[PDF] Les 3 formes dun système linéaire





Previous PDF Next PDF



Rappels sur les applications linéaires

f est bijective ?? Ker f = {0} ?? Im f = E. 5. Matrices associées aux applications linéaires. Soient E et F deux espaces vectoriels de dimension finie n 



IV. Applications linéaires

L'application linéaire f est un isomorphisme si et seulement si Kerf = {0} et Imf = F. Théor`eme. Soit G un sous-espace vectoriel de E. Si G est engendré 



Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et

g(t)dt = 0 donc ?f + µg ? G. Exercice 8 : Soit F un sous-espace vectoriel de E et. N = {f ? L(E) F ? Ker(f)}. Montrer que N est un sous-espace vectoriel 



Chapitre 17 : Applications linéaires

On a donc Imf = Vect22. 1 0. 1 0 32. 0 1. 0 1 33. = kerf Ceci est immédiat car Imf ? kerf (voir exo type suivant). Exercice type 3. Soit E un K ev



Les 3 formes dun système linéaire

Le noyau de f noté par Ker(f )



Applications linéaires

(i) Ker f = Im f. (ii) f2 = 0 et n = 2·rg(f). Indication ?. Correction ?. Vidéo ?. [000943]. Exercice 5. Soient f et g deux endomorphismes de E tels que f 



Exercices de mathématiques - Exo7

Montrer que [Kerf = Kerf2 ? Kerf ?Imf = {0}] et [Imf = Imf2 ? E = Kerf +Imf] (où f2 = f ? f). 2. Par définition un endomorphisme p de E est un 







Notes de cours L1 — MATH120

29 nov. 2004 i) L'application f est injective si et seulement si ker f = {0}. ii) L'application f est surjective si et seulement si im f = E2.





[PDF] Rappels sur les applications linéaires - Université de Rennes

On les équivalences suivantes : f est bijective ?? Ker f = {0} ?? Im f = E 5 Matrices associées aux applications linéaires Soient E et F deux espaces 



[PDF] Noyau et image des applications linéaires

Définition Si f : E ? F est une application linéaire son noyau noté Kerf est l'ensemble des vecteurs de E que f annule : Kerf := {v ? Ef (v)=0}



[PDF] Noyau et image des applications linéaires

Définition Si f : E ? F est une application linéaire son noyau noté Kerf est l'ensemble des vecteurs de E que f annule : Kerf := {v ? Ef (v)=0} Exemple



[PDF] IV Applications linéaires

L'application linéaire f est un isomorphisme si et seulement si Kerf = {0} et Imf = F Théor`eme Soit G un sous-espace vectoriel de E Si G est engendré par u1 



[PDF] Espaces vectoriels et applications linéaires Correction des exercices

Montrer que si P annule f et admet 0 pour racine simple alors Im(f) et Ker(f) sont supplémentaires dans E Correction : Notons P = ? k?1 akXk (on rappelle 



[PDF] 1 Applications linéaires Morphismes Endomorphismes

On appelle noyau de u et on note Ker(u) le sous-espace vectoriel de E constitué des antécédents par u du zéro de F : Ker(u) = {x ? E u(x)=0F } Les deux 



[PDF] Applications linéaires - Mathématiques PTSI

(Q3) D'après le théorème du rang dim(Ker(g ? f) = {0} ce qui prouve que : Ker(g ? f) = {0} (Q4) f est surjective injective et linéaire d'après ci-dessus



[PDF] Applications linéaires - Xiffr

Montrer que l'ensemble des endomorphismes g de E tels que f ? g = 0 est un sous-espace vectoriel de L(E) de dimension dim E × dim Ker f Exercice 87 [ 03771 ] 



[PDF] Applications linéaires - Mathieu Mansuy

noyau de f le sous-espace vectoriel noté Ker(f) de E défini par Ker(f) = f?1({0E}) Ainsi ?x ? E x ? Ker(f) ? f(x)=0F Soit f ? L(EF)



[PDF] Applications linéaires - Exo7 - Exercices de mathématiques

De plus d'après la formule du rang dim Ker f +rg(f) = n mais dim Ker f = dimIm f = rgf ainsi 2rg(f) = n (ii) ? (i) Si f2 = 0 alors Im f ? Ker f car pour y 

:

Les 3 formes d"un système linéaire

1. d"un système d"équations

2 . de produit matricielA~x=~b, ou bien, en représentantApar ses colonnes ~v1~vm)0 B @x 1... x m1 C A=0 B @b 1... b n1 C A:

3. de combinaison linéaire :

x

1~v1+x2~v2++xm~vm=~b:

Interprétation du point 2

: Etant donner une matrice A, on considère l"application linéairef:0 B @x 1... x m1 C A7!A0 B @x 1... x m1 C

A:Résoudre le

systèmeA~x=~brevient à déterminer les antécédents de~bparf. §5.2 Image et noyau d"une application linéaire. DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme 0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x:Le noyaude f, noté parKer(f), est l"ensemble des antécédents du vecteur ~0:

Ker(f) =f~xjf(~x) =~0g=f~xjA~x=~0g

=l"ensemble solutions du systèmeA~x=~0:

Exemple.Soitfx

y =x+y. Quel est le noyau def? Et pour f x y =1 1 2 2 x y §5.2 Image et noyau d"une application linéaire. DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme 0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x:Le noyaude f, noté parKer(f), est l"ensemble des antécédents du vecteur ~0:

Ker(f) =f~xjf(~x) =~0g=f~xjA~x=~0g

=l"ensemble solutions du systèmeA~x=~0:

Exemple.Soitfx

y =x+y. Quel est le noyau def? Et pour f x y =1 1 2 2 x y

Base de Ker(f)

Théorème.Pour toute application linéairef:Rm!Rn,Ker(f) est un sous espace vectoriel deRm.

Preuve. Il faut vérifier que pour tout

~u;~v2Ker(f)et tout2R, u+~v2Ker(f)et~u2Ker(f). Ou bienf(~u) =~0=f(~v)implique f(~u+~v) =~0etf(~u) =~0.On cherche à trouver une base pour Ker(f). Dans l"exemple ci-dessus :Ker(f) =fx y jx+y=0g=fy y jy2Rg= fy1 1 jy2Rg=h1 1 i. Donc une base est1 1 .Exercice.SiKer(f)est de la formef0 @2a b+a ba1 A ja;b2Rg.

Déterminer une base.

Base de Ker(f)

Théorème.Pour toute application linéairef:Rm!Rn,Ker(f) est un sous espace vectoriel deRm.

Preuve. Il faut vérifier que pour tout

~u;~v2Ker(f)et tout2R, u+~v2Ker(f)et~u2Ker(f). Ou bienf(~u) =~0=f(~v)implique f(~u+~v) =~0etf(~u) =~0.On cherche à trouver une base pour Ker(f). Dans l"exemple ci-dessus :Ker(f) =fx y jx+y=0g=fy y jy2Rg= fy1 1 jy2Rg=h1 1 i. Donc une base est1 1 .Exercice.SiKer(f)est de la formef0 @2a b+a ba1 A ja;b2Rg.

Déterminer une base.

Base de Ker(f)

Théorème.Pour toute application linéairef:Rm!Rn,Ker(f) est un sous espace vectoriel deRm.

Preuve. Il faut vérifier que pour tout

~u;~v2Ker(f)et tout2R, u+~v2Ker(f)et~u2Ker(f). Ou bienf(~u) =~0=f(~v)implique f(~u+~v) =~0etf(~u) =~0.On cherche à trouver une base pour Ker(f). Dans l"exemple ci-dessus :Ker(f) =fx y jx+y=0g=fy y jy2Rg= fy1 1 jy2Rg=h1 1 i. Donc une base est1 1 .Exercice.SiKer(f)est de la formef0 @2a b+a ba1 A ja;b2Rg.

Déterminer une base.

Image DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme x=0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x=f(~x):L"imagede f, noté parIm(f), est l"ensemble Im(f) =ff(~x)j~x2RmgThéorème.Pour toute application linéairef:Rm!Rn,Im(f)est un sous espace vectoriel deRn, et estIm(f) =h~u1;;~umi, où~uj est la j-ième colonne deA.Preuve. CarIm(f) =hf(~e1);;f(~em)ietf(~ej) =~uj, j=1;m.Comment trouver une base deIm(f)? On échelonneAenbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Image DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme x=0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x=f(~x):L"imagede f, noté parIm(f), est l"ensemble Im(f) =ff(~x)j~x2RmgThéorème.Pour toute application linéairef:Rm!Rn,Im(f)est un sous espace vectoriel deRn, et estIm(f) =h~u1;;~umi, où~uj est la j-ième colonne deA.Preuve. CarIm(f) =hf(~e1);;f(~em)ietf(~ej) =~uj, j=1;m.Comment trouver une base deIm(f)? On échelonneAenbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Image DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme x=0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x=f(~x):L"imagede f, noté parIm(f), est l"ensemble Im(f) =ff(~x)j~x2RmgThéorème.Pour toute application linéairef:Rm!Rn,Im(f)est un sous espace vectoriel deRn, et estIm(f) =h~u1;;~umi, où~uj est la j-ième colonne deA.Preuve. CarIm(f) =hf(~e1);;f(~em)ietf(~ej) =~uj, j=1;m.Comment trouver une base deIm(f)? On échelonneAenbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Image DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme x=0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x=f(~x):L"imagede f, noté parIm(f), est l"ensemble Im(f) =ff(~x)j~x2RmgThéorème.Pour toute application linéairef:Rm!Rn,Im(f)est un sous espace vectoriel deRn, et estIm(f) =h~u1;;~umi, où~uj est la j-ième colonne deA.Preuve. CarIm(f) =hf(~e1);;f(~em)ietf(~ej) =~uj, j=1;m.Comment trouver une base deIm(f)? On échelonneAenbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Image DéfinitionSoitf:Rm!Rnd"une application linéaire, de la forme x=0 B @x 1... x m1 C A7!0 B @a

11a1m......

a n1anm1 C A0 B @x 1... x m1 C A=A~x=f(~x):L"imagede f, noté parIm(f), est l"ensemble Im(f) =ff(~x)j~x2RmgThéorème.Pour toute application linéairef:Rm!Rn,Im(f)est un sous espace vectoriel deRn, et estIm(f) =h~u1;;~umi, où~uj est la j-ième colonne deA.Preuve. CarIm(f) =hf(~e1);;f(~em)ietf(~ej) =~uj, j=1;m.Comment trouver une base deIm(f)? On échelonneAenbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Exemple

Comment trouver une base deIm(f)? On échelonneAonbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Exemple.Soitfx

y =1 1 2 2 x y . DéterminerIm(f)ainsi qu"une base.Solution.Im(f) =h1 2 ;1 2 i, une base esth1 2 i. Donc on a aussiIm(f) =h1 2 i.

Exemple

Comment trouver une base deIm(f)? On échelonneAonbA, on repère les colonnes pivotales, alors les colonnes correspondantes de

Aforment une base deIm(f).

Exemple.Soitfx

y =1 1 2 2 x y . DéterminerIm(f)ainsi qu"une base.Solution.Im(f) =h1 2 ;1 2 i, une base esth1 2 i. Donc on a aussiIm(f) =h1 2 i.

§5.3 Matrice et Rang def

Pourf:x

y 7!0 @x 3xy x+2y1 A =Ax y , avecA=0 @1 0 31
1 21 A

On dit aussi queAest la matrice defdans la base canonique.On appelle lerang de f, l"entier suivant (les définitions donnent le

même résultat)

1. Le rang de la matriceA(ou bien le nombre de pivots)

2. La dimension deIm(f)

3. Le nombre de vecteurs dans une base deIm(f).Théorème du rangSoitf:Rn!Rmlinéaire. Alors

dim(Ker(f)) +dim(Im(f)) =n=le nombre de col. de A: Preuve.dim(Ker(f)) =le nombre de colonnes NON pivotales dim(Im(f)) =le nombre de colonnes pivotales.

§5.3 Matrice et Rang def

quotesdbs_dbs19.pdfusesText_25
[PDF] tableau d'amortissement linéaire emprunt

[PDF] amortissement linéaire avec valeur résiduelle

[PDF] plan d'amortissement dégressif

[PDF] amortissement linéaire prorata temporis

[PDF] cadastre paris

[PDF] plan de maison duplex en afrique

[PDF] comprendre les plans de coupe d un batiment

[PDF] scratch mettre nombre a reponse

[PDF] plan cadastral gratuit

[PDF] plan maladie chronique 2016

[PDF] bus ales st ambroix

[PDF] horaire bus ales

[PDF] guide scratch

[PDF] bus ales saint julien les rosiers

[PDF] gare routiere ales horaire