1.2.3 Exercices (Matrices, Exemples) : 1.2. Pourquoi Et Comment ? Chapitre 1. Systèmes Linéaires
1.2.3 Exercices (Matrices, Exemples) : 1.2. Pourquoi Et Comment ? Chapitre 1. Systèmes Linéaires
1.2.3 Exercices (Matrices, Exemples) : 1.2. Pourquoi Et Comment ? Chapitre 1. Systèmes Linéaires
SYSTÈMES LINÉAIRES
p = dim(Ker(A)) + dim(Im(A)).
3. On suppose ici que n = p. Montrer que l’application x 7→ Ax (de IR n dans IR n ) est injective si et seulement
si elle est surjective.
Exercice 2 (rang(A)=rang(At)). Corrigé en page 22
Soit A ∈ Mn,p (IR) (n, p ≥ 1).
1. Soient P une matrice inversible de Mn (IR) et Q une matrice inversible de Mp (IR).
Montrer que dim(Im(P A)) = dim(Im(AQ)) = dim(Im(A)).
Montrer aussi que les matrices P t et Qt sont inversibles.
Soit f1 , . . . , fr une base de Im(A) (donc r ≤ p) et, pour i ∈ {1, . . . , r}, ai tel que Aai = fi . Soit ar+1 , . . . , ap
une base de Ker(A) (si Ker(A) 6= {0}). La famille a1 , . . . , an est une base de IR p (voir l’exercice 1). De même,
on complète (si r < n) f1 , . . . , fr par fr+1 , . . . , fn de manière à avoir une base f1 , . . . , fn de IR n .
Enfin, on note P et Q les matrices telles que P ei = ai (pour tout i = 1, . . . , p) et Qfj = ēj (pour tout j = 1, . . . , n)
ou e1 , . . . , ep est la base canonique de IR p et ē1 , . . . , ēn est la base canonique de IR n . On pose J = QAP .
2. Montrer que P et Q sont inversibles.
3. calculer les colonnes de J et de J t et en déduire que les matrices J et J t sont de même rang.
4. Montrer que A et At sont de même rang.
5. On suppose maintenant que n = p. Montrer que les vecteurs colonnes de A sont liés si et seulement si les
vecteurs lignes de A sont liés.
Exercice 3 (Décomposition de Rn à partir d’une matrice).
Soit n ≥ 1 et A ∈ Mn (IR).
1. On suppose que la matrice A est diagonalisable. Montrer que IR n = Ker(A) ⊕ Im(A).
2. Donner un exemple pour lequel IR n 6= Ker(A) ⊕ Im(A) (on pourra se limiter au cas n = 2).
Exercice 4 (Vrai ou faux ? Motiver les réponses. . . ). Corrigé en page 22
On suppose dans toutes les questions suivantes que n ≥ 2.
1. Soit Z ∈ IR n un vecteur non nul. La matrice ZZ t est inversible.
2. La matrice inverse d’une matrice triangulaire inférieure est triangulaire supérieure.
3. Les valeurs propres sont les racines du polynôme caractéristique.
4. Toute matrice inversible est diagonalisable dans IR.
5. Toute matrice inversible est diagonalisable dans Cl.
6. Le déterminant d’une matrice A est égal au produit de ses valeurs propres (comptées avec leur multiplicité
et éventuellement complexes).
7. Soit A une matrice carrée telle que Ax = 0 =⇒ x = 0, alors A est inversible.
1. Calculer la solution exacte u(x) du problèmes lorsque f est la fonction identiquement égale à 1 (on admettra
que cette solution est unique), et vérifier que u(x) ≥ 0 pour tout x ∈ [0, 1].
1
On discrétise le problème suivant par différences finies, avec un pas h = 4 avec la technique vue en cours.
4 2
2. On suppose que u est de classe C (et donc f est de calsse C ). A l’aide de dévloppements de Taylor,
écrire l’approximation de u′′ (xi ) au deuxième ordre en fonction de u(xi ), u(xi−1 ) et u(xi+1 ). En déduire
le schéma aux différences finies pour l’approximation de (1.15), qu’on écrira sous la forme :
K3 u = b, (1.16)
u1 b1 f (x1 )
où K3 est la matrice de discrétisation qu’on explicitera, u = u2 et b = b2 = f (x2 ) .
u3 b3 f (x3 )
3. Résoudre le système linéaire (1.16) par la méthode de Gauss. Lorsque f est la fonction identiquement égale
à 1, comparer ui et u(xi ) pour i = 1, 2, 3, et expliquer pourquoi l’erreur de discrétisation u(xi ) − ui est
nulle.
4. Reprendre les questions précédentes en remplaçant les conditions limites (1.15b) par :