CALCUL MATRICIEL. tels que x j = p a ij e i.

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "CALCUL MATRICIEL. tels que x j = p a ij e i."

Transcription

1 CALCUL MATRICIEL Dans tout le chapitre, K désigne R ou C, et p, q, n désignent des entiers naturels non nuls I Matrices I1 Définitions Déf 1: Une matrice à p lignes et q colonnes (ou de type (p, q)), à coefficients dans K, est une application { 1 ; p 1 ; q K A : notée : (i, j) a ij a 11 a 12 a 1q A = (a ij ) 1 i p = a 21 a 22 a 2q 1 j q a p1 a p2 a pq On notera : M p,q (K) l ensemble des matrices de type (p, q) à coefficients dans K M n,n (K), ensemble des matrices carrées de type (n, n), ou d ordre n, se note plus simplement M n (K) Déf 2: Soit A = (a ij ) M p,q (K) Pour (i, j) 1 ; p 1 ; q, on appelle : jème vecteur colonne de A le vecteur C j = (a 1j, a 2j,, a pj ) K p ième vecteur ligne de A le vecteur L i = (a i1, a i2,, a iq ) K q Déf 3: Une matrice de type (1, q) est appelée une matrice ligne Une matrice de type (p, 1) est appelée une matrice colonne I2 Matrice d un système de vecteurs Déf 4: Soit F un K-espace vectoriel de dimension p, rapporté à une base B F = (e 1,, e p) et (x 1,, x q ) des vecteurs de F Alors, pour tout j 1 ; q, il existe (a ij ) 1 i p K p tels que x j = p a ij e i A = (a ij ) 1 i p 1 j q M p,q (K) s appelle la matrice des (x j ) dans la base B F Il s agit donc de la matrice obtenue en écrivant dans chaque colonne les coordonnées dans B des vecteurs de la famille Cela peut être visualisé ainsi : i=1 x 1 x 2 x q a 11 a 12 a 1q e 1 M BF (x 1,, x q ) = a 21 a 22 a 2q e 2 a p1 a p2 a pq e p Cours PSI* TLEGAY Lycée d Arsonval 1/19 31 août 2018

2 I3 Matrice d une application linéaire Déf 5: Soit E un K-espace vectoriel de dimension q, rapporté à une base = (e 1,, e q ) et F un K-espace vectoriel de dimension p, rapporté à une base B F = (e 1,, e p), et soit u L (E, F) On appelle matrice de u dans les bases et B F la matrice dans B F du système de vecteurs ( u(e1 ),, u(e q ) ) On la notera M BF (u) ou M BE,B F (u) ou M(u;, B F ) Ainsi : M BF (u) = (a ij ) M p,q (K), où a ij désigne la ième coordonnée de u(e j ) dans la base B F soit : Cette matrice peut être visualisée ainsi : j 1 ; q, u(e j ) = p a ij e i u(e 1 ) u(e 2 ) u(e q ) ( M BF (u) = M BF u(be ) ) a 11 a 12 a 1q e 1 = a 21 a 22 a 2q e 2 a p1 a p2 a pq e p i=1 Prop 1: L application L (E, F) M p,q (K) est une bijection de L (E, F) sur M p,q (K) u M BF (u) (cette bijection dépend évidemment du choix des bases et B F ) Cela découle directement du fait qu une application linéaire est entièrement déterminée par la donnée des images des vecteurs d une base Corollaire 11: Soit A M p,q (K) Alors il existe une et une seule application linéaire a L (K q,k p ) telle que la matrice de u dans les bases canoniques respectives de K q et K p soit égale à a a s appelle l application linéaire canoniquement associée à a I4 Rang d une matrice Déf 6: Le rang d une matrice A M p,q (K) est, par définition, le rang de ses vecteurs colonnes (éléments de K p ) On le note : rg A Si A est la matrice, dans une base B F, d un système de vecteurs (x 1,, x q ) de F, le rang de A est aussi celui, dans F, du système de vecteurs (x 1,, x q ) (c est-à-dire la dimension du sous-espace vectoriel de F engendré par (x 1,, x q )) Si A est la matrice, dans des bases et B F d une application linéaire u L (E, F), le rang de A est aussi le rang de u Propriétés: 1 Si A M p,q (K), rg A min(p, q) Cours PSI* TLEGAY Lycée d Arsonval 2/19 31 août 2018

3 En effet, si u L (E, F ), rg u dim E (par exemple par le théorème du rang), et rg u dim F, puisque Im u F 2 Si A M p,q (K) est la matrice dans des base et B F de u L (E, F), alors : rg A = p u surjective, rg A = q u injective Cela découle immédiatement de la proposition 4 du chapitre II que nous rappelons brièvement ci-dessous : u injective rg u = dim E (découle par exemple du th du rang) u surjective rg u = dim F (découle directement de la déf d une application surjective) II Opérations sur les matrices II1 Addition Soit E un K-espace vectoriel de dimension q, rapporté à une base = (e 1,, e q ) et F un K-espace vectoriel de dimension p, rapporté à une base B F = (e 1,, e p) Soient A = (a ij ) et B = (b ij ) deux matrices de M p,q (K) On peut alors leur associer, de manière unique, deux applications linéaires u, v L (E, F) telles que A = M BF (u) et B = M BF (v) On définit alors la matrice C = A + B par : C = M BF (u + v) Il est facile de vérifier que C M p,q (K), et que : (i, j) 1 ; p 1 ; q, c ij = a ij + b ij En effet, en reprenant les notations précédentes, on a, pour tout j 1 ; q : p u(e j ) = a ij e i et v(e j ) = donc i=1 (u + v)(e j ) = p b ij e i i=1 p (a ij + b ij )e i, i=1 ce qui montre que la matrice de u + v (dans les mêmes bases) a pour coefficients les a ij + b ij II2 Multiplication externe Avec les mêmes notations que ci-dessus, si λ K, on note λa la matrice : λa = M BF (λu) On a alors : λa M p,q (K), et (i, j) 1 ; p 1 ; q, (λa) ij = λa ij Théorème 1: Muni des lois précédentes, ( M p,q (K), +, ) { est un K-espace vectoriel, et l application L (E, F) Mp,q (K) ϕ : u M BF (u) est un isomorphisme de K-espaces vectoriels C est un simple transport de structure Remarques 1 L élément neutre pour l addition dans M p,q (K) est la matrice nulle (dont tous les termes sont nuls), notée O p,q, ou plus simplement 0 s il n y a pas d ambiguïté 2 Une base de M p,q (K) est formée de la famille des matrices (E kl ) (k,l) 1;p 1;q, définies par : E kl est la matrice de type (p, q) dont tous les termes sont nuls sauf celui d indice (k, l) qui vaut 1 Ainsi, le terme d indice (i, j) de E kl vaut : ( E kl )ij = δ kiδ lj Cours PSI* TLEGAY Lycée d Arsonval 3/19 31 août 2018

4 L écriture d une matrice A = (a ij ) M p,q (K) dans cette base est : A = a ij E ij 1 i p 1 j q Autrement dit, les coordonnées de A dans cette base sont les a ij 3 On en déduit : dim(l (E, F)) = dim(m p,q (K)) = pq Déf 7: La base (E kl ) (k,l) 1;p 1;q est appelée base canonique de M p,q (K) II3 Multiplication Soient G, E, F trois K-espaces vectoriels de dimensions respectives r, q, p, rapportés respectivement à des bases B G = (e 1,, e r ), = (e 1,, e q ), B F = (e 1,, e p ) Soient : A M p,q (K), et u L (E, F) tq A = M BF (u), B M q,r (K), et v L (G, E) tq B = M BE B G (v) et C M p,r (K), tq C = M BF B G (u v) (avec u v L (G, F)) Un simple calcul montre alors que : (i, k) 1 ; p 1 ; r, c ik = Disposition pratique : voir explications au tableau q a ij b jk Par définition, la matrice C = (c ik ) (i,k) 1;p 1;r s appelle le produit de A par B, noté C = AB Remarques 1 Cette définition n a un sens que si A est de type (p, q) et B de type (q, r) Ainsi, le produit AB peut être défini sans que BA ne le soit 2 On a : M BF B G (u v) = Propriétés: M BF (u) M BE B G (v), avec la même base 1 Si A M p,q (K), B M q,r (K) et C M r,s (K), alors : A(BC) = (AB)C 2 Si A M p,q (K) et B 1, B 2 M q,r (K), on a : A(B 1 + B 2 ) = AB 1 + AB 2 3 Si A 1, A 2 M p,q (K) et B M q,r (K), on a : (A 1 + A 2 )B = A 1 B + A 2 B 4 Si A M p,q (K), B M q,r (K) et λ K, on a : (λa)b = A(λB) = λ(ab) 5 Soient A M p,q (K) et B M q,r (K) Alors : rg(ab) min(rg A, rg B) Toutes ces propriétés découlent immédiatement de celles sur les applications linéaires Prop 2: Si (E ij ) 1 i p 1 j q est la base canonique de M p,q (K) et (E kl ) 1 k q 1 l r la base canonique de M q,r (K), on a : où (E il ) 1 i p 1 l r (i, j) 1 ; p 1 ; q, (k, l) 1 ; q 1 ; r : E ij E kl = δ jk E il est la base canonique de M p,r (K) Cours PSI* TLEGAY Lycée d Arsonval 4/19 31 août 2018

5 II4 Interprétation matricielle d une application linéaire E un K-espace vectoriel de dimension q, rapporté à une base = (e 1,, e q ) F un K-espace vectoriel de dimension p, rapporté à une base B F = (e 1 Soient,, e p ) u L (E, F) et A = (a ij ) M p,q (K) = M BF (u) Soit x E, x = q x j e j et y = u(x) F, y = p y i e i i=1 Soit enfin X la matrice colonne des coordonnées de x dans : X = t( ) x 1 x q Mq,1 (K) et Y la matrice colonne des coordonnées de y dans B F : Y = t( ) y 1 y p Mp,1 (K) On a alors : i 1 ; p, y i = q a ij x j (expression analytique de u dans les bases et B F ) ce qui se traduit matriciellement par : Y = AX q Si x = X j1 e j, alors u(x) = q X j1 u(e j ) = q a ij e i ( p X j1 i=1 i=1 q d où Y i1 = a ij X j1 et on reconnaît bien là l expression du produit matriciel AX ) = ( p q ) a ij X j1 e i = y Rem: Si A est la matrice d une application linéaire, on peut dire pour simplifier que on lit en colonne les coordonnées des images des vecteurs de base ; et on lit en ligne les coordonnées de l image d un vecteur Rem: Cas d une forme linéaire : Soit E un K-espace vectoriel de dimension q, rapporté à une base = (e 1,, e q ) et ϕ : E K une forme linéaire sur E Sa matrice dans les bases de E et {1} de K est une matrice ligne, de type (1, q) : A = (a 1 a 2 a q ), avec a i = ϕ(e i ) Si x = q x j e j E, on a alors : ϕ(x) = q a j x j (expression analytique de ϕ) II5 Opérations par blocs Déf 8: Soit A M p,q (K) On appelle bloc de A toute matrice (a ij ) i I, où I et J sont respectivement des j J parties de 1 ; p et 1 ; q formées d entiers consécutifs (NB : si on ne suppose plus ces entiers consécutifs, on obtient ce qui est appelé une matrice extraite) Cours PSI* TLEGAY Lycée d Arsonval 5/19 31 août 2018

6 Prop 3: Soient A, B M p,q (K), décomposées en blocs avec le même découpage : A 11 A 1j A 1m p1 B 11 B 1j B 1m p1 A = A i1 A ij A im p i p et B = B i1 B ij B im p i p A l1 A lj A lm pl B l1 B lj B lm pl q 1 q j q m q 1 q j q m q q Alors, si λ K, la matrice λa + B s écrit, par blocs : λa 11 + B 11 λa 1j + B 1j λa 1m + B 1m p1 λa + B = λa i1 + B i1 λa ij + B ij λa im + B im pi p λa l1 + B l1 λa lj + B lj λa lm + B lm p l q 1 q j q m q Théorème 2: produit par blocs Soient A M p,q (K) et B M q,r (K), décomposées en blocs comme suit : A 11 A 1j A 1m p1 B 11 B 1k A 1n q1 A = A i1 A ij A im p i p et B = B j1 B jk B jn q j q A l1 A lj A lm pl B m1 B mk B mn qm q 1 q j q m r 1 r k r n q r et soit C = AB M p,r (K), décomposée en blocs : C 11 C 1k C 1n p1 C = C i1 C ik C in pi p C l1 C lk C ln p l r 1 r k r n r m Alors : (i, k) 1 ; l 1 ; n, on a : C ik = A ij B jk Cours PSI* TLEGAY Lycée d Arsonval 6/19 31 août 2018

7 II6 Transposition Déf 9: Soit A = (a ij ) 1 i p M p,q (K) 1 j q On appelle transposée de A la matrice t A = (a ji ) 1 j q M q,p (K) définie par : 1 i p On peut la noter aussi A Propriétés: 1 Si A M p,q (K), t ( t A) = A 2 Si A, B M p,q (K), t (A + B) = t A + t B 3 Si A M p,q (K) et λ K, t (λa) = λ t A 4 Si A M p,q (K) et B M q,r (K), t (AB) = t B t A (i, j) 1 ; p 1 ; q, a ji = a ij Prop 4: L application : A t A est un isomorphisme du K-espace vectoriel M p,q (K) sur le K-espace vectoriel M q,p (K) Prop 5: Soit A M p,q (K), décomposée en blocs : A 11 A 1j A 1m p1 A = A i1 A ij A im pi p A l1 A lj A lm pl q 1 q j q m q Alors la matrice transposée de A s écrit, par blocs : t A 11 t A i1 t A l1 q1 t A = t A 1j t A ij t A lj qj q t A 1m t A im t A lm q m p 1 p i p l p Cours PSI* TLEGAY Lycée d Arsonval 7/19 31 août 2018

8 III L algèbre M n (K) Dans M n (K), la multiplication des matrices est une loi de composition interne Les propriétés précédentes sont résumées dans le théorème suivant Théorème 3: M n (K) est une K-algèbre (non commutative et non intègre dès que n 2) Le terme K-algèbre sert à résumer les propriétés suivantes : (M n (K), +, ) est un K-espace vectoriel ; la multiplication interne des matrices est une loi associative, possédant un élément neutre et distributive à droite et à gauche par rapport à l addition ; enfin, on a : λ K, (A, B) M n (K) 2, λ(ab) = (λa)b = A(λB) Rem: Dire que M n (K) est non intègre signifie qu il existe dans M n (K) des diviseurs de zéro, c est-à-dire que l on peut trouver des matrices A, B telles que : A 0, B 0 et AB = 0 Cela implique que les éléments de M n (K) ne sont pas réguliers en général, c est-à-dire qu une égalité de la forme AB = AC n implique pas toujours B = C Déf 10: Soit E un K-espace vectoriel de dimension n, rapporté à une base, et u L (E) On appelle matrice de u dans la matrice M BE (u), notée simplement M BE (u) ou M(u; ) Remarques 1 On notera I n l élément neutre de l algèbre M n (K) (pour la loi ) On a alors, pour tout K-espace vectoriel E de dimension n et toute base de E : I n = M BE (Id E ) I n est donc la matrice carrée d ordre n dont tous les éléments sont égaux à 0, sauf ceux de sa diagonale, qui sont égaux à 1 2 Le K-espace vectoriel M n (K) est de dimension n 2 Pour sa base canonique, voir plus haut Prop 6 et déf 11 : On notera GL n (K) l ensemble des éléments inversibles de M n (K) pour la loi (GL n (K), ) est un groupe (non abélien), appelé groupe linéaire d ordre n Découle directement du fait que (GL(E), ) est un groupe (voir chap précédent) En particulier, on a : Prop 7: Si A, B GL n (K), alors AB GL n (K) et : (AB) 1 = B 1 A 1 Prop 8: invariance du rang par multiplication par une matrice inversible Soient A M p,q (K) et B M q,r (K) Si p = q et A GL p (K), rg(ab) = rg(b), et, si q = r et B GL q (K), rg(ab) = rg(a) cf théorème 14 du chapitre II Prop 9: Soit A GL n (K) Alors t A GL n (K) et ( t A) 1 = t (A 1 ) Cours PSI* TLEGAY Lycée d Arsonval 8/19 31 août 2018

9 Il suffit de calculer : ( t A)( t (A 1 )) = t (A 1 A) = t I n = I n et ( t (A 1 ))( t A) = t (AA 1 ) = t I n = I n Théorème 4: Pour une matrice A M n (K), les propriétés suivantes sont équivalentes : (a) A est inversible (b) A est inversible à droite (c) A est inversible à gauche (d) rg A = n C est une conséquence directe d une propriété similaire démontrée dans le chapitre sur les applications linéaires Théorème 5: Le rang d une matrice non nulle A M p,q (K) est le plus grand entier r 1 tel que l on puisse extraire de A une matrice carrée inversible d ordre r Démonstration: ( ) Cours PSI* TLEGAY Lycée d Arsonval 9/19 31 août 2018

10 Exemple: La matrice a a b b est de rang 2 si et seulement si l un au moins des trois déterminants : c c a a b b, b b c c et a a c c est non nul Corollaire 51: Si A M p,q (K), rg A = rg( t A) En effet, si on peut extraire de A une matrice carrée inversible A d ordre r, on pourra extraire de t A la matrice t A, inversible d ordre r, donc rg t A rg A On a l inégalité dans l autre sens en changeant A en t A IV Matrices carrées remarquables IV1 Matrices triangulaires Déf 12: Une matrice carrée A = (a ij ) M n (K) est dite triangulaire supérieure (resp inférieure) si : (i, j) 1 ; n 2, [j < i a ij = 0] ( resp [j > i a ij = 0]) On notera T n + (K) (resp Tn (K)) l ensemble des matrices triangulaires supérieures (resp inférieures) d ordre n Il est clair que : A T n + (K) t A Tn (K) Théorème 6: Soit E un K-espace vectoriel de dimension n, = (e 1,, e n ) une base de E Soit u L (E), et A = M BE (u) M n (K) Alors : A est triangulaire supérieure j 1 ; n, Vect(e 1,, e j ) est stable par u En effet, A est triangulaire supérieure si et seulement si pour tout j les (n j)-èmes derniers coefficients de la j -ème colonne sont nuls, ce qui équivaut à dire que u(e j ) appartient à Vect(e 1,, e j ) Donc : Si A T S n(k), pour tout j, u(e 1 ),, u(e j ) appartiennent à Vect(e 1,, e j ) donc Vect(e 1,, e j ) est stable par u Réciproquement, si pour tout j Vect(e 1,, e j ) est stable par u alors on a bien u(e j ) Vect(e 1,, e j ) et A T S n(k) Théorème 7: T + n (K) est une sous-algèbre de M n(k), de dimension n(n + 1) 2 Le terme sous-algèbre signifie que T n + (K) est un sous-espace vectoriel de M n(k) qui est de plus stable pour la multiplication interne et qui contient son élément neutre, I n T + n (K) est une sous-algèbre de M n(k) : I n T + n (K) Si A, B T + n (K) et λ K, λa + B T + n (K) : facile Soient A, B T + n (K) Montrons que AB T + n (K) On peur faire une démonstration purement calculatoire en revenant à la définition du produit matriciel, mais il y a mieux : Si A = M BE (u) et B = M BE (v), alors, j 1 ; n, Vect(e 1,, e j ) est stable par u et par v donc par u v Ainsi, AB = M BE (u v) est triangulaire supérieure Cours PSI* TLEGAY Lycée d Arsonval 10/19 31 août 2018

11 Remarques Si A = (a ij ) est triangulaire supérieure, alors A = a ij E ij = a ij E ij donc la famille (E ij ) 1 i j n est génératrice i,j i j de T n + (K) Elle est libre puisque c est une sous-famille de la base canonique, donc c est une base de T n + (K), et elle comporte ( n n(n+1) 2) + n = éléments 2 1 T n (K) est évidemment aussi une sous-algèbre de M n(k), isomorphe en tant qu espace vectoriel à la précédente (par la transposition), 2 Si A = (a ij ) et B = (b ij ) sont triangulaires supérieures, alors C = AB, triangulaire supérieure, a pour coefficients diagonaux c ii = a ii b ii Prop 10: Soit A = (a ij ) T + n (K) Alors A est inversible si et seulement si, pour tout i 1 ; n, a ii 0 ; dans ce cas, A 1 est une matrice triangulaire supérieure, dont les éléments diagonaux sont les 1 a ii Prop 11: Soit A = (a ij ) T + n (K) Alors A est nilpotente si et seulement si, pour tout i 1 ; n, a ii = 0 Supposons A triangulaire supérieure et nilpotente Alors il existe p N tel que A p = 0 Or les coefficients diagonaux de A p sont les a p ii donc a ii = 0 pour tout i Supposons A triangulaire supérieure à éléments diagonaux nuls (une telle matrice est parfois dite triangulaire supérieure stricte) Soit E un K -espace vectoriel de dimension n, = (e 1,, e n) une base de E et soit u L (E) tel que A = M BE (u) Pour tout k 1 ; n, notons E k = Vect(e 1,, e k ), et E 0 = {0} L hypothèse faite sur A implique que, pour tout k 1 ; n, u(e k ) E k 1 Donc u n (E) = u n (E n) u n 1 (E n 1 ) u(e 1 ) = E 0 = {0}, ce qui prouve que u n = 0, donc A n = 0 et A nilpotente On dispose d une sorte de réciproque de ce résultat : Cours PSI* TLEGAY Lycée d Arsonval 11/19 31 août 2018

12 Théorème 8: (HP) Soit E un K-espace vectoriel de dimension n, et u L (E) u est nilpotent si et seulement si il existe une base B de E telle que M B (u) soit triangulaire supérieure à éléments diagonaux nuls Rem : Ce théorème sera démontré dans le DM n 1 IV2 Matrices diagonales Déf 13: Une matrice carrée A = (a ij ) M n (K) est dite diagonale si et seulement si : (i, j) 1 ; n 2, j i a ij = 0 On note alors : A = diag(a 11, a 22,, a nn ) On notera D n (K) l ensemble des matrices diagonales d ordre n On a évidemment : D n (K) = T n + (K) T n (K) Prop 12: D n (K) est une sous-algèbre commutative de M n (K), de dimension n Il suffit de vérifier les propriétés : I n appartient à D n(k) ; λ K, (A, B) D n(k) 2, λa + B D n(k) ; (A, B) D n(k) 2, AB D n(k) et AB = BA ce qui est immédiat Prop 13: Soit A = diag(a 11,, a nn ) D n (K) Alors A est inversible si et seulement si pour tout i 1 ; n, ( ) 1 a ii 0 ; et dans ce cas, A 1 1 = diag,, a 11 a nn découle directement de la propriété similaire pour les matrices triangulaires Prop 14: Soit D = diag(d 11,, d nn ) D n (K) dont les éléments diagonaux sont distincts Une matrice A M n (K) commute avec D si et seulement si A est diagonale Il existe une démonstration astucieuse de ce résultat (utilisant les notions de sous-espaces propres, voir plus tard) mais une simple démonstration calculatoire est possible : n n Avec les hypothèses, on a : (i, k) 1 ; n 2, (AD) ik = (DA) ik, soit a ij d jk = d ij a jk } {{ } } {{ } =a ik d kk =d ii a ik Donc (i, k) 1 ; n 2, a ik (d kk d ii ) = 0 d où a ik = 0 pour i k, c est-à-dire A diagonale IV3 Matrices scalaires Déf 14: Une matrice carrée A = (a ij ) M n (K) est dite scalaire si elle est de la forme diag(λ,, λ) Cours PSI* TLEGAY Lycée d Arsonval 12/19 31 août 2018

13 Prop 15: Une matrice carrée A d ordre n est une matrice scalaire si et seulement si c est la matrice, dans n importe quelle base d un K-espace vectoriel de dimension n, d une homothétie Prop 16: L ensemble des matrices de M n (K) qui commutent avec toutes les autres est exactement l ensemble des matrices scalaires IV4 Matrices symétriques, antisymétriques Déf 15: Une matrice carrée A = (a ij ) M n (K) est dite symétrique (resp antisymétrique) si t A = A (resp t A = A) On notera S n (K) l ensemble des matrices symétriques d ordre n et A n (K) l ensemble des matrices antisymétriques d ordre n Prop 17: S n (K) et A n (K) sont des sous-espaces vectoriels supplémentaires de M n (K), de dimensions respectives n(n + 1) n(n 1) et 2 2 Soit E = M n(k) et soit s : E E A t A On vérifie facilement que s est linéaire et que s 2 = Id E Ainsi, s est une symétrie On a : A Inv(s) A = t A A symétrique; A Opp(s) A = t A A antisymétrique On obtient ainsi que l ensemble S n(k) des matrices symétriques d ordre n et l ensemble A n(k) des matrices antisymétriques d ordre n sont des sous-espaces vectoriels supplémentaires de E De plus, la décomposition de A M n(k) comme somme (de façon unique) d une matrice symétrique et d une matrice antisymétrique est : A = A + t A 2 }{{} sym + A t A 2 }{{} antisym Soit A S n(k) A = a ij E ij = a ii E i + a ij (E ij + E ji ) i,j i i<j Cours PSI* TLEGAY Lycée d Arsonval 13/19 31 août 2018

14 Ainsi la famille formée des E ii pour 1 i n et des E ij + E ji pour 1 i < j n est une famille génératrice ( de S n(k) Il ) n n(n+1) est facile de vérifier que cette famille est libre; c est donc une base de S n(k), et elle a pour cardinal n + 2 = 2 IV5 Matrices par blocs Soit E un K-espace vectoriel de dimension finie n 1, E 1 et E 2 deux sous-espaces vectoriels supplémentaires de E, dim(e 1 ) = p, dim(e 2 ) = n p, B 1 et B 2 deux bases de E 1 et E 2 respectivement, et B = B 1 B 2, de sorte que B est une base de E Soit u L (E), et A = M B (u), écrite par blocs sous la forme : [ ] A1 B 2 p A = B 1 A 2 n p p (on remarquera que A 1 et A 2 sont des matrices carrées, que A 1 = M B1 (p 1 u E1 ) et que A 2 = M B2 (p 2 u E2 ), où p 1 (resp p 2 ) sont les projections sur E 1 (resp E 2 ) parallèlement à E 2 (resp E 1 )) Alors : Théorème 9: 1 E 1 est stable par u B 1 = 0 2 E 2 est stable par u B 2 = 0 n p Déf 16: 1 Ainsi, si E 1 est stable par u, A est de la forme : [ A1 0 ] B 2 A 2 Une telle matrice est dite triangulaire supérieure par blocs A 1 est alors la matrice de l endomorphisme induit par u sur E 1 [ ] A1 0 2 Si E 1 et E 2 sont stables par u, A est de la forme 0 A 2 Une telle matrice est dite diagonale par blocs A 1 et A 2 sont alors les matrices des endomorphismes induits u E1 et u E2 Prop 18: L ensemble des matrices de la forme par multiplication [ ] A1 B 2 p 0 A 2 n p p n p est un sous-espace vectoriel de M n (K), stable On peut faire une démonstration calculatoire en utilisant les opérations sur les matrices par blocs Plus astucieusement, on démontre que l ensemble des endomorphismes de E laissant stable E 1 est une sous-algèbre de L (E), ce qui est immédiat Prop 19: A = [ ] A1 B 2 p 0 A 2 n p p n p Et, dans ce cas, A 1 est de la forme : A 1 = est inversible si et seulement si A 1 et A 2 le sont [ A 1 1 B 2 ] 0 A 1 2 p n p p n p Cours PSI* TLEGAY Lycée d Arsonval 14/19 31 août 2018

15 Corollaire 191: [ ] A1 0 A = est inversible si et seulement si A 0 A 1 et A 2 le sont 2 [ ] A Et, dans ce cas, A 1 est égale à : A 1 1 = A 1 2 Rem: Les résultats ci-dessus se généralisent sans difficulté aux cas des matrices triangulaires supérieures par A 11 A 1n blocs, de la forme : 0, où les A ii sont des matrices carrées, A nn et aux matrices diagonales par blocs de la forme A A nn V Changements de base V1 Matrices de passage Déf 17: Soit E un K-espace vectoriel de dimension n, et B = (e 1,, e n ) et B = (e 1,, e n ) deux bases de E On appelle matrice de passage de B à B la matrice du système (e 1,, e n ) dans la base B On la note P B B ou P B,B Ainsi, la j-ème colonne de P B B est formée des coordonnées de e j dans B Interprétations : P B B est aussi la matrice, dans la base B de l endomorphisme u de E défini par : i 1 ; n, u(e i ) = e i P B B Conséquences: est aussi la matrice, dans les bases B et B de l application Id E, c est-à-dire M B B (Id E) 1 Si B, B et B sont trois bases de E, on a : P B B = P B B P B B ( ) 1 2 P B B est inversible et P B B = P B B Cours PSI* TLEGAY Lycée d Arsonval 15/19 31 août 2018

16 1 Démonstration savante : On a le diagramme suivant (E, B ) u=id E P B B (E, B ) v=id E P B B v u=id E (E, B) P B B et il suffit d écrire que la matrice de v u est égal au produit des matrices de v et u Démonstration plus élémentaire : (mais c est en fait la même) En notant A = P B B, B = PB B k 1 ; n, e k = et C = PB B, et les autres notations évidentes, on a : ( n n n ) ( n n ) b jk e j = b jk a ij e i = a ij b jk e i i=1 i=1 Ainsi la coordonnée c ik de e k sur e i est-elle égale à : c ik = n a ij b jk ce qui signifie, par la formule du produit matriciel, que l on a C = AB 2 On applique la relation précédente avec B = B V2 Formules de changement de bases Prop 20: Soit E un K-espace vectoriel de dimension n, B et B deux bases de E, et P la matrice de passage de B à B Soit x un vecteur de E, X la matrice colonne de ses coordonnées dans B et X celle de ses coordonnées dans B On a alors la relation : X = P X Démonstration savante : On a le diagramme suivant (E, B ) u=id E P B B (E, B) (x, X ) u=id E (x, X) Démonstration plus élémentaire : En notant P = (a ij ) et avec des notations naturelles on a, pour tout i 1 ; n : ( n n n ) ( n n ) x = x j e j = x j a ij e i = a ij x j e i donc x i = n a ij x j pour tout i, c est-à-dire X = P X par la formule du produit matriciel i=1 i=1 Cours PSI* TLEGAY Lycée d Arsonval 16/19 31 août 2018

17 Prop 21: Soient : E un K-espace vectoriel de dimension q, muni de deux bases et B E F un K-espace vectoriel de dimension p, muni de deux bases B F et B F P GL q (K) la matrice de passage de à B E Q GL p (K) la matrice de passage de B F à B F Soit enfin u L (E, F), A = M BF (u) et A = M B F B E(u) (A, A M p,q (K)) On a alors la relation : A = Q 1 AP Démonstration savante : Encore un beau diagramme qui explique tout (E, B E ) Id E P (E, ) u A (F, B F ) Q (F, B F ) Id F (QA )Id F u u Id E (AP ) A u Démonstration plus élémentaire : Soit x un vecteur de E, et X, X les matrices colonnes de ses coordonnées dans et B E Soit ensuite y = u(x), et Y, Y les matrices colonnes de ses coordonnées dans B F et B F On a alors, d après les résultats précédents : X = P X, Y = QY, Y = AX et Y = A X On en tire : Y = AX et Y = QY impliquent AX = QA X = QA P 1 X, et comme cela est vrai pour tout X M q,1 (K) on en déduit A = QA P 1 Corollaire 211: Cas d un endomorphisme : Soient : E un K-espace vectoriel de dimension n, muni de deux bases et B E P GL n (K) la matrice de passage de à B E u L (E), A = M BE (u) et A = M B E (u) (A, A M n (K)) On a alors la relation : A = P 1 AP Théorème 10: Toute matrice A M p,q (K), de rang r, peut s écrire sous la forme : où A = Q 1 J r P Q GL p (K), P GL q (K) et J r = [ ] Ir 0 r,q r 0 p r,r 0 p r,q r Rem: D après la proposition 8 page 8, la réciproque du théorème précédent est vraie : si A = Q 1 J r P avec P et Q inversibles, alors rg A = rg J r = r Cours PSI* TLEGAY Lycée d Arsonval 17/19 31 août 2018

18 Corollaire 101: Si A M p,q (K), rg A = rg t A [ ] Ir 0 Si A est de rang r, elle est équivalente àj r = r,q r : il existe Q GL 0 p r,r 0 p(k) et P GL q(k) telles que p r,q r [ ] A = Q 1 J rp Alors t A = t P t J t r Q 1 donc t A a même rang que t Ir 0 J r = r,p r, qui est de rang r 0 q r,r 0 q r,p r V3 Matrices semblables Déf 18: On dit qu une matrice carrée A M n (K) est semblable à la matrice A M n (K) s il existe P GL n (K) telle que A = P 1 AP Cela équivaut à dire que A et A sont les matrices, dans deux bases différentes, d un même endomorphisme u d un espace vectoriel de dimension n Exercice: Montrer que la matrice : A = est semblable à la matrice : B = VI Trace d une matrice, d un endomorphisme Déf 19: On appelle trace d une matrice carrée A = (a ij ) M n (K) le scalaire : n tr A = a ii i=1 Théorème 11: 1 L application tr : M n (K) K est une forme linéaire 2 A M n,p (K), B M p,n (K), tr(ab) = tr(ba) Rem: Soient A, B, C M n (K) Le résultat ci-dessus donne : tr(abc) = tr(bca) = tr(cab) mais on n a pas tr(abc) = tr(bac) en général ( ) ( ) Exemple : A =, B =, C = ( ) Cours PSI* TLEGAY Lycée d Arsonval 18/19 31 août 2018

19 Théorème 12: Deux matrices carrées semblables ont même trace En effet, tr(p 1 AP ) = tr(p P 1 A) = tr A Déf 20: Soit E un K-espace vectoriel de dimension n 1, et u L (E) Pour toute base B de E, le scalaire tr ( M B (u) ) ne dépend donc pas de la base B choisie Ce scalaire s appelle la trace de l endomorphisme u, noté tr u Propriétés: 1 L application tr : L (E) K est une forme linéaire 2 u, v L (E), tr(v u) = tr(u v) Prop 22: Soit E un K-espace vectoriel de dimension n 1 Si p est un projecteur de E, alors : tr p = rg p 2 Si E 1 et E 2 sont deux sous-espaces vectoriels supplémentaires de E et si s est la symétrie par rapport à E 1 de direction E 2, alors : tr s = dim(e 1 ) dim(e 2 ) Cours PSI* TLEGAY Lycée d Arsonval 19/19 31 août 2018

Matrices. Chapitre Définition d une matrice

Matrices. Chapitre Définition d une matrice Chapitre 17 Matrices 171 Définition d une matrice Définition 171 : Soit un corps commutatif K et deux entiers n,p 1 On appelle matrice n p à coefficients dans K, une application { [[1,n]] [[1,p]] K A :

Plus en détail

Matrices. 6 On appelle matrice triangulaire inférieure toute matrice carrée d ordre n telle que, si

Matrices. 6 On appelle matrice triangulaire inférieure toute matrice carrée d ordre n telle que, si Agrégation interne UFR MATHÉMATIQUES Matrices On note K un corps commutatif. n et p représentent deux entiers naturels non nuls. 1. Notion de matrice 1.1. Définitions Définition 1 On appelle matrice d

Plus en détail

Matrices. Chapitre V. 1 Révisions. a) Généralités

Matrices. Chapitre V. 1 Révisions. a) Généralités Chapitre V Matrices 1 Révisions a) Généralités Définitions Soient m, n et un corps commutatif Une matrice de type m, n à coefficients dans est un tableau de mn éléments de à m lignes et n colonnes, que

Plus en détail

MT23-Algèbre linéaire

MT23-Algèbre linéaire MT23-Algèbre linéaire Chapitre 2 : Applications linéaires et matrices ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014 suivant Chapitre 2 Applications linéaires et matrices 2.1 Applications linéaires...............................

Plus en détail

EXERCICES : CALCUL MATRICIEL

EXERCICES : CALCUL MATRICIEL EXERCICES : CALCUL MATRICIEL Ensembles de matrices remarquables (ex 1 à 8 Exercice 1: ( ( 0 0 1 Soit J = 1 0 0 Déterminer le plus petit sous-espace vectoriel de M 3 (R contenant J ; en préciser 0 1 0 une

Plus en détail

Matrices. () Matrices 1 / 45

Matrices. () Matrices 1 / 45 Matrices () Matrices 1 / 45 1 Matrices : définitions 2 Calcul matriciel 3 Opérations élémentaires sur les lignes d une matrice 4 Transposition On va principalement travailler avec R Mais on peut remplacer

Plus en détail

Chapitre 2 : Matrices

Chapitre 2 : Matrices Chapitre 2 : Matrices 1 Notion de matrice et vocabulaire Notation 1 Dans tout le chapitre n, p, q sont des entiers naturels non nuls Définition 1 Une matrice A à n lignes et p colonnes est un tableau défini

Plus en détail

MATRICES. 1. Définition. 2. Matrices carrées particulières. ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K)

MATRICES. 1. Définition. 2. Matrices carrées particulières. ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K) 21-10- 2007 JFC Mat p 1 MATRICES I GÉNÉRALITÉS 1 Définitions 2 Matrices carrées particulières II ADDITIONS ET MULTIPLICATION EXTERNE DANS M n,p (K) 1 Structure d espace vectoriel de M n,p (K) 2 Base canonique

Plus en détail

Chapitre 3 : Matrices

Chapitre 3 : Matrices Chapitre 3 : Matrices Sommaire I Notion de matrice et vocabulaire II Opérations de base sur les matrices 3 1 Addition de matrices et multiplication d un réel par une matrice 3 Multiplication matricielle

Plus en détail

Matrices. Chapitre 4. I - Notion de matrice et vocabulaire. Dans tout le chapitre n, p, q sont des entiers naturels non nuls.

Matrices. Chapitre 4. I - Notion de matrice et vocabulaire. Dans tout le chapitre n, p, q sont des entiers naturels non nuls. Chapitre 4 Matrices I - Notion de matrice et vocabulaire Dans tout le chapitre n, p, q sont des entiers naturels non nuls. Définition 1 Une matrice A à n lignes et p colonnes est un tableau défini par

Plus en détail

Matrices. Hervé Hocquard. 25 février Université de Bordeaux, France

Matrices. Hervé Hocquard. 25 février Université de Bordeaux, France Matrices Hervé Hocquard Université de Bordeaux, France 25 février 2013 Définitions Matrice On appelle matrice de taille n p à coefficients dans R (K = R ou C) toute famille A de np éléments de R présentée

Plus en détail

Matrices. Antoine Louatron

Matrices. Antoine Louatron Matrices Antoine Louatron 2/10 Table des matières Table des matières I Calcul sur les matrices 3 I1 Opérations 3 I2 Propriétés des opérations 4 I3 Matrices carrées 6 I4 Matrices particulières 6 II Matrices

Plus en détail

Définition (Rappel) On appelle matrice à n lignes et p colonnes, ou matrice n p un tableau d éléments de K que l on note

Définition (Rappel) On appelle matrice à n lignes et p colonnes, ou matrice n p un tableau d éléments de K que l on note Chapitre Matrices Matrices Règles de calcul Définition Rappel On appelle matrice à n lignes et p colonnes, ou matrice n p un tableau d éléments de K que l on note On note en abrégé a i,j i n j n a, a,

Plus en détail

Matrices. Chapitre 7. Sommaire

Matrices. Chapitre 7. Sommaire Chapitre 7 Matrices Sommaire 7.1 Notion de matrice et vocabulaire..................... 109 7.1.1 Définitions.................................. 109 7.1.2 Quelques cas particuliers...........................

Plus en détail

Matrices. 5 février 2018

Matrices. 5 février 2018 Matrices 5 février 218 Table des matières 1 Généralités 3 11 Généralités 3 111 Définitions 3 112 Notation 3 113 Egalité entre deux matrices : 3 114 Ensemble de matrices 3 12 Des cas particuliers 4 121

Plus en détail

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (K) Dans tout ce chapitre, K désigne R ou C.

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (K) Dans tout ce chapitre, K désigne R ou C. Matrices Dans tout ce chapitre, K désigne R ou C Matrices rectangulaires Soient n, p deux nombres entiers non-nuls On appelle matrice à n lignes et p colonnes à coefficients dans K tout tableau rectangulaire

Plus en détail

Matrices à coefficients dans R ou C.

Matrices à coefficients dans R ou C. BCPST1 B 2015/2016 Matrices à coefficients dans R ou C Dans ce chapitre n, r, q et p sont des entiers naturels non nuls, Les éléments de R ou de C sont appelés nombres ou scalaires I) Définition et vocabulaire

Plus en détail

Chapitre 3. Matrices. Définition 1.1. Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a a. 1q a 21 a 22...

Chapitre 3. Matrices. Définition 1.1. Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a a. 1q a 21 a 22... Chapitre 3 Matrices 1 Définitions et généralités Définition 11 Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a 12 a 1q a 21 a 22 a 2q A a p1 a p2 a ps Les coefficients a ij,

Plus en détail

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3 Chapitre 10 Calcul matriciel 1 Généralités 2 11 Définitions 2 12 Matrices carrées particulières 3 2 Opérations sur les matrices 4 21 L espace vectoriel M np (R 4 22 Produit de deux matrices 5 23 Transposée

Plus en détail

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3 Chapitre 10 Calcul matriciel 1 Généralités 2 11 Définitions 2 12 Matrices carrées particulières 3 2 Opérations sur les matrices 4 21 L espace vectoriel M np (R 4 22 Produit de deux matrices 5 23 Transposée

Plus en détail

Matrices. 3 Cas particulier des matrices de passage Effets d un changement de bases Matrices équivalentes et matrices semblables...

Matrices. 3 Cas particulier des matrices de passage Effets d un changement de bases Matrices équivalentes et matrices semblables... Dans le cas particulier des espaces vectoriels de dimension finie, nous avons introduit la représentation matricielle d une famille de vecteurs pour déterminer son rang De la même façon, nous verrons comment

Plus en détail

Chapitre 13. Calcul matriciel. Mathématiques PTSI. Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44

Chapitre 13. Calcul matriciel. Mathématiques PTSI. Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44 Chapitre 13 Calcul matriciel Mathématiques PTSI Lycée Déodat de Séverac Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44 On note K = R ou C Mathématiques PTSI (Lycée Déodat de Séverac)

Plus en détail

Calcul matriciel. λa n,1 λa n,2... λa n,p. a 2,1 a 2,2... a 2,p... a n,1 a n,2... a n,p ... a n,1 + b n,1 a n,2 + b n,2...

Calcul matriciel. λa n,1 λa n,2... λa n,p. a 2,1 a 2,2... a 2,p... a n,1 a n,2... a n,p ... a n,1 + b n,1 a n,2 + b n,2... 11 mars 014 Calcul matriciel I IA Matrices : définition, opérations et propriétés Définitions et structure d espace vectoriel Définition 1 (Définition Une matrice de type (n, p est un tableau à n lignes

Plus en détail

Calcul matriciel. 1 Ensemble des matrices Définitions Opérations sur les matrices Matrices carrées... 7

Calcul matriciel. 1 Ensemble des matrices Définitions Opérations sur les matrices Matrices carrées... 7 Chapitre 2 Calcul matriciel Ensemble des matrices 2 Définitions 2 2 Opérations sur les matrices 3 3 Matrices carrées 7 2 Opérations élémentaires de pivot et calcul matriciel 2 Matrices d opérations élémentaires

Plus en détail

Chapitre 2. Introduction aux matrices

Chapitre 2. Introduction aux matrices L1 2012-2013 Université Paris 13 Algèbre linéaire Chapitre 2 Introduction aux matrices Référence: Liret-Martinais [2], chapitre 4 Nous avons déjà rencontré des tableaux de nombres, ou matrices Nous allons

Plus en détail

Soit n un entier naturel non nul. 1. FAMILLES GÉNÉRATRICES

Soit n un entier naturel non nul. 1. FAMILLES GÉNÉRATRICES COURS ALGÈBRE 1 COMPLÉMENTS D ALGÈBRE LINÉAIRE Dans tout le chapitre, K désigne R ou C, et E est un espace vectoriel sur K de dimension finie ou non, non réduit au vecteur nul. I - FAMILLES LIBRES, LIÉES,

Plus en détail

Notations du chapitre. Dans tout ce chapitre, n et p sont deux entiers naturels non nuls. désigne l ensemble ou l ensemble.

Notations du chapitre. Dans tout ce chapitre, n et p sont deux entiers naturels non nuls. désigne l ensemble ou l ensemble. Matrices Notations du chapitre Dans tout ce chapitre, n et p sont deux entiers naturels non nuls. désigne l ensemble ou l ensemble. Ensemble des matrices Définition 1.1 Matrice à n lignes et p colonnes

Plus en détail

XIII. Matrices. 1 Opérations sur les matrices. On note K = R ou C.

XIII. Matrices. 1 Opérations sur les matrices. On note K = R ou C. XIII Matrices 1 Opérations sur les matrices On note K = R ou C Définition 1 On appelle matrice à n lignes et p colonnes à coefficients réels ou complexes un tableau rectangulaire à n lignes et p colonnes

Plus en détail

Matrices. Hervé Hocquard. 18 novembre Université de Bordeaux, France

Matrices. Hervé Hocquard. 18 novembre Université de Bordeaux, France Matrices Hervé Hocquard Université de Bordeaux, France 18 novembre 2015 Définitions Matrice On appelle matrice de taille n p à coefficients dans R (K = R ou C) toute famille A de np éléments de R présentée

Plus en détail

Chapitre 2 : Matrices

Chapitre 2 : Matrices Chapitre : Matrices Notion de matrice et vocabulaire Notation Dans tout le chapitre n, p, q sont des entiers naturels non nuls Définition Une matrice A à n lignes et p colonnes est un tableau défini par

Plus en détail

Mathématiques - ECS1. Matrices. 30 avenue de Paris Versailles. c 2015, Polycopié du cours de mathématiques de première année.

Mathématiques - ECS1. Matrices. 30 avenue de Paris Versailles. c 2015, Polycopié du cours de mathématiques de première année. Mathématiques - ECS1 7 Matrices Lycée La Bruyère 30 avenue de Paris 78000 Versailles c 2015, Polycopié du cours de mathématiques de première année 7 Matrices Dans tout ce qui suit, K désigne R ou C 71

Plus en détail

Cours de Mathématiques Calcul matriciel, systèmes linéaires. I Matrices à coefficients dans K... 3

Cours de Mathématiques Calcul matriciel, systèmes linéaires. I Matrices à coefficients dans K... 3 Table des matières I Matrices à coefficients dans K............................ 3 I.1 Généralités.................................. 3 I.2 Matrices particulières............................. 3 I.3 Matrices

Plus en détail

i e ligne et la j e colonne de M. x n p (A) i,k (B) k,j.

i e ligne et la j e colonne de M. x n p (A) i,k (B) k,j. Dans tout ce chapitre désignera ou, n et p deux entiers de On conviendra dans toute la suite, pour toute matrice M de M n,p () et tout couple (i, j) de 1, n 1, p, de noter (M) i,j le terme général de la

Plus en détail

Chapitre 10. Matrices Définitions

Chapitre 10. Matrices Définitions Chapitre 10 Matrices Nous allons dans ce chapitre découvrir la notion fondamentale de matrice Dans ce chapitre, on note K = R ou C 101 Définitions Définition 1011 On appelle matrice à n lignes et p colonnes

Plus en détail

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier Calcul matriciel Dans ce qui suit, K désigne R ou C. 1 Petite visite au zoo matriciel 1.1 matrices générales notion de matrice : une matrice à coefficients dans K est une liste d éléments de K disposés

Plus en détail

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations 4 Définitions et notations CHAPITRE 4 Matrices 4 Définitions et notations On désigne par K un des deux ensembles R ou C et par n et p deux entiers strictement positifs 4 Matrices Définition On appelle

Plus en détail

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices Chapitre 6 Algèbre matricielle En plus d être des tableaux de nombres susceptibles d être manipulés par des algorithmes pour la résolution des systèmes linéaires et des outils de calcul pour les applications

Plus en détail

Chapitre R2. Matrices

Chapitre R2. Matrices Chapitre R2 Matrices I. Opérations sur les matrices............................................................ 2 1/ Définition............................................................................

Plus en détail

Chapitre 6 Matrices. descend! Table des matières

Chapitre 6 Matrices. descend! Table des matières descend! Chapitre 6 Matrices Version du 25-09-2017 à 06:15 Table des matières 1 Matrices de format n p 2 Structure de K-espace vectoriel sur M n,p (K 3 Produit matriciel 4 Matrices carrées 5 Matrices carrées

Plus en détail

Les matrices pour elles mêmes

Les matrices pour elles mêmes MPSI-Éléments de cours Les matrices pour elles mêmes 17 mars 218 Plan Les matrices pour elles mêmes Rédaction incomplète. Version beta.1 le 16/3/18 I. Dénitions................................. 1 II. Structure

Plus en détail

1. Familles de vecteurs

1. Familles de vecteurs Compléments d algèbre linéaire 1-1 Sommaire 1 Familles de vecteurs 1 11 Famille libre 1 1 Famille génératrice 1 13 Base 14 Propriétés Sous-espaces vectoriels 1 Somme de sous-espaces vectoriels Base adaptée

Plus en détail

Chapitre 17 Matrices et Applications linéaires

Chapitre 17 Matrices et Applications linéaires Notations Chapitre 17 Matrices et Applications linéaires K désigne soit le corps R soit le corps C n et p désignent deux entiers naturels non nuls E et F désignent des espaces vectoriels de dimension nie

Plus en détail

Matrices. Résolution de systèmes linéaires

Matrices. Résolution de systèmes linéaires Chapitre 4 Matrices Résolution de systèmes linéaires K désigne Q, R ou C 41 Matrices, opérations sur les matrices 411 Définition et règles de calcul Définition 41 Soit n N + Un vecteur colonne (resp ligne

Plus en détail

2 Diverses interprétations des matrices

2 Diverses interprétations des matrices 1 Rappels Espace vectoriel M p,n (K) : Addition : dénition et propriétés élémentaires : commutativité, associativité, existence d'un neutre, toute matrice admet un(e) opposé(e) pour + Multiplication par

Plus en détail

Al 6 -Systèmes linéaires - Calcul matriciel

Al 6 -Systèmes linéaires - Calcul matriciel Al 6 -Systèmes linéaires - Calcul matriciel Dans ce chapitre K désignera R ou C, et n, p, q, r désigneront des entiers naturels non nuls 1 Matrices Définition 1 1 On appelle matrice de taille n p à coefficients

Plus en détail

Résumé 02 : Matrices & Déterminants

Résumé 02 : Matrices & Déterminants http://mpbertholletwordpresscom Résumé 02 : Matrices & Déterminants Dans tout ce chapitre, K sera le corps R ou C 1 LES BASES 1 L opérateur L A Toute application linéaire de R p dans R n est l application

Plus en détail

Matrices. 2.1 Matrice d une application linéaire. Chapitre Représentation des vecteurs et des applications linéaires

Matrices. 2.1 Matrice d une application linéaire. Chapitre Représentation des vecteurs et des applications linéaires Chapitre 2 Matrices Dans ce chapitre, nous rappelons, souvent sans démonstration, les définitions et résultats importants du cours de première année. Dans tout le chapitre, K désigne soit R, soit C. 2.1

Plus en détail

Matrices. Définition d une matrice inversible. Inverse du produit. Transposée de l inverse.

Matrices. Définition d une matrice inversible. Inverse du produit. Transposée de l inverse. TD3 Matrices On a toujours K = Q ou R ou C Rappels de cours Définition de M p,q (K) comme K-espace vectoriel Base canonique et dimension de M p,q (K) Définition du produit matriciel : bilinéaire et associatif

Plus en détail

Chapitres 5. Les matrices. Définition et notations: on appelle matrice m par n à coefficients dans K tout tableau. a 11 a 1n a 21 a 2n A = a m1 a mn

Chapitres 5. Les matrices. Définition et notations: on appelle matrice m par n à coefficients dans K tout tableau. a 11 a 1n a 21 a 2n A = a m1 a mn Université Lyon 1 Classes préparatoires 2015-2016 Algèbre linéaire Serge Parmentier 1 L ensemble des matrices Soit K un corps et n, m N \ {0} Chapitres 5 Les matrices Définition et notations: on appelle

Plus en détail

Algèbre Lineaire (II)

Algèbre Lineaire (II) Résumé du cours Algèbre Lineaire (II) Table des matières I Les matrices 1 I1 Ensembles de matrices remarquables 1 I2 L opérateur L A 1 I3 Produit 2 I4 Inversibilité 3 I5 Lignes et colonnes 3 I51 Manipulations

Plus en détail

Chapitre 5. Compléments d algèbre linéaire. 5.1 Changement de bases

Chapitre 5. Compléments d algèbre linéaire. 5.1 Changement de bases Chapitre 5 Compléments d algèbre linéaire 5.1 Changement de bases Dans cette partie, E désigne un espace vectoriel de dimension finie, et B = (e 1,..., e n ) une base de E. Définition 5.1.1 Soit f L(E).

Plus en détail

Résumé de Math Sup : Matrices

Résumé de Math Sup : Matrices Résumé de Math Sup : Matrices I - Opérations dans M n,p (K) Une matrice à n lignes et p colonnes (n et p entiers naturels non nuls) est une application de 1, n 1, p dans K qui à un couple d indices (i,

Plus en détail

Chapitre A8 : Matrices et systèmes linéaires

Chapitre A8 : Matrices et systèmes linéaires Chapitre A8 : Matrices et systèmes linéaires 1 Matrices Dans tout le chapitre n, p, q, r N et K = R ou C 1 a) Définitions Définition 11 On appelle matrice à n lignes et p colonnes une application de 1,

Plus en détail

MATRICES SYSTEMES. Soit E un espace vectoriel de dimension p et F un espace vectoriel de dimension n. B = QAP

MATRICES SYSTEMES. Soit E un espace vectoriel de dimension p et F un espace vectoriel de dimension n. B = QAP Chapitre 6 MATRICES SYSTEMES K est un corps commutatif, E est un espace vectoriel sur K 1 Matrices 1.1 Matrices équivalentes et rang Soit E un espace vectoriel de dimension p et F un espace vectoriel de

Plus en détail

Groupes finis de matrices

Groupes finis de matrices Groupes finis de matrices Ici K est un corps commutatif, a priori, de caractéristique nulle, ce qui signifie que le morphisme d anneaux k k 1 de Z dans K est injectif, ce qui est encore équivalent à dire

Plus en détail

Algèbre bilinéaire et Intégration. par Emmanuel Hebey. Université de Cergy-Pontoise Année

Algèbre bilinéaire et Intégration. par Emmanuel Hebey. Université de Cergy-Pontoise Année Algèbre bilinéaire et Intégration par Emmanuel Hebey Université de Cergy-Pontoise Année 2018-2019 Chapitre 2 Matrices et applications linéaires On continue de ne considérer que le cas d espaces vectoriels

Plus en détail

MATRICES. Ensemble des matrices et opérations. 1 o ) Définition et matrices particulières

MATRICES. Ensemble des matrices et opérations. 1 o ) Définition et matrices particulières MATRICES I Ensemble des matrices et opérations Dans toute cette partie, K désigne indifféremment R ou C, et n et p désignent des entiers naturels non nuls 1 o Définition et matrices particulières Définition

Plus en détail

5.1.1 Définition, opérations usuelles

5.1.1 Définition, opérations usuelles MATRICES 5 Cours 1 51 Rappels 1 52 Matrices et applications linéaires 5 53 Trace d une matrice carrée 12 54 Hors programme : suites de matrices 13 Méthodes 15 Dans tout ce chapitre, K désignera indifféremment

Plus en détail

Techniques de calcul matriciel

Techniques de calcul matriciel Arnaud de Saint Julien - MPSI Lycée La Merci 2017-2018 1 Techniques de calcul matriciel Introduction Une matrice est un tableau de nombres avec lequel on pourra faire des opérations. C est un objet numérique

Plus en détail

Calcul matriciel .1. NOTION DE MATRICE. Chap. ALG02. Def.1. App.1

Calcul matriciel .1. NOTION DE MATRICE. Chap. ALG02. Def.1. App.1 Chap ALG0 Calcul matriciel NOTES DE COURS NOTION DE MATRICE Cadre de travail et/ou notation(s utilisée(s Dans tout ce chapitre et sauf mention contraire, n, p et q désigneront des entiers naturels non

Plus en détail

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R)

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R) Matrices Matrices rectangulaires Soient n, p deux nombres entiers non-nuls On appelle matrice à n lignes et p colonnes un tableau rectangulaire de nombres réels comportant n lignes et p colonnes } }{{}

Plus en détail

Chapitre 8. Matrices. 1 Vocabulaire et Notations

Chapitre 8. Matrices. 1 Vocabulaire et Notations ECE 1 - Année 2016-2017 Lycée français de Vienne Mathématiques - F Gaunard http://fredericgaunardcom Chapitre 8 Matrices Ce Chapitre introduit la notion de matrice ainsi que les règles de calcul matriciel

Plus en détail

Formes linéaires, hyperplans, dualité. Exercice 1 Montrer qu une forme linéaire ϕ sur E non identiquement nulle est surjective.

Formes linéaires, hyperplans, dualité. Exercice 1 Montrer qu une forme linéaire ϕ sur E non identiquement nulle est surjective. K est un corps commutatif et E un K-espace vectoriel. 1 L espace dual E Formes linéaires, hyperplans, dualité. Définition 1 Une forme linéaire sur E est une application linéaire de E dans K. On note E

Plus en détail

Déterminants. Théorème 3 On suppose que F est une somme directe de n sous-espaces vectoriels F i. Alors. i=1

Déterminants. Théorème 3 On suppose que F est une somme directe de n sous-espaces vectoriels F i. Alors. i=1 Déterminants Dans tout le chapitre, K représente un corps commutatif 1 Applications et formes multilinéaires Soient E 1,, E p et F des espaces vectoriels sur K et ϕ une application de E 1 E p dans F Définition

Plus en détail

Techniques de calcul matriciel

Techniques de calcul matriciel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Techniques de calcul matriciel Introduction Une matrice est un tableau de nombres avec lequel on pourra faire des opérations. C est un objet numérique

Plus en détail

À propos des transvections

À propos des transvections À propos des transvections Antoine Ducros Préparation à l agrégation de mathématiques 1 Les transvections : aspect matriciel On fixe pour toute la suite du texte un corps commutatif k. (1.1) Définition.

Plus en détail

I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2

I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2 Matrice p. 1/2 I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2 I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement

Plus en détail

Chapitre n o 2 ENDOMORPHISMES ET MATRICES CARRÉES

Chapitre n o 2 ENDOMORPHISMES ET MATRICES CARRÉES Chapitre n o 2 ALGÈBRE LINÉAIRE : COMPLÉMENTS ET RÉDUCTION DES ENDOMORPHISMES ET MATRICES CARRÉES OBJECTIFS DU CHAPITRE Savoir utiliser les formules de changement de base pour une matrice de vecteur, pour

Plus en détail

deux matrices de M n,p (K) et λ K. On définit

deux matrices de M n,p (K) et λ K. On définit CHAPITRE 6 MATRICES Dans tout le chapitre, K désignera R ou C 1 Matrices à éléments dans K 11 Algèbre des matrices Définition 61 Soient n, p N On appelle matrice de taille (n, p) à coefficients dans K

Plus en détail

ISET Jerba wwww.isetjb.rnu.tn Département Génie Électrique. Cours d algèbre2. Haj Dahmane DHAFER

ISET Jerba wwww.isetjb.rnu.tn Département Génie Électrique. Cours d algèbre2. Haj Dahmane DHAFER ISET Jerba wwwwisetjbrnutn Département Génie Électrique Cours d algèbre2 Haj Dahmane DHAFER 19 février 2015 Chapitre I Généralités sur les matrices Sommaire I Définitions et notations 1 II Opérations sur

Plus en détail

10.1 L ensemble des matrices et son vocabulaire

10.1 L ensemble des matrices et son vocabulaire Chapitre 10 Matrices Sommaire 10.1 L'ensemble des matrices et son vocabulaire................... 93 10.1.1 Dénitions...................................... 93 10.1.2 Quelques cas particuliers...............................

Plus en détail

CORRIGE ESIM 2001 PSI

CORRIGE ESIM 2001 PSI CORRIGE ESIM 200 PSI Partie : ) On a, par définition de A B : A B = 0 (i, j) [[, n]] 2, a ij B = 0 On a donc : - soit A = 0 - soit il existe (i, j) [[, n]] 2 tel que a ij 0 et, auquel cas, B = 0 On a donc

Plus en détail

COURS CHAPITRE VII CALCUL MATRICIEL

COURS CHAPITRE VII CALCUL MATRICIEL COURS CHAPITRE VII CALCUL MATRICIEL 07-08 I) Définitions : ) Définitions Une matrice est un tableau à double entrées où chaque élément du tableau est repéré par son indice de ligne i et son indice de colonne

Plus en détail

Maths en PCSI Année Chapitre n 12. Calcul matriciel

Maths en PCSI Année Chapitre n 12. Calcul matriciel Chapitre n 12 Calcul matriciel Dans tout ce chapitre, K désigne R ou C, et n, p et q des entiers naturels non nuls Les éléments de K seront aussi appelés des scalaires 1 Ensembles de matrices Définition

Plus en détail

colonne j ligne i Proposition 12.1: Deux matrices sont égales ssi elles ont même taille et mêmes coefficients.

colonne j ligne i Proposition 12.1: Deux matrices sont égales ssi elles ont même taille et mêmes coefficients. Chapitre 12 : Matrices - résumé de cours Dans tout le chapitre désigne ou, n et p deux entiers naturels non nuls. 1. L'ensemble M n,p() 1.1 Définition et vocabulaire Déf: On appelle matrice à n lignes

Plus en détail

Al2 : Matrices. Exemple 3 La matrice d adjacence associée au graphe ci-dessous, en considérant les sommets rangés dans l ordre croissant, est :

Al2 : Matrices. Exemple 3 La matrice d adjacence associée au graphe ci-dessous, en considérant les sommets rangés dans l ordre croissant, est : 3 Matrice d adjacence d un graphe orienté Définitions 3 Considérons un graphe G orienté, d ordre n. On numérote les sommets de G de 1 à n. On appelle matrice d adjacence associée à G la matrice M dont

Plus en détail

MATRICES. 2. Matrices carrées particulières 3. Transposée d une matrice. ADDITION ET MULTIPLICATION EXTERNE DANS M n,p (K)

MATRICES. 2. Matrices carrées particulières 3. Transposée d une matrice. ADDITION ET MULTIPLICATION EXTERNE DANS M n,p (K) 26-10- 2014 JFC Mat p 1 MATRICES I GÉNÉRALITÉS 1 Définitions 2 Matrices carrées particulières 3 Transposée d une matrice II ADDITION ET MULTIPLICATION EXTERNE DANS M n,p (K) 1 Structure d espace vectoriel

Plus en détail

Al2 : Matrices. Exemple 3 La matrice d adjacence associée au graphe ci-dessous, en considérant les sommets rangés dans l ordre croissant, est :

Al2 : Matrices. Exemple 3 La matrice d adjacence associée au graphe ci-dessous, en considérant les sommets rangés dans l ordre croissant, est : 3 Matrice d adjacence d un graphe orienté Définitions 3 Considérons un graphe G orienté, d ordre n. On numérote les sommets de G de 1 à n. On appelle matrice d adjacence associée à G la matrice M dont

Plus en détail

Matrice et espaces vectoriel de dimension finies MPSI

Matrice et espaces vectoriel de dimension finies MPSI Matrice et espaces vectoriel de dimension finies MPSI 27 mai 2008 Table des matières 1 Matrice 3 1.1 Définition............................. 3 1.2 Matrice carrée........................... 3 1.3 Vecteur

Plus en détail

Dimension des espaces vectoriels

Dimension des espaces vectoriels Dimension des espaces vectoriels (2) (2) () Dimension des espaces vectoriels 1 / 22 Plan 1 Matrices (2) () Dimension des espaces vectoriels 2 / 22 Propriétés de l ensemble des matrices Proposition Pour

Plus en détail

avec E i j = (a kl ) 1 k n (K)). Le produit AB peut alors se calculer par blocs :

avec E i j = (a kl ) 1 k n (K)). Le produit AB peut alors se calculer par blocs : I Rappels sur les matrices 1 Opérations et structure Proposition 1 Structure d espace vectoriel L ensemble (M n,p (K),+, ) est un K-espace vectoriel de dimension np (isomorphe à K np ) La base canonique

Plus en détail

Opérations élémentaires et déterminants

Opérations élémentaires et déterminants 10 Opérations élémentaires et déterminants On note toujours K le corps de réels ou des complexes On se donne un entier n 1 et M n (K désigne l espace vectoriel des matrices carrées d ordre n à coefficients

Plus en détail

I.1.6 Proposition. Soit n N, A, B M p (K). Si AB = BA alors. tout k N (avec la convention 0 0 = 1).

I.1.6 Proposition. Soit n N, A, B M p (K). Si AB = BA alors. tout k N (avec la convention 0 0 = 1). I Opérations 1/6 Table des matières I Opérations 1 I.1 Produit, puissances................................ 1 I.2 Inversibilité.................................... 2 II Trace 2 II.1 Trace d une matrice...............................

Plus en détail

Commutant d une matrice

Commutant d une matrice Énoncé On désigne par n un entier naturel supérieur ou égal à 2, et par M n (IK) l algèbre sur IK des matrices carrées d ordre n à coefficients dans IK, avec IK = IR ou lc. La matrice identité de M n (IK)

Plus en détail

Matrice et vocabulaire associé

Matrice et vocabulaire associé I Matrice et vocabulaire associé I1 Définitions Définition 1 Deux entiers naturels m et n étant donnés non nuls, on appelle matrice de format m, n tout tableau rectangulaire ayant m n éléments, disposés

Plus en détail

Chapitre 9. Matrices

Chapitre 9. Matrices Lycée Benjamin Franklin PTSI 2014-2015 D Blottière Mathématiques Chapitre 9 Matrices Table des matières 1 Notations 2 2 Matrices de format n p 2 3 Structure de K-espace vectoriel sur M n,p (K 3 31 Addition

Plus en détail

3- Applications linéaires. Définition, Propriétés d une projection. Caractérisation. Méthodes pour déterminer l image d une application linéaire.

3- Applications linéaires. Définition, Propriétés d une projection. Caractérisation. Méthodes pour déterminer l image d une application linéaire. Quelques révisions 1- Espaces vectoriels - algèbre Définition d espace vectoriel et algèbre. Critère pour montrer qu une partie est un sous espace vectoriel, une sousalgèbre. Définition de sous-espace

Plus en détail

DIAGONALISATION Chapitre 7 :

DIAGONALISATION Chapitre 7 : Chapitre 7 : ECS2 Lycée La Bruyère, Versailles Année 2017/2018 DIAGONALISATION 1 Diagonalisation naïve des matrices carrées et applications 2 1.1 Position du problème.......................................

Plus en détail

MPSI 2 : DL 07. pour le 26 mars 2003

MPSI 2 : DL 07. pour le 26 mars 2003 MPSI 2 : DL 07 pour le 26 mars 2003 Q 1 Dans le problème, E désigne un R-ev de dimension n 2. On notera D n (R) l ensemble des matrices diagonales de M n (R). E ij désigne la matrice de la base canonique

Plus en détail

ALGÈBRE LINÉAIRE : RÉVISIONS ET COMPLÉMENTS Chapitre 5 :

ALGÈBRE LINÉAIRE : RÉVISIONS ET COMPLÉMENTS Chapitre 5 : Chapitre 5 : ALGÈBRE LINÉAIRE : RÉVISIONS ET COMPLÉMENTS ECS2 Lycée La Bruyère, Versailles Année 2017/2018 1 Espaces vectoriels 2 1.1 Notion d espace vectoriel..................................... 2 1.2

Plus en détail

I. Éléments propres d un endomorphisme Endomorphismes diagonalisables et trigonalisables Cas des matrices carrées

I. Éléments propres d un endomorphisme Endomorphismes diagonalisables et trigonalisables Cas des matrices carrées Réduction On note K = R ou C ; E, E i, F désignent des K-espaces vectoriels I Éléments propres d un endomorphisme II III Endomorphismes diagonalisables et trigonalisables Cas des matrices carrées Définition

Plus en détail

Applications linéaires

Applications linéaires Chapitre 4 Applications linéaires I) Généralités sur les applications linéaires 1) Définitions Définition 1 Soient E et F deux R-espaces vectoriels On appelle application linéaire de E dans F toute application

Plus en détail

Rappels et compléments d algèbre linéaire

Rappels et compléments d algèbre linéaire Rappels et compléments d algèbre linéaire Table des matières 1 Somme et somme directe de p sous-espaces vectoriels. 2 1.1 de la somme de plusieurs sous-espaces vectoriels de E........................ 2

Plus en détail

Table des matières. Cours PCSI ( ) Les matrices Lycée Baimbridge

Table des matières. Cours PCSI ( ) Les matrices Lycée Baimbridge Table des matières Introduction...2 I- Opérations sur les matrices...3 1- s et ensembles de matrices...3 2- Structure d'espace vectoriel de Mnp(K)...4 a- Somme de deux matrices de même dimension...4 b-

Plus en détail