , avec en particulier une d´monstration du th´or`me des fonctions inverses et une de celui des fonce e e tions implicites. Comme application, on pr´sente les m´thodes classiques du e e calcul diff´rentiel pour l’optimisation

. . . . . . . . . 1.2 Algèbre linéaire . . . . . . . . . . . . 1.2.1 Dimensions . . . . . . . . . . 1.2.2 Matrices . . . . . . . . . . . . 1.2.3 Déterminants . . . . . . . . . 1.3 Algèbre bilinéaire . . . . . . . . . . . 1.3.1 Espaces préhilbertiens . . . . 1.3.2 Espaces euclidiens . . . . . . . 1.3.3 Automorphismes orthogonaux 7 7 7 7 8 10 11 11 12 12 12 13 14 14 15 15 17 17 17 18 18 19 19 20 21 21 22 23 23 23 24 25 25 25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

[005656] Exercice 7 *** I Soient u et v deux endomorphismes d’un espace vectoriel de dimension finie. On suppose que u et v commutent et que v est nilpotent. Montrer que det(u + v) = detu. Correction [005657] Exercice 8 **** Soit A une matrice carrée de format n. Montrer que A est nilpotente si et seulement si ∀k ∈ [[1, n]], Tr(Ak ) = 0. Correction [005658] Exercice 9 *** I Soient f et g deux endomorphismes d’un espace vectoriel de dimension finie vérifiant f g − g f = f . Montrer que f

entiers, nombres rationnels 1.4 Arithmétique dans Z 1.5 Polynômes et fractions rationnelles 1.6 Généralités sur les applications 1.7 Applications linéaires – Espaces vectoriels 1.8 Matrices – Déterminants – Systèmes linéaires 1.9 Espaces vectoriels euclidiens 1.10 Réduction des endomorphismes 1 1 2 5 7 8 11 12 17 22 26 2. Analyse 2.1 Espaces vectoriels normés 2.2 Nombres réels 2.3 Nombres complexes 2.4 Suites 2.5 Fonctions réelles de la variable réelle 2.6 Dérivation 2.7 Intégration 2.8 Équations