Lycée Montaigne MPSI3 2016-2017 Mathématiques, kholle 19 (06/03/17) Chapitre 1 : Éléments de logique Chapitre 2 : Nombres complexes Chapitre 3 : Calculs algébriques Chapitre 4 : Fonctions usuelles Chapitre 5 : Généralités sur les fonctions Chapitre 6 : Équations différentielles Chapitre 7 : Applications, relations Chapitre 8 : Les réels Chapitre 9 : Suites numériques Chapitre 10 : Arithmétique Chapitre 11 : Limite d’une fonction Chapitre 12 : Continuité Chapitre 13 : Dérivation Chapitre 14 : Développements limités Chapitre 15 : Structures algébriques Chapitre 16 : Polynômes Chapitre 17 : Arithmétique des polynômes Chapitre 18 : Fractions rationnelles À revoir : la méthode de Gauss, celle-ci doit être connue. Chapitre 19 Espaces vectoriels – Définition d’un espace vectoriel, règles de calculs, exemples de référence, définition d’un s.e.v, intersection de s.e.v. – Applications linéaires : définition, exemples, vocabulaire (endomorphisme, isomorphisme, automorphisme, groupe linéaire, forme linéaire). – Propriétés des applications linéaires. Structure de (L (E, F), +, .) de (GL(E), ◦) et de (L (E), +, ◦). – Définition du noyau d’une application linéaire, caractérisation de l’injectivité. – Sous-espaces vectoriels et applications linéaires :images directes, réciproques par une application linéaire. Définition des hyperplans (noyau d’une forme linéaire non nulle). Le noyau et l’image d’une application linéaire de E vers F sont des s.e.v de E et F respectivement. – Sous-espace engendré : combinaisons linéaires d’une famille finie de vecteurs, combinaisons linéaires d’une famille quelconque de vecteurs, propriétés, sousespace engendré par une famille de vecteurs, notation Vect [· · · ]. Définition d’une droite vectorielle, d’un plan vectoriel. – Somme de deux sous-espaces vectoriels : définition, somme directe (unicité de la décomposition), caractérisations d’une somme directe de deux sous-espaces. Définition de deux sous-espaces supplémentaires. Caractérisations des hyperplans. – Projections vectorielles, symétries vectorielles : définition, propriétés. – Extensions : combinaisons linéaires d’une famille quelconque de vecteurs, sousespace engendré. Somme de s.e.v. : définition de F1 + · · · + Fp , somme directe (unicité de la décomposition), caractérisations d’une somme directe. Chapitre 20 : Dimension finie – Familles génératrices, familles libres, familles liées : définitions, propriétés. Définition d’un espace de dimension finie (il y a une famille génératrice finie). Théorème fondamental (si on a une famille génératrice de cardinal n alors toute famille de cardinal supérieur est liée). Questions de cours Anciennes : – Calcul d’une partie polaire relative à un pôle double. – Montrer qu’une intersection de s.e.v d’un e.v. est encore un s.e.v. – Montrer que la composée de deux applications linéaires est linéaire. – Montrer que la réciproque d’une application linéaire bijective est linéaire. – Montrer qu’une application linéaire est injective si et seulement si son noyau est réduit au vecteur nul. – Noyau et image d’une application linéaire : définition et structure (à démontrer). – Image directe (ou réciproque) d’un s.e.v. par une application linéaire. Nouvelles : – Soient E un K espace vectoriel et (x 1 , . . . , x n ) ∈ En . Montrer que Vect [x 1 , . . . , x n ] est un sous-espace vectoriel de E contenant les vecteurs x 1 , . . . , x n , et que c’est le plus petit au sens de l’inclusion. – Si E = F ⊕ G, définir la projection p sur F parallèlement à G, et démontrer ses propriétés : p ∈ L (E), p 2 = p, G = ker(p), F = Im(p) = ker(p − idE ). – Montrer que si f est un endomorphisme de E tel que f 2 = f , alors E = ker( f −idE )⊕ ker( f ), et f et le projecteur sur ker( f − idE ) parallèlement à ker( f ). – Montrer que si f est un endomorphisme de E tel que f 2 = idE , alors E = ker( f − idE ) ⊕ ker( f + idE ), et f et la symétrie par rapport à ker( f − idE ) parallèlement à ker( f + idE ). – Montrer que la somme F1 + · · · + Fp de s.e.v. de E est un s.e.v. de E, et qu’elle est directe si et seulement si ∀(x 1 , . . . , x p ) ∈ F1 × · · · × Fp , si x 1 + · · · + x p = 0 alors x 1 = · · · = x p = 0. – Montrer qu’une application linéaire est injective si et seulement si elle transforme toute famille libre en une famille libre. – Montrer qu’une application f ∈ L (E, F) est surjective si et seulement si elle transforme une famille génératrice de E en une famille génératrice de F. – Montrer que Kn [X] est de dimension finie mais que K[X] est de dimension infinie.