Eléments de calcul matriciel

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Eléments de calcul matriciel"

Transcription

1 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 tableau de l lignes et c colonnes t t t c t T t t c t l t l t lc Addition de deux matrices de même dimension t t c s s c t + s t c + s c t T + S t c + s s c t + s t c + s c t l t lc s l s lc t l + s l t lc + s lc 3 Multiplication par un scalaire t t t c at at at c a T a t l t l t lc at l at l at lc 4 Produit matriciel Le produit de deux matrices n existe que si le nombre de colonnes de la matrice de gauche coïncide avec le nombre de lignes de la matrice de droite Soient T de dimension (l x n) et S de dimension (n x c) Leur produit T S R donne une matrice (l x c) t t n s s c T S t l t ln s n s nc n n t i s i t i s ic i n n t li s i t li s ic Chaque terme r i,j n est autre que le produit scalaire de la ligne i de T par la colonne j de S Par ailleurs, si l c, le produit S T existe mais, dans le cas général, il diffère du produit T S (c est déjà le cas si l c n) i i i

2 5 Transposition Transformation des lignes en colonnes et réciproquement t t t c T t t t t c t l t l t lc t t t t l t t t l t c t c t lc Attention (T S) t S t T t Matrices carrées (l c n) Il existe un élément neutre pour la multiplication, généralement noté I (ou Id) I Matrice symétrique T t T Matrice antisymétrique T t T (coefficients diagonaux nuls) Matrice hermitienne (T t ) (T ) t T T (coefficients complexes) Matrice orthogonale T t T T T t I (coefficients réels) Matrice unitaire T T T T I (coefficients complexes) Déterminants Définitions Un déterminant est un nombre qui traduit une propriété des lignes (et des colonnes) d une matrice carrée On le calcule de manière récursive, en le développant selon une ligne ou une colonne quelconque du tableau Par exemple, si on développe selon la j ème colonne det T T t t t n t t t n t n t n t nn n ( ) i j t ij mineur ij i où mineur ij désigne le déterminant d ordre n formé par le déterminant initial dont on a extrait la ligne i et la colonne j t t j t j+ t n mineur ij t i t i j t i j+ t i n t i+ t i+ j t i+ j+ t i+ n t n t n j t n j+ t nn

3 Ce calcul récursif ne nécessite plus que la définition d un déterminant d ordre, laquelle est particulièrement simple: det ( t ) t On en déduit l expression d un déterminant d ordre t t t t t t t t Par symétrie, il est clair qu une matrice carrée et sa transposée possèdent des déterminants identiques Propriétés Illustrés à l ordre, les résultats suivants se généralisent sans peine à l ordre n Multilinéarité Produit d une ligne ou d une colonne par un scalaire αt t αt t αt t αt t α t t t t α T Addition de lignes (ou de colonnes) t t + α t t + α t (t + α ) t (t + α ) t t t t + t α t α En particulier, si on ajoute la première ligne multipliée par un coefficient α à la seconde, la valeur du déterminant reste inchangée t t t + αt t + αt t t t t + α t t t t t t t t + Un déterminant dont une colonne (ou ligne) dépend linéairement des autres est nul (α, β) t β t t β t t β t + α t t β t + α t il suffit de choisir α β t β t t β t t t Produit et conséquences T S S T Introduisons la matrice α constituée du scalaire α sur sa diagonale et de partout ailleurs α α α α 3

4 α T α T α T α n T On en déduit également un résultat relatif à une permutation de lignes ou de colonnes du déterminant En effet, la permutation des lignes (resp colonnes) i et j de T peut s écrire comme le produit à gauche (resp à droite) par la matrice de permutation I i Q ij I j i I n j où I n désigne la matrice identité de dimension (n x n) Quelles que soient les lignes i et j, le déterminant de cette matrice vaut ( ), si bien que Q ij T Q ij T T Inversion d une matrice carrée Définition Lorsqu elle existe, l inverse de la matrice T, que l on note T, satisfait T T T T I Son déterminant diffère nécessairement de puisque T T T T I T T C est à dire que les matrices singulières (de déterminant nul) ne sont pas inversibles, contrairement aux matrices régulières, dont le déterminant est différent de Calcul La matrice inverse de T est une nouvelle matrice (n x n), dont les termes de ligne i et de colonne j sont les mineurs ij de la matrice transposée T t, affectés du coefficient ( )i j det T Le calcul d une matrice inverse se fait donc en trois étapes calcul du déterminant T transposition de la matrice initiale calcul des cofacteurs relatifs à T t T dett mineur mineur ( ) n mineur n mineur mineur ( ) n mineur n ( ) n mineur n ( ) n mineur n mineur nn 4

5 3 Changement de base orthonormée Soient ( u, u,, u n ) et ( v, v,, v n ) deux bases d un espace de dimension n Soit P la matrice qui traduit le passage de la base des u i à celle des v i Les vecteurs v i étant linéairement indépendants, cette matrice est nécessairement inversible v u v P u v n u n u u P u n Tout vecteur x de l espace se décompose de façon unique sur chaque base v v v n x x u + x u + + x n u n y v + y v + + y n v n Soit, en remplaçant les nouveaux vecteurs en fonction des anciens x p y + p y + +p n y n x p y + p y + +p n y n x n p n y + p n y + +p nn y n Ce qui s écrit à son tour sous forme matricielle x x x n P t y y y n y y y n (P t ) x x x n La matrice P t est parfois appelée matrice de passage 4 Matrices orthogonales Si les deux bases { u i } et { v i } sont orthonormées, la matrice de passage P t est orthogonale P P t I P P t P Les matrices A et B (P ) t A P t P t A P t sont qualifiées de semblables 5 Diagonalisation La diagonalisation d une matrice carrée A consiste en la recherche d une matrice de passage P t telle que la matrice semblable D (P ) t A P t prenne une forme diagonale Il faut déterminer les couples (λ k, v k ) satisfaisant l équation A v k λ k v k (A λ k I) v k () Cette équation n admet de solution autre que le vecteur nul, qu à la condition que la matrice figurant dans le premier membre ne soit pas inversible, donc de déterminant nul A λi La matrice carrée étant d ordre n, le déterminant précédent n est autre qu un polynôme de degré n en λ C est le polynôme caractéristique de A 5

6 Ses racines λ q sont les valeurs propres de A Il en existe r distinctes (avec r n), selon l ordre k q de ces racines ainsi que le corps dans lequel sont effectués les calculs (R ou C) Les racines de degré du polynôme caractéristique constituent les valeurs propres simples, tandis que les autres sont qualifiées de multiples Lorsque le polynôme caractéristique de la matrice A admet n valeurs propres simples, la matrice est diagonalisable Sinon, on peut toujours trouver un changement de base tel que la matrice semblable prenne une forme quasi-diagonale J k (λ ) J k (λ ) B J kr (λ r ) où les matrices J kq (λ q ) sont carrées, de dimension (k q x k q ), constituées du scalaire λ q sur la diagonale, de ou de sous la diagonale et de partout ailleurs λ q λ q J kq (λ q ) λ q λ q avec q [, r] k q n et r q k q n Dans le cas particulier où la dimension k q vaut, la matrice correspondante J kq se restreint au scalaire λ q Cette représentation englobe donc le cas idéal où il existe n valeurs propres simples 5 Valeur propre simple Si λ q est une racine simple du polynôme caractéristique, le système linéaire () est de rang n, si bien qu il possède une infinité de solutions dépendant d un seul paramètre Soit v q une solution particulière Elle définit le vecteur propre associé à la valeur propre λ q Les autres solutions s en déduisent par un simple coefficient En effet α R A (α v q ) α (A v q ) α (λ q v q ) λ q (α v q ) L ensemble des vecteurs propres associés à une valeur propre d ordre constitue donc une droite, c est à dire un sous-espace vectoriel de dimension Par ailleurs, on montre que les vecteurs propres associés à deux valeurs propres simples distinctes sont libres (linéairement indépendants) 5 Valeur propre multiple Soit λ q une racine multiple d ordre k q du polynôme caractéristique ( < k q n) Il peut y avoir k q vecteurs propres linéairement indépendants qui lui sont associés, mais ce n est pas une règle générale Par contre, il existe un sous-espace vectoriel de dimension k q stable par f, au sein duquel les vecteurs subissent une homothétie et une rotation 6

7 6 Matrices hermitiennes Considérons une matrice hermitienne A A d ordre n, que l on peut toujours particulariser au cas réel (matrice symétrique) Le polynôme caractéristique d une telle matrice n admet que des racines réelles, si bien que cette matrice est toujours diagonalisable 6 Valeurs propres et vecteurs propres Considérons un vecteur w quelconque à coefficients complexes w w w n w ( w w n ) Quelle que soit la matrice hermitienne A, le nombre w A w est réel En particulier pour le vecteur propre v k de A, associé à la valeur propre λ k v k A v k v k λ k v k λ k v k R Toutes les valeurs propres λ k d une matrice hermitienne sont réelles, qu elles soient simples ou multiples La matrice est donc diagonalisable et possède n vecteurs propres 6 Base orthonormée des vecteurs propres Les vecteurs propres v k et v j respectivement associés à deux valeurs propres distinctes λ k et λ j d une matrice hermitienne A sont orthogonaux Normés, ces vecteurs propres forment la matrice de changement de base P t pour laquelle la matrice semblable est diagonale Toute matrice hermitienne A possédant n vecteurs propres orthonormés v k, respectivement associés aux valeurs propres réelles λ k, peut se décomposer en la somme de matrices élémentaires, construites chacune à partir de ces vecteurs A n k λ k v k v k 63 Positivité Une matrice A dont les valeurs propres sont toutes positives (respectivement négatives) est dite positive ou non négative (resp négative ou non positive) Une matrice A dont les valeurs propres sont toutes strictement positives (resp négatives) est dite définie positive (resp définie négative) 3 Décomposition en valeurs singulières d une matrice quelconque Toute matrice A de dimension (l x c) peut se factoriser sous la forme où A U S V t U désigne une matrice (l x l) orthogonale (c est à dire que ses colonnes forment une base orthonormée de R l : U U t U t U I l, matrice identité (l x l)), 7

8 V représente une matrice (c x c) orthogonale (V V t I c V t V ), S constitue une matrice (l x c) quasi-diagonale (tous ses éléments sont nuls, à l exception de s, s,, s pp, où p est égal au plus petit des deux entiers l et c) La tradition veut que ces p nombres, positifs ou nuls, soient rangés par valeurs décroissantes s s s pp Par exemple, pour l < c s s S s ll La décomposition en valeurs singulières d une matrice quelconque A n est pas unique, mais les diverses solutions se déduisent facilement les unes des autres 8

9 4 Exemples 4 Inversion d une matrice carrée T calcul du déterminant en développant selon la dernière ligne + transposition de la matrice à inverser T t calcul des 3 cofacteurs, c est à dire les 9 déterminants mineurs de T t mineur mineur 3 mineur mineur 3 mineur 33 mineur mineur mineur 3 mineur 3 d où la matrice inverse, en tenant compte des termes ( ) i j T / / / / vérifications T T T T I et det T det T 4 Diagonalisation d une matrice symétrique A Calculons son polynôme caractéristique en développant par rapport à la première colonne λ λ ( λ) λ λ λ λ + λ ( λ)[( λ) ] ( λ + ) + ( + λ) ( λ) 3 ( λ) ( λ) + (λ ) 9

10 3λ + 3λ λ λ 4 + 3λ λ 3 dont une racine évidente est (λ + ) (λ 4λ + 4) par division euclidienne (λ + ) (λ ) Cette matrice possède donc deux valeurs propres réelles: une simple (λ ) et une double (λ ) Recherchons un vecteur propre v associé à la valeur propre simple (λ ) Celui-ci est solution du système linéaire A v λ v x + x + x 3 x x + x x 3 x x x + x 3 x 3 x 3 x + x x 3 x x + x 3 x 3 x + x + x + x x x 4x x x 3 x x x x x x x x x x Comme prévu, ce système est de rang et admet donc pour solution une droite vectorielle engendrée par exemple par le vecteur normé v 3 () La valeur propre double (λ ) se traite de manière analogue On cherche v solution de A v λ v x + x + x 3 x x + x x 3 x x x + x 3 x 3 x x x 3 x x x 3 x x x 3 x + x 3 x x 3 x x x + x 3 x + x 3 x 3 x + x 3 x x + x 3 x x 3 (3)

11 Ce système est de rang et admet donc un plan comme solution Le vecteur v précédemment identifié n appartient évidemment pas à ce plan On peut choisir deux vecteurs orthonormés dans ce plan, qui satisfont tous deux l équation A v λ v Par exemple v et v 3 6 La matrice A correspond à une certaine application linéaire f exprimée dans le repère (O, i, j, k) Dans le repère (O, v, v, v 3 ) cette même application se traduit par la matrice diagonale D On vérifie sans difficulté que le déterminant de A est égal à celui de D, donné par le produit des valeurs propres élevées à la puissance de leur ordre A D λ λ 4 43 Diagonalisation d une matrice quelconque cos a cos a sin a A sin a sin a cos a où le paramètre réel a ], π [ (cos a > et sin a > ) Calculons son polynôme caractéristique, en développant par rapport à la deuxième ligne cos a λ cos a sin a λ λ sin a sin a cos a λ cos a λ cos a sin a ( λ) λ sin a sin a cos a λ ( λ) ( λ) cos a λ sin a sin a cos a λ λ ( λ) [(cos a λ) + (sin a) ] λ ( λ) (λ cos a i sin a) (λ cos a + i sin a) Si on se restreint au corps des réels, cette matrice ne possède que deux valeurs propres simples λ et λ, auxquelles sont associés deux sous-espaces vectoriels de dimension, engendrés par les vecteurs solutions de A v v (4) et A w (5)

12 Résolvons le premier système linéaire (4) cos a v + v cos a v 3 sin a v 4 v v sin a v sin a v 3 + cos a v 4 v (cos a ) + v ( cos a) v 4 sin a v v sin a v sin a + v 4 (cos a ) v v v v v v v v 3 v 4 v 3 sin a cos a v 4 v 3 cos a sin a v 4 Les première et troisième équations de ce système ne sont satisfaites conjointement que si ou bien sin a cos a cos a sin a v v v 4 La première condition étant impossible à réaliser, il ne reste que la seconde Le vecteur propre associé à la valeur propre simple λ peut donc s écrire v Résolvons maintenant le second système linéaire (5) cos a w + w cos a w 3 sin a w 4 w w sin a w sin a w 3 + cos a w 4 w cos a w 3 cos a w 4 sin a w w sin a w 3 sin a + w 4 cos a w w 3 w w w 3 sin a cos a w 4 cos a sin a w 4 De nouveau, les première et troisième équations de ce système ne sont satisfaites conjointement que si w w 3 w 4 Le vecteur propre associé à la valeur propre simple λ peut donc s écrire w (6) (7)

13 Ensuite, faute de valeurs propres réelles, il est impossible d achever la diagonalisation Poursuivons cependant les calculs dans le corps des complexes Nous sommes amenés à rechercher deux vecteurs propres associés aux deux valeurs propres λ cos a + i sin a et λ cos a i sin a Identifions donc le vecteur solution de A u (cos a + i sin a) u On en déduit, par exemple, cos a u + u cos a u 3 sin a u 4 u u sin a u sin a u 3 + cos a u 4 u cos a u 3 sin a u 4 u u sin a (u u 3 ) u 4 u u 3 u u i (cos a + i sin a) u (cos a + i sin a) u (cos a + i sin a) u 3 (cos a + i sin a) u 4 i sin a u u 3 i sin a u 4 iu i u 4 Enfin, soit s un vecteur propre associé à la valeur propre λ cos a i sin a (8) A s (cos a i sin a) s cos a s + s cos a s 3 sin a s 4 s s sin a s sin a s 3 + cos a s 4 (cos a i sin a) s (cos a i sin a) s (cos a i sin a) s 3 (cos a i sin a) s 4 s cos a s 3 sin a s 4 s s sin a (s s 3 ) i sin a s s 3 i sin a s 4 (9) On en déduit, par exemple, s 4 s s 3 s s i is i s 4 3

14 On voit alors que le sous-espace vectoriel engendré par ces deux vecteurs u et s est également engendré par les vecteurs réels u et s Ce sous-espace est bien stable par la matrice A puisque celle-ci traduit simplement une rotation de a dans ce plan En effet, tout élément de ce sous-espace s écrit r α u + α s On vérifie aisément que le produit A r appartient toujours à ce sous-espace A r cos a cos a sin a sin a sin a cos a (α + α ) cos a (α α ) sin a (α + α ) sin a + (α α ) cos a α + α α α (α cos a + α sin a) u + ( α sin a + α cos a ) s () Ensuite, si on note P t la matrice de passage formée par la concaténation des vecteurs colonnes v w u s, on vérifie que la matrice semblable P t A P t est presque diagonale P t A P t cos a sin a sin a cos a Signalons enfin que, puisque l une des valeurs propres de A est nulle, son déterminant lui-même est nul Cette matrice est donc singulière Cela signifie qu elle possède un noyau, à savoir un sous-espace vectoriel dont l image par A donne le vecteur nul Ce noyau n est autre que le sous-espace vectoriel engendré par le(s) vecteur(s) propre(s) associé(s) à la valeur propre nulle Dans le cas présent, la valeur propre nulle λ est d ordre, si bien que le noyau de A est la droite engendrée par w 4

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

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

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

Plus en détail

Matrices 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

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

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

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

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

MT23-Algèbre linéaire

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

Plus en détail

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

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

Plus en détail

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

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

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

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

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

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

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

Exercices du chapitre 4 avec corrigé succinct

Exercices du chapitre 4 avec corrigé succinct Exercices du chapitre 4 avec corrigé succinct Exercice IV. Ch4-Exercice Quels sont les vecteurs propres de l application identité? Préciser les valeurs propres associées. Tous les vecteurs, sauf le vecteur

Plus en détail

Point de vue. Géométrie euclidienne. Produits scalaires. Exemples. Définition 12.1

Point de vue. Géométrie euclidienne. Produits scalaires. Exemples. Définition 12.1 Point de vue Géométrie euclidienne Présentation provisoire Pierre Mathonet Département de Mathématique Faculté des Sciences En géométrie euclidienne classique : les angles sont mesurés avec un rapporteur

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

MATHÉMATIQUES II. Rappels, notations et objectifs du problème

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

Plus en détail

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

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

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

Module Complémentaire Poursuites études

Module Complémentaire Poursuites études 1/39 Diagonalisation Suites numériques Series Intégrales curvilignes Intégrales de surface Module Complémentaire Poursuites études Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/

Plus en détail

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

Ceci est une correction partielle d exercices du chapitre 22. Les numéros d exercices devraient être corrects, mais sans garantie!

Ceci est une correction partielle d exercices du chapitre 22. Les numéros d exercices devraient être corrects, mais sans garantie! Ceci est une correction partielle d exercices du chapitre. Les numéros d exercices devraient être corrects, mais sans garantie!.. Ecrire les matrices représentant les opérateurs linéaires suivants dans

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

Les vecteurs. Matrices. Addition de vecteurs. Vecteurs et transposé. x 1 x 2. x n. Vincent Nozick Un vecteur (colonne) : x = x = ( x 1 x 2 x n.

Les vecteurs. Matrices. Addition de vecteurs. Vecteurs et transposé. x 1 x 2. x n. Vincent Nozick Un vecteur (colonne) : x = x = ( x 1 x 2 x n. Les vecteurs Matrices Vincent Nozick Un vecteur (colonne : x x n Vincent Nozick Matrices 1 / 47 Vincent Nozick Matrices 2 / 47 Vecteurs et transposé Addition de vecteurs x Autrement dit: x n x n x ( x

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

Diagonalisation. Chapitre 4. 1 Valeurs propres et vecteurs propres

Diagonalisation. Chapitre 4. 1 Valeurs propres et vecteurs propres Chapitre 4 Diagonalisation Cette présentation résume le contenu des section 41, 42 et 44 des notes de cours On se concentre sur la notion de la diagonalisation 1 Valeurs propres et vecteurs propres Définition

Plus en détail

N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points

N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points N1MA3W01 Algèbre 2 - Examen final En janvier, 3h - 35 points Exercice 0 (sur 6 points) 1. Calculer les valeurs et vecteurs propres des matrices 1 2 0 0 0 0 A = 2 1 0 et B = 1 0 0. 0 0 3 6000 80008 4 2.

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

( ) ( 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

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

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

Feuille 5. f(t)g(t)dt. Montrer que pour toute fonction continue f : [0, 1] R on a. 1 f 2 (t)dt. f(t)dt)

Feuille 5. f(t)g(t)dt. Montrer que pour toute fonction continue f : [0, 1] R on a. 1 f 2 (t)dt. f(t)dt) Licence Math. Appliquées 2004-05 Géométrie Feuille 5 Exercice 1. Produits scalaires. 1) Soit E un espace vectoriel réel de dimension finie. Dans chacun des cas suivants, justifier que la formule proposée

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

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

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

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

Espaces Préhilbertiens Réels

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

Plus en détail

Problèmes de Mathématiques Matrices et carrés magiques

Problèmes de Mathématiques Matrices et carrés magiques Énoncé Dans tout le problème, n est un entier supérieur ou égal à 2. On désigne par M n (IR) l algèbre des matrices carrées d ordre n à coefficients réels. Pour tout A de M n (IR), on note a ij le coefficient

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

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

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

S.I.I. Calcul vectoriel Annexe Calcul vectoriel

S.I.I. Calcul vectoriel Annexe Calcul vectoriel Calcul vectoriel Contenu I Vers l espace euclidien... 2 I.1 Notions de groupe... 2 I.2 Espace vectoriel... 2 I.3 Espace affine... 2 II Les Produits de l espace euclidien... 3 II.1 Le produit scalaire...

Plus en détail

Module 4 : Diagonalisation d une matrice

Module 4 : Diagonalisation d une matrice Math Stat Module : Diagonalisation d une matrice M Module : Diagonalisation d une matrice. Notion d espace vectoriel réel ) Lorsqu un ensemble E est muni d une opération de groupe commutatif (abba) et

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

( ) 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

Information Quantique Corrigé de l examen du 21 Mai 2012

Information Quantique Corrigé de l examen du 21 Mai 2012 ENSEIRB-MATMECA Option second semestre, / Notation : la note finale est min(,note-ex+note-ex). Information Quantique Corrigé de l examen du Mai Exercice (/ pts) Circuits quantiques. - On cherche une matrice

Plus en détail

Géométrie dans les espaces préhilbertiens

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

Plus en détail

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier Calcul matriciel Dans ce qui suit, K désigne R ou C. 1 Petite visite au zoo matriciel 1.1 matrices générales notion de matrice : une matrice à coefficients dans K est une liste d éléments de K disposés

Plus en détail

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

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

Plus en détail

MATRICES. x + a f. x y + a 2 f. ) f( k ) ) = (N(F k+1 F k ) 0 k N 1 ).

MATRICES. x + a f. x y + a 2 f. ) f( k ) ) = (N(F k+1 F k ) 0 k N 1 ). MATRICES CCP 2, MATHÉMATIQUES 2, MP À PROPOS DU PRÉAMBULE Le préambule évoque des équations aux dérivées partielles elliptiques Ce sont des équations linéaires homogènes d ordre 2 Par exemple, dans le

Plus en détail

MATH ALGÈBRE

MATH ALGÈBRE L G L G Juin 25 MATH3-2 - ALGÈBRE Prof. Éric J.M.DELHEZ Question I Durée de l épreuve : 2 heures. Répondez aux différentes questions sur des feuilles séparées. Indiquez sur chacune de vos feuilles vos

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

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

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

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

CONCOURS COMMUNS POLYTECHNIQUES 2008 MP MATHEMATIQUES 2

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

Plus en détail

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

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

Plus en détail

Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009. Analyse Numérique. Corrigé du TD 7. EXERCICE 1 Normes vectorielles

Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009. Analyse Numérique. Corrigé du TD 7. EXERCICE 1 Normes vectorielles Analyse Numérique Corrigé du TD 7 EXERCICE Normes vectorielles Définitions Soit un entier n > 0 a Montrer que les applications suivantes définies sur R n sont des normes sur R n, x x x i, x x x i, x x,,n

Plus en détail

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

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

Plus en détail

Partie I - Calcul d une intégrale

Partie I - Calcul d une intégrale 3-- 29 JFC p EM LYON 29 S JF COSSUTTA Lcée Marcelin BERTHELOT SAINT-MAUR jean-francoiscossutta@wanadoofr PROBLÈME Partie I - Calcul d une intégrale f a,b : e a e b est continue sur ], + [ Au voisinage

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

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

Distance à un sous-espace vectoriel

Distance à un sous-espace vectoriel [http://mp.cpgedupuydelome.fr] édité le 1 juillet 214 Enoncés 1 Distance à un sous-espace vectoriel Exercice 1 [ 526 ] [correction] [Déterminant de Gram] Soit E un espace préhilbertien réel. Pour (u 1,...,

Plus en détail

Calcul matriciel : rappels et compléments

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

Plus en détail

Chapitre 4: Valeurs propres et vecteurs propres

Chapitre 4: Valeurs propres et vecteurs propres VALEURS PROPRES ET VECTEURS PROPRES 91 Chapitre 4: Valeurs propres et vecteurs propres 4.1 Introduction et définitions Introduction : S il est vrai qu une transformation linéaire v Av peut faire bouger

Plus en détail

Diverses factorisation de matrices

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

Plus en détail

Rappels et compléments d algèbre linéaire

Rappels et compléments d algèbre linéaire Rappels et compléments d algèbre linéaire Rappels et compléments d algèbre linéaire Résumé Cette vignette rassemble des notations et rappels d algèbre linéaire de niveau L Il introduit les principaux théorèmes

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

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

1. Produit Scalaire sur E

1. Produit Scalaire sur E Espaces vectoriels préhilbertiens et euclidiens 4 - Sommaire. Produit Scalaire.. Forme bilinéaire symétrique.......... Forme quadratique associée......... Forme quadratique définie positive.....4. Produit

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

Exercices du chapitre 6 avec corrigé succinct

Exercices du chapitre 6 avec corrigé succinct Eercices du chapitre 6 avec corrigé succinct Eercice VI Ch6-Eercice On veut résoudre t + bt t + ctt =, b et c étant des fonctions réelles Transformer cette équation différentielle du second ordre en un

Plus en détail

Chapitre 7. Diagonalisation

Chapitre 7. Diagonalisation Chapitre 7. Diagonalisation Objectifs : 1) Comprendre la simplicité des matrices diagonales 2) Appendre à rendre une matrice non diagonale en une diagonale 3) Apprendre la notion des valeurs propres, vecteurs

Plus en détail

FASCICULE D'EXERCICES

FASCICULE D'EXERCICES ELEMENTS D'ALGEBRE LINEAIRE, A L'USAGE DES ETUDIANTS DE L'U.E. M1PY3W01 FASCICULE D'EXERCICES A partir de Septembre 2014, le programme de cette U.E. devient le programme d'algèbre et application à la résolution

Plus en détail

Méthodes directes de résolution du système linéaire Ax = b

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

Plus en détail

AL3 - Matrices Séance de TD n 1 - Corrigés des exercices -

AL3 - Matrices Séance de TD n 1 - Corrigés des exercices - AL3 - Matrices Séance de TD n - Corrigés des exercices - QCM GI FC8/6 03 TEST - SYSTEME 3 GI FA 0 TEST - SYSTEME 3 4 GI FA 0 TEST SYSTEME 4 5 GI FA 03 TEST SYSTEME 5 6 GI FC 8/6 04 TEST VECTEURS, APPLICATION

Plus en détail

Espaces vectoriels euclidiens. () Espaces vectoriels euclidiens 1 / 40

Espaces vectoriels euclidiens. () Espaces vectoriels euclidiens 1 / 40 Espaces vectoriels euclidiens () Espaces vectoriels euclidiens 1 / 40 1 Produit scalaire, norme, espace euclidien 2 Orthogonalité Dans tout ce cours, E désigne un R espace vectoriel. () Espaces vectoriels

Plus en détail

sont deux vecteurs de R 3. A F = trace(a A). A i 2 2 = j

sont deux vecteurs de R 3. A F = trace(a A). A i 2 2 = j Université Claude Bernard Lyon - 2008/2009 Préparation Capes - Algèbre et Géométrie - Normes, produits scalaires, espaces euclidiens - - Produits scalaires - Normes vectorielles - Normes matricielles -

Plus en détail

Rappels sur les matrices

Rappels sur les matrices Rang d une matrice et espace vectoriel Rappels sur les matrices Notation Soit une matrice réelle. Nous utiliserons la notation suivante: C() = L'espace vectoriel engendré par les colonnes de. N() = le

Plus en détail

Rappel de calcul différentiel

Rappel de calcul différentiel Calcul différentiel et géométrie Année 008-009 ENS Cachan Vincent Beck Différentiabilité. Rappel de calcul différentiel Exercice 1 Exemples et contre-exemples. a) Étudier suivant les valeurs de α > 0,

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

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

MATRICES - DEFINITION 1 Une matrice est un tableau rectangulaire de nombres.

MATRICES - DEFINITION 1 Une matrice est un tableau rectangulaire de nombres. MATRICES - DEFINITION 1 Une matrice est un tableau rectangulaire de nombres. Exemple: A = 1 17 1.12 3 π 6. Une matrice est de format mxn ssi elle a m lignes et n colonnes (m,n IN 0) Exemple : A est de

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

Calcul matriciel (II)

Calcul matriciel (II) Calcul matriciel (II) Valeurs et vecteurs propres eigenvalues and eigenvectors Introduction Cas des matrices symétriques Calcul pratique des valeurs propres et des vecteurs propres Une fois la lecture

Plus en détail

Exercices Corrigés Matrices 1 2 A = 2 1

Exercices Corrigés Matrices 1 2 A = 2 1 Exercices Corrigés Matrices Exercice Considérons les matrices à coefficients réels : A =, B = 4 C =, D = 0, E = Si elles ont un sens, calculer les matrices AB, BA, CD, DC, AE, CE Exercice extrait partiel

Plus en détail

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé December 5, 2008 Table des Matières Espaces euclidiens Orthogonalité - Espaces euclidiens..............................

Plus en détail

Contrôle continu - 5 décembre 2011

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

Plus en détail

Rappels et compléments d algèbre linéaire

Rappels et compléments d algèbre linéaire Rappels et compléments d algèbre linéaire Table des matières 1 Somme et somme directe de p sous-espaces vectoriels. 2 1.1 de la somme de plusieurs sous-espaces vectoriels de E........................ 2

Plus en détail

Chapitre X : Torseurs

Chapitre X : Torseurs Chapitre X : Torseurs de : Après une étude attentive de ce chapitre, vous serez capable définir une application linéaire symétrique ou antisymétrique définir la matrice d une application linéaire et de

Plus en détail

EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. Notations et objectifs

EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. Notations et objectifs SESSION 2010 PCM1002 EPREUVE SPECIFIQUE FILIERE PC MATHEMATIQUES 1 Durée : 4 heures Les calculatrices sont interdites N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision

Plus en détail

(1, 2, 1). (1, 2, 1) = 1 3 (2, 1, 4), d où u 2 = 1 = M =

(1, 2, 1). (1, 2, 1) = 1 3 (2, 1, 4), d où u 2 = 1 = M = Université Paris VII MA (Groupe MS) Licence L MASS 00 006 Feuille d exercices n Si cela n est pas précisé, l espace vectoriel R n est muni du produit scalaire canonique. ) Soit E le sous-espace vectoriel

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

Dimension des espaces vectoriels

Dimension des espaces vectoriels Dimension des espaces vectoriels (2) (2) () Dimension des espaces vectoriels 1 / 22 Plan 1 Matrices (2) () Dimension des espaces vectoriels 2 / 22 Propriétés de l ensemble des matrices Proposition Pour

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