Vecteurs et applications linéaires

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Vecteurs et applications linéaires"

Transcription

1 Vecteurs et applications linéaires (1) (1) () Vecteurs et applications linéaires 1 / 41

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

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

4 Dépendance et indépendance Définition Soit (X 1, X 2,..., X p ) une famille finie de vecteurs de R n. On dit que la famille (X 1, X 2,..., X p ) est libre si et seulement si : Si il existe λ 1,..., λ p R tels que λ 1 X λ p X p = 0 E alors λ 1 = = λ p = 0. Aucun vecteur de la famille n est combinaison linéaire des autres (lorsque p 2). Dans ce cas, on dit que les vecteurs de la famille sont linéairement indépendants. (1) () Vecteurs et applications linéaires 4 / 41

5 Définition On dit que la famille (X 1, X 2,..., X p ) est liée si et seulement s il existe des scalaires λ 1, λ 2,..., λ p R qui ne sont pas tous nuls tels que λ 1 X λ p X p = 0 E c est-à-dire si, et seulement si l un au moins des vecteurs de la famille est une combinaison linéaire des autres vecteurs de cette famille (lorsque p 2). Remarque: Si une famille est libre ou liée, il en est de même pour toutes les familles obtenues par permutation de ses éléments. (1) () Vecteurs et applications linéaires 5 / 41

6 Exemple: 1 Une famille à un vecteur (X ) est libre si, et seulement si, X est non nul. 2 Une famille qui contient le vecteur nul O = (0, 0,..., 0) est liée. En effet 1.X X X n = 0 et les coefficients de cette combinaison linéaire ne sont pas tous nuls. 3 Dans R 3 les vecteurs e 1 = (1, 0, 0), e 2 = (0, 1, 0) et e 3 = (0, 0, 1) sont linéairement indépendants car pour tous a, b, c R, on a ae 1 +be 2 +ce 3 = (0, 0, 0) = (a, b, c) = (0, 0, 0) = a = b = c = 0. Plus généralement, dans R n, la famille (e 1,..., e n ), où le vecteur e i est le vecteur dont toutes les composantes sont nulles sauf la i-ième qui vaut 1, est libre. 4 Une famille qui contient deux vecteurs colinéaires est liée. (1) () Vecteurs et applications linéaires 6 / 41

7 Technique: On veut étudier si la famille de vecteurs (X 1, X 2,..., X n ) est libre ou liée. Soit λ 1, λ 2,..., λ n R tels que λ 1 X 1 + λ 2 X λ n X n = 0 On cherche ensuite les solutions λ 1, λ 2,..., λ n. Si la seule solution possible est que les λ i sont nuls, λ 1 = λ 2 = = λ n = 0, alors la famille est libre. Si on trouve une (ou plusieurs) solution avec λ 1, λ 2,..., λ n non tous nuls, alors la famille est liée. Exercice 1 Les familles de vecteurs de R 3 suivants sont-elles libres ou liées? (u 1, u 2, u 3 ) avec u 1 = (1, 1, 0), u 2 = (1, 2, 1), u 3 = (0, 1, 1). (v 1, v 2, v 3 ) avec v 1 = (3, 2, 1), v 2 = (1, 1, 2), v 3 = (7, 4, 0). (1) () Vecteurs et applications linéaires 7 / 41

8 Bases de vecteurs Définition Une famille de n vecteurs (U 1, U 2,..., U n ) de R n est appelée base de R n si la matrice de cette famille est de rang n. Remarque: La famille de vecteurs (E 1, E 2,... E n ) de R n, formée de E 1 = (1, 0, 0,... ), E 2 = (0, 1, 0,... ),... E n = (0, 0, 0,..., 0, 1) est une base, appelée la base canonique de R n. (1) () Vecteurs et applications linéaires 8 / 41

9 Proposition 1 Une base de R n est formée de n vecteurs indépendants. 2 Une famille libre à n vecteurs dans R n est une base. 3 Une famille de vecteurs de R n est une base si et seulement si la matrice de cette famille est carrée et inversible. Définition Soit U = (U 1, U 2,..., U n ) une base de R n. La matrice P de la famille (U 1, U 2,..., U n ) est appelée matrice de passage de la base canonique à la base U. On rappelle que P est la matrice formée en mettant les vecteurs de U côte à côte dans une seule matrice. (1) () Vecteurs et applications linéaires 9 / 41

10 Théorème Si U = (U 1, U 2,..., U n ) est une base de R n, alors pour tout vecteur X de R n, il existe des coefficients λ 1, λ 2,..., λ n R uniques tels que X = n λ i U i = λ 1 U 1 + λ 2 U λ n U n i=1 X s ecrit comme combinaison linéaire des vecteurs de la famille U. Le n-uplet (λ 1, λ 2,..., λ n ) s appelle les coordonnées de X dans la base U. Exemple: (1) () Vecteurs et applications linéaires 10 / 41

11 Définition Une famille U = (U 1, U 2,..., U p ) de vecteur de R n est génératrice si tout vecteur de R n peut s écrire au moins d une façon comme combinaison linéaire des U i. Corollaire 1 Une base de R n est génératrice. 2 Une famille génératrice de n vecteurs de R n est une base. Remarque: Les familles de n vecteurs de R n ne sont pas toutes des bases. Pour une famille de n vecteurs de R n, il y a équivalence entre libre, génératrice et base. Il suffit de vérifier une des trois propriétés pour avoir les deux autres. Attention, ça ne marche qu avec n vecteurs! (1) () Vecteurs et applications linéaires 11 / 41

12 Technique: On étudie si une famille (V 1,..., V n ) de vecteurs de E est génératrice de E. Soit U E. On cherche λ 1,..., λ n R tels que λ 1 V λ n V n = U Si on peut trouver au moins une solution λ 1,..., λ n sans aucune condition sur U, alors la famille (V 1,..., V n ) est génératrice de E. Si il y a des conditions sur U pour trouver des solutions λ 1,..., λ n, alors la famille (V 1,..., V n ) n est PAS génératrice de E. (1) () Vecteurs et applications linéaires 12 / 41

13 Exercice 2 1 La famille (u 1, u 2, u 3, u 4 ) = ( ) (1, 0, 1), (0, 1, 1), ( 1, 0, 1), (0, 2, 1) est-elle génératrice de R 3? ( ) 2 La famille (v 1, v 2, v 3 ) = (1, 2, 1), (3, 1, 2), (3, 4, 1) est-elle une famille génératrice de R 3? Exercice 3 La famille (u 1, u 2, u 3 ) = ((2, 1, 0), (0, 3, 1), (1, 1, 1)) forme-t-elle une base de R 3? Le cas échéant, donner les coordonnées du vecteur (2, 4, 1) R 3 dans cette base. (1) () Vecteurs et applications linéaires 13 / 41

14 Matrices de passage On rappelle que, pour une base B de R n, la matrice de passage de la base canonique vers la base B s obtient en mettant en colonne côte à côte les vecteurs de B. On obtient ainsi une matrice carrée et inversible. (1) () Vecteurs et applications linéaires 14 / 41

15 Proposition Soit X = x 1. x n un vecteur de R n, (x 1,..., x n ) sont les coordonnées de X dans la base canonique. Soit B = (U 1,..., U n ) base de R n de matrice de passage P. Alors X peut s écrire de manière unique comme combinaison linéaires de B : X = n i=1 x i U i, (x 1,..., x n) étant les coordonnées de X dans la base B. Si on pose X = x 1. x n, alors on a X = PX, et X = P 1 X Remarque: La deuxième égalité signifie que, pour trouver les coordonnées d un vecteur X dans une nouvelle base B, il suffit de multiplier X par l inverse de la matrice de passage de B. Exemple: (1) () Vecteurs et applications linéaires 15 / 41

16 On sait donc passer de la base canonique à B (grâce à P 1 ) et de B à la base canonique (grâce à P). Comment passer d une base quelconque à une autre base quelconque? On considère deux bases de R n : B de matrice de passage P et B de matrice de passage Q. Soit un vecteur X (on est donc implicitement en base canonique). Notons X B le vecteurs des coordonnées de X dans la base B et X B le vecteurs des coordonnées de X dans la base B. On veut des formules pour passer de X B à X B et inversement. D après ce qui précède, on a les relations suivantes : (1)X = PX B (2)X B = P 1 X, (3)X = QX B, (4)X B = Q 1 X On reporte (3) dans (2) et (1) dans (4) : (2)X B = P 1 QX B, (4)X B = Q 1 PX B = (P 1 Q) 1 X B On a donc des formules directes pour aller de X B à X B utilisant P 1 Q. et inversement, en (1) () Vecteurs et applications linéaires 16 / 41

17 Définition Soient deux bases de R n : B de matrice de passage P et B de matrice de passage Q. La matrice P 1 Q est appelée la matrice de passage de la base B vers la base B. On la note P(B, B ) = P 1 Q. Proposition Soit un vecteur X de R n, avec X B le vecteurs des coordonnées de X dans la base B et X B le vecteurs des coordonnées de X dans la base B. On a alors (2)X B = P(B, B )X B, }{{} et X B = (P(B, B )) 1 X B (1) () Vecteurs et applications linéaires 17 / 41

18 Proposition 1 Soient B 1, B 2, B 3 trois bases de R n. On a P(B 1, B 2 ) P(B 2, B 3 ) = P(B 1, B 3 ) 2 Toute matrice de changement de base est inversible. De plus, si B et B sont deux bases de R n, l inverse de la matrice P(B, B ) est la matrice P(B, B), autrement dit P(B, B ) 1 = P(B, B). 3 Les colonnes de la matrice P(B, B ) de passage de la base B vers la base B sont formées avec les coordonnées des vecteurs de B exprimés dans la base B. Exemple: (1) () Vecteurs et applications linéaires 18 / 41

19 Effet des changements de base sur les systèmes Soit AX = B un système d équation linéaires de n lignes et n inconnues (donc A est une matrice carrée). On considères une base B, et P = P(C, B) la matrice de passage de la base canonique vers la base B. On exprime X et B dans la base B : X = PX B et B = PB B, qu on reporte dans le système AX = B APX B = PB B P} 1 {{ AP} X B = B B A X B = B B A On a transformé le système AX = B en un système A X B = B B, où A = P 1 AP. On verra quand on parlera de diagonalisation l intérêt de A. (1) () Vecteurs et applications linéaires 19 / 41

20 Plan 1 Familles de vecteurs de R n 2 Sous-espace vectoriels dans R n 3 Base d un sous-espace vectoriel (1) () Vecteurs et applications linéaires 20 / 41

21 Définition Définition Un sous-ensemble (une partie) F de R n est appelé un sous-espace vectoriel (s.e.v) si F vérifie les trois propriétés suivantes : 1 O F : le vecteur nul appartient à F. 2 X, Y F, X + Y F. F est stable par addition. 3 X F, λ R, λx F. F est stable par la multiplication par un scalaire. Remarque: On peut regrouper (2) et (3) en une seule phrase : λ R, X, Y F, λx + Y F. (1) () Vecteurs et applications linéaires 21 / 41

22 Exemples: 1 R n est un sous-espace vectoriel de R n. 2 {O} (le sous ensemble de R n ne contenant que le vecteur nul) est un sous-espace vectoriel de R n. 3 Dans R 2, toute droite passant par l origine est un sous-espace vectoriel. Dans R 3, tout plan passant par l origine est un sous-espace vectoriel. Corollaire Un sous-espace vectoriel F de R n est stable par combinaisons linéaires. Autrement dit, on a : n N, (λ 1,..., λ n ) R n, (V 1,..., V n ) F n, λ 1 V 1 + λ 2 V λ n V n F. (1) () Vecteurs et applications linéaires 22 / 41

23 sous-espace engendré par une famille de vecteurs Définition Soit F = (X 1, X 2,..., X m ) une famille de m vecteurs de R n. On appelle Vect(F) l ensemble de toutes les combinaisons linéaires des vecteurs de F : { m } Vect(F) = λ i X i, λ 1,... λ m R Proposition i=1 L ensemble Vect(F) défini ci-dessus est un sous-espace vectoriel de R n. On l appelle le sous-espace vectoriel engendré par la famille F. Remarque: Vect(F) ne dépend pas de l ordre des vecteurs de la famille F. (1) () Vecteurs et applications linéaires 23 / 41

24 Exemples: 1 Si F = {X } ne contient qu un seul vecteur, alors Vect(F) = {λx, λ R} est l ensemble des vecteurs colinéaires à X. C est une droite vectorielle. 2 Si X 1 = O, X 2 = O,..., X m = O alors Vect(F) = {O}. 3 Si B est une base de R n, alors Vect(F) = R n. (1) () Vecteurs et applications linéaires 24 / 41

25 Définition Soit F un sous-espace vectoriel de R n et F une famille de vecteurs. Si F = Vect F, on dit que la famille F engendre F, ou encore que les vecteurs de F forment une famille génératrice de F. Exemple: 1 Si B est une base de R n, comme Vect(F) = R n, alors F engendre R n. 2 La droite vectorielle {λx, λ R} est engendrée par le vecteur X. Remarque: un sous-espace vectoriel F peut avoir plusieurs familles génératrice. (1) () Vecteurs et applications linéaires 25 / 41

26 Sous-espace vectoriel défini par des équations Proposition Soit A une matrice de M(n, p) et (S) le système d équations linéaires AX = O (où X est le vecteur de inconnus de taille p et O le vecteur nul de taille n). Alors l ensemble des solutions de (S) forment un sous-espace vectoriel. Autrement dit, le sous-ensemble est un sous-espace vectoriel de R p. {X R p, AX = O} (1) () Vecteurs et applications linéaires 26 / 41

27 Démonstration. Notons S l ensemble des solutions du système (S). Le vecteur nul de taille p est une solution évidente du système, donc O p est dans S. Soient X, Y deux vecteurs de S (donc des solutions du systèmes) et λ R. On vérifie que λx + Y est dans S : A(λX + Y ) = A(λX ) + AY = λ (AX ) + }{{}}{{} AY = O + O = O =O =O λx + Y est bien une solution du système, donc λx + Y S. Donc S est bien un sous-espace vectoriel de R p. (1) () Vecteurs et applications linéaires 27 / 41

28 On s intéresse en particulier au cas où A est une matrice à une ligne, c est-à-dire lorsque le système se réduit à une seule équation. Définition Soit A une matrice ligne de taille (1, p) et AX = 0 l équation associée. L ensemble des solutions de l équation Ax = 0 forme un sous-espace vectoriel de R p, qu on appelle hyperplan défini par l équation AX = 0. Remarque: l équation AX = 0 n est pas unique. L hyperplan peut être définie par une autre équation. Exemples: 1 Dans R 2, un hyperplan est l ensemble des solutions d une équation de la forme ax + by = 0. C est donc une droite passant par O. 2 Dans R 3, un hyperplan est l ensemble des solutions d une équation de la forme ax + by + cz = 0. C est donc un plan passant par O. (1) () Vecteurs et applications linéaires 28 / 41

29 Famille génératrice et système d équations Un sous-espace vectoriel peut être défini à partir d une famille génératrice ou d un système d équations, et il existe des méthode pour aller de l un à l autre. Par contre, attention à l ordre des inconnues dans le système! Il ne doit jamais changer en cours de route! (1) () Vecteurs et applications linéaires 29 / 41

30 Technique Soit AX = O un système d équations linéaires à p inconnues et F = {X R p, AX = 0} le sous-espace vectoriel formé des solutions de AX = 0. On veut écrire F à l aide d une famille génératrice. On commence à le résoudre avec la méthode du pivot partiel de Gauss. Comme le second membre ne contient que 0, il ne peut pas y avoir d équation auxiliaire 0 = b avec b 0, il y a toujours des solution. Si il y a une unique solution (toutes les variables ont un pivot), cette solution est le vecteur nul, donc F = {O}. Sinon, il y a des variables auxiliaires (=sans pivot) qu on doit remplacer par des paramètres λ 1, λ 2,... pour résoudre. Notons que si il y a r pivots, il y aura p r paramètres à poser. Ainsi, tout vecteur X de F (solution du système) s écrit à l aide des paramètres λ 1, λ 2,.... (1) () Vecteurs et applications linéaires 30 / 41

31 On décompose X en une somme de vecteurs : le premier ne contenant que le paramètre λ 1, le second que le paramètre λ 2,... puis pour chaque vecteur, on met le paramètre en facteur devant (de la forme λ i V 1 avec V i ne contenant plus de paramètres). On a alors écrit X comme une combinaison linéaires de vecteurs fixes multipliés par les paramètres λ i. On reconnait alors l écriture d un sous-espace vectoriel engendré par une famille de vecteur (V 1, V 2,... ), c est à dire F = Vect(V 1, V 2,... ). Remarquons que F est engendré par p r vecteurs. Exemple: Si les solutions d un système à trois inconnues sont de la forme suivante : λ 1 + λ 2 λ 1 λ X = λ 1 = λ = λ λ 2 0 2λ 1 λ 2 2λ 1 λ L espace vectoriel des solutions est donc engendré par la famille de deux 1 1 vecteurs 1, (1) () Vecteurs et applications linéaires 31 / 41

32 Technique: Soit F = Vect(V 1, V 2,... ) un sous-espace vectoriel de R p engendré par une famille de vecteur. On chercher cette fois à l écrire à l aide d un système d équations. Soit X un vecteur de F de coordonnées (x 1, x 2,... ), alors X se décompose comme combinaison linéaire X = λ 1 V 1 + λ 2 V avec λ i R. On obtient alors une égalité de vecteurs : x 1 λ 1 V 1 + λ 2 V 2 + = x 2. qu on peut écrire sous forme de système (en enlevant les parenthèses des vecteurs). On obtient alors un système (S) où les λ i sont les inconnues et les x i les seconds membres. On commence à résoudre ce système avec la méthode du pivot de Gauss partiel (1) () Vecteurs et applications linéaires 32 / 41

33 Mais attention, ce ne sont PAS les solutions qui nous intéressent, ce sont les équations auxiliaires! Ce sont des équations contenant les coordonnées x i de X. X est dans F si et seulement si les équations auxiliaires sont vérifiées. Donc F est définie par le système formé uniquement des équations auxiliaires. Exemple: (1) () Vecteurs et applications linéaires 33 / 41

34 Plan 1 Familles de vecteurs de R n 2 Sous-espace vectoriels dans R n 3 Base d un sous-espace vectoriel (1) () Vecteurs et applications linéaires 34 / 41

35 Définition Soit F un sous-espace vectoriel de R n. On appelle base de F toute famille de vecteurs F = (X 1, X 2,..., X r ) telle que 1 F engendre F, c est à dire F = Vect(F). 2 F est une famille libre, c est à dire que les vecteurs (X 1, X 2,..., X r ) sont indépendants. Remarque: le nombre r de vecteurs dans la famille F est alors le rang de cette famille, car elle est libre. Exemple: Soit X un vecteur non nul et F = Vect(X ) droite vectorielle engendrée par X. Alors (X ) est une base de F, puisqu elle est génératrice et libre. (1) () Vecteurs et applications linéaires 35 / 41

36 Proposition La famille F = (X 1, X 2,..., X r ) est une base du sous espace vectoriel F si et seulement si tout vecteur X de F peut s écrire d une façon et d une seule comme combinaison linéaire des X i : X = n λ i X i. i=1 C est à dire que les réels λ i existent et sont uniques pour chaque X F. (1) () Vecteurs et applications linéaires 36 / 41

37 Existence de base et dimension Si F est un espace vectoriel engendré par une famille F, on peut trouver une base en choisissant certains vecteurs de F de manière à avoir une deuxième famille F, qui engendre toujours F et qui est libre (donc une base). On peut même créer plusieurs bases (mais elles auront toujours le même nombre de vecteurs!). D une manière générale, on a le théorème suivant : Théorème Tout sous-espace vectoriel F de R n possède une base B. De plus, toutes les bases d un sous-espace vectoriel F ont le même nombre d éléments. Ce nombre est appelé la dimension de F. On le note dim(f ). (1) () Vecteurs et applications linéaires 37 / 41

38 Exemples: 1 le sous-espace vectoriel {O} formé du seul vecteur nul a, par convention, une base vide. Donc sa dimension est dim({o}) = 0. C est même le seul sous-espace vectoriel de dimension nulle. 2 R n (vu comme un sous-espace vectoriel) a comme base la base canonique par exemple. Cette base contient n éléments, donc dim(r n ) = n. 3 Soit X un vecteur non nul et F = Vect(X ). (X ) étant une base de F, on a dim(f ) = 1 (1) () Vecteurs et applications linéaires 38 / 41

39 Proposition Soit F un sous-espace vectoriel de R n. On a alors De plus : Si dim(f ) = 0, alors F = {O}. Si dim(f ) = n, alors F = R n. Proposition 0 dim(f ) n Si F et E sont deux sous-espaces vectoriels de R n vérifiant E F, alors on a dim(e) dim(f ). De plus, si E F et dim(e) = dim(f ), alors E = F. (1) () Vecteurs et applications linéaires 39 / 41

40 La dimension d un sous espace vectoriel est impose des conditions sur le nombre d éléments des familles libres, génératrices et des bases. Proposition Soit F un sous-espace vectoriel de R n de dimension dim(f ) : Toute famille libre de vecteurs de F contient au maximum dim(f ) vecteurs. De plus, si une famille libre contient exactement dim(f ) vecteurs, alors c est une base. Toute famille génératrice de vecteurs de F contient au minimum dim(f ) vecteurs. De plus, si une famille génératrice contient exactement dim(f ) vecteurs, alors c est une base. Remarque: En nombre d éléments, on a libre base génératrice. (1) () Vecteurs et applications linéaires 40 / 41

41 Théorème Soit F un sous-espace vectoriel de R n. Toute famille F génératrice de F contient une base. De plus, si F est génératrice de F et si G est une famille libre de F, alors on peut compléter G avec des vecteurs de F pour former une base de F (Théorème de la base incomplète) Toute famille libre de F peut être complétée en une base. Remarque: on verra en exercice des exemples de base à compléter. (1) () Vecteurs et applications linéaires 41 / 41

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

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

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

ESPACES VECTORIELS. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016)

ESPACES VECTORIELS. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) ESPACES VECTORIELS Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) 1. Espaces et sous-espaces vectoriels Dans ce qui suit, K est un corps, que l on

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

ESPACES VECTORIELS CHAPITRE Espaces vectoriels. 1.1 Définition. Dans tout ce chapitre, K désignera R ou C. Définition 10.1

ESPACES VECTORIELS CHAPITRE Espaces vectoriels. 1.1 Définition. Dans tout ce chapitre, K désignera R ou C. Définition 10.1 CHAPITRE 10 ESPACES VECTORIELS Dans tout ce chapitre, K désignera R ou C. 1 Espaces vectoriels 1.1 Définition Définition 10.1 On appelle K-espace vectoriel un ensemble E muni d une addition + : E E E (x,

Plus en détail

Indépendance linéaire Bases Dimension

Indépendance linéaire Bases Dimension Indépendance linéaire Bases Dimension Combinaison linéaire Définition Dans l espace vectoriel V le vecteur w est combinaison linaire des vecteurs v, v,, v r, s il existe des scalaires k, k,, k r tels que

Plus en détail

MAT 1200: Introduction à l algèbre linéaire

MAT 1200: Introduction à l algèbre linéaire MAT 1200: Introduction à l algèbre linéaire Saïd EL MORCHID Département de Mathématiques et de Statistique Chapitre 4: Les espaces vectoriels Références Espaces vectoriels s Exemples Théorème Sous-espaces

Plus en détail

Exercices du chapitre XI avec corrigé succinct

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

Plus en détail

Changements de bases.

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

Plus en détail

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

3.2. SOUS-ESPACES DE IR n, BASES ET

3.2. SOUS-ESPACES DE IR n, BASES ET .. SOUS-ESPACES DE IR n, BASES ET INDÉPENDANCE LINÉAIRE On a vu dans la section. que l image et le noyau d une application linéaire avaient en commun : ils contiennent le vecteur nul (du domaine pour le

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

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

Systèmes d équations linéaires, Résumé

Systèmes d équations linéaires, Résumé Systèmes d équations linéaires, Résumé ycée Berthollet, PCSI1 2016-17 Exemple introductif (fil rouge) Exemple 1 On considère le système suivant : (S) x +2y 2z +3t = 2 2x +4y 3z +4t = 5 5x +10y 8z +11t

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

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

Fiche méthodologique Rang d une matrice et applications

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

Plus en détail

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

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

Cours de remise à niveau Maths 2ème année. Espaces vectoriels

Cours de remise à niveau Maths 2ème année. Espaces vectoriels Cours de remise à niveau Maths 2ème année Espaces vectoriels C. Maugis-Rabusseau GMM Bureau 116 cathy.maugis@insa-toulouse.fr C. Maugis-Rabusseau (INSA) 1 / 33 Plan 1 Généralités 2 Sous-espace vectoriel

Plus en détail

MT23-Algèbre linéaire

MT23-Algèbre linéaire MT23-Algèbre linéaire Chapitre 1 : Espaces vectoriels ÉQUIPE DE MATHÉMATIQUES APPLIQUÉES UTC juillet 2014 suivant Chapitre 1 Espaces vectoriels 1.1 Espaces vectoriels, généralités..........................

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

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

Chapitre V. Chapitre V : Bases et dimension

Chapitre V. Chapitre V : Bases et dimension Chapitre V Chapitre V : Bases et dimension Introduction On avait vu au Chapitre IV qu une base pour un espace vectoriel V est une partie à la fois libre et génératrice de V. Les bases constituent un outils

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

Espaces vectoriels de dimension finie

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

Plus en détail

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

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

Espaces vectoriels. S2 Mathématiques Générales 1 11MM21

Espaces vectoriels. S2 Mathématiques Générales 1 11MM21 Espaces vectoriels S2 Mathématiques Générales 1 11MM21 Les notes qui suivent sont très largement inspirées du site : http://uel.unisciel.fr/mathematiques/espacevect1/espacevect1/co/espacevect1.html et

Plus en détail

Dimension finie. 1. Famille libre. Exo Combinaison linéaire (rappel) 1.2. Définition

Dimension finie. 1. Famille libre. Exo Combinaison linéaire (rappel) 1.2. Définition Exo7 Dimension finie Vidéo partie Famille libre Vidéo partie 2 Famille génératrice Vidéo partie 3 Base Vidéo partie 4 Dimension d'un espace vectoriel Vidéo partie 5 Dimension des sous-espaces vectoriels

Plus en détail

Feuille 3 : Espaces vectoriels et sous espaces vectoriels

Feuille 3 : Espaces vectoriels et sous espaces vectoriels Feuille : Espaces vectoriels et sous espaces vectoriels Eercice. (Sous-espace vectoriels de R. Les sous-ensembles suivants de R sont ils des sous-espaces vectoriels? Faire des dessins!. {(, R + = }.. {(,

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 échelonnement

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

Plus en détail

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

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

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

Plus en détail

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

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

Plus en détail

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

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

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

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

Plus en détail

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

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

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 18 Espaces vectoriels de dimension finie 1 Dimension finie 2 1.1 Existence de bases............... 2 1.2 Dimension d un K-espace vectoriel...... 3 1.3 Rang d une famille de vecteurs........ 5

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

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Bibliothèque d exercices Énoncés L Feuille n 9 Espaces vectoriels de dimension finie Base Exercice Montrer que les vecteurs {,, 0 } forment une base de R. Calculer les coordonnées respectives des vecteurs

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

Chapitre V La méthode du pivot de Gauss et ses applications

Chapitre V La méthode du pivot de Gauss et ses applications Chapitre V La méthode du pivot de Gauss et ses applications I Présentation 1. Systèmes linéaires Problème : Résoudre les systèmes linéaires à n inconnues et p équations. où les sont les coefficients du

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

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

SYSTEMES LINEAIRES. P. Pansu September 13, 2004

SYSTEMES LINEAIRES. P. Pansu September 13, 2004 SYSTEMES LINEAIRES P Pansu September 13, 2004 1 Motivation On rencontre des systèmes linéaires à la fois dans la vie courante et dans des problèmes posés par les sciences 2 Objectif Savoir résoudre (ie

Plus en détail

3. SYSTEMES LINEAIRES

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

Plus en détail

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

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

Plus en détail

ALGÈBRE LINÉAIRE - SYSTÈMES LINÉAIRES (FIN)

ALGÈBRE LINÉAIRE - SYSTÈMES LINÉAIRES (FIN) ALGÈBRE LINÉAIRE - SYSTÈMES LINÉAIRES (FIN) Michel Rigo http://wwwdiscmathulgacbe/ Année 010 011 THÉORÈME DE ROUCHÉ A K n p et b Kn Les conditions suivantes sont équivalentes I) Le système (S) : Ax = b

Plus en détail

Examen d algèbre. L1S2. Licences PSI.

Examen d algèbre. L1S2. Licences PSI. VERSION A Examen d algèbre. LS2. Licences PSI. Nom, prénom, groupe : Consignes (à lire absolument). Tout document et appareil électronique (notamment votre téléphone portable) doivent rester dans votre

Plus en détail

Chapitre 2. Introduction aux matrices

Chapitre 2. Introduction aux matrices L1 2012-2013 Université Paris 13 Algèbre linéaire Chapitre 2 Introduction aux matrices Référence: Liret-Martinais [2], chapitre 4 Nous avons déjà rencontré des tableaux de nombres, ou matrices Nous allons

Plus en détail

Calcul matriciel. 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

Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2

Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2 Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2 H. Le Ferrand, leferran@u-bourgogne.fr February 26, 2007 Contents 1 Espaces vectoriels 2 1.1 Définition.................................................

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

Méthode de Gauss pour échelonner une famille de vecteurs

Méthode de Gauss pour échelonner une famille de vecteurs Annette Paugam, 3 février 4 Méthode de Gauss pour échelonner une famille de vecteurs Soit E un espace vectoriel de dimension finie et (e, e,,, e n ), une base de E. On se donne une famille de vecteurs

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

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices

Chapitre 6. Algèbre matricielle. 6.1 Opérations linéaires sur les matrices Chapitre 6 Algèbre matricielle En plus d être des tableaux de nombres susceptibles d être manipulés par des algorithmes pour la résolution des systèmes linéaires et des outils de calcul pour les applications

Plus en détail

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

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. Soit E un ensemble muni d une opération d addition notée + et d une opération de multiplication par

Espaces vectoriels. Soit E un ensemble muni d une opération d addition notée + et d une opération de multiplication par Algèbre : Chapitre 1 Espaces vectoriels Dans ce chapitre nous allons étudier des ensembles qui ont des propriétés particulières et que nous allons appeler espaces vectoriels. Tous les ensembles dont nous

Plus en détail

7. Base et dimension

7. Base et dimension 7. Base et dimension Sections 3.5 et 3.6 MTH1007 J. Guérin, N. Lahrichi, S. Le Digabel École Polytechnique de Montréal A2017 (v1) MTH1007: algèbre linéaire 1/17 Plan 1. Indépendance, base et dimension

Plus en détail

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012 ISCID - PRÉPA 2ème année MATHÉMATIQUES APPLIQUÉES À L ÉCONOMIE ET À LA GESTION 2 Université du Littoral - Côte d Opale Laurent SMOCH Septembre 202 Laboratoire de Mathématiques Pures et Appliquées Joseph

Plus en détail

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

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

Plus en détail

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

Programmation linéaire et Méthode du simplexe (en bref)

Programmation linéaire et Méthode du simplexe (en bref) Université de Versailles Saint-Quentin-en-Yvelines Tahar Z. BOULMEZAOUD boulmeza@math.uvsq.fr Programmation linéaire et Méthode du simplexe (en bref) On appelle programme linéaire un problème d optimisation

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

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

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

Plus en détail

Les ensembles de solutions des systèmes linéaires Algèbre linéaire I MATH 1057 F

Les ensembles de solutions des systèmes linéaires Algèbre linéaire I MATH 1057 F Les ensembles de solutions des systèmes linéaires Algèbre linéaire I MATH 157 F Julien Dompierre Département de mathématiques et d informatique Université Laurentienne Sudbury, 16 janvier 211 Les systèmes

Plus en détail

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R)

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R) Matrices Matrices rectangulaires Soient n, p deux nombres entiers non-nuls On appelle matrice à n lignes et p colonnes un tableau rectangulaire de nombres réels comportant n lignes et p colonnes } }{{}

Plus en détail

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire :

Exercices Corrigés Applications linéaires. Exercice 1 On considère l application linéaire : Exercices Corrigés Applications linéaires Exercice 1 On considère l application linéaire : f : R 4 R 2, x 1, x 2, x 3, x 4 x 1 + x 2 + x 3 + x 4, x 1 + 2x 2 + 3x 3 + 4x 4 1 Quelle est la matrice de f dans

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

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

u1 + + λ k alors λ 1 = = λ k = 0.

u1 + + λ k alors λ 1 = = λ k = 0. Définition Une partie A V est libre si la seule combinaison linéaire qui donne 0 est la combinaison linéaire triviale (i.e. tous les coefficients sont nuls), c est-à-dire que quels que soient les vecteurs

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

Ecricome 2008 Correction

Ecricome 2008 Correction Ecricome 2008 Correction Exercice 1 + 2 2, = 2 4 + 3 =,, réels} 1. 0,0 =, donc. Soit,. On peut écrire 1 0 0 2 1 2, = 0 1 0 + 2 1 4 0 0 1 1 1 3 1 0 0 L ensemble apparaît comme l ensemble des combinaisons

Plus en détail

Espaces de dimension finie

Espaces de dimension finie [http://mp.cpgedupuydelome.fr] édité le 28 décembre 2016 Enoncés 1 Espaces de dimension finie Bases en dimension finie Dimension d un espace Exercice 1 [ 01634 ] [Correction] Soit E l ensemble des fonctions

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

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

OPTIMISATION. Table des matières. 2 Programmation linéaire LICENCE MATHÉMATIQUE ET GESTION Optimisation linéaire

OPTIMISATION. Table des matières. 2 Programmation linéaire LICENCE MATHÉMATIQUE ET GESTION Optimisation linéaire OPTIMISATION LICENCE MATHÉMATIQUE ET GESTION 2013-2014 Table des matières 2 Programmation linéaire 1 2.1 Optimisation linéaire................................. 1 2.2 Polytopes.......................................

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

Vecteurs de l espace

Vecteurs de l espace Vecteurs de l espace Définitions règles de calcul On étend à l espace la notion de vecteur définie dans le plan, ainsi que les opérations associées : somme de vecteurs multiplication par un réel Définition-

Plus en détail

Matrice et vocabulaire associé

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

Plus en détail

LES MATRICES. Chapitre Premières définitions

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

Plus en détail

Compléments d algèbre linéaire

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

Plus en détail

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

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

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

Plus en détail

Matrices et applications linéaires

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

Plus en détail

Famille libre, famille liée

Famille libre, famille liée Elément de cours des exercices Famille libre, famille liée Ici, nous considérons que K est le corps Q, R ou C. On appelle scalaire tout élément de K. Définition Une famille de vecteurs { v j, j J } (où

Plus en détail

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

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

Plus en détail

Système d équations linéaires

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

Plus en détail

Chapitre 4. Systèmes linéaires

Chapitre 4. Systèmes linéaires ECE 1 - Année 016-017 Lycée français de Vienne Mathématiques - F. Gaunard http://frederic.gaunard.com Chapitre 4. Systèmes linéaires L objectif de ce court chapitre est d introduire et de résoudre des

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

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

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

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

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

Université Joseph Fourier, Grenoble I Mathématiques, Informatique et Mathématiques Appliquées Licence Sciences et Technologies 1 e année Université Joseph Fourier, Grenoble I Mathématiques, Informatique et Mathématiques Appliquées Licence Sciences et Technologies 1 e année Systèmes linéaires Bernard Ycart Si vous savez déjà résoudre un

Plus en détail

Géométrie dans l espace à trois dimensions

Géométrie dans l espace à trois dimensions Géométrie dans l espace à trois dimensions Prof. Vladimir Roubtsov vladimir.roubtsov@univ-angers.fr 4 février 2016 1. Vecteurs Soit E 3 l espace à trois dimensions. En tant qu ensemble, il s agit de R

Plus en détail