Chapitre 1 : Matrices

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 1 : Matrices"

Transcription

1 Mr Dunstetter - ENC-Bessières 24\25 Chapitre : I inversibles Dénition : Matrice inversible et matrice inverse Une matrice carrée A M n (R) est dite inversible s'il existe une matrice B M n (R) telle que : AB = BA = I. On dit alors que B est l'inverse de A, et on note : B = A. Tout au long de ce chapitre, nous verrons plusieurs méthodes pour obtenir l'inversibilité ou la non inversibilité d'une matrice, ainsi que son inverse. Méthode n o : Utilisation de la dénition Lorsque l'inverse A de A à obtenir est donné par l'énoncé, pour obtenir que A est inversible et que A est cette matrice, il sut de calculer leur produit et d'obtenir I. On a parfois des petites variations : on calcule le produit P Q = 3I, il faut alors penser à écrire que : ( ) P 3 Q = I donc P est inversible et P = 3 Q. Dans l'autre sens, si on a obtenu que AB = avec A et B, on doit savoir en déduire avec la dénition que A et B ne peuvent être inversibles. En eet si A était inversible on aurait : A (AB) = A () donc B = qui est absurde, donc A n'est pas inversible. De même en multipliant à droite par B on prouve par l'absurde que B n'est pas inversible. Méthode n o 2 : inversibilité et non inversibilité à vue. Une matrice triangulaire est inversible si et seulement si tous les coecients de la diagonale sont non nuls. Une matrice admettant une colonne ou une ligne nulle n'est pas inversible. Une matrice admettant deux colonnes ou deux lignes colinéaires n'est pas inversible. Dénition 2 et théorème : On appelle réduite triangulaire d'une matrice A toute matrice triangulaire obtenue en réalisant des pivots valides sur les lignes de la matrice A. On admet qu'il est toujours possible d'obtenir une réduite triangulaire de A. De plus on a le théorème : Si B est une réduite triangulaire de A, A est inversible si et seulement si B est inversible.

2 Mr Dunstetter - ENC-Bessières 24\25 Méthode n o 3 : inversibilité et inverse par pivots de Gauss en ligne Le théorème précédent permet d'obtenir l'inversibilité ou la on inversibilité de toute matrice (si on n'a pas pu conclure à vue) en obtenant une réduite triangulaire de cette matrice. De plus on a la propriété : Si A est inversible, A peut être transformée par des pivots sur ses lignes uniquement en la matrice identité. Les mêmes pivots appliqués à la matrice identité la transforment alors en la matrice A. Exemple fondamental : Déterminer les valeurs de λ R pour lesquelles la matrice A λi n'est pas inversible, où A =. 2 2 Pour mener à bien ce type de question, il faut systématiquement suivre les règles suivantes : Les coecients à éliminer sont, toujours et dans l'ordre : les coecients (L2,C) et (L3,C) à l'aide du pivot (L,C) (ligne ), puis le coecient (L3,C2) à l'aide du pivot (L2,C2) (Ligne 2) ; les pivots doivent toujours être situés sur la diagonale de la matrice. Les seuls pivots utilisés doivent toujours être non nuls et ne pas dépendre de λ. Si le coecient qui se trouve sur la diagonale n'est pas utilisable (nul ou dépendant de λ), on échange la ligne avec une des lignes du dessous pour faire venir un coecient correct. Si les coecients en dessous ne sont pas meilleurs (cas où les deux coecients disponibles dépendent de λ), on se sert de la ligne 3 pour éliminer les λ de la ligne 2 et faire apparaître un coecient constant : soit nul (on échange les lignes et c'est terminé), soit non nul (il peut alors servir de pivot). On étudie l'inversibilité de A λi pour λ R : λ A λi = L L 3 λ 2 2 λ L 3 L 3 + 2L 2 L 3 2L 3 + ( λ)l 2 2 λ λ λ 2 2 λ 2 2 λ λ λ 2λ 2 ( λ)( + λ) ( λ)( + λ) On en déduit avec cette réduite triangulaire que A λi n'est pas inversible pour : Dénition 3 : semblables λ = λ = ou ( λ)( + λ) = λ = ou. Deux matrices carrées A et B éléments de M n (R) sont dites semblables s'il existe une matrice P M n (R) inversible telle que : A = P BP ou B = P AP Remarque Cette dénition est symétrique : en eet si A = P DP, en posant Q = P, Q est inversible d'inverse Q = P et on a : A = P BP P AP = P (P BP )P B = P AP B = QAQ. Méthode n o 4 : Inversibilité et inverse avec les matrices semblables Si A et B sont semblables, on prouve que A est inversible si et seulement si B l'est, et de plus : si A = P BP avec A et B inversibles, alors : A = P B A. Cette méthode est très importante : une part importante du travail de l'année en algèbre consistera à apprendre à trouver, pour une matrice A donnée une matrice semblable à A et beaucoup plus simple (diagonale, parfois triangulaire) : on pourra alors ramener presque n'importe quelle question (et en particulier ici l'inversibilité et l'inverse) sur la matrice A à la même question sur sa matrice semblable où la question est élémentaire. 2

3 Mr Dunstetter - ENC-Bessières 24\25 Preuve Prouvons ce résultat : comme le candidat à être l'inverse est donné, il sut de revenir à la dénition et de calculer : A(P B P ) = (P BP )(P B P ) = P B(P P )B P = P BIB P = P (BB )P = P IP = P P = I donc A est bien inversible et A = P B P. Exemple On suppose qu'on a prouvé que A = P DP, où P et P sont connus et D est la matrice diagonale : D = /2 3 A est semblable à D qui est diagonale sans sur sa diagonale donc inversible, donc A est inversible et de plus : A = P D P = P 2 P /3 Dénition 4 et théorème : Polynôme annulateur. Soit P un polynôme tel que P (A) =. On dit alors que P est un polynôme annulateur de la matrice A. On admet qu'une matrice A M n (R) admet toujours un polynôme annulateur de degré inférieur ou égal à n (on peut de plus toujours prendre le coecient de la plus grande puissance égal à ). Méthode n o 5 : obtenir un polynôme annulateur et l'utiliser pour l'inversibilité et l'inverse. Un polynôme annulateur s'obtient en écrivant une puissance de A en fonction des précédentes (et I, qui est A ). Exemple : Si on a montré que A 4 = 2A 3 A + 2I, alors : A 4 2A 3 + A 2I = A 4 2A 3 + A 2A = donc le polynôme P (x) = x 4 2x 3 + x 2x = x 4 2x 3 + x 2 est annulateur de A. Si on connaît un polynôme annulateur de A faisant apparaître I, cela permet d'obtenir l'inversibilité et l'inverse de A : il faut pour cela isoler I : A 4 2A 3 + A = 2I ( ) 2 (A4 2A 2 + A) = I A 2 [A3 2A + I] = I donc A est inversible et A = 2 (A3 2A + I). II Etude d'une matrice par l'application linéaire canoniquement associée Dénition 5 : Application linéaire canoniquement associée à une matrice. Pour tout matrice A M n (R), on note f A (attention, ce n'est pas une notation générique du programme, il faut la redénir à chaque fois!!) l'application : f A : M 3, (R) M 3, (R) X AX Cette application est linéaire, et on notera par abus de langage ker(a) son noyau et Im(A) son image, ce qui donne : Méthode n o 6 : Inversibilité et inverse de A à l'aide de f A On montre (preuve ci-dessous) que la matrice A est inversible si et seulement si f A est bijective, et dans ce cas : f A = (f A ). 3

4 Mr Dunstetter - ENC-Bessières 24\25 On peut alors, pour chercher A, déterminer la réciproque de l'application f A : on résout : x = 2y + y 2 + y 3 2y + y 2 + y 3 2 f A (X) = Y... x 2 = y + y 2 y 3 X = y + y 2 y 3 = Y = BY. x 3 = y y 2 + y 3 y y 2 + y 3 On en déduit que :(f A ) (Y ) = BY est l'application linéaire canoniquement associée à la matrice B, donc A est inversible et A = B. Preuve On suppose que A est inversible, alors pour tout X M 3, (R), donc f A est bien bijective et (f A ) = f A. f A (X) = Y AX = Y A AX = X = A Y = f A (Y ) Supposons réciproquement que f A est bijective. D'après le cours sur les applications linéaires, sa réciproque (f A ) est également linéaire de M 3, (R) dans lui même, elle s'écrit donc forcément : (f A ) x ax + by + cz y = dx + ey + fz = a b c d e f x y. z gx + hy + iz g h i z donc il existe une matrice B telle que (f A ) (X) = BX. On remarque alors que pour tout vecteur X, on a : X = (f A ) (f A (X)) = (f A ) (AX) = B(AX) = (BA)X. En appliquant ce résultat en particulier sur la base canonique de M 3, (R), cela permet de calculer successivement les colonnes de la matrice (BA), qui sont ces mêmes vecteurs de la base canonique, et enn on obtient BA = I : A est donc inversible et B = A, donc (f A ) = f A. Dénition 6 : Image d'une matrice. Soit A M n (R), on appelle Im A l'image de l'application linéaire canoniquement associée à A, c'està-dire : Im A = {f A (X) = AX tel que X M 3, (R)}. Remarque On remarquera que pour toute matrice A, son image est l'espace vectoriel engendré par ses colonnes. Exemple : si A = 2, alors on a : Im A = x x + z A y tq x, y, z R = 2x y + z = x 2 + y + z tq x, y, z R z x z = C 3 C 3 C C 3 C 3 C 2 Vect 2 ; ; = Vect 2 ; 2 ; = Vect 2 ; Dénition 7 : Noyau d'une matrice. Soit A M n (R), on appelle Ker A l'image de l'application linéaire canoniquement associée à A, c'est-à-dire : Ker A = {X M 3, (R) tel que AX = }. Dénition 8 et théorème : Rang d'une matrice. On appelle rang de la matrice A, et on note rg(a), la dimension de Im A. On a alors le théorème du rang : pour toute matrice A M n (R), dim(ker A) + dim(im A) = n ou encore dim(ker A) + rg(a) = n. 4

5 Mr Dunstetter - ENC-Bessières 24\25 Exemple Cherchons le noyau de la matrice A ci-dessus : x x Ker(A) = X = y tq A y =. z z Résolvons cette équation : x A y = z et on obtient nalement que : x + z x + z = 2x y + z = 2x y + z = x z x z = x = z z y = z X = z = z z = z z Ker A = z tq z R = Vect. x + z = y z = = Remarque On obtient alors assez facilement que Ker A est de dimension (on en a une famille génératrice dont la liberté est immédiate, c'est donc une base de cardinal ), et Im A est de dimension 2 : on en a une famille génératrice échelonnée donc libre, c'en est une base de cardinal 2. On peut donc voir que le théorème du rang est bien vérié sur ce cas particulier puisque dim(ker A) + dim(im A) = 3 (c'est bien entendu toujours le cas). D'après le cours sur la dimension nie, l'application linéaire f A est bijective si et seulement si son noyau est réduit à {} (elle est alors injective) ou si et seulement si son image est de dimension maximale (elle est alors surjective). Or on vient de voir que A est inversible si et seulement si f A est bijective, on obtient donc : Théorème : Lien entre Ker A, Im A et l'inversibilité de A. Soit A une matrice de M n (R), les trois propriétés suivantes sont équivalentes : A est inversible Ker A = {} dim(im A) = rg(a) = n. III Puissances de matrices Puissances d'une matrice diagonale Propriété 2 λ Soit P = une matrice diagonale. λ n Alors pour tout k N, λ k P k = λ k n De plus si P est inversible, c'est-à-dire si λ i pour tout i, alors : P λ = λ n Preuve Récurrence. 5

6 Mr Dunstetter - ENC-Bessières 24\25 2 nilpotentes Dénition 9 Une matrice est dite nilpotente lorsqu'il existe k N tel que P k =, et P. Remarques. Attention, les matrices nilpotentes ne sont pas toujours triangulaires! (même si la plupart des matrices nilpotentes qu'on rencontrera le seront) 2. Ces matrices sont particulièrement pratiques pour utiliser le binôme de Newton, car toutes les puissances à partir de la k-ième sont nulles. 3. Une matrice nilpotente ne peut pas être inversible : Sinon en multipliant k fois par M la relation M k =, on obtient M =, ce qui est absurde. On verra que cela signie que est valeur propre de la matrice. 4. La relation M k = donne un polynôme annulateur de la matrice M : P (x) = x k. On verra que lorsqu'on dispose d'un polynôme annulateur, les seules valeurs propres possibles de la matrice sont les racines de ce polynôme : ici la seule possible est donc. 5. On obtiendra donc Sp M = {} pour toute matrice nilpotente. 3 Formule du binôme de Newton Propriété 3 Soient A et B deux matrices qui commutent, c'est-à-dire qui vérient AB = BA. Alors pour tous polynômes P et Q, P (A) et Q(B) commutent et on a, pour tout n N : (A + B) n = n A k B n k k= (A + B) n = n B k A n k k= Exemple On pose M = 2 3 = = A + B. 2 2 On a AB = BA = 2B donc A et B commutent. D'où pour tout n N, M n = (A + B) n = n k= B k A n k. 6 Mais la matrice B est nilpotente : on obtient B 2 = puis B 3 =, donc B k = pour tout k 3, et : pour tout n 2, M n = ( ) n A n + ( ) n BA n + ( n 2) B 2 A n 2. 2 n Enn A est diagonale donc on connait A n = A n = 2 n = 2 n I, et enn : 2 n 2 n n2 n n(3n )2 n 2 M n = 2 n I + n2 n B + n(n ) 2 n 2 B 2 = 2 n 3n2 n 2. 2 n 6

7 Mr Dunstetter - ENC-Bessières 24\25 4 Puissances de matrices semblables Propriété 4 Soit M et N deux matrices semblables, vériant M = P NP (et donc N = P MP ). Il faut savoir prouver par récurrence que pour tout n N on a : (et donc N n = P M n P ). De plus si M est inversible, N l'est aussi et : (et donc N = P NP ). M n = P N n P M = P N P Exemples fondamentaux On trouve une matrice diagonale D telle que M = P DP. Alors : λ M = P P. λ n λ k donc pour tout k N, M k = P N k P = P P. λ k n On trouve une matrice T triangulaire supérieure, avec toujours le même coecient sur la diagonale, telle que M = P DP. Alors :est. 2 2 Exemple : T = On a vu au paragraphe précédent qu'on est capable de trouver les puissances de la matrice T. Ensuite on peut écrire M k = P T k P pour tout k N. IV Transposée d'une matrice Dénition Soit A M n,p (R). On appelle transposée de A et on note A t ou t A la matrice de M p,n (R) dont les lignes sont les colonnes de A et les colonnes sont les lignes de A. Propriété 5 : Calculs avec la transposée. Soit A une matrice de M n,p (R), on a : (A t ) t = A. Soient A et B deux matrices de M n,p (R) et λet µ des réels : (λa + µb) t = λa t + µb t (Cela signie que la transposée est une application linéaire.) Soient A et B deux matrices de M n,p (R) et M p,k (R), on a : (AB) t = B t A t. 7

8 Mr Dunstetter - ENC-Bessières 24\25 Propriété 6 Inversibilité et inverse d'une transposée. soit A M n (R), et donc A t M n (R). Alors A est inversible si et seulement si A t l'est, et on a : (A t ) = (A ) t c'est-à-dire que l'inverse de la transposée de A est la transposée de l'inverse de A. Preuve Supposons que A est inversible, il admet un inverse A et on a (I est symétrique donc I t = I : donc A t est inversible et son inverse est bien (A ) t. AA = I donc (AA ) t = I t donc (A ) t A t = I Supposons réciproquement que A t est inversible : on peut lui appliquer le sens direct de la propriété, on en déduit que sa transposée (qui est A) est inversible. Propriété 7 : Rang d'une transposée On admet que pour tout matrice A, le rang de A et de A t sont égaux, c'est-à-dire : rg(a t ) = rg(a). V Résolution d'équations matricielles Exemples ( ) 3 Soit A =, l'équation AM = 2MA, d'inconnue M M 2 2(R), se résout en prenant M quelconque : ( ) a b pour M =, c d a + 3c AM = 2MA a + 2c b + 2d b + 3d ( ) a + b 3a + 2b = 2 c + d 3c + 2d { a 2b + 3c = 3a b + 3d = a + c d = b 3c = Ce système se résout sans problème par pivots, en remettant les équations les unes en dessous des autres, puis en remplissant la matrice M solution avec les solutions du système. Cet exemple fonctionne, malgré la complexité de la matrice A, car on sait encore résoudre en un temps raisonnable les systèmes à 4 équations. Soit A = 2 3 l'équation AM =, d'inconnue M M3(R), se résout en prenant M quelconque : a b c pour M = d e f, g h i a + d + g b + e + h c + f + i AM = a + 2d + 3g b + 2e + 3h c + 2f + 3i = a + g b + h c + i qui donne 9 équations à 9 inconnues, ce qui probablement insoluble en un temps raisonnable. De manière générale, les équations matricielles dans M 3(R) donnent 9 équations : si les matrices connues de l'équation sont "compliquées" (autre que diagonale ou, au pire, triangulaire), on ne pourra pas les résoudre. 2 Soit D =, l'équation DM = 2MD donne : 4 2a 2b 2c 2a b 4c DM = 2MD d e f = 2d e 4f 4g 4h 4i 2g h 4i On a à nouveau 9 équations, mais cette fois-ci elles sont indépendantes les unes des autres, chaque équation a une solution immédiate simple. On peut donc résoudre le système. 8

9 Mr Dunstetter - ENC-Bessières 24\25 On remarque que lorsque les matrices "connues" qui dénissent l'équation sont complexes, dès qu'on se retrouve dans M 3 (R) (et même dans M 2 (R) dans certains cas), les systèmes deviennent trop compliqués pour les résoudre à la main en temps raisonnable. Comme pour les puissances, on va alors s'appuyer sur l'écriture de ces matrices à l'aide d'une matrice semblable plus simple. Exemple On suppose qu'on a prouvé que A = P DP, avec D = et on veut résoudre l'équation AM = MA 2 d'inconnue M M 3(R). On commence par se ramener à une équation similaire avec la matrice D : comme P et P sont inversibles, AM = MA P DP M = MP DP P (P DP M)P = P (MP DP )P D(P MP ) = (P MP )D. On remarque qu'en posant une nouvelle variable N = P MP M = P NP (donc si on trouve N, on en déduira facilement N!), cette équation se réécrit : AM = MA DN = ND. On résout alors cette équation avec N quelconque : a b c a b c D d e f = d e f D g h i g h i b 2c d e f = e 2f 2g 2h 2i h 2i = = b = 2c d = e = e f = 2f 2g = 2h = h 2i = 2i a = a b = c = d = e = e f = g = h = i = i a N = e i Enn on conclut quant à la matrice M : on obtient que : a a AM = MA N = P MP = e M = P NP = P e P. i i qu'il ne reste plus qu'à calculer! Remarque : on peut même, sans connaître P, aller plus loin : on reconnaît une forme explicite et on peut écrire : S = ap P + ep P + ip P = am + em 2 + im 3 tq a, e, i R = Vect[M, M2, M3] et on peut même prouver que cette famille est libre sans expliciter P et P : en factorisant à gauche par P et à droite par P on résout : a a a am +bm 2+cM 3 = P P = P P P P = b c b c b c La famille [M, M 2, M 3] est donc génératrice de S et libre, c'est une base de l'ensemble des solutions qui est donc un espace vectoriel de dimension 3. = a = b = c =. 9

TD de révisions : Calcul matriciel

TD de révisions : Calcul matriciel TD de révisions : Calcul matriciel I. Révisions sur le calcul matriciel a) Remarques générales sur le calcul matriciel Le calcul matriciel n'a pas autant de propriétés que le calcul numérique : - On ne

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

TD n o 10 Réduction. 2 λ = 0 λ = 2 ou 8 (3 λ)(1 λ) = λ 2 + 4λ + 5 = 0 Cette deuxième équation a pour discriminant puis racines : x = 0 y = z

TD n o 10 Réduction. 2 λ = 0 λ = 2 ou 8 (3 λ)(1 λ) = λ 2 + 4λ + 5 = 0 Cette deuxième équation a pour discriminant puis racines : x = 0 y = z Quentin Dunstetter - ENC-Bessières 24\25 TD : Correction TD n o Réduction Eercice.. On cherche les valeurs de λ pour lesquelles A λi n'est pas inversible, en en trouvant une réduite triangulaire : 2 λ

Plus en détail

Calcul matriciel CHAPITRE L'ensemble des matrices Dénitions. Dans tout le chapitre, K désigne le corps R ou C.

Calcul matriciel CHAPITRE L'ensemble des matrices Dénitions. Dans tout le chapitre, K désigne le corps R ou C. CHAPITRE 0 Calcul matriciel Dans tout le chapitre, K désigne le corps R ou C 0 L'ensemble des matrices 0 Dénitions Dénition Soient n, p N On appelle matrice à coecients dans K à n lignes et p colonnes

Plus en détail

Systèmes linéaires et échelonnement

Systèmes linéaires et échelonnement Systèmes linéaires et échelonnement 1 Systèmes linéaires, résolution de systèmes échelonnés. 1 1.1 Équations linéaires........................................... 1 1.2 Systèmes linéaires...........................................

Plus en détail

Calcul matriciel : rappels et compléments

Calcul matriciel : rappels et compléments CHAPITRE 5 Calcul matriciel : rappels et compléments 5 L ensemble M n,p (K) 5 Structure d espace vectoriel Définition Soit K = R ou C On note M n,p (K) l ensemble des matrices ayant n lignes et p colonnes

Plus en détail

Révisions sur les matrices

Révisions sur les matrices BCPST2 9 5 2 10Révisions sur les matrices I Dénition et structure A) Ensemble des matrices Soient n, p N des entiers xés On appelle matrice à n lignes et p colonnes et à coecients à K la donnée d'une famille

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

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL Lycée Dominique Villars ECE 1 COURS CALCUL MATRICIEL 1 Définitions et Notations Soit n N et m N On appelle matrice à n lignes et m colonnes tout tableau de la forme suivant : a 1,1 a 1,2 a 1,m a 2,1 a

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Espaces vectoriels de dimension finie 1.1) Famille génératrice (rappel) Exemple 1 On considère par exemple l'espace vectoriel R² et les vecteurs 1,1, 1, et,3. Soit un élément quelconque de R²,,. Peut-on

Plus en détail

DÉTERMINANTS ET SYSTÈMES D'ÉQUATIONS LINÉAIRES

DÉTERMINANTS ET SYSTÈMES D'ÉQUATIONS LINÉAIRES DÉTERMINANTS ET SYSTÈMES D'ÉQUATIONS LINÉAIRES 1 Un outil pratique : le déterminant 11 Calcul d'un déterminant Un déterminant est un nombre Il se présente sous la forme d'un tableau carré ayant donc même

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

Matrices reloaded : inversion de matrices

Matrices reloaded : inversion de matrices Matrices reloaded : inversion de matrices ECE3 Lycée Carnot 3 mars Dans notre premier chapitre consacré aux matrices, nous avons notamment étudié assez longuement une opération à priori assez élémentaire

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. 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

Matrices à coecients réels

Matrices à coecients réels Matrices à coecients réels Dans tout ce chapitre d, n, p et q sont des entiers naturels non nuls 1 Systèmes linéaires : 11 Généralités : Dénition 1 : On appelle système linéaire de n équations à p inconnues

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

9 : Matrices. 1. Opérations sur les matrices. 1.1 Les espaces vectoriels R n et C n

9 : Matrices. 1. Opérations sur les matrices. 1.1 Les espaces vectoriels R n et C n 9 : Matrices Opérations sur les matrices Les espaces vectoriels R n et C n Notation Dans tout le chapitre, K désigne R ou C, et n, p, q sont des entiers naturels non nuls On rappelle que si E est un ensemble,

Plus en détail

9. (Emo09) On considère trois vecteurs dans E = R 3 :

9. (Emo09) On considère trois vecteurs dans E = R 3 : Feuille Rangs, Opérations élémentaires, Systèmes. (Emo0) Calculer le rang des matrices A et B de M n (K) dénies par a ij = cos(i + j 2), b ij = i + j + ij. 2. (Emo02) En discutant selon les paramètres,

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 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

ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets

ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets ENSI 98 - Filière MP - MATHÉMATIQUES 2 Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets PARTIE I - CONSTRUCTION D UNE MATRICE INVERSE A GAUCHE On suppose dans cette partie que

Plus en détail

Diverses factorisation de matrices

Diverses factorisation de matrices 18 Diverses factorisation de matrices On utilise les notations et dénitions du chapitre 13. 18.1 Les théorèmes de réduction des matrices Les théorèmes de réduction des matrices (voir le chapitre 17) nous

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

ALGEBRE 1 PC/SF-Physique Fiche de cours : Calculs matriciels

ALGEBRE 1 PC/SF-Physique Fiche de cours : Calculs matriciels Université de Nice Sophia-Antipolis L1 Semestre 2 Année 2014-2015 ALGEBRE 1 PC/SF-Physique Fiche de cours : Calculs matriciels A) Les K-ev de matrices M(p, n, K) On peut combiner linéairement les matrices

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

1. Géométrie ane 1.1. Notion d'espace ane. Exercice 1. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système

1. Géométrie ane 1.1. Notion d'espace ane. Exercice 1. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système . Géométrie ane.. Notion d'espace ane. Exercice. Dans R 4, on considère X l'ensemble des points de R 4 dont les coordonnées vérient le système { x + y + 3 + 4t = S = x + 3y + + t = Munir X d'une structure

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

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

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

Algèbre linéaire. Contents. 1 Algèbres Dénition Exemples Sous-algèbres Morphisme d'algèbres... 3

Algèbre linéaire. Contents. 1 Algèbres Dénition Exemples Sous-algèbres Morphisme d'algèbres... 3 Algèbre linéaire Contents 1 Algèbres 3 1.1 Dénition.......................................... 3 1.2 Exemples.......................................... 3 1.3 Sous-algèbres........................................

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

Épreuve de Mathématiques 5

Épreuve de Mathématiques 5 Lycée La Prat's Jeudi 17 janvier 2013 Classe de PT Épreuve de Mathématiques 5 Correction Exercice 1 (TPC 2008, partiel) Partie 1 (Décomposition ( ) de Dunford ( ) : généralités) 3 2 3 1 1) Soient A 1 =

Plus en détail

LES MATRICES. Chapitre Premières définitions

LES MATRICES. Chapitre Premières définitions Chapitre 1 LES MATRICES 11 Premières définitions Définition Une matrice à n lignes et p colonnes et à coefficients dans R est un tableau de np éléments de R que l on représente sous la forme : a 11 a 12

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

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR.

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR. Exercices avec corrigé succinct du chapitre 1 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qui apparaissent dans ce texte sont bien définis dans la version

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

Compléments d algèbre linéaire

Compléments d algèbre linéaire Chapitre Compléments d algèbre linéaire Le physicien et mathématicien anglais John William Strutt, baron de Rayleigh, élabore une théorie mathématique de l optique et des systèmes vibratoires. Par la suite

Plus en détail

Préparation à l'agrégation Interne Ce devoir est constitué de deux problèmes totalement indépendants. PROBLÈME 1

Préparation à l'agrégation Interne Ce devoir est constitué de deux problèmes totalement indépendants. PROBLÈME 1 Préparation à l'agrégation Interne 2005-2006 F. Dupré Ce devoir est constitué de deux problèmes totalement indépendants. PROBLÈME On notera N n l'ensemble des entiers compris entre et n, n désignant un

Plus en détail

Le pivot de Gauss. La matrice A est équivalente à une matrice triangulaire sans 0 sur la diagonale donc A est inversible.

Le pivot de Gauss. La matrice A est équivalente à une matrice triangulaire sans 0 sur la diagonale donc A est inversible. Le pivot de Gauss I Principe général Le pivot de Gauss est une méthode qui peut s appliquer sur des matrices ou sur des systèmes d équation. Le but de cette méthode est de transformer notre matrice ou

Plus en détail

TD-COURS 5 REVISIONS D ALGÈBRE 2 : MATRICES

TD-COURS 5 REVISIONS D ALGÈBRE 2 : MATRICES 22-10- 2011 JFC Mat p 1 TD-COURS 5 REVISIONS D ALGÈBRE 2 : MATRICES 2011-2012 LES NOTIONS Généralités (définition, matrices particulières) Opérations sur les matrices Matrice d une application linéaire

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

et Systèmes d équations linéaires

et Systèmes d équations linéaires Opérations élémentaires et Systèmes d équations linéaires MPSI-Schwarz Prytanée National Militaire Pascal Delahaye 2 avril 2015 1 Les opérations élémentaires 11 Matrices associées aux OEL et aux OEC Lemme

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

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. 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

Cours PCSI ( ) Les systèmes linéaires Lycée Baimbridge

Cours PCSI ( ) Les systèmes linéaires Lycée Baimbridge Cours PCSI (203-204) Les systèmes linéaires Lycée Baimbridge Table des matières Introduction...2 - Des tablettes d'argile aux ordinateurs...2 2- Premiers systèmes linéaires...2 a- Système linéaire le plus

Plus en détail

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u)

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u) Matrices symétriques réelles 1 Préliminaires On se place dans (R n, ) euclidien, le produit scalaire canonique étant défini par : (x, y) R n R n, x y = t x y = x k y k On note : M n (R) l algèbres des

Plus en détail

3. SYSTEMES LINEAIRES

3. SYSTEMES LINEAIRES 3 SYSTEMES LINEAIRES 31 Définition Un système linéaire est un ensemble de m équations linéaires à n variables Il a la forme générale suivante : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x

Plus en détail

Chapitre 4 : Applications linéaires

Chapitre 4 : Applications linéaires Chapitre 4 : Applications linéaires I. Applications Dans ce paragraphe, on s intéresse à des applications allant d un ensemble à un autre (sans aucune structure d espace vectoriel). Un ensemble est un

Plus en détail

Décomposition d'une fraction rationnelle. en éléments simples

Décomposition d'une fraction rationnelle. en éléments simples Décomposition d'une fraction rationnelle en éléments simples REPÈRES 2 Repères 1. Introduction............................................... 3 2. Préliminaires..............................................

Plus en détail

17. MATRICES. 1 Tableaux et matrices.

17. MATRICES. 1 Tableaux et matrices. 17. MATRICES 1 Tableaux et matrices. 1. 1 Dénitions et notations. Un tableau est une généralisation de la notion de suite à plusieurs indices : utilisant Maple, on déclarera par exemple TABLE:= array [1..2,

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

12.5. Trace d une matrice, d un endomorphisme

12.5. Trace d une matrice, d un endomorphisme 12 Calcul matriciel, systèmes linéaires 121 Matrices à coefficients dans un corps IK 1211 Généralités 1212 Matrices particulières 1213 Matrices carrées particulières 122 Opérations sur les matrices 1221

Plus en détail

2 Un cas particulier : valeurs propres d une matrice triangulaire.

2 Un cas particulier : valeurs propres d une matrice triangulaire. F. HECHNER, ÉCÉ, Collège Épiscopal Saint Étienne Année 04-05 Fiche Méthode : Trouver les valeurs propres de A (ou de f) On commence par rappeler les définitions du cours. On donne ensuite les principales

Plus en détail

1 Montrer qu un espace est (ou n est pas) un espace vectoriel

1 Montrer qu un espace est (ou n est pas) un espace vectoriel Séance Algèbre Linéaire : corrections. Remarque générale : les exercices qui suivent ne pourront sans doute pas tous être traités dans les 3 heures ; mais un certain nombre pourra être cherché à la maison.

Plus en détail

Devoir surveillé n 6 4 heures - Calculatrice collège autorisée.

Devoir surveillé n 6 4 heures - Calculatrice collège autorisée. Lycée Jean Mermoz Année 2016-2017 TPC 2 V. Darlay Devoir surveillé n 6 4 heures - Calculatrice collège autorisée. Repris des énoncés de concours : La présentation, la lisibilité, l'orthographe, la qualité

Plus en détail

Exercices du chapitre 3 avec corrigé succinct

Exercices du chapitre 3 avec corrigé succinct Exercices du chapitre 3 avec corrigé succinct Exercice III.1 Ch3-Exercice1 Calculer les déterminants suivants : a b c d, 3a 3b c d, 4 2 3 0 3 4 0 0 5, 4 2 3 0 1 2 4 1 2, 4 3 2 0 2 1 4 2 1, 1 2 2 3 1 1

Plus en détail

CONCOURS AGRO-VETO, SESSION 2011 Corrigé de l'épreuve A

CONCOURS AGRO-VETO, SESSION 2011 Corrigé de l'épreuve A CONCOURS AGRO-VETO, SESSION 20 Corrigé de l'épreuve A I - Première partie. Le théorème de factorisation des polynômes donne : ar 2 + br + c ar ω r ω 2. En développant le second membre, on obtient alors

Plus en détail

Université Joseph Fourier - MAT

Université Joseph Fourier - MAT Université Joseph Fourier - MAT 231-2008-2009 Devoir à la maison n 2 Ce devoir est à rendre en TD la semaine n 43 (Lundi 20/10 - Vendredi 24/10. Exercice 1 Soit K un corps commutatif, et M n (K l ensemble

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

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

1. Réduction d un endomorphisme en dimension finie, d une matrice

1. Réduction d un endomorphisme en dimension finie, d une matrice Réduction des endomorphismes en dimension finie 4-1 Sommaire 1 Réduction en dimension finie 1 11 Polynôme caractéristique 1 12 Ordre de multiplicité 2 2 Diagonalisation en dimension finie 2 21 Diagonalisibilité

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées Réduction des endomorphismes et des matrices carrées Table des matières 1 Vecteurs propres et espaces propres d un endomorphisme 2 11 Éléments propres d un endomorphisme 2 12 Obtention d éléments propres

Plus en détail

Exercices sur les Matrices : corrigé

Exercices sur les Matrices : corrigé Exercices sur les Matrices : corrigé Mardi 6 Février 008 Exercice C'est du simple calcul, on obtient CA = ( 0 8 0 9 ). 8 4 8 ; BC = 4 7 et BCA = Exercice On a A = 0 0 0 0 0 0 et A = I, puis les puissances

Plus en détail

Feuille d exercices 6 : Familles libres, génératrices. Applications linéaires.

Feuille d exercices 6 : Familles libres, génératrices. Applications linéaires. Université Denis Diderot Paris 7 (4-5) TD Maths, Agro wwwprobajussieufr/ merle Mathieu Merle : merle@mathuniv-paris-diderotfr Feuille d exercices 6 : Familles libres, génératrices Applications linéaires

Plus en détail

EXERCICE 1 - E3A MP

EXERCICE 1 - E3A MP . à 6. : Voir le cours! Commun à tous - Questions de cours 7. VRAI OU FAUX? Justiier par une démonstration ou un contre-exemple : (a) Deux matrices semblables A et B ont le même rang : VRAI. Ces deux matrices

Plus en détail

Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1

Sous-espaces stables. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1 [http://mpcpgedupuydelomefr] édité le 17 août 217 Enoncés 1 Sous-espaces stables Exercice 1 [ 755 ] [Correction] Soient u et v deux endomorphismes d'un K-espace vectoriel E On suppose que u et v commutent,

Plus en détail

Chapitre VIII Calcul matriciel

Chapitre VIII Calcul matriciel Chapitre VIII Calcul matriciel Dans ce cours, désigne, ou un corps commutatif quelconque. I Matrices et applications Les matrices sont un outil de calcul et de représentation des applications linéaires.

Plus en détail

Chapitre 6 Couples et suites de variables aléatoires discrètes

Chapitre 6 Couples et suites de variables aléatoires discrètes Mr Dunstetter - ENC-Bessières 204\205 Chapitre Couples et suites de variables aléatoires discrètes I Couples de variables aléatoires discrètes : dénitions Dans toute cette partie, on considère X et Y deux

Plus en détail

Formes linéaires, hyperplans, dualité

Formes linéaires, hyperplans, dualité 12 Formes linéaires, hyperplans, dualité Pour ce chapitre, K est un corps commutatif et E un K-espace vectoriel de dimension nie ou non. 12.1 L'espace dual E Dénition 12.1 Une forme linéaire sur E est

Plus en détail

Calculer l inverse d une matrice

Calculer l inverse d une matrice Méthodes et techniques des exercices Calculer l inverse d une matrice Définition. On dit qu une matrice A carrée n n à cœfficients dans un corps K est inversible si il existe une matrice carrée n n, B

Plus en détail

LFA / Terminale S SPÉCIALITÉ MATHS Mme MAINGUY. Les nombres contenus dans ce tableau sont appelés les coefficients de la matrice.

LFA / Terminale S SPÉCIALITÉ MATHS Mme MAINGUY. Les nombres contenus dans ce tableau sont appelés les coefficients de la matrice. Les matrices chapitre 2 : calcul matriciel I / Définitions Soit n et p deux entiers naturels non nuls Une matrice n p (on dit aussi de format n ; p ( ) est un tableau de nombres réels à n lignes et p colonnes

Plus en détail

METHODE DU PIVOT DE GAUSS

METHODE DU PIVOT DE GAUSS METHODE DU PIVOT DE GAUSS La méthode du pivot de Gauss permet la résolution générale des systèmes d équations linéaires à n équations et p inconnues Elle s utilise notamment pour leur résolution numérique

Plus en détail

Espaces vectoriels. Introduction. 1 Espaces et sous-espaces vectoriels. ECE3 Lycée Carnot. 9 juin Dénition et exemples

Espaces vectoriels. Introduction. 1 Espaces et sous-espaces vectoriels. ECE3 Lycée Carnot. 9 juin Dénition et exemples Espaces vectoriels ECE3 Lycée Carnot 9 juin 2010 Introduction Les deux derniers chapitres du cours (on approche de la n) vont nous servir à introduire et commencer à étudier des notions que vous reverrez

Plus en détail

Soient A, B, C, D M n ()K avec A inversible et AC = CA. On considère M = M C D 2n ()K. Montrer que det M = det(ad CB).

Soient A, B, C, D M n ()K avec A inversible et AC = CA. On considère M = M C D 2n ()K. Montrer que det M = det(ad CB). #53 Déterminants Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel Exercice 1 det(i AB) = det(i BA) Soient A M p,q ()K et B M q,p ()K Montrer que det(i p AB) = det(i q BA) (Commencer par le cas

Plus en détail

CHAPITRE 2 MATRICES ET RÉSOLUTION DE SYSTÈMES D ÉQUATIONS LINÉAIRES EXERCICE 1 (CHAPITRE 2-I) 1

CHAPITRE 2 MATRICES ET RÉSOLUTION DE SYSTÈMES D ÉQUATIONS LINÉAIRES EXERCICE 1 (CHAPITRE 2-I) 1 CHAPITRE 2 MATRICES ET RÉSOLUTION DE SYSTÈMES D ÉQUATIONS LINÉAIRES EXERCICE 1 (CHAPITRE 2-I) 1 Déterminer les matrices élargies des systèmes S1, S2, S5 et S6 du chapitre précédent. La matrice élargie

Plus en détail

Crochet de Lie. [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1

Crochet de Lie. [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 Crochet de Lie Exercice 1 [ 00775 ] [Correction] Soient A, B M n (R) vérifiant AB BA = A. (a) Calculer A k B BA k pour k N. (b) À quelle

Plus en détail

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées.

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées. 0 0 3 3 EXERCICE Soit les matrices A = et B = 2 3 0 0. Calculer le déterminant de A. En déduire le rang de cette matrice. 0 0 0 Dét(A) = dét = dét 0 0 car (propriété P ) le déterminant d une matrice ne

Plus en détail

Algèbre linéaire pour GM Jeudi 01 décembre 2011 Prof. A. Abdulle. Série 10 (Corrigé)

Algèbre linéaire pour GM Jeudi 01 décembre 2011 Prof. A. Abdulle. Série 10 (Corrigé) Algèbre linéaire pour GM Jeudi décembre Prof. A. Abdulle EPFL Série (Corrigé) Exercice Parmi les matrices suivantes, indiquer celles qui sont diagonalisables (toujours en justifiant), et le cas échéant

Plus en détail

Notes de cours L1 LM 125. Sophie Chemla

Notes de cours L1 LM 125. Sophie Chemla Notes de cours L1 LM 125 Sophie Chemla 10 septembre 2009 2 Table des matières 1 Matrices 7 1.1 Matrices : définitions, opérations.................... 7 1.1.1 Définitions........................... 7 1.1.2

Plus en détail

Opérations élémentaires sur les lignes ou les colonnes d'une matrice. Applications

Opérations élémentaires sur les lignes ou les colonnes d'une matrice. Applications 13 Opérations élémentaires sur les lignes ou les colonnes d'une matrice Applications On désigne par K un corps commutatif de caractéristique diérente de 2 Pour n, m entiers naturels non nuls, on note M

Plus en détail

( ) dx t dt. ( ) B( t) Le principe de la résolution se base sur la diagonalisation de la matrice A ou à défaut sa trigonalisation.

( ) dx t dt. ( ) B( t) Le principe de la résolution se base sur la diagonalisation de la matrice A ou à défaut sa trigonalisation. Equations différentielles linéaires du premier ordre à coefficients constants (ou système d équation différentielles linéaires scalaire à coefficients constants du premier ordre) dx t dt B( t) + AX t x

Plus en détail

[ [ [ ] 1. Définitions et Vocabulaire. Chapitre 3 Calcul matriciel. a. Définitions d'une matrice

[ [ [ ] 1. Définitions et Vocabulaire. Chapitre 3 Calcul matriciel. a. Définitions d'une matrice Chapitre Calcul matriciel. Définitions et Vocabulaire a. Définitions d'une matrice Définition Une matrice de dimension n p est un tableau de nombres comportant n lignes et p colonnes s [ 8 6 0 [ 6 8 0

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

Fiche méthodologique Rang d une matrice et applications

Fiche méthodologique Rang d une matrice et applications Fiche méthodologique Rang d une matrice et applications BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deu définitions du rang d une matrice Le rang d une matrice M M n,p (K) est défini de deu manières

Plus en détail

Rappels sur l algèbre linéaire

Rappels sur l algèbre linéaire Rappels sur l algèbre linéaire Dans tout ce chapitre n et p sont des entiers naturels non nuls et K = R ou C, E un K-espace vectoriel, I un ensemble non vide. I- Espace vectoriel I-1 Définition et exemples

Plus en détail

E.A.D.M S1 U.E. Renforcements Mathématiques Algèbre linéaire

E.A.D.M S1 U.E. Renforcements Mathématiques Algèbre linéaire E.A.D.M. 2010 2011 S1 U.E. Renforcements Mathématiques Algèbre linéaire Cours et T.D. de Jean-Marie MORVAN... Le Contrôle Continu... 25 octobre 2010 L'objet de ce problème est l'étude de certains sous-espaces

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

a (x 1) 2 + b b + c =1 a + b 2c =0 2a 2b + c =1 (x 1) 2 + 4/9 α x a

a (x 1) 2 + b b + c =1 a + b 2c =0 2a 2b + c =1 (x 1) 2 + 4/9 α x a Algèbre - Fiche-méthodes : Décomposer une fraction rationnelle en éléments simples - Fiche-méthodes 2 : Espaces vectoriels et sous-espaces vectoriels - Fiche-méthodes 3 : Familles libres ou liées - Bases

Plus en détail

On considère l'application T dans le plan qui, à un point M(x ; y), associe le point M ' (x' ; y') définie par le { ( 2)+1=3 , M 3 1 2= 1.

On considère l'application T dans le plan qui, à un point M(x ; y), associe le point M ' (x' ; y') définie par le { ( 2)+1=3 , M 3 1 2= 1. Classe: TS spé Maths Bac blanc spécialité jeudi 7 février 04 Partie I- Matrices et systèmes. Le plan est muni d'un repère orthonormal (O; u, v. On considère l'application T dans le plan qui, à un point

Plus en détail

Résumé 01 : Algèbre Linéaire (I)

Résumé 01 : Algèbre Linéaire (I) http://mpbertholletwordpresscom Résumé 1 : Algèbre Linéaire (I) Dans tout ce chapitre, K sera le corps R ou C, et E sera un espace vectoriel sur K Vous remarquerez les grandes similitudes qui existent

Plus en détail

Algèbre linéaire pour GM Jeudi 28 novembre 2013 Prof. A. Abdulle , , )

Algèbre linéaire pour GM Jeudi 28 novembre 2013 Prof. A. Abdulle , , ) Algèbre linéaire pour GM Jeudi 8 novembre Prof. A. Abdulle EPFL Série (Corrigé) Exercice Parmi les matrices suivantes, indiquer celles qui sont diagonalisables (toujours en justifiant), et le cas échéant

Plus en détail

Matrices et applications linéaires

Matrices et applications linéaires Matrices et applications linéaires Vidéo partie Rang d'une famille de vecteurs Vidéo partie Applications linéaires en dimension finie Vidéo partie Matrice d'une application linéaire Vidéo partie 4 Changement

Plus en détail

Exercices du chapitre XI avec corrigé succinct

Exercices du chapitre XI avec corrigé succinct Exercices du chapitre XI avec corrigé succinct Exercice XI. Soient : 3 2 6 2 A, B et C 2 4 3 3 2 4 4 2 2 x, y, y 2 et z 3. Calculer Ax et Bx, que remarque t-on par rapport à la multiplication usuelle dans

Plus en détail

Matrices antisymétriques

Matrices antisymétriques [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1 Matrices antisymétriques Exercice 1 [ 02503 ] [Correction] Soit M M n (R) telle que M + t M soit nilpotente. Montrer que M est antisymétrique.

Plus en détail

Exercices : Matrices

Exercices : Matrices Exercices : Matrices Exercice Soient A, B matrices de M n (K). On note I la matrice identité. On suppose que AB = I + A + A. Montrer que A est inversible, calculer A en fonction de A, B, I.. En déduire

Plus en détail

TD 1 - Mise en bouche - Feuille d exercice 0.

TD 1 - Mise en bouche - Feuille d exercice 0. Université Claude Bernard Lyon 1 Licence Sciences & Technologies 43, boulevard du 11 novembre 1918 Spécialité : Mathématiques 69622 Villeurbanne cedex, France UE : Analyse III Automne 2011 Groupe B Enseignant

Plus en détail

Algèbre générale. 1.1 Algèbre linéaire et polynômes. . On note aussi l'endomorphisme de R[X] qui envoie P sur P (X + 1) P (X). a) Calculer Ker et ( )

Algèbre générale. 1.1 Algèbre linéaire et polynômes. . On note aussi l'endomorphisme de R[X] qui envoie P sur P (X + 1) P (X). a) Calculer Ker et ( ) Algèbre générale Questions de cours Algèbre linéaire : Théorème du rang. Caractérisations des projecteurs et des symétries. Dimension d'une somme de sous-espaces vectoriels. Dimension de L(E, F ). Formule

Plus en détail

Année 2015/2016 Semaine 8 Classe de PC*1, lycée Louis le Grand

Année 2015/2016 Semaine 8 Classe de PC*1, lycée Louis le Grand Année 215/216 Semaine 8 Classe de PC*1, lycée Louis le Grand Exercice 1 Soient A et B deux éléments de M n (C) tels AB = BA. On veut montrer A et B sont cotrigonalisables (c'est-à-dire qu'elles se trigonalisent

Plus en détail