Matrice diagonalisable

GL2 (Z) Diagonalisation : résumé MOSE 1003 COMMENT DIAGONALISER UNE MATRICE 2 × 2 EN 6 ÉTAPES Petits rappels de théorie Étant donnée une matrice 2 × 2 A= 1. A est diagonale si A = a b , c d λ1 0 ; 0 λ2 2. A est diagonalisable s’il existe une matrice inversible P telle que P −1 AP = ∆, où ∆ est diagonale. 0 x 3. v = ,v= est un vecteur propre pour A, de valeur propre λ, si Av = λv. y 0 La recette Considérons par exemple A= 1 2 . 2 1 1. Polynôme caractéristique de A : c’est pA (x) = det(A −

valeurs propres donn´es. e e Yasmine Samia (U of O) M´thodes Math´matiques II e e Vendredi, 30 Mars 2012 3 / 25 Matrices Diagonales Rappel: Une matrice diagonale est une matrice carr´e dont dont les ´l´ments e ee non diagonaux sont nuls. Exemples  −1 0 0 3  0 0  0 0  1 4   2 0 0 0 0 −8 0 0   0 0 −5 0 0 0 0 6 Il est tr`s simple et utile de travailler avec les matrices diagonales pour e plusieurs raisons: Elles sont triangulaires inf´rieures et sup´rieures ` la fois. e e a Leurs

x3 . 1. Montrer que q est une forme quadratique sur R3 . 2. D´eterminer le rang et la signature de la forme q par la m´ethode de Gauss. Exercice 2 1. D´eterminer les valeurs propres et vecteurs propres de la matrice   1 0 1 A= 0 1 0  1 0 2 2. En d´eduire une diagonalisation de la matrice A dans une base orthonorm´ee. Exercice 3 Soit E un espace euclidien de dimension n muni du produit scalaire not´e < ·, · > et f un endomorphisme non nul de E qu’on suppose antisym´etrique, c’est-`a-dire tel

caractéristique pA d’une matrice carrée A, et on étudie la diagonalisation des matrices et des endomorphismes. On démontre directement au Chapitre 5 que pA (A) = 0 (théorème de CayleyHamilton) par la méthode des déterminants, on introduit le polynôme minimal qA d’une matrice carrée A, et on démontre le théorème de décomposition de Jordan : toute matrice carrée A dont le polynôme caractéristique est scindé s’écrit de manière unique sous la forme A = D + N, avec D diagonalisable, N nilpotente et DN =

=  −4 −1 0 . 4 8 −2 1. Vérifier que A n’est pas diagonalisable. 2. Déterminer Ker(A − I)2 .  a 0 0 3. Montrer que A est semblable à une matrice de la forme  0 b c  0 0 b  4. Calculer An pour n entier naturel donné. Correction [005653] Exercice 4 *** Soit f qui à P élément de R2n [X] associe f (P) = (X 2 − 1)P − 2nXP. Vérifier que f est un endomorphisme de R2n [X] puis déterminer les valeurs et vecteurs propres de f . f est-il diagonalisable ? Correction [005654] Exercice 5 *** Soit E

Support du cours de Dr. Lara Thomas Polycopié initial élaboré par Prof. Eva Bayer Fluckiger Dr. Philippe Chabloz Septembre 2009 2 Table des matières 1 Systèmes d’équations linéaires et matrices 1.1 Introduction aux systèmes d’équations linéaires . . . . . . . . . . 1.2 Systèmes linéaires et matrices . . . . . . . . . . . . . . . . . . . . 1.3 Elimination Gaussienne . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Algorithme d’élimination de Gauss . . . . . . . . . . . . . 1.3.2 Méthode

82 85 86 . 86 . 88 . 90 . 91 . 94 . 97 . 98 . 99 . 101 29 Espaces vectoriels 30 Applications linéaires 31 Espaces vectoriels de dimension finie 32 Applications linéaires en dimension finie 33 Matrices 34 Calcul matriciel 35 Équations linéaires 36 Déterminants 37 Calculs de déterminants 38 Rang de matrices 39 Projections 40 Réductions des endomorphismes 40.1 Diagonalisation . . . . . . . . . 40.2 Calculs . . . . . . . . . . . . . 40.3 Espaces fonctionnels . . . . . . 40.4 Polynômes caractéristique

ressources et la somme des emplois. L’intérêt principal du TES est de décomposer la consommation intermédiaire du produit. Il permet en effet une description de l’interdépendance entre les branches à l’aide de coefficients technico-économiques (matrice structurelle de l’économie qui est la base de notre sujet). Ce modèle joue un rôle essentiel dans les prévisions économiques permettant ainsi d’étudier les effets directs et indirects, branche par branche, produit par produit, sur les prix et sur

Déterminant d'un endomorphisme 45 2.5 Déterminant d'une matrice carrée 46 III Table des matières 2.6 2.7 2.8 2.9 Développement par rapport à une rangée 49 2.6.1 2.6.2 49 53 Cofacteurs et mineurs Comatrice Calcul des déterminants 55 2.7.1 2.7.2 2.7.3 2.7.4 2.7.5 55 55 58 59 60 Déterminant d'une matrice triangulaire Manipulation de lignes et de colonnes Cas n = 2, n = 3 Déterminant de Vandermonde Déterminant d’une matrice triangulaire par blocs Orientation d'un espace vectoriel réel

Table des matières 1 Systèmes d'équations linéaires et matrices 1.1 1.2 Introduction aux systèmes d'équations linéaires . . . . . . . . . . . . . . . . . . . . . 1.1.1 1.2.1 1.2.2 1.3 Systèmes linéaires et matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Algorithme d'élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . Méthode de résolution d'un système d'équations linéaires