Matrice symétrique

(R) l’équation X 2 = A où A =  8 4 0 . 5 0 1 Correction [005652]  Exercice 3 **   3 1 0 Soit A =  −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

CHAPITRE 4 : MATRICES 1. DEFINITION Soit f une application linéaire de Rn dans Rp ; on note (e1, e2, …, en) et (l1, l2, …, lp) les bases respectives de Rn et Rp. La matrice M associée à f relativement aux bases de Rn et Rp est le tableau dont les colonnes sont les coordonnées des vecteurs f(e1), f(e2), …, f(en) dans la base (l1, l2, …, lp) de Rp. 2. NOTATION Apn : est la matrice rectangulaire de p lignes et de n colonnes. aij : est l’élément de la matrice Apn de la ième ligne et de

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

Fiche spé maths MATRICES. I) Définitions : On appelle matrice de dimension m*n un tableau de m lignes et n colonnes de nombres réels. On note ai,j le coefficient situé à l'intersection de la i-éme ligne et de la j-ème colonne. EXEMPLE : La matrice P = La matrice P est d'ordre 2x3, le coefficient a2,3 de la matrice P est a2,3 = 120. 1) cas particuliers. La matrice carrée : même nombre de lignes et même nombre de colonnes. EXEMPLE: La matrice M = La matrice ligne : matrice formée d'une seule

dimension finie : on notera toujours · la norme, indépendamment de l’espace utilisé. Dans l’espace Rn , on note (e1 , . . . , en ) la base canonique et on identifie le plus souvent une application linéaire et sa matrice dans la base canonique. Par ailleurs, on notera AT la transposée d’une matrice A. L’espace Rn est naturellement muni d’un produit scalaire canonique, noté ·, · , et défini pour deux vecteurs x, y ∈ Rn par x, y = xT y. Définition 1 (différentielle). Soient U un ouvert de Rn et a ∈ U . Une

corps commutatif. On appelle matrice à éléments dans K, une famille aij iI , jJ d’éléments de K. I et J sont des ensembles finis. Si I= 1..n et J= 1..m , on peut disposer les éléments de la matrice dans un tableau rectangulaire à n lignes et m colonnes : A=  a11 a12   a 21 a 22    a  n1 a n 2  a1m    a2m      a nm   La matrice écrite possède n lignes et m colonnes ; on dit qu’elle est de type (n, m). L’élément aij de la matrice est situé à la ligne i et la

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

4.1 1.4.2 Trace Blocs 22 27 Déterminants 35 Le groupe symétrique 36 2.1.1 2.1.2 2.1.3 36 36 39 Structure de Sn Transpositions Cycles Applications multilinéaires 41 2.2.1 2.2.2 41 41 Généralités Applications multilinéaires alternées Déterminant d'une famille de n vecteurs dans une base d'un ev de dimension n 2.3.1 2.3.2 Espace n (E) Propriétés 43 43 44 2.4 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

matriciel 1.1 1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.2 Transposée d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.3 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.1 Addition . . . . . . . . . . . . . . . . . . . . . . .

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