Beruflich Dokumente
Kultur Dokumente
—
MPSI Prytanée National Militaire
Pascal Delahaye
6 avril 2018
On appelle matrice n × p à coefficients dans K, une application A : [[1, n]] × [[1, p]] −→ K
(i, j) 7→ aij
que l’on note :
a11 a12 ... a1p
a21 a22 ... a2p
A= . .. ou parfois (aij ) ou encore (Aij )
.. .
an1 ... ... anp
le coefficient aij (ou Aij ) se trouve à l’intersection de la ième ligne et de la jième colonne .
On note Mn,p (K) l’ensemble des matrices n × p à coefficients dans le corps K.
Remarque 1.
1. Pour un indice de ligne i ∈ [[1, n]], on note Li = (ai1 , . . . , aip ) ∈ Kp le iieme vecteur ligne de A.
a1j
..
2. Pour un indice de colonne j ∈ [[1, p]], on note Cj = . ∈ Mn,1 (K) le j ieme vecteur colonne de A.
anj
Remarque 2.
1
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 3. Il est important d’utiliser dans la mesure du possible les conventions suivantes ! !
1. Pour les lignes : on utilisera i comme indice courant et n pour le nombre de lignes
2. Pour les colonnes : on utilisera j comme indice courant et p pour le nombre de colonnes
Un coefficient sera noté aij , le premier indice étant l’indice de ligne et le second étant l’indice de colonne.
Remarque 4. On appelera matrice nulle (notée 0), la matrice de Mn,p (K) dont tous les coefficients sont nuls.
Tous les coefficients de la matrice Ekl sont nuls sauf celui qui se trouve à l’intersection de la ligne k et de la
colonne l qui vaut 1.
δij = 0 si i 6= j
Remarque 5. La valeur δij est appelé le symbole de Kroneker. Il est définie de la façon suivante :
δij = 1 si i = j
Preuve 1 :
1. (Mn,p (K), +, .) est un K-ev car c’est l’espace vectoriel de référence (F ([[1, n]] × [[1, p]], K), +, .).
2. On montre facilement que (E11 , . . . , Enp ) est libre et que Mn p (K) = Vect(E11 , . . . , Enp ).
Remarque 6. On pourra penser à utiliser ces matrices Ekl dans certaines démonstrations.
Exercice : 1
(∗) Quelle est la dimension du R-ev M2 (C) ?
Définition 4 : Transposée
Soit une matrice A = (Aij ) ∈ Mn,p (K) de taille n × p.
On appelle transposée de la matrice A, la matrice t A ∈ Mp,n (K) définie par :
t
A = ((t A)ij ) où ∀(i, j) ∈ [[1, p]] × [[1, n]], (t A)ij = Aji
2
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Preuve :
1. Pas de difficulté pour démontrer la linéarité de l’application T.
2. On démontre que T est une bijection en prouvant que ker T = 0Mn,p (K) .
Remarque 7.
1. Notation : t A et aussi parfois noté AT .
2. Pour trouver la transposée d’une matrice, il suffit d’inverser les lignes et les colonnes.
t
2 0
2 1 3
Exemple 1. On a par exemple : 1 −3 = .
0 −3 5
3 5
On appelle matrice du vecteur a dans la base e, la matrice colonne contenant les coordonnées de a dans
la base e :
a1
Mate (a) = ... ∈ Mn,1 (K)
an
Remarque 8.
1. Retenez que la matrice d’un vecteur dépend de la base e choisie. C’est pour cela qu’on la note Mate (a).
2. Les vecteurs de Kn se confondent avec leur matrice uniquement lorsque la base choisie est la base canonique.
Exemple :
1 1 1
Déterminer la matrice de x = (1, 2, 3) ∈ R3 dans la base canonique puis dans la base e = 0 , 1 , 1 .
0 0 1
Preuve 2 : immédiat !
3
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 9.
1. Attention à utiliser des indices courants cohérents avec les notations du premier paragraphe.
2. La j eme colonne de Mate (F ) représente la matrice du vecteur xj dans e.
3. Là encore, la matrice d’une famille de vecteurs dépend de la base e choisie.
Remarque 10.
1. Cette définition doit être PARFAITEMENT connue ! ! !
2. Par soucis de cohérence, il faut impérativement respecter les notations utilisées pour les indices ! !
3. Si u ∈ L(E), on choisit en général f = e. On notera alors Mate (u) la matrice de u dans la base e.
4. Si e et f sont les bases canoniques de E et de F alors on dira que Mate,f (u) est la matrice canonique de u.
5. La matrice d’une forme linéaire est une matrice ligne (cf plus loin).
6. Si u ∈ L(E, F ) avec dim E = p et dim F = n, alors la matrice de u appartient à Mn,p (K).
Exemple 3.
1. Déterminer la matrice de l’application idE dans la base B = (e1 , . . . , en ) de E un K-ev.
2. Déterminer la matrice canonique de D ∈ L(R4 [X]) défini par : D : P 7→ P ′ .
x′ = 2x − y + 3z
3. Déterminer la matrice canonique de u ∈ L(R3 , R2 ) définie par : dans les bases canoniques.
y ′ = x − 2z
4
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Alors l’application φe,f : L(E, F ) −→ Mn,p (K) est un isomorphisme d’espaces vectoriels.
u 7→ Mate,f (u)
Preuve 4 :
1. L(E, F ) et Mn,p (K) sont bien des K espaces vectoriels.
2. On montre facilement qu’il s’agit bien d’une application linéaire.
3. On montre facilement que ker φe,f = {0E }. D’où l’injectivité.
4. La surjectivité est quasi-immédiate.
Remarque 13.
1. Ce théorème est fondamental car il permet d’identifier matrices et applications linéaires.
En d’autres termes, toute matrice peut s’interpréter comme une application linéaire, et toute application linéaire
peut se représenter sous la forme d’une matrice. Après avoir, bien entendu, choisi les bases de départ et d’ar-
rivée ! !
2. Si A est une matrice de Mn,p (K), alors l’unique application u : Kp 7→ Kn qui admet A pour matrice canonique
est appelée l’application linéaire canonique associée à A.
3. Lorsque les bases e et f sont les bases canoniques de E et F , on dira que A est la matrice canoniquement
associée à l’application u.
2 1 3
Exemple 4. Déterminer l’expression analytique de l’application linéaire canonique associée à la matrice : .
0 −3 5
Preuve 5 :
D’après le théorème précédent, L(E, F ) et Mn,p (K) sont isomorphes avec Mn,p (K) de dimension finie.
On montre alors que L(E, F ) est nécessairement de dimension finie.
On en déduit l’égalité des dimensions.
3 Produit matriciel
3.1 Définition et propriétés
q
X
∀(i, j) ∈ [[1, n]] × [[1, p]] cij = aik bkj
k=1
Produit matriciel :
5
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 14.
1. la multiplication de 2 matrices n’est possible que si le nombre de colonnes de la première est égal au nombre
de lignes de la deuxième.
2. La formule donnant le terme cij d’un produit de matrices est très souvent utilisée en exercice ou dans les
démonstrations. Il faut donc la retenir par coeur ! ! !
1 0 −1
1 2 3
Exemple 5. (∗) Effectuer le produit de matrices suivant : 0 1 1
4 5 6
−1 0 1
Exercice : 2
(∗)
1 2 0
−1 1 2
1 2
1 3 −1 2
0 −1 3 −1 0
1. Le produit suivant est-il possible ?
0 1 −2 4
2 1
2 1 1
Exercice : 3
(∗) Soient A ∈ Mn,p (K) et B ∈ Mq,r (K).
A quelle condition les produits AB et BA sont-ils simultanément possibles ?
Que dire dans ce cas, des deux matrices produits obtenues ?
Exercice : 4
(∗) Soit A ∈ Mnp (K).
1. Vérifier que le produit de At par A est toujours possible.
2. Que dire des matrice At A et t AA ?
(a) Taille ?
(b) Eléments diagonaux ?
(c) Symétrie par rapport à la première diagonale ?
6
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice: 5
0 1 ... ... 1 n−1 n−2 ... ... n−2
.. ..
1 . . . .. .. ..
. 1 . n − 2 . . n−2 .
(∗) Soit An = ... . . . .. ∈ M (R). Montrer que A2 = .. .. :
.. .. .. .. ..
. . .
n n .
. . . .
. .. .. . .. ..
.. ..
1 . . 1 n−2 . . n − 2
1 ... ... 1 0 n−2 ... ... n−2 n−1
1. Par récurrence (pas très judicieux...)
2. Avec le produit matriciel
Preuve 8 : Dans cette démonstrations, il faut choisir judicieusement les indices courants. On prendra :
1. j l’indice courant de la base e (cohérent avec le choix de p pour la dimension de E)
2. i l’indice courant de la base g (cohérent avec le choix de n pour la dimension de G)
3. k l’indice courant de la base f
On appellera alors :
1. A la matrice de v dans les bases f , g.
2. B la matrice de u dans les bases e, f .
Il faut alors déterminer pour tout j ∈ [[1, p]] l’expression de v ◦ u(ej ) dans la base g.
X q
On montre alors que la iieme coordonnée de v ◦ u(ej ) n’est autre que cij = aik bkj .
k=1
Remarque 15. Plus généralement, une combinaison linéaire de composées d’applications linéaires est équivalente à la
même combinaison linéaire des produits de matrices correspondantes. Par exemple : u ◦ v + 2w = w ◦ v ⇐⇒ U V + 2W =
WV .
Exercice : 6
(∗) Soit deux applications linéaires :
u : R3 −→ R2 et v : R2 −→ R3
(x, y, z) 7→ (x − y, x + y + z) (x, y) 7→ (x + y, x + 2y, x − y)
Exercice : 7
0 −1 −1
(∗) Démontrer que la matrice A = −1 0 −1 est la matrice d’un projecteur de R3 dans une base e donnée.
1 1 2
7
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Preuve 11 :
1. Par exemple dans M4 (R) : E12 E23 = 0.
0 1 1
3 1 i
2. Par exemple J = 0 0 1 (On vérifie que J = 0) ou encore A =
(On vérifie que A2 = 0).
i −1
0 0 0
Théorème 13 : Écriture matricielle de l’image d’un vecteur par une application linéaire
dimensions respectives p et n
Soit deux K-ev E et F de .
bases respectives e et f
x∈E et X = Mate (x) sa matrice dans la base e.
Soient :
u ∈ L(E, F ) et U = Mate,f (u) sa matrice dans les deux bases e et f .
Corollaire 14 :
Soient deux matrices A, B ∈ Mn,p (K) et (X1 , . . . Xp ) une base de Mp,1 (K).
Alors on a les deux équivalences suivantes :
8
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 18. Cette équivalence est la traduction de l’égalité des applications : u = v ⇐⇒ u(x) = v(x) ∀x ∈ Df .
ATTENTION ! ! Ce n’est pas parce que AX0 = BX0 pour un X0 donné que A = B. Trouver un exemple !
A = 0 ⇐⇒ AX = 0 ∀X ∈ Mp,1 (K)
Remarque 19. Si A ∈ Mn,p (K), on a alors : .
A = 0 ⇐⇒ AXk = 0 ∀Xk dans une base de Mp,1 (K)
Exercice : 8
(∗) Soit E un K-ev de dimension n et u ∈ L(E) un endomorphisme tel que ∀φ ∈ E ⋆ , φ ◦ u = 0E ⋆ .
Montrer que u = 0.
Remarque 20. Les colonnes d’une matrice engendrent son image et les lignes de la matrice donnent un système
d’équations cartésiennes de son noyau.
2 0 4 1
Exemple 8. (∗) Déterminer le noyau et l’image de la matrice A = 1 0 2 2.
2 0 4 3
2. Recherche de l’IMAGE de u : On a : y ∈ Im u ⇐⇒ Y ∈ Im A
Ainsi :
(a) on détermine Im A = Vect(C1 , . . . , Cp ) (en prenant soin d’éliminer les vecteurs redondants).
(b) on en déduit que Im u = Vect(c1 , . . . , cp ) avec ∀k ∈ [[1, p]], ck ∈ F tel que Ck = Matf (ck ).
p n
Preuve 15 : On introduit u ∈ L(K , K ) canoniquement associé à A et on applique le théorème du rang.
f : Kp → Mp1 (K)
dim ker u = dim ker A
On prouve que à l’aide des isomophismes canoniques .
dim Im u = dim Im A g : Kn → Mn1 (K)
9
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
1. Montrer que les matrices de f et g dans les bases canoniques sont égales à une même matrice A.
2. Déterminer ker(A) et Im(A).
3. En déduire les noyaux et images de f et g.
Exercice : 9
2 0 4
(∗) Soit la matrice : A = 1 0 2 .
2 0 4
1. Déterminer ker A et Im A.
2. On note u une application linéaire de matrice A.
(a) Déterminer ker u et Im u dans le cas où u ∈ L(E, F ) et e et f des bases de E et F .
(b) Déterminer ker u et Im u dans le cas où u ∈ L(R2 [X]) et e = (1, X − 1, (X − 1)2 ).
(c) Déterminer ker u et Im u dans le cas où u ∈ L(R3 , R2 [X]) et les bases sont les bases canoniques
Proposition 16 : Le rang d’une matrice est le rang de l’application linéaire qu’elle représente
Soit une matrice A ∈ Mnp (K).
Soit deux K-ev E (dimension p) et F (dimension n) munis de deux bases e et f .
On sait qu’il existe une unique application linéaire u ∈ L(E, F ) telle que Mate,f (u) = A. Alors
rg(A) = rg(u)
Remarque 21.
1. Le rang de u ∈ L(E, F ) n’est autre que le rang de sa matrice exprimée dans des bases e et f quelconques.
2. Pour toute matrice M ∈ Mnp (K), on a : rg M ≤ min(n, p).
Exercice : 10
(∗∗) Endomorphismes de rang 1
1. Soit E un K-ev de dimension n et un endomorphisme f ∈ L(E) de rang 1.
Montrer qu’il existe λ ∈ K tel que f 2 = λf .
2. Soit A ∈ Mn (K). Montrer que rg(A) = 1 ⇐⇒ ∃(X, Y ) ∈ Mn,1 (R) non nulles telles que K2 A = X t Y
Exemple 10. (∗) Combien peut-on contruire de matrices extraites à partir d’une matrice de Mnp (K) ?
10
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
rg(AB1 ) ≤ rg A et rg(B2 A) ≤ rg A
Dans le cas des endomorphismes, comme l’espace vectoriel de départ et d’arrivée sont les mêmes, on les munira pour
simplifier, de la même base. D’où la définition suivante :
Exercice : 11
0 ... 0 1
11
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Preuve 19 :
1. On sait que (Mn (K), +, .) est un K-ev. Sa dimension est donnée par un théorème précédent.
2. Pour prouver que (Mn (K), +, ×) est un anneau, il reste à prouver que :
• Mn (K) est stable par la multiplication. OK !
• la multiplication est associative et qu’elle admet un élément neutre. OK !
• la distributivité de la multiplication sur l’addition. OK !
3. Principe du parapluie
Remarque 23. Un ensemble qui admet ces 3 propriétés est appelée une K -algèbre associative et unitaire.
Preuve 20 : On sait déjà que φ est une bijection et que les ensembles d’arrivée et de départ sont des anneaux
et des espaces vectoriels. Enfin, nous avons déjà vu que :
1. L’application φ : L(Kn ) −→ Mn (K) est appelé l’isomorphisme canonique de L(Kn ) sur Mn (K).
u 7→ Mate (u)
2. L’antécédent de A ∈ Mn (K) par φ est appelé l’endomorphisme canoniquement associé à A.
Preuve 21 :
1. Il suffit de prendre un exemple.
2. Il suffit de prendre un exemple.
3. Conséquence des propriétés précédentes.
Proposition 22 : Formules
12
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 25. On utilise souvent la formule du binôme pour calculer les puissances d’une matrice.
La dernière formule est intéressante lorsqu’une matrice est nilpotente : (Ap = 0).
2. Supposons que E est somme directe des sev {Ei }i∈[[1,p]] de dimensions ri et B une base adaptée à cette
décomposition. On a alors l’équivalence :
∀i ∈ [[1, p]], Ei est stable par u ⇐⇒ MatB u est de la forme Diag(A1 , . . . , Ap ) avec Ai ∈ Mri (K)
4.3 Recherche de An
Exercice : 12
(∗) Recherche de la puissance nième d’une matrice.
2 a 0
1. (∗) Soit deux scalaires (a, b) ∈ R et la matrice A = . Déterminer la matrice An pour n ∈ N.
b a
1 1
2. (∗) Soit n ∈ N. Déterminer les puissances nème de la matrice A = .
−1 0
un+1 = un + vn
En déduire les expressions des suites réelles (un ) et (vn ) définies par .
vn+1 = −un
Exercice : 13
0 0 1
1. (∗) Déterminer la puissance nième de la matrice A = 1 0 0.
0 1 0
2. (∗) Soit A ∈ Mn (K) vérifiant A3 − 4A2 + 5A − 2In = 0. Déterminer Ak pour tout k ∈ N.
13
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice : 14
(∗) Démontrer que : ∀X ∈ Mn (K), Tr(AX) = Tr(BX) ⇐⇒ A = B.
Remarque 27. La trace constitue un outil parfois utile dans les raisonnements par Analyse/Synthèse.
Exercice : 15
(∗∗)
1. Déterminer toutes les matrices X ∈ Mn (K) telles que : X + Tr(X)A = B.
2. Existe-t-il deux matrices A, B ∈ Mn (K) vérifiant : AB − BA = In ?
5 Matrices remarquables
5.1 Matrices scalaires
λ 0 ... 0
.. ..
0 λ . .
Ce sont des matrices de la forme : M = λIn =
.
, où λ∈K
.. .. ..
. . 0
0 ... 0 λ
un sous-anneau
Théorème 25 : L’ensemble des matrices scalaires est de Mn (K).
un sev
On dit alors que cet ensemble est une sous-algèbre de dimension 1 de l’algèbre (Mn (K), +, ×, .)
Preuve 25 : Pour démontrer qu’il s’agit d’un sous-anneau et d’un sev de Mn (K), il suffit de :
1. Prouver que cet ensemble contient In .
2. Prouver la stabilité par combinaison linéaire.
3. Prouver la stabilité par la multiplication.
Remarque 28. Quelle que soit la base e choisie, on a : Mate (λ idE ) = λIn .
14
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
un sous-anneau
Théorème 26 : L’ensemble des matrices diagonales est de Mn (K).
un sev de dimension n
Remarque 29. On dit alors que cet ensemble est une sous-algèbre de dimension n de l’algèbre (Mn (K), +, ×, .)
Preuve 27 : Facile.
Remarque 30. On a bien sûr une définition équivalente pour les matrices triangulaires inférieures.
Théorème 28 :
un sous-anneau n(n + 1)
L’ensemble des matrices triangulaires supérieures est de Mn (K) de dimension .
un sev 2
Preuve 28 :
1. Méthode usuelle.
2. On détermine la dimension en exhibant une base ...
Remarque 31.
1. On dit alors que cet ensemble est une sous-algèbre de l’algèbre (Mn (K), +, ×, .)
2. En particulier, le produit de deux matrices triangulaires supérieures (resp. inférieures) est une matrice triangu-
laire supérieure (resp. inférieures).
Exemple 12. Sur un exemple de votre choix, vérifiez que le produit de deux matrices triangulaires supérieures est une
matrice triangulaire supérieure.
Remarque 32. Une matrice à la fois triangulaire inférieure et supérieure est diagonale.
Exercice : 16
(∗∗) Soit A = (aij )1≤i,j≤n ∈ Mn (K) telle que : i ≥ j ⇒ aij = 0. Montrer que An = 0.
Aide : on pourra introduire l’endomorphisme canoniquement associé.
15
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 34. Les éléments diagonaux d’une matrice antisymétrique sont tous nuls.
Remarque 35. Sn et An sont stables par CL mais ne sont pas stables par la multiplication.
Exercice : 17
(∗) Soient A, B ∈ Mn (K) deux matrices symétriques.
1. Trouver une condition nécessaire et suffisante sur A et B, pour que le produit AB soit encore symétrique.
2. Les puissances successives de A sont elles symétriques ?
3. Si A est inversible, A−1 est elle symétrique ?
Exercice : 18
AB = BA = In
Preuve 29 : Il n’existe pas de groupe connu dont (GLn (K), ×) serait un sous-groupe.
Il faut par conséquent, redémontrer chaque propriété une à une (non vide, stabilité par la multiplication,
associativité, élément neutre, élément symétrique).
Remarque 36.
1. Bien entendu, le groupe des matrices inversibles de Mn (K) n’est pas commutatif ! !
2. Ce groupe est appelé le groupe linéaire.
Théorème 30 :
Soit E un K-ev de dimension n et e une base de E.
16
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Théorème 31 : Si A et B sont deux matrices GLn (K), alors : (AB)−1 = B −1 A−1 et (A−1 )−1 = A.
Exercice : 19
1 ... ... 1
..
0 1 ... .
(∗) Déterminer l’inverse de la matrice A =
.. .. .
.. ..
. . . .
0 ... 0 1
Preuve 32 :
• En utilisant l’endomorphisme canoniquement associé à A, on démontre facilement que chacune des propriétés
2), 3), 4) et 5) impliquent que la matrice A est inversible.
• La réciproque est facile.
1 1 3
Exemple 14. (∗) Démontrer que la matrice suivante est inversible : A = 2 1 0
1 1 1
Exercice : 20
3 2 −1
(∗) Utilisation d’un polynôme anulateur Soit A = 1 −1 1 .
2 −2 1
1. Montrer que la matrice A annule le polynôme : P = X 3 − 3X 2 + X − 5.
2. En déduire que A est inversible et déterminer son inverse.
17
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice : 21
Exercice : 22
(∗∗) Soit une matrice A ∈ Mn (R) antisymétrique. On pose M = I + A.
1. Soit une matrice colonne X ∈ Mn,1 (R). Calculer la matrice t XAX
2. En déduire que la matrice M est inversible.
Exercice : 23
(∗∗) On considère une matrice A ∈ Mn (C), A = (aij )1≤i,j≤n à diagonale dominante :
n
X
∀i ∈ [[1, n]]2 , |aii | > |aij |
j=1 (j6=i)
Corollaire 33 : Une matrice triangulaire est inversible ssi ses termes diagonaux sont tous non nuls.
Preuve 33 : Une matrice triangulaire de Mn (K) ayant une valeur nulle sur la diagonale n’est pas de rang n.
Une matrice triangulaire dont les coefficients diagonaux sont tous non nuls est en évidence de rang n.
Preuve 34 : En résolvant le système Y = T X, on constate que pour tout i ∈ [[1, n]], xi est une combinaison
linéaire de yj pour j ∈ [[i, n]]
Preuve 36 : On utilise les endomorphismes canoniquement associés et le fait que la composition avec un
isomorphisme ne change pas le rang d’une application linéaire.
7 Changement de bases
Nous avons vu que :
• les coordonnées d’un vecteur dépendaient de la base choisie,
18
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
• la matrice d’une application linéaire dépendaient des bases de départ et d’arrivée choisie
Dans cette partie, nous allons rechercher des formules permettant de déterminer rapidement les nouvelles coordonnées
d’un vecteur ou la nouvelle matrice d’une application linéaire lors d’un changement de bases.
Preuve 37 : Matf,e (id) est la matrice de (id(f1 ), . . . , id(fn )) dans la base e. C’est à dire Mate (f1 , . . . , fn ).
Preuve 38 :
1. Soient Pfg = Matgf id1 , Pef = Matf e id2 et Peg = Matge id3 .
L’égalité id3 = id2 ◦ id1 donne matriciellement : Peg = Pef × Pfg . CQFD !
2. C’est une conséquence de l’égalité précédente.
Exemple 17. Vérifier cette propriété en utilisant les résultats des exemples précédents.
Preuve 39 : Soit u ∈ L(E) tel que u(ej ) admette pour coordonnées le j eme vecteur de P dans la base e.
On a alors P = Mate (u(e1 ), . . . , u(en )).
Soit f = (u(e1 ), . . . , u(en )). Comme u est inversible, alors f est une base de E et on a P = Pef .
Xe′ = Pee′ Xe
19
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
E id
Preuve 40 : Il suffit de considérer l’application E −→ E′ .
e e
Exercice : 24 √ √
− −
→ → 3−→ 1− → −1 −
→ 3→
−
(∗) Dans R , on considère les bases e = ( i , j ) et e′ = (−
2 →
u ,−
→
v ) où →
−
u = i + j et v =→
− i + j.
2 2 2 √ 2
2 2 2
Soit E l’ensemble des vecteurs de R dont les coordonnées dans e vérifient l’équation 13x + 7y + 6 3xy = 16.
Déterminer une équation de E dans la base e′ .
On pourra retenir cette formule en remarquant que e′ , f ′ , e, f forme la lettre γ écrite en partant de la droite.
Preuve 42 : Il suffit d’appliquer la formule de changement de bases pour les applications linéaires.
1 1
Exemple 19. (∗) Soit l’espace vectoriel E = R2 , muni de sa base canonique e et les deux vecteurs f1 = , f2 = .
2 3
1. Montrer que le système f = (f1 , f2 ) est une base de E. Ecrire les matrices de passage Pef et Pfe .
1
sur F = Vect
2
2
Exemple 20. Déterminer l’expression analytique dans la base canonique de R de la projection .
t 1
paral à G = Vect
−1
20
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Remarque 39. La relation ”est équivalente à” est une relation d’équivalence sur l’ensemble Mnp (K).
Proposition 43 : Caractérisation
Deux matrices sont équivalentes si et seulement si ce sont les matrices d’une même application linéaire exprimées
dans des bases différentes.
Matef u = Jr (n, p)
Preuve 45 :
⇐ La multiplication par une matrice inversible ne modifie pas le rang d’une matrice.
⇒ Soit u ∈ L(Kp , Kn ) canoniquement associée à A. On a alors rg u = r.
On applique alors le théorème précédent.
Corollaire 46 : Deux matrices de Mnp (K) sont équivalentes si et seulement si elles sont de même rang.
Preuve 46 : Immédiat.
1 −4 −3 −2 2
2 −6 −6 −4 4
Exemple 21. (∗) Trouver deux matrices inversibles P et Q telles que :
−3 12 12
= P J3 (4, 5)Q.
6 −9
0 2 3 0 −3
21
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice : 25
(∗∗) Soit M ∈ Mn (K) de rang r.
Montrer qu’il existe deux matrices inversibles A et B de Mn (K) telles que M = A + B
rg(t A) = rg(A)
A′ = P −1 AP
Remarque 41. La relation ”est semblable à” est une relation d’équivalence sur l’ensemble Mn (K).
Proposition 49 : Caractérisation
Deux matrices A et A′ sont semblables si et seulement si ce sont les matrices d’un même endomorphisme
exprimées dans des bases différentes.
Exercice : 26
(∗) Montrer que M ∈ Mn (K) de rang r est semblable à une matrice de la forme A 0 où A ∈ Mn,r (K).
Exercice : 27
0 1 1 0
(∗∗) Montrer que les matrices A = et B = sont semblables.
1 0 0 −1
Méthode : Calcul de An
1. On montre que A est semblable à B d’expression plus simple (si possible diagonale) : A = P −1 BP
2. On vérifie alors assez facilement que pour tout n ∈ N, on a :
An = P −1 B n P
22
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice : 28
3 −1 1
(∗∗) Soit la matrice A = 1 2 0 ∈ Mn (R).
0 1 1
2 1 0
1. Montrer que A est semblable à la matrice T = 0 2 1.
0 0 2
2. En déduire l’expression de An pour tout n ∈ N.
u0 = 1 un+1 = 3un − vn + wn
3. En déduire l’étude des suites (un ), (vn ) et (wn ) telles que v0 = 1 et pour tout n ∈ N : vn+1 = un + 2vn .
w0 = 1 wn+1 = vn + wn
Exercice : 29
ker(u) = Vect(1, 2)
(∗∗) Dans la base canonique de R2 , déterminer les matrices des l’endomorphismes u ∈ L(R2 ) tels que : .
Im u = Vect(1, 1)
Exercice : 30
(∗ ∗ CCP ) Soit A ∈ Mn (K).
23
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
1. Effectuer Eij × A revient à placer Lj à la place de Li et annuler toutes les autres lignes.
2. Effectuer A × Eij revient à placer Ci à la place de Cj et annuler toutes les autres colonnes.
Remarque 43. On définit de la même façon les opérations élémentaires sur les colonnes (OEC).
1. Din (λ) = In + (λ − 1)Eii 2. Tijn (λ) = In + λEij 3. Pijn = In − Eii − Ejj + Eij + Eji
Remarque 44. Multiplier à droite par Diq (λ), Tijq (λ) et Pijq (λ) revient à effectuer les mêmes opérations sur les colonnes.
24
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Preuve 57 : En effet, {AX | X ∈ Mp1 (K)} = {ABX | X ∈ Mp1 (K)} lorsque B est une matrice inversible.
Théorème Fondamental 58 :
Les opérations élémentaires sur les lignes ou sur les colonnes ne modifient pas le rang d’une matrice.
Preuve 58 : La multiplication par une matrice inversible ne modifie par le rang d’une matrice.
Algorithme du rang :
1. Par OEL et OEC on transforme la matrice étudiée sous la forme précédente.
2. On recommence le processus avec la matrice A jusqu’à obtenir une matrice nulle ou dont le rang est
évident
Exercice : 31
(∗) Soit a, b ∈ R.
a 0 0 b
b a 0 0
Déterminer le rang de la matrice suivante : A =
0
b a 0
0 0 b a
Exercice : 32
(∗∗) Autres méthodes de détermination du rang
Déterminer les rangs des deux matrices suivantes :
25
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
1. A = (aij ) ∈ Mn (R) telle que aij = i + j − 1 (en effectuant des OEC judicieuses)
2. B = (bij ) ∈ Mn (R) telle que bij = sin(i + j) (en décomposant les colonnes Cj )
Remarque 45. En pratique, il est souvent intéressant d’utiliser conjointement l’algorithme du rang et les OEL et OEC
pour simplifier la situation.
Exercice : 33
(∗∗) Soit n ∈ N∗ . Déterminer le rang de la matrice A ∈ Mn (R) de terme général aij = (i + j − 1)2 .
Exercice : 34
A A
(∗) Soit A, B ∈ Mn (K) et M = . Prouver que rg(M ) = rg(A) + rg(A − B).
A B
Remarque 46. Même s’il peut être intéressant d’appliquer l’algorithme du rang dans les exercices, cet algorithme est
surtout intéressant en programmation. En effet, un ordinateur ne peut mettre en oeuvre qu’une méthode systématique
et ne peut pas utiliser des ”ruses” comme celles vues dans l’exercice précédent.
Preuve 60 :
1. On peut transformer A en une matrice triangulaire supérieure (algorithme de gauss) ne comportant que
des 1 sur la diagonale.
2. Puis, en partant de la dernière colonne, on annule tous les coefficients hors de la diagonale.
3. On obtient alors In .
Corollaire 61 : Pour déterminer A−1 , il suffit d’effectuer sur In les mêmes OEL que sur A.
Exemple 23. (∗) En utilisant la méthode précédente, déterminer l’inverse des matrices :
1 0 −1 2 4 3
A = 0 2 1 et B = 0 1 1
1 1 0 2 2 −1
26
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
9 Exercices de TD
Codage :
1. Les exercices avec des coeurs ♥ sont à traiter en priorité.
2. Le nombre d’étoiles ∗ ou de coeurs ♥ correspond à la difficulté des exercices.
Exercice de TD : 1
1 1 1
(♥♥) Soit A ∈ M3 (R) définie par : A = 1 0 0.
1 0 0
1. Montrer l’existence de deux suites réelles (an ) et (bn ) telles que : ∀n ∈ N∗ , An = an A + bn A2 .
2. Déterminer l’expressions de an et bn en fonction de n.
3. La suite (An ) converge-t-elle ?
Exercice de TD : 2
1 ... 1
1 −1 −1
.. .. et A ∈ M (R) définie par A = −1 1 −1.
(♥♥) Soit n > 1 et J ∈ Mn (R) définie par J = . 1 . 3
1 ... 1 −1 −1 1
1. Pour k ∈ N∗ , calculer J k .
2. J est-elle inversible ?
3. Calculer les puissances successives de A.
Exercice de TD : 3
(∗∗) Matrices de Jordan.
Soit la matrice J = (aij ) ∈ Mn (R) telle que aij = δi,j+1 .
1. Calculer la matrice J 2 . Conjecturez alors la valeur de J k pour k ∈ N∗ .
2. Prouver votre conjecture par récurrence :
(a) En décomposant J k avec les matrices de la base canonique
(b) En effectuant un calcul par blocs
(c) En introduisant u canoniquement associé à J
Remarque : Camille Jordan (1838-1922) était français. Ses travaux ont portés sur la géométrie (courbes de Jordan),
mais également sur l’étude du groupe des permutations, et les séries de Fourier
Exercice de TD : 4
(♥♥) Soit A ∈ Mn (R) telle que : ∀X ∈ Mn (R), (XA)2 = 0.
Montrer que A = 0.
Exercice de TD : 5
(∗∗) Soit A ∈ Mn (R). Montrer que : A est antisymétrique ⇐⇒ ∀X ∈ Mn, 1 (R), t XAX = 0.
27
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice
de TD : 6
0 1 1
(♥♥) Soit A = 1 0 1.
1 1 0
Déterminer un polynôme P ∈ R[X] tel que P (A) = 0.
En déduire une expression de An pour tout n ∈ N.
Exercice de TD : 7
(∗) Soit A ∈ M10 (K) telle que A2017 = 0.
On souhaite prouver par l’absurde que A10 = 0.
Pour cela, on suppose que A10 6= 0 et on introduit l’endomorphisme u ∈ L(K10 ) canoniquement associé à A.
On considère également x0 ∈ K10 tel que u10 (x0 ) 6= 0.
1. Montrer que l’ensemble {k ∈ N∗ | uk = 0} admet un plus petit élément p ≥ 11.
2. Montrer alors que la famille (x0 , u(x0 ), . . . , u10 (x0 )) est une famille libre de K10 .
3. Conclure.
Exercice de TD : 8
(♥♥) Soit E un K-ev de dimension 3 et u ∈ L(E) non nul tel que u2 = 0.
Exercice de TD : 9
f1 : f1 (x) = 1
(∗) Dans E = F (R, R), on considère les trois fonctions suivantes : f2 : f2 (x) = x .
f3 : f3 (x) = x ln |x| si x 6= 0, f3 (0) = 0
On note alors F = Vect(f1 , f2 , f3 ).
Exercice de TD : 10
(♥♥) Soit n ∈ N∗ .
j−1
si i ≤ ji−1
On définit la matrice A = (aij ) avec (i, j) ∈ [[1, n + 1]] par .
0 si i > j
Préciser l’endomorphisme de Rn [X] dont la matrice est A dans la base (1, X, . . . , X n ).
Exercice de TD : 11 Z 1
(∗) Soit F ∈ L(Rn [X], R) définie par : F (P ) = P (t) dt.
0
Déterminer la matrice associée à F dans les bases e = (1, X, . . . , X n ) et e′ = (1).
Exercice de TD : 12
(♥) Soit e = (e1 , e2 , e3 ) une base d’un K-ev E de dimension 3 et e′ = (e3 , e2 , e1 ) une autre base de E.
28
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
a′ a′′
a
Soit f ∈ L(E) définie par : M ate f = b b′ b′′ .
c c′ c′′
Déterminer M ate′ f .
Exercice de TD : 13
(♥♥ − ♥♥♥) Soit E un K-espace vectoriel de dimension finie n ∈ N∗ .
Soit f un endomorphisme de E tel que f n−1 6= 0 et f n = 0 (au sens de la composition des applications).
1. Justifier qu’il existe x0 ∈ E tel que B = (x0 , f (x0 ), . . . , f n−1 (x0 )) forme une base de E.
2. Déterminer les matrices de f , f 2 , . . ., f n−1 dans cette base B.
3. En déduire que {g ∈ L(E) | f og = gof } = Vect(idE , f, . . . , f n−1 ).
Aide : On pourra exprimer g(x0 ) dans la base B, puis en déduire la forme de la matrice de g dans B.
Exercice de TD : 14
(♥) Déterminer la nature des l’endomorphismes u canoniquement associés aux deux matrices suivantes :
2 −1 −1 1 −2 −2
1 2
A= −1 2 −1 et B = −2 1 −2
3 3
−1 −1 2 −2 −2 1
Pas de connaissance spécifique aux matrices, mais il faut maitriser les connaissances générales sur les sev et sur
les structures algébriques.
Exercice de TD : 15
1 1
(♥) Soit A = . On note C l’ensemble des matrices qui commutent avec A.
−1 1
Montrer que C est une sous-algèbre de M2 (R) dont on déterminera une base et la dimension.
Exercice de TD : 16
x+y 4y un R-espace vectoriel
(∗) Montrer que l’ensemble E = {M (x, y) = | x, y ∈ R} est .
−y x−y un corps
Exercice de TD : 17
x y un R espace vectoriel
(♥) Montrer que l’ensemble E = {M (x, y) = | x, y ∈ C} est .
−ȳ x̄ un corps non commutatif
Exercice de TD : 18
(♥♥) Soit n un entier pair.
Une matrice M ∈ Mn (K) est dite en damier si et seulement si il existe a et b dans K tels que :
a si i + j est pair
mij =
b si i + j est impair
Exercice de TD : 19
(∗∗) Soit (Ai )1≤i≤n2 ) une base de Mn (K) et X0 ∈ Mn,1 (K) non nulle.
Montrer que (Ai X0 )1≤i≤n2 ) est une famille génératrice de Mn,1 (K)
29
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
1. Le rang d’une matrice est la dimension de l’espace engendré par les vecteurs colonnes
2. Bien connaı̂tre la caractérisation du rang d’une matrice à l’aide des matrices équivalentes.
3. Savoir calculer le rang d’une matrice :
(a) Soit directement en recherchant une base de l’espace engendré par les vecteurs colonnes de la matrice
(b) Soit avec la formule du rang
(c) Soit avec l’algorithme du rang
n
X
4. La trace d’une matrice est la forme linéaire définie par Tr A = akk .
k=1
Se souvenir également que Tr AB = Tr BA
Exercice de TD : 20
Exercice de TD : 21
(∗∗) Endomorphisme de trace nulle.
Soit u ∈ L(E) où dim E = 2 et u ∈
/ Vect(idE ) tel que Tr(u) = 0.
1. Montrer qu’il existe x0 ∈ E tel que (x0 , u(x0 )) est une base de E.
Cette question a été traitée dans un chapitre antérieur...
2. En déduire qu’il existe une base e′ de E dans laquelle u admet une matrice dont les termes diagonaux sont nuls.
Exercice de TD : 22
(♥♥♥) Soit A ∈ Mn,p (K) de rang r.
Montrer qu’il existe des matrices B et C respectivement dans Mn,r (K) et Mr,p (K) telles que A = BC.
Exercice de TD : 23
(♥♥) Soit A ∈ Mn,p (K) de rang r.
r
X
Montrer qu’il existe r matrices A1 , . . ., Ar de Mnp (K) de rang 1 telles que : A = Ak .
k=1
Exercice de TD : 24
(∗) Soit a, b ∈ R. Déterminer le rang des matrices suivantes :
a 0 0 b 1 1 1 1 a a a
b a 0 0 2. A = b + c c + a a + b a 1 a a
1. B = 0 b a 0
3. C =
bc ca ab a a 1 a
0 0 b a a a a 1
V] Le groupe linéaire
Exercice de TD : 25
an−1
1 a1 ... 1
1 a2 ... an−1
2
n−1
(∗∗) Soit (a1 , . . . , an ) ∈ Kn distincts deux à deux et A = 1 a3 ... a3 .
. .. ..
.. . .
1 an ... an−1
n
30
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice de TD : 26
1 2 3 ... n
0 1 2 ... n − 1
.. ..
..
.
(∗ ∗ ∗) Le but de cet exercice est de déterminer l’inverse de la matrice suivante : A = . .
.
. ..
..
. 1 2
0 ... ... 0 1
Xn
1. Donner une expression simplifiée de l’expression algébrique de kxk−1
k=1
n
X
2. Prouver que A = kJ k−1 où J est une matrice à déterminer.
k=1
3. En déduire l’inverse de A.
Exercice de TD : 27
(♥♥)
1. Montrer que ∀(i, j) ∈ [[1, n]]2 , In + Eij ∈ GLn (K).
2. En déduire que {A ∈ Mn (K) | ∀X ∈ GLn (K), AX = XA} = KIn
Exercice de TD : 28
a b ... b
.. ..
b a . .
(♥♥) Soit n ∈ N tel que n > 1, M (a, b) =
.
∈ Mn (R) et E = {M (a, b) | a, b ∈ R}.
.. .. ..
. . b
b ... b a
1. Montrer que E est un R-ev et déterminer sa dimension.
2. Montrer que E est stable par la multiplication.
3. Déterminer une combinaison linéaire à coefficients non nuls entre les matrices In , M (a, b) et M (a, b)2 .
4. En déduire une condition pour que M (a, b) soit inversible et déterminer son inverse lorsqu’il existe.
Exercice de TD : 29
2iπ
(♥♥) Soit n ∈ N\{0, 1} et ω = e n . On pose A = ω (i−1)(j−1) 1≤i,
j≤n
.
1. Calculer AA.
2. En déduire que A est inversible et calculer A−1 .
Exercice de TD : 30
(∗∗) Matrices de permutation :
Soit n ∈ N tel que n > 1. On note Sn l’ensemble des permutations de [[1, n]].
Pour σ ∈ Sn , on note P (σ) = (δi, σ(j) )1≤i,j≤n ∈ Mn (R) appelée matrice de permutation associée à σ.
1. Montrer que ∀(σ, σ ′ ) ∈ Sn2 , on a : P (σ ◦ σ ′ ) = P (σ).P (σ ′ )
2. En déduire que E = {P (σ) | σ ∈ Sn } est un sous-groupe de GLn (R) isomorphe à Sn .
3. Vérifier que t P (σ) = P (σ −1 ).
Exercice de TD : 31
a b c
(♥♥) Soit E l’ensemble des matrices de la forme M (a, b, c) = 0 a b avec (a, b, c) ∈ R3 .
0 0 a
Notre objectif est d’établir que l’inverse d’une matrice inversible de E appartient à E, sans calculer cet inverse.
1. Montrer que (E, +, .) est un R-espace vectoriel dont on précisera la dimension.
2. Montrer que (E, +, ×) est un anneau commutatif.
3. A quelle condition sur (a, b, c) ∈ R3 , la matrice A = M (a, b, c) est-elle inversible dans M3 (R) ?
On suppose cette condition vérifiée.
31
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice de TD : 32
1 1 1 1 1
0 1 2 3 4
0
(∗∗) Calculer l’inverse et les puissances de la matrice A = 0 1 3 6.
0 0 0 1 4
0 0 0 0 1
On pourra pour cela, déterminer l’endomorphisme ϕ de R4 [X] tel que A = Mate ϕ où e est la base canonique de R4 [X]
′
(c) Les endomorphismes : Mate′ u = Pee′ Mate uPee
2. Connaı̂tre également comment montrer que deux matrices sont équivalentes ou semblables en passant
par les endomorphismes canoniquement associés.
3. Savoir utiliser les matrices semblables pour :
(a) Résoudre une système différentiel linéaire imbriqué
(b) Déterminer la puissance nième d’une matrice et savoir utiliser l’expression de An pour :
i. Exprimer les termes généraux de suites linéaires imbriquées en fonction de n.
ii. Définir l’exponentielle d’une matrice
Exercice de TD : 33
(♥♥) Prouver que les matrices suivantes sont semblables.
Déterminer la matrice inversible P telle que A = P −1 BP :
1 1 −1 0 1 0
1. A = −3 −3 3 et B = 0 0 0
−2 −2 2 0 0 0
1 1 0 0 1 2 3 4
0 1 1 0
et B = 0 1 2 3
2. A =
0 0 1 1 0 0 1 2
0 0 0 1 0 0 0 1
Exercice de TD : 34
0 ... 0 1
..
. 1 0
(♥♥) Soit P ∈ Mn (R) définie par : P =
.. .
0 1 .
1 0 ... 0
Exercice de TD : 35
2 2 1
(♥♥) Application des matrices semblables. Soit A = 1 3 1.
1 2 2
1. Préliminaires :
32
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
1 0 0
(a) Montrer qu’il existe P ∈ GL3 (R) telles que P −1 AP = 0 1 0.
0 0 5
(b) Calculer la matrice P −1 .
(c) Soit n ∈ N∗ . En Déterminer l’expression de An en fonction de n.
′
x = 2x + 2y + z
2. Application 1 : Résoudre le système différentiel y ′ = x + 3y + z
′
z = x + 2y + 2z
3. Application 2 : Déterminer l’expression en fonction de n des termes généraux des suites définies par :
xn+1 = 2xn + 2yn + zn
yn+1 = xn + 3yn + zn et x0 , y0 , z0 donnés
zn+1 = xn + 2yn + 2zn
+∞
X Ak
4. Application 3 : Calculer eA = .
k!
k=0
La limite d’une matrice correspondant à la matrice obtenue en recherchant la limite de chaucun des coefficients.
Exercice de TD : 36
1 0 0
(♥♥) Application des matrices semblables. Soit A = 1 1 1 .
1 1 1
1. Préliminaires :
0 0 0
(a) Montrer qu’il existe P ∈ GL3 (R) telles que P −1 AP = 0 1 0.
0 0 2
(b) Montrer qu’on pouvait trouver ce résultat sans connaı̂tre à priori la matrice diagonale B.
(c) Calculer la matrice P −1 .
(d) Soit n ∈ N∗ . Déterminer l’expression de An en fonction de n.
′
x =x
2. Application 1 : Résoudre le système différentiel y′ = x + y + z
′
z =x+y+z
3. Application 2 : Déterminer l’expression en fonction de n des termes généraux des suites définies par :
xn+1 = xn
yn+1 = xn + yn + zn et x0 , y0 , z0 donnés
zn+1 = xn + yn + zn
Exercice de TD : 37
3 −1 1
(♥♥) Calcul de la puissance niéme d’une matrice. Soit A = 2 0 1.
1 −1 2
1 0 0
1. Montrer que A est semblable à B = 0 2 1.
0 0 2
2. En déduire l’expression de An où n ∈ N∗ .
33
Cours MPSI-2017/2018 Les Matrices http://pascal.delahaye1.free.fr/
Exercice de TD : 38
(∗∗) Diagonalisation d’une matrice
−1 2i
1. Prouver que la matrice A = − est semblable à une matrice diagonale.
2i 2
34