Chapitre n o 12. Matrices

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre n o 12. Matrices"

Transcription

1 Lycée Roland Garros Mathématiques BCPST 1ère année Chapitre n o 12 Matrices Dans ce chapitre K désignera R ou C Un élément de K est appelé un scalaire 1 Dénitions Dénition 1 Soient n, p N Une matrice A de taille n p à coecients dans K est un tableau d'éléments de K à n lignes et p colonnes On note A = (A i,j ) 1 i n, ou plus simplement A = (A i,j ) s'il n'y a pas d'ambiguïté sur les dimensions A i,j est le coecient de la ligne i, colonne 1 j n j Il existe aussi une façon développée d'écrire cette matrice : A 1,1 A 1,2 A 1,p A 2,1 A 2,2 A 2,n A = A n,1 A n,2 A n,p L'ensemble des matrices de taille n p à coecients dans K est noté M n,p (K) Cas particuliers : si n = 1, A est une matrice ligne M 1,p (K) s'identie à K p si p = 1, A est une matrice colonne M n,1 (K) s'identie à K n si n = p, A est une matrice carrée L'ensemble des matrices carrées de taille n est noté simplement M n (K) Exemple Pouvez-vous donner l'écriture développée de la matrice A = (i j) 1 i 3? 1 j 3 Dénition 2 Soit A = (A i,j ) 1 i n une matrice 1 j n La i-ème ligne de A est la matrice ligne L i = [A i,1, A i,2,, A i,p M 1,p (K) La i-ème colonne de A est la matrice colonne A 1,j A 2,j C j = M n,1(k) A n,j 1

2 Remarque Deux matrices sont égales si elles ont mêmes dimensions et que tous leurs coecients sont égaux 2 Quelques matrices particulières La matrice nulle 0 n,p = M n,p(k) La matrice identité (ou unité) I n = M n(k) Remarque ces deux matrices seront souvent notées I et 0 s'il n'y a pas d'ambiguïté sur leurs dimensions Les matrices diagonales Diag(λ 1, λ 2,, λ n ) = λ λ λ n M n(k) Les matrices triangulaires T 1,1 T 1,2 T 1,n 0 T 2,1 T 2,n supérieures : T = T n,n T 1, T 2,1 T 2,1 0 0 inférieures : T = 0 T n,1 T n,2 0 T n,n M n (K) M n (K) 2

3 3 Opérations sur les matrices 31 Somme de deux matrices Dénition 3 Soient A, B M n,p (K) On dénit A + B M n,p (K) par A + B = (A i,j + B i,j ) 1 i n 1 j n En clair, on fait la somme de deux matrices en additionnant un-à-un les coef- cients Par exemple, [ [ [ = Les propriétés suivantes sont donc de simples conséquences des propriétés bien connues des nombres réels ou complexes Proposition 1 Pour toutes matrices, on a 1 A + (B + C) = (A + B) + C : on notera donc désormais A + B + C puisque l'ordre des deux additions n'a pas d'importance 2 A + B = B + A 3 A + 0 = A 32 Multiplication d'une matrice par un scalaire Dénition 4 Soient A M n,p (K) et λ K On dénit λ A M n,p (K) par λa = (λa i,j ) 1 i n 1 j n En clair, on multiplie une matrice par un scalaire en multipliant chacun de ses coecients par ce scalaire Par exemple, [ [ = Les propriétés suivantes sont donc de simples conséquences des propriétés bien connues des nombres réels ou complexes Proposition 2 Pour toutes matrices et tous scalaires, on a 1 λ (µ A) = (λµ) A 2 1 A = A 3 (λ + µ) A = λ A + µ A 4 λ(a + B) = λ A + λ B Remarque On peut se passer du point λ A est souvent noté λa, s'il n'y a pas de risque de confusion avec le produit matriciel que nous allons dénir plus bas 3

4 33 Produit de deux matrices Dénition 5 Soient A M n,p (K) et B M p,q (K) On dénit A B M n,q (K) par (A B) i,j = p k=1 A i,kb k,j, pour 1 i n, 1 j q Remarque Il faut donc que le nombre de colonnes de A soit égal au nombre de lignes de B Sinon, le produit A B n'est pas déni! A retenir la règle suivante sur les dimensions : (n p) multiplié par (p q) donne (n q) Lorsque A, B M n (K) (matrices carrées de même dimension), le produit est bien déni et le produit A B est encore un élément de M n (K) Remarque On peut se passer du signe A B est souvent noté simplement AB, s'il n'y a pas de risque de confusion avec le produit d'une matrice par un scalaire Exemple Calculer le produit matriciel Proposition 3 Lorsque les opérations suivantes sont bien dénies, 1 A (B C) = (A B) C, 2 (A + B) C = A C + B C A (B + C) = A B + A C, 3 A (λ C) = (λ A) C = λ (A C), 4 Si A M n,p (K), I n A = A I p = A Démonstration On calcule le coecient i, j de chacune de ces matrices et on constate les égalités 1 Soit A M n,p (K), B M p,q (K), et C M q,r (K) On a p (A (B C)) ij = A ik (BC) kj = k=1 p B kl C lj ) ( q A ik k=1 l=1 ) q = A ik B kl ( p C lj l=1 k=1 q = (AB) il C lj l=1 4

5 donc au nal (A (B C)) ij = ((A B) C) ij 2 Découle des dénitions et de la linéarité de la somme 3 Idem : c'est une simple conséquence des dénitions (le λ sort de la somme) 4 Il sut de poser le produit matriciel pour le constater! Proposition 4 (Produit de matrices diagonales) Un produit de matrices diagonales est une matrice diagonale Plus précisément Diag(λ 1, λ 2,, λ n ) Diag(µ 1, µ 2,, µ n ) = Diag(λ 1 µ 1, λ 2 µ 2,, λ n µ n ) Démonstration Il sut de poser le produit matriciel pour le constater! Proposition 5 (Produit de matrices triangulaires) Un produit de matrices triangulaires supérieures est une matrice triangulaire supérieure Plus précisément, si on note alors d 1 0 d 2 T = d n d 1 0 d 2 et T = d n d 1 d 1 0 d 2 d 2 T T = d n d n La même chose est vraie pour les matrices triangulaires inférieures Démonstration On a T ij = 0 et T ij = 0 pour i > j Ainsi si i > j, (T T ) i,j = n T ik T kj = 0 k=1 puisque pour toutes les valeurs de k on a i > k ou k > j Si i = j la somme ne contient qu'un terme non nul, le terme pour k = i qui est d i d i 5

6 34 Quelques diérences notables entre la multiplication des nombres et la multiplication des matrices En général A B B A Exemple : Calculer A B et B A pour A = [ et B = [ En d'autres termes, l'opération n'est pas commutative Par conséquent lorsqu'on multiplie une expression par une matrice, on précisera toujours si l'on multiplie à gauche ou à droite Remarque Lorsque A B = B A, on dit que A et B commutent Les identités remarquables ne sont plus valables en général! C'est une conséquence de la non-commutativité : (A + B) 2 = A 2 + B 2 + AB }{{ + BA } 2AB à moins que A et B commutent Pour la même raison la formule du binôme de Newton n'est pas valable en général, sauf pour deux matrices qui commutent (voir plus bas) A B = 0 n'implique PAS que A = 0 ou B = 0 Exemple Calculer [ , ou [ [ Même si A 0, on ne peut PAS simplier par A en général : A B = A C n'implique PAS que B = C 35 Puissances d'une matrice Dénition 6 Soit A M n (K) Pour p N, on note A p = A A A la puissance p-ème de A Par convention, si A 0 n, A 0 = I n et (0 n ) 0 = 0 n Proposition 6 Soient p, q N On a 1 A p A q = A p+q 2 (A p ) q = A pq 6

7 3 Si A et B commutent, (AB) p = A p B p Théorème 1 (Formule du binôme de Newton) Soient A, B M n (K) deux matrices qui commutent On a pour p N, 4 Transposition (A + B) p = p k=0 ( ) p A k B n k k Dénition 7 Soit A M n,p (K) La transposée de A, notée t A, est la matrice de M p,n (K) dénie par pour 1 i n et 1 j p ( t A) i,j = A j,i, En clair, quand on transpose une matrice les lignes deviennent les colonnes et vice-versa Remarque Attention, certains notent plutôt A T la transposée de A La coexistence de ces deux notations peut porter à confusion par exemple quand on lit un produit A T B : la transposée porte-t-elle sur A ou sur B? [ Exemple Ecrire la transposée de la matrice A = Proposition 7 Lorsque les opérations suivantes sont dénies, 1 t ( t A) = A, 2 t (A + B) = t A + t B, 3 t (A B) = t B t A Démonstration 1 et 2 sont évidentes et pour 3 on a ( t (A B)) ij = (A B) ji = n A jk B ki = ( t B t A) ij k=1 Dénition 8 Soit A M n (R) On dit que A est symétrique si t A = A, c'est-à-dire si pour 1 i, j n, A j,i = A i,j, A est antisymétrique si t A = A, c'est-à-dire si pour 1 i, j n, A j,i = A i,j 7

8 Exemple est symétrique, est antisymétrique Remarque Si A est antisymétrique, alors en prenant j = i, on a A i,i = A i,i et par conséquent A i,i = 0 Les coecients diagonaux d'une matrice antisymétrique sont nuls 5 Ecriture matricielle d'un système linéaire Soit le système linéaire a 1,1 x 1 + a 1,2 x a 1,p x p = b 1 (L 1 ) a (S) 2,1 x 1 + a 2,2 x a 2,p x p = b 2 (L 2 ) a n,1 x 1 + a n,2 x a n,p x p = b n (L n ) On note a 1,1 a 1,2 a 1,p a 2,1 a 2,2 a 2,p A = a n,1 a n,2 a n,p M n,p(k), X = x 1 x 2 x p Kp, et B = b 1 b 2 b n Kn Proposition 8 (x 1,, x p ) est solution de (S) si et seulement si AX = B C'est la formulation matricielle du système (S) La méthode de résolution du pivot vue au chapitre 12 s'applique à cette formulation Une possibilité est de travailler avec la matrice augmentée, c'est-àdire de rajouter, à la matrice des coecients, une colonne contenant les seconds membres des équations Comme d'habitude, on opère sur les lignes de manière à réduire la matrice (la rendre échelonnée) L'intérêt de travailler avec les matrices est qu'on gagne en lisibilité, et aussi en temps puisqu'on n'a plus à écrire les variables à chaque étape : on écrit seulement les coecients Exemple Résoudre le système x y + 2z = 5 (S) : 3x + 2y + z = 10 2x 3y 2z = 10, 8

9 Écrivons les opérations sur les lignes peuvent s'écrire matriciellement : (S) ( ) Fin 1 On en conclut que (S) est équivalent au système suivant : x y + 2z = 5 y z = 1 z = 3, qui admet manifestement une unique solution x = 1, y = 2, z = 3 Fin 2 Une fois la matrice échelonnée ( ), une méthode alternative consiste à terminer le travail par d'autres opérations sur les lignes : La dernière matrice dit que x = 1, y = 2, z = 3 Dénition 9 Le rang d'une matrice A, noté rga, est le nombre de lignes non nulles après réduction C'est donc le rang du système linéaire associé Exemple Calculer le rang de la matrice M = Théorème 2 (Admis) Le rang d'une matrice est égal à celui de sa transposée : rg( t A) = rga 9

10 6 Inversion de matrices Motivation Pour un nombre a 0, on sait qu'il existe un unique nombre b tel que ab = ba = 1 Ce nombre b est d'ailleurs noté 1 et appelé l'inverse de a a Peut-on généraliser ceci aux matrices? Pour une matrice carrée A M n (K) non nulle, peut-on trouver une matrice B telle que A B = B A = I n? Et bien non, pas toujours en tout cas : il sut de considérer par exemple [ 1 0 A = 0 0 Multipliez cette matrice par n'importe quelle autre matrice B, il est clair que vous n'obtiendrez jamais I 2 Dénition 10 Une matrice A M n (K) est dite inversible s'il existe B M n (K) telle que A B = B A = I n La matrice B est alors unique, elle est appelée l'inverse de A et notée B = A 1 (et surtout pas 1 A!) Démonstration Il faut montrer que B est bien unique : supposons que deux matrices B 1 et B 2 vérient B 1 A = AB 1 = I n et B 2 A = AB 2 = I n, alors B 1 = B 1 AB }{{} 2 = B 1 A B }{{} 2 = B 2 =I n I n Le théorème suivant simplie grandement le problème de la recherche de l'inverse d'une matrice Théorème 3 (ADMIS) Soient A, B M n (K) On a l'équivalence A B = I n B A = I n [ 2 i Exemple Soit A = M i 1 2 (C) Vérier que A est inversible et que [ 1 i B = est son inverse i 2 Remarque Lorsqu'une matrice A est inversible, on PEUT simplier par A En eet de l'égalité A B = A C on déduit facilement l'égalité B = C en multipliant à gauche par A 1 Proposition 9 1 Si A est inversible alors A 1 aussi et (A 1 ) 1 = A 10

11 2 Si A et B sont inversibles alors A B aussi et (A B) 1 = B 1 A 1 3 Si A M n (K) est inversible alors t A l'est aussi et ( t A) 1 = t (A 1 ) Démonstration 1 A A 1 = A A 1 = I 2 (A B) (B 1 A 1 ) = I 3 t (A 1 ) t A = t (A A 1 ) = t I = I 7 Calcul pratique de A 1 71 Par résolution du système linéaire associé à A Rappel : il y a équivalence entre le système a 1,1 x 1 + a 1,2 x a 1,n x n = b 1 (L 1 ) a (S) 2,1 x 1 + a 2,2 x a 2,n x n = b 2 (L 2 ) a n,1 x 1 + a n,2 x a n,n x n = b n (L n ) et l'équation AX = B, avec a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a n,1 a n,2 a n,n M n(k), X = x 1 x 2 x n Kn, et B = b 1 b 2 b n Kn Théorème 4 Une matrice A M n (K) est inversible si et seulement si pour tous b 1,, b n, le système (S) est de Cramer (une unique solution) Démonstration L'équation AX = B possède une unique solution X = A 1 B Soit M la matrice dont là j-ème colonne est l'unique solution de AX = e j (e j étant la matrice colonne avec un 1 en position j et 0 ailleurs) On vérie que AM = I 11

12 Proposition 10 Soit A M n (K) Alors A est inversible si et seulement si rg(a) = n Démonstration le rang de (S) est celui de A, qui vaut n si et seulement si (S) est de Cramer Proposition 11 Une matrice triangulaire est inversible si et seulement si tous ses coecients diagonaux sont non nuls Démonstration Un tel système est de Cramer si en remontant les équations on obtient une seule solution pour chaque variable x i C'est le cas si et seulement si les coecients diagonaux sont tous non nuls Dans le cas où la matrice est inversible, il est fondamental de remarquer que AX = B X = A 1 B Conséquence : calculer A 1 revient à exprimer X en fonction de B, autrement dit à résoudre le système linéaire (S) En eet, une fois résolu le système, si (S) est de Cramer on aura obtenu une unique solution de la forme : x 1 = α 1,1 b 1 + α 1,2 b α 1,n b n, x 2 = α 2,1 b 1 + α 2,2 b α 2,n b n, x n = α n,1 b 1 + α n,2 b α n,n b n, et on pourra alors en conclure que α 1,1 α 1,n A 1 = α n,1 α n,n Une fois ce travail fait il est toujours bon de faire une vérication : calculer le produit A A 1 (ou bien A 1 A) pour vérier que le résultat est bien I n Faire l'exemple de calcul d'inverse donné en page 15 Remarque Si le système (S) n'admet pas une unique solution c'est que A n'est pas inversible! 72 Par la méthode du miroir La méthode que l'on décrit ici consiste à faire les mêmes opérations qu'avec la méthode ci-dessus, mais en travaillant matriciellement, c'est-à-dire en écrivant uniquement les coecients, pas les variables 12

13 La première méthode consistait à passer de l'égalité AX = I n B à l'égalité X = A 1 B par opérations élémentaires sur les lignes Cela revient donc à appliquer ces opérations sur A jusqu'à la transformer en I n, et appliquer en parallèle les MÊMES opérations à I n : la matrice ainsi obtenue est alors A 1 Faire l'exemple de calcul d'inverse donné en page 16 8 Inversion des matrices de taille 2 2 [ a b Dénition 11 Le déterminant de la matrice A = M c d n (K) est déni par det A = ad bc Théorème 5 A est inversible si et seulement si det A = 0 Dans ce cas on a A 1 = 1 [ d b det A c a Démonstration Si a = 0, A est inversible si et seulement si b = [ 0 ou c = 0, or a b det A = bc Si a 0, par opérations élémentaires rga = rg 0 ad bc qui vaut 2 si et seulement si ad bc 0 On applique la méthode du miroir pour déterminer A 1 (le cas a = 0 est à traiter à part mais nous ne le détaillons pas ici) Opérations sur A [ a b A = c d Les mêmes opérations sur Id n [ = I n [ a b 0 ad bc [ 1 0 c a [ a b 0 1 [ 1 0 c det A a det A [ a [ ad det A c det A ab det A a det A [ 1 0 Id n = det A [ d b c a = A 1 13

14 Conséquence du dernier théorème : si ad bc 0, l'unique solution du système { ax + by = s, (S) cx + dy = t est donnée par { x = 1 (ds bt), ad bc y = 1 ( cs + at) ad bc 14

15 Calculer l'inverse d'une matrice : méthode 1 résoudre le système linéaire associé On cherche à inverser la matrice A = En notant a x B = b et X = y, c z on a 2x + 7y +3z = a AX = B 3x + 9y +4z = b x + 5y +3z = c = = = = = = = = = x = y = z = x a y = b z } {{ } c A 1 15

16 Calculer l'inverse d'une matrice : méthode 2 méthode du miroir On cherche à inverser la matrice A = Opérations sur A A = Id n = Les mêmes opérations sur Id n = Id n = A 1 A moins de manquer de temps, vériez toujours que la matrice trouvée est bien A 1 : A A 1 = =

CH III Matrices. 1 / 8

CH III Matrices. 1 / 8 CH III Matrices. 1 / 8 Objectifs : Définition, dimension et opérations de matrices. Matrice transposée. Multiplication de deux matrices. Application à la résolution de système linéaire. I. La notion de

Plus en détail

1 Notion de matrice. 2 Opérations sur les matrices. 1.1 Définitions et notations

1 Notion de matrice. 2 Opérations sur les matrices. 1.1 Définitions et notations ECS 3 2013 2014 Semaine de colle n o 16 du 13 au 17 janvier Toutes les définitions /énoncés du cours sont à connaître précisément Les démonstrations/exemples vus en classe peuvent être proposées comme

Plus en détail

Matrices. Une matrice (n,p) est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : (a 11...

Matrices. Une matrice (n,p) est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : (a 11... I Généralités Matrices Une matrice n,p est un tableau rectangulaire qui a n lignes et p colonnes représenté sous la forme suivante : A= a 11 a 1p a n1 a np où le terme a ij R On peut aussi écrire la matrice

Plus en détail

Chapitre II : Matrices et opérations

Chapitre II : Matrices et opérations Terminale S Spécialité Chapitre II : Matrices et opérations Année scolaire 205/206 I Généralités sur les matrices : Définition : Soient n et p, deux entiers naturels non-nuls, une matrice de format n,p

Plus en détail

Matrices. Bcpst 1 4 mars 2016

Matrices. Bcpst 1 4 mars 2016 Matrices Bcpst 1 4 mars 2016 Notations du chapitre Dans tout ce chapitre, n et p sont deux entiers naturels non nuls désigne l ensemble ou l ensemble I Ensemble des matrices Definition 11 Matrice à n lignes

Plus en détail

APPLICATIONS LINÉAIRES ET MATRICES. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016)

APPLICATIONS LINÉAIRES ET MATRICES. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) APPLICATIONS LINÉAIRES ET MATRICES Résumé de cours d algèbre linéaire L de B. Calmès, Université d Artois (version du er février 206). Applications linéaires Soient E et F des espaces vectoriels sur K...

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

ou, n et p deux entiers naturels non nuls. colonne j 1,1 1,p ligne i i,j n,1 n,p

ou, n et p deux entiers naturels non nuls. colonne j 1,1 1,p ligne i i,j n,1 n,p Chapitre 12 : Matrices - résumé de cours Dans tout le chapitre désigne ou, n et p deux entiers naturels non nuls. 1. L'ensemble M n,p() 1.1 Définition et vocabulaire Déf: On appelle matrice à n lignes

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

MATRICES ET CALCUL MATRICIEL

MATRICES ET CALCUL MATRICIEL MATRICES ET CALCUL MATRICIEL Objectifs Savoir ce qu'est une matrice. Savoir additionner deux matrices. Savoir multiplier deux matrices. Savoir calculer l'inverse d'une matrice 1 Les matrices?...un tableau

Plus en détail

a 22... a 2j... a 2p... a a n2... a nj A=(a ij

a 22... a 2j... a 2p... a a n2... a nj A=(a ij I Matrices : exemple et définition Voici les productions (en milliers) de deux usines de cycles appartenant à une même enseigne pour le premier semestre de l'année 2012 : Premier semestre 2012 VTT Adultes

Plus en détail

Matrices. Par exemple, voici comment est notée et indexée une matrice 3 5 : (a 11. a 13. a 12. a 15 a 21 a 22 a 23 a 24 a 25 a 31. a 14 A = a 32.

Matrices. Par exemple, voici comment est notée et indexée une matrice 3 5 : (a 11. a 13. a 12. a 15 a 21 a 22 a 23 a 24 a 25 a 31. a 14 A = a 32. Matrices I- Généralités Définition : Une matrice A de taille n p est un tableau à deux dimensions de nombres a i j où i est la ligne et j la colonne, avec i n et j p Par exemple, voici comment est notée

Plus en détail

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau

Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire. Algèbre linéaire. rédigé par. Anne Moreau Université de Poitiers Année 2012-2013 L1 M2IPC Algèbre linéaire Algèbre linéaire rédigé par Anne Moreau 1 2 Table des matières 1 Espaces Vectoriels 5 11 Structure d espace vectoriel 5 111 Espaces vectoriels

Plus en détail

Matrices. ECE1 Lycée Kastler. Lundi 4 février. Éclairs Choux Tartes Mariage 30 50 20 École 40 30 15 Mairie 25 20 10

Matrices. ECE1 Lycée Kastler. Lundi 4 février. Éclairs Choux Tartes Mariage 30 50 20 École 40 30 15 Mairie 25 20 10 Matrices ECE1 Lycée Kastler Lundi 4 février Introduction Pour introduire le concept de matrice, intéressons-nous au problème très concret suivant : dans le village de Trouperdu, le boulanger doit faire

Plus en détail

Matrices, déterminants

Matrices, déterminants Matrices, déterminants S2 Mathématiques Générales 1 11MM21 Les notes qui suivent sont très largement inspirées des sites : http://ueluniscielfr/mathematiques/calculmat1/calculmat1/co/calculmat1html http://ueluniscielfr/mathematiques/determinant1/determinant1/co/determinant1html

Plus en détail

Cours 3: Inversion des matrices dans la pratique...

Cours 3: Inversion des matrices dans la pratique... Cours 3: Inversion des matrices dans la pratique... Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module complémentaire de maths, année 2012 1 Rappel de l épisode précédent

Plus en détail

Matrices. Table des matières. Année scolaire 2006/2007

Matrices. Table des matières. Année scolaire 2006/2007 Matrices Année scolaire 006/007 Table des matières 1 Notion de matrice 1.1 Dénition................................................. 1. Égalité de deux matrices.........................................

Plus en détail

Algèbre linéaire pour GM Jeudi 03 novembre 2011 Prof. A. Abdulle. Série 6 (Corrigé)

Algèbre linéaire pour GM Jeudi 03 novembre 2011 Prof. A. Abdulle. Série 6 (Corrigé) Algèbre linéaire pour GM Jeudi novembre Prof A Abdulle EPFL Série 6 (Corrigé Exercice a Calculer la décomposition LU de la matrice A = 9 6 6 Sol: On effectue la réduction de la matrice A jusqu à obtenir

Plus en détail

{ 2x + y = 1 3x + 7y = 2

{ 2x + y = 1 3x + 7y = 2 Enoncés : Barbara Tumpach Exo7 Révisions Algèbre linéaire Exercice. Résoudre de quatre manières différentes le système suivant (par substitution, par la méthode du pivot de Gauss, en inversant la matrice

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Factorisation LU. par Eric Brunelle

Factorisation LU. par Eric Brunelle Factorisation LU par Eric Brunelle 1 Introduction La factorisation LU d une matrice A n n est une astuce très importante dans le domaine de l analyse numérique. Sa base est très simple, mais ses applications

Plus en détail

Généralités sur les matrices

Généralités sur les matrices Généralités sur les matrices Sommaire 1. Matrices particulières... 1 2. Opérations sur les matrices... 2 Multiplication par un scalaire :... 2 Addition de deux matrices de même dimension () et... 2 Multiplication

Plus en détail

Matrices 2 : inversion de matrices

Matrices 2 : inversion de matrices Matrices : inversion de matrices mars 7 Inversion de matrices On a vu dans le chapitre précédent que le produit de matrices était une opération qui ne possède pas toutes les propriétés qu'on aimerait avoir

Plus en détail

Les équations du premier degré

Les équations du premier degré TABLE DES MATIÈRES 1 Les équations du premier degré Paul Milan LMA Seconde le 10 septembre 2010 Table des matières 1 Définition 1 2 Résolution d une équation du premier degré 2 2.1 Règles de base................................

Plus en détail

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3.

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3. Algèbre 2 - L1 MIASHS/Lettres-Maths AMIRI Aboubacar UFR MIME, Université Lille 3. 10 avril 2015. Université Lille 3 1 Définitions et notations Quelques matrices particulières Matrice d une famille sur

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

CHAPITRE 1. Matrices. ou ( a ij. 1 i n 1 j p

CHAPITRE 1. Matrices. ou ( a ij. 1 i n 1 j p CHAPITRE Matrices Dans ce chapitre, nous définissons des règles de calcul sur les matrices Ensuite, après avoir défini la notion de matrice échelonnée nous calculerons le rang des matrices Lorsque cela

Plus en détail

1 Ensembles de matrices

1 Ensembles de matrices Les matrices Dans ce chapitre, K désigne à nouveau le corps des réels ou celui des complexes 1 Ensembles de matrices 11 M n,p (K) 111 Matrices à n lignes et p colonnes On appelle matrice à n lignes et

Plus en détail

Changement de bases. 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a :

Changement de bases. 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a : Changement de bases. Position du problème On considère un espace vectoriel de dimension, dont on connaît une base,,,. On considère une famille de vecteurs de cet espace vectoriel,,,. ppelle la matrice

Plus en détail

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme

Espaces euclidiens. Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme Espaces euclidiens 1 Bases orthonormées Soient E un espace vectoriel euclidien de dimension n, le produit scalaire sera noté comme d habitude : < x, y >, ou (x, y) ou < x y > On note < x, x >= x 2, x est

Plus en détail

Chapitre 4 : Matrices

Chapitre 4 : Matrices Lycée Paul Sabatier Classe de Première ES, Spécialité Chapitre 4 : C. Aupérin 008-009 Télécharger c est tuer l industrie, tuons les tous Thurston Moore Dernière modification : 4 avril 009 Table des matières

Plus en détail

6.2 INVERSE D UNE MATRICE. cours 17

6.2 INVERSE D UNE MATRICE. cours 17 6.2 INVERSE D UNE MATRICE cours 17 Au dernier cours nous avons vus La définition d une matrice Plusieurs définitions de matrice particulière La somme de matrices La multiplication d une matrice par un

Plus en détail

Matrices. 1. Définition. Exo7. 1.1. Définition

Matrices. 1. Définition. Exo7. 1.1. Définition Exo7 Matrices Vidéo partie 1 Définition Vidéo partie 2 Multiplication de matrices Vidéo partie 3 Inverse d'une matrice : définition Vidéo partie 4 Inverse d'une matrice : calcul Vidéo partie 5 Inverse

Plus en détail

matrices 1 définition et opérations sur les matrices 2 1.1 activités... 2 1.1.1 activité 1... 2 1.2 à retenir... 3

matrices 1 définition et opérations sur les matrices 2 1.1 activités... 2 1.1.1 activité 1... 2 1.2 à retenir... 3 matrices Table des matières 1 définition et opérations sur les matrices 2 1.1 activités.................................................. 2 1.1.1 activité 1.............................................

Plus en détail

Exercices fondamentaux

Exercices fondamentaux Université de Nantes Département de Mathématiques DEUG MIAS - Module M2 Algèbre Année 2002/2003 Liste d exercices n 1 Exercices fondamentaux Espaces vectoriels, sous-espaces vectoriels 1. Montrer que l

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Cours BTS Calcul matriciel

Cours BTS Calcul matriciel Cours BTS Calcul matriciel S. B. Lycée des EK s Notation On appelle matrice tout tableau de nombres réels ou complexes disposés sous la forme d un rectangle : a 1,1 a 1,2...... a 1,p a 2,1 a 2,2......

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

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

CHAPITRE I MATRICES ET DETERMINANTS

CHAPITRE I MATRICES ET DETERMINANTS CHAPITRE I MATRICES ET DETERMINANTS A) OPERATIONS SUR LES MATRICES (théorie) 1) Addition de deux matrices Exemple Andrée, Bernard, Charlotte et Dominique ont décidé de passer leur week-end à faire de la

Plus en détail

A. 1. Définitions 96/154. Cas particuliers

A. 1. Définitions 96/154. Cas particuliers I II III IV V VI VII VIII Cours de Mathématiques IUT Orsay DUT INFORMATIQUE A - Semestre 0-0 Introduction Wims Calcul ensembliste Relations binaires, applications Logique Raisonnements par récurrence,

Plus en détail

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

A. Décomposition de Dunford

A. Décomposition de Dunford SESSION 2011 Concours commun Mines-Ponts PREMIÈRE EPREUVE FILIÈRE MP 1 Le polynôme P ( 1 n (X λ i α i A Décomposition de Dunford (λ i X α i P i est annulateur de f d après le théorème de Cayley- Hamilton

Plus en détail

Exercices sur les matrices

Exercices sur les matrices Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau 2006-2007 Exercices sur les matrices 1. L inverse d une matrice comme somme de ses puissances 2.

Plus en détail

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

Plus en détail

Cours de mathématiques M22 Algèbre linéaire

Cours de mathématiques M22 Algèbre linéaire Cours de mathématiques M22 Algèbre linéaire λ u u + v u v u Exo7 Sommaire Systèmes linéaires 3 Introduction aux systèmes d équations linéaires 3 2 Théorie des systèmes linéaires 7 3 Résolution par la méthode

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Connaître les opérations sur les matrices : addition, multiplication, transposition,

Connaître les opérations sur les matrices : addition, multiplication, transposition, Chapitre 6 Matrices Connaître les opérations sur les matrices : addition, multiplication, transposition, etc. Savoir utiliser la formule de Newton sur les matrices. Connaître les propriétés des matrices

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

3 2 Séries numériques

3 2 Séries numériques BCPST 9 5 3 Séries numériques I Généralités A) Dénition Soit (a n ) n N une suite à valeurs dans R. On appelle série de terme général a n, et on note a n la suite dénie par : S n = On dit que S n est la

Plus en détail

3 = 2 3 1 2 2 3, A 4 =

3 = 2 3 1 2 2 3, A 4 = Soit A une matrice de M n (IK). Une décomposition LU de A est une égalité A = LU, où L est une matrice triangulaire inférieure (L pour Low ) à diagonale unité (tous les coefficients diagonaux valent 1),

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Algèbre Linéaire Bachelor ère année 28-29 Sections : Matériaux et Microtechnique Support du cours de Dr Lara Thomas Polycopié élaboré par : Prof Eva Bayer Fluckiger

Plus en détail

Calcul matriciel ( 1 2 0 4 3 1. M 11 M 12... M 1m M 21 M 22... M 2m... M n1 M n2... M nm. x 1 x 2... x n. x =

Calcul matriciel ( 1 2 0 4 3 1. M 11 M 12... M 1m M 21 M 22... M 2m... M n1 M n2... M nm. x 1 x 2... x n. x = Calcul matriciel Définitions Une matrice n x m est un tableau de nombres à n lignes et m colonnes. Exemple de matrice avec n = 2 et m = 3 : M = n et m sont les dimensions de la matrice M. ( 2 0 4 3 Un

Plus en détail

MATRICES. I) Résolution de système

MATRICES. I) Résolution de système MATRICES I) Résolution de système Exemple : On donne trois points A( ; 6), B( ; ) et C(0 ; 2). On recherche la fonction f du second degré telle que sa courbe représentative passe par les points A, B et

Plus en détail

1 L algorithme du simplexe

1 L algorithme du simplexe 1 L algorithme du simplexe 1.1 Définition - Notations 1.1.1 Problème Le problème linéaire est le suivant: Trouver les x 1, x 2,...,x n qui optimisent la fonction économique: et vérifient les contraintes:

Plus en détail

Matrices. 1,n a 2,1 a 2,2 a 2,j a 2,n. A = j-ième colonne

Matrices. 1,n a 2,1 a 2,2 a 2,j a 2,n. A = j-ième colonne Matrices I Matrices et opérations I1 definitions Définition 1 Soit n un entier naturel non nul Une matrice carrée d ordre n est un tableau de nombres réels comportant n lignes et n colonnes Le nombre placé

Plus en détail

Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2

Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2 Matrices et applications linéaires notes de cours Licence Sciences et Technologies, L1, M 2 H Le Ferrand, leferran@u-bourgognefr March 27, 2007 Contents 1 L application x Ax 2 11 Linéarité 2 12 Coordonnées

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE Dans cette leçon, nous abordons un algorithme de résolution d'un problème de programmation linéaire : l'algorithme du simplexe. Nous le présentons d'abord

Plus en détail

Matrices et déterminants

Matrices et déterminants Matrices et déterminants Matrices Définition.. Une matrice réelle (ou complexe) M = (m i,j ) (m, n) à m lignes et n colonnes est un tableau à m lignes et n colonnes de réels (ou de complexes). Le coefficient

Plus en détail

Chapitre 2. il n y a pas de diviseur de O: si un produit de deux nombres est nul c est que l un de ces deux nombres est nul

Chapitre 2. il n y a pas de diviseur de O: si un produit de deux nombres est nul c est que l un de ces deux nombres est nul Chapitre 2 1 24 Produits matriciels 11 Produit de matrices carrées On a l habitude de faire des produits de nombre; Par exemple 2 3 6 et on est habitué aux propriétś suivantes il n y a pas de diviseur

Plus en détail

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27

3.7 Somme, Somme directe, Sous-Espaces Supplémentaires... 27 Table des matières 1 Calcul matriciel 3 11 Dénitions et propriétés 3 12 Opérations sur les matrices 4 121 Addition 4 122 Multiplication par un scalaire 5 123 Multiplication des matrices 5 13 Matrices élémentaires

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Calcul matriciel ... Il est impossible de faire la somme de 2 matrices de tailles différentes.

Calcul matriciel ... Il est impossible de faire la somme de 2 matrices de tailles différentes. Chapitre : Calcul matriciel Spé Maths - Matrices carrées, matrices-colonnes : opérations. - Matrice inverse d une matrice carrée. - Exemples de calcul de la puissance n-ième d une matrice carrée d ordre

Plus en détail

RSA - bases mathématiques

RSA - bases mathématiques RSA - bases mathématiques Jang Schiltz Centre Universitaire de Luxembourg Séminaire de Mathématiques 162A, avenue de la Faïencerie L-1511 Luxembourg Luxembourg E-mail:schiltzj@cu.lu 1 Divisibilité Définition

Plus en détail

Chapitre 6 Les probabilités

Chapitre 6 Les probabilités Chapitre 6 Les probabilités A) Rappels de première 1) Vocabulaire a) Expérience aléatoire : C'est une expérience dont le résultat (alea = dé en latin) dépend du hasard. b) Issue C est un résultat possible

Plus en détail

Chapitre 6 : Tests d hypothèses

Chapitre 6 : Tests d hypothèses U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Chapitre 6 : Tests d hypothèses Les statistiques peuvent être une aide à la décision permettant de choisir entre deux hypothèses. Par exemple,

Plus en détail

Polynômes à une indéterminée à coefficients dans IK. Table des matières

Polynômes à une indéterminée à coefficients dans IK. Table des matières Polynômes à une indéterminée à coefficients dans IK Rappels de Première année Table des matières 1 L algèbre IK[X] 2 1.1 Définition....................................... 2 1.2 Lois internes dans IK[X]..............................

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Corrigé : EM Lyon 2006

Corrigé : EM Lyon 2006 Corrigé : EM Lyon 26 Option économique Exercice 1: 1. a) Comme A est une matrice triangulaire, on peut lire ses valeurs propres sur sa diagonale. Les valeurs propres de A sont et 1. b) Aadmet deux valeurspropresdistinctes

Plus en détail

Matrices. 3 Théorie du rang 11 3.1 Opérations élémentaires... 11 3.2 Rang d une matrice, pivot de Gauss... 11 3.3 Inversion des matrices...

Matrices. 3 Théorie du rang 11 3.1 Opérations élémentaires... 11 3.2 Rang d une matrice, pivot de Gauss... 11 3.3 Inversion des matrices... Maths PCSI Cours Matrices Table des matières Présentation de M n,p (K) 2 Espace des matrices (n, p) 2 2 Lien avec les applications linéaires 3 3 L algèbre M n (K) 5 4 Transposition 6 2 Représentation des

Plus en détail

Règle de Cramer Algèbre linéaire I MATH 1057 F

Règle de Cramer Algèbre linéaire I MATH 1057 F Règle de Cramer Algèbre linéaire I MATH 1057 F Julien Dompierre Département de mathématiques et d informatique Université Laurentienne Sudbury, 15 février 2011 Règle de Cramer Une nouvelle méthode pour

Plus en détail

Bases mathématiques pour l économie et la gestion

Bases mathématiques pour l économie et la gestion Bases mathématiques pour l économie et la gestion Bases mathématiques Pour l économie et la gestion - Table des matières PREMIERE PARTIE : QUELQUES OUTILS Chapitre : Traitement de systèmes d'équations..

Plus en détail

CALCUL MATRICIEL ... ... ann. 1) Produit d'une matrice carrée par une matrice colonne ou une matrice ligne

CALCUL MATRICIEL ... ... ann. 1) Produit d'une matrice carrée par une matrice colonne ou une matrice ligne CALCUL MATRICIEL I. Généralités sur les matrices Définition : Une matrice de taille m x n est un tableau de nombres formé de m lignes n colonnes. Une telle matrice s'écrit sous la forme : a11 a12 a13...

Plus en détail

Les matrices. 1 Définitions. 1.1 Matrice

Les matrices. 1 Définitions. 1.1 Matrice Les matrices 2012-2013 1 Définitions 11 Matrice Définition 1 Une matrice m n est un tableau de nombres à m lignes et n colonnes Les nombres qui composent la matrice sont appelés les éléments de la matrice

Plus en détail

ESPACES PRÉHILBER TIENS RÉELS

ESPACES PRÉHILBER TIENS RÉELS ESPACES PRÉHILBER TIENS RÉELS 1 Produit scalaire et norme 1.1 Produit scalaire Définition 1.1 Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinéaire symétrique définie positive

Plus en détail

Suites géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. Déterminer la limite d une suite géométrique de raison strictement positive.

Suites géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. Déterminer la limite d une suite géométrique de raison strictement positive. Chapitre 01 Suites géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites géométriques. Reconnaître et exploiter une suite géométrique dans une situation donnée. Connaître la formule donnant 1 +

Plus en détail

Algèbre Matrices Algèbre des matrices carrées

Algèbre Matrices Algèbre des matrices carrées Algèbre Matrices Algèbre des matrices carrées Denis Vekemans Exercice 1 On considère les matrices suivantes : 1 2 1 0 1 et B = 3 4 2 2 3 Calculer, lorsque cela est possible, A 2, B 2, AB, BA, A t, B t,

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

COMPOSITION DE MATHÉMATIQUES A (XLCR)

COMPOSITION DE MATHÉMATIQUES A (XLCR) ÉCOLE POLYTECHNIQUE ÉCOLES NORMALES SUPÉRIEURES CONCOURS D ADMISSION 2016 FILIÈRE MP COMPOSITION DE MATHÉMATIQUES A (XLCR) (Durée : 4 heures) L utilisation des calculatrices n est pas autorisée pour cette

Plus en détail

1. Différents types de Convergence des suites de v.a.

1. Différents types de Convergence des suites de v.a. 1. Différents types de Convergence des suites de v.a. 1.1. Convergence "spatiales". Les convergence dites "spatiales" font référence à la réalisation des v.a. sur un même espace de probabilité et pas seulement

Plus en détail

5. Matrices et systèmes linéaires

5. Matrices et systèmes linéaires 5. Matrices et systèmes linéaires Dans l ensemble de ce chapitre K désigne un ensemble qui peut-être Q, ou C. 5.1 Matrices rectangulaires 5.1.1 Définition Définition 5.1.1 Matrice. Soient (m,n) (N ) 2

Plus en détail

Algèbre linéaire. Cours 3. 1 Valeurs propres et vecteurs propres. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur

Algèbre linéaire. Cours 3. 1 Valeurs propres et vecteurs propres. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur Algèbre linéaire Cours 3 Valeurs propres et vecteurs propres V. Soit V un espace vectoriel sur un corps K et T un opérateur linéaire sur Définition. Un scalaire λ K est une valeur propre de T s il existe

Plus en détail

Applications linéaires

Applications linéaires Denis Pasquignon Applications linéaires Résumé du cours : 1. Généralités On appelle application linéaire de E dans F une application f : E F telle que (x 1, x 2 ) E 2 λ K, f(x 1 + λx 2 ) = f(x 1 ) + λf(x

Plus en détail

Généralités sur les fonctions

Généralités sur les fonctions Généralités sur les fonctions Voir des propriétés sur la calculette et de les démontrer par des calculs : ensemble de définition solutions d'équations et d'inéquations croissance et décroissance symétries

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Calcul matriciel. I. Vecteurs-lignes et vecteurs-colonnes 1) vecteur ligne

Calcul matriciel. I. Vecteurs-lignes et vecteurs-colonnes 1) vecteur ligne Clcul mtriciel Commentires du progrmme officiel I Vecteurs-lignes et vecteurs-colonnes ) vecteur ligne )Définition : on ppelle «vecteur ligne» tout tleu à une ligne de m nomres insi représenté : (,,,,

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

( ) Si b divise a, alors pgcd a;b. ( ) est le plus grand commun diviseur de a et b.

( ) Si b divise a, alors pgcd a;b. ( ) est le plus grand commun diviseur de a et b. Chapitre 2 : PGCD - Bézout - Gauss I. PGCD de deux entiers Activité 1 Soit a et b des entiers non nuls. On note D( a;b) l ensemble des diviseurs communs positifs de a et de b. Ainsi D( a;b) = D( a) D(

Plus en détail

Calcul matriciel, systèmes linéaires

Calcul matriciel, systèmes linéaires Sommaire Sommaire I Matrices à coefficients dans K 3 I1 Généralités 3 I2 Matrices particulières 3 I3 Matrices carrées particulières 4 II Opérations sur les matrices 5 II1 L espace vectoriel des matrices

Plus en détail

DIMENSION D'UN ESPACE VECTORIEL ADMETTANT UNE FAMILLE GÉNÉRATRICE FINIE RANG D'UNE APPLICATION LINÉAIRE

DIMENSION D'UN ESPACE VECTORIEL ADMETTANT UNE FAMILLE GÉNÉRATRICE FINIE RANG D'UNE APPLICATION LINÉAIRE DIMENSION D'UN ESPACE VECTORIEL ADMETTANT UNE FAMILLE GÉNÉRATRICE FINIE RANG D'UNE APPLICATION LINÉAIRE Notations : Dans tout l'exposé, on considérera, sauf mention contraire, que les familles sont constituées

Plus en détail

Dérivation, accroissement et calcul marginal

Dérivation, accroissement et calcul marginal Dérivation, accroissement et calcul marginal MATHEMATIQUES APPLIQUEES Licence 1 Administration Economique et Sociale Sébastien Pommier 2007-2008 Un exemple introductif Introduction Un exemple 1/2 Une bille

Plus en détail

CHAPITRE V INEGALITES

CHAPITRE V INEGALITES CHAPITRE V INEGALITES COURS 1) Inégalités... p 1 ) Inéquations du premier degré à une inconnue. p ) Systèmes d inéquations... p 5 4) Encadrements.... p 6 EXERCICES.. p 10 COURS 1) Inégalités Rappelons

Plus en détail

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie

133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie 133: endomorphismes remarquables d'un espace vectoriel euclidien de dimension nie Pierre Lissy March 8, 2010 On considère un espace vectoriel euclidien de dimension nie n, le produit scalaire sera noté

Plus en détail