Opérations sur les matrices, groupe symétrique et déterminants

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Opérations sur les matrices, groupe symétrique et déterminants"

Transcription

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

2 1 Opérations élémentaires sur les matrices 1 Opérations élémentaires sur les matrices 1 Opérations élémentaires sur les matrices 1 Opérations élémentaires sur les matrices 1 Rang d une matrice 1 Systèmes d équations linéaires 1 Systèmes d équations linéaires 1 Déterminants Groupe symétrique Applications multilinéaires alterenées Déterminants

3 Opérations sur les matrices Soit M = (a j,k ) une matrice. Notons C k la k-ième colonne. Appellons opération élémentaire sur les colonnes de M les opérations de la forme :

4 Opérations sur les matrices Soit M = (a j,k ) une matrice. Notons C k la k-ième colonne. Appellons opération élémentaire sur les colonnes de M les opérations de la forme : addition d une colonne à une autre, codage : C k C k + αc m où m = k

5 Opérations sur les matrices Soit M = (a j,k ) une matrice. Notons C k la k-ième colonne. Appellons opération élémentaire sur les colonnes de M les opérations de la forme : addition d une colonne à une autre, codage : C k C k + αc m où m = k multiplication d une colonne par un scalaire α non nul, codage : C k αc k

6 Opérations sur les matrices Soit M = (a j,k ) une matrice. Notons C k la k-ième colonne. Appellons opération élémentaire sur les colonnes de M les opérations de la forme : addition d une colonne à une autre, codage : C k C k + αc m où m = k multiplication d une colonne par un scalaire α non nul, codage : C k αc k échange de deux colonnes, codage : C k C j

7 Encore ( ) ( ) a1 b 1 a1 a 1 + b 1 a 2 b 2 a 2 a 2 + b 2 Addition d une colonne à une autre

8 Encore ( ) ( ) a1 b 1 a1 λb 1 a 2 b 2 a 2 λb 2 Multiplication d une colonne par un scalaire

9 Encore ( ) ( ) a1 b 1 b1 a 1 a 2 b 2 b 2 a 2 Échange de deux colonnes

10 Encore ( ) ( ) a1 b 1 a1 λa 1 + b 1 a 2 b 2 a 2 λa 2 + b 2 En combinant un nombre quelconque d opérations élémentaires nous obtiendrons des transformations plus complexes. Par exemple, avec les deux premières opérations : addition d un multiple d une colonne à une autre.

11 Lignes et colonnes Les opérations sur les lignes se font de la même façon que les opérations sur les colonnes.

12 Lignes et colonnes Une opération élémentaire sur les colonnes d une matrice s effectue par multiplication à droite par une matrice : ( ) ( ) ( ) a1 λa 1 + b 1 a1 b = 1 1 λ a 2 λa 2 + b 2 a 2 b 2 0 1

13 Lignes et colonnes Une opération élémentaire sur les lignes d une matrice s effectue par multiplication à gauche par une matrice : ( ) ( ) ( ) a1 b 1 1 O a1 b = 1 λa 1 + a 2 λb 1 + b 2 λ 1 a 2 b 2

14 Changements de bases Il est donc clair que si M est la matrice d un homomorphisme u : source (e1,e 2 ) but (e 1,e 2 ) des opérations élémentaires sur les colonnes correspondent à un changement de base à la source u(e ( 1 ) u(e ) 2 ) u(e ( 1 ) u(λe 1 + ) e 2 ) a1 b 1 a1 λa 1 + b 1 a 2 b 2 a 2 λa 2 + b 2

15 Changements de bases Il est donc clair que si M est la matrice d un homomorphisme u : source (e1,e 2 ) but (e 1,e 2 ) des opérations élémentaires sur les lignes correspondent à un changement de base au but ( a1 b 1 a 2 b 2 ) e 1 e 2 ( a1 b 1 λa 1 + a 2 λb 1 + b 2 ) e 1 + λe 2 e 2

16 Explication Avec la notation : ( u(e 1 ) u(e 2 ) ) = ( e 1 e 2 ) ( ) a 1 b 1 nous a 2 b 2 écrivons : ( u(e1 ) u(e 2 ) ) = ( e 1 e 2) ( ) ( ) ( ) 1 O 1 O a1 b 1 λ 1 λ 1 a 2 b 2 = ( e 1 e 1 ) ( ) a 1 λa 1 + b 1 λe 2 a 2 λa 2 + b 2 La base du but est maintenant (e 1, e 1 λe 2 ).

17 Rang d une matrice Definition Le rang d une matrice A est le rang de l application linéaire associée. Soit u un homomorphisme de E, muni de la base (e), à valeurs dans F, muni de la base (f ). Alors rang (u) = rang M (e),(f ) (u)

18 Décomposition L homomorphisme u de E dans F, muni de leurs bases respectives (e) et (f ), a pour matrice M e,f. Nous savons qu il existe des bases (e ) de E et (f ) de F telles que M e,f soit diagonale avec des 1 sur la diagonale. Soit r le rang de u, c est aussi le rang des matrices M e,f et M e,f : ( ) M e,f = Ir Nous appellerons cette matrice J r.

19 Décomposition L homomorphisme u de E dans F, muni de leurs bases respectives (e) et (f ), a pour matrice M e,f. Nous savons qu il existe des bases (e ) de E et (f ) de F telles que M e,f soit diagonale avec des 1 sur la diagonale. Soit r le rang de u, c est aussi le rang des matrices M e,f et M e,f : ( ) M e,f = Ir Nous appellerons cette matrice J r. Soient V = M f,f (id F ) et U = M e,e (id E ), alors : M e,f = VJ r U

20 Rang de la transposée Puisque M e,f = VJ r U, nous avons aussi t M e,f =

21 Rang de la transposée Puisque M e,f = VJ r U, nous avons aussi t M e,f = t UJ r t V. Par conséquent une matrice et sa transposée ont le même rang.

22 Rang de la transposée Puisque M e,f = VJ r U, nous avons aussi t M e,f = t UJ r t V. Par conséquent une matrice et sa transposée ont le même rang. Nous en déduisons que nous pouvons calculer le rang d une matrice en effectuant des opérations sur ses colonnes et ses lignes.

23 Systèmes d équations linéaires Soient E et F deux K-espaces vectoriels, u une application linéaire de E dans F, b un vecteur de F, l équation : u(x) = b est dite équation linéaire associée à (u, b). Lorsque b = 0, on parle d équation homogène.

24 Systèmes d équations linéaires Soient E et F deux K-espaces vectoriels, u une application linéaire de E dans F, b un vecteur de F, l équation : u(x) = b est dite équation linéaire associée à (u, b). Lorsque b = 0, on parle d équation homogène. L ensemble des solutions de u(x) = 0 est le noyau de u, il contient au moins le vecteur nul, appelé solution triviale. Si b = 0 et s il existe une solution particulière a, l ensemble des solutions de u(x) = b est S = a + ker(u). Nous disons que S est un espace affine de direction ker(u).

25 Équations linéaires Cas des espaces K m : c est le cas où l on utilise des bases pour résoudre un système. Soient E = K m et F = K n munis de leurs bases canoniques. Soit u j l application qui à x associe la j-ième coordonnées de u(x). Alors : u 1 (x) = b 1 u(x) = b. u n (x) = b n Si u j = 0, l ensemble S j des solutions de u j (x) = b j est un hyperplan affine, S apparaît comme étant l intersection d un nombre fini d hyperplans affines.

26 Équations linéaires Le rang d un système linéaire u(x) = b est le rang de u. Le théorème du rang montre que si S = {x E /u(x) = b} n est pas vide, le rang r du sytème u(x) = 0 et la dimension d de l espace S des solutions vérifient : r + d = dim E. Le système u(x) = b est appelé système de Cramer si n = m = r. Theorem u(x) = b est un système de Cramer si et seulement si u est un isomorphisme. Un système de Cramer admet une unique solution.

27 Permutation et groupe symétrique Definition Soit n un entier supérieur à 1. Le groupe des permutations de 1, n est noté : S n. Un élément σ de S n est noté : ( ) 1... n σ(1)... σ(n) Example Exemple Par exemple, pour n = 3 et σ 1 (1) = 2, σ 1 (2) = 3 et σ 1 (3) = 1 : ( ) σ 1 = 2 3 1

28 Definition Soient σ S n et k 1, n. L orbite de k est : {σ j (k)/j 0}. Example σ 2 = ( ) L orbite de 1 est {1, 2, 3}, qui est aussi l orbite de 2 et 3. L orbite de 4 est {4}.

29 Theorem Soit σ S n. Deux orbites sont disjointes ou égales. k 1, n est la réunion disjointe des orbites de σ. Definition Un cycle est une permutation qui n a qu une seule orbite ayant 2 éléments ou plus, le nombre d éléments de cette orbite est la longueur du cycle. Un cycle de longueur 2 est une transposition. Un cycle de longueur m est noté ( k σ(k)... σ m 1 (k) ).

30 Example Exemple σ 1 et σ 2 sont des cycles. Le cycle (2 4) est une transposition. Definition Appelons support d une permutation σ, l ensemble supp σ = {k 1, n /σ(k) = k}. Exercice Deux permutations de supports disjoints commutent.

31 Theorem Le groupe S n est engendré par les transpositions.

32 Theorem Le groupe S n est engendré par les transpositions. Preuve. Raisonnons par récurrence sur le cardinal du support. Le support d une permutation distincte de l identité contient au moins deux éléments. Posons m = card(supp σ). Si m < 2, σ est l identité qui est produit de zéro transposition. Supposons m 2. Soit i dans supp σ, ainsi σ(i) = i. Posons j = σ 1 (i) Nous avons aussi σ(j) = j car le support est stable par σ. Le complémentaire du support est l ensemble des points fixes.

33 Theorem Le groupe S n est engendré par les transpositions. Preuve. Soit τ = (i j) et σ = τσ. Si l est point fixe de σ, il est différent de i et j donc : σ (l) = l. De plus σ (i) = i. Donc le support de σ est strictement plus petit que le support de σ, d après l hypothèse de récurrence σ est un produit de transpositions, il suit que σ = τσ est aussi égal à un produit de transpositions, ce qui achève la démonstration.

34 Definition La signature d une permutation σ est le nombre ε(σ) défini par : σ(j) σ(k) ε(σ) = j k j<k La permutation σ induit une permutation de l ensemble des couples C = {{j, k}/(j, k) 1, n 2 (j < k)} (C = P 2 ( 1, n ) est l ensemble des parties à deux éléments de 1, n ), donc : ε(σ) = ±1 et, plus précisément, ε(σ) = ( 1) m où m est le nombre d inversions de σ, c est-à-dire le nombre de couples (j, k) tels que j < k et σ(j) > σ(k).

35 ( ) Calcul pratique : soit σ =. On dresse un tableau où la première ligne contient 1,..., 9 et la deuxième ligne contient, sous chaque j, le nombre d entiers placés avant j et plus grands que j dans la seconde ligne de l expression de σ sous forme matricielle : Le nombre d inversions est la somme des nombres de la seconde ligne, soit 15, donc ε(σ) = ( 1) 16 = 1.

36 Theorem La signature ε définit un homomorphisme du groupe S n sur le groupe multiplicatif { 1, 1}. Preuve. Soient deux permutations σ et σ : ε(σ σ) = σ (σ(j)) σ (σ(k)) σ = j k (σ(j)) σ (σ(k)) σ(j) σ(k) {j,k} C {j,k} C {j, Mais σ(c) = C donc : σ (σ(j)) σ (σ(k)) σ = σ(j) σ(k) (σ(j)) σ (σ(k)) σ(j) σ(k) {j,k} C {σ(j),σ(k)} σ(c)

37 (suite). d où : σ (σ(j)) σ (σ(k)) σ = σ(j) σ(k) (j) σ (k) j k {σ(j),σ(k)} σ(c) {j,k} C Finalement : ε(σ σ) = ε(σ )ε(σ)

38 Definition Le noyau de ε, A n = {σ S n /ε(σ) = 1} est appelé groupe alterné.

39 Applications partielles Definition Soit ϕ une application définie sur un produit de p ensembles, E 1 E p, supposons que p 1 constantes a 2,..., a p aient été affectées à p 1 variables x 2,..., x p. L application x ϕ(x, a 2,..., a p ) est appelée application partielle. De même, pour toute permutation des indices. Il y a p telles applications partielles.

40 Applications multilinéaires alternées Definition Soient E 1,..., E p, p K-espaces vectoriels, une application ϕ de E 1 E p dans K. 1 ϕ est dite p-linéaire si ses p applications partielles sont linéaires. On dit linéaire si p = 1, bilinéaire si p = 2 et trilinéaire si p = 3. 2 ϕ est dite alternée si : (j = k) (x j = x k ) ϕ(x 1,..., x p ) = 0 On parle de forme p-linéaire et de forme alternée lorsque les valeurs de ϕ sont scalaires.

41 Applications multilinéaires : exemples Example Soient x, y, z dans K. 1 (x, y, z) x + y + 2z est

42 Applications multilinéaires : exemples Example Soient x, y, z dans K. 1 (x, y, z) x + y + 2z est linéaire (ou 1-linéaire) sur R 3. 2 ((x, y, z), (x, y, z )) zx + xy + 2yz est

43 Applications multilinéaires : exemples Example Soient x, y, z dans K. 1 (x, y, z) x + y + 2z est linéaire (ou 1-linéaire) sur R 3. 2 ((x, y, z), (x, y, z )) zx + xy + 2yz est bilinéaire sur R 3. 3 (x, y, z) 2xyz est

44 Applications multilinéaires : exemples Example Soient x, y, z dans K. 1 (x, y, z) x + y + 2z est linéaire (ou 1-linéaire) sur R 3. 2 ((x, y, z), (x, y, z )) zx + xy + 2yz est bilinéaire sur R 3. 3 (x, y, z) 2xyz est trilinéaire sur R.

45 p-linéaire alternée sur K p Theorem L ensemble des formes p-linéaires alternées sur K p est un espace vectoriel de dimension 1.

46 p-linéaire alternée sur K p Preuve. On vérifie facilement que l ensemble des formes p-linéaires alternées sur K p est un sous espace vectoriel de l espace F (K p, K). Soient f une forme p-linéaire alternée sur K p, muni de sa base canonique (e) = (e 1,..., e p ) et (x 1,..., x p ), p vecteurs de K p : Alors : k 1, p : x k = f (x 1,..., x p ) = f ( 1 j 1 p x j,k e j 1 j p x j1,1e j1,..., 1 j n p x jp,pe jp )

47 p-linéaire alternée sur K p (suite). d où : f (x 1,..., x p ) = 1 j 1 p. 1 j n p x j1,1... x jp,pf (e j1,..., e jp ) Toute application (1,..., p) (j 1,..., j p ) définit une permutation σ d où : f (x 1,..., x p ) = σ G p x σ(1),1... x σ(p),p f (e σ(1),..., e σ(p) )

48 p-linéaire alternée sur K p (suite). f étant alternée : f (e σ(1),..., e σ(p) ) = ε(σ)f (e 1,..., e p ), donc : f (x 1,..., x p ) = σ G p x σ(1),1... x σ(p),p ε(σ)f (e 1,..., e p ) Donc f est colinéaire à la forme p-linéaire alternée : (x 1,..., x p ) σ G p ε(σ)x σ(1),1... x σ(p),p

49 Déterminants Definition Soit E, muni d une base ordonnée B. On appelle déterminant sur E, l unique forme m-linéaire alternée égale à 1 sur la base B. Le déterminant des vecteurs (x 1,..., x m ) de E dans la base B est noté : det B (x 1,..., x m ) ou det(x 1,..., x m ) s il n y a pas risque de confusion.

50 Theorem Soient (e) et (f ) deux bases de E. Alors pour tout m-uplet x de vecteurs de E : det(x) = det(x) det (f ) (e) (f ) (e) Démonstration. Par définition, il existe un scalaire λ tel que, pour tout m-uplet x de vecteurs : det (e) (x) = λ det (f ) (x). On obtient la valeur de λ avec x = f car alors : λ = det (e) (f ).

51 Déterminants et opérations élémentaires Theorem Soit ϕ(x), le m-uplet transformé de x par opération élémentaire. x j x j + x k, j = k : det(ϕ(x)) = det(x). τ : x j x k (transposition τ) : det(ϕ(x)) = ε(τ) det(x). x j αx j, α = 0 : det(ϕ(x)) = α det(x). (voir le cas général d une application linéaire plus loin)

52 Notations Soient (x 1,..., x m ) tels que, dans B = (e), pour tout k : x k = x j,k e j 1 j m Alors x 1,1 x 1,m det(x 1,..., x m ) =..... x m,1 x m,m

53 Indépendance et déterminants Theorem Soient (e) = (e 1,..., e m ) une base (ordonnée) de l espace vectoriel E et (f ) = (f 1,..., f m ) un m-uplet de vecteurs de E. Alors (f ) est une base de E si et seulement si det (e) (f 1,..., f m ) = 0.

54 Indépendance et déterminants Démonstration. Si (f 1,..., f m ) est une base (f ), det (f ) est colinéaire à det (e), donc det (f ) (f 1,..., f m ), qui est égal à 1, est un multiple de det (e) (f 1,..., f m ), qui est donc non nul. Si (f 1,..., f m ) est liée, par opérations élémentaires on peut se ramener à une famille de la forme (0,..., f m). Or det (f ) (f 1,..., f m ) est nul si et seulement si det (f ) (0,..., f m) est nul, donc : det (f ) (f 1,..., f m ) = 0.

55 Déterminants d homomorphismes Definition Soient E et F deux espaces vectoriels de même dimension m, munis respectivement des bases (e) et (f ). Posons, pour u dans L (E, F ) : det (u) = det (u(e 1),..., u(e m )) (e),(f ) (f ) Theorem u dans L (E, F ) est un isomorphisme si et seulement si det (e),(f ) (u) = 0.

56 Déterminant d une composée Theorem Considèrons trois espaces vectoriels E, F et G, respectivement munis des bases (e), (f ) et (g). Soient u dans L (E, F ) et v dans L (E, F ) : det (v u) = det (v) det (u) (e),(g) (f ),(g) (e),(f ) Corollary Soient u et v deux endomorphismes de E, muni de la bases (e) : det(v u) = det(v) det(v)

57 Déterminant d une composée Preuve du théorème. Soit x un m-uplet de vecteurs, par définition : det (v u)(x) = det (v) det (u)(x) (e),(g) (f ),(g) (e),(f ) d où : det (v u) det (x) = det (v) det (u) det (x) (e),(g) (e) (f ),(g) (e),(f ) (e)

58 Invariance du déterminant Theorem Soient u dans L K (E ) et (e) une base (ordonnée) de E. Le nombre det (e) ( u(e1 ),..., u(e m ) ) ne dépend pas de la base (e), il est noté det(u). Definition det(u) est appelé déterminant de u. Corollary L endomorphisme u de E est un automorphisme si et seulement si det(u) = 0.

59 Invariance du déterminant Preuve Soient B = (e 1,..., e n ) et B = (e 1,..., e n) deux bases de E. L unicité du déterminant relativement à une base implique l existence d une constante non nulle λ telle que, pour tous vecteurs x 1,..., x n : det B (x 1,..., x n ) = λ det B (x 1,..., x n ) donc λ = det B (e 1,..., e n ). On obtient donc : det B (u(x 1),..., u(x n )) = det B (e 1,..., e n ) det B (u(x 1 ),..., u(x n ))

60 Invariance du déterminant (suite). d où : det(u) det (x 1,..., x n ) = det (e 1,..., e n ) det(u) det(x 1,..., x n ) B B B B B En remplaçant (x 1,..., x n ) par (e 1,..., e n ) on trouve : det(u) = det(u) B B

61 Déterminants de matrices Definition Le déterminant d une matrice carrée m m est le déterminant de ses vecteurs colonnes, comme éléments de K m muni de la base canonique. Theorem Soient A et B des matrices carrées m m, on a : 1 det( t A) = det(a) ; 2 det(ab) = det(a) det(b). A est inversible si et seulement si det(a) = 0.

62 Déterminants de matrices Preuve Soit A = (a j,k ) 1 j m, alors : 1 k m det(a) = σ G m ε(σ)x σ(1),1... a σ(m),m Comme σ définit une bijection sur l ensemble des couples (j, k), on a : det(a) = σ G m ε(σ)x σ(1),σ(σ 1 (1))... a σ(m),σ(σ 1 (m)) det(a) = σ G m ε(σ)x 1,σ 1 (1)... a m,σ 1 (m)

63 Déterminants de matrices (suite) Enfin σ σ 1 est une permutation de G m et ε(σ) = ε(σ 1 ), donc : det(a) = d où : det( t A) = det(a). σ 1 G m ε(σ 1 )x σ(1),σ(σ 1 (1))... a σ(m),σ(σ 1 (m)) det(a) = σ G m ε(σ)x 1,σ(1)... a m,σ(m)

64 Déterminants de matrices (suite). Considérant A et B comme les matrices d endomorphismes u et v : det(ab) = det(u v) = det(u) det(v) = det(a) det(b). Enfin A est la matrice d un endomorphisme si et seulement si det(a) = det(u) = 0. La relation précédente montre que : det(a 1 ) = det(a) 1.

65 Comatrice Definition Soit A une matrice m m de vecteurs-colonnes (a 1,..., a m ). On considère l endomorphisme κ de K m qui à tout vecteur x de K m associe : ( det(x, a2,..., a m ) det(a 1, x,..., a m ) det(a 1, a 2,..., x) ) La transposée de la matrice de cet endomorphisme est appelée comatrice de A et est notée : comat(a).

66 Comatrices et inverses Theorem A étant une matrice carrée : t comat(a)a = det(a)i m. Corollary Si A est inversible : A 1 = (det(a) 1 t comat(a).

67 Comatrices et inverses En effet, on vérifie que la matrice K de l endomorphisme κ vérifie KA = det(a)i m car κ(a k ) = (0,..., det(a 1,..., a m ),..., 0), toutes les coordonnées sont nulles sauf la k e qui vaut det(a) ; autrement dit : la j e ligne de KA = t comat(a)a k est : 0 si j = k et det(a) si j = k.

68 Mineurs et comatrice Expression de la comatrice. Soit (e 1,..., e m ) la base canonique et calculons le coefficient κ j (e k ) : κ j (e k ) = det(a 1,..., e k,..., a m ). où e k est à la j e position : a 1,1 a 1,j 1 0 a 1,j+1 a 1,m a k 1,1 a k 1,j 1 0 a k 1,j+1 a k 1,m κ j (e k ) = a k,1 a k,j 1 1 a k,j+1 a k,m a k+1,1 a k+1,j 1 0 a k+1,j+1 a k+1,m a m,1 a m,j 1 0 a m,j+1 a m,m

69 Mineurs et comatrice Effectuons les opérations suivantes : Plaçons e k en première position (j 1 inversions). Pour tout q, q = j : L q L q a k,q L j. Le déterminant est inchangé. Plaçons la k e colonne en première position (k 1 inversions).

70 Mineurs et comatrice a 1,1 a 1,j 1 a 1,j+1 a 1,m κ j (e k ) = ( 1) j+k a k 1,1 a k 1,j 1 a k 1,j+1 a k 1,m 0 a k+1,1 a k+1,j 1 a k+1,j+1 a k+1,m a m,1 a m,j 1 a m,j+1 a m,m

71 Mineurs et comatrice On appelle mineur de a k,j le déterminant obtenu en supprimant la k e ligne et la j e colonne de A, il est noté : M k,j. Alors a 1,1 a 1,j 1 a 1,j+1 a 1,m κ j (e k ) = ( 1) j+k a k 1,1 a k 1,j 1 a k 1,j+1 a k 1,m a k+1,1 a k+1,j 1 a k+1,j+1 a k+1,m = ( a m,1 a m,j 1 a m,j+1 a m,m

72 Mineurs et comatrice Le cofacteur de a k,j est : A k,j = ( 1) j+k M k,j, de sorte que la comatrice de A est : comat(a) = (A j,k ) 1 j m 1 k m L égalité : ( t comat(a)a) j,j = 1 k m A j,k a j,k = det(a) (et l égalité analogue avec t A) justifie la définition suivante. Definition Le développement de det(a) suivant la j e ligne est : det(a) = A j,k a j,k 1 k m (respectivement k e colonne et det(a) = 1 j m A j,k a j,k.

73 Déterminants par blocks Theorem Soient A 1, A 2, B 1 et B 2 des matrices : ( ) ( ) A1 B det 1 A1 0 = det = det(a 0 A 2 B 2 A 1 ) det(a 2 ) 2

74 Formules de Cramer Soit AX = B un système de Cramer, i.e. la matrice A est inversible de type n n, X est la matrice colonne de (x 1,..., x n ) et B la matrice de (b 1,..., b n ). Alors x j est égal à la fraction dont le dénominateur est le déterminant de A et le numérateur est le déterminant de la matrice obtenue en remplaçant dans A la j e colonne par B. En effet : AX = B t comat(a)ax = det(a)x = t comat(a)b d où : X = 1 t comat(a)b det(a)

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

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. 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

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

Matrices. Résolution de systèmes linéaires

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

Plus en détail

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

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

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

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

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

2. Groupe Symétrique

2. Groupe Symétrique 2 Groupe Symétrique 1 Groupe symétrique d un ensemble Définition Soit E un ensemble Une permutation de E est une bijection de E dans E On note S E l ensemble des permutations de E Si E = {1,, n} on le

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

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

Calculer l inverse d une matrice

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

Plus en détail

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

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

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

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

Plus en détail

Chapitre 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

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

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

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

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

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

2.1 Formes bilinéaires symétriques

2.1 Formes bilinéaires symétriques Chapitre 2 Formes bilinéaires symétriques, formes quadratiques 2.1 Formes bilinéaires symétriques Dans ce qui suit, E est un espace vectoriel sur un corps K. 2.1.1 Définition Définition 2.1 Une application

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

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

ÉCOLE NORMALE SUPÉRIEURE. (Durée : 6 heures) L utilisation des calculatrices n est pas autorisée pour cette épreuve.

ÉCOLE NORMALE SUPÉRIEURE. (Durée : 6 heures) L utilisation des calculatrices n est pas autorisée pour cette épreuve. ÉCOLE NORMALE SUPÉRIEURE CONCOURS D ADMISSION 2011 FILIÈRE MP COMPOSITION DE MATHÉMATIQUES D (U) (Durée : 6 heures) L utilisation des calculatrices n est pas autorisée pour cette épreuve. Dans tout le

Plus en détail

Notations et préliminaires

Notations et préliminaires Notations et préliminaires Tous les corps figurant dans le problème sont supposés commutatifs. N désigne l ensemble des nombres entiers naturels N désigne l ensemble des nombres entiers naturels non nuls

Plus en détail

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

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

Plus en détail

Déterminant d une matrice

Déterminant d une matrice 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

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

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

Calcul matriciel 1. λ λ n

Calcul matriciel 1. λ λ n Calcul matriciel 1 Chapitre 3 Calcul matriciel 3.1 Matrices décomposées en blocs Nous considérerons, par ordre de généralité croissante, les matrices diagonales, triangulaires, diagonales par blocs, triangulaires

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

Résumé 01 : Algèbre Linéaire (I)

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

Plus en détail

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

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

Géométrie, L3 623 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne

Géométrie, L3 623 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne Géométrie, L 6 Solutions, feuille de travaux dirigés 4 : Géométrie affine euclidienne Exercice (Distance entre deux droites). On donne les droites (D) = (A, u) et (D ) = (B, v) avec Calculer la distance

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

Lorsque la matrice M est de format (2,2), le déterminant s écrit :

Lorsque la matrice M est de format (2,2), le déterminant s écrit : Fiche 6. Le déterminant. Le déterminant Le déterminant est un outil très utile lorsque l on manipule des matrices carrées. Nous allons construire une fonction appelée déterminant qui associe un nombre

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

Espaces euclidiens, orthogonalité, longueur. Moindres carrés.

Espaces euclidiens, orthogonalité, longueur. Moindres carrés. Université de Nice SL2M 2009-10 Algèbre 2 Espaces euclidiens, orthogonalité, longueur. Moindres carrés. On travaille avec le corps des réels, noté R. Pour tout entier naturel n, on considère l ensemble

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

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

Dimension des espaces vectoriels. () Dimension des espaces vectoriels 1 / 36

Dimension des espaces vectoriels. () Dimension des espaces vectoriels 1 / 36 Dimension des espaces vectoriels () Dimension des espaces vectoriels 1 / 36 1 Familles libres, génératrices et bases 2 Espaces vectoriels de dimension finie 3 Sous-espaces vectoriel de dimension finie

Plus en détail

École polytechnique - Écoles normales supérieures. Concours d admission filière MP. Corrigé de l épreuve de mathématiques A

École polytechnique - Écoles normales supérieures. Concours d admission filière MP. Corrigé de l épreuve de mathématiques A École polytechnique - Écoles normales supérieures Concours d admission 2016 - filière MP Corrigé de l épreuve de mathématiques A corrigé de l énoncé modifié par Abdellah Bechata, après correction des erreurs

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

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

Quelques compléments de dualité.

Quelques compléments de dualité. 1 Quelques compléments de dualité. Définition 0.1 Soit E un K-espace vectoriel. On considère l application E E K. (f, x) f(x) Cette application est bilinéaire. On la note < f, x >, et on la nomme crochet

Plus en détail

Systèmes d équations linéaires

Systèmes d équations linéaires Systèmes d équations linéaires Plan du chapitre 1 Les différentes présentations d un système d équations linéaires page 1 11 Présentation classique page 2 12 Ecriture matricielle d un système page 2 13

Plus en détail

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques Agrégation interne UFR MATHÉMATIQUES Formes quadratiques On se place sur un R-espace vectoriel E de dimension finie n. 1. Formes bilinéaires symétriques et formes quadratiques 1.1. Formes bilinéaires symétriques

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

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Chapitre 1 Espaces vectoriels et applications linéaires Dans ce chapitre, nous rappelons, souvent sans démonstration, les définitions et résultats importants du cours de première année. Dans tout le chapitre,

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

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

Algèbre bilinéaire : Compléments

Algèbre bilinéaire : Compléments Algèbre bilinéaire : Compléments Table des matières 1 Endomorphismes symétriques d un espace euclidien, matrices symétriques. 2 1.1 Définitions..........................................................

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

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

Espaces vectoriels. I Espaces vectoriels. λ x = 0 E λ = 0 ou x = 0 E. (λ x 1,λ x 2,...,λ x n )

Espaces vectoriels. I Espaces vectoriels. λ x = 0 E λ = 0 ou x = 0 E. (λ x 1,λ x 2,...,λ x n ) Espaces vectoriels Notations du chapitre Dans ce chapitre désigne ou. I Espaces vectoriels Propriété 1.2 Soit E un espace vectoriel. 1) Pour tout vecteur x de E : 0. x = 0 E. 2) Pour tout scalaire λ :

Plus en détail

Résumé de Math Sup : Matrices

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

Plus en détail

1 Produit scalaire et orthogonalité

1 Produit scalaire et orthogonalité 1 1 Produit scalaire et orthogonalité 1.1 Définitions Définition 1.1 Soit E un R-espace vectoriel. 1. On dit que cet espace vectoriel est préhilbertien réel dès qu il a été muni d une forme bilinéaire

Plus en détail

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS DE DIMENSION FINIE 1 Familles de vecteurs 1.1 Opérations sur une famille engendrant un sous-espace vectoriel Lemme 1.1 Soient E un K-espace vectoriel, A et B deux parties de E. Alors

Plus en détail

Résumé 01 : Algèbre Linéaire (I) Le langage

Résumé 01 : Algèbre Linéaire (I) Le langage Résumé 01 : Algèbre Linéaire I) Dans tout ce chapitre, K sera le corps R ou C, et E sera un espace vectoriel sur K. Vous remarquerez les grandes similitudes qui existent entre les espaces vectoriels de

Plus en détail

LES PERMUTATIONS. Soit n 1.

LES PERMUTATIONS. Soit n 1. L2 Math/Info Algèbre Soit n 1. LES PERMUTATIONS Définition 1. L ensemble des permutations de {1,...,n} (les bijections de l ensemble {1,...,n} dans lui-même) muni de la composition des applications est

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

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES APPLICATIONS LINÉAIRES 1 Définition et premiers exemples 1.1 Définition Définition 1.1 Application linéaire Soient E et F deux K-espaces vectoriels. On appelle application linéaire de E dans F toute application

Plus en détail

Chapitre 14. Les espaces vectoriels. Cours de mathématiques de BCPST Première année.

Chapitre 14. Les espaces vectoriels. Cours de mathématiques de BCPST Première année. Chapitre 14 Les espaces vectoriels Cours de mathématiques de BCPST Première année. Table des matières 1 Etude de K n 2 2 Notion de sous-espaces vectoriels de K n 4 2.1 Définition..........................................

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

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire :

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : 61 Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : n, ( x 1,..., x n ) F n, (λ 1,..., λ n ) n, n λ i x i F i=1 Par récurrence sur le nombre de termes dans la combinaison linéaire.

Plus en détail

Table des matières 1/15

Table des matières 1/15 Table des matières Introduction : histoire et modernité...2 I- Généralités...3 - Définitions...3 2- Interprétations d'un système linéaire....3 a- Application linéaire u de Kp dans Kn...3 b- Vecteurs de

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

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

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

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

PROBLÈME 1 : Une équation matricielle PRÉLIMINAIRES PARTIE I

PROBLÈME 1 : Une équation matricielle PRÉLIMINAIRES PARTIE I TD - Chapitres 19 et 0 - ALGÈBRE LINÉAIRE PROBLÈME 1 : Une équation matricielle Extrait sujet «Petites Mines» 010 Le but de ce problème est d étudier différentes matrices qui commutent avec leur transposée,

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

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

Systèmes linéaires et matrices. Antoine Louatron

Systèmes linéaires et matrices. Antoine Louatron Systèmes linéaires et matrices Antoine Louatron 2/7 Table des matières Table des matières I Systèmes linéaires 3 I1 Vecteurs colonnes 3 I2 Systèmes linéaires 3 I3 Vect 4 II Résolution d un système 4 II1

Plus en détail

DD - ESPACES DE DIMENSION INFINIE

DD - ESPACES DE DIMENSION INFINIE DD - ESPACES DE DIMENSION INFINIE On suppose connues ici les propriétés des espaces vectoriels de dimension finie, et on étudie la dimension infinie. On pourra consulter également CR, et remarquer en particulier

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

3 = , A 4 =

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

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

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

SESSION 2014 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2

SESSION 2014 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2 SESSION 204 Proposition de corrigé MP CONCOURS COMMUNS POLYTECHNIQUES I. EXERCICE I I.. I..a A = n N 3 0 3 4 0 4 EPREUVE SPECIFIQUE - FILIERE MP MATHEMATIQUES 2 et (u, v, w ) = (, 0, ) u n+ = u n + 3v

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

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

Systèmes linéaires - déterminants

Systèmes linéaires - déterminants Maths PCSI Cours Table des matières Systèmes linéaires - déterminants 1 Systèmes linéaires 2 11 Quelques formalismes équivalents 2 12 Nature géométrique de l ensemble des solutions 2 1 Les systèmes de

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

Matrices. 1 Structure d espace vectoriel sur l ensemble des matrices

Matrices. 1 Structure d espace vectoriel sur l ensemble des matrices Matrices Structure d espace vectoriel sur l ensemble des matrices Soient K un corps (i.e. R où C), m,n N. Une matrice de type (m,n) à coefficients dans K est la donnée de mn éléments de K. On représentera

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

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

Mines Maths 2 Un corrigé

Mines Maths 2 Un corrigé Mines 016 - Maths Un corrigé A. Exemples 1. Le polynôme caractéristique de D est χ D = X + 1 Il n a aucune racine réelle et le spectre réel de D est vide. En particulier D n a aucune valeur propre réelle

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

Cours d algèbre. Licence appliquée. ISET Jerba

Cours d algèbre. Licence appliquée. ISET Jerba Cours d algèbre Licence appliquée ISET Jerba Haj Dahmane DHAFER 21 mars 2014 Table des matières I Généralités sur les matrices 1 I Définitions et notations 1 II Opérations sur les matrices 3 II1 Somme

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

GI Mathématiques. 1. Définitions. 1.1 Matrice de dimensions (n, p) matrice à n lignes et p colonnes. C j ... a ij ... j = N de colonne L 2

GI Mathématiques. 1. Définitions. 1.1 Matrice de dimensions (n, p) matrice à n lignes et p colonnes. C j ... a ij ... j = N de colonne L 2 1. Définitions 1.1 Matrice de dimensions (n, p) matrice à n lignes et p colonnes C j A np a11 a12.. a1 j.. a1 p a21 a22.. a2 j.. a2 p........ = ai1 ai2.. a.. aip........ an an.. anj.. a 1 2 np L 2 a i

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

a ij. a ij b jk

a ij. a ij b jk SEMAINE 4 RÉDUCTION DES ENDOMORPHISMES (DEUXIÈME PARTIE) EXERCICE 1 : Une matrice A = (a ij ) M n (IR) est dite stochastique lorsqu elle vérifie les deux conditions suivantes : (i) i [[1, n]] j [[1, n]]

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