Calcul matriciel : rappels et compléments

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Calcul matriciel : rappels et compléments"

Transcription

1 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 On dit alors que les matrices de M n,p (K) ont un format (n, p) Lorsque n = p, on note M n (K) l ensemble des matrices carrées à n lignes et n colonnes Dans ce cas, on dit que les matrices de M n (K) sont de taille n ou bien d ordre n Proposition 2 M n,p (K) est un K-espace vectoriel En particulier, on peut sommer deux matrices ayant le même format et multiplier une matrice par un scalaire La matrice nulle est notée simplement ou Mn,p(K) Définition 3 On note E i,j la matrice de M n,p (K) dont tous les coefficients sont nuls, sauf celui situé en ligne i et colonne j, qui vaut La famille (E i,j ) i n forme alors une base de l espace vectoriel M n,p (K) En j p particulier on a donc : dim(m n,p (K)) = np Dans l espace M 2 (R), on a : E, = Ç, E,2 = Ç, E 2, = Ç, E 2,2 = Ç

2 2/4 5 Calcul matriciel : rappels et compléments 52 Produit de matrices Définition 4 Soient A M n,p (K) et B M p,q (R) deux matrices telles que le nombre de colonnes de A soit égal au nombre de lignes de B Alors, on peut définit la matrice C = AB, qui est une matrice de M n,q (K) telle que : p (i, j), n, q, c i,j = [AB] i,j = a i,k b k,j k= Ç Ç Soit A = et soit B = Ç Ç En notant B = et B 2 = On a AB = Ç, on a AB = AB 2 = Ç 2 2 et BA = 2 2 Rien qu avec les exemples précédents, on voit que : le produit matriciel n est pas commutatif : AB BA si AB =, cela n implique pas que A = ou B = : le produit n est pas intgre si AB = AB 2, cela n implique pas que B = B 2, on ne peut pas "simplifier" les matrices de chaque côté Cependant, la factorisation est possible, soit à droite, soit à gauche : A B + A 2 B = (A + A 2 )B et BA + BA 2 = B(A + A 2 ) 53 Puissances et polynômes d une matrice carrée Définition 5 Soit A une matrice carrée d ordre n On note par convention A = I n, matrice identité d ordre n, puis on pose pour tout entier k, A k = A A A }{{} k fois Un cas particulier où on peut facilement calculer les puissances d une matrice : lorsqu elle est diagonale Si on note D = diag(λ, λ 2,, λ n ), alors pour tout k N, D k = diag(λ k, λk 2,, λk n) Théorme 6 Soient A et B deux matrices carrées de M n (K) qui commutent, alors pour tout entier k, (A + B) k = k j= ( ) k A j B k j j (formule du binôme de Newton) et A k B k k = (A B) A j B k j = (A B)(A k + A k 2 B + A k 3 B AB k 2 + B k ) j=

3 5 Calcul matriciel : rappels et compléments 3/4 Définition 7 Une matrice carrée A M n (K) est dite nilpotente s il existe un entier k tel que A k = Soit N = Ç Ç On a N 2 et N 3 =, donc N est nilpotente d ordre 3 Lorsqu une matrice M peut s écrire M = I n + A avec A nilpotente, la formule du Binôme s écrit facilement pour M n et beaucoup de termes sont nuls (car A k est nul ds que k est supérieur à un indice donné) Ex : pour N ci-dessus, on a : (I n + N) k = k j= Ç k N j = I n + kn + j k(k ) N Définition 8 d Soit P = a k X k un polynôme de K[X] et soit A une matrice carrée de M n (R) k= On définit la matrice P (A) par : d P (A) = a k A k = a I n + a A + a 2 A a d A d k= Théorme 9 Toute matrice carrée A admet un polynôme annulateur P tel que P (A) = Démonstration : Soit A M n (R) On sait que dim(m n (R)) = n 2 Donc si on prend la famille (I n, A, A 2,, A n2 ), la famille comporte n 2 + éléments dans un espace vectoriel de dimension n 2, donc cette famille est nécessairement liée : on peut exprimer une de ces matrices comme une combinaison linéaire des autres, et cela nous donne une relation polynomiale sur la matrice A 54 Transposition Définition La transposée d une matrice A de M n,p (K) est la matrice notée colonne de t A correspond à la i-ime ligne de A t A de M p,n (K) telle que la i-ime Remarques : R La transposition est une application linéaire, autrement dit on a : t (A + B) = t A + t B et λ K, t (λa) = λ t A R 2 Attention aux manipulation de transposées avec des produits : t (AB) = t B t A

4 4/4 5 Calcul matriciel : rappels et compléments 52 Noyau et image d une matrice 52 Image d une matrice Définition Soit A une matrice de M n,p (K) dont on nomme les colonnes C, C 2,, C p On appelle alors image de A l ensemble : Im(A) = V ect(c, C 2,, C p ) = {AX / X M p, (K)} Im(A) est un Vect, donc par définition c est un sous-espace vectoriel de M n, (K) Il contient uniquement des matrices colonnes à n lignes Définition 2 Soit A une matrice de M n,p (K) On appelle rang de la matrice A : rg(a) = dim(im(a)) = dim(v ect(c, C 2,, C p ) Im(A) est un sous-espace vectoriel de M n, (K) En particulier, on doit avoir dim(im(a)) dim(m n, (K)) Ainsi : rg(a) n Par ailleurs, Im(A) = V ect(c, C 2,, C p ) Donc on connaît déjà une famille génératrice de Im(A) qui contient p éléments La dimension de Im(A) sera donc au maximum p : rg(a) p Finalement : si A M n,p (K), rg(a) min(n, p) 2 Soit A = 2 2 Déterminons Im(A) et rg(a) 2 On a : Im(A) = V ect 2,, (La dernire colonne étant proportionnelle à la premire, on peut l enlever de la famille génératrice) Pour déterminer le rang de A, on doit avoir la dimension de Im(A), donc le cardinal d une base La famille génératrice précédente est-elle libre? Soient a, b, c R tels que : 2 a 2 + b + c = alors : a + 2b = 2a b + c = b + c = a = 2b = c = b 4b b b = La famille est bien libre, c est une base de Im(A), donc rg(a) = 3 = a = b = c =

5 5 Calcul matriciel : rappels et compléments 5/4 522 Noyau d une matrice Définition 3 Soit A une matrice de M n,p (K) On appelle alors noyau de A l ensemble : Ker(A) = {X M p, (K) / AX = } On peut montrer également que Ker(A) est un sous-espace vectoriel de M p, (K) Il contient uniquement des matrices colonnes, à p lignes En particulier, on voit que dim(ker(a)) dim(m p, (K)), donc la dimension de Ker(A) doit être inférieure au nombre de colonnes de A á ë x 2 y Reprenons A = 2 2 et déterminons le noyau de A Soit X = M z 4, (R) Alors : X Ker(A) AX = Ainsi : Ker(A) = V ect X = ÑÑ x + 2y t = 2x y + z 2t = y + z = éé Ñ t t é = t Ñ é x + 2y t = 2x 2y 2t = z = y t x = t y = z = y = Déterminer un élément du noyau d une matrice revient à déterminer une relation linéaire nulle sur les colonnes de cette matrice Par exemple, prenons la matrice B = On peut remarquer que : C + C 2 = On a donc Autrement dit, le fait que C + C 2 = revient à dire que Ç 2 De même, 2C C 3 =, donc Ker(B) Egalement 2C 2 + C 3 =, donc Ker(B) Ç Ç = appartient à Ker(B) Plus généralement, si A est une matrice dont les colonnes sont notées C, C 2,, C p, alors : à a í a C + a 2 C a p C p = a 2 a p Ker(A)

6 6/4 5 Calcul matriciel : rappels et compléments 523 Théorme du rang Théorme 4 Soit A une matrice de M n,p (K), avec donc p colonnes Alors : Théorme du rang p = dim(ker(a)) + rg(a) Exemples : Ce théorme permet de faire un lien entre les dimension de Im(A) et Ker(A) E Déterminer l image, le rang et le noyau de A = On sait que Im(A) = V ect ÇÇ, Ç, Ç = V ect ÇÇ Puisque Im(A) est engendré par un vecteur non nul, on a dim(im(a)) = = rg(a) D aprs le théorme du rang, on a dim(ker(a)) = 2 Pour déterminer une base de Ker(A), il nous suffit donc de déterminer une famille libre de cardinal 2 dans Ker(A) Pour cela cherchons des relations sur les colonnes de la matrice On a C = C 2, donc C C 2 = : Ç Ker(A) On a C = C 3, donc C C 3 = : Ker(A) On a déterminé déjà deux vecteurs dans Ker(A), qui sont non colinéaires : ils forment donc une famille libre, donc une base (car de cardinal 2) de Ker(A) Ker(A) = V ect E 2 Déterminer l image, le rang et le noyau de B = ÇÇ, Ç Ç 2 On a 2C = C 3, donc 2C C 3 = : Ker(B) On a donc dim(ker(b)) et par théorme du rang, rg(b) 2 Or, Im(B) contient déjà la famille (C, C 2 ) qui est libre (car deux vecteurs non colinéaires), donc on a dim(im(b)) 2 Finalement, on en déduit que : dim(im(b)) = 2 etdim(ker(b)) = De plus, puisqu on a déjà déterminé une famille libre de 2 éléments dans Im(B) et une famille libre de élément dans Ker(B), ce sont des bases de Im(B) et Ker(B) : Im(A) = V ect ÇÇ 2, Ç ÇÇ et Ker(A) = V ect 2

7 5 Calcul matriciel : rappels et compléments 7/4 53 Matrices inversibles 53 Définition Définition 5 Une matrice carrée A M n (K) est dite inversible lorsqu il existe une matrice B appartenant à M n (K) telle que : AB = BA = I n Dans ce cas, la matrice B est unique, appelée inverse de A et on note A = B Si on trouve une matrice B telle que AB = I n, alors nécessairement A est inversible et B = A De même, si on trouve une matrice C telle que CA = I n, alors nécessairement C est inversible et C = A Définition 6 L ensemble des matrices inversibles de M n (K) est noté GL n (K) Cet ensemble est stable par produit, autrement dit, si A et B sont inversibles, alors AB est encore inversible et on a : (AB) = B A En particulier, si une matrice A est inversible, alors A 2, A 3, A 4, le sont aussi Proposition 7 Une matrice A M n (K) est inversible si et seulement si, pour toute matrice colonne Y de M n, (K), le systme Y = AX admet une unique solution X M n, (K) On a alors : X = A Y Soit A = Soit X = Ç x y z Donc A est inversible et on a A = La matrice A est-elle inversible et si oui que vaut A? Ç a et Y = b Alors : c x + z = a x AX = Y y + z = b z x + y + z = c y Y = X = c b = a + b c = a + c

8 8/4 5 Calcul matriciel : rappels et compléments Proposition 8 Une matrice carrée est inversible si et seulement si ses colonnes forment une famille libre dans M n, (K), autrement dit si et seulement si les colonnes de la matrice forment une base de M n, (K) En particulier, si deux colonnes de la matrice sont proportionnelles, si une colonne est nulle ou s il y a une relation entre plusieurs colonnes, la matrice ne sera pas inversible La matrice est inversible si et seulement si aucune colonne ne peut s écrire comme combinaison linéaire des autres Conséquence 9 Soit A une matrice carrée de M n (K) A est inversible Ker(A) = O Mn, (K) rg(a) = n Exemples : E Matrices de taille 2 Ç a A = c b d inversible ad bc Cela vient simplement du fait que les colonnes) doivent ne pas être proportionnelles E 2 Matrices diagonales D = diag(λ,, λ n ) inversible k, n, λ k E 3 Matrices triangulaires Une matrice triangulaire est inversible si et seulement si tous ses coefficients diagonaux sont non nuls A l inverse, une matrice triangulaire n est pas inversible si et seulement s il y a au moins un zero sur sa diagonale E 4 Matrices ayant un polynôme annulateur Si une matrice A vérifie une relation du type : alors on a : A 3 + 3A 2 5A + 2I n = A 3 + 3A 2 5A = 2I n A (A 2 + 3A 5I n ) = 2I n A Å 2 A2 3 2 A + 5 ã 2 I n = I n La matrice A est alors inversible et son inverse est A = Ä 2 A2 3 2 A I nä Plus généralement si une matrice A vérifie une relation polynomiale du type P (A) = avec P un polynôme dont le terme constant est non nul, alors la matrice A est nécessairement inversible

9 5 Calcul matriciel : rappels et compléments 9/4 532 Opérations élémentaires sur une matrice Définition 2 On appelle opération élémentaire sur une matrice toute opération d un des types suivants : L i L j (échange de lignes) L i αl i avec α (multiplication par un scalaire non nul) L i L i + βl j avec β K (ajout d une CL d une autre ligne) L i αl i + βl j avec α et β K (combinaison des deux opérations précédentes) C i C j (échange de colonnes) C i αc i avec α (multiplication par un scalaire non nul) C i C i + βc j avec β K (ajout d une CL d une autre colonne) C i αc i + βc j avec α et β K (combinaison des deux opérations précédentes) Appliquer une opération élémentaire à une matrice revient à la multiplier à gauche ou à droite par une matrice inversible En particulier, appliquer une opération élémentaire à une matrice ne change pas l inversibilité ou non de la matrice Plus précisément, appliquer une opération élémentaire à une matrice ne modifie pas son rang Cependant, cela modifie la matrice (puisqu on l a multipliée par une autre), on dit qu on obtient une matrice équivalente Définition 2 Soient A et B deux matrices On dit que deux matrices A et B sont équivalentes si on peut passer de A à B par des opérations élémentaires On note alors A B Proposition 22 Deux matrices de même format sont équivalentes si et seulement si elles ont même rang Plus particulierirement, toute matrice de format (n, p) de rang r peut être rendue équivalente, en appliquant par exemple la méthode du pivot de Gauss, à la matrice J n,p,r suivante : Ç Ir O J n,p,r = r,p r O n r,r O n r,p r En particulier, si on part d une matrice A, si en faisant des opérations on arrive à la transformer en J n,p,r, en utilisant exactement les mêmes opérations sur t A en inversant lignes et colonnes, on va transformer t A en J p,n,r, donc on en déduit que A et t A ont le même rang Théorme 23 Soit A une matrice de format (n, p) Alors A a le même rang que sa transposée t A Cela signifie en particulier que tout ce qu on avait énoncé pour les colonnes reste valable pour les lignes : si une matrice a une ligne nulle, deux lignes proportionnelles, ou plus généralement une relation sur ses lignes, elle ne sera pas inversible

10 /4 5 Calcul matriciel : rappels et compléments Théorme 24 Algorithme de Gauss-Jordan Pour déterminer si une matrice A est inversible et déterminer son inverse, on transforme A en I n à l aide d opérations élémentaires uniquement sur les lignes (ou uniquement sur les colonnes) Parvenir à cette transformation revient à dire que A est inversible, et pour trouver A, on recommence exactement toutes les opérations réalisées, dans le même ordre en partant de I n, la matrice obtenue est alors A Démonstration : Imaginons que, à l aide d opérations élémentaires sur les lignes, on transforme A en I n Cela signifie qu on a multiplié à gauche A successivement par plusieurs matrices M, M 2,, M k correspondant aux opérations élémentaires sur les lignes et que : (M k M k M k 2 M )A = I n Puisqu on a écrit cette relation, cela montre bien que A est inversible et donc : A = M k M k M k 2 M = (M k M k M k 2 M )I n De même, si on a transformé A en I n à l aide d opérations élémentaires sur les colonnes, on a une égalité du type : A(N N 2 N k N k ) = I n donc A est inversible et A = N N 2 N k = I n (N N 2 N k ) Cette méthode fonctionne uniquement si on ne mélange pas les opérations lignes/colonnes 533 Calcul du rang d une matrice Définition 25 Une matrice est échelonnée si elle peut être écrite sous une des formes suivantes : échelonnée sur les colonnes ou échelonnée sur les lignes Proposition 26 Toute matrice est équivalente à une matrice échelonnée De plus, le rang d une matrice échelonnée sur les colonnes est égal au nombre de colonnes non nulles ; le rang d une matrice échelonnée sur les lignes est égal au nombre lignes non nulles Pour calculer le rang d une matrice (et donc savoir si elle est inversible) on peut donc agir sur les lignes ou sur les colonnes, pour trouver une matrice équivalente plus simple sur laquelle on peut facilement lire le rang

11 5 Calcul matriciel : rappels et compléments /4 54 Éléments propres d une matrice carrée 54 Valeurs propres d une matrice carrée Définition 27 Soit λ K et soit A une matrice carrée de M n (K) On dit que λ est une valeur propre de A si la matrice A λi n n est pas inversible Soit A = Soit λ R On a : λ A λi 3 = λ λ Déterminons les valeurs propres de la matrice A λ λ λ λ λ λ λ 2λ λ 2 λ λ λ 3λ λ 2 L L 3 L 2 L 2 L L 3 L 3 ( λ)l L 3 L 3 + L 2 Alors : λ = λ est une valeur propre de A A λi 3 non inversible ou 3λ λ 2 = λ = ou λ = 3 Définition 28 Soit A M n (K) On appelle spectre de A l ensemble des valeurs propres de A, on le note Sp(A) Remarques : R Une matrice n admet pas forcément de valeurs propres R 2 Une matrice de taille n admet au maximum n valeurs propres distinctes R 3 Par définition, A n est pas inversible est valeur propre de A et A est inversible n est pas valeur propre de A Proposition 29 Les valeurs propres d une matrice A triangulaire sont exactement ses termes diagonaux

12 2/4 5 Calcul matriciel : rappels et compléments 542 Vecteurs propres et sous-espaces propres Proposition 3 Soit A M n (K) et soit λ K λ Sp(A) Ker(A λi n ) {} X M n, (K), X, / AX = λx Définition 3 Soit A M n (K) et soit λ Sp(A), une valeur propre de A On appelle vecteur propre de A toute matrice colonne X M n, (K) non nulle qui vérifie la relation : AX = λx On appelle sous-espace propre de A associé à la valeur propre λ l ensemble E λ (A) suivant : E λ (A) = Ker(A λi n ) = {X M n, (K) / AX = λx} On peut définir E λ (A) = Ker(A λi n ) pour tout réel λ C est toujours un sous-espace vectoriel Cet ensemble devient un sous-espace propre s il est non réduit à zéro Par définition, on a donc : λ Sp(A) dim(e λ (A)) Reprenons la matrice A = Déterminons les sous-espaces proprescorrespondants λ = On a A = Puisque Ç Ç, Ç λ = 3 On a A 3I 3 = On a vu qu il y avait deux valeurs propres : Sp(A) = {, 3} Clairement rg(a) =, donc par théorme du rang dim(ker(a)) = 2 appartiennent clairement à Ker(A) et sont non colinéaires, on a : Ç E (A) = V ect ÇÇ, Ç Puisque A 3I 3 n est pas inversible (car 3 est valeur propre), la matrice A 3I 3 n est pas de rang 3, et est de rang au moins 2 puisque les deux premires colonnes sont non colinéaires Ainsi, rg(a 3I 3 ) = 2 et par théorme du rang, dim(ker( 3I 3 )) = Or, on a C + C 2 + C 3 = dans la matrice A 3I 3, donc : E 3 (A) = V ect(çç

13 5 Calcul matriciel : rappels et compléments 3/4 Remarques : R (Admis pour l instant) Une matrice A de taille n admet au maximum n valeurs propres différentes R 2 (Admis pour l instant) Les sous-espaces propres d une matrice A sont en somme directe dans M n, (K) En particulier, si on prend deux vecteurs propres U, V associés à deux valeurs propres différentes, la famille (U, V ) est libre De plus, on a toujours : λ Sp(A) dim(e λ (A)) n R 3 Cas particulier important : matrices dont on connait un polynôme annulateur Cela nous permet de trouver les seules valeurs propres possibles de la matrice en question soit A une matrice telle que : A 2 3A + 2I n = Si λ est une valeur propre de A, alors il existe un vecteur propre associé, ie une matrice colonne X non nulle telle que AX = λx Remarquons que pour ce vecteur propre X, on a A 2 X = λ 2 X, A 3 X = λ 3 X, et plus généralement A k X = λ k X pour tout k N D où : A 2 3A + 2I n = = (A 2 3A + 2I n )X = = A 2 X 3AX + 2X = = λ 2 X 3λX + 2X = = (λ 2 3λ + 2)X = = (λ 2 3λ + 2) = car X = λ = 2 ou λ = Ainsi, on a montré que Sp(A) {, 2} Autrement dit, les seules valeurs propres possibles de A sont et 2 Attention, avec ce raisonnement, nous n avons pas montré que et 2 sont des valeurs propres de A 543 Matrices diagonalisables Définition 32 Soient A et B deux matrices de M n (K) On dit que les matrices A et B sont semblables s il existe une matrice inversible P GL n (K) telle que : A = P BP Plus particulirement, lorsqu une matrice A de M n (K) est semblable à une matrice diagonale, on dit que la matrice A est diagonalisable, autrement dit : A diagonalisable P GL n (K), D M n (K) diagonale / A = P DP Si A est diagonalisable, alors la matrice diagonale admet sur sa diagonale les valeurs propres de A, et la matrice inversible P contient dans ses colonnes les vecteurs propres de A correspondants (Admis pour l instant)

14 4/4 5 Calcul matriciel : rappels et compléments Lorsqu une matrice est diagonalisable, il est alors trs facile de calculer ses puissances En effet, si A = P DP pour une certaine matrice inversible P et D une matrice diagonale, on peut montrer par une récurrence immédiate que : k N, A k = P D k P et puisque les puissances d une matrice D diagonale sont faciles à calculer, on peut en déduire la valeur de la matrice A n Théorme 33 Soit A une matrice de M n (K) Alors : A diagonalisable λ Sp(A) dim(e λ (A)) = n Dans ce cas, il existe une base de M n, (K) formée de vecteurs propres de A En notant P la matrice dont les colonnes sont ces vecteurs propres, et D la matrice diagonale constituée des valeurs propres correspondantes, on a alors : Reprenons la matrice A = A = P DP On a montré que A admettait deuxvaleurs propres et 3 On a vu que E (A) = V ect ÇÇ Par ailleurs, E 3 (A) = V ect(çç Ç,, donc dim(e (A)) = 2, donc dim(e 3 (A)) = dim(e (A)) + dim(e 3 (A)) = 3 On en déduit que la matrice A est diagonalisable En notant par exemple P = et D = 3, on a : A = P DP Proposition 34 Si une matrice A de taille n admet n valeurs propres distinctes, alors chaque sous-espace propre est de dimension Si une matrice A de taille n admet une unique valeur propre, alors elle est diagonalisable et A est diagonalisable A = λi n Lorsqu une matrice A n admet qu une seule valeur propre, on utilise en général un raisonnement par l absurde Si jamais elle était diagonalisable, alors elle s écrirait A = P (λi n )P = λ(p P ) = λi n, et dans la plupart des cas, on a A λi n

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

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

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 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

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

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

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

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

Matrices. () Matrices 1 / 45

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

Plus en détail

Chapitre 2. 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

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

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

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. 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

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 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

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

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

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

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

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

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

Commutant d une matrice

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

Plus en détail

Matrice et vocabulaire associé

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

Plus en détail

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

Calcul matriciel. Julien Reichert. m1;1 m 1;2 m 1;3 m 2;1 m 2;2 m 2;3

Calcul matriciel. Julien Reichert. m1;1 m 1;2 m 1;3 m 2;1 m 2;2 m 2;3 Calcul matriciel Julien Reichert Notions de base Une matrice est un tableau comportant m lignes et n colonnes, dont les cellules contiennent des réels. La dimension de la matrice est m n, on parle alors

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

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

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

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

Plus en détail

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

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

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

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

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

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

Plus en détail

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

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

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

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

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

Chapitre 1 : Matrices

Chapitre 1 : Matrices 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

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

MT23-Algèbre linéaire

MT23-Algèbre linéaire MT23-Algèbre linéaire Chapitre 4 : Valeurs propres - Vecteurs propres ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014 suivant Chapitre 4 Valeurs propres - Vecteurs propres 4.1 Vecteurs propres - Valeurs

Plus en détail

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

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

Plus en détail

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

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

Matrices. Philippe Barlier. 5 janvier Notions de matrices Définitions Opérations élémentaires sur les lignes d une matrice...

Matrices. Philippe Barlier. 5 janvier Notions de matrices Définitions Opérations élémentaires sur les lignes d une matrice... Matrices Philippe Barlier 5 janvier 25 Avertissement: K désigne ici R ou C Table des matières Notions de matrices Définitions 2 Opérations élémentaires sur les lignes d une matrice 2 2 Echelonnement et

Plus en détail

Vecteurs et applications linéaires

Vecteurs et applications linéaires Vecteurs et applications linéaires (1) (1) () Vecteurs et applications linéaires 1 / 41 1 Familles de vecteurs de R n 2 Sous-espace vectoriels dans R n 3 Base d un sous-espace vectoriel (1) () Vecteurs

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

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

Rappels d algèbre linéaire

Rappels d algèbre linéaire Rappels d algèbre linéaire Ce chapitre se consacre à rappeler un certain nombre de résultats d algèbre linéaire qui seront utiles pour le cours d analyse numérique matricielle et optimisation Nous décomposons

Plus en détail

Rang et déterminant des matrices

Rang et déterminant des matrices Rang et déterminant des matrices Hervé Hocquard Université de Bordeaux, France 17 septembre 2013 Espace des lignes-espace des colonnes Introduction Soit A = ( ) a ij Mn,p (K), avec K = R ou C. On peut

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

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

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

Chapitre 2 : Les matrices

Chapitre 2 : Les matrices Chapitre 2 : Les matrices I. Définitions On appelle matrice à lignes et colonnes N, N à coefficients dans =R C un tableau à lignes et colonnes contenant un élément de à l intersection de chaque ligne et

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

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

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

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

Concours PT 2004 Maths PT I-B

Concours PT 2004 Maths PT I-B Concours PT 4 Maths PT I-B L usage des calculatrices est interdit Partie A ) ( ) ( ) a a Soit A = b b et B = deux éléments de S a a b b ( ) c c C = AB = avec c c c i = a ik b k, évidemment i =,, c i =

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

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

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

Matrices. 1. Définition Définition

Matrices. 1. Définition Définition Matrices Vidéo partie Définition Vidéo partie Multiplication de matrices Vidéo partie 3 Inverse d'une matrice : définition Vidéo partie 4 Inverse d'une matrice : calcul Vidéo partie 5 Inverse d'une matrice

Plus en détail

Corrigé de Banque PT 2015 Épreuve A

Corrigé de Banque PT 2015 Épreuve A Lycée Laetitia Bonaparte Spé PT Corrigé de Banque PT 2015 Épreuve A Problème d Algèbre linéaire Partie I 1(a Notons β (e 1, e 2, e 3, e 4 la base canonique de R 4 On a De même, [ f(e1 ] β [ f ] β [ ] e

Plus en détail

Séance de soutien PCSI2 numéro 7 : Calcul matriciel - Correction des exercices

Séance de soutien PCSI2 numéro 7 : Calcul matriciel - Correction des exercices Séance de soutien PCSI2 numéro 7 : Calcul matriciel - Correction des exercices Tatiana Labopin-Richard 21 janvier 2015 1 Somme et produit Exercice 1 : Pour A M n (K), on note σ(a) la somme des termes de

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

a 11 a 1n A = (a ij ) = ... a m1 a mn

a 11 a 1n A = (a ij ) = ... a m1 a mn Chapitre 4 Les matrices 4 Notions de bases Définition Une matrice est un tableau rectangulaire contenant des nombres : a a n A a ij a m a mn Les matrices peuvent représenter toutes sortes d informations

Plus en détail

Chapitre X. Chapitre X : Matrice inverse et réciproque d une application

Chapitre X. Chapitre X : Matrice inverse et réciproque d une application Chapitre X Chapitre X : Matrice inverse et réciproque d une application Introduction Dans ce chapitre, on fera le lien entre la matrice d une application linéaire et l inverse d une matrice (notion vue

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

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

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

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

( ) 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

I. Détermination de Rac(A) dans quelques exemples.

I. Détermination de Rac(A) dans quelques exemples. I. Détermination de Rac(A) dans quelques exemples. 1. Les sous espaces propres E λi (A) sont de dimension 1 et en somme directe. Leur somme a donc une dimension au moins égale à n. Comme elle est incluse

Plus en détail

Changements de bases.

Changements de bases. Chapitre Changements de bases Changement de coordonnées Matrice de passage Soit E un K espace vectoriel de dimension n Soit (e,, e n ) une base de E, qu on notera B Si u est un vecteur de E on notera en

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

Système d équations linéaires

Système d équations linéaires Système d équations linéaires Bcpst 1 27 février 2017 Notations du chapitre Dans ce chapitre, = ou. On appelle les éléments de des scalaires. n et p sont deux entiers naturels non nuls. I Définitions et

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

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

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

EXERCICES MPSI A 8 B. MATRICES R. FERRÉOL 13/14

EXERCICES MPSI A 8 B. MATRICES R. FERRÉOL 13/14 EXERCICES MPSI A 8 B MATRICES R FERRÉOL 13/14 1 : Calculer si c est possible : (a) (b) (c) 1 2 3 4 5 6 7 8 9 1 i i 0 1 2 1 2 1 2 1 2 3 2 1 i 0 i 1 2 1 0 ; 1 2 3 4 5 6 2 1 2 1 2 3 1 2 1 2 MATRICES 1 0 2

Plus en détail

Calcul matriciel. 1 Matrices. Jérôme Feret DIENS (INRIA,ÉNS,CNRS) 9 mai Algèbre des matrices

Calcul matriciel. 1 Matrices. Jérôme Feret DIENS (INRIA,ÉNS,CNRS) 9 mai Algèbre des matrices Calcul matriciel Jérôme Feret DIENS (INRIA,ÉNS,CNRS) 9 mai 014 1 Matrices 1.1 Algèbre des matrices Dénition 1.1 (matrice). Soient m, n P N deux entiers positifs. On appelle une matrice d éléments de K

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

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

( ) ( 1 2 ). 2 ) = 2 ( 1. EXERCICE 2 (CHAPITRE 7 I) Déterminer les valeurs propres et les vecteurs propres des matrices suivantes :

( ) ( 1 2 ). 2 ) = 2 ( 1. EXERCICE 2 (CHAPITRE 7 I) Déterminer les valeurs propres et les vecteurs propres des matrices suivantes : CHAPITRE DIAGONALISATION D UNE MATRICE CARREE EXERCICE CHAPITRE 7 I) Effectuez le produit : 0 ) ). Comparez le résultat au vecteur ). Qu en déduisez-vous? CORRECTION 0 ) ) = 0 + ) = 4 ) = ). 0 ) ) = ),

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

Université Joseph Fourier, Grenoble I Mathématiques, Informatique et Mathématiques Appliquées Licence Sciences et Technologies 1 e année

Université Joseph Fourier, Grenoble I Mathématiques, Informatique et Mathématiques Appliquées Licence Sciences et Technologies 1 e année Université Joseph Fourier, Grenoble I Mathématiques, Informatique et Mathématiques Appliquées Licence Sciences et Technologies 1 e année Calcul matriciel Bernard Ycart Ce chapitre est essentiellement technique

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

, b = qui donne. qui donne. qui donne. x = Puis A (3) = E 2 P 2 A (2) avec

, b = qui donne. qui donne. qui donne. x = Puis A (3) = E 2 P 2 A (2) avec Université de Rouen L2 Math - L2 Info Année 27-28 Analyse Numérique Gauss et Cholesky 1 Pivot de Gauss 11 Un exemple Soit à résoudre le système linéaire Ax = b avec Procédons à l élimination de Gauss ;

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

CCP PSI un corrigé

CCP PSI un corrigé CCP26 - PSI un corrigé Cas n 2. Puissances de A(α, β ( α α. A(α, β I 2 n est pas la matrice nulle car (α, β (, et son rang est. β β (, est clairement élément du noyau qui, par théorème du rang, est de

Plus en détail

Représentation de Jordan

Représentation de Jordan Représentation de Jordan Soit M une matrice carrée réelle de dimension n. On suppose dans ce projet que le polynôme caractéristique de M a n racines réelles. Certaines racines sont multiples. 1 Nombre

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

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

POLYNÔMES D ENDOMORPHISME OU DE MATRICE ET RÉDUCTION

POLYNÔMES D ENDOMORPHISME OU DE MATRICE ET RÉDUCTION 6-2- 2013 J.F.C. Reduc. p. 1 RÉDUCTION I ÉLEMENTS PROPRES D UN ENDOMORPHISME 1. Définitions usuelles 2. Premières propriétés II ENDOMORPHISME DIAGONALISABLE 1. Définition 2. Conditions pour qu un endomorphisme

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

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

T P E FILIERE M COMPOSITION DE MATHEMATIQUES OPTION

T P E FILIERE M COMPOSITION DE MATHEMATIQUES OPTION SESSION 1996 T P E FILIERE M COMPOSITION DE MATHEMATIQUES OPTION PREMIERE PARTIE : matrice compagne d un endomorphisme cyclique I 1) Si f est cyclique, il existe un vecteur x 0 tel que la famille B = (x

Plus en détail