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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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). Déterminer Mat, ( f ), la matrice de f dans la base ( i, j). Même question avec Mat,( f ) où est la base ( i j, i + j) de R. Même question avec Mat, ( f ). Indication [87] Exercice Soient trois vecteurs e,e,e formant une base de R. On note φ l application linéaire définie par φ(e ) = e, φ(e ) = e + e + e et φ(e ) = e.. Écrire la matrice A de φ dans la base (e,e,e ). Déterminer le noyau de cette application.. On pose f = e e, f = e e, f = e + e + e. Calculer e,e,e en fonction de f, f, f. Les vecteurs f, f, f forment-ils une base de R?. Calculer φ( f ),φ( f ),φ( f ) en fonction de f, f, f. Écrire la matrice de φ dans la base ( f, f, f ) et trouver la nature de l application φ. 4. On pose P =. Vérifier que P est inversible et calculer P. Quelle relation lie A,, P et P? [97] Exercice Soit f l endomorphisme de R dont la matrice par rapport à la base canonique (e,e,e ) est 5 5 A = Montrer que les vecteurs e = e + e + e, e = e + 4e + e, e = e + e + e forment une base de R et calculer la matrice de f par rapport à cette base. [4] Exercice Soit A =.... En utilisant l application linéaire associée de L (R n,r n ), calculer A p pour.... p Z.

2 [] Exercice 5 Soient A, deux matrices semblables (i.e. il existe P inversible telle que = P AP). Montrer que si l une est inversible, l autre aussi ; que si l une est idempotente, l autre aussi ; que si l une est nilpotente, l autre aussi ; que si A = λi, alors A =. Indication [444] Exercice 6 Soit f l endomorphisme de R de matrice A = ( ) e =. 5 ( ) 5 dans la base canonique. Soient e =. Montrer que = (e,e ) est une base de R et déterminer Mat ( f ).. Calculer A n pour n N. x n+ = x n +. Déterminer l ensemble des suites réelles qui vérifient n N y n y n+ = 5 x n y n. ( ) et [4] Exercice 7 Soit a et b deux réels et A la matrice A = a b Montrer que rg(a). Pour quelles valeurs de a et b a-t-on rg(a) =? [774] Exercice 8 7 Soient A = 4 5 6, = 4 4. Calculer rg(a) et rg(). Déterminer une base du noyau 7 8 et une base de l image pour chacune des applications linéaires associées f A et f. [99] Exercice 9 Soit E un espace vectoriel et f une application linéaire de E dans lui-même telle que f = f.. Montrer que E = Ker f Im f.. Supposons que E soit de dimension finie n. Posons r = dimim f. Montrer qu il existe une base = (e,...,e n ) de E telle que : f (e i ) = e i si i r et f (e i ) = si i > r. Déterminer la matrice de f dans cette base. [9] Exercice Trouver toutes les matrices de M (R) qui vérifient. M = ;. M = M ;

3 . M = I. Indication [475] Exercice Soit f l application de R n [X] dans R[X] définie en posant pour tout P(X) R n [X] : f (P(X)) = P(X + ) + P(X ) P(X).. Montrer que f est linéaire et que son image est incluse dans R n [X].. Dans le cas où n =, donner la matrice de f dans la base,x,x,x. Déterminer ensuite, pour une valeur de n quelconque, la matrice de f dans la base,x,...,x n.. Déterminer le noyau et l image de f. Calculer leur dimension respective. 4. Soit Q un élément de l image de f. Montrer qu il existe un unique P R n [X] tel que : f (P) = Q et P() = P () =. [94] Exercice Pour toute matrice carrée A de dimension n, on appelle trace de A, et l on note tra, la somme des éléments diagonaux de A : tra = n a i,i i=. Montrer que si A, sont deux matrices carrées d ordre n, alors tr(a) = tr(a).. Montrer que si f est un endomorphisme d un espace vectoriel E de dimension n, M sa matrice par rapport à une base e, M sa matrice par rapport à une base e, alors trm = trm. On note tr f la valeur commune de ces quantités.. Montrer que si g est un autre endomorphisme de E, tr( f g g f ) =. [44] Retrouver cette fiche et d autres exercices de maths sur exo7.emath.fr

4 Indication pour l exercice ( ) x f est l application qui à associe y ( ) x y. Indication pour l exercice 5 A est idempotente s il existe un n tel que A n = I (la matrice identité). A est nilpotente s il existe un n tel que A n = () (la matrice nulle). Indication pour l exercice Il faut trouver les propriétés de l application linéaire f associée à chacune de ces matrices. Les résultats s expriment en explicitant une (ou plusieurs) matrice M qui est la matrice de f dans une base bien choisie et ensuite en montrant que toutes les autres matrices sont de la forme M = P M P. Plus en détails pour chacun des cas :. Im f Ker f et discuter suivant la dimension du noyau.. Utiliser l exercice 9 : Ker f Im f et il existe une base telle que f (e i ) = ou f (e i ) = e i.. Poser N = I+M (et donc M = ) chercher à quelle condition M = I. 4

5 Correction de l exercice ( ) x L expression de f dans la base est la suivante f (x,y) = (x y,). Autrement dit à un vecteur on associe y ( ) x y le vecteur. On note que f est bien une application linéaire. Cette expression nous permet de calculer les matrices demandées. ( ) ( ) x x Remarque : comme est la base canonique on note pour qui est le vecteur x i + y j. y y. Calcul de Mat( f,,). Comme = ( i, j), la matrice s obtient en calculant f ( i) et f ( j) : ( ) ( ) ( ) ( ) f ( i) = f = = i f ( j) = f = = i donc Mat( f,,) = ( ). On garde la même application linéaire mais la base de départ change (la base d arrivée reste ). Si on note u = i j et v = i + j, on a = ( i j, i + j) = ( u, v). On exprime f ( u) et f ( v) dans la base d arrivée. donc f ( u) = f ( i j) = f ( ) = ( ) Mat( f,,) = f ( v) = f ( i + j) = f ( ) 5 ( ) = ( ) 5. Toujours avec le même f on prend comme base de départ et d arrivée, il s agit donc d exprimer f ( u) et f ( v) dans la base = ( u, v). Nous venons de calculer que ( ) ( ) ( ) ( ) 5 f ( u) = f ( i j) = f = = i f ( v) = f ( i + j) = f = = 5 i Mais il nous faut obtenir une expression en fonction de la base. Remarquons que { u = i j v = i + j = { i = u + v j = u + v Donc Donc f ( u) = f ( i j) = i = 6 u + v = Remarque : ( ) 6 f ( v) = f ( i + j) = 5 i = 5 u 5 v = Mat( f,, ) = ( ) x désigne le vecteur x u + y v. y ( ) ( ) 5 5 Correction de l exercice x. On note la base = (e,e,e ) et X = y = xe +ye +ze. La matrice A = Mat ( f ) est composée z des vecteurs colonnes φ(e i ), on sait φ(e ) = e = φ(e ) = e + e + e = φ(e ) = e = 5

6 donc A = x Le noyau de φ (ou celui de A) est l ensemble de X = y tel que AX =. z x y = AX = y = y = z x + y + z = Donc Kerφ = { x R x R } = Vect = Vect(e e ). Le noyau est donc de dimension. x. On applique le pivot de Gauss comme si c était un système linéaire : e e = f L e e = f L e + e + e = f L e e = f e + e = f f L L e = f + f L +L On en déduit e = f + f + f e = f + f e = f + f. Donc tous les vecteurs de la base = (e,e,e ) s expriment en fonction de ( f, f, f ), ainsi la famille ( f, f, f ) est génératrice. Comme elle a exactement éléments dans l espace vectoriel R de dimension alors = ( f, f, f ) est une base. φ( f ) = φ(e e ) = φ(e ) φ(e ) = e e = φ( f ) = φ(e e ) = φ(e ) φ(e ) = e ( e + e + e ) = e e = f φ( f ) = φ( e + e + e ) = φ(e ) + φ(e ) + φ(e ) = e + e + e = f Donc, dans la base = ( f, f, f ), nous avons φ( f ) = = φ( f ) = f = φ( f ) = f = Donc la matrice de φ dans la base est = φ est la projection sur Vect( f, f ) parallèlement à Vect( f ) (autrement dit c est la projection sur le plan d équation (x = ), parallèlement à l axe des x, ceci dans la base ). 6

7 4. P est la matrice de passage de vers. En effet la matrice de passage contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base. Si un vecteur a pour coordonnées X dans la base et X dans la base alors PX = X (attention à l ordre). Et si A est la matrice de φ dans la base et est la matrice de φ dans la base alors = P AP (Une matrice de passage entre deux bases est inversible.) Ici on calcule l inverse de P : P = donc = P AP = On retrouve donc bien les mêmes résultats que précédemment. Correction de l exercice Notons l ancienne base = (e,e,e ) et ce qui sera la nouvelle base = (e,e,e ). Soit P la matrice de passage qui contient -en colonnes- les coordonnées des vecteurs de la nouvelle base exprimés dans l ancienne base P = 4 On vérifie que P est inversible (on va même calculer son inverse) donc est bien une base. De plus 6 5 P = 4 et on calcule = P AP = est la matrice de f dans la base. Correction de l exercice 4 Nous associons à la matrice A son application linéaire naturelle f. Si = (e,e,...,e n ) est la base canonique de R n alors f (e ) est donné par le premier vecteur colonne, f (e ) par le deuxième, etc. Donc ici.. f (e ) = = e n, f (e ) = = e n,... et en général f (e i ) = e n+ i Calculons ce que vaut la composition f f. Comme une application linéaire est déterminée par les images des éléments d une base alors on calcule f f (e i ), i =,...,n en appliquant deux fois la formule précédente : f f (e i ) = f ( f (e i ) ) = f (e n+ i ) = e n+ (n+ i) = e i Comme f f laisse invariant tous les vecteurs de la base alors f f (x) = x pour tout x R n. Donc f f = id. On en déduit f = f et que la composition itérée vérifie f p = id si p est pair et f p = f si p est impair. Conclusion : A p = I si p est pair et A p = A si p est impair. Correction de l exercice 5 Soit A, tel que = P AP. 7

8 . Supposons A inversible, alors il existe A tel que A A = I et A A = I. Notons alors = P A P. On a = ( P AP ) ( P A P ) = P A ( PP ) A P = P AA P = P IP = I De même = I. Donc est inversible d inverse.. Supposons que A n = I. Alors Donc est idempotente. n = ( P AP ) n ( = P AP )( P AP ) (P AP ) = P A(PP )A(PP ) AP = P A n P = P IP = I. Si A n = () alors le même calcul qu au-dessus conduit à n = (). 4. Si A = λi alors = P (λi)p = λi P P = λi (car la matrice λi commute avec toutes les matrices). Correction de l exercice 6. Notons P la matrice de passage de la base canonique = ( (,),(,) ) vers (ce qui va être) la base = (e,e ). C est la matrice composée des vecteurs colonnes e et e : ( ) P = 5 detp = 4 donc P est inversible et ainsi est bien une base. Alors la matrice de f dans la base est : = P AP = ( )( Il est très facile de calculer la puissance d une matrice diagonale : ( ) n = ( ) n Comme A = PP on va en déduire A n :. Si l on note X n = ( xn y n Si l on note les conditions initiales X = )( ) = 5 ( ) A n = ( PP ) n = P n P = ( ) n n n n ) alors les équations que vérifient les suites s écrivent en terme matriciel : x n = 4 y n = 4 ( x y X n+ = AX n. ) R alors X n = A n X. On en déduit (( 6 n )x + (4 4 n )y ) ( ( n )x + ( 6 + n )y ) Correction de l exercice 7 Avant toute, un coup d œil sur la matrice nous informe de deux choses : (a) A n est pas la matrice nulle donc rg(a) ; (b) il y a lignes donc rg(a) (le rang est plus petit que le nombre de colonnes et que le nombre de lignes). 8

9 . Montrons de différentes façons que rg(a). Première méthode : sous-déterminant non nul. On trouve une sous-matrice dont le déterminant est non nul. Par exemple la sous-matrice extraite du coin en bas à gauche vérifie 5 4 = donc rg(a). Deuxième méthode : espace vectoriel engendré par les colonnes. On sait que l image de l application linéaire associée à la matrice A est engendrée par les vecteurs colonnes. Et le rang est la dimension de cette image. On trouve facilement deux colonnes linéairement indépendantes : la deuxième 4 et la troisième colonne. Donc rg(a). Troisième méthode : espaces vectoriel engendré par les lignes. Il se trouve que la dimension de l espace vectoriel engendré par les lignes égal la dimension de l espace vectoriel engendré par les colonnes (car rg(a) = rg( t A)). Comme les deuxième et troisième lignes sont linéairement indépendantes alors rg(a). Attention : les dimensions des espaces vectoriels engendrés sont égales mais les espaces sont différents!. En utilisant la dernière méthode : le rang est exactement si la première ligne est dans le sous-espace engendré par les deux autres. Donc rg(a) = (a,,,b) Vect { (,,, 4),(5,4,,) } λ,µ R λ,µ R (a,,,b) = λ(,,, 4) + µ(5,4,,) λ + 5µ = a 4µ = λ µ = 4λ + µ = b λ = µ = a = b = Conclusion la rang de A est si (a,b) = (,). Sinon le rang de A est. Correction de l exercice 8. (a) Commençons par des remarques élémentaires : la matrice est non nulle donc rg(a) et comme il y a p = 4 lignes et n = colonnes alors rg(a) min(n, p) =. (b) Ensuite on va montrer rg(a) en effet le sous-déterminant (extrait du coin en haut à gauche) : 4 = est non nul. (c) Montrons que rg(a) =. Avec les déterminants il faudrait vérifier que pour toutes les sous-matrices les déterminants sont nuls. Pour éviter de nombreux calculs on remarque ici que les colonnes sont liées par la relation v = v + v. Donc rg(a) =. (d) L application linéaire associée à la matrice A est l application f A : R R 4. Et le théorème du rang dimker f A + dimim f A = dimr donne ici dimker f A = rg(a) =. Mais la relation v = v +v donne immédiatement un élément du noyau : en écrivant v v +v = alors A = Donc Ker f A. Et comme le noyau est de dimension alors Ker f A = Vect 9

10 (e) Pour un base de l image, qui est de dimension, il suffit par exemple de prendre les deux premiers vecteurs colonnes de la matrice A (ils sont clairement non colinéaires) : Im f A = Vect{v,v } = Vect 5, 7. On fait le même travail avec et f. (a) Matrice non nulle avec 4 lignes et 4 colonnes donc rg() 4. (b) Comme le sous-déterminant (du coin supérieur gauche) 4 = est non nul alors rg(). (c) Et pareil avec le sous-déterminant : 4 = qui est non nul donc rg(). (d) Maintenant on calcule le déterminant de la matrice et on trouve det =, donc rg() < 4. Conclusion rg() =. Par le théorème du rang alors dimker f =. (e) Cela signifie que les colonnes (et aussi les lignes) sont liées, comme il n est pas clair de trouver la relation à la main on résout le système X = pour trouver cette relation ; autrement dit : 7 x x + y z + 7t = 4 4 y z = 4x + y z + t = ou encore y + z 4t = t x + y z + t = Après résolution de ce système on trouve que les solutions s écrivent (x, y, z, t) = ( λ, λ, λ, λ). Et ainsi Ker f = Vect Et pour une base de l image il suffit, par exemple, de prendre les premiers vecteurs colonnes v,v,v de la matrice, car ils sont linéairement indépendants : Im f = Vect{v,v,v } = Vect 4,, Correction de l exercice 9. Nous devons montrer Ker f Im f = {} et Ker f + Im f = E. (a) Si x Ker f Im f alors d une part f (x) = et d autre part il existe x E tel que x = f (x ). Donc = f (x) = f ( f (x ) ) = f (x ) = x donc x = (on a utilisé f f = f ). Donc Ker f Im f = {}. (b) Pour x E on le réécrit x = x f (x) + f (x). Alors x f (x) Ker f (car f ( x f (x) ) = f (x) f f (x) = ) et f (x) Im f. Donc x Ker f + Im f. Donc Ker f + Im f = E. (c) Conclusion : E = Ker f Im f.

11 . Notons r le rang de f : r = dimim f. Soit {e,...,e r } une base de Im f et soit {e r+,...,e n } une base de Ker f. Comme E = Ker f Im f alors (e,...,e n ) est une base de E. Pour i > r alors e i Ker f donc f (e i ) =. Comme f f = f alors pour n importe quel x Im f on a f (x) = x : en effet comme x Im f, il existe x E tel que x = f (x ) ainsi f (x) = f ( f (x ) ) = f (x ) = x. En particulier si i r alors f (e i ) = e i.. La matrice de f dans la base (e,...,e n ) est donc : ( I ) () () () où I désigne la matrice identité de taille r r et les () désignent des matrices nulles. Correction de l exercice. Soit M une matrice telle que M = et soit f l application linéaire associée à M. Comme M = alors f f =. Cela entraîne Im f Ker f. Discutons suivant la dimension du noyau : (a) Si dimker f = alors f = donc M = (la matrice nulle). (b) Si dimker f = alors prenons une base de R formée de deux vecteurs du noyau et d un troisième a vecteur. Dans cette base la matrice de f est M = b mais comme f f = alors M = ; c un petit calcul implique c =. Donc M et M sont les matrices de la même application linéaire f mais exprimées dans des bases différentes, donc M et M sont semblables. (c) Si dimker f = alors comme Im f Ker f on a dimim f mais alors cela contredit le théorème du rang : dimker f + dimim f = dimr. Ce cas n est pas possible. (d) Conclusion : M est une matrice qui vérifie M = si et seulement si il existe une matrice inversible P et des réels a,b tels que a M = P b P. On va s aider de l exercice 9. Si M = M et f est l application linéaire associée alors f f = f. On a vu dans l exercice 9 qu alors Ker f Im f et que l on peut choisir une base (e,e,e ) telle que f (e i ) = e i puis f (e i ) =. Suivant la dimension du noyau cela donne que la matrice M de f dans cette base est A = A = A = A =. Maintenant M est semblable à l une de ces matrices : il existe P inversible telle que M = P M P où M est l une des quatre matrices A i ci-dessus. Géométriquement notre application est une projection (projection sur une droite pour la seconde matrice et sur un plan pour la troisième).. Posons N = I+M et donc M = N I. Alors M = I (N I) = I 4N 4N I = I N = N. Donc par la deuxième question N est semblable à l une des matrice A i : N = P A i P. Donc M = P A i P I = P (A i I)P. Ainsi M est semblable à l une des matrices A i I suivantes :. Ce sont des matrices de symétrie (par rapport à l origine pour la première matrice, par rapport à une droite pour la seconde matrice et par rapport à un plan pour la troisième).

12 L idée de poser N = I+M est la suivante : si M = I alors géométriquement l application linéaire s associée à M est une symétrie, alors que si N = N alors l application linéaire p associée est une projection. Et projection et symétrie sont liées par p(x) = x+s(x) (faites un dessin!) c est-à-dire p = id+s ou encore N = I+M. Correction de l exercice. Il est facile de voir que f (λp+ µq) = λ f (P)+ µ f (Q) donc f est linéaire, de plus, P étant un polynôme de degré n alors f (P) aussi.. Pour n = on calcule l image de chacun des éléments de la base : f () = + =, f (X) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X =, f (X ) = (X + ) + (X ) X = 6X. Donc la matrice de f dans la base (,X,X,X ) est 6 Pour le cas général on calcule Donc la matrice est f (X p ) = (X + ) p + (X ) p X p p ( ) p = X k p ( ) p + k= k X k ( ) p k X p k= k ( ) p = X k p k pair et k<p k ( ) ( ) p ( ) ( ) p+ ( ) p ( ) p Dans cet exemple de matrice, p est pair. Chaque colonne commence en alternant une valeur nulle/une valeur non-nulle jusqu à l élément diagonal (qui est nul).. Nous savons que f () = et f (X) = donc et X sont dans le noyau Ker f. Il est aussi clair que les colonnes de la matrices f (X ),, f (X n ) sont linéairement indépendantes (car la matrice est échelonnée). Donc Im f = Vect{ f (X ), f (X ),..., f (X n )} et dimim f = n. Par la formule du rang dimker f + dimim f = dimr n [X] donc dimker f =. Comme nous avons déjà deux vecteurs du noyau alors Ker f = Vect{,X}. 4. (a) Soit Q Im f. Il existe donc R R n [X] tel que f (R) = Q. On pose ensuite P(X) = R(X) R() R ()X. On a tout fait pour que P() = et P () =. De plus par la linéarité de f et son noyau alors f (P) = f ( R(X) R() R ()X ) = f ( R(X) ) R() f () R () f (X) = f (R) = Q. Donc notre polynôme P convient.

13 (b) Montrons l unicité. Soient P et P tels que f (P) = f ( P) = Q avec P() = P () = = P() = P (). Alors f (P P) = Q Q = donc P P Ker f = Vect{,X}. Ainsi P P s écrit P P = ax + b. Mais comme (P P)() = alors b =, et comme (P P) () = alors a =. Ce qui prouve P = P. Correction de l exercice. Notons C = A et D = A. Alors par la définition du produit de matrice : Ainsi De même c i j = k n a ik b k j donc c ii = a ik b ki k n tr(a) = trc = c ii = i n tr(a) = trd = i n k n i n k n b ik a ki a ik b ki Si dans cette dernière formule on renomme l indice i en k et l indice k en i (ce sont des variables muettes donc on leur donne le nom qu on veut) alors on obtient : tr(a) = k n i n b ki a ik = i n k n a ik b ki = tr(a). M et M sont semblables donc il existe une matrice de passage P telle que M = P MP donc. La trace a aussi la propriété évidente que trm = tr ( P (MP) ) = tr ( (MP)P ) = tr(mi) = trm tr(a + ) = tra + tr. Fixons une base de E. Notons A la matrice de f dans cette base et la matrice de g dans cette même base. Alors A est la matrice de f g et A est la matrice de g f. Ainsi la matrice de f g g f est A A Donc tr( f g g f ) = tr(a A) = tr(a) tr(a) =.

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires :

Exo7. Applications linéaires. 1 Définition. 2 Image et noyau. Exercice 1 Déterminer si les applications f i suivantes sont linéaires : Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes sont linéaires : f 1 : R R f 1 x,y = x + y,x y f : R R f x,y,z = xy,x,y f : R R f x,y,z = x + y + z,y z,x

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

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

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Chapitre 17 Matrices et applications linéaires Sommaire 171 Matrices et applications

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

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

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Applications linéaires

Applications linéaires Chapitre IV Applications linéaires Révisions Définition. Soient E, deux espaces vectoriels sur le même corps commutatif est dite linéaire si quels que soient x, y E et λ,. Une application f : E f x y f

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

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

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

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

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

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

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

TD 5- Applications linéaires

TD 5- Applications linéaires TD 5- Applications linéaires Exercice 1. Soit f l'application dénie sur R 2 par f(x, y) = (2x y, 3x + y). 1. Montrer que f est un endomorphisme de R 2. 2. Montrer que f est injective. 3. Montrer que f

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

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 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

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

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

Algèbre Linéaire. Victor Lambert. 24 septembre 2014

Algèbre Linéaire. Victor Lambert. 24 septembre 2014 Algèbre Linéaire Victor Lambert 24 septembre 2014 Table des matières 1 Généralités 2 1.1 Espaces vectoriels............................ 2 1.2 Applications linéaires.......................... 4 1.3 Familles

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

1 Programme de Colles : Espaces vectoriels.

1 Programme de Colles : Espaces vectoriels. Lycée Louis le grand Année scolaire 2007/2008 Mathématiques Supérieure MPSI Semaine 12 11 mai 2009 1 Programme de Colles : Espaces vectoriels. On note K le corps R ou C. 1.1 Axiomes d espace vectoriel.

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6 Table des matières -1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes.......................................... 5 2 Anneaux.......................................... 5 3 Corps...........................................

Plus en détail

Partie I - Valeurs propres de AB et BA

Partie I - Valeurs propres de AB et BA SESSION 9 Concours commun Centrale MATHÉMATIQUES. FILIERE PSI Partie I - Valeurs propres de AB et BA I.A - Cas de la valeur propre. I.A.) Sp(AB) Ker(AB) {} AB / G L n (R) det(ab) =. I.A.) Sp(AB) det(ab)

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

Analyse des données et algèbre linéaire

Analyse des données et algèbre linéaire Analyse des données et algèbre linéaire Fondamentaux pour le Big Data c Télécom ParisTech 1/15 Machine-Learning : Une donnée x i = un ensemble de features (caractères) d un individu i x i = (x i,1,...,

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

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

E3A PC 2009 Math A. questions de cours. t C). On véri e que

E3A PC 2009 Math A. questions de cours. t C). On véri e que E3A PC 29 Math A questions de cours. Soit C 2 M 3 (R) Analyse : Si C = S + A, S 2 S 3 (R) et A 2 A 3 (R) alors t C = t S + t A = S A d où S = 2 (C +t C) et A = 2 (C t C). L analyse assure l unicité (sous

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 14 Espaces vectoriels de dimension finie Dans tout le chapitre K désigne R ou C. 14.1 Espaces vectoriels de dimension finie 14.1.1 Bases et dimension Ò Ø ÓÒ ½ º½ Espace vectoriel de dimension

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure?

1. Montrer que B est une base de. 2. Donner la dimension de f ( 3 ), puis la dimension de Ker f, qu en conclure? Chapitre Applications linéaires Testez vos connaissances Pourquoi s intéresse-t-on au applications linéaires en économie? Qu est-ce qu un noyau, un rang et une image d une application linéaire? Donner

Plus en détail

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1 Algèbre 2, Cours de deuxième année de l Université de Bordeaux 1 1 Institut de Mathématiques Bordeaux, UMR 5251 du CNRS, Université de Bordeaux, 351 cours de la Libération, F33405 Talence Cedex, France

Plus en détail

ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES

ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES 30-9- 2010 J.F.C. p. 1 ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES Exercice 1 Intersection d hyperplans. E est un espace vectoriel de dimension n sur K (n [2, + [). Q1. Montrer que si F et G sont deux

Plus en détail

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie

Plus en détail

Exercice oral des mines : pour voir si vous avez compris l analogie de l exercice précédent.

Exercice oral des mines : pour voir si vous avez compris l analogie de l exercice précédent. Lycée Pierre de Fermat 203/204 MPSI Devoir maison Devoir maison n 20 Exercice : utilisation du produit matriciel par blocs. Dans l exercice K est un corps commutatif quelconque de caractéristique différente

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries Chapitre 4 Adjoints Opérateurs auto-adjoints et isométries I. Adjoint : Cas général d une forme { bilinéaire symétrique sesquilinéaire hermitienne On suppose dans tout I que E est un espace vectoriel de

Plus en détail

Outils mathématiques pour la physique et la chimie. Introduction. 1.1 Espaces vectoriels. Nicolas Chéron : nicolas.cheron@ens-lyon.

Outils mathématiques pour la physique et la chimie. Introduction. 1.1 Espaces vectoriels. Nicolas Chéron : nicolas.cheron@ens-lyon. Nicolas Chéron : nicolas.cheron@ens-lyon.fr Tél : 87 14 Outils mathématiques pour la physique et la chimie Introduction Ce document est un rappel de notions de mathématiques de base (i.e. niveau L1/L).

Plus en détail

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2

Espaces euclidiens. 1 Définitions et exemples. 2 Orthogonalité, norme euclidienne 2. 3 Espaces euclidiens, bases orthonormées 2 Espaces euclidiens Table des matières 1 Définitions et exemples 1 Orthogonalité, norme euclidienne 3 Espaces euclidiens, bases orthonormées 4 Orthogonalisation de Schmidt 3 5 Sous-espaces orthogonaux 3

Plus en détail

1 Espaces vectoriels, compléments

1 Espaces vectoriels, compléments CHAPITRE 1 Espaces vectoriels, compléments Sommaire 1 Somme directe... 3 1.1 Somme... 3 1.2 Somme directe... 3 1.3 Supplémentaire... 4 1.4 Cas de la dimension finie... 4 2 Décomposition de E en somme directe...

Plus en détail

Introduction générale

Introduction générale Chapitre 1 Introduction générale Ce chapitre est consacré à une présentation rapide des méthodes numériques qui sont étudiées en détail dans ce cours Nous y donnons une approche très simplifiée des quatre

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

19. APPLICATIONS LINÉAIRES

19. APPLICATIONS LINÉAIRES 19. APPLICATIONS LINÉAIRES 1 Dénitions générales. 1. 1 Applications linéaires. On dit qu'une application d'un espace vectoriel E dans un espace vectoriel F est linéaire si elle est compatible avec les

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Espaces vectoriels Bernard Ycart Vous devez vous habituer à penser en termes de «vecteurs» dans un sens très général : polynômes, matrices, suites, fonctions,

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES 21-10- 2007 J.F.C. A.L. p. 1 APPLICATIONS LINÉAIRES I GÉNÉRALITÉS 1. Définition et vocabulaire 2. Conséquences de la définition 3. Caractérisation II OPÉRATIONS SUR LES APPLICATION LINÉAIRES 1. Somme,

Plus en détail

Feuille d exercices n 14 : corrigé

Feuille d exercices n 14 : corrigé Feuille d exercices n 4 : corrigé PTSI B Lycée Eiffel avril 3 Exercice (*) Commençons déjà par constater que la fonction nulle vérifie toutes les conditions de l exercice, il nous restera donc à regarder

Plus en détail

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices Réduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Spé - Diagonaliser les matrices suivantes : 0 2 1 A = 3 2 0 B = 2 2 1 0 3 2 2 5 2 2 3 0 On donnera aussi la matrice de passage

Plus en détail

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que [http://mp.cpgedupuydelome.fr] édité le 0 juillet 204 Enoncés Rang d une matrice Exercice [ 0070 ] [correction] Soit A M n K une matrice carrée de rang. a Etablir l existence de colonnes X, Y M n, K vérifiant

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier Mathématiques Méthodes et exercices ECE 2 e année Cécile Lardon Professeur en classe préparatoire au lycée du Parc à Lyon Jean-Marie Monier Professeur en classe préparatoire au lycée La Martinière-Monplaisir

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

Espaces vectoriels. par Pierre Veuillez

Espaces vectoriels. par Pierre Veuillez Espaces vectoriels par Pierre Veuillez 1 Objectifs : Disposer d un lieu où les opérations + et se comportent bien. Déterminer des bases (utilisation de la dimension) Représenter les vecteurs grace à leurs

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

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

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

en utilisant un point-virgule.

en utilisant un point-virgule. 6 Chapitre Chapitre 6. Géométrie analytique Ce chapitre présente les possibilités de votre calculatrice dans le domaine de la géométrie analytique, tout particulièrement pour les problèmes liés aux espaces

Plus en détail

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart

Université Joseph Fourier, Grenoble. Calcul matriciel. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Calcul matriciel Bernard Ycart Ce chapitre est essentiellement technique et ne requiert pas d autre connaissance théorique que celle des espaces vectoriels

Plus en détail

Groupe orthogonal en petite dimension

Groupe orthogonal en petite dimension Maths PCSI Cours Groupe orthogonal en petite dimension Table des matières 1 Généralités 1.1 Rappels et définitions........................................ 1. Premières propriétés.........................................

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 Voici une fiche contenant 100 exercices de difficulté raisonable, plutôt techniques, qui recouvrent l ensemble du programme étudié cette année. A raison

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

0 0 0 0 1 0 0 1 0 0 0 A = B =

0 0 0 0 1 0 0 1 0 0 0 A = B = 2 ALGÈBRE Exercice 2.1. Soit n un entier supérieur ou égal à 2 et A, B les deux matrices de M n (R) définies par : 0 0 0 0 1 0 0 0 0... 0 1 0 0 0 A =.......... B = 0 0... 0 0 0...... 0 0 0 1. Déterminer

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

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Travaux dirigés avec SAGE (partie III)

Travaux dirigés avec SAGE (partie III) Math 3 Année 2010-2011 Sommaire 1 Vecteurs et matrices 2 1.1 Construction, opérations élémentaires............................. 2 1.1.1 Vecteurs.......................................... 2 1.1.2 Matrices..........................................

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01 Eo7 Dérivée d une fonction Vidéo partie. Définition Vidéo partie. Calculs Vidéo partie 3. Etremum local, théorème de Rolle Vidéo partie 4. Théorème des accroissements finis Eercices Fonctions dérivables

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

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

Feuille 5 : Exercices sur les déterminants, quelques corrections

Feuille 5 : Exercices sur les déterminants, quelques corrections Université de Poitiers Mathématiques L SPIC, Module 2L2 2/2 Feuille 5 : Exercices sur les déterminants, quelques corrections Exercice 3 : Dans cet exercice, pour obtenir directement les polnômes sous forme

Plus en détail

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Tatiana Labopin-Richard Mercredi 18 mars 2015 L algèbre linéaire est une très grosse partie du programme de Maths. Il est

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