[PDF] un endomorphisme 1) Matrice d;un vecteur dans une base a) Soient
est une base de KnX- 2) Endomorphisme de Kn canoniquement associé < une matrice a) Exemple : Les endomorphismes de K Soit u K
[PDF] I Représentation dun application linéaire par une ma- trice
I 1 Application linéaire canoniquement associée à une matrice si u est un endomorphisme de E donc E = F on prend en général la même base de
[PDF] Matrices dapplications linéaires
c'est la matrice de l'endomorphisme f dans la base B : matBB (f) = Application linéaire canoniquement associée à une matrice
[PDF] REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES
On note ? l'application linéaire canoniquement associée à la matrice Exemple L'endomorphisme ? de 3[X] dont la matrice dans la base canonique de 3[X]
[PDF] Applications linéaires - CEREMADE Dauphine
Lorsque p = n on dit que f est un endomorphisme de Kn On note L(Kn) les applications linéaires f g et h canoniquement associées aux matrices
[PDF] Représentation matricielle des applications linéaires - Lycée dAdultes
18 août 2017 · 1 1 Matrice dans les bases canoniquement associées à A 2 2 4 Matrices semblables et trace d'un endomorphisme
[PDF] Matrices et applications linéaires - CPGE Brizeux
3 Que dire de l'application linéaire canoniquement associée à une matrice carrée? 4 Que dire de l'endomorphisme associé à In ?
[PDF] Matrices et applications linéaires - ptsi-deodat
et f l'endomorphisme de R3 canoniquement associé à A (Q 1) Déterminer une base et calculer la dimension de F = ker(f ? id) et de G = ker(f ? 4id)
[PDF] 1 Applications linéaires Morphismes Endomorphismes
Lorsque E = F un morphisme de E dans lui même s'appelle un endomorphisme c'est-à-dire considérer l'application u + v qui à x ? E associe u(x) + v(x)
Représentation matricielle des
applications linéairesTable des matières
1 Matrice d"une application linéaire2
1.1 Matrice dans les bases canoniquement associées àA. . . . . . . . . 2
1.2 Rang d"une application linéaire. Image d"un vecteur. . . . . . . . . 3
1.3 Matrice de la composée et de la réciproque. . . . . . . . . . . . . . 4
1.4 Exemple. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Changements de bases, équivalence et similitude5
2.1 Changement de bases. . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Matrices équivalentes. . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Matrices extraites. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Matrices semblables et trace d"un endomorphisme. . . . . . . . . . 9
3 Diagonalisation des matrices carrées10
3.1 Valeurs propres. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Diagonalisation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
PAUL MILAN1CPGE-L1 -ALGÈBRE
1. MATRICE D"UNE APPLICATION LINÉAIRE
1 Matrice d"une application linéaire
Définition 1 :EetFdeuxK-espaces vectoriels de dimensions resp.petn.B= (e1,...,e
p)une base deE B ?= (e?1,...,e? n)une base deF.Soitf?L(E,F).
On appelle matrice defdansBetB?, la
matrice( n,p)de la famille : f(B) =?u(e1),...,u(e p)?dansB?.Elle est notée : Mat
B,B?(f)
SiE=Fet siB=B?, la matrice est
notée Mat B(f) f(e1)f(ej)f(ep) ()))))))a11...a1j...a1p←e?1
a i1... aij...aip←e?i a n1... anj...anp←e?n coordonnées def(ej)dansB? Remarque :SiEestunK-espacevectorieldedimensionnalors: MatB(IdE) =InExemples :
fl"endomorphisme deR2[X]de matrice((
1 0 2 3 1 40 4 5))
dans la base canonique.On a :f(1) =3X+1 ,f(X) =4X2+X,f(X2) =5X2+4X+2
SoitR2de base canoniqueB= (?ı,??).
r:R2-→R2la rotation d"angleθ. r(?ı) =cosθ?ı+sinθ?? r(??) =-sinθ?ı+cosθ??donc MatB,B(r) =?cosθ-sinθ
sinθcosθ? r(?ı) ??r(??)1.1 Matrice dans les bases canoniquement associées àA
Théorème 1 :SoitA?Mn,p(K).
Si on note?l"application canoniquement associée àAetBpetBn, les bases cano- niques respectives deKpetKn, alors :A=MatBp,Bn(?)Exemple :
Soit?l"application linéaire canoniquement associée à la matrice(( 1 0 1 1 -1 1))PAUL MILAN2CPGE L1 -ALGÈBRE
1. MATRICE D"UNE APPLICATION LINÉAIRE
Soit les basesB1=((0,1),(1,0))etB2=((1,1,1),(1,1,0),(1,0,0)).Déterminer Mat
B1,B2(?)
On détermine les images de(0,1)et(1,0)dans la base canonique deR3: ((0,1))=(( 1 0 1 1 -1 1)) ?01? 0 1 1)) et?((1,0))=(( 1 0 1 1 -1 1)) ?10? 1 1 -1))On exprime ces deux vecteurs dans la baseB2:
(0,1,1) =e 1? ???(1,1,1)-e3????(1,0,0)donc(0,1,1)B2-→(1,0,-1)
(1,1,-1) =-e 1? ???(1,1,1)+2eOn obtient alors : MatB1,B2(?) =((
1-1 0 2 -1 0))1.2 Rang d"une application linéaire. Image d"un vecteur
Théorème 2 :SoientEetFdeuxK-espaces vectoriels de dim. finies de bases respectivesBetB?. Sif?L(E,F)alors : rg(f) =rg(MatB,B?(f))Démonstration :
Théorème 3 :SoientEetFdeuxK-espaces vectoriels de dim. finies de bases respectivesBetB?,f?L(E,F)etx?E.On a alors : Mat
B?(f(x)) =MatB,B?(f)×MatB(x)
Démonstration :Application de la linéarité def. SoitB= (e1,...,ep)une baseEetB?= (e?1,...,e?n)une baseF.SoitX=MatB(x)les coordonnées dexdansB.
SoitA= (aij)la matrice defdans les basesBetB?:A=MatB,B?(f) f(x) =f? p j=1x jej? linéarité=p j=1x jf(ej) =p j=1x jn∑ i=1a ije?i=p j=1n∑ i=1x jaije?i=n∑ i=1? p j=1x jaij? e ?iLes coordonnées def(x)dansB?sont?
p j=1x ja1j,...,p j=1x janj?C"est à dire Mat
B,B?(f)×MatB(x)
PAUL MILAN3CPGE L1 -ALGÈBRE
1. MATRICE D"UNE APPLICATION LINÉAIRE
Exemple :Déterminer le noyau et l"image en même temps par opérations sur les colonnes. Soit l"endomorphismefde matrice dans la base canonique : A=(( 3 3 6 0 1 20 2 4))
33 60 1 2
0 2 4))
(1 0 00 1 00 0 1)) 3 0 0 0 120 2 4))C2←C2-C1
C3←C3-2C1
(1-1-2 0 1 00 0 1))
3 00 0 100 20))C3←C3-2C2
(1-10 0 1-2 0 01 On a alors : Imf=Vect((3,0,0),(0,1,2))et Kerf=Vect((0,-2, 1)) ?SiE3=R2[X], on a Imf=Vect(3 , 2X2+X)et Kerf=Vect(X2-2X))1.3 Matrice de la composée et de la réciproque
Théorème 4 :SoitE,FetGtroisK-espaces vectoriels de dimensions respec- tivesp,netmet de bases respectivesB,B?etB??. Soitf?L(E,F)etg?L(F,G) MatB,B??(g◦f) =MatB?,B??(g)×MatB,B?(f) fisomorphisme deL(E,F)?MatB,B?(f-1) =[MatB,B?(f)]-1Théorème 5 :Matrice de Vandermonde
La matriceA=(((((((1x1x21...xn-11
1x2x22...xn-12
1xnx2n...xn-1n)))))))
est inversible si, et seulement si, les scalairesx1, ...,xnsont distincts.Démonstration :Par double implications :
Si deux des scalairesx1,...,xnsont égaux alors la matrice de VandermondeA possède deux lignes identiques et donc n"est pas inversible. Réciproquement, supposonsx1, ...,xndistincts et notons l"application linéaire : ?:?K n-1[X]-→KnP?-→(P(x1),...,P(xn))
PAUL MILAN4CPGE L1 -ALGÈBRE
2. CHANGEMENTS DE BASES, ÉQUIVALENCE ET SIMILITUDE
P(x1) =···=P(xn) =0?Ppossèdenracines distinctes etd◦P?(n-1) ?P=0 ?est donc injective et comme dimKn-1[X] =dimKn=n,?est bijective donc ?est un isomorphisme deKn-1[X]surKn. La matrice de?dans les bases canoniques respectives deKn-1[X]etKnest alors la matrice de Vandermonde qui est donc inversible.1.4 Exemple
SoitEunK-espace vectoriel de dimension 3.
Soitf?L(E)telle quef2=0L(E)etf?=0L(E)
Montrer qu"il existe une baseBdeEtelle que : MatB(f) =(( 0 0 1 0 0 00 0 0))
Analyse de la matrice:
D"après la matrice que l"on doit obtenir, si l"on appelleB= (e1,e2,e3)la base deEconsidérée. On doit avoirf(e1) =f(e2) =0 etf(e3) =e1.Synthèse:
f2=0L(E)?f(Imf) ={0}?Imf?Kerf?rg(f)?dimKerf
D"après le théorème du rang : dimE=rg(f) +dimKerf? dimE?2Kerf?2Kerf?dimE?Kerf?dimE2?dimKerf?32
orf?=0L(E)donc dimKerf<3, on en conclut que dimKerf=2Soite3?E/Kerfet posonsf(e3) =e1.
On af[f(e3)]=0=f(e1)par hypothèse donce1?Kerf.
Complétons pare2tel que(e1,e2)soit une base de Kerf.On obtient alors la matrice voulue.
2 Changements de bases, équivalence et similitude
2.1 Changement de bases
Théorème 6 :SoientE?={0E}unK-espace vectoriel de dimension finie etB,B?etB??trois bases deE.
La matrice de passage de
BàB?est la matrice :PB?B=MatB(B?) =MatB,B?(IdE).PB?Best inversible et?
PB?B ?-1=PBB?PB?BPB??B?=PB??B Pour toutx?Ede coordonnéesXdansBetX?dansB?, on a :X=PB?BX?PAUL MILAN5CPGE L1 -ALGÈBRE
2. CHANGEMENTS DE BASES, ÉQUIVALENCE ET SIMILITUDE
Exemple :
DansR2considérons :
la base canoniqueBc= (?ı,??)
et la baseBθ= (?u,?v)comme indi-
quée sur la figure.θθ ?u ???v sinθcosθ?Ainsi :
?x y? =?cosθ-sinθ sinθcosθ?? x? y =?x?cosθ-y?sinθ x ?sinθ+y?cosθ? det(PBθBc) =cos2θ+sin2θ=1?PBcBθ=?PBθBc?
-1=?cosθsinθ -sinθcosθ?Ainsi :
?x? y =?cosθsinθ -sinθcosθ?? x y? =?xcosθ+ysinθ -xsinθ+ycosθ? Théorème 7 :SoitEetFdeuxK-espaces vectoriels de dimensions finies.B1etB2deux bases deEetB?1etB?2deux bases deF.
On poseP=PB2B1etQ=PB?2
B?1 f?L(E,F), on poseA=MatB1,B?1(f)etA?=MatB2,B?2(f)Alors :A?=Q-1AP
Démonstration :
A ?matrice qui va de(E,B2)dans(F,B?2), on applique doncPpuisApuisQ-1En effet
F,B?1F,B?2
IdE,P IdF,Qf,Af,A?
Remarque :Dans un endomorphisme deL(E)etB1etB2deux base deE: Théorème 8 :Matrice de rangr. SoitEetFdeuxK-espace vectoriel de di- mensions respectivespetnetf?L(E,F)de rangr. Il existe un couple de baseBdeEetB?deFtelles que MatB,B?(f) =?Ir0 0 0?Démonstration :
Peut-ontrouverB= (ei)1?i?petB?= (e?i)1?i?ntellesque MatB,B?(f) =?Ir0 0 0?PAUL MILAN6CPGE L1 -ALGÈBRE
2. CHANGEMENTS DE BASES, ÉQUIVALENCE ET SIMILITUDE
Pour que lesp-rcolonnes de MatB,B?(f)soient nulles, il faut queer+1, ...,ep soient éléments de Kerf. D"après le théorème du rang : rg(Kerf) =p-r, on peut choisirer+1,...,ep famille libre de Kerfet complétere1, ...,erpour former une baseBdeE. Pour que les colonnes de MatB,B?(f)correspondent àIr, il suffit de poser f(ej) =e?jpourj?[[1,r]]puis complétere?r+1, ...,enen une baseB?deF. La famille(ej)1?j?ppar construction engendre un supplémentaireIde Kerf dansEdoncf|Iest un isomorphisme deIsur Imfet donc? f(ej) =e?j? 1?j?r est une famille libre.On a bien trouver un couple de basesBdeEetB?deF.
2.2 Matrices équivalentes
Définition 2 :A,B?Mn,p(K).
On dit queBest équivalente àAs"il existe deux matrices inversiblesP?GLp(K)etQ?GLn(K)telle que :B=Q-1AP.
Si, à partir d"opérations élémentaires surA, on obtient une matriceBalors les matricesAetBsont équivalentes. Deux matricesAetBsont équivalentes si et seulement siAetBreprésentent la même application linéaire dans deux couples de bases. Théorème 9 :Soit la relationRsurMn,p(K)définie par "être équivalente à». La relationRest une relation d"équivalence. Deux matrices deMn,p(K)sont équivalentes si et seulement si elles ont le même rang. Démonstration :Rrelation d"équivalence. SoitA,B,C?Mn,p(K)Réflexivité :A= (In)-1AIpdoncARA
Symétrie :ARB?B=Q-1AP?QBP-1=A?BRA
Transitivité :?ARB
BRC??B=Q-1AP
C=Q?-1BP??C=Q?-1(Q-1AP)P?= (QQ?)-1A(PP?)?ARC
SoitA?Mn,p(K)de rangr. Notons?l"application canoniquement associée àA. D"après le théorème précédant, il existe un couple de basesBdeKnetB?deKp tels que MatB,B?(A) =?Ir0
0 0? =JrdoncAetJrsont équivalentes.Théorème 10 :?A?Mn,p(K): rg(tA) =rg(A)
PAUL MILAN7CPGE L1 -ALGÈBRE
quotesdbs_dbs1.pdfusesText_1[PDF] enep boucle du mouhoun 2017
[PDF] enep centre nord
[PDF] enep sahel
[PDF] energie cinetique 3eme controle
[PDF] énergie cinétique 3ème exercices
[PDF] energie cinetique cours 3eme
[PDF] énergie cinétique et sécurité routière 3ème exercices
[PDF] energie de position def
[PDF] energie de position exemple
[PDF] energie de position potentielle
[PDF] energie de position unité
[PDF] energie libre aimant ventilateur
[PDF] energie mecanique cours 3eme
[PDF] energie mecanique exercices corrigés