Espace vectoriel quotient

c Christophe Bertault – Mathématiques en MPSI Espaces vectoriels et applications linéaires Dans ce chapitre, K est l’un des corps R ou C. Tous les résultats présentés sont en réalité vrais pour un corps K quelconque — à l’exception de ceux du paragraphe sur les symétries. La notion d’espace vectoriel introduite dans ce chapitre est un nouvel exemple fondamental de structure algébrique — après les groupes, les anneaux et les corps. Cependant, alors que vous n’aviez pratiquement rien à savoir

applications linéaires Chapitre 17 : Matrices et applications linéaires 17.1 Matrices et applications linéaires 17.1.1 Matrice d’une famille de vecteurs dans une base Définition 17.1.1 (matrice d’une famille de vecteurs dans une base) Soit E un K-espace vectoriel, de dim n 1, muni d’une base ε = (εi )1 Soit v = (vj )1 j p i n. n une famille de p vecteurs de E. Pour tout j de {1, . . . , p}, posons vj = aij εi . i=1 La matrice de Mn,p (K) de terme général aij est appelée matrice de la famille v dans

Corrigé du TD n° 1 Systèmes d’équations linéaires : résolution par la méthode du pivot de Gauss et représentation matricielle La méthode du pivot consiste à garder une équation intacte, qu’on appelle le pivot, et à éliminer une inconnue dans le reste du système en remplaçant chacune des autres équations par une combinaison linéaire d’elle-même (avec un coefficient non nul) et du pivot. Si le reste du système contient plusieurs équations, l’opération doit être réitérée. EXERCICE 1 — Les équations

la somme de matrices Soit , et Définitio n: Soit une matrice et un nombre réel, la multiplication par un scalaire est l’opération externe définit comme suit; Exempl e: Propriétés de la multiplication par un scalaire Définitio n: Un espace vectoriel sur les réels est la donnée 1. d’un ensemble dont les éléments sont nommés des vecteurs 2. d’une opération interne sur appelée la somme qui respecte les propriétés suivantes 3. d’une opération externe de sur appelée multiplication par un scalaire

2011/12 Série d'exercices d'analyse fonctionnelle n 4 ◦ Exercice 1 Soit E un espace vectoriel normé. 1) Montrer qu'un ouvert faible est un ouvert fort. 2) Montrer que E = (E, σ(E, E )) . En particulier les ensembles {x ∈ E, f, x < α} où f ∈ E et α ∈ R sont des ouverts faibles. 3) Montrer que si E est de dimension nie alors σ(E, E ) est égale à la topologie associée à la norme de E . Soit E un espace vectoriel normé de dimension innie. Nous allons montrer que la sphère unité S = {x ∈ E, x =

vecteurs − → − → Dire que les vecteurs AB et CD sont égaux équivaut à dire que ABDC est un parallélogramme. A C B D 2 Relation de Chasles − − → → − → Pour tous points A, B et C : AB + BC = AC. Applications : • Simplifier des expressions vectorielles : − − → → − → − − → → Quand on remplace AB + BC par AC, on simplifie l’expression AB + BC. Exemple de simplification : → − − → → − → − → − → − → − → − → − − − → → → − AC + 2CB − AB = AC + CB + CB + BA = AB + CA = CA + AB = CB • Décomposer un vecteur

En déduire que : (3) Pn′ ( x ) = −n (n + 1) Pn −1 ( x ) . 17. Déduire de (1) que : (4) x 2Pn′′ ( x ) + (1 − 2nx ) Pn′ ( x ) + n (n + 1) Pn ( x ) = 0 . Deuxième problème On désigne par 2 [X ] l’espace vectoriel des polynômes à coefficients réels et par [X ] le sous espace vectoriel formé des polynômes de degré inférieur ou égal à 2 et le 2 polynôme nul. On rappelle que la base canonique de [X ] est B = (1, X , X 2 ) . I. Changement de bases et division euclidienne 18. Etant donné

Monfort (1989a), Gourieroux and Monfort (1989b), Greene (1990), Cohen and Pradel (1993), Bourbonnais (1993), Johnston (1997), Johnson (1999), Ruud (2000). Yves Till´ e 1 Chapitre 1 ´ e El´ments d’alg`bre lin´aire e e 1.1 1.1.1 Espace vectoriel Vecteur Un ´l´ment de Rn est une suite ordonn´e de n ´l´ments de R. On peut disposer cette suite, appel´e ee e ee e vecteur soit en ligne, soit en colonne. Exemple 1.1 Le vecteur a = [3 0], est un vecteur ligne et le vecteur   3 b = −2

et produits scalaires . . . . . 1.1.2 Suites de Cauchy - espaces complets 1.2 Espaces fonctionnels . . . . . . . . . . . . . 1.3 Notion de d´riv´e g´n´ralis´e . . . . . . . . . e e e e e 1.3.1 Fonctions tests . . . . . . . . . . . . 1.3.2 D´riv´e g´n´ralis´e . . . . . . . . . . e e e e e 1.4 Espaces de Sobolev . . . . . . . . . . . . . . 1.4.1 Les espaces H m . . . . . . . . . . . . 1.4.2 Trace d’une fonction . . . . . . . . . 1.4.3 Espace H1 (Ω) . . . . . . . . . . . . . 0 1 1 1 2 2 3 3 4 5 5 6

d’énoncé, il le signalera sur sa copie et devra poursuivre sa composition en expliquant les raisons des initiatives qu’il a été amené à prendre. *** QUELQUES APPLICATIONS DES MATRICES DE GRAM À LA GÉOMÉTRIE Dans tout le problème, E est un espace vectoriel euclidien de dimension n ≥ 2 et on note produit scalaire sur E et la norme associée. ( ) un Si x1 , x 2 , ..., x p sont p vecteurs de E, on appelle matrice de GRAM de x1 , x 2 , ..., x p , notée G ( x1 , x 2 , ..., x p ) , la matrice