Déterminant d une matrice

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Déterminant d une matrice"

Transcription

1 Déterminant d une matrice ) Morphisme fondamental Prop : Pour toutes matrices A et B 2 M n (K), det(ab) = (det A)(det B) : Prop : A est inversible ssi det A 6= : Ainsi, l application A 7! det A est un morphisme de groupes de (GL n (K); ) dans (K,). L ensemble SL n (K) = fa 2 M n (K) j det A = g est un sous-groupe de GL n (K), appelé groupe spécial linéaire. Important : Deux matrices semblables ont le même déterminant. En e et, si A = P AP, alors det(a ) = (det P )(det A)(det P ) = (det P ) (det A)(det P ) = det A: 2) Déterminant de la transposée Prop : det A = det t A : 3) Déterminant d une matrice triangulaire par blocs A C Prop : Soit M = 2 M O q;p B n (K), avec A 2 M p (K) et B 2 M q (K). Alors det M = (det A)(det B) : L En particulier, det = (det A), pour tous 2 K et A 2 M O A n (K): Corollaire : Le déterminant d une matrice triangulaire est le produit des coe cients diagonaux : : : : On a det 2. C A = 2 ::: n : : : : n Remarque : C est le cas en particulier des matrices diagonales : det(diag( ; 2 ; :::; n )) = 2 ; ::: n : Important : Une matrice triangulaire est inversible ssi tous ses coe cients diagonaux sont non nuls. Plus généralement, une matrice triangulaire par blocs est inversible ssi tous les blocs diagonaux sont inversibles. 4) Forme n-linéaire alternée et opérations sur les lignes et les colonnes a) Le déterminant d une matrice est une forme n-linéaire alternée des vecteurs colonnes. Autrement dit, l application (A ; :::; A n ) 7! det A = det(a ; :::; A n ) est n-linéaire et det(a ; :::; A n ) est nul dès que deux colonnes A j sont égales. Ainsi, l application A j 7! det(a ; :::; A n ) est une forme linéaire (de K n dans K). En particulier, on a det( A ; 2 A 2 ; :::; n A n ) = 2 ::: n det(a ; :::; A n ) et det(a) = n (det A) : Remarque : Le déterminant d une matrice est aussi une forme n-linéaire alternée des vecteurs lignes (car une matrice et sa transposée ont même déterminant). b) Déterminant et opérations sur les lignes et les colonnes d une matrice Principes. - L ajout à une colonne d une combinaison linéaire des autres colonnes ne modi e pas le déterminant

2 - La multiplication d une colonne par un scalaire multiplie le déterminant par. - La permutation de deux colonnes change le signe du déterminant. Propriétés analogues sur les opérations de ligne. Application au calcul du déterminant. Par une succession d opérations élémentaires sur les colonnes (ou les lignes), on se ramène à une matrice triangulaire, et on peut en déduire le déterminant. En pratique, on combine souvent plusieurs méthodes de calcul. 2 2 Exemple : En opérant sur les lignes, = = 3 3 = 9: 5) Cofacteurs, développement du déterminant selon une ligne ou une colonne a) Mineurs et cofacteurs Def : Soit A = (a ij ) in;jn = (A ; A 2 ; :::; A n ) 2 M n (K): Soit (i; j) 2 f; 2; :::; ng 2. Le mineur ij est le déterminant d ordre (n ) de la matrice obtenue en supprimant dans A la i-ième ligne et la j-ième colonne. Le cofacteur C ij est dé ni par : C ij = ( ) i+j ij : Remarque : Le signe de ( ) i+j = ( ) ji jj vaut + sur la diagonale, puis alterne en fonction de la distance (nombre de cases) à la diagonale. En particulier, pour les indices (; n) et (n; ), il vaut ( ) n : Prop : Le cofacteur C ij est le déterminant de la matrice obtenue en remplaçant dans A la j-ième colonne par le vecteur canonique E i. Autrement dit, C ij = det(a ; A 2 ; :::; A j ; E i ; A j+ ; :::; A n ): Preuve : Le fait de déplacer la j-ième colonne en première position multiplie le déterminant par ( ) j : En e et, un tel déplacement peut se faire en permutant les colonnes j et (j ), puis (j ) et (j 2), etc... De même, mettre la i-ième ligne en première position multiplie le déterminant par ( ) i : B C B C O O D où : O O A = ( ) j O O A = ( ) j ( ) i B C D E D E D E On reconnaît alors un déterminant par blocs (matrice triangulaire inférieure par blocs). B C On obtient donc nalement ( ) i+j det. D où C D E ij = ( ) i+j ij : Remarque : De même (par passage aux transposées), C ij est le déterminant de la matrice obtenue en remplaçant dans A la i-ième ligne par le j-ième vecteur ligne canonique L j = (; ; :::; ; ; ; :::; ): b) Développement du déterminant du déterminant selon une colonne ou une ligne Prop : Soit A 2 M n (K). i) Développement du déterminant selon la j-ième colonne : det A = P n i= a ijc ij ii) Développement du déterminant selon la i-ième ligne : det A = P n j= a ijc ij Preuve : i) On utilise la linéarité du déterminant d une matrice par rapport à la j-ième colonne. En e et, avec A j = P n i= a ije i, on a det A = P n i= a ij det(a ; A 2 ; :::; A j ; E i ; A j+ ; :::; A n ) = P n i= a ijc ij : ii) Idem par transposition. Exemple : En développant selon la première colonne, A :

3 a a a b b b c c c = a b b c c b a a c c + c a a b b = ab c ac b ba c + bc a + ca b cb a : 6) Comatrice et expression de la matrice inverse en fonction de la comatrice a) Comatrice Def : La comatrice de A, souvent notée A, e est la matrice des cofacteurs, c est-à-dire A e = (C ij ) in;jn : a b Exemple : La comatrice de A = est A c d d c = : b a a a a (b c c b ) ::: ::: Exemple : La comatrice b b b A (a c c a ) ::: ::: A : c c c ::: ::: ::: b) Relation fondamentale Prop : A t A e = t AA e = (det A)In. En particulier, si A est inversible, A = t A e : det A Remarque : A l exception du cas n = 2, il s agit d un résultat plus théorique que pratique. a b Important : La matrice A = est inversible ssi ad bc 6=, et on a A c d d b = : ad bc c a Exemple : ( ) Soit A 2 M n (Q) une matrice à coe cients entiers (c est-à-dire appartiennent à Z). On suppose que jdet Aj = : Alors A est à coe cients entiers. En e et, tout déterminant d une matrice à coe cients entiers est un entier. Donc tous les cofacteurs de la matrice A sont entiers. Or, comme det A =, alors A est égal, au signe près, à la transposée de la comatrice. 7) Déterminant d une matrice comme fonction polynomiale de ses coe cients Les formules précédentes permettent d exprimer tout déterminant d ordre n comme combinaisons de n déterminants d ordre (n ). On en déduit par récurrence que le déterminant det A est une expression polynomiale en les coe cients (a ij ) de la matrice A 2 M n (K). Plus précisement, il s écrit comme la somme de n! termes qui sont, au signe près, le produit de n coe cients de la matrice se trouvant sur des lignes et sur des colonnes distinctes. Remarque : En particulier, lorsque K = R (ou C), le déterminant est une fonction continue de ses coe cients. En particulier, si M 2 GL n (R), alors toute matrice dont les coe cients sont assez proches de ceux de M est aussi inversible (on dit que GL n (R) est une partie ouverte dans M n (R)). Complément culturel : En fait, on peut expliciter det A. On a det A = P ny 2S n "() a (j);j, où S n est l ensemble des n! permutations de f; 2; :::; ng: i= Les produits Q n i= a (j);j correspondent aux produits de n éléments de la matrice qui appartiennent à des lignes distinctes et à des colonnes distinctes : Autrement dit, chaque ligne et chaque colonne de la matrice contient un unique terme de chaque produit. Dé nition de la signature "() d une permutation (hp) : Toute permutation s écrit comme produit de transpositions (= échanges de deux éléments). La décomposition n est pas unique, mais la parité du nombre r de termes ne dépend pas du choix de la décomposition. On pose () = ou dit, on pose "() = ( ) r. selon que le nombre r est pair ou impair. Autrement

4 Formes n-linéaires alternées (= antisymétriques) sur un ev de dimension n 8) Déterminant d une famille de vecteurs dans une base Def : Soit B une base de E. On dé nit det B (x ; :::; x n ) = det A, où A = Mat B (x ; :::; x n ): Remarque : det B (x ; :::; x n ) = (det P ) det B (x ; :::; x n ), où P = P B B : En e et, on a X j = P X j, donc A = (X ; :::; X n ) = (P X ; :::; P X n) = P A, d où det A = (det P )(det A ): Important : Pour B = (e ; e 2 ; :::; e n ), on a det B (e ; e 2 ; :::; e n ) =, car Mat B (e ; e 2 ; :::; e n ) = I n : 9) Propriété fondamentale des formes n-linéaires alternées sur un ev de dimension n a) Def : Une forme n-linéaire sur E est une application f : E E ::: E! K linéaire en chacune des variables, c est-à-dire que x j 7! f(x ; :::; x n ) est une forme linéaire sur E. Prop : Soit f : E n! K une forme n-linéaire sur un K-ev E. Les assertions suivantes sont équivalentes : i) f(x ; :::; x n ) est nul si deux des x i sont égaux (forme alternée) ii) f(x ; :::; x n ) est inchangé si on ajoute à l un des vecteurs une combinaison linéaire des autres. iii) f(x ; :::; x n ) est nul si la famille (x ; :::; x n ) est liée. iv) f(x ; :::; x n ) est changé en son opposé si on permute deux vecteurs (forme antisymétrique). b) Théorème : Soit B = (e ; :::; e n ) une base de E, où E est un K-ev de dimension n. Alors det B est l unique forme n-linéaire alternée f sur E véri ant f(e ; :::; e n ) = : Important : Les formes n-linéaires alternées sur E sont donc les det B : Autrement dit, le sev des formes n-linéaires alternées sur E est une droite vectorielle. Ainsi, deux formes n-linéaires alternées non identiquement nulles sont proportionnelles. Exemple : Soient B et B deux bases de E. Alors det B = det B, où = det B B = det(pb B ): c) Preuve du théorème en dimension 2. Soient E un K-ev de dimension n = 2, et B = (e ; e 2 ) une base de E. Soit f une forme n-linéaire sur E. Pour x = ae + be 2 et y = ce + de 2, on a par n-linéarité : f(x; y) = f(ae + be 2 ; ce + de 2 ) = ac f(e ; e ) + ad f(e ; e 2 ) + bc f(e 2 ; e ) + bd f(e 2 ; e 2 ) Comme f est alternée, on a f(e ; e ) = f(e 2 ; e 2 ) = et f(e 2 ; e ) = f(e ; e 2 ): On en déduit f(x; y) = (ac bd)f(e ; e 2 ) Ainsi, toute forme n-linéaire sur E est entièrement dé nie par f(e ; e 2 ). D autre part, comme det B (x; y) = a c b d, alors f(x; y) = det B(x; y), avec = f(e ; e 2 ): Remarque : La preuve est analogue en dimension n. On montre en posant x j = P n i= a ije i et en développant f(x ; :::; x n ) que tout forme n-linéaire alternée sur E = Vect(e ; e 2 ; :::; e n ) est entièrement déterminée par f(e ; :::; e n ), et on obtient aussi une formule explicite de det(a), où A = (a ij ) in;jn :

5 Déterminant d un endomorphisme ) Déterminant d un endomorphisme a) Déterminant d un endomorphisme (dé nition matricielle) Def : Soit u 2 L(E). Pour B base de E, on pose det u = det(mat B u) : Cette dé nition est valide car la valeur de det(mat B u) ne dépend pas du choix de la base B. En e et, deux matrices semblables ont même déterminant. b) Exemples : Cas des endomorphismes trigonalisables (et diagonalisables) S il existe B telle que A = Mat B u est triangulaire, alors det u est le produit des coe cients diagonaux de A. Exemple : det(id) = et det( Id) = n : Exemple : Supposons qu il existe une base B = (e ; :::; e n ) formée de vecteurs propres de u, c est-à-dire que les vecteurs e j véri ent u(e j ) = j e j pour tout j n. Alors Mat B u = Diag( ; 2 ; ::; n ), alors det u = 2 ; :: n : Exemple : ( ) C est le cas des symétries. Si u est la symétrie sur F par rapport à G, alors det u = ( ) q, où q = dim G. En e et, on considère une base B adaptée à F G = E, et on a Mat B u = ) Propriétés fondamentales a) Déterminant de l image d une famille de vecteurs par un endomorphisme Ip O O I q 2 M n (K): Prop : Soit u 2 L(E) et B une base de E. Alors det B (u(x ); :::; u(x n )) = (det u) det B (x ; :::; x n ). Première preuve : Posons X j = Mat B x j, Y j = Mat B u(x j ) et A = Mat B u. Alors Y j = AX j : Alors Mat B (u(x ); :::; u(x n )) = (Y ; :::; Y n ) = A(X ; :::; X n ) = A Mat B (x ; :::; x n ): En passant aux déterminants, on obtient bien det B (u(x ); :::; u(x n )) = (det u) det B (x ; :::; x n ): Seconde preuve : Soit B une base de E. On considère l application f : E n! K (x ; :::; x n ) 7! det B (u(x ); :::; u(x n )): Par linéarité de u et par n-linéarité de det B, l application f est n-linéaire. D autre part, si deux x i sont égaux, il est en de même des u(x i ), donc f(x ; :::; x n ) = : Donc f est alternée. Par le théorème fondamental, il existe 2 K tel que f = det B, Autrement dit, on a 8(x ; :::; x n ) 2 E n, on a f(x ; :::; x n ) = det B (x ; :::; x n ): En prenant la valeur de f en B = (e ; :::; e n ), on obtient = f(e ; :::; e n ), car det B (e ; :::; e n ) = : b) Propriété de morphisme Rappel : GL(E) est l ensemble des endomorphismes u de E bijectifs (c est-à-dire inversibles pour ). (GL(E); ) est un groupe, appelé groupe linéaire, isomorphe à GL n (K) (par u 7! Mat B u). Prop : Soient u et v 2 L(E). Alors det(u v) = (det u)(det v) et det u 6= ssi u 2 GL(E). Def : SL(E) = fu 2 L(E) j det u = g est un sous-groupe de GL(E), appelé groupe spécial linéaire. Preuve : On considère une base B, et on considère les déterminants de Mat B (u v) = (Mat B u)(mat B v): Autre preuve : det B (u v(x ); :::; u v(x n )) = (det u) det B (v(x ); :::; v(x n )) = det(u) det(v) det B (x ; :::; x n ):

6 Déterminant (volume orienté, produit mixte) dans un espace euclidien 2) Produit mixte dans un espace euclidien Important : Soit A 2 O n (R) une matrice orthogonale, c est-à-dire A t A = I n : D où det A = : On note SO n (R) = O + n (R) les matrices de rotation ( = matrices orthogonales de déterminant ). Matrices de passage : Deux bases B et B ont même orientation ssi det(p B B ) > : La matrice de passage entre deux bases orthonormées est orthogonale, et la matrice de passage entre deux bases orthonormées directes est une matrice de rotation. Prop : Soit (x ; :::; x n ) une famille de n vecteurs d un espace euclidien orienté E de dimension n. La valeur de det B (x ; :::; x n ) ne dépend pas du choix de B base orthonormée directe de E: On la note donc det(x ; :::; x n ) ou bien [x ; :::; x n ], appelé produit mixte de (x ; :::; x n ): Important : Dans E = R n canoniquement orienté, det(x ; :::; x n ) est le volume orienté du parallélépipède P de base (x ; :::; x n ), c est-à-dire dé ni par P = [; ]x + ::: + [; ]x n = f P n i= ix i, ( ; :::; n ) 2 [; ] n g: Le volume est strictement positif (resp. négatif) ssi (x ; :::; x n ) est une base directe (resp. indirecte). Prop : La valeur de jdet B (x ; :::; x n )j ne dépend pas du choix de B base orthonormée de E: jdet(x ; :::; x n )j correspond dans R n au volume non orienté du parallélépipède P = [; ]x + ::: + [; ]x n : Preuve : La matrice de passage entre deux bases orthonormées est orthogonale, donc leur déterminant vaut. Si ces bases sont directes, la matrice de passage est une matrice de rotation, donc son déterminant vaut : 3) Déterminant d un endomorphisme et caractérisation du groupe spécial linéaire On sait que 8(x ; :::; x n ), det(u(x ); :::; u(x n )) = (det u) det(x ; :::; x n ) Ainsi, det u représente dans R n le facteur par lequel sont multipliés les volumes en composant par u. Remarque : On retrouve immédiatement la relation det(u v) = (det u)(det v): Remarques : - Un endomorphisme u conserve les volumes orientés ssi det u =, c est-à-dire ssi u 2 SL(E): - Un endomorphisme u conserve les volumes non orientés ssi jdet uj = : C est le cas des isométries (qui conservent les normes, donc le produit scalaire (identité de polarisation), et donc les volumes, mais la réciproque est fausse. ( ) Par exemple, l endomorphisme (x; y) 7! (2x; 2 y) de R2 conserve les volumes mais non les normes. Exemple classique : Déterminant de Van der Monde 4) a) La matrice de Van der Monde est M(a ; :::; a n ) = (a j i ) in;jn = La matrice de Van der Monde est la matrice dans les bases canoniques de K n a : : : a n a 2 : : : a n 2.. a n : : : an n C A 2 M n(k). [X] et de K n de l application linéaire u associée à l interpolation de Lagrange, c est-à-dire u : K n [X]! K n P 7! (P (a ); P (a 2 ); :::; P (a n )):

7 En particulier, M(a ; :::; a n ) est inversible ssi les a i sont deux à deux distincts. Remarque : Dans ce cas, on a u (y ; :::; y n ) = P n j= y jl j, où les L j sont les polynômes de Lagrange. Ainsi, la j-ième colonne de M(a ; :::; a n ) contient les coe cients de L j : b) Prop : Le déterminant de Van der Monde est W (a ; :::; a n ) = det M(a ; :::; a n ) = Y Remarque : Le produit des (a j a i ) contient n 2 = n(n ) termes. Remarque : En particulier, W (a ; :::; a n ) 6= ssi les a j sont deux à deux distincts. 2 i<jn (a j a i ) : Première preuve : Lorsque les a j ne sont pas deux à deux distincts, la matrice admet deux lignes identiques, donc le déterminant est nul. Supposons désormais a ; :::; a n deux à deux distincts, et considérons Q(x) = W (a ; :::; a n ; x): En développant selon la dernière colonne, on obtient que Q est un polynôme de degré (n dominant W (a ; :::; a n ): D autre part, les a i, avec i n sont des racines de Q, donc sont les racines de Q: Et Q(x) = W (a ; :::; a n )(x a ):::(x a n ). Avec x = a n, on obtient la relation de récurrence W (a ; :::; a n ) = W (a ; :::; a n )(a n a ):::(a n a n ): On conclut alors par récurrence sur n 2 N : ) et de coe cient Deuxième preuve : En retranchant à aux colonnes d indice j 2 f2; :::; ng la précédente multipliée par a, on obtient un déterminant par blocs, d où on déduit : W (a ; :::; a n ) = (a 2 a )(a 3 a ):::(a n a )W (a 2 ; :::; a n ): On conclut à nouveau par récurrence sur l ordre de la matrice de Van der Monde. Troisième preuve : a : : : a n 2 P (a ) a 2 : : : a n 2 2 P (a 2 ) Lemme : i) Soit P 2 K[X] un polynôme unitaire de degré (n ): Alors = W (a ; :::; a n ):.... a n : : : a n n 2 P (a n ) ii) Soient P j, avec j n, des polynômes unitaires de degré échelonnés, c est-à-dire deg P j = j. Alors det(p j (a i )) in;jn = W (a ; :::; a n ): Preuve du lemme : i) On retranche à la dernière colonne une combinaison linéaire des autres. ii) On opére sur les colonnes en retranchant à chaque colonne une combinaison linéaire des précédentes. Preuve de la prop : On choisit P j = (X a )(X a 2 ):::(X a j ). Ainsi, P j est unitaire de degré (j ). La matrice (P j (a i )) in;jn est triangulaire inférieure, donc son déterminant est le produit des termes diagonaux P j (a j ): On déduit de ii) que W (a ; :::; a n ) est le produit des (a j a i ), avec i < j n.

Déterminants. Chapitre 23. Objectifs. Plan

Déterminants. Chapitre 23. Objectifs. Plan Chapitre 23 Déterminants Objectifs Étudier le groupe des permutations de [[1n]] Définir les notions : de cycles, de transpositions, de décomposition en produit de cylces, de signature Définir les notions

Plus en détail

Déterminants. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau

Déterminants. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Déterminants Définition Déterminant d une matrice On définit par récurrence le déterminant, noté det(a),

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

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot DÉTERMINANTS Dans tout ce chapitre, n désigne un entier naturel non nul. 1 Groupe symétrique 1.1 Permutation Définition 1.1 Permutation, groupe symétrique On appelle permutation de 1, n toute bijection

Plus en détail

DÉTERMINANTS I. Déterminant d une matrice carrée

DÉTERMINANTS I. Déterminant d une matrice carrée DÉTERMINANTS I Déterminant d une matrice carrée a Définition Proposition admise) et définition Il existe une unique application f : M n IK) IK vérifiant les trois propriétés suivantes : 1): fi n ) = 1

Plus en détail

Résumé 02 : Matrices & Déterminants

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

Plus en détail

Matrices 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

CONCOURS COMMUNS POLYTECHNIQUES 2008 MP MATHEMATIQUES 2

CONCOURS COMMUNS POLYTECHNIQUES 2008 MP MATHEMATIQUES 2 CONCOURS COMMUNS POLYTECHNIQUES 8 MP MATHEMATIQUES I EXEMPLES Le polynôme caractéristique de M() est P M() (X) = Si on fait C C on voit que se factorise Si on fait L + L on voit que se factorise la trace

Plus en détail

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

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

Plus en détail

j=1 ( 1) 1+j a 1j deta j On dit qu on développe le déterminant ( ) suivant la première ligne de A. a11, a En particulier, si n = 2, dét 12

j=1 ( 1) 1+j a 1j deta j On dit qu on développe le déterminant ( ) suivant la première ligne de A. a11, a En particulier, si n = 2, dét 12 Déterminants 1 Définition Soit A = (a ij ) 1 i,j n une matrice carrée d ordre n Le déterminant est une application dét: Mat n (K) K défini par récurrence sur n de façon suivante: - Si n = 1, det(a 11 )

Plus en détail

C H A P I T R E 2 F O R M E S Q U A D R A T I Q U E S

C H A P I T R E 2 F O R M E S Q U A D R A T I Q U E S C H A P I T R E 2 F O R M E S Q U A D R A T I Q U E S 1. Définitions et exemples DEFINITION 13 : FORME QUADRATIQUE Soit b une forme bilinéaire sur E. L application et appelée forme quadratique associée.

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

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

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

Plus en détail

Chapitre 3 : Matrices

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

Plus en détail

Eléments de calcul matriciel

Eléments de calcul matriciel Eléments de calcul matriciel Définition et propriétés des matrices Définition Une matrice (l x c) (lire l croix c) est un ensemble de l fois c nombres, réels ou complexes, regroupés sous la forme d un

Plus en détail

1. Déterminant d une matrice carrée

1. Déterminant d une matrice carrée Déterminants 2-1 Sommaire 1. Déterminant d une matrice carrée 1 1.1. Déterminant d une matrice carrée A.. 1 1.2. Interprétation en dimensions 2 et 3... 2 1.3. Propriétés élémentaires.......... 2 1.4. Déterminant

Plus en détail

Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof. A. Abdulle. Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc :

Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof. A. Abdulle. Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc : Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof A Abdulle EPFL Série 7 Corrigé Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc : a b c 3 1 0 4 1 2 1 1 2 2 1 1 2 1

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

Transformations orthogonales

Transformations orthogonales Transformations orthogonales Exercice 1. Changement de base unitaire Soit E un ev hermitien et B, B deux bases orthonormées de E. On note P la matrice de passage de B à B. Montrer que t P P = I. Que peut-on

Plus en détail

Groupe symétrique et déterminants

Groupe symétrique et déterminants Jérôme Von Buhren - http://vonbuhrenfreefr Groupe symétrique et déterminants 1 Groupe symétrique Exercice 1 : Soit n N avec n 3 1 Calculer σ (a b) σ 1 pour σ S n et a, b R distincts 2 Déterminer l'ensemble

Plus en détail

Résumé 19 : Endomorphismes des espaces euclidiens

Résumé 19 : Endomorphismes des espaces euclidiens Résumé 19 : Endomorphismes des espaces euclidiens Dans tout ce chapitre, E sera un espace vectoriel euclidien de dimension n 1 LE GROUPE ORTHOGONAL 1 Endomorphismes orthogonaux Ce sont ceux qui préservent

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

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

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

Exercices : déterminants

Exercices : déterminants Propriétés générales Exercices : déterminants Exercice 1: Soit n un entier non nul impair et soit A M n (K) une matrice antisymétrique 1 Exprimer de deux façons det(a T ) en fonction de det(a) 2 Que peut-on

Plus en détail

Matrices Orthogonales et Isométries vectorielles

Matrices Orthogonales et Isométries vectorielles Matrices Orthogonales et Isométries vectorielles MPSI - Prytanée National Militaire Pascal Delahaye 4 mai 016 Dans ce chapitre, on considère un espace euclidien (E,, ) de dimension n 1 Les isométries vectorielles

Plus en détail

Modules sur un anneau commutatif

Modules sur un anneau commutatif Université de Nice Master 1 Mathématiques 2006-07 GAE Modules sur un anneau commutatif 1. Généralités 1.1. On considère un anneau commutatif A. Un module M sur l anneau A (ou A-module) est un groupe abélien

Plus en détail

DE - DETERMINANTS. Rappels sur la méthode du pivot

DE - DETERMINANTS. Rappels sur la méthode du pivot DE - DETERMINANTS Rappels sur la méthode du pivot Si A est une matrice de M(n,m; R), les opérations intervenant dans la méthode du pivot s interprètent comme le produit de A par des matrices particulières

Plus en détail

Algèbre linéaire pour GM Jeudi 01 novembre 2012 Prof. A. Abdulle

Algèbre linéaire pour GM Jeudi 01 novembre 2012 Prof. A. Abdulle 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 On effectue la réduction de la matrice A jusqu à obtenir une

Plus en détail

Résumé de Math Sup et compléments : déterminants

Résumé de Math Sup et compléments : déterminants Résumé de Math Sup et compléments : déterminants I - Applications multilinéaires 1 Définition Soient E 1,, E n, F n+1 espaces vectoriels Soit f une application de E 1 E n dans F f est n-linéaire f est

Plus en détail

Réduction d endomorphismes

Réduction d endomorphismes Réduction d endomorphismes Ce document n est pas un cours mais présente seulement quelques notions à connaître sur le sujet. Soit E un K espace vectoriel, K = R ou C 1 Sous espaces stables 1.1 Définitions

Plus en détail

Montrer qu il s agit d un produit scalaire, et trouver une base orthogonale pour ce produit scalaire. (x e k ).e k

Montrer qu il s agit d un produit scalaire, et trouver une base orthogonale pour ce produit scalaire. (x e k ).e k Ex 1 Facile Soit un espace préhilbertien réel E et deux vecteurs x,y E. a) Développer l expression y 2.x (x y).y b) Retrouver l inégalité de Cauchy-Schwarz ainsi que le cas d égalité. Ex 2 Cours, à faire

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

MATHÉMATIQUES II. Rappels, notations et objectifs du problème

MATHÉMATIQUES II. Rappels, notations et objectifs du problème MATHÉMATIQUES II Rappels, notations et objectifs du problème Dans tout ce problème, n désigne un entier naturel supérieur ou égal à 2 et M n ( IC ) l ensemble des matrices carrées complexes d ordre n De

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

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

Contrôle continu - 5 décembre 2011

Contrôle continu - 5 décembre 2011 Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Contrôle continu - décembre 011 Le sujet comporte 1 page. L épreuve dure 1 heure 30. Les documents, calculatrices et téléphones portables sont

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

IV Classification des isométries vectorielles en dimension 3 9 IV.A Isométries positives... 9 IV.B Isométries négatives... 9

IV Classification des isométries vectorielles en dimension 3 9 IV.A Isométries positives... 9 IV.B Isométries négatives... 9 Espaces euclidiens I Groupe orthogonal 1 I.A Matrices orthogonales.................................... 1 I.B Groupe des matrices orthogonales.............................. 2 I.C Automorphisme orthogonal.................................

Plus en détail

Chapitre 9 - Isométries d'un espace euclidien - Cours. 1. Isométries vectorielles Les symétries orthogonales Les isométries vectorielles

Chapitre 9 - Isométries d'un espace euclidien - Cours. 1. Isométries vectorielles Les symétries orthogonales Les isométries vectorielles Chapitre 9 Isométries d'un espace euclidien Dans tout le chapitre on xe un espace vectoriel euclidien E de dimension n 12 Les symétries orthogonales Dénition 2 (Symétrie orthogonale Soit F un sous-espace

Plus en détail

Chapitre 7. Déterminants. Ce chapitre ne concerne que les matrices carrées. On travaillera systématiquement

Chapitre 7. Déterminants. Ce chapitre ne concerne que les matrices carrées. On travaillera systématiquement Chapitre 7 Déterminants Ce chapitre ne concerne que les matrices carrées On travaillera systématiquement dans M n (R 71 Définition et premières propriétés Le déterminant est une application de M n (R dans

Plus en détail

M = b d. a b ou M =. b a

M = b d. a b ou M =. b a Ce texte est extrait du cours optionnel de géométrie de l année universitaire 1999/2000. B.Ingrao Étude du groupe orthogonal dans le cas du plan. Dans ce qui suit, l espace est de dimension 2 ; en conséquence

Plus en détail

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications

Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications 16 Orientation d un espace euclidien de dimension 3. Produit mixte, produit vectoriel. Applications E est un espace euclidien voir le chapitre 15 pour des rappels). 16.1 Orientation d un espace euclidien

Plus en détail

À propos des transvections

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

Plus en détail

Problèmes matriciels

Problèmes matriciels Problèmes matriciels Exercice 1. I + a(x t Y Y t X inversible? Soient X, Y M n,1 (R indépendantes, a R et M la matrice n n telle que m ij x i y j x j y i. A quelle condition I + am est-elle inversible?

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

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

Plan (1/2) Support au cours. Plan (2/2) Vecteurs de R N et opérations Produit scalaire de deux vecteurs de R N Norme d un vecteur

Plan (1/2) Support au cours. Plan (2/2) Vecteurs de R N et opérations Produit scalaire de deux vecteurs de R N Norme d un vecteur Plan (1/2) Mathématique Élémentaire Introduction à l algèbre linéaire Support au cours S. Bridoux Université de Mons-Hainaut 1 L espace R N Vecteurs de R N et opérations Produit scalaire de deux vecteurs

Plus en détail

#47 Endomorphismes orthogonaux. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et de SO(E).

#47 Endomorphismes orthogonaux. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et de SO(E). #47 Endomorphismes orthogonaux Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel. E désigne un espace euclidien de dimension n. Exercice 1. (NEW) Quels sont les éléments du centre de O(E) et

Plus en détail

Etude de l ensemble des matrices

Etude de l ensemble des matrices Autour du produit Exercice 1 - Produits possibles - L1/Math ( Sup - ) On considère les matrices suivantes : A = 1 2 3, B = ( 1 2 ), C = 2 1 3 0 1 2, D = ( 2 5 5 0 ), E = 1 1 3 1 4 0 0 2 5 Quels sont les

Plus en détail

CCP PC 2010 Math 1. Partie 1

CCP PC 2010 Math 1. Partie 1 CCP PC 2 Math Il n est pas inutile de remarquer que IB est un exemple de la partie 2 et que la partie généralise la partie 2 On trouvera ainsi des réponses dans la suite du problème II contient la réponse

Plus en détail

Matrices. () Matrices 1 / 45

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

Plus en détail

Chapitre 8. Réduction des matrices. 8.1 Valeurs propres, vecteurs propres

Chapitre 8. Réduction des matrices. 8.1 Valeurs propres, vecteurs propres Chapitre 8 Réduction des matrices La réduction des matrices constitue le premier pas de ce que l on appelle la théorie spectrale, vaste sujet. Ses applications pratiques sont nombreuses : modélisation

Plus en détail

Géométrie dans les espaces préhilbertiens

Géométrie dans les espaces préhilbertiens 13 Géométrie dans les espaces préhilbertiens Pour ce chapitre (E, ) est un espace préhilbertien et est la norme associée. 13.1 Mesures de l angle non orienté de deux vecteurs non nuls L inégalité de Cauchy-Schwarz

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

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

x i y i + b x i y j i=0 x ) =

x i y i + b x i y j i=0 x ) = #83 Produit scalaire Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel Exercice Produits scalaires? Dire si les applications suivantes sont des produits scalaires : ) E = R 2, (x, x ) (y, y )

Plus en détail

GCP 2001 COMPOSITION de MATHEMATIQUE II

GCP 2001 COMPOSITION de MATHEMATIQUE II GCP 2001 COMPOSITION de MATHEMATIQUE II (Série MP) Partie I 1) En développant par rapport à la première ligne on trouve det C P = ±a 0, d où le résultat 2) Le plus rapide est de développer par rapport

Plus en détail

UE MAT234. Notes de cours sur l algèbre linéaire

UE MAT234. Notes de cours sur l algèbre linéaire UE MAT234 Notes de cours sur l algèbre linéaire Matrices - Systèmes linéaires - Déterminants - Diagonalisation Dans tout ce document, K désigne indifféremment le corps des nombres réels IR, ou celui des

Plus en détail

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0.

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0. Chapitre 3 Produit scalaire, espaces vectoriels euclidiens 3.1 Produit scalaire, norme euclidienne Définition 3.1 Soit E un espace vectoriel réel. Un produit scalaire sur E est une forme bilinéaire symétrique

Plus en détail

Techniques de calcul matriciel

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

Plus en détail

CCP 2004 PC Maths 1 PARTIE I

CCP 2004 PC Maths 1 PARTIE I P 4 P Maths PRTIE I I.) On remarque que les trois premières colonnes de M sont égales et non proportionnelles à la dernière. Donc rg(m) = rg( t M) =. Les noyaux et images demandés sont de dimension : a)

Plus en détail

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2.

Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Chapitre 3 Les angles 3.1 Angles orientés de vecteurs du plan 3.1.1 Groupe des rotations Dans tout ce qui suit, on se place dans un espace vectoriel euclidien E de dimension 2. Définition 3.1 On appelle

Plus en détail

Isométries affines et vectorielles

Isométries affines et vectorielles Chapitre 3 Isométries affines et vectorielles Objectifs de ce chapitre 1. Rappels sur les isométries vectorielles.. Groupe orthogonal en dimension et 3. Détermination d une isométrie vectorielle en dimension

Plus en détail

Espaces euclidiens, orthogonalité, longueur. Moindres carrés.

Espaces euclidiens, orthogonalité, longueur. Moindres carrés. Université Nice Sophia-Antipolis SL2SF 2012-13 Algèbre 2 Espaces euclidiens, orthogonalité, longueur. Moindres carrés. On travaille avec le corps des réels, noté R. Pour tout entier naturel n, on considère

Plus en détail

Géométrie vectorielle euclidienne

Géométrie vectorielle euclidienne Chapitre 2 Géométrie vectorielle euclidienne 2.1 Généralités sur les espaces vectoriels euclidiens 2.1.1 Espaces euclidiens Définition 2.1 On appelle espace vectoriel euclidien tout espace vectoriel réel,

Plus en détail

Formes bilinéaires et quadratiques

Formes bilinéaires et quadratiques Formes bilinéaires et quadratiques 0 Prolégomènes Caractéristique d un corps Si K, +, est un corps commutatif, alors l application ϕ : n n K, où K est l élément neutre de K pour le produit, est un morphisme

Plus en détail

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx,

Corrigé Feuille 4. et sa matrice dans la base canonique, qui est orthonormée pour le produit scalaire canonique, est. P (x)q(x)dx, Université Paris Panthéon-Sorbonne L MASS 0/03 Algèbre Corrigé Feuille 4 Exercice. a On remarque que dim F car F R 3 en effet,,, F. D autre part, soient e = 3,,, e =, 0,. On vérifie que {e, e } est une

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

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

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

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

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

Chapitre 5. Applications linéaires et. 5.1 Applications linéaires Définitions

Chapitre 5. Applications linéaires et. 5.1 Applications linéaires Définitions Chapitre 5 Applications linéaires et géométrie On rappelle qu un espace vectoriel est une structure qui permet d écrire des combinaisons linéaires de vecteurs ; les coefficients peuvent être réels ou complexes

Plus en détail

Problème 1 : Puissances de matrices

Problème 1 : Puissances de matrices SESSION 3 CAPES EXTERNE MATHÉMATIQUES Soit n N Problème : Puissances de matrices xn+ y n+ On en déduit par récurrence que Partie A : étude d un exemple 4 x n + y n x n + 3 y n n N, xn y n 4 3 xn A n x

Plus en détail

Méthodes directes de résolution du système linéaire Ax = b

Méthodes directes de résolution du système linéaire Ax = b Chapitre 3 Méthodes directes de résolution du système linéaire Ax = b 3.1 Introduction Dans ce chapitre, on étudie quelques méthodes directes permettant de résoudre le système Ax = b (3.1) où A M n (R),

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

Déterminants. a + b b + c c + a 3) 2 + b 2 b 2 + c 2 c 2 + a 2. a 3 + b 3 b 3 + c 3 c 3 + a 3

Déterminants. a + b b + c c + a 3) 2 + b 2 b 2 + c 2 c 2 + a 2. a 3 + b 3 b 3 + c 3 c 3 + a 3 Déterminants Exercice Calcul de déterminants Calculer les déterminants suivants : x a b x ) b x x a a b c 2a 2a x b a x 2) 2b b c a 2b 2c 2c c a b a x x b a 2 b 2 ab 5) b 2 ab a 2 ab a 2 b 2 a + b b +

Plus en détail

Espaces Préhilbertiens Réels

Espaces Préhilbertiens Réels Résumé de Cours 14 Les espaces Préhilbertiens I Espaces Préhilbertiens Réels Soit E un espace vectoriel réel On appelle produit scalaire sur E toute forme bilinéaire symétrique définie positive sur E,

Plus en détail

Extrait gratuit de document, le document original comporte 13 pages.

Extrait gratuit de document, le document original comporte 13 pages. Notations Dans ce problème, E est un espace euclidien de dimension n 1. On note (x y) le produit scalaire de deux vecteurs quelconques x, y de E. On note [x] ε la matrice-colonne des coordonnées d un vecteur

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

COURS MPSI A9. ESPACES EUCLIDIENS 1 R. FERRÉOL 13/14

COURS MPSI A9. ESPACES EUCLIDIENS 1 R. FERRÉOL 13/14 I) PRODUIT SCALAIRE NOTATIONS : E R-espace vectoriel. Pour une application de E versr;l image de( x, y) est notée( x y) ou x, y, ou parfois simplement x y s il n y a pas d ambiguïté possible. L application

Plus en détail

Opérations sur les matrices, groupe symétrique et déterminants

Opérations sur les matrices, groupe symétrique et déterminants Opérations sur les matrices, groupe symétrique et déterminants (Taisez-vous! Le maître parle) 2008 1 Opérations élémentaires sur les matrices 1 Opérations élémentaires sur les matrices 1 Opérations élémentaires

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

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

V. TRANSFORMATIONS AFFINES ET ISOMÉTRIES

V. TRANSFORMATIONS AFFINES ET ISOMÉTRIES V. TRANSFORMATIONS AFFINES ET ISOMÉTRIES En géométrie du plan cartésien réel R 2, on a étudié des transformations. Notamment les translations, les rotations, les symétries axiales et les homothéties. Ce

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

Matrice et espaces vectoriel de dimension finies MPSI

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

Plus en détail

MT23-Algèbre linéaire

MT23-Algèbre linéaire MT23-Algèbre linéaire Chapitre 5 : Espaces euclidiens ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014 suivant Chapitre 5 Espaces Euclidiens et applications 5.1 Produit scalaire, norme, espace euclidien....................

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

Lycée Lavoisier Année scolaire 2007/2008 Mathématiques Spéciales PC. Semaine janvier λ 1

Lycée Lavoisier Année scolaire 2007/2008 Mathématiques Spéciales PC. Semaine janvier λ 1 Lycée Lavoisier Année scolaire 2007/2008 Mathématiques Spéciales PC 1 Programme de Colles Semaine 9-10 6 janvier 2008 Déterminants Déterminant de n vecteurs Déterminant d un endomorphisme Déterminant d

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

Somme directe de sous-espaces vectoriels

Somme directe de sous-espaces vectoriels [http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 Somme directe de sous-espaces vectoriels Exercice 1 [ 00212 ] [correction] Soit f un endomorphisme d un K-espace vectoriel E vérifiant

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

Un corrigé de la composition d algèbre. Problème 1 : puissances de matrices

Un corrigé de la composition d algèbre. Problème 1 : puissances de matrices Université de Poitiers Année 24-2 M MEEF Un corrigé de la composition d algèbre Mardi mars 2 à 3h durée : cinq heure Sujet et corrigé proposés par Anne Moreau Sources : deuxième composition de l épreuve

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

valeur propre associée. Un scalaire λ est une valeur propre de f s il existe un vecteur non-nul v tel que f(v) = λv Définition. Soit λ K.

valeur propre associée. Un scalaire λ est une valeur propre de f s il existe un vecteur non-nul v tel que f(v) = λv Définition. Soit λ K. Réduction des endomorphismes 1 Sommes directes 11 Définition Soit E un espace vectoriel sur K, (K = R ou C) Soit E 1,, E k ses sous-espaces vectoriels La somme E 1 + + E k est le sousespace formé de tous

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

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