Matrice identité

l’indice répété, etc. . .). Au Chapitre 4 on introduit le polynôme caractéristique pA d’une matrice carrée A, et on étudie la diagonalisation des matrices et des endomorphismes. On démontre directement au Chapitre 5 que pA (A) = 0 (théorème de CayleyHamilton) par la méthode des déterminants, on introduit le polynôme minimal qA d’une matrice carrée A, et on démontre le théorème de décomposition de Jordan : toute matrice carrée A dont le polynôme caractéristique est scindé s’écrit de manière unique sous la

opération de symétrie Ô par rapport à un élément O, on dit qu’elle admet cet élément O comme élément de symétrie. Dans 86 la suite, pour ne pas alourdir l’écriture, on utilisera le même symbole pour désigner l’élément et l’opération. L’opération identité, en général notée E correspond à la transformation de chaque point en luimême. 1.2. Eléments de symétrie des molécules Ils sont de quatre types. (i) Axe de symétrie d’ordre n (symbole Cn). Il définit une opération de rotation de 2π/n autour de

créé la matrice A à l'aide de la commande : « A=[1 5 9 13 ; 2 610 14 ; 3 7 11 15 ; 4 8 12 16] » En utilisant : « B(:,[1 3 4])=A(:,2:4) » , on obtient une nouvelle matrice B en utilisant la matrice A. La colonne 2 de A devient la colonne 1 de B, la colonne 3 de A devient la colonne 3 de B et la colonne 4 de A devient la colonne 4 de B. La formule ne fourni aucunes précision sur la 2e colonne de B, celle-ci se remplit donc de zéros par défaut. - On peut supprimer une colonne de la matrice A (ici

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 . . . . . . . . . . . . . . . . . . . . . . .

site pour les installer sur le vôtre. MATRICES PLAN I : Matrice associée à une application linéaire 1) Définition 2) Somme de matrices 3) Produit par un scalaire 4) Produit de matrices 5) Rang d'une matrice II : Anneau des matrices carrées 1) Définition 2) Matrice identité 3) Matrices particulières Matrices scalaires Matrices diagonales Matrices triangulaires Matrices nilpotentes Matrices inversibles III : Transposition 1) Définition 2) Propriétés 3) Matrices symétriques et antisymétriques IV : Changement

tableau 1 x 1, et pour définir une matrice 1 2 3 4 et la stocker dans une variable a, on écrit a= [1 2 3 4] et les opérations de l’addition, la soustraction, la multiplication et la puissance sont des opérations matricielles usuelles, aussi il existe un certain nombre de matrices prédéfinies sous Matlab. Les plus courantes sont, la matrice identité, la matrice m x n dont tous les éléments valent 1, la matrice m x n dont tous les éléments valent 0, et la matrice m x n dont les éléments sont aléatoire

Problème : matrices «toutes-puissantes» Notations et objectifs Dans tout le texte, K désigne le corps R ou C et p un entier naturel non nul. On note Mp (K) le K-espace vectoriel des matrices carrées de taille p à coefficients dans K et Ip la matrice unité de Mp (K). On pourra confondre M1 (K) et K. Une matrice N de Mp (K) est dite nilpotente s’il existe un entier naturel r tel que N r = 0. Si M1 , . . . , Mk sont des matrices carrées, la matrice diag(M1 , . . . , Mk ) désigne la matrice diagonale par

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

utilis´s e Alg`bre lin´aire les donn´es sont vues de mani`re abstraite comme un nuage de e e e e points dans un espace vectoriel ; les notions suivantes doivent ˆtre bien comprises e – vecteurs : produits scalaires, d´composition selon une base e – matrices : addition, multiplication, transpos´e, trace e – valeurs et vecteurs propres : d´finition, propri´t´s e ee – m´triques : d´finitions des distances dans un espace vectoriel par une norme, lien e e avec le produit scalaire Attention : les ´tudiants

propriétés suivantes : 1. ker f = Im f , 2. f 2 = 0 , n pair et rg f = n2 . 1 Exercice 7 Soit E un K-espace vectoriel de dimension nie n, où K est R ou C. Soit f un endomorphisme de E vériant (f − 2Id) ◦ (f − 3Id) = O, où Id est l'application identité de E et O est l'endomorphisme nul de E . 1. Montrer que Im (f − 3Id) ⊂ ker(f − 2Id) et Im (f − 2Id) ⊂ ker(f − 3Id). 2. Montrer que ker(f − 3Id) ∩ ker(f − 2Id) = {0E }. 3. Montrer que dim Im (f − 3Id) + dim Im (f − 2Id) ≤ n. 4. Montrer que E =