Matrice diagonalisable

1 re CD – math I – Géométrie analytique GEOMETRIE ANALYTIQUE Table des matières A) Systèmes linéaires ………………..…..……………………….. page 2 1) Définitions ……………...……………………………….…. page 2 2) Résolution d’un système linéaire par substitution …….…... page 2 3) Règle de Cramer …………………….…………….………. page 5 B) Géométrie analytique dans le plan (rappels)………………… page 9 1) Repères du plan ………………..………………………….. page 9 2) Calcul vectoriel dans un repère du plan …………………… page 9 3) Equations

dans laquelle on le calcule. Proposition 5 : On a : i/ det (IdE ) = 1: ii/ 8u; v 2 End (E) : det (u v) = det u: det v: iii/ 8u 2 End (E) : u inversible ssi det u 6= 0, et dans ce cas : det u 1 = (det u) 1 Preuve : II-2 Déterminant 0 d’une matrice carrée 1 a11 a12 ::: a1n B : C B C C 2 Mn (K), les colonnes de A représentent des B Soit A = (aij ) = B : C @ : A an1 an2 : ::: ann vecteurs c1 ; c2 ; :::; cn de Kn repérés relativement à sa base canonique Bc = (e1 ; e2 ; :::; en ) ;

................................................................ 4 Définition d’un système de Cramer ........................................................................................................... 4 Résolution par l’inversion de la matrice du système ................................................................................. 5 Résolution par la méthode de Cramer ........................................................................................................ 6 II-2 Résolution

10. ALGÈBRE LINÉAIRE : MATRICES COURS MPSI R. FERREOL 11/12 B) MATRICES E,F et G désignent toujours des K-espaces vectoriels. RAPPELS : une matrice A à n lignes et p colonnes (ou de format (n, p)) à coefficients dans K est une application de [|1, n|] × [|1, p|] dans K ; pour (i, j) ∈ [|1, n|] × [|1, p|] , A (i, j) est souvent noté de façon indicielle aij , de sorte que A est notée (aij )1 i n ; 1 j p j     a11 a12 a1p a1j  a21 a22   a2p  ... = i   on la représente aussi par le tableau

Maths-Info à l’Université du Havre Gisella Croce 2 Table des matières 1 Systèmes différentiels linéaires 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Etude de Y ′ (t) = AY (t) . . . . . . . . . . . . . . . . . . . 1.3 Matrice fondamentale de solutions . . . . . . . . . . . . . 1.4 Etude de Y ′ (t) = AY (t) + B(t) . . . . . . . . . . . . . . . 1.5 Équations différentielles d’ordre p à coefficients constants 1.6 Etude des systèmes linéaires à coefficients variables . . . . 1

multiple de M. Les multiples communs à A et B sont les multiples de M. Théorème. Si A et B sont unitaires, MD = AB. http ://www.maths-france.fr 1 c Jean-Louis Rouget, 2007. Tous droits réservés. 2 RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES. 5) Polynômes irreductibles. Décomposition en produit de facteurs irréductibles Définition. Un polynôme P de degré au moins 1 est irréductible sur K = R ou K = C si et seulement si il n’existe pas un diviseur Q de P tel que 1 < degQ < degP

Equiv (valeur_cherchée ;tableau_recherche ;type)  affiche la position d’un élément dans une matrice Valeur_cherchée : valeur que l’on souhaite rechercher dans la matrice. Tableau_recherche : plage de cellules (matrice) dans laquelle excel doit rechercher la valeur_recherchée Type : -1 ou 0 ou 1 1 = EQUIV retourne la valeur inférieure ou égale la plus proche de valeur_cherchée (tableau_recherche doit être trié par ordre croissant) 0 = EQUIV retourne la valeur exacte correspondant à valeur_recherchée

Déterminer le noyau de f. 4) Quel est le rang de f ? 5) Ecrire la matrice de f dans les bases canoniques de R3 et R4 Exercice 3   On considère l’application linéaire de R3 dans R3 , définie par : f(x, y, z) = (x + y + z, x – y +2z, x - 2y - z) 1) Trouver le noyau de f ? 2) En déduire Im f et rang f 3) f est-elle injective ? surjective ? bijective ? 4) Ecrire la matrice de f dans la base canonique de R3 5) Donner la matrice de f relativement à la base {(1,-1,0),(0,1,0),(0,0,1)} de R3

Algèbre linéaire Sommes-nous dans la matrice ? Aller voir Matrix. Qu’est ce qu’un problème linéaire ? Demandons en premier lieu qu’est ce qu’un problème ? Soient E et S deux ensembles. L’ensemble E est l’ensemble des entrées ( ou des données) et S l’ensemble des sorties. Un problème P est un élément du sous-ensemble Ensuite, quand ce problème est-il linéaire ? Quand il existe une relation linéaire entre les entrées et le sorties. Illustration : la linéarisation d’un problème

l’utilisateur est de permettre les opérations arithmétiques sur les vecteurs et matrices, comme en mathématique. En calcul scientifique, on parle de calcul vectoriel. Un élément fondamental de l’apprentissage de MATLAB consiste donc à savoir effectuer des opérations matricielles de façon compacte, sans programmer de boucles sur les indices. Commençons par étudier différentes opérations pour assembler des vecteurs et des matrices. 1) Entrer le vecteur v ∈ R8 suivant v = [1,2,3,4,5,6,7,8]T (1) sous