MT23-Algèbre linéaire

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "MT23-Algèbre linéaire"

Transcription

1 MT23-Algèbre linéaire Chapitre 4 : Valeurs propres - Vecteurs propres ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014

2 suivant Chapitre 4 Valeurs propres - Vecteurs propres 4.1 Vecteurs propres - Valeurs propres Matrices à coefficients complexes Sous-espace propre Réduction d une matrice Compléments Sommaire Concepts Exemples Exercices Documents 2

3 chapitre section suivante 4.1 Vecteurs propres - Valeurs propres Valeur et vecteur propres d un endomorphisme Valeur et vecteur propres d une matrice Lien entre les valeurs propres d une matrice et celles d un endomorphisme Polynôme caractéristique Valeurs propres et matrices particulières Valeurs propres et matrices semblables Sommaire Concepts Exemples Exercices Documents 3

4 section suivant Valeur et vecteur propres d un endomorphisme Exercices : Exercice A.1.1 Exercice A.1.2 Exemples : Exemple B.1.1 Soit E un espace vectoriel sur K (IR ou C) de dimension finie. Soit u un endomorphisme de E. Dans ce chapitre, on va chercher des bases de E pour lesquelles la matrice associée à u est la plus simple possible (diagonale, triangulaire). On parlera alors de diagonalisation et trigonalisation. La notion de vecteur propre permettra d atteindre ce but. Définition λ K est une valeur propre de u s il existe un vecteur y E non nul tel que u( y) = λ y. (4.1.1) y est appelé un vecteur propre de u associé à la valeur propre λ. Il est fondamental de préciser " y non nul". En effet quand y = 0, on a u( y) = 0. De plus, pour tout λ K, λ y = 0 donc u( y) = λ y(= 0). Donc tout scalaire de K serait valeur propre de u. Exemple : Soit E = F 1 F 2 où F 1 et F 2 sont différents de { 0}. Sommaire Concepts Exemples Exercices Documents 4

5 section suivant On définit l endomorphisme p projection sur F 1 parallèlement à F 2, alors x 1 F 1, p( x 1 ) = x 1, x 2 F 2 p( x 2 ) = 0. On a donc 1 est valeur propre de p et tout vecteur non nul de F 1 est un vecteur propre associé à cette valeur propre ; 0 est valeur propre de p et tout vecteur non nul de F 2 est un vecteur propre associé à cette valeur propre. Valeur et vecteur propres d un endomorphisme Sommaire Concepts Exemples Exercices Documents 5

6 précédent section suivant Valeur et vecteur propres d une matrice Exercices : Exercice A.1.3 Exercice A.1.4 Exemples : Exemple B.1.2 Soit A une matrice carrée. Définition On dit que λ K est une valeur propre de A M n,n (K ) s il existe un vecteur Y M n,1 (K ), Y 0 tel que AY = λy. (4.1.2) On dit que Y est un vecteur propre associé à la valeur propre λ et que (λ,y ) est un couple propre de A. Montrer en exercice que si Y est vecteur propre de A associé à la valeur propre λ, si α K,α 0, alors αy est également vecteur propre de A associé à la valeur propre λ : les vecteurs propres ne sont pas uniques. Exemple : K = IR, A = y 1 y 2 y On cherche les valeurs propres λ et les vecteurs propres Y = Sommaire Concepts Exemples Exercices Documents 6

7 précédent section suivant La condition (4.1.2) s écrit y 1 = λy 1, y 2 = λy 2, 0 = λy 3. On a donc deux familles de couples propres α λ 1 = 1 et Y 1 = β, où α et β sont des réels quelconques, λ 2 = 0 et Y 2 = γ, où γ est un réel quelconque. Pour que Y 1 et Y 2 soient vecteurs propres, donc non nuls, il faut de plus (α,β) (0,0) et γ 0. Valeur et vecteur propres d une matrice On peut montrer en exercice que les résultats constatés sur l exemple précédent se généralisent : Les valeurs propres d une matrice diagonale sont ses termes diagonaux. A non inversible 0 est valeur propre de A. Depuis le début du cours K = IR ou K = C. Si les termes de A sont réels, puisque IR C, on peut considérer A M n,n (IR) et chercher alors les valeurs et vecteurs propres dans IR ou considérer A M n,n (C) et chercher alors les valeurs et vecteurs propres dans C. Lorsque l on ne précise pas, si A M n,n (IR), on étudiera les valeurs et vecteurs propres réels de A. Sommaire Concepts Exemples Exercices Documents 7

8 précédent section suivant Lien entre les valeurs propres d une matrice et celles d un endomorphisme On vient de définir de façon indépendante les valeurs propres et vecteurs propres d un endomorphisme u L (E,E) puis les valeurs propres et les vecteurs propres d une matrice A. Si A est une matrice associée à l endomorphisme u, y a-t-il une relation entre les valeurs propres et vecteurs propres de l une et les valeurs propres et vecteurs propres de l autre? Proposition E est muni d une base E, u L (E,E) et (λ, y) est un couple propre de u : u( y) = λ y et y 0, si A est la matrice associée à u quand on munit E de la base E, si Y est le vecteur colonne contenant les composantes de y dans la base E, alors on a : AY = λy et Y 0. Donc (λ,y ) est un couple propre de A. Démonstration AY est le vecteur colonne contenant les composantes de u( y) dans la base E, λy est le vecteur colonne contenant les composantes de λ y dans la base E. On a donc AY = λy. De plus y 0 donc Y est un vecteur colonne non nul. Exemple : Si E est un espace vectoriel muni d une base ( e 1, e 2, e 3 ), si π est le plan vectoriel engendré par ( e 1, e 2 ), si D est la droite vectorielle engendrée par ( e 3 ), si u est la projection sur π parallèlement à D, Sommaire Concepts Exemples Exercices Documents 8

9 précédent section suivant alors la matrice de u est la matrice A = On a calculé les valeurs propres et vecteurs propres de cette matrice dans le paragraphe Valeur et vecteur propres d une matrice. On a trouvé λ 1 = 1, Y 1 = α β 0, λ 2 = 0, Y 2 = 0 0 γ Lien entre les valeurs propres d une matrice et celles d un endomorphisme D autre part, comme on l a vu dans l exercice A.1.2, les vecteurs du plan sont des vecteurs propres de u associés à la valeur propre 1 et les vecteurs de la droite sont des vecteurs propres de u associés à la valeur propre 0. On retrouve bien les mêmes valeurs propres et la correspondance entre les vecteurs propres de A et u : à Y 1 correspond y 1 = α e 1 + β e 2 ; y 1 est bien un vecteur du plan π, à Y 2 correspond y 2 = γ e 3 ; y 2 est bien un vecteur de la droite D. Sommaire Concepts Exemples Exercices Documents 9

10 précédent section suivant Polynôme caractéristique Exercices : Exercice A.1.5 Cours : Valeur et vecteur propres d une matrice On a vu dans l exemple B.1.2 que le calcul des valeurs propres se fait en cherchant les valeurs de λ qui annulent le déterminant de la matrice A λi. D une façon plus générale, on peut définir : Définition On appelle polynôme caractéristique de A le polynôme Π A (s) = det (si A). Le polynôme caractéristique de A est de degré n et, plus précisement, il est de la forme : Π A (s) = s n + α 1 s n 1 + α 2 s n α n 1 s + α n. En effet, si A est la matrice si A = s a 11 a a 1i... a 1n a 21 s a a 2i... a 2n a i 1 a i 2... s a i i... a i n a n1 a n2... a ni... s a nn 10 Sommaire Concepts Exemples Exercices Documents

11 précédent section suivant et donc il est clair que le terme de plus haut degré du déterminant de si A est s n. Par ailleurs α n = Π A (0) = det ( A) = ( 1) n det (A). (4.1.3) Polynôme caractéristique Le calcul des valeurs propres se fait à l aide de la proposition suivante : Proposition Une condition nécessaire et suffisante pour que λ soit valeur propre de A est qu elle soit racine du polynôme caractéristique, c est-à-dire : det (λi A) = 0. (4.1.4) Démonstration C est immédiat. En effet, si l on reprend la définition on a : λ est valeur propre dea Y 0 (λi A)Y = 0 Ker (λi A) 0 λi A n est pas inversible det (λi A) = 0. Il suffit de reprendre les propriétés d une matrice carrée vues dans les chapitres précédents. Définition On dit que λ est une valeur propre de A de multiplicité r si λ est racine de multiplicité r du polynôme caractéristique Π A. Lorsque r = 1, on dit que la valeur propre est simple, lorsque r = 2, on dit que la valeur propre est double, lorsque r = 3, on dit que la valeur propre est triple. Pratiquement : Pour déterminer les valeurs propres d une matrice, on calcule le polynôme caractéristique Π A (s) = det (si A). Sommaire Concepts Exemples Exercices Documents 11

12 précédent section suivant Ses racines λ i sont les valeurs propres de la matrice. Il est équivalent de chercher les racines du polynôme det (A si ). Pourquoi? La recherche des vecteurs propres se fait en résolvant alors le système AY i = λ i Y i : Polynôme caractéristique Exemple : Soit la matrice alors donc ( 5 2 A = 2 2 ), ( s 5 2 si A = 2 s 2 ) π A (s) = det (si A) = (s 5)(s 2) 4 = s 2 7s + 6 = (s 1)(s 6). On obtient donc 2 valeurs propres simples réelles λ = 1 et λ = 6, on détermine les vecteurs propres associés : λ = 1, { (A λi )Y = 0 Y 0 λ = 6, { (A λi )Y = 0 Y 0 4y 1 + 2y 2 = 0 2y 1 + y 2 = 0 (y 1, y 2 ) (0,0) y 1 + 2y 2 = 0 2y 1 4y 2 = 0 (y 1, y 2 ) (0,0) { y2 = 2y 1 (y 1, y 2 ) (0,0) { y1 = 2y 2 (y 1, y 2 ) (0,0) ( 1 Y = α 2 α IR ( ) 2 Y = β 1 β IR. ) Sommaire Concepts Exemples Exercices Documents 12

13 précédent section suivant On constate sur cet exemple toutes les propriétés qui ont été énoncées : π A est un polynôme de degré 2, il existe toujours une infinité de vecteurs propres associés à une valeur propre donnée. Il est IMPOSSIBLE que le calcul de vecteurs propres conduise à la solution unique y 1 = y 2 = 0. Si λ est une valeur propre de A, et si les calculs sont corrects, alors on trouve TOUJOURS des vecteurs non nuls solutions de AY = λy. Polynôme caractéristique Sommaire Concepts Exemples Exercices Documents 13

14 précédent section suivant Valeurs propres et matrices particulières Exercices : Exercice A.1.6 Exercice A.1.7 Exercice A.1.8 Proposition Si A M n,n est une matrice triangulaire, alors les valeurs propres de A sont les termes diagonaux de A. Démontrer cette propriété en exercice. Proposition Si A M n,n (C), alors : λ valeur propre de A λ valeur propre de Ā (avec la même multiplicité). 2. Si A M n,n (IR), alors : λ valeur propre de A Démontrer cette propriété en exercice. λ valeur propre de A (avec la même multiplicité). Proposition Si A M n,n, alors A et A T ont les mêmes polynômes caractéristiques et donc elles ont les mêmes valeurs propres avec la même multiplicité. Sommaire Concepts Exemples Exercices Documents 14

15 précédent section suivant Démonstration On a vu dans le chapitre sur les déterminants que, pour toute matrice B, det B = det B T, on a donc det (si A) = det (si A) T = det (si A T ). Les deux matrices A et A T ont le même polynôme caractéristique, elles ont donc les mêmes valeurs propres avec la même multiplicité. Valeurs propres et matrices particulières Sommaire Concepts Exemples Exercices Documents 15

16 précédent section Valeurs propres et matrices semblables Exercices : Exercice A.1.9 On peut commencer par traiter l exercice avant de voir sa généralisation. Proposition Deux matrices semblables ont le même polynôme caractéristique donc deux matrices semblables ont les mêmes valeurs propres. Démonstration Si A et B sont des matrices semblables, alors il existe une matrice inversible P telle que B = P 1 AP. Or et donc si B = si P 1 AP = sp 1 P P 1 AP = P 1 (si A)P Donc Π A = Π B. det (si B) = det (P 1 (si A)P) = det P 1 det (si A)det (P) = 1 det (si A)det P = det (si A). det P Attention! Si A et B sont semblables, elles ont les mêmes valeurs propres mais elles n ont pas les mêmes vecteurs propres. Sommaire Concepts Exemples Exercices Documents 16

17 précédent section En effet, si (λ,y ) est un couple propre de A, alors AY = λy (4.1.5) or, A = PBP 1, donc PBP 1 Y = λy. (4.1.6) Valeurs propres et matrices semblables On multiplie (4.1.6) à gauche par P 1, et on obtient Si on pose Z = P 1 Y, on a B Z = λz. (P 1 )PBP 1 Y = (P 1 )λy BP 1 Y = λp 1 Y. (4.1.7) De plus, Y 0 et P 1 inversible donc Ker P 1 = {0}. Donc Y Ker P 1 et Z 0. Donc Z est un vecteur propre de B associé à la valeur propre λ (ceci démontre à nouveau que λ est valeur propre de B). Sommaire Concepts Exemples Exercices Documents 17

18 section précédente chapitre section suivante 4.2 Matrices à coefficients complexes Existence et multiplicité des valeurs propres Valeurs propres, trace et déterminant Sommaire Concepts Exemples Exercices Documents 18

19 section suivant Existence et multiplicité des valeurs propres Exercices : Exercice A.1.10 Exercice A.1.11 Dans ce paragraphe, K = C. On étudie le cas le plus général des matrices à coefficients complexes. IR C, donc les matrices à coefficients réels sont des matrices à coefficients complexes. Pour ces matrices, on étudiera les valeurs propres et vecteurs propres complexes car, comme on l a vu, les valeurs propres et vecteurs propres de ces matrices ne sont pas toujours réels (revoir l exemple B.1.2 de la rotation). Les valeurs propres de la matrice A sont les racines du polynôme caractéristique de A. Puisque K = C, l existence et le nombre de valeurs propres d une matrice est une conséquence du théorème de d Alembert : Théorème de d Alembert - Un polynôme de degré n à coefficients réels ou complexes admet n racines dans C, chacune de ces racines étant comptée avec sa multiplicité. Sommaire Concepts Le polynôme Π A (s) peut donc s écrire sous la forme p Π A (s) = (s λ i ) r i i=1 Exemples Exercices Documents 19

20 section suivant où λ 1,λ 2,...,λ p sont les p racines distinctes du polynôme caractéristique (λ i λ j pour i j ), r i est la multiplicité de la racine λ i. p D après le théorème de d Alembert on a r i = n. On a donc la proposition suivante : i=1 Existence et multiplicité des valeurs propres Proposition Si A est une matrice appartenant à M n,n (C) qui admet p valeurs propres complexes distinctes notées λ 1,...,λ p, si l on note r i la multiplicité de λ i, alors p r i = n. i=1 Sommaire Concepts Exemples Exercices Documents 20

21 précédent section Valeurs propres, trace et déterminant Exercices : Exercice A.1.12 On va maintenant donner une autre façon de noter les valeurs propres. Prenons un exemple, on suppose que la matrice A M 7,7 (C) admet 3 valeurs propres distinctes : λ 1 valeur propre double, λ 2 valeur propre simple, λ 3 valeur propre de multiplicité 4. Avec les notations précédentes, on a : n = 7, p = 3,r 1 = 2,r 2 = 1,r 3 = 4. On définit maintenant µ 1 = µ 2 = λ 1, µ 3 = λ 2, µ 4 = µ 5 = µ 6 = µ 7 = λ 3. On dit que µ i,i = 1,...,7 sont les 7 valeurs propres distinctes ou confondues de A. p n On a bien sûr (s λ i ) r i = (s µ i ). i=1 i=1 Avec la notation précédente, la proposition peut s énoncer : Une matrice A appartenant à M n,n (C) admet n valeurs propres complexes distinctes ou confondues µ i,i = 1,...,n. La relation entre les coefficients d un polynôme et ses racines donne la proposition : Proposition Si A M n,n (C) et si µ 1,...,µ n sont ses valeurs propres complexes (distinctes ou confondues), alors Sommaire Concepts Exemples Exercices Documents 21

22 précédent section la trace de A est égale à la somme de ses valeurs propres : n n tracea = a i i = µ i, i=1 i=1 Valeurs propres, trace et déterminant le déterminant de A est égal au produit de ses valeurs propres : Démonstration det (A) = n µ i. i=1 Π A (s) = det (si A) = (s µ 1 )(s µ 2 )...(s µ n ). (4.2.1) Le coefficient de s n 1 dans det (si A) est n i=1 a i i car, dans le calcul du déterminant, seul le produit des éléments de la diagonale de si A donne un terme en s n 1. D autre part, le coefficient de s n 1 dans (s µ 1 )(s µ 2 )...(s µ n ) est n i=1 µ i. On a vu dans l équation (4.1.3) que Π A (0) = ( 1) n det (A). D autre part, Π A (0) = (0 µ 1 )(0 µ 2 )...(0 µ n ) = ( 1) n n i=1 µ i, ce qui démontre la deuxième propriété. Sommaire Concepts Exemples Exercices Documents 22

23 section précédente chapitre section suivante 4.3 Sous-espace propre Définition du sous-espace propre Somme directe des sous espaces propres Multiplicité d une valeur propre et dimension du sous espace propre 28 Sommaire Concepts Exemples Exercices Documents 23

24 section suivant Définition du sous-espace propre Exercices : Exercice A.1.13 Exercice A.1.14 On a vu qu à une valeur propre on peut associer une infinité de vecteurs propres. Ce résultat peut être précisé de la façon suivante : Proposition Si A M nn (K ), si λ K est une valeur propre de A, si on note V λ le sousensemble de M n1 (K ) défini par alors V λ est un sous-espace vectoriel de M n1 (K ) V λ = {Y M n1 (K ) AY = λy }, Démontrer cette proposition en exercice. Définition Si λ est une valeur propre de A, on appelle sous-espace propre associé à λ le sous-espace vectoriel de M n1 (K ), noté V λ, défini par : V λ = {Y M n1 (K ) AY = λy } = Ker (A λi ). Sommaire Concepts Exemples Exercices Documents 24

25 section suivant Le sous-espace propre V λ contient les vecteurs propres (non nuls) associés à λ et le vecteur nul. λ est une valeur propre de A, donc V λ {0}, donc dim V λ 1. Si u est un endomorphisme de E, si λ est une valeur propre de u, on peut également définir le sous-espace propre associé à λ. On a alors un sous-espace vectoriel de E : Définition du sous-espace propre Exemple : Soit la matrice A 5 = V λ = { x E,u( x) = λ x} V 1 = vect de l exercice A.1.5, alors on a, et V 2 = vect Sommaire Concepts Exemples Exercices Documents 25

26 précédent section suivant Somme directe des sous espaces propres Documents : Document C.1.1 Proposition Si λ 1,λ 2,...,λ p sont p valeurs propres distinctes d une matrice A appartenant à M n,n et si Y 1,Y 2,...,Y p sont p vecteurs propres associés c est à dire AY i = λ i Y i, Y i 0, alors la famille (Y 1,Y 2,...,Y p ) est libre. Démonstration Elle se fait par récurrence sur p. p = 1, il est évident que la famille (Y 1 ) est libre puisque un vecteur propre est non nul par définition. On suppose que la famille (Y 1,Y 2,...,Y p 1 ) est libre. On va démontrer par l absurde que la famille (Y 1,Y 2,...,Y p ) est libre. On suppose que (Y 1,Y 2,...,Y p ) est liée, alors, d après le chapitre 1, Y p est combinaison linéaire de (Y 1,Y 2,...,Y p 1 ). p 1 Y p = α i Y i i=1 On multiplie par la matrice A, puis on remarque que les vecteurs Y 1,Y 2,...,Y p sont des vecteurs propres : p 1 AY p = i=1 p 1 α i AY i λ p i=1 p 1 α i Y i = i=1 p 1 α i λ i Y i i=1 α i (λ i λ p )Y i = 0. Sommaire Concepts Exemples Exercices Documents 26

27 précédent section suivant Or la famille (Y 1,Y 2,...,Y p 1 ) est libre donc α i (λ i λ p ) = 0 i = 1,..., p 1. Or les valeurs propres sont toutes distinctes, donc λ i λ p 0 donc α i = 0 pour tout i = 1,..., p 1. On a donc Y p = 0, ce qui impossible puisque Y p est un vecteur propre. On vient de démontrer par l absurde que la famille (Y 1,Y 2,...,Y p ) est donc libre. Somme directe des sous espaces propres Proposition Si λ 1,λ 2,...,λ p sont p valeurs propres distinctes d une matrice A appartenant à M n,n, alors les sous-espaces vectoriels V λ1,v λ2,...,v λp sont en somme directe. La démonstration de la proposition précédente est proposée en document. Sommaire Concepts Exemples Exercices Documents 27

28 précédent section Multiplicité d une valeur propre et dimension du sous espace propre Exercices : Exercice A.1.15 Documents : Document C.1.2 Proposition Si λ est une valeur propre de A, si V λ est le sous-espace propre, si r est la multiplicité de λ et si d est la dimension de V λ, alors d r. Vous pouvez lire la démonstration de cette proposition en document. Exemple 1 : On définit la matrice ( 1 1 A = 0 1 Cette matrice est triangulaire supérieure donc ses valeurs propres sont les termes diagonaux. λ = 1 est donc valeur propre double et r = 2. Après calcul, on trouve donc dim V 1 = d = 1, on a donc d < r. ( 1 V 1 = vect < 0 ). ) > Sommaire Concepts Exemples Exercices Documents 28

29 précédent section Exemple 2 : La matrice identité a pour valeur propre double λ = 1 donc r = 2. ( 1 0 I = 0 1 De plus V 1 = M 21 en effet Y M 21, I Y = Y! Donc dim V 1 = d = 2. Ici, on a donc d = r. Proposition Si A M nn (K ), si λ 1,...,λ p sont les p valeurs propres distinctes appartenant à K, si d 1,...,d p sont les dimensions des sous-espaces propres V λ1,v λ2,...,v λp. alors ) Multiplicité d une valeur propre et dimension du sous espace propre p d i n. i=1 Démonstration Si on note r 1,r 2,...,r p les multiplicités des valeurs propres, on a p i=1 d i p i=1 r i. Or les valeurs propres sont les racines dans K du polynôme caractéristique. Ce polynôme est toujours de degré n, donc il admet n racines dans C et au plus n racines dans IR. Donc on a toujours p i=1 r i n. Sommaire Concepts Exemples Exercices Documents 29

30 section précédente chapitre section suivante 4.4 Réduction d une matrice Définition de la diagonalisation Condition nécessaire et suffisante de diagonalisation Condition suffisante de diagonalisation Trigonalisation d une matrice Applications de la diagonalisation Sommaire Concepts Exemples Exercices Documents 30

31 section suivant Définition de la diagonalisation Exercices : Exercice A.1.16 Définition On dit que la matrice A M n,n est diagonalisable dans K s il existe une matrice D M n,n (K ) diagonale et une matrice P M n,n (K ) inversible telles que A = PDP 1 ou, ce qui est équivalent, D = P 1 AP. Les matrices A et D sont semblables, donc elles ont les mêmes valeurs propres µ 1,...,µ n : ce sont les éléments de la diagonale de D. Donc D autre part Si on note Y 1,Y 2,...,Y n les colonnes de P, on a µ D = µ n D = P 1 AP AP = PD, AP = PD i = 1,2,...,n, AY i = µ i Y i. Sommaire Concepts Exemples Exercices Documents 31

32 section suivant Démontrer cette équivalence. P est inversible, donc ses colonnes sont non nulles donc Y i 0. Donc les colonnes Y i de P sont des vecteurs propres associés aux valeurs propres µ i. Définition de la diagonalisation Une matrice A diagonale appartenant à M n,n (K ) est diagonalisable dans K : il suffit de choisir D = A, P = I. Sommaire Concepts Exemples Exercices Documents 32

33 précédent section suivant Condition nécessaire et suffisante de diagonalisation Documents : Document C.1.3 Cours : Diagonalisation - définition Théorème A M n,n (K ) est diagonalisable dans K si et seulement si il existe une base de M n,1 (K ) constituée de vecteurs propres de A, c est-à-dire une base B = (Y 1,Y 2,...,Y n ) de M n,1 (K ) telle que AY i = µ i Y i, µ i K. Démonstration Dans toute cette démonstration les matrices ou vecteurs sont à coefficients dans K. A est diagonalisable il existe D diagonale, il existe P inversible qui vérifient D = P 1 AP il existe D diagonale, il existe P inversible qui vérifient PD = AP il existe une base (Y 1...Y n ) de M n,1 (K ) dont les vecteurs vérifient AY i = µ i Y i il existe une base de M n,1 (K ) constituée de vecteurs propres de A. Bien-sûr, dans la démonstration précédente, les Y i sont les colonnes de P et les µ i sont les termes diagonaux de D. On a déjà utilisé cette notation dans le paragraphe Diagonalisation-définition Sommaire Concepts Exemples Exercices Documents 33

34 précédent section suivant Théorème A M n,n est diagonalisable dans K si et seulement si elle admet p valeurs propres distinctes dans K vérifiant p r i = n et d i = r i i = 1...p i=1 Condition nécessaire et suffisante de diagonalisation ou, ce qui est équivalent, p d i = n i=1 (r i est la multiplicité de λ i, d i est la dimension du sous-espace propre associé à λ i ). p On peut remarquer que, si K = C, la condition r i = n est toujours vérifiée. La démonstration de ce théorème est proposée en document. i=1 Sommaire Concepts Exemples Exercices Documents 34

35 précédent section suivant Condition suffisante de diagonalisation Exercices : Exercice A.1.17 Proposition Si A appartient à M n,n (K ) et si A admet n valeurs propres distinctes (donc simples) dans K alors A est diagonalisable dans K Démonstration A admet n valeurs propres distinctes dans K. Or A admet au plus n valeurs propres comptées avec leur multiplicité, donc les valeurs propres sont simples : n r 1 = r 2 =... = r n = 1, donc r i = n. D autre part V λi {0} donc d i 1. i=1 De plus d i r i = 1, donc d i = r i = 1. On peut donc appliquer le théorème Sommaire Concepts Cette condition suffisante n est pas nécessaire. En effet, la matrice identité I a pour valeur propre 1, de multiplicité n, et pourtant I est diagonale (et donc diagonalisable!). Exemples Exercices Documents 35

36 précédent section suivant Attention! Une matrice peut être diagonalisable dans C et pas diagonalisable dans IR. Par exemple si A est la matrice de la rotation d angle θ kπ dans le plan, alors A n est pas diagonalisable dans IR car elle n a pas de valeurs propres réelles. Par contre elle est diagonalisable dans C, puisqu elle admet 2 valeurs propres complexes distinctes. Condition suffisante de diagonalisation Sommaire Concepts Exemples Exercices Documents 36

37 précédent section suivant Trigonalisation d une matrice Documents : Document C.1.4 Cours : Multiplicité d une valeur propre et dimension du sous espace propre Il existe des matrices qui ne sont pas diagonalisables. Par exemple, la matrice ( 1 1 A = 0 1 est triangulaire supérieure, elle admet une seule valeur propre λ = 1 qui est double : µ 1 = µ 2 = 1. Si A était diagonalisable alors elle serait semblable à la matrice identité et on aurait A = PI P 1 = I! Ceci est faux, donc A n est pas diagonalisable ( ni dans IR, ni dans C). ) Autre démonstration : on a étudié cette matrice dans le cours référencé et on a montré que d = 1,r = 2 donc d < r. Donc la condition nécessaire et suffisante de diagonalisation n est pas vérifiée, donc la matrice A n est pas diagonalisable! Quand on ne peut pas diagonaliser une matrice, on peut chercher une autre forme de matrice semblable, par exemple une matrice T triangulaire supérieure. Théorème Toute matrice A M n,n (C) est semblable à une matrice triangulaire supérieure T M n,n (C). Sommaire Concepts Exemples Exercices Documents 37

38 précédent section suivant La démonstration de ce théorème est donnée en document. On peut citer un autre théorème en remplaçant triangulaire supérieure par triangulaire inférieure. Trigonalisation d une matrice La trigonalisation d une matrice A, c est-à-dire la recherche d une matrice triangulaire semblable à A, nécessite la connaissance de toutes les valeurs propres de A, ce qui est coûteux numériquement. C est donc une opération que l on évite de faire effectivement. Mais, sur le plan mathématique, cela est très important, comme on le verra plus tard. Sommaire Concepts Exemples Exercices Documents 38

39 précédent section Applications de la diagonalisation Parmi les applications de la réduction de matrices, on peut en citer deux : Calcul de la puissance d une matrice Si A M n,n (K ) est diagonalisable dans K, alors il existe une matrice diagonale D = µ µ n et une matrice inversible P telles que A = PDP 1. On peut montrer facilement que A k = PD k P 1 avec D k = µ k µ k n Sommaire Concepts Résolution d un système de suites récurrentes Exemples Exercices Documents 39

40 précédent section (u n ) et (v n ) sont deux suites réelles définies par : u 0, v 0 donnés u n+1 = a 11 u n + a 12 v n,n N v n+1 = a 21 u n + a 22 v n,n N Applications de la diagonalisation On pose Dans ce cas, le système précédent s écrit : ( un X n = v n ). avec X n+1 = AX n ( a11 a 12 A = a 21 a 22 ). On a alors X n = A n X 0 Sommaire Concepts Exemples Exercices Documents 40

41 section précédente chapitre 4.5 Compléments Théorème de Cayley-Hamilton Formes de Jordan Sommaire Concepts Exemples Exercices Documents 41

42 section suivant Théorème de Cayley-Hamilton Exercices : Exercice A.1.18 Exercice A.1.19 Préliminaire : Si A est une matrice carrée, A M n,n (K ), on peut définir ses puissances successives A 2, A 3,... Si π est un polynôme à coefficients dans K donné par : on peut alors définir la matrice carrée π(s) = s n + c 1 s n 1 + c 2 s n c n 1 s + c n, π(a) = A n + c 1 A n 1 + c 2 A n c n 1 A + c n I. La matrice π(a) commute avec A, c est à dire A π(a) = π(a) A. En effet, le produit matriciel est distributif par rapport à la somme et, de plus, A commute avec A k, c est à dire A A k = A k A = A k+1. Théorème Si A appartient à M n,n (K ), si π A est son polynôme caractéristique noté Sommaire Concepts alors π A (s) = s n + α 1 s n α n 1 s + α n, π A (A) = A n + α 1 A n α n 1 A + α n I = 0. Exemples Exercices Documents 42

43 section suivant Remarque : Une des conséquences de ce théorème est que A n = α 1 A n 1 α n 1 A α n I et donc, pour tout k tel que k n, A k peut s écrire comme une combinaison linéaire de I, A,... A n 1. Théorème de Cayley- Hamilton Démonstration.- On ne va pas donner la démonstration de ce théorème dans le cas général,mais seulement dans le cas particulier où A est diagonalisable dans K. On suppose donc qu il existe une base (Y 1,...,Y n ) de M n,1 (K ) constituée de vecteurs propres de A. D après l exercice A.1.18, une matrice B appartenant à M nn (K ) est nulle si et seulement si, i = 1,...,n, BY i = 0. On applique ce résultat à la matrice π A (A). On va donc montrer que pour i = 1,...,n on a : (A n + α 1 A n α n 1 A + α n I )Y i = 0. (4.5.1) (µ i,y i ) est un couple propre de A, on a donc pour tout k = 1,2,...,n A k Y i = A k 1 (AY i ) = µ i A k 1 Y i = µ 2 i Ak 2 Y i = = µ k i Y i. On a donc : (A n + α 1 A n α n 1 A + α n I )Y i = A n Y i + α 1 A n 1 Y i +...α n 1 AY i + α n Y i = µ n i Y i + α 1 µ n 1 i Y i +...α n 1 µ i Y i + α n Y i = (µ n i + α 1µ n 1 i +...α n 1 µ i + α n )Y i = π A (µ i )Y i = 0Y i = 0. Sommaire Concepts Exemples Exercices Documents 43

44 section suivant En effet, µ i est racine du polynôme caractéristique π A, donc π A (µ i ) = 0. On vient donc d établir la relation et le théorème est démontré dans le cas particulier d une matrice diagonalisable. ( Exemple : Soit A = ). Son polynôme caractéristique est Théorème de Cayley- Hamilton π A (s) = (s 2) = s 2 4s + 5. Calculons A 2 : On a bien : ( π A (A) = ) ( 4 ( A 2 = ). ) ( ) ( 0 0 = 0 0 ) = 0. Le théorème de Cayley-Hamilton permet aussi de calculer l inverse d une matrice. Dans l exemple précédent, A 2 4A + 5I = 0, donc et donc 1 A( A + 4I ) = I 5 A 1 = 1 ( A + 4I ). 5 Sommaire Concepts Exemples Exercices Documents 44

45 précédent section Formes de Jordan Cours : Trigonalisation d une matrice On a démontré dans le cours référencé que toute matrice carrée A était semblable à une matrice triangulaire. En fait, on peut même obtenir une forme triangulaire supérieure particulière appelée forme de Jordan de la matrice A. On appelle bloc de Jordan associé à la valeur propre λ de A, une matrice carrée J λ de la forme : λ λ λ J λ = λ λ La matrice triangulaire supérieure J λ a une taille qui dépend de la valeur propre λ de A. Cette matrice est telle que : tous ses éléments diagonaux sont égaux et valent λ, seule la première sur-diagonale est non-nulle et ses éléments valent 1.. Sommaire Concepts Exemples Exercices Documents 45

46 précédent section Il est alors possible de montrer que A est semblable à une matrice J de la forme : J λ J λ J = Formes de Jordan J λm La matrice J est donc une matrice diagonale par blocs. Les blocs de Jordan J λk ont une taille que l on peut déterminer théoriquement. Les valeurs propres λ 1,...,λ m étant distinctes ou non (évidemment, si v k est la taille de la matrice J λk, on a m k=1 v k = n). Cela veut dire qu à une valeur propre on peut associer plusieurs blocs de Jordan de tailles diverses. Si la valeur λ est simple, alors le bloc de Jordan associé est réduit à une matrice 1 1 qui est donc la valeur propre elle-même! Exemple de forme de Jordan : Sommaire Concepts Exemples Exercices Documents 46

47 précédent section Voici un exemple de forme de Jordan. On suppose que λ 1,λ 2,...,λ 5 sont distinctes. : A = λ λ λ λ 1 λ λ λ 2 λ λ 2 λ λ 3 λ 4 λ 4 λ 5 Formes de Jordan Pour plus de lisibilité, les termes nuls ne sont pas indiqués. Dans ce cas, on a n = 14 : taille de la matrice A. m = 7 : nombre de blocs de Jordan. Sommaire Concepts A a 5 valeurs propres distinctes : λ 1 de multiplicité 4, λ 2 de multiplicité 5, λ 3 double, λ 4 double, λ 5 simple. Exemples Exercices Documents 47

48 précédent section Si A est semblable à A, alors A = PA P 1. A admet les mêmes valeurs propres avec la même multiplicité. En utilisant les propriétés du produit matriciel, on peut montrer facilement que P 1, la première colonne de P, est vecteur propre de A associé à λ 1, P 5, et P 8 sont vecteurs propres de A associé à λ 2, P 10 est vecteur propre de A associé à λ 3, P 12 et P 13 sont vecteurs propres de A associé à λ 4, P 14 est vecteur propre de A associé à λ 5. Formes de Jordan On peut en déduire que d 1 1,d 2 2,d 3 1,d 4 2,d 5 1. On peut montrer (admis) que la dimension de chacun des sous-espaces propres vaut d 1 = 1,d 2 = 2,d 3 = 1,d 4 = 2,d 5 = 1. Sommaire Concepts Exemples Exercices Documents 48

49 précédent suivant Annexe A Exercices A.1 Exercices du chapitre A.2 Exercices de TD Sommaire Concepts Exemples Exercices Documents 49

50 chapitre section suivante A.1 Exercices du chapitre 4 A.1.1 Ch4-Exercice A.1.2 Ch4-Exercice A.1.3 Ch4-Exercice A.1.4 Ch4-Exercice A.1.5 Ch4-Exercice A.1.6 Ch4-Exercice A.1.7 Ch4-Exercice A.1.8 Ch4-Exercice A.1.9 Ch4-Exercice A.1.10 Ch4-Exercice A.1.11 Ch4-Exercice A.1.12 Ch4-Exercice A.1.13 Ch4-Exercice A.1.14 Ch4-Exercice A.1.15 Ch4-Exercice A.1.16 Ch4-Exercice A.1.17 Ch4-Exercice A.1.18 Ch4-Exercice A.1.19 Ch4-Exercice Sommaire Concepts Exemples Exercices Documents 50

51 section suivant Exercice A.1.1 Ch4-Exercice1 Quels sont les vecteurs propres de l application identité? Préciser les valeurs propres associées. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 51

52 précédent section suivant Exercice A.1.2 Ch4-Exercice2 On demande de répondre à cet exercice de façon intuitive, on verra plus loin comment l aborder de façon plus systématique : Si u est la projection de l espace sur un plan parallèlement à une droite, citer des vecteurs propres de u et les valeurs propres associées. Si u est la rotation du plan d angle α : quand α = π, citer des vecteurs du plan qui soient vecteurs propres de u, préciser les valeurs propres associées, quand α = π 3, pouvez-vous citer des vecteurs du plan qui soient vecteurs propres de u? Solution retour au cours Sommaire Concepts Exemples Exercices Documents 52

53 précédent section suivant Exercice A.1.3 Ch4-Exercice3 Montrer que si Y, est vecteur propre de A, alors αy est vecteur propre de A (pour tout α K non nul). Solution retour au cours Sommaire Concepts Exemples Exercices Documents 53

54 précédent section suivant Exercice A.1.4 Ch4-Exercice4 1. Soit I la matrice identité de M n,n, déterminer ses vecteurs propres et ses valeurs propres. 2. Déterminer les vecteurs propres et les valeurs propres de la matrice A = Déterminer les valeurs propres et les vecteurs propres d une matrice diagonale. 3. Montrer que : A non inversible 0 est valeur propre de A.. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 54

55 précédent section suivant Exercice A.1.5 Ch4-Exercice5 Calculer les valeurs propres et les vecteurs propres réels (K = IR) des matrices : ( ) ( ) ( ) ( ) A 1 =, A 2 =, A 3 =, A 4 =, A 5 = 0 1 0, A 6 = 0 1 0, A 7 = Calculer les valeurs propres et les vecteurs propres complexes (K = C) des matrices précédentes ( ) 1 1 puis de la matrice :A 8 =. i + 1 2i Solution retour au cours Sommaire Concepts Exemples Exercices Documents 55

56 précédent section suivant Exercice A.1.6 Ch4-Exercice6 Démontrer la propriété suivante : si A M n,n est une matrice triangulaire ses valeurs propres sont ses termes diagonaux. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 56

57 précédent section suivant Exercice A.1.7 Ch4-Exercice7 Démontrer les propriétés suivantes : si A M n,n : 1. {λ valeur propre de A} { λ valeur propre de Ā} ( avec la même multiplicité). 2. Si A M n,n (IR), alors : {λ valeur propre de A} { λ valeur propre de A ( avec la même multiplicité) }. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 57

58 précédent section suivant Exercice A.1.8 Ch4-Exercice8 Les matrices A et A T ont-elles les mêmes vecteurs propres? Solution retour au cours Sommaire Concepts Exemples Exercices Documents 58

59 précédent section suivant Exercice A.1.9 Ch4-Exercice9 ( 5 2 Soient A = 2 2 ) ( 1 2, P = 2 5 ) ( 5 2. On peut vérifier que P 1 = 2 1 ). On définit B = P 1 AP, calculer B, ses valeurs propres et ses vecteurs propres, comparer avec ceux de A. Qu en pensezvous? Solution retour au cours Sommaire Concepts Exemples Exercices Documents 59

60 précédent section suivant Exercice A.1.10 Ch4-Exercice10 Vérifier sur les matrices de l exercice A.1.5 que p i=1 r i = n (notations de la proposition 4.2.1). retour au cours Sommaire Concepts Exemples Exercices Documents 60

61 précédent section suivant Exercice A.1.11 Ch4-Exercice11 Pour chacune des affirmations suivantes répondre par VRAI ou FAUX en justifiant votre réponse à l aide de démonstrations, d exemples ou de contre-exemples selon le cas. 1. Toute matrice A M 2,2 (IR) admet 2 valeurs propres réelles. 2. Il existe des matrices A M 2,2 (IR) qui admettent 2 valeurs propres réelles. 3. Il existe des matrices A M 2,2 (C) qui admettent 2 valeurs propres réelles. 4. Toute matrice A M 2,2 (IR) admet 2 valeurs propres complexes distinctes ou non. 5. Il existe des matrices A M 2,2 (IR) qui admettent 1 valeur propre réelle et 1 valeur propre complexe non réelle. 6. Il existe des matrices A M 2,2 (IR) qui admettent 1 seule valeur propre réelle simple. 7. Il existe des matrices A M 3,3 (IR) qui n admettent pas de valeur propre réelle. retour au cours Solution Sommaire Concepts Exemples Exercices Documents 61

62 précédent section suivant Exercice A.1.12 Ch4-Exercice12 Vérifier sur les matrices de l exercice A.1.5 que la trace d une matrice est la somme de ses valeurs propres et que son déterminant est le produit de ses valeurs propres. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 62

63 précédent section suivant Exercice A.1.13 Ch4-Exercice13 On définit : : V λ = {Y M n1 AY = λy }. montrer que : V λ est un sous espace vectoriel de M n1 Solution retour au cours Sommaire Concepts Exemples Exercices Documents 63

64 précédent section suivant Exercice A.1.14 Ch4-Exercice14 Soit A la matrice définie par : A = Reprendre les calculs qui ont déja été faits dans le paragraphe "Valeur et vecteur propres d une matrice" pour donner une base de V 0 et V 1.. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 64

65 précédent section suivant Exercice A.1.15 Ch4-Exercice15 Reprendre les matrices de l exercice A.1.5 dans le cas K = C. Pour chacune d elles, donner la multiplicité r i de chacune de ses valeurs propres λ i et préciser la dimension d i du sous espace propre V λi. Vérifier l inégalité entre r i et d i. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 65

66 précédent section suivant Exercice A.1.16 Ch4-Exercice16 Montrer que si A = PDP 1 où la matrice D est diagonale, alors les colonnes de P sont vecteurs propres de A, les éléments de la diagonale de D sont les valeurs propres de A. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 66

67 précédent section suivant Exercice A.1.17 Ch4-Exercice17 Les matrices de l exercice A.1.5 sont-elles diagonalisables dans IR, dans C? Si oui, donner une matrice D diagonale et une matrice P régulière telle que D = P 1 AP. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 67

68 précédent section suivant Exercice A.1.18 Ch4-Exercice18 Soit B M n,n et soit X M n,1 (vecteur non nul), est-ce que B X = 0 = B = 0? Montrer que si (X 1,..., X n ) est une base de M n,1, alors B X i = 0, i = 1,...,n = B = 0. Solution retour au cours Sommaire Concepts Exemples Exercices Documents 68

69 précédent section Exercice A.1.19 Ch4-Exercice19 Soit A M n,n (K ) telle que π A (s) = s n 1 Donner A 1 en fonction de A. retour au cours Solution Sommaire Concepts Exemples Exercices Documents 69

70 section précédente chapitre A.2 Exercices de TD A.2.1 TD4-Exercice A.2.2 TD4-Exercice A.2.3 TD4-Exercice A.2.4 TD4-Exercice A.2.5 TD4-Exercice A.2.6 TD4-Exercice A.2.7 TD4-Exercice A.2.8 TD4-Exercice A.2.9 TD4-Exercice A.2.10 TD4-Exercice A.2.11 TD4-Exercice Sommaire Concepts Exemples Exercices Documents 70

71 section suivant Exercice A.2.1 TD4-Exercice1 1. Calculer les valeurs propres et les vecteurs propres réels, puis complexes, des matrices : A 1 = , A 2 = , A 3 = Déterminer, suivant la valeur de a, les valeurs propres et les vecteurs propres de la matrice : 1 a A 4 = (4 + a) Calculer les valeurs propres et les vecteurs propres de : ( A1 0 A 5 = 0 A 2 ). Sommaire Concepts réponses : 1. (a) λ 0 = 0,λ 1 = 1,λ 2 = 2, Y 0 = α 4 3 2,Y 1 = β 4 0 1,Y 2 = γ Exemples Exercices Documents 71

72 section suivant (b) λ 1 = 1,λ 2 = 2, Y 1 = α 1 1 1,Y 2 = β (c) λ 1 = 0,λ 2 = 1 + j,λ 3 = 1 + j 2, 1 1 Y 1 = α 1 1,Y 2 = β j j 2,Y 3 = γ 2. λ = 1. Si a = 0, Y = α Si a 0, Y = α β + β γ j 2 j γ Exercice A.2.1 TD4-Exercice1 Question 1 Aide 1 Aide 2 Aide 3 Question 2 Aide 1 Aide 2 Aide 3 Question 3 Aide 1 Aide 2 Aide 3 Sommaire Concepts Exemples Exercices Documents 72

73 précédent section suivant Exercice A.2.2 TD4-Exercice2 Soit A M n,n (IR) : A = α n α n 1 α 1 1. Quel est le polynôme caractéristique de la matrice A? 2. Si λ est valeur propre de A, déterminer les vecteurs propres correspondants. Question 1 Aide 1 Aide 2 Aide 3 Aide 4 Question 2 Aide 1 Aide 2 Aide 3 Sommaire Concepts Exemples Exercices Documents 73

74 précédent section suivant Exercice A.2.3 TD4-Exercice3 Si (λ,y ) est un couple propre de la matrice A, donner un couple propre de la matrice A + αi. Si (λ,y ) est un couple propre de la matrice A, donner un couple propre de la matrice A 2. Aide 1 Aide 2 Sommaire Concepts Exemples Exercices Documents 74

75 précédent section suivant Exercice A.2.4 TD4-Exercice4 Soit A M n,n (IR). 1. (a) Montrer que si A 2 + I = 0, alors A n admet aucune valeur propre réelle. (b) Donner une matrice A M 2,2 (IR) vérifiant A 2 = I. 2. Montrer qu il n existe aucune matrice appartenant à M 3,3 (IR) telle que A 2 + I = 0. Question 1a Aide 1 Aide 2 Question 1b Aide 1 Aide 2 Question 2 Aide 1 Aide 2 Sommaire Concepts Exemples Exercices Documents 75

76 précédent section suivant Exercice A.2.5 TD4-Exercice5 1. Soient 2 matrices A et B appartenant à M n,n. (a) Montrer que si 0 est valeur propre de AB alors 0 est valeur propre de B A. (b) Montrer que AB et B A ont les mêmes valeurs propres. 2. Soient 2 matrices A et B appartenant respectivement à M n,m et M m,n. Soit λ une valeur propre non nulle de AB. On note V λ le sous espace propre correspondant. (a) Montrer que λ est valeur propre de B A. On note W λ le sous-espace propre correspondant. (b) Soit (Y 1,Y 2,...,Y p ) une base de V λ, montrer que (BY 1,BY 2,...,BY p ) est une famille libre. (c) En déduire que dim V λ dim W λ. (d) En déduire que dim V λ = dim W λ On définit X = 1 1,Y = 0 1,C = X Y T. Calculer X T Y. Calculer les valeurs et vecteurs propres de C. Les résultats obtenus dans cette question peuvent être généralisés, c est ce que l on verra à la question suivante. 4. Soient 2 vecteurs colonnes non nuls X et Y appartenant à M n,1 avec n > 1. (a) Montrer que 0 est valeur propre de X Y T. Quelle est la dimension de V 0? En déduire une inégalité sur la multiplicité de la valeur propre 0. (b) On suppose que X T Y 0, en déduire une autre valeur propre de X Y T. Sommaire Concepts Exemples Exercices Documents 76

77 précédent section suivant 5. Soit A une matrice de rang 1 appartenant à M n,n avec n > 1. (a) On suppose que la trace de A est différente de 0, déterminer toutes les valeurs propres de A et leur multiplicité. (b) On suppose que la trace de A est nulle. Quelles sont toutes les valeurs propres de A et leur multiplicité? (c) A quelle condition la matrice A est-elle diagonalisable? Exercice A.2.5 TD4-Exercice5 Question 1a Aide 1 Aide 2 Question 1b Aide 1 Aide 2 Aide 3 Question 2a Aide 1 Question 2b Aide 1 Aide 2 Question 2c Aide 1 Question 2d Aide 1 Question 3 Aide 1 Question 4a Aide 1 Aide 2 Question 4b Aide 1 Aide 2 Question 5a Aide 1 Aide 2 Aide 3 Question 5b Aide 1 Aide 2 Question 5c Aide 1 Sommaire Concepts Exemples Exercices Documents 77

78 précédent section suivant Exercice A.2.6 TD4-Exercice6 ( ) 2 2 Soit A = et f l application définie par f (x) = Ax, x M 2,1 (IR) Calculer les valeurs propres et vecteurs propres de A. Montrer qu il existe une base de M 2,1 (IR) constituée de vecteurs propres de A. Donner la matrice  associée à f quand on choisit cette base. ( 2 Réponse : λ 1 = 1,λ 2 = 4,Y 1 = α 1 ) ( 1,Y 2 = α 1 2. Montrer que si A = P ÂP 1, alors A n = P  n P 1,(n 0). Donner A n en fonction de n. ( ( 4) Réponse : A n = 1 n + 2( 1) n 2( 4) n + 2( 1) n ) 3 ( 4) n + ( 1) n 2( 4) n + ( 1) n. 3. La relation précédente est-elle encore valable pour n = 1? 4. On considère les suites réelles (v n ) et (w n ) définies par : w 0 IR, v 0 IR, v n+1 = 2v n + 2w n, w n+1 = v n 3w n. Exprimer v n+1 et w n+1 à l aide v 0, w 0 et n. 5. On considère la suite réelle (u n ) définie par ). u 0 IR et u n+1 = 2u n + 2 u n 3. Exprimer u n en fonction de n et de u 0. (On écrira u n = v n w n ). On suppose que u n est défini pour tout n. La suite est-elle convergente? Si oui, donner sa limite. Réponse : oui et si u 0 = 2,l = 2, si u 0 2,l = 1. Sommaire Concepts Exemples Exercices Documents 78

79 précédent section suivant Question 1 Aide 1 Aide 2 Question 2 Aide 1 Question 3 Aide 1 Question 4 Aide 1 Aide 2 Question 5 Aide 1 Aide 2 Aide 3 Exercice A.2.6 TD4-Exercice6 Sommaire Concepts Exemples Exercices Documents 79

80 précédent section suivant Exercice A.2.7 TD4-Exercice7 1. Les matrices de l exercice A.2.1 sont-elles diagonalisables dans C? réponse : A 1, A 2, A 3, A 5 : oui ; A 4 : non. 1 a 1 2. On définit A = 0 1 b, pour quelles valeurs de a,b,c la matrice A est-elle diagonalisable 0 0 c? Pour quelles valeurs de a, b, c la matrice A est-elle inversible? réponse : A est inversible c 0, A est diagonalisable c 1, a = 0. 1 a a 1 1 b a a 1 b 3. On définit A =, pour quelles valeurs de a,b la matrice A estelle b a 1 a 1 + b 0 a a 0 diagonalisable? Pour quelles valeurs de a,b la matrice A est-elle inversible? réponse : A est diagonalisable a = b = 0. Question 1 Aide 1 Question 2 Aide 1 Aide 2 Question 3 Aide 1 Aide 2 Aide 3 Sommaire Concepts Exemples Exercices Documents 80

81 précédent section suivant Exercice A.2.8 TD4-Exercice8 ( Sans calculs dire si la matrice A = 0 1 ) est diagonalisable. 2. Soit A M n,n qui est diagonalisable et qui admet une valeur propre de multiplicité n, que vaut A? Question 1 Aide 1 Aide 2 Question 2 Aide 1 Sommaire Concepts Exemples Exercices Documents 81

82 précédent section suivant Exercice A.2.9 TD4-Exercice9 Soient 2 matrices A et B appartenant à M n,n, on suppose que AB=B A. Soit λ une valeur propre de A, on note V λ le sous-espace propre associé. 1. Montrer que si Y V λ alors BY V λ. 2. On suppose maintenant que λ est de multiplicité 1, en déduire que si Y est vecteur propre de A associé à la valeur propre λ alors Y est vecteur propre de B. 3. On suppose que A admet n valeurs propres distinctes dans K. Montrer alors que A et B sont diagonalisables dans K. On montrera plus précisément qu il existe une base de M n,1 (K ) constituée de vecteurs propres communs à A et B. Question 1 Aide 1 Question 2 Aide 1 Aide 2 Aide 3 Question 3 Aide 1 Aide 2 Aide 3 Aide 4 Sommaire Concepts Exemples Exercices Documents 82

83 précédent section suivant Exercice A.2.10 TD4-Exercice10 Soit la matrice J appartenant à M n,n, n 2, définie par : 1. J est elle diagonalisable? J = λ λ λ λ 2. Déterminer les valeurs propres de J, leur multiplicité et la dimension du sous-espace propre associé.. Question 1 Aide 1 Question 2 Aide 1 Sommaire Concepts Exemples Exercices Documents 83

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme Espaces euclidiens 1 Bases orthonormées Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme d habitude : < x, y >, ou (x, y) ou < x y > On note < x, x >= x 2, x est

Plus en détail

APPLICATIONS LINÉAIRES ET MATRICES. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016)

APPLICATIONS LINÉAIRES ET MATRICES. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) APPLICATIONS LINÉAIRES ET MATRICES Résumé de cours d algèbre linéaire L de B. Calmès, Université d Artois (version du er février 206). Applications linéaires Soient E et F des espaces vectoriels sur K...

Plus en détail

Exercices fondamentaux

Exercices fondamentaux Université de Nantes Département de Mathématiques DEUG MIAS - Module M2 Algèbre Année 2002/2003 Liste d exercices n 1 Exercices fondamentaux Espaces vectoriels, sous-espaces vectoriels 1. Montrer que l

Plus en détail

Changement de bases. 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a :

Changement de bases. 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a : Changement de bases. Position du problème On considère un espace vectoriel de dimension, dont on connaît une base,,,. On considère une famille de vecteurs de cet espace vectoriel,,,. ppelle la matrice

Plus en détail

Chapitre 3: Applications linéaires

Chapitre 3: Applications linéaires APPLICATIONS LINEAIRES 57 Chapitre 3: Applications linéaires 3.1 Introduction et définitions Introduction : Une application linéaire est une application entre espaces vectoriels qui préserve l'addition

Plus en détail

ESPACES PRÉHILBER TIENS RÉELS

ESPACES PRÉHILBER TIENS RÉELS ESPACES PRÉHILBER TIENS RÉELS 1 Produit scalaire et norme 1.1 Produit scalaire Définition 1.1 Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinéaire symétrique définie positive

Plus en détail

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire Algèbre linéaire rédigé par Anne Moreau 1 2 Table des matières 1 Espaces Vectoriels 5 11 Structure d espace vectoriel 5 111 Espaces vectoriels

Plus en détail

{ 2x + y = 1 3x + 7y = 2

{ 2x + y = 1 3x + 7y = 2 Enoncés : Barbara Tumpach Exo7 Révisions Algèbre linéaire Exercice. Résoudre de quatre manières différentes le système suivant (par substitution, par la méthode du pivot de Gauss, en inversant la matrice

Plus en détail

Valeurs propres, vecteurs propres, diagonalisation. 1 Valeurs propres, vecteurs propres, sous-espaces propres

Valeurs propres, vecteurs propres, diagonalisation. 1 Valeurs propres, vecteurs propres, sous-espaces propres Valeurs propres, vecteurs propres, diagonalisation 1 Valeurs propres, vecteurs propres, sous-espaces propres Soenit E un espace vectoriel et ϕ un endomorphisme de E (c est à dire une application linéaire

Plus en détail

Les équations du premier degré

Les équations du premier degré TABLE DES MATIÈRES 1 Les équations du premier degré Paul Milan LMA Seconde le 10 septembre 2010 Table des matières 1 Définition 1 2 Résolution d une équation du premier degré 2 2.1 Règles de base................................

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

A. Décomposition de Dunford

A. Décomposition de Dunford SESSION 2011 Concours commun Mines-Ponts PREMIÈRE EPREUVE FILIÈRE MP 1 Le polynôme P ( 1 n (X λ i α i A Décomposition de Dunford (λ i X α i P i est annulateur de f d après le théorème de Cayley- Hamilton

Plus en détail

Chapitre 4. Base et génératrice

Chapitre 4. Base et génératrice Chapitre 4. Base et génératrice 1. Système lié ou libre Soient v 1,, v m un système de vecteurs. On se pose la question : Est-ce que le vecteur 0 est une combinaison linéaire des v i? Chapitre 4. Base

Plus en détail

Algèbre linéaire. Cours 3. 1 Valeurs propres et vecteurs propres. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur

Algèbre linéaire. Cours 3. 1 Valeurs propres et vecteurs propres. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur Algèbre linéaire Cours 3 Valeurs propres et vecteurs propres V. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur Définition. Un scalaire λ K est une valeur propre de T s il existe

Plus en détail

Matrices. Une matrice (n,p) est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : (a 11...

Matrices. Une matrice (n,p) est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : (a 11... I Généralités Matrices Une matrice n,p est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : A= a 11 a 1p a n1 a np où le terme a ij R On peut aussi écrire la matrice

Plus en détail

1 Notion de matrice. 2 Opérations sur les matrices. 1.1 Définitions et notations

1 Notion de matrice. 2 Opérations sur les matrices. 1.1 Définitions et notations ECS 3 2013 2014 Semaine de colle n o 16 du 13 au 17 janvier Toutes les définitions /énoncés du cours sont à connaître précisément Les démonstrations/exemples vus en classe peuvent être proposées comme

Plus en détail

LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE

LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE 0-1- 014 J.F.C. Eve p. 1 LES BONS COUPS DE BILI-NÉAIRE THE KID POUR AMÉLIORER TON EUCLIDIENNE ATTITUDE Dans la suite, sauf mention du contraire, est un produit scalaire sur le R-espace vectoriel

Plus en détail

Matrices symétriques réelles.

Matrices symétriques réelles. Université de Nice SL2M 2009-10 Algèbre 2 Matrices symétriques réelles. 4. Calcul matriciel 4.1. Application bilinéaire symétrique associée à une matrice symétrique. On considère une matrice symétrique

Plus en détail

Chapitre 9. Calcul matriciel

Chapitre 9. Calcul matriciel 9 Chapitre Chapitre 9. Calcul matriciel 'objectif de ce chapitre est de présenter l utilisation de TI-Nspire CAS dans le domaine du calcul matriciel et de montrer comment il est possible d en étendre les

Plus en détail

LAAS-CNRS. JAUMOUILLÉ Rodolphe

LAAS-CNRS. JAUMOUILLÉ Rodolphe 2009 LAAS-CNRS JAUMOUILLÉ Rodolphe [ Tutoriel pour le logiciel de Simulation de communications distribuées et de reconnaissance de formes d une SmartSurface] Tutoriel pour un logiciel permettant de simuler

Plus en détail

Des ensembles linéairement indépendants; les bases Algèbre linéaire I MATH 1057 F

Des ensembles linéairement indépendants; les bases Algèbre linéaire I MATH 1057 F Des ensembles linéairement indépendants; les bases Algèbre linéaire I MATH 157 F Julien Dompierre Département de mathématiques et d informatique Université Laurentienne Sudbury, 9 mars 211 (In)dépendance

Plus en détail

Matrices. Bcpst 1 4 mars 2016

Matrices. Bcpst 1 4 mars 2016 Matrices Bcpst 1 4 mars 2016 Notations du chapitre Dans tout ce chapitre, n et p sont deux entiers naturels non nuls désigne l ensemble ou l ensemble I Ensemble des matrices Definition 11 Matrice à n lignes

Plus en détail

RSA - bases mathématiques

RSA - bases mathématiques RSA - bases mathématiques Jang Schiltz Centre Universitaire de Luxembourg Séminaire de Mathématiques 162A, avenue de la Faïencerie L-1511 Luxembourg Luxembourg E-mail:schiltzj@cu.lu 1 Divisibilité Définition

Plus en détail

Valeurs propres, vecteurs propres Diagonalisation

Valeurs propres, vecteurs propres Diagonalisation Valeurs propres, vecteurs propres Diagonalisation Valeurs propres, vecteurs propres Définition. Soit la matrice carrée A : n n et le système A x λ x () où λ est un paramètre. On appelle valeur propre de

Plus en détail

CH III Matrices. 1 / 8

CH III Matrices. 1 / 8 CH III Matrices. 1 / 8 Objectifs : Définition, dimension et opérations de matrices. Matrice transposée. Multiplication de deux matrices. Application à la résolution de système linéaire. I. La notion de

Plus en détail

1 Somme de sous-espaces vectoriels

1 Somme de sous-espaces vectoriels Compléments d algèbre linéaire 1 Somme de sous-espaces vectoriels 1.1 Somme de 2 sevs Soient E 1 et E 2 deux sous-espaces vectoriels de E. On appelle somme de E 1 et E 2 l ensemble noté E 1 + E 2 et défini

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PSI

EPREUVE SPECIFIQUE - FILIERE PSI SESSION 2016 PSIMA02 EPREUVE SPECIFIQUE - FILIERE PSI MATHEMATIQUES Mardi 3 mai : 14 h - 18 h NB : le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction

Plus en détail

Généralités sur les matrices

Généralités sur les matrices Généralités sur les matrices Sommaire 1. Matrices particulières... 1 2. Opérations sur les matrices... 2 Multiplication par un scalaire :... 2 Addition de deux matrices de même dimension () et... 2 Multiplication

Plus en détail

Matrices. Par exemple, voici comment est notée et indexée une matrice 3 5 : (a 11. a 13. a 12. a 15 a 21 a 22 a 23 a 24 a 25 a 31. a 14 A = a 32.

Matrices. Par exemple, voici comment est notée et indexée une matrice 3 5 : (a 11. a 13. a 12. a 15 a 21 a 22 a 23 a 24 a 25 a 31. a 14 A = a 32. Matrices I- Généralités Définition : Une matrice A de taille n p est un tableau à deux dimensions de nombres a i j où i est la ligne et j la colonne, avec i n et j p Par exemple, voici comment est notée

Plus en détail

3 = 2 3 1 2 2 3, A 4 =

3 = 2 3 1 2 2 3, A 4 = Soit A une matrice de M n (IK). Une décomposition LU de A est une égalité A = LU, où L est une matrice triangulaire inférieure (L pour Low ) à diagonale unité (tous les coefficients diagonaux valent 1),

Plus en détail

Chapitre 4 : Matrices

Chapitre 4 : Matrices Lycée Paul Sabatier Classe de Première ES, Spécialité Chapitre 4 : C. Aupérin 008-009 Télécharger c est tuer l industrie, tuons les tous Thurston Moore Dernière modification : 4 avril 009 Table des matières

Plus en détail

Applications linéaires

Applications linéaires Denis Pasquignon Applications linéaires Résumé du cours : 1. Généralités On appelle application linéaire de E dans F une application f : E F telle que (x 1, x 2 ) E 2 λ K, f(x 1 + λx 2 ) = f(x 1 ) + λf(x

Plus en détail

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

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2

Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2 Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2 H Le Ferrand, leferran@u-bourgognefr March 27, 2007 Contents 1 L application x Ax 2 11 Linéarité 2 12 Coordonnées

Plus en détail

APPLICATION AUX POUTRES

APPLICATION AUX POUTRES APPLICATION AU POUTRE 1 Cinématique 1.1 Géométrie Une poutre est un solide engendré par une aire plane qui est déplacée dans l espace de manière que durant son mouvement, le centre de gravité G de la section

Plus en détail

Algèbre linéaire pour GM Jeudi 03 novembre 2011 Prof. A. Abdulle. Série 6 (Corrigé)

Algèbre linéaire pour GM Jeudi 03 novembre 2011 Prof. A. Abdulle. Série 6 (Corrigé) Algèbre linéaire pour GM Jeudi novembre Prof A Abdulle EPFL Série 6 (Corrigé Exercice a Calculer la décomposition LU de la matrice A = 9 6 6 Sol: On effectue la réduction de la matrice A jusqu à obtenir

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Chapitre II : Matrices et opérations

Chapitre II : Matrices et opérations Terminale S Spécialité Chapitre II : Matrices et opérations Année scolaire 205/206 I Généralités sur les matrices : Définition : Soient n et p, deux entiers naturels non-nuls, une matrice de format n,p

Plus en détail

Exercices sur la réduction des endomorphismes

Exercices sur la réduction des endomorphismes Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau 2006-2007 Exercices sur la réduction des endomorphismes 1. Valeurs propres communes 2. Diagonalisation

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Matrices, déterminants

Matrices, déterminants Matrices, déterminants S2 Mathématiques Générales 1 11MM21 Les notes qui suivent sont très largement inspirées des sites : http://ueluniscielfr/mathematiques/calculmat1/calculmat1/co/calculmat1html http://ueluniscielfr/mathematiques/determinant1/determinant1/co/determinant1html

Plus en détail

CONCOURS 2013 DEUXIÈME ÉPREUVE DE MATHÉMATIQUES. Filière MP. (Durée de l épreuve : 4 heures) L usage d ordinateur ou de calculette est interdit.

CONCOURS 2013 DEUXIÈME ÉPREUVE DE MATHÉMATIQUES. Filière MP. (Durée de l épreuve : 4 heures) L usage d ordinateur ou de calculette est interdit. A 013 MATH. II MP ÉCOLE DES PONTS PARISTECH, SUPAÉRO (ISAE), ENSTA PARISTECH, TÉLÉCOM PARISTECH, MINES PARISTECH, MINES DE SAINT-ÉTIENNE, MINES DE NANCY, TÉLÉCOM BRETAGNE, ENSAE PARISTECH (FILIÈRE MP),

Plus en détail

L espace de probabilités (Ω,A,P )

L espace de probabilités (Ω,A,P ) L espace de probabilités (Ω,A,P ) 1 Introduction Le calcul des probabilités est la science qui modélise les phénomènes aléatoires. Une modélisation implique donc certainement une simplification des phénomènes,

Plus en détail

Matrices. 1,n a 2,1 a 2,2 a 2,j a 2,n. A = j-ième colonne

Matrices. 1,n a 2,1 a 2,2 a 2,j a 2,n. A = j-ième colonne Matrices I Matrices et opérations I1 definitions Définition 1 Soit n un entier naturel non nul Une matrice carrée d ordre n est un tableau de nombres réels comportant n lignes et n colonnes Le nombre placé

Plus en détail

Devoir en temps libre

Devoir en temps libre Commentaires et erreurs fréquentes Deux circuits RLC Devoir en temps libre Si vous échelonnez P, la matrice obtenue n est plus P! Pour utiliser la formule de changement de base, il faut partir de la matrice

Plus en détail

H - RELATIONS METRIQUES DANS LE TRIANGLE

H - RELATIONS METRIQUES DANS LE TRIANGLE Triangle rectangle H - RELTIONS METRIQUES DNS LE TRINGLE Soit B un triangle rectangle en et H le pied de la hauteur issue de. B H Les triangles B, HB et H sont semblables. On en déduit les égalités suivantes

Plus en détail

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

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

1 Nombres complexes 1 1.1 Rappel : équations de degré 2... 1

1 Nombres complexes 1 1.1 Rappel : équations de degré 2... 1 Table des Matières 1 Nombres complexes 1 1.1 Rappel : équations de degré.......................... 1 1.1.1 Théorie générale.............................. 1 1.1. Exemples..................................

Plus en détail

Algèbre Matrices Algèbre des matrices carrées

Algèbre Matrices Algèbre des matrices carrées Algèbre Matrices Algèbre des matrices carrées Denis Vekemans Exercice 1 On considère les matrices suivantes : 1 2 1 0 1 et B = 3 4 2 2 3 Calculer, lorsque cela est possible, A 2, B 2, AB, BA, A t, B t,

Plus en détail

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision

La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision Valérie Perrier, Roger Mohr Ensimag et Laboratoire Jean Kuntzmann Décomposition en valeurs Deux parties : singulières

Plus en détail

Corrigé : EM Lyon 2006

Corrigé : EM Lyon 2006 Corrigé : EM Lyon 26 Option économique Exercice 1: 1. a) Comme A est une matrice triangulaire, on peut lire ses valeurs propres sur sa diagonale. Les valeurs propres de A sont et 1. b) Aadmet deux valeurspropresdistinctes

Plus en détail

Factorisation LU. par Eric Brunelle

Factorisation LU. par Eric Brunelle Factorisation LU par Eric Brunelle 1 Introduction La factorisation LU d une matrice A n n est une astuce très importante dans le domaine de l analyse numérique. Sa base est très simple, mais ses applications

Plus en détail

SECONDE ÉPREUVE DE MATHÉMATIQUES. Filière PSI. (Durée de l épreuve : 3 heures) L usage d ordinateur ou de calculatrice est interdit.

SECONDE ÉPREUVE DE MATHÉMATIQUES. Filière PSI. (Durée de l épreuve : 3 heures) L usage d ordinateur ou de calculatrice est interdit. 2015 MTH. II PSI ÉOLE ES PONTS PRISTEH, SUPÉRO (ISE), ENST PRISTEH, TÉLÉOM PRISTEH, MINES PRISTEH, MINES E SINT-ÉTIENNE, MINES E NNY, TÉLÉOM BRETGNE, ENSE PRISTEH (Filière MP), ÉOLE POLYTEHNIQUE (Filière

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

TAUX d EVOLUTIONS (cours)

TAUX d EVOLUTIONS (cours) TAUX d EVOLUTIONS (cours) Table des matières 1 calcul d un taux d évolution 3 1.1 activité.................................................. 3 1.2 corrigé activité..............................................

Plus en détail

1 Méthodes directes de résolution des systèmes linéaires en petite dimension

1 Méthodes directes de résolution des systèmes linéaires en petite dimension 1 Méthodes directes de résolution des systèmes linéaires en petite dimension révisions} : résolution des systèmes linéaires calcul de déterminant. Ce chapitre est censé n être qu une révision de méthodes

Plus en détail

On verra ensuite le concept de fonction de transfert, et comment on peut s en servir pour l analyse de circuits.

On verra ensuite le concept de fonction de transfert, et comment on peut s en servir pour l analyse de circuits. Chapitre 2 Analyse de circuits La transformée de Laplace a deux caractéristiques qui la rende intéressante pour l analyse de circuits. En premier, elle permet de transformer une série d équations linéaires

Plus en détail

fonctions homographiques

fonctions homographiques fonctions homographiques Table des matières 1 aspect numérique et algébrique 3 1.1 activités.................................................. 3 1.1.1 activité 1 : différentes écritures.................................

Plus en détail

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012 ISCID - PRÉPA 2ème année MATHÉMATIQUES APPLIQUÉES À L ÉCONOMIE ET À LA GESTION 2 Université du Littoral - Côte d Opale Laurent SMOCH Septembre 202 Laboratoire de Mathématiques Pures et Appliquées Joseph

Plus en détail

Chapitre II Notion de structure de groupe

Chapitre II Notion de structure de groupe Chapitre II Notion de structure de groupe I Définitions 1. Définition générale Définition : Un groupe est un ensemble, ( ), telle que : muni d une loi de composition interne notée - la loi soit associative

Plus en détail

Algèbre et géométrie. Algèbre et géométrie. Algèbre et géométrie. CAPES et Agrégation. CAPES et Agrégation

Algèbre et géométrie. Algèbre et géométrie. Algèbre et géométrie. CAPES et Agrégation. CAPES et Agrégation CV_AlgebreGeometrie:EP 31/07/14 16:58 Page 1 CAPES et Agrégation L ouvrage présente tout le nouveau programme d algèbre et de géométrie au CAPES externe et à l Agrégation interne de mathématiques avec

Plus en détail

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 2 SESSION 013 CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 1. Allure de H EXERCICE 1 : points à coordonnées entières sur une hyperbole 3 1 y = x/ 13 H 5 4 3 1 1 1 3 4 5 y = x/ 13 3 Les tangentes

Plus en détail

2 PGCD, PPCM, petit théorème de Fermat

2 PGCD, PPCM, petit théorème de Fermat Université de Paris-Sud, année 2012/2013 Filière Math/Info-L2 Maths 209 Feuille d exercices de soutien 1 Congruences et arithmétique sur Z Exercice 1. a) Soit n un nombre entier. Combien de valeurs peut

Plus en détail

Préparation du CRPE, problèmes du jour, mai 2011 (1 à 10)

Préparation du CRPE, problèmes du jour, mai 2011 (1 à 10) Préparation du CRPE, problèmes du jour, mai 2011 (1 à 10) Problème 1, les baguettes de bois Jean et Cécile forment chacun une ligne en mettant bout à bout des baguettes de bois. Toutes les baguettes utilisées

Plus en détail

70 exercices d algèbre linéaire

70 exercices d algèbre linéaire Pierre-Louis CAYREL 28-29 Licence 1 Algèbre Linéaire Université de Paris 8 Feuille d exercices 7 exercices d algèbre linéaire 1 Espaces vectoriels 1.1 Structure d espace vectoriel Exercice 1 On définit

Plus en détail

Cours 1 : Points fixes de fonctions monotones

Cours 1 : Points fixes de fonctions monotones Université Bordeaux 1 INF569 Master d informatique Logique et Langages (2 - partie 2) Cours 1 : Points fixes de fonctions monotones Anne Dicky 7 novembre 2009 Table des matières 1 Exemples de points fixes

Plus en détail

Questions préliminaires

Questions préliminaires ÉCOLE POLYTECHNIQUE ÉCOLES NORMALES SUPÉRIEURES CONCOURS D ADMISSION 2015 FILIÈRE MP COMPOSITION DE MATHÉMATIQUES A (XLCR) (Durée : 4 heures) L utilisation des calculatrices n est pas autorisée pour cette

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PSI

EPREUVE SPECIFIQUE - FILIERE PSI SESSION 215 PSIMA2 EPREUVE SPECIFIQUE - FILIERE PSI MATHEMATIQUES Durée : 4 heures NB : le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction Si

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE Dans cette leçon, nous abordons un algorithme de résolution d'un problème de programmation linéaire : l'algorithme du simplexe. Nous le présentons d'abord

Plus en détail

Polynômes à une indéterminée à coefficients dans IK. Table des matières

Polynômes à une indéterminée à coefficients dans IK. Table des matières Polynômes à une indéterminée à coefficients dans IK Rappels de Première année Table des matières 1 L algèbre IK[X] 2 1.1 Définition....................................... 2 1.2 Lois internes dans IK[X]..............................

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Corrigé : EM Lyon 2008

Corrigé : EM Lyon 2008 Exercice 1: I. Étude d une fonction Corrigé : EM Lyon 28 Option économique 1. Les fonctions t t et t ln(t) sont continues sur ];+ [ donc par produit et différence de fonctions continues, f est continue

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

Généralités sur les fonctions

Généralités sur les fonctions Généralités sur les fonctions Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Rappels et compléments 3 1.1 Fonctions affines............................................. 3 1.2 Fonctions

Plus en détail

1 L algorithme du simplexe

1 L algorithme du simplexe 1 L algorithme du simplexe 1.1 Définition - Notations 1.1.1 Problème Le problème linéaire est le suivant: Trouver les x 1, x 2,...,x n qui optimisent la fonction économique: et vérifient les contraintes:

Plus en détail

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure?

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure? Chapitre Applications linéaires Testez vos connaissances Pourquoi s intéresse-t-on au applications linéaires en économie? Qu est-ce qu un noyau, un rang et une image d une application linéaire? Donner

Plus en détail

Initiation à l algorithmique... et à la programmation

Initiation à l algorithmique... et à la programmation IREM Clermont-Ferrand Année 2009-2010 Journée d information Malika More sur les nouveaux programmes de Seconde Initiation à l algorithmique... et à la programmation Contenu de l atelier Des algorithmes

Plus en détail

a. (0,5) Probabilité que le candidat n ait pas un dossier de bonne qualité et soit admis à la formation :. b. (0,5)

a. (0,5) Probabilité que le candidat n ait pas un dossier de bonne qualité et soit admis à la formation :. b. (0,5) Exercice 1 : (5 points) 1 On choisit un candidat au hasard et on note : l évènement : «le candidat a un dossier jugé de bonne qualité»; l évènement : «le candidat est admis à suivre la formation» a (0,5)

Plus en détail

Exercices sur les matrices

Exercices sur les matrices Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau 2006-2007 Exercices sur les matrices 1. L inverse d une matrice comme somme de ses puissances 2.

Plus en détail

Outils de base pour la classification des groupes de petit cardinal

Outils de base pour la classification des groupes de petit cardinal Chapitre II Outils de base pour la classification des groupes de petit cardinal Le titre est-il clair? Que signifie petit? Pas très grand, ok, mais pour quel ordre? Le but de ce cours est de fournir et

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHÉMATIQUES

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHÉMATIQUES UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 203 204 Licence d économie Cours de M. Desgraupes MATHÉMATIQUES Corrigé du TD Valeurs propres et vecteurs propres Corrigé ex.

Plus en détail

CHAPITRE I MATRICES ET DETERMINANTS

CHAPITRE I MATRICES ET DETERMINANTS CHAPITRE I MATRICES ET DETERMINANTS A) OPERATIONS SUR LES MATRICES (théorie) 1) Addition de deux matrices Exemple Andrée, Bernard, Charlotte et Dominique ont décidé de passer leur week-end à faire de la

Plus en détail

Chapitre 6 : Tests d hypothèses

Chapitre 6 : Tests d hypothèses U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Chapitre 6 : Tests d hypothèses Les statistiques peuvent être une aide à la décision permettant de choisir entre deux hypothèses. Par exemple,

Plus en détail

ex: On désire calculer la valeur de la résistance R pour différents couples (U,I).La relation liant ces trois grandeurs étant U = R * I

ex: On désire calculer la valeur de la résistance R pour différents couples (U,I).La relation liant ces trois grandeurs étant U = R * I I PRESENTATION GENERALE: 1 ) fonctionnement de base: * Un fichier Microsoft Excel est appelé un classeur (pouvant contenir plusieurs feuilles). * Une sélection de feuille dans un classeur se fait grâce

Plus en détail

CHAPITRE V INEGALITES

CHAPITRE V INEGALITES CHAPITRE V INEGALITES COURS 1) Inégalités... p 1 ) Inéquations du premier degré à une inconnue. p ) Systèmes d inéquations... p 5 4) Encadrements.... p 6 EXERCICES.. p 10 COURS 1) Inégalités Rappelons

Plus en détail

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires IV.1 Forme standard (1) Minimiser avec Il est toujours possible de revenir à la forme

Plus en détail

1 Exercices fondamentaux

1 Exercices fondamentaux Université de Nantes Licence Math L3 Département de Mathématiques Année 2009-2010 Topologie et calculs différentiel Liste n 3 1 Exercices fondamentaux Applications Linéaires Exercice 1. Calculer la norme

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Durée : 4 heures. Les calculatrices sont interdites

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Durée : 4 heures. Les calculatrices sont interdites SESSION 215 PCMA2 EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES Durée : 4 heures N.B. : le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction. Si

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Calcul matriciel ( 1 2 0 4 3 1. M 11 M 12... M 1m M 21 M 22... M 2m... M n1 M n2... M nm. x 1 x 2... x n. x =

Calcul matriciel ( 1 2 0 4 3 1. M 11 M 12... M 1m M 21 M 22... M 2m... M n1 M n2... M nm. x 1 x 2... x n. x = Calcul matriciel Définitions Une matrice n x m est un tableau de nombres à n lignes et m colonnes. Exemple de matrice avec n = 2 et m = 3 : M = n et m sont les dimensions de la matrice M. ( 2 0 4 3 Un

Plus en détail

Résolution des systèmes linéaires

Résolution des systèmes linéaires ESCPI-CNAM Février 5 Résolution des systèmes linéaires Définitions Un système de m équations à n inconnues x,,...x n s écrit sous forme matricielle : AX = B où A est une matrice comportant m lignes et

Plus en détail

Lentilles minces. reconnaître la nature (convergente ou divergente) d'une lentille mince. de construire l'image d'un objet à travers cette lentille.

Lentilles minces. reconnaître la nature (convergente ou divergente) d'une lentille mince. de construire l'image d'un objet à travers cette lentille. Lentilles minces Le but du module est de décrire les propriétés fondamentales des lentilles minces en établissant une classification de celles-ci et en apprenant à construire la marche des rayons lumineux

Plus en détail

Chapitre 4. Quelques types de raisonnement

Chapitre 4. Quelques types de raisonnement Chapitre 4 Quelques types de raisonnement 1. Aide à la rédaction d un raisonnement 1.1. Analyse du problème La première chose est de distinguer les hypothèses (= propositions vraies) de la question (=proposition

Plus en détail

Chapitre 6 Les probabilités

Chapitre 6 Les probabilités Chapitre 6 Les probabilités A) Rappels de première 1) Vocabulaire a) Expérience aléatoire : C'est une expérience dont le résultat (alea = dé en latin) dépend du hasard. b) Issue C est un résultat possible

Plus en détail

Polynômes et Fractions rationnelles

Polynômes et Fractions rationnelles 3. Polynômes CHAPITRE 3 Polynômes et Fractions rationnelles 3.. Polynômes On désigne par K l ensemble R ou l ensemble C. Les élements de K sont les scalaires. 3... Définitions. Définition 3.. Soient a

Plus en détail