[PDF] pdf Matrices et applications linéaires - Exo7 : Cours et

[PDF] Matrice et application linéaire - Exo7 - Cours de mathématiques

Nous allons voir que dans le cas des espaces vectoriels de dimension finie, l' étude des applications linéaires se ramène à l'étude des matrices, ce qui facilite les 

[PDF] Diagonalisation - Exo7 - Cours de mathématiques

Nous reprenons pas à pas les notions du chapitre « Valeurs propres, vecteurs propres », mais du point de vue plus théorique des applications linéaires Notations

[PDF] QCM DE MATHÉMATIQUES - LILLE - PARTIE 2 - Exo7

5 Applications linéaires et matrices 48 5 1 Matrice d'une application linéaire Niveau 1 48 5 2 Matrice d'une application linéaire Niveau  

[PDF] Algèbre linéaire - Exo7 - Exercices de mathématiques

Révisions – Algèbre linéaire Exercice 1 1 Résoudre de Calculer une base de l'image et une base du noyau de l'application linéaire f : R 3 −→ R5 (x,y,z) 

[PDF] Applications linéaires, matrices, déterminants - Licence de

Question de cours Soit une application linéaire de vers Montrer que : est injective si et seulement si ker( ) = {0 } Allez à : Correction 

[PDF] Applications linéaires - Mathovore

Exo7 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications fi suivantes (de Ei dans Fi) sont linéaires : f1 : (x,y) ∈ R2 ↦→ (2x+y, x−y) ∈ R2, Ce qui est un résultat du cours pour les applications ayant l' espace de 

[PDF] Exercices de mathématiques Table des matières

teur de l'exercice, est le même que sur le site exo7 et c'est aussi le numéro utilisé dans le cours ; c'est un absolu et il ne devrait pas changer à l'avenir Si Soit E un espace vectoriel de dimension n et f une application linéaire de E

[PDF] Exercices de mathématiques Table des matières

teur de l'exercice, est le même que sur le site exo7 et c'est aussi le numéro utilisé dans le cours ; c'est un absolu et il ne devrait pas changer à l'avenir Si Soit E un espace vectoriel de dimension n et f une application linéaire de E

[PDF] Cours dAlgèbre I et II avec Exercices CorrigésOM DE VOTRE - USTO

Notion de Matrice Associée à une Application Linéaire et Calcul Algébrique sur les Matrices avec Exercices Corrigés 57 1 Espace vectoriel des matrices 57

[PDF] Cours dalgèbre linéaire, 2 ème année duniversité - Institut de

1 Réduction des endomorphismes 5 I Représentation matricielle d'un vecteur et d'une application linéaire 5 II Déterminant et trace d'un endomorphisme

pdf Matrices et applications linéaires - Exo7 : Cours et

Matrice d'une application linéaire Vidéo — partie 4 Changement de bases Fiche d'exercices ? Matrice d'une application linéaire Ce chapitre est l’aboutissement de toutes les notions d’algèbre linéaire vues jusqu’ici : espaces vectoriels dimension applications linéaires matrices

Exo7 - Cours de mathématiques

Commençons par dé?nir les valeurs et les vecteurs propres d’une application linéaire Il est important d’avoir d’abord compris le chapitre « Valeurs propres vecteurs propres » des matrices 1 1 Dé?nitions Rappel f: E

Exo7 - Cours de mathématiques

La seconde partie est entièrement consacrée à l’algèbre linéaire C’est un domaine totalement nouveau pour vous et très riche qui recouvre la notion de matrice et d’espace vectoriel Ces concepts à la fois profonds et utiles demandent du temps et du travail pour être bien compris

Searches related to application linéaire cours exo7

l’application f : E 1 E 2

[PDF] application linéaire définition

[PDF] application linéaire exercices corrigés

[PDF] application matrice inversible + corrigé

[PDF] application piano numérique

[PDF] application sportcash pour android

[PDF] application working holiday visa australia

[PDF] application zimbra mail

[PDF] applications linéaires exercices corrigés

[PDF] apply for itec scaap course

[PDF] apport de la civilisation greco-romaine ? l'humanité

[PDF] apport du controle de gestion dans la performance de l'entreprise

[PDF] apposition mention de divorce sur acte de naissance

[PDF] appréciation bulletin classe

[PDF] appréciation bulletin maternelle

[PDF] appréciation bulletin prof principal

Matrices et

Ce chapitre est l"aboutissement de toutes les notions d"algèbre linéaire vues jusqu"ici : espaces vectoriels, dimension,applications linéaires, matrices. Nous allons voir que dans le cas des espaces vectoriels de dimension finie, l"étude des

applications linéaires se ramène à l"étude des matrices, ce qui facilite les calculs.

1. Rang d"une famille de vecteurs

Le rang d"une famille de vecteurs est la dimension du plus petit sous-espace vectoriel contenant tous ces vecteurs.

1.1. Définition

SoientEunK-espace vectoriel etfv1,...,vpgune famille finie de vecteurs deE. Le sous-espace vectorielVect(v1,...,vp)

engendré parfv1,...,vpgétant de dimension finie, on peut donc donner la définition suivante :Définition 1(Rang d"une famille finie de vecteurs).

SoitEunK-espace vectoriel et soitfv1,...,vpgune famille finie de vecteurs deE. Lerangde la famillefv1,...,vpg

est la dimension du sous-espace vectoriel Vect(v1,...,vp)engendré par les vecteursv1,...,vp. Autrement dit :rg(v1,...,vp) =dimVect(v1,...,vp)

Calculer le rang d"une famille de vecteurs n"est pas toujours évident, cependant il y a des inégalités qui découlent

directement de la définition.Proposition 1. Soient E unK-espace vectoriel etfv1,...,vpgune famille de p vecteurs de E. Alors :

1.06rg(v1,...,vp)6p : le rang est inférieur ou égal au nombre d"éléments dans la famille.

2.

SiEest de dimension finie alorsrg(v1,...,vp)6dimE: le rang est inférieur ou égal à la dimension de l"espace

ambiant E.Remarque. Le rang d"une famille vaut 0 si et seulement si tous les vecteurs sont nuls. Le rang d"une famillefv1,...,vpgvautpsi et seulement si la famillefv1,...,vpgest libre.

Exemple 1.

MATRICES ET APPLICATIONS LINÉAIRES1. RANG D"UNE FAMILLE DE VECTEURS2 Quel est le rang de la famillefv1,v2,v3gsuivante dans l"espace vectorielR4? v 1=0 B B@1 0 1 01 C

CAv2=0

B B@0 1 1 11 C

CAv3=0

B B@1 1 0 11 C CA

Ce sont des vecteurs deR4donc rg(v1,v2,v3)64.

Mais comme il n"y a que 3 vecteurs alors rg(v1,v2,v3)63.

Le vecteurv1est non nul donc rg(v1,v2,v3)>1.

Il est clair quev1etv2sont linéairement indépendants donc rg(v1,v2,v3)>rg(v1,v2) =2.Il reste donc à déterminer si le rang vaut2ou3. On cherche si la famillefv1,v2,v3gest libre ou liée en résolvant le

système linéaire1v1+2v2+3v3=0. On trouvev1v2+v3=0. La famille est donc liée. AinsiVect(v1,v2,v3) =

Vect(v1,v2), donc rg(v1,v2,v3) =dimVect(v1,v2,v3) =2.

1.2. Rang d"une matrice

Une matrice peut être vue comme une juxtaposition de vecteurs colonnes.Définition 2. On définit lerangd"une matrice comme étant le rang de ses vecteurs colonnes.Exemple 2.

Le rang de la matrice

A=1 212

0

2 41 0

2M2,4(K)

est par définition le rang de la famille de vecteurs deK2: v 1 =12,v2=24,v3=

€12

1Š ,v4 =00ª. Tous ces vecteurs sont colinéaires àv1, donc le rang de la famillefv1,v2,v3,v4gest 1 et ainsi rgA=1.

Réciproquement, on se donne une famille depvecteursfv1,...,vpgd"un espace vectorielEde dimensionn. Fixons

une baseB=fe1,...,engdeE. Chaque vecteurvjse décompose dans la baseB:vj=a1je1++aijei++anjen, ce que l"on notevj= 0 B B@a 1j ...aij ...anj1 C CA B . En juxtaposant ces vecteurs colonnes, on obtient une matriceA2Mn,p(K). Le rang de la famillefv1,...,vpgest égal au rang de la matriceA.Définition 3.

On dit qu"une matrice estéchelonnéepar rapport aux colonnes si le nombre de zéros commençant une colonne

croît strictement colonne après colonne, jusqu"à ce qu"il ne reste plus que des zéros. Autrement dit, la matrice

transposée est échelonnée par rapport aux lignes.

Voici un exemple d"une matrice échelonnée par colonnes; lesdésignent des coefficients quelconques, les+des

coefficients non nuls :0 B

BBBBB@+0 0 0 0 0

0 0 0 0 0

+0 0 0 0 +0 0 0 0 0 0 +0 01 C

CCCCCA

Le rang d"une matrice échelonnée est très simple à calculer.Proposition 2. Le rang d"une matrice échelonnée par colonnes est égal au nombre de colonnes non nulles.

Par exemple, dans la matrice échelonnée donnée en exemple ci-dessus,4colonnes sur6sont non nulles, donc le rang

de cette matrice est 4.

La preuve de cette proposition consiste à remarquer que les vecteurs colonnes non nuls sont linéairement indépendants,

ce qui au vu de la forme échelonnée de la matrice est facile. MATRICES ET APPLICATIONS LINÉAIRES1. RANG D"UNE FAMILLE DE VECTEURS3

1.3. Opérations conservant le rangProposition 3.Le rang d"une matrice ayant les colonnesC1,C2,...,Cpn"est pas modifié par les trois opérations élémentaires suivantes

sur les vecteurs : 1. C i Ciavec6=0: on peut multiplier une colonne par un scalaire non nul. 2. C i Ci+Cjavec2K(et j6=i) : on peut ajouter à la colonne Ciun multiple d"une autre colonne Cj. 3. C i$Cj: on peut échanger deux colonnes.Plus généralement, l"opérationCi Ci+P i6=jjCjconserve le rang de la matrice.

On a même un résultat plus fort, comme vous le verrez dans la preuve : l"espace vectoriel engendré par les vecteurs

colonnes est conservé par ces opérations. Démonstration.Le premier et troisième point de la proposition sont faciles.

Poursimplifierl"écriture de la démonstration du deuxième point,montrons que l"opérationC1 C1+C2ne change pas

le rang. Notonsvile vecteur correspondant à la colonneCid"une matriceA. L"opération sur les colonnesC1 C1+C2

change la matriceAen une matriceA0dont les vecteurs colonnes sont :v1+v2,v2,v3,...,vp.

Il s"agit de montrer que les sous-espacesF=Vect(v1,v2,...,vp)etG=Vect(v1+v2,v2,v3,...,vp)ont la même

dimension. Nous allons montrer qu"ils sont égaux! Tout générateur deGest une combinaison linéaire desvi, doncGF.

Pour montrer queFG, il suffit de montrerv1est combinaison linéaire des générateurs deG, ce qui s"écrit :

v1= (v1+v2)v2.

Conclusion :F=Get donc dimF=dimG.Méthodologie.Comment calculer le rang d"une matrice ou d"un système de vecteurs?

Il s"agit d"appliquer la méthode de Gauss sur les colonnes de la matriceA(considérée comme une juxtaposition

de vecteurs colonnes). Le principe de la méthode de Gauss affirme que par les opérations élémentairesCi Ci,

Ci Ci+Cj,Ci$Cj, on transforme la matriceAen une matrice échelonnée par rapport aux colonnes. Le rang de

la matrice est alors le nombre de colonnes non nulles.

Remarque : la méthode de Gauss classique concerne les opérations sur les lignes et aboutit à une matrice échelonnée

par rapport aux lignes. Les opérations sur les colonnes deAcorrespondent aux opérations sur les lignes de la matrice

transposéeAT.

1.4. Exemples

Exemple 3.

Quel est le rang de la famille des 5 vecteurs suivants deR4? v 1=0 B B@1 1 1 11 C

CAv2=0

B B@1 2 0 11 C

CAv3=0

B B@3 2 1 31
C

CAv4=0

B B@3 5 0 11 C

CAv5=0

B B@3 8 1 11 C CA On est ramené à calculer le rang de la matrice : 0 B

B@11 3 3 3

1 2 2 5 8

1 01 0 1

1 131 11

C CA En faisant les opérationsC2 C2+C1,C3 C33C1,C4 C43C1,C5 C53C1, on obtient des zéros sur la première ligne à droite du premier pivot :0 B

B@11 3 3 3

1 2 2 5 8

1 01 0 1

1 131 11

C CA0 B

B@1 0 0 0 0

1 31 2 5

1 1432

1 26421

C CA

MATRICES ET APPLICATIONS LINÉAIRES1. RANG D"UNE FAMILLE DE VECTEURS4On échangeC2etC3par l"opérationC2$C3pour avoir le coefficient1en position de pivot et ainsi éviter d"introduire

des fractions.0 B

B@1 0 0 0 0

1 31 2 5

1 1432

1 26421

C CA0 B

B@1 0 0 0 0

11 3 2 5

14 132

16 2421

C CA

En faisant les opérationsC3 C3+3C2,C4 C4+2C2etC5 C5+5C2, on obtient des zéros à droite de ce deuxième

pivot :0 B

B@1 0 0 0 0

11 3 2 5

14 132

16 2421

C CA0 B

B@1 0 0 0 0

11 0 0 0

14111122

161616321

C CA

Enfin, en faisant les opérationsC4 C4C3etC5 C52C3, on obtient une matrice échelonnée par colonnes :0

B

B@1 0 0 0 0

11 0 0 0

14111122

161616321

C CA0 B

B@1 0 0 0 0

11 0 0 0

1411 0 0

1616 0 01

C CA

Il y a 3 colonnes non nulles : on en déduit que le rang de la famille de vecteursfv1,v2,v3,v4,v5gest 3.

En fait, nous avons même démontré que

1111‹

0146‹

001116‹‹

Exemple 4.

Considérons les trois vecteurs suivants dansR5:v1= (1,2,1,2,0),v2= (1,0,1,4,4)etv3= (1,1,1,0,0). Montrons

que la famillefv1,v2,v3gest libre dansR5. Pour cela, calculons le rang de cette famille de vecteurs ou, ce qui revient

au même, celui de la matrice suivante :0 B

BBB@1 1 1

2 0 1 1 1 1 2 4 0

0 4 01

C CCCA. Par des opérations élémentaires sur les colonnes, on obtient : 0 B

BBB@1 1 1

2 0 1 1 1 1 2 4 0

0 4 01

C CCCA0 B

BBB@1 0 0

221
1 0 0 2 22

0 4 01

C CCCA0 B

BBB@1 0 0

211
1 0 0 2 12

0 2 01

C CCCA0 B

BBB@1 0 0

21 0
1 0 0 2 13 0 221 C CCCA

Comme la dernière matrice est échelonnée par colonnes et que ses3colonnes sont non nulles, on en déduit que la

famillefv1,v2,v3gconstituée de 3 vecteurs est de rang 3, et donc qu"elle est libre dansR5.

Exemple 5.

Considérons les quatre vecteurs suivants dansR3:v1= (1,2,3),v2= (2,0,6),v3= (3,2,1)etv4= (1,2,2).

Montrons que la famillefv1,v2,v3,v4gengendreR3. Pour cela, calculons le rang de cette famille de vecteurs ou, ce

qui revient au même, celui de la matrice suivante :0 @1 2 31

2 0 2 2

3 6 1 21

A Par des opérations élémentaires sur les colonnes, on obtient : 0 @1 2 31

2 0 2 2

3 6 1 21

A 0 @1 0 0 0 244 4

3 08 51

A 0 @1 0 0 0

24 0 0

3 08 51

A 0 @1 0 0 0

24 0 0

3 08 01

A

La famillefv1,v2,v3,v4gest donc de rang3. Cela signifie queVect(v1,v2,v3,v4)est un sous-espace vectoriel de

dimension 3 deR3. On a donc Vect(v1,v2,v3,v4) =R3. Autrement dit, la famillefv1,v2,v3,v4gengendreR3. MATRICES ET APPLICATIONS LINÉAIRES1. RANG D"UNE FAMILLE DE VECTEURS5

1.5. Rang et matrice inversible

Nous anticipons sur la suite, pour énoncer un résultat important :Théorème 1(Matrice inversible et rang).

Une matrice carrée de taille n est inversible si et seulement si elle est de rang n.La preuve repose sur plusieurs résultats qui seront vus au fil de ce chapitre.

Démonstration.SoitAune matrice carrée d"ordren. Soitfl"endomorphisme deKndont la matrice dans la base

canonique estA. On a les équivalences suivantes :

Ade rangn()fde rangn

()fsurjective ()fbijective ()Ainversible.

Nous avons utilisé le fait qu"un endomorphisme d"un espace vectoriel de dimension finie est bijectif si et seulement s"il

est surjectif et le théorème sur la caractérisation de la matrice d"un isomorphisme.1.6. Rang engendré par les vecteurs lignes

On a considéré jusqu"ici une matriceA2Mn,p(K)comme une juxtaposition de vecteurs colonnes(v1,...,vp)et défini

rgA=dimVect(v1,...,vp). Considérons maintenant queAest aussi une superposition de vecteurs lignes(w1,...,wn).Proposition 4.

rgA=dimVect(w1,...,wn)

Nous admettrons ce résultat. Autrement dit :l"espace vectoriel engendré par les vecteurs colonnes et l"espace vectoriel

engendré par les vecteurs lignes sont de même dimension.

Une formulation plus théorique est quele rang d"une matrice égale le rang de sa transposée:rgA=rgAT

Attention! Les dimensionsdimVect(v1,...,vp)etdimVect(w1,...,wn)sont égales, mais les espaces vectoriels

Vect(v1,...,vp)et Vect(w1,...,wn)ne sont pas les mêmes.Mini-exercices. 1. Quel est le rang de la famille de vecteurs €€121Š ,€342Š ,€021Š ,€221ŠŠ

Même question pour€€1t1Š

t1tŠ ,€11tŠŠ en fonction du paramètret2R. 2. Mettre sous forme échelonnée par rapport aux colonnes la matrice 0 @1 2421

02 4 2 0

1 121 11

A . Calculer son rang. Idem avec0 B

B@1 7 2 5

2 1 1 5

1 2 1 4

1 4 1 21

C CA. 3.

Calculer le rang de

0 @2 457

1 3 1 2

1a2b1 A en fonction deaetb. 4. Calculer les rangs précédents en utilisant les vecteurs lignes. 5.

Soitf:E!Fune application linéaire. Quelle inégalité relierg(f(v1),...,f(vp))etrg(v1,...,vp)? Que se

passe-t-il sifest injective? MATRICES ET APPLICATIONS LINÉAIRES2. APPLICATIONS LINÉAIRES EN DIMENSION FINIE6

2. Applications linéaires en dimension finieLorsquef:E!Fest une application linéaire et queEest de dimension finie, la théorie de la dimension fournit de

nouvelles propriétés très riches pour l"application linéairef.

2.1. Construction et caractérisation

Une application linéairef:E!F, d"un espace vectoriel de dimension finie dans un espace vectoriel quelconque, est

entièrement déterminée par les images des vecteurs d"une base de l"espace vectorielEde départ. C"est ce qu"affirme le

théorème suivant :Théorème 2(Construction d"une application linéaire).

SoientEetFdeux espaces vectoriels sur un même corpsK. On suppose que l"espace vectorielEest de dimension finien

et que(e1,...,en)est une base deE. Alors pour tout choix(v1,...,vn)denvecteurs deF, il existe une et une seule

application linéaire f:E!F telle que, pour tout i=1,...,n :

f(ei) =vi.Le théorème ne fait aucune hypothèse sur la dimension de l"espace vectoriel d"arrivéeF.

Exemple 6.

Il existe une unique application linéairef:Rn!R[X]telle quef(ei) = (X+1)ipouri=1,...,n(où(e1,...,en)est

la base canonique deRn).quotesdbs_dbs49.pdfusesText_49