Vous êtes sur la page 1sur 37

Filire de Sciences conomiques et de Gestion Filire de Sciences conomiques et de Gestion Filire de Sciences conomiques et de Gestion Filire de Sciences conomiques

miques et de Gestion
Semestre : S4 Semestre : S4 Semestre : S4 Semestre : S4
Module : M16 Module : M16 Module : M16 Module : M16
(Mthodes Quantitatives IV) (Mthodes Quantitatives IV) (Mthodes Quantitatives IV) (Mthodes Quantitatives IV)
Universit Mohammed V Agdal
Facult des Sciences Juridiques,
conomiques et Sociales
RABAT

http://www.fsjesr.ac.ma




Salma DASSER Salma DASSER Salma DASSER Salma DASSER
Printemps-t 2011-2012
Universit Mohammed V Agdal
Facult des Sciences Juridiques,
Economiques et sociales
RABAT


http://www.fsjesr.ac.ma
Q-'=- --=- -'= -
-'~--V --;-'-- ;-- --
--'--=V
'-,-

Filire de Sciences conomiques et de Gestion

Semestre : S
4

Module : M 16 (Mthodes Quantitatives IV)
Matire : Algbre II





Contenu du cours

Chapitre 1 : Rsolution dun systme linaire
I- Gnralits
I-1 Dfinition dun systme linaire
I-2 Ecriture matricielle dun systme linaire
I-3 Rang dun systme linaire
II- Rsolution dun systme linaire
II-1 Rsolution dun systme linaire de Cramer
II-2 Rsolution dun systme linaire non de Cramer
III- Applicaton aux lments propres dune
matrice carre
III-1 Dfinitions dune valeur propre et dun vecteur
propre associ
III-1 Proprits dune valeur propre et du sous espace
propre associ

Chapitre 2 : Produit scalaire-orthogonalit
I- Produit scalaire et Norme euclidienne
I-1 Dfinitions
I-2 Matrice d'un produit scalaire
I-3 Produit scalaire et norme euclidienne
I-4 Produit scalaire et angle de deux vecteurs

II- Orthogonalit
II-1 Vecteurs orthogonaux
II-2 Procd dorthogonalisation de Gram-Schmidt
II-3 Sous espaces vectoriels orthogonaux
III- Application aux droites et aux plans
III-1 Droites dans R
2

III-2 Plans et droites dans R
3

IV- Retour aux systmes linaires
IV-1 Images et noyaux orthogonaux
IV-2 Sous espaces propres orthogonaux

Chapitre 3 : Projection orthogonale
I- Projection - Projection orthogonale
I-1 Dfinitions
I-2 Dtermination de la projection orthogonale
I-1 Caractrisation et proprits
II- Application aux droites et aux plans
II-1 Projection orthogonale sur une droite du plan
II-2 Projection orthogonale sur un plan
II-3 Projection orthogonale sur une droite de lespace
III- Retour aux systmes linaires
(Solution au sens des MCO)
Objectif du cours
Approfondir les connaissances des tudiants en algbre linaire par ltude quasi-complte dun
systme linaire, notamment rsolution au sens des MCO et par linitiation lorthogonalit et
la projection orthogonale, avec une application aux droites et aux plans.
Pr-reqcuis recommand
Fonction dune variable
Calcul matriciel
Mode dvaluation
Contrle final (2h)
contrle de rattrapage (1h30)
Droulement du cours
Cours magistraux (26h)
Travaux dirigs intgrs dans le cours (14h)
Support du cours
Polycopi du cours
Sries dexercices

Universit Mohammed V Agdal
Facult des Sciences Juridiques,
Economiques et sociales
RABAT


http://www.fsjesr.ac.ma
Q-'=- --=- -'= -
-'~--V --;-'-- ;-- --
--'--=V
'-,-

Filire de Sciences conomiques et de Gestion

Semestre : S
4

Module : M 16 (Mthodes Quantitatives IV)
Matire : Algbre II



Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
1 11 1



C
CCH
HHA
AAP
PPI
IIT
TTR
RRE
EE 1
11 :
:: R
RR
S
SSO
OOL
LLU
UUT
TTI
IIO
OON
NN D
DD
U
UUN
NN S
SSY
YYS
SST
TT
M
MME
EE L
LLI
IIN
NN
A
AAI
IIR
RRE
EE

I- Gnralits ........................................................................................................................ 2
I-1 Dfinition dun systme linaire .............................................................................................................. 2
I-2 Ecriture matricielle dun systme linaire ............................................................................................... 2
I-3 Rang dun systme linaire ...................................................................................................................... 3
II- Rsolution dun systme linaire ................................................................................... 3
II-1 Rsolution dun systme linaire de Cramer .......................................................................................... 3
D D f fi in ni it ti io on n d d u un n s sy ys st t m me e d de e C Cr ra am me er r ........................................................................................................... 3
R R s so ol lu ut ti io on n p pa ar r l l i in nv ve er rs si io on n d de e l la a m ma at tr ri ic ce e d du u s sy ys st t m me e ................................................................................. 4
R R s so ol lu ut ti io on n p pa ar r l la a m m t th ho od de e d de e C Cr ra am me er r ........................................................................................................ 5
II-2 Rsolution dun systme linaire non de Cramer ................................................................................... 6
R R s so ol lu ut ti io on n d d u un n s sy ys st t m me e a av ve ec c s se ec co on nd d m me em mb br re e ......................................................................................... 7
C Ca as s p pa ar rt ti ic cu ul li ie er r d d u un n s sy ys st t m me e h ho om mo og g n ne e .................................................................................................... 9
III- Application aux lments propres dune matrice carre ........................................... 11
III-1 Dfinitions dune valeur propre et dun vecteur propre associ......................................................... 11
III-1 Proprits dune valeur propre et du sous espace propre associ...................................................... 11
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
2 22 2

I
II-
-- G
GG
n
nn
r
rra
aal
lli
iit
tt
s
ss

I I- -1 1 D D f fi in ni it ti io on n d d u un n s sy ys st t m me e l li in n a ai ir re e

D D f fi in ni it ti io on n : :
On appelle systme linaire de n quations m inconnues tout systme de la forme :

= + +
= + +
n m nm n
m m
b x a x a
b x a x a
S
L
M
L
1 1
1 1 1 11
) (
Les coefficients ) 1 1 ( , m j et n i b a
i ij
sont des rels donns.
Le n -uplet ) , , (
1 n
b b L est dit second membre du systme ) (S .

m
x x , ,
1
L sont les inconnues du systme.
Un m -uplet ) , , (
1 m
x x L de
m
IR est solution de ) (S si elle vrifie les n quations du systme.
Rsoudre ) (S cest dcrire lensemble de ces solutions.
Le systme ) (S est compatible s'il admet au moins une solution, sinon ) (S est dit incompatible.
Le systme ) (S est dit homogne si 0
1
= = =
n
b b L .

E Ex xe em mp pl le e : :

= +
= +
= + +
1 3 2 2
0 2
1 3 2
) (
4 3 2 1
3 2 1
4 3 2 1
x x x x
x x x
x x x x
S est un systme linaire de 3 quations 4 inconnues

I I- -2 2 E Ec cr ri it tu ur re e m ma at tr ri ic ci ie el ll le e d d u un n s sy ys st t m me e l li in n a ai ir re e

Tout systme linaire

= + +
= + +
n m nm n
m m
b x a x a
b x a x a
S
L
M
L
1 1
1 1 1 11
) ( peut scrire sous la forme matricielle b X A = . ,
avec :
(
(

=
nm n
m
a a
a a
A
L
M M M
L
1
1 11
,
|
|

\
|
=
m
x
x
X M
1
et
|
|

\
|
=
n
b
b
b M
1


|
|

\
|
=
|
|

\
|
(
(

= + +
= + +
n m nm n
m
n m nm n
m m
b
b
x
x
a a
a a
b x a x a
b x a x a
S M M
L
M M M
L
L
M
L
1 1
1
1 11
1 1
1 1 1 11
. ) (

D D f fi in ni it ti io on n : : ( (M Ma at tr ri ic ce e d d u un n s sy ys st t m me e l li in n a ai ir re e) )
Soit le systme linaire :

= + +
= + +
n m nm n
m m
b x a x a
b x a x a
S
L
M
L
1 1
1 1 1 11
) (
La matrice
m j n i ij
a A

=
1 , 1
) ( sappelle la matrice du systme ) (S .

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
3 33 3

E Ex xe em mp pl le e : :

= +
= +
= + +
1 3 2 2
0 2
1 3 2
) (
4 3 2 1
3 2 1
4 3 2 1
x x x x
x x x
x x x x
S
La matrice du systme ) (S est gale :
(

=
3 2 2 1
0 3 1 2
1 3 2 1
A
Lcriture matricielle du systme ) (S est alors :
|
|

\
|

=
|
|
|
|

\
|
(

1
0
1
.
3 2 2 1
0 3 1 2
1 3 2 1
4
3
2
1
x
x
x
x


I I- -3 3 R Ra an ng g d d u un n s sy ys st t m me e l li in n a ai ir re e

D D f fi in ni it ti io on n : :
On appelle le rang dun systme linaire, celui de sa matrice.

E Ex xe em mp pl le e : :

= +
= +
= + +
1 3 2 2
0 2
1 3 2
) (
4 3 2 1
3 2 1
4 3 2 1
x x x x
x x x
x x x x
S
La matrice du systme ) (S est gale :
(

=
3 2 2 1
0 3 1 2
1 3 2 1
A
3 ) ( = S rg car 3 ) ( = A rg : 0
2 2 1
3 1 2
3 2 1
det
(




I
III
II-
-- R
RR
s
sso
ool
llu
uut
tti
iio
oon
nn d
dd
u
uun
nn s
ssy
yys
sst
tt
m
mme
ee l
lli
iin
nn
a
aai
iir
rre
ee

I II I- -1 1 R R s so ol lu ut ti io on n d d u un n s sy ys st t m me e l li in n a ai ir re e d de e C Cr ra am me er r

D D f fi in ni it ti io on n d d u un n s sy ys st t m me e d de e C Cr ra am me er r

D D f fi in ni it ti io on n : :
Un systme linaire est dit de Cramer si le nombre de ses inconnues m est gal au nombre de ces
quations n et est gal son rang r ) ( r m n = = .

T Th h o or r m me e : :
Un systme linaire est de Cramer ssi sa matrice associe est carre ) ( m n = et inversible ) ( n r = .
Un systme linaire de Cramer admet une unique solution.
Lunique solution dun systme linaire homogne de Cramer est le vecteur nul.

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
4 44 4

E Ex xe em mp pl le e : :
(

= + +
= + +
= + +
1 2 3
3 1 2
2 3 1
2 3
3 2
2 3
) (
3 3 2 1
2 3 2 1
1 3 2 1
A
b x x x
b x x x
b x x x
S

3 = =m n A est alors une matrice carre dordre 3.
18
1 2 3
3 1 2
2 3 1
det = = A : 0 det A et Aest alors une matrice inversible ) 3 ( = r .
Le systme ) (S est alors un systme linaire de Cramer.


R R s so ol lu ut ti io on n p pa ar r l l i in nv ve er rs si io on n d de e l la a m ma at tr ri ic ce e d du u s sy ys st t m me e

On propose de rsoudre un systme linaire ) (S de n quations n inconnues, crit sous sa
forme matricielle b X A = . .

E Et ta ap pe es s d de e l la a r r s so ol lu ut ti io on n : :

On vrifie si le systme ) (S est de Cramer :
Si 0 det = A alors le systme ) (S nest pas de Cramer.
Si 0 det A alors le systme ) (S est de Cramer, et on passe sa rsolution.
Un vecteur X est solution du systme ) (S ssi b X A = . ssi b A X
1
= car Aest inversible.
On calcule
1
A : )) ( (
det
1
1
A C
A
A
t
=


b A X .
1
= est alors lunique solution du systme ) (S .

E Ex xe em mp pl le e : :
Le systme ) (S est donn par :

= + +
= + +
= + +
12 2 3
6 3 2
6 2 3
) (
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
S

Lcriture matricielle du systme ) (S est :
|
|

\
|

=
|
|

\
|
(

12
6
6
1 2 3
3 1 2
2 3 1
3
2
1
x
x
x

(
(
(

=
1 2 3
3 1 2
2 3 1
A et
|
|
|

\
|

=
12
6
6
b

le systme ) (S est de Cramer :
18
1 2 3
3 1 2
2 3 1
det = = A : 0 det A A est alors une matrice inversible
Le vecteur X est solution du systme ) (S ssi b X A = . ssi b A X
1
= .

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
5 55 5

Calcul de
1
A : )) ( (
det
1
1
A C
A
A
t
=

=
(

=
(
(
(
(
(

+ +
+
+ +
=
5 7 1
1 5 7
7 1 5
)) ( (
5 1 7
7 5 1
1 7 5
1 2
3 1
3 2
2 1
3 1
2 3
2 3
3 1
1 3
2 1
1 2
2 3
2 3
1 2
1 3
3 2
1 2
3 1
) ( A C A C
t



(

=
(

18 / 5 18 / 7 18 / 1
18 / 1 18 / 5 18 / 7
18 / 7 18 / 1 18 / 5
5 7 1
1 5 7
7 1 5
18
1
1
A
b A X .
1
=
|
|

\
|

=
|
|

\
|

=
|
|

\
|
=
6
0
6
12
6
6
.
5 7 1
1 5 7
7 1 5
18
1
3
2
1
x
x
x
X

|
|

\
|

=
6
0
6
X est alors lunique solution du systme ) (S

R R s so ol lu ut ti io on n p pa ar r l la a m m t th ho od de e d de e C Cr ra am me er r

On propose de rsoudre un systme linaire ) (S de n quations n inconnues, crit sous sa
forme matricielle b X A = . .

E Et ta ap pe es s d de e l la a r r s so ol lu ut ti io on n : :

On calcule le dterminant de la matrice A : A det
Si 0 det = A alors le systme ) (S nest pas de Cramer.
Si 0 det A alors le systme ) (S est de Cramer, et on passe sa rsolution.

On calcule les dterminants, dits de Cramer n i D
i
x
1 , , o
i
x
D est le dterminant de la matrice
A o lon a remplac la colonne i par le vecteur b :

(
(

=
+
+
nn ni n ni n
n i i
x
a a b a a
a a b a a
D
i
L L
M M M M M M M
L L
1 1 1
1 1 1 1 1 1 11
det , n i 1

On calcule le vecteur solution
|
|

\
|
=
n
x
x
X M
1
: n i
A
D
x
i
x
i
= 1 ,
det


|
|
|
|
|
|
|

\
|
=
A
D
A
D
X
n
x
x
det
det
1
M est alors lunique solution du systme ) (S .
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
6 66 6

E Ex xe em mp pl le e : :
Le systme ) (S est donn par :

= + +
= + +
= + +
12 2 3
6 3 2
6 2 3
) (
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
S
Lcriture matricielle du systme ) (S est :
|
|

\
|

=
|
|

\
|
(

12
6
6
1 2 3
3 1 2
2 3 1
3
2
1
x
x
x
,
(

=
1 2 3
3 1 2
2 3 1
A et
|
|

\
|

=
12
6
6
b
le systme ) (S est de Cramer :
18
1 2 3
3 1 2
2 3 1
det = = A : 0 det A A est alors une matrice inversible
Calcul des dterminants de Cramer
1
x
D ,
2
x
D et
3
x
D :
108
5 8
1 2
6
5 8 0
1 2 0
2 3 6
1 2 12
3 1 6
2 3 6
)
1
2
3 3
,
1 2 2
(
1
=

= =

=
+ L L L L L L
x
D
0
5 30
1 6
1
5 30 0
1 6 0
2 6 1
1 12 3
3 6 2
2 6 1
)
1
3
3 3
,
1
2
2 2
(
2
=


=

=

=
L L L L L L
x
D
108
30 7
6 5
1
30 7 0
6 5 0
6 3 1
12 2 3
6 1 2
6 3 1
)
1
3
3 3
,
1
2
2 2
(
3
=


=

=

=
L L L L L L
x
D
Calcul du vecteur solution
|
|

\
|
=
3
2
1
x
x
x
X : ( 3 1 , det / = i A D x
i
x i
)
6
18
108
det
1
1
= = =
A
D
x
x
0
det
2
2
= =
A
D
x
x

6
18
108
det
3
3
= = =
A
D
x
x


|
|

\
|

=
6
0
6
X est alors lunique solution su systme ) (S .


I II I- -2 2 R R s so ol lu ut ti io on n d d u un n s sy ys st t m me e l li in n a ai ir re e n no on n d de e C Cr ra am me er r

D D f fi in ni it ti io on n : :
Un systme linaire non cramien ou non de Cramer cest un systme dont le nombre des
inconnues m nest pas gal au nombre des quations n ou dont le nombre des inconnues m est
gal au nombre des quations n mais dont le rang r ne leur est pas gal ) ( m n ou
) ( n r et m n = .

E Ex xe em mp pl le es s : :
1)

= +
=
= + +
= + + +
2 2 2
2 2 2
2 2 2
2 4 3 2
) (
3 1
4 2 1
4 3 2
4 3 2 1
x x
x x x
x x x
x x x x
S
(
(


=
0 2 0 2
2 0 1 2
2 2 1 0
4 3 2 1
A et
|
|
|

\
|
=
2
2
2
2
b
) (S est un systme linaire non de Cramer : ) 4 ( M A et 4 2 ) ( = A rg , ) 4 ( n r et m n = =
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
7 77 7

2)

= +
=
= +
= +
2 2 3
2 3 5
2
2 3 2
) (
2 1
3 2
3 2 1
3 2 1
x x
x x
x x x
x x x
S
(
(


=
0 2 3
3 5 0
1 1 1
1 3 2
A et
|
|
|

\
|
=
2
2
2
2
b

Le systme ) (S est un systme linaire non de Cramer : ) 3 , 4 ( M A , ) ( m n


R R s so ol lu ut ti io on n d d u un n s sy ys st t m me e a av ve ec c s se ec co on nd d m me em mb br re e

On propose de rsoudre un systme linaire non de Cramer ) (S de n quations m inconnues,
crit sous sa forme matricielle b X A = . .

(
(

=
nm n
m
a a
a a
A
L
M M M
L
1
1 11
,
|
|

\
|
=
m
x
x
X M
1
et
|
|

\
|
=
n
b
b
b M
1


E Et ta ap pe es s d de e l la a r r s so ol lu ut ti io on n : :

On cherche le rang r de la matrice A : r A rg = ) (
Si ) ( r m n = = alors le systme est un systme linaire de Cramer et sa rsolution se fait
par lune des mthodes dveloppes au paragraphe prcdent.
Sinon, le systme est alors un systme linaire non de Cramer. Pour le rsoudre, on suit
les tapes suivantes.

On suppose que la matrice
r
A forme par les r premires lignes et les r premires colonnes de la
matrice A a un dterminant non nul
r
:
r r r
r
r
m n r n r n n
m r r r r r r
m r r r r r r
m r r
a a
a a
a a a a
a a a a
a a a a
a a a a
A
, 1 ,
, 1 1 , 1
, 1 , , 1 ,
, 1 1 , 1 , 1 1 , 1
, 1 , , 1 ,
, 1 1 , 1 , 1 1 , 1
L
M M M
L
L L
M M M M M M
L L
L L
M M M M M M
L L
=
(
(
(
(
(
(

=
+
+ + + + +
+
+

Cette hypothse peut toujours tre vrifie, un changement prs de lordre des quations
et/ou de lordre des inconnues. Elle ne restreint donc pas ltude qui suit mais en simplifie
seulement lexpos.

r
sappelle le dterminant principal. On en dduit :
Les inconnues principales
r
x x , ,
1
L , dont les coefficients sont les colonnes de
r
A .
les autres inconnues
m r
x x , ,
1
L
+
sont dites non principales ou arbitraires.
Les quations principales, qui sont les lignes du dterminant principal : ce sont les r premires
quations du systme.
Les autres quations sont dites quations non principales.

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
8 88 8

On crit les matrices ) 1 , ( r n h M
h
de type ) 1 , 1 ( + + r r dfinies par :
r n h
b a a
b a a
b a a
M
h r r h r h r
r r r r
r
h

(
(
(

=
+ + +
1 ,
, 1 ,
, 1 ,
1 , 1 1 , 1
L
L
M M M M
L


Les dterminants des matrices ) 1 , ( r n h M
h
sappellent les dterminants caractristiques
du systme b X A = . . On note r n h M
h h
= 1 ), det(

On vrifie les conditions, dites de compatibilit du systme b X A = . : r n h
h
= 1 , 0

1
er
cas : r n h 1 avec 0
h

Les quations sont dites incompatibles et le systme b X A = . est impossible ou insoluble.

2
me
cas : r n h 1 , 0 =
h

Le systme est possible. Pour le rsoudre, on rsout le systme form des r quations principales
dont les inconnues sont les inconnues principales et o les inconnues arbitraires sont considres
comme des paramtres et sont ajoutes au second membre du systme.

E Ex xe em mp pl le es s : :
1)

= +
=
= + +
= + + +
2 2 2
2 2 2
0 2 2
1 4 3 2
) (
3 1
4 2 1
4 3 2
4 3 2 1
x x
x x x
x x x
x x x x
S
(
(


=
0 2 0 2
2 0 1 2
2 2 1 0
4 3 2 1
A et
|
|
|

\
|

=
2
2
0
1
b

) 4 ( M A et 2 2 ) ( 2 ) ( = = = r S rg A rg

Un dterminant principal est :
1 0
2 1
2
= . On en dduit :
Les inconnues principales :
1
x et
2
x
Les inconnues arbitraires :
3
x et
4
x
Les quations principales :

= + +
= + + +
0 2 2
1 4 3 2
4 3 2
4 3 2 1
x x x
x x x x


Les conditions de compatibilit sont : 2 1 , 0 = h
h

0
2 1 2
0 1 0
1 2 1
1
=

= et 0
2 0 2
0 1 0
1 2 1
2
=

=
Les conditions de compatibilit sont alors vrifies et le systme est possible.

Sa rsolution revient rsoudre le systme de Cramer suivant :

+ =
+ = +
) 2 2 (
) 4 3 ( 1 2
) (
3 4 2
4 3 2 1
1
x x x
x x x x
S
La solution du systme ) (
1
S est donne par :

+ =
+ =
) 2 2 (
2 ) 4 3 ( 1
3 4 2
2 4 3 1
x x x
x x x x

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
9 99 9

La solution du systme ) (S est alors gale lensemble :
( ) { }
2
4 3 4 3 2 3 1
4
3 2 1
, , 2 2 , 1 / ) , , , ( ) ( IR x x x x x x x IR x x x x S E = + = =
Vrification :

= + +
= +
= + +
= + + + +
2 2 ) 1 .( 2
2 2 ) 2 2 ( ) 1 .( 2
0 2 2 ) 2 2 (
1 4 3 ) 2 2 .( 2 ) 1 (
3 3
4 4 3 3
4 3 4 3
4 3 4 3 3
x x
x x x x
x x x x
x x x x x



2)

= +
=
= + +
= + + +
2 2 2
2 2 2
0 2 2
1 4 3 2
) (
3 1
4 2 1
4 3 2
4 3 2 1
x x
x x x
x x x
x x x x
S
(
(


=
0 2 0 2
2 0 1 2
2 2 1 0
4 3 2 1
A et
|
|
|

\
|

=
2
2
0
1
b

) 4 , 4 ( M A et 2 2 ) ( 2 ) ( = = = r S rg A rg
Un dterminant principal est :
1 0
2 1
2
= . On en dduit :
Les inconnues principales :
1
x et
2
x
Les inconnues arbitraires :
3
x et
4
x
Les quations principales :

= + +
= + + +
0 2 2
1 4 3 2
4 3 2
4 3 2 1
x x x
x x x x

Les conditions de compatibilit sont : 2 1 , 0 = h
h

0
2 1 2
0 1 0
1 2 1
1
=

= et 0 4
2 0 2
0 1 0
1 2 1
2 2
=

=
Les conditions de compatibilit ne sont alors pas vrifies et le systme est impossible.


C Ca as s p pa ar rt ti ic cu ul li ie er r d d u un n s sy ys st t m me e h ho om mo og g n ne e

On propose de rsoudre un systme linaire homogne non de Cramer ) (S de n quations m
inconnues, crit sous sa forme matricielle 0 . = X A .

E Et ta ap pe es s d de e l la a r r s so ol lu ut ti io on n : :

On cherche le rang r de la matrice A : r A rg = ) (
Si ) ( r m n = = alors le systme est un systme linaire de Cramer et son unique solution est le
vecteur nul.
Sinon, le systme est alors un systme linaire non de Cramer. Pour le rsoudre, on suit les
mmes tapes que pour un systme linaire non de Cramer avec second membre (Les
conditions de compatibilit tant toujours vrifies).
On cherche le dterminant principal
r
:
r r r
r
r
a a
a a
, 1 ,
, 1 1 , 1
L
M M M
L
=

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
10 10 10 10

On en dduit :
Les r inconnues principales
r
x x , ,
1
L .
Les r m inconnues arbitraires
m r
x x , ,
1
L
+
.
Les r quations principales correspondantes
r
.

Les conditions de compatibilit sont toujours vrifies ( r n h
h
= 1 , 0 ) :
r n h
a a
a a
a a
b a a
b a a
b a a
M
r h r h r
r r r
r
h r r h r h r
r r r r
r
h h
= =
(
(
(

= =
+ + + + +
1 , 0
0
0
0
det ) det(
, 1 ,
, 1 ,
, 1 1 , 1
, 1 ,
, 1 ,
1 , 1 1 , 1
L
L
M M M M
L
L
L
M M M M
L


On rsout le systme de Cramer form par les r quations principales, dont les inconnues sont les r
inconnues principales et o lon fait passer les r m inconnues arbitraires au second membre du
systme b X A = . .

R Re em ma ar rq qu ue e : :
La solution de tout systme linaire non de Cramer homogne est un sous espace vectoriel de
dimension gale au nombre de ses inconnues arbitraires gale au rang de sa matrice.

E Ex xe em mp pl le e : :

= +
=
= + +
= + + +
0 2 2
0 2 2
0 2 2
0 4 3 2
) (
3 1
4 2 1
4 3 2
4 3 2 1
x x
x x x
x x x
x x x x
S
(
(


=
0 2 0 2
2 0 1 2
2 2 1 0
4 3 2 1
A et
|
|
|

\
|
=
0
0
0
0
b

) 4 ( M A et 2 2 ) ( 2 ) ( = = = r S rg A rg
Un dterminant principal :
1 0
2 1
2
= . On en dduit :
Les inconnues principales :
1
x et
2
x
Les inconnues arbitraires :
3
x et
4
x
Les quations principales :

= + +
= + + +
0 2 2
0 4 3 2
4 3 2
4 3 2 1
x x x
x x x x


Le systme tant homogne, les conditions de compatibilit sont vrifies.

La rsolution du systme ) (S revient alors rsoudre le systme de Cramer suivant :

+ =
+ = +
) 2 2 (
) 4 3 ( 2
) (
3 4 2
4 3 2 1
1
x x x
x x x x
S
La solution du systme ) (
1
S est donne par :

+ =
+ =
) 2 2 (
2 ) 4 3 (
3 4 2
2 4 3 1
x x x
x x x x


La solution du systme 0 . = X A est alors gale au sous espace vectoriel :
{ } > =< = = = ) 1 , 0 , 2 , 0 ( ), 0 , 1 , 2 , 1 ( ) , ( , 2 2 , / ) , , , ( ) (
2
4 3 4 3 2 3 1
4
4 3 2 1
IR x x x x x x x IR x x x x S E


[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
11 11 11 11


I
III
III
II-
-- A
AAp
ppp
ppl
lli
iic
cca
aat
tti
iio
oon
nn a
aau
uux
xx
l
ll
m
mme
een
nnt
tts
ss p
ppr
rro
oop
ppr
rre
ees
ss d
dd
u
uun
nne
ee m
mma
aat
ttr
rri
iic
cce
ee c
cca
aar
rrr
rr
e
ee


I II II I- -1 1 D D f fi in ni it ti io on ns s d d u un ne e v va al le eu ur r p pr ro op pr re e e et t d d u un n v ve ec ct te eu ur r p pr ro op pr re e a as ss so oc ci i

D D f fi in ni it ti io on n : :
Soit A une matrice carre dordre n coefficients rels.
On appelle valeur propre de A toute valeur de pour laquelle le systme X X A . . = admet une
solution non triviale 0 X .
On appelle vecteur propre associ la valeur propre ces solutions non triviales.

E Ex xe em mp pl le e : :
(

=
1 1 1
1 1 1
1 1 1
A , ,
(

=
0
1
1
1
X , ,
(

=
1
1
0
2
X , ,
(

=
1
1
1
3
X


(

=
(

=
(

=
0
1
1
. 2
0
2
2
0
1
1
.
1 1 1
1 1 1
1 1 1
.
1
X A :
1 1
. 2 . X X A =
2
1
= est alors une valeur propre de la matrice A .

(

=
0
1
1
1
X est un vecteur propre de la matrice A associ la valeur propre 2
1
= .

(

=
(

=
(

=
1
1
0
. 2
2
2
0
1
1
0
.
1 1 1
1 1 1
1 1 1
.
2
X A :
2 2
. 2 . X X A =

(

=
1
1
0
2
X est un deuxime vecteur propre de la matrice
A
associ la mme valeur propre 2
1
= .

(

=
(

=
(

=
1
1
1
). 1 (
1
1
1
1
1
1
.
1 1 1
1 1 1
1 1 1
.
3
X A :
3 3
). 1 ( . X X A =
1
2
= est alors une autre valeur propre de la matrice
A
.

(

=
1
1
1
3
X est un vecteur propre de la matrice A associ la valeur propre 1
2
= .


I II II I- -1 1 P Pr ro op pr ri i t t s s d d u un ne e v va al le eu ur r p pr ro op pr re e e et t d du u s so ou us s e es sp pa ac ce e p pr ro op pr re e a as ss so oc ci i

P Pr ro op po os si it ti io on n 1 1 : :
Soit A une matrice carre dordre n coefficients rels.
est une valeur propre de la matrice A ssi : 0 ) . det( = I A .
) . det( I A sappelle le polynme caractristique de la matrice A , on le note ) (
A
P .

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
12 12 12 12

Calculer les valeurs propres dune matrice A revient rsoudre lquation 0 ) . det( = I A .

P Pr ro op po os si it ti io on n 2 2 : :
Soit A une matrice carre dordre n coefficients rels.
est une valeur propre simple de la matrice A ssi est une racine simple de son polynme
caractristique.
est une valeur propre multiple de la matrice A dordre de multiplicit k ssi est une racine
multiple de son polynme caractristique, dordre de multiplicit k.

P Pr ro op po os si it ti io on n 3 3 : :
Toute matrice carre dordre n coefficients rels admet au plus n valeurs propres relles, en
comptant k fois toute valeur propre dordre de multiplicit k.
Toute matrice carre symtrique dordre n coefficients rels admet exactement n valeurs
propres relles, en comptant k fois toute valeur propre dordre de multiplicit k.

P Pr ro op po os si it ti io on n 4 4 : :
Si toutes les valeurs propres dune matrice carre A sont relles alors :
La somme de ses valeurs propres est gale sa trace : ( )

= =
ii
a A tr
i
, en ajoutant k fois
toute valeur propre dordre de multiplicit k.
Le produit de ses valeurs propres est gale son dterminant : ( ) A det
i
=

, en multipliant k
fois par toute valeur propre dordre de multiplicit k.

P Pr ro op po os si it ti io on n 5 5 : :
Soit A une matrice carre dordre n coefficients rels.
Lensemble de tous les vecteurs propres dune matrice carre dordre n coefficients rels,
associs une mme valeur propre est un sous espace vectoriel de
n
IR .
On lappelle le sous espace propre associ la valeur propre et on le note

E .

E est le sous espace vectoriel solution du systme


n
X I A 0 ). . ( = : ) . ( dim I A rg n E

=


k E dim ,

k tant le degr de multiplicit de .



Pour chaque valeur propre de A , dterminer le sous espace propre associ revient alors rsoudre le
systme linaire (non de cramer car 0 ) . det( = I A ) :
n
X I A 0 ). . ( = .

P Pr ro op po os si it ti io on n 6 6 : :
Soit A une matrice carre dordre n coefficients rels.
Des vecteurs propres associs des valeurs propres distincts sont linairement indpendants.
Si la matrice A admet n valeurs propres distinctes alors les vecteurs propres associs forment
une base de
n
IR .

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 1 : Rsolution de systmes linaires


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
13 13 13 13

E Ex xe em mp pl le es s : :

[ ]
1 3
2 4
= A : ) 5 )( 2 ( ) ( + =
A
P ,

=
=

) 1 , 2 (
) 3 , 1 (
5
2
E
E


[ ]
3 2
2 1

= A :
2
) 1 ( ) ( + =
A
P , ) 1 , 1 (
1
=

E

[ ]
1 1
2 1

= A : 1 ) (
2
+ =
A
P


(

=
1 1 1
1 1 1
1 1 1
A :
2
) 2 )( 1 ( ) ( + =
A
P ,

=
=

) 1 , 0 , 1 ( ), 0 , 1 , 1 (
) 1 , 1 , 1 (
2
1
E
E



(



=
1 2 4
5 2 6
4 3 7
A :
2
) 1 )( 2 ( ) ( =
A
P ,

=
=
) 0 , 2 , 1 (
) 2 , 1 , 1 (
1
2
E
E



(


=
1 1 1
1 0 0
0 1 0
A : ) 1 )( 1 ( ) (
2
+ + =
A
P , ) 1 , 1 , 1 (
1
=

E



Universit Mohammed V Agdal
Facult des Sciences Juridiques,
Economiques et sociales
RABAT


http://www.fsjesr.ac.ma
Q-'=- --=- -'= -
-'~--V --;-'-- ;-- --
--'--=V
'-,-

Filire de Sciences conomiques et de Gestion

Semestre : S
4

Module : M 16 (Mthodes Quantitatives IV)
Matire : Algbre II



Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
14 14 14 14


C
CCH
HHA
AAP
PPI
IIT
TTR
RRE
EE 2
22 :
:: P
PPR
RRO
OOD
DDU
UUI
IIT
TT S
SSC
CCA
AAL
LLA
AAI
IIR
RRE
EE-
--O
OOR
RRT
TTH
HHO
OOG
GGO
OON
NNA
AAL
LLI
IIT
TTE
EE



I- Produit scalaire dans Rn et Norme euclidienne sur Rn .............................................. 15
I-1 Dfinitions .................................................................................................................................................... 15
I-2 Matrice d'un produit scalaire ........................................................................................................................ 16
I-3 Produit scalaire et norme euclidienne ........................................................................................................... 17
I-4 Produit scalaire et angle de deux vecteurs .................................................................................................... 18

II- Orthogonalit ................................................................................................................ 18
II-1 Vecteurs orthogonaux ................................................................................................................................. 18
II-2 Procd dorthogonalisation de Gram-Schmidt .......................................................................................... 19
II-3 Sous espaces vectoriels orthogonaux .......................................................................................................... 20

III- Application aux droites et aux plans .......................................................................... 21
III-1 Droites dans R2 ......................................................................................................................................... 22
III-2 Plans et droites dans R3 ............................................................................................................................ 23

IV- Retour aux systmes linaires ..................................................................................... 24
IV-1 Images et noyaux orthogonaux .................................................................................................................. 24
IV-2 Sous espaces propres orthogonaux ............................................................................................................ 25
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
15 15 15 15


I
II-
-- P
PPr
rro
ood
ddu
uui
iit
tt s
ssc
cca
aal
lla
aai
iir
rre
ee d
dda
aan
nns
ss R
RR
n
nn
e
eet
tt N
NNo
oor
rrm
mme
ee e
eeu
uuc
ccl
lli
iid
ddi
iie
een
nnn
nne
ee s
ssu
uur
rr R
RR
n
nn


I-1 Dfinitions

D D f fi in ni it ti io on n : : (Produit scalaire)
On appelle produit scalaire dans R
n
toute application de R
n
R
n
dans R qui possde les
proprits ci-dessus.
On notera (x, y)
q
, ou simplement (x, y), le nombre rel (x, y).

(1) La bilinarit.
- Linarit par rapport la premire variable : (vx, x
i
, y e R
n
ct vo, [ e R)
_
(x +x
i
, y) = (x, y) +(x
i
, y)
(o. x, y) = o. (x, y)

= (o. x +[. x
i
, y) = o. (x, y) +[. (x
i
, y)
ou encore :
_
(x +x
i
, y)
q
= (x, y)
q
+(x
i
, y)
q
(o. x, y)
q
= o. (x, y)
q

= (o. x +[. x
i
, y)
q
= o. (x, y)
q
+[. (x
i
, y)
q


- Linarit par rapport la deuxime variable : (vx, y, y
i
e R
n
ct vo, [ e R)
_
(x, y +y
i
) = (x, y) +(x, y
i
)
(x, o. y) = o. (x, y)

= (x, o. y +[. y
i
) = o. (x, y) +[. (x, y
i
)
ou encore :
_
(x, y +y
i
)
q
= (x, y)
q
+(x, y
i
)
q
(x, o. y)
q
= o. (x, y)
q

= (x, o. y +[. y
i
)
q
= o. (x, y)
q
+[. (x, y
i
)
q


(2) La bilinarit. vx, y e R
n

(x, y) = (x, y) ou encoie (x, y)
q
= (y, x)
q


(3) La positivit.
vx e R
n
(x, x) u ou encoie (x, x)
q
u

(4) La non dgnrescence.
vx e R
n
(x, x) = u =x u ou encoie (x, x)
q
= u =x u

D D f fi in ni it ti io on n : : (Espace vectoriel euclidien)
Lorsqu'il est muni d'un produit scalaire (. , . )
q
, R
n
est appel un espace vectoriel euclidien.
On le note par (R
n
, (. , . )
q
)

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
16 16 16 16

E Ex xe em mp pl le es s : :
(1) (x, y) = x

n
=1
est un produit scalaire sur R
n
: produit scalaire canonique ou usuel de R
n
.
(2) (x, y) = o

n
=1
, (o

> u, vi = 1, n) est un produit scalaire sur R


n
.
(3) (x, y) = 2x
1
y
1
+ x
1
y
2
+ x
2
y
1
+ x
2
y
2
est un produit scalaire sur R
2
.
(4) (x, y) = 2x
1
y
1
+ 2x
2
y
2
+ 2x
3
y
S
+ x
1
y
2
+ x
2
y
1
+ x
1
y
S
+ x
3
y
1
+ x
2
y
S
+ x
3
y
2
est un produit
scalaire sur R
3
.

I-2 Matrice d'un produit scalaire

D D f fi in ni it ti io on n : : (Matrice dun produit scalaire)
La matrice dun produit scalaire (. , . )
q
dfini sur R
n
, muni de sa base canonique {c
1
, , c
n
]
cest la matrice H dfinie par m
]
= (c

, c
]
), (i = 1, n) .

E Ex xe em mp pl le es s : :
(1) La matrice du produit scalaire canonique cest la matrice identit.
(2) La matrice du produit scalaire dfini (x, y) = o

n
=1
, o

> u cest la matrice diagonale (o

)
1<<n
.
(3) La matrice du produit scalaire dfini (x, y) = 2x
1
y
1
+ x
1
y
2
+ x
2
y
1
+ x
2
y
2
cest la matrice j
2 1
1 1
[.
(4) La matrice du produit scalaire dfini (x, y) = 2x
1
y
1
+ 2x
2
y
2
+ 2x
3
y
S
+ x
1
y
2
+ x
2
y
1
+ x
1
y
S
+ x
3
y
1
+
x
2
y
S
+ x
3
y
2
cest la matrice _
2 1 1
1 2 1
1 1 2
_.

D D f fi in ni it ti io on n : : (Matrice symtrique dfinie positive)
Une matrice symtrique est dite dfinie positive si toutes ses valeurs propres sont strictement
positives.

E Ex xe em mp pl le es s : :
(1) La matrice identit est une matrice symtrique dfinie positive.
(2) Une matrice diagonale est une matrice symtrique dfinie positive si tous ses lments diagonaux sont
strictement positifs.
(3) La matrice symtrique j
1 2
2 1
[ nest pas dfinie positive.
(4) La matrice symtrique j
2 1
1 1
[ est dfinie positive.
(5) La matrice symtrique _
1 1 -1
1 1 1
-1 1 1
_ nest pas dfinie positive car P
A
(z) = -(z +1)(z -2)
2

(6) La matrice symtrique _
2 1 1
1 2 1
1 1 2
_ est dfinie positive car P
A
(z) = -(z -4)(z -2)
2


P Pr ro op po os si it ti io on n : :
La matrice dun produit scalaire sur R
n
est une matrice symtrique dfinie positive.

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
17 17 17 17

E Ex xe em mp pl le es s : :
(1) La matrice du produit scalaire canonique est symtrique dfinie positive (la matrice identit).
(2) La matrice du produit scalaire (x, y) = o

n
=1
, o

> u est symtrique dfinie positive.


(3) La matrice du produit scalaire (x, y) = 2x
1
y
1
+ x
1
y
2
+ x
2
y
1
+ x
2
y
2
est symtrique dfinie positive.
(4) La matrice du produit scalaire (x, y) == 2x
1
y
1
+ 2x
2
y
2
+ 2x
3
y
S
+ x
1
y
2
+ x
2
y
1
+ x
1
y
S
+ x
3
y
1
+
x
2
y
S
+ x
3
y
2
est symtrique dfinie positive.

P Pr ro op po os si it ti io on n : :
Une matrice carre dordre n dfinit un produit scalaire sur R
n
si et seulement si elle est
symtrique dfinie positive.
Soit H une matrice symtrique dfinie positive dordre n.
Lapplication de R
n
R
n
dans R par (x, y) = x. H. y
t
est un produit scalaire sur R
n
.
On notera (x, y)
M
, le nombre rel (x, y).

E Ex xe em mp pl le es s : :
(1) La matrice symtrique j
1 2
2 1
[ ne dfinit pas de produit scalaire sur R
2
car elle nest pas dfinie positive.
(2) La matrice symtrique j
2 1
1 1
[ dfinit un produit scalaire R
2
(car elle est dfinie positive) par
(x, y) = (
x
1
x
2
) j
2 1
1 1
[ [
y
1
y
2
= 2x
1
y
1
+ x
1
y
2
+ x
2
y
1
+ x
2
y
2

(3) La matrice _
1 1 -1
1 1 1
-1 1 1
_ ne dfinit pas de produit scalaire sur R
3
car elle nest pas dfinie positive.
(4) La matrice symtrique _
2 1 1
1 2 1
1 1 2
_ dfinit un produit scalaire R
3
(car elle est dfinie positive) par
(x, y) = (
x
1
x
2
x
2
) _
2 1 1
1 2 1
1 1 2
_ _
y
1
y
2
y
S
_
(x, y) = 2x
1
y
1
+ 2x
2
y
2
+ 2x
3
y
S
+ x
1
y
2
+ x
2
y
1
+ x
1
y
S
+ x
3
y
1
+ x
2
y
S
+ x
3
y
2



I-3 Produit scalaire et norme euclidienne

D D f fi in ni it ti io on n : :
Soit (x, y)
q
un produit scalaire sur R
n
. On notera [x[
q
simplement par [x[.
Lapplication dfinie de R
n
vers R par : [x[ =
(x, x)
q
sappelle norme euclidienne.
Le nombre [x[ sappelle norme du vecteur x.
Lapplication dfinie de R
n
vers R par : J(x, y) = [x -y[ sappelle distance euclidienne.
La distance dun point x un sous espace vectoriel F est donne par : J(x, F) = min
eP
[x -y[

P Pr ro op pr ri i t t s s : : ( (n no or rm me e e eu uc cl li id di ie en nn ne e) )
(1) Homognit : [z. u[ = |z|. [u[
(2) Norme dune somme de deux vecteurs : [u +:[
2
= [u[
2
+[:[
2
+2. (u, :)
(3) Ingalit de Schwarz : |(u, :)| [u[. [:[
(4) Ingalit de Minkowski : [u +:[ [u[ +[:[
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
18 18 18 18

P Pr ro op pr ri i t t s s : : ( (d di is st ta an nc ce e e eu uc cl li id di ie en nn ne e) )
(1) J(x, y) = J(y, x)
(2) J(x, y) = u = x = y
(3) J(x, z) J(x, y) +J(y, z)

P Pr ro op po os si it ti io on n : :
Si (R
n
, (. , . )
q
) est un espace euclidien, alors : vu, : e R
n
; (u, :) =
1
4
([u + :[
2
- [u - :[
2
)
La connaissance de la norme dtermine compltement le produit scalaire.
Pour dsigner un espace euclidien, on note alors aussi (R
n
, [. [
q
) au lieu de (R
n
, (. , . )
q
),
[. [
q
tant la norme euclidienne associe au produit scalaire (. , . )
q
.


I-4 Produit scalaire et angle de deux vecteurs

P Pr ro op po os si it ti io on n : :
Si u et : sont deux vecteurs non nuls de (R
n
, (. , . )) alors il existe un unique angle e |u, ] tel
que cos 0 =
(u,)
[u[.[[
: _
|(u, :)| [u[. [:[
[u[. [:[ = u

= -1
(u,)
[u[.[[
1 = +0 e |u, n] cos 0 =
(u,)
[u[.[[


D D f fi in ni it ti io on n : :
Si u et : sont deux vecteurs non nuls de (R
n
, (. , . )) alors lunique angle 0 e |u, n] vrifiant
cos 0 =
(u,)
[u[.[[
sappelle angle des deux vecteurs u et : .


On considre dans toute la suite lespace euclidien (R
n
, (. , . )) : o R
n
est muni du produit scalaire usuel :
vx, y e R
n
(x, y) = x
|
y
|
n
|=1
; [x[ = _(x
|
)
2
n
|=1



I
III
II-
-- O
OOr
rrt
tth
hho
oog
ggo
oon
nna
aal
lli
iit
tt


II-1 Vecteurs orthogonaux

D D f fi in ni it ti io on n : :
On dit que deux vecteurs u et : de R
n
sont orthogonaux et on note u : ssi (u, :) = u.

P Pr ro op pr ri i t t s s : :
(1) Langle de deux vecteurs orthogonaux u et : est gal
n
2
: cos(u, :)

=
(u,)
[u[.[[
= u
(2) Deux vecteurs u et : sont orthogonaux ssi [u +:[
2
= [u[
2
+[:[
2
(lidentit de Pythagore)
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
19 19 19 19

D D f fi in ni it ti io on n : :
Un systme de vecteurs {u
1
, , u
k
] de R
n
est un systme orthogonal ssi (u

, u
]
) = u si i = ].

P Pr ro op po os si it ti io on n : :
Un systme orthogonal est libre.

D D f fi in ni it ti io on n : :
Un systme, de n vecteurs de R
n
, {u
1
, , u
n
] est une base orthonorme ssi :
(u

, u
]
) = o
]
= _
u si i = ]
1 si i = ]

ssi _
(u

, u
]
) = u si i = ]
(u

, u

) = [u

[
2
= 1
.

P Pr ro op po os si it ti io on n : :
Tout sous espace vectoriel de (R
n
, (. , . )) admet une base orthonorme.


II-2 Procd dorthogonalisation de Gram-Schmidt

Soit E un sous espace de (R
n
, (. , . )) . Le procd dorthogonalisation de Gram-Schmidt consiste
construire une base orthonorme |e
1
, , e
p
| de E partir dune base quelconque |u
1
, , u
p
| de E.

t ta ap pe es s d du u p pr ro oc c d d : :

Dpart : |u
1
, , u
p
| une base de E.
tape 1 : construire le 1
er
vecteur de la base orthonorme e
1

e'
1
= u
1
-e
1
=
e'
1
[e'
1
[

tape 2 : construire le 2
me
vecteur de la base orthonorme e
2

e'
2
= u
2
-(u
2
, e
1
). e
1
-e
2
=
e'
2
[e'
2
[

tape r : construire le r
ime
vecteur de la base orthonorme e


e'

= u

-(u

, e
1
). e
1
-(u

, e
1
). e
1
-e

=
e'

[e'

[

tape p : construire le p
ime
vecteur de la base orthonorme e
p

e'
p
= u
p
-(u
p
, e
1
). e
1
-(u
p
, e
p1
). e
p1
-e
p
=
e'
p
e'
p


Arrive : |e
1
, , e
p
| est une base orthonorme de .

E Ex xe em mp pl le e : :

Une base orthonorme du sous espace vectoriel = {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u]
Dpart : On construit une base {u
1
, u
2
, u
3
] de
u
1
= (-1,1,u,u)
u
2
= (-1,u,1,u)
u
S
= (-1,u,u,1)



[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
20 20 20 20

tape 1 : On construit le 1
er
vecteur de la base orthonorme e
1
= [
1
2
,
1
2
, u,u
e
i
1
= u
1
= (-1,1,u,u)
[e
i
1
[ = 2
e
1
=
1
[i

[
. e'
1
=
1
2
. (-1,1,u,u)
tape 2 : construire le 2
me
vecteur de la base orthonorme e
2
= [
1

,
1

,
2

, u
e
i
2
= u
2
-(u
2
, e
1
). e
1
= (-1,u,1,u) -
1
2
[
1
2
,
1
2
, u,u = [
1
2
,
1
2
, 1,u ; (u
2
, e
1
) =
1
2

[e
i
2
[ =

[
1
2

2
+[
1
2

2
+(1)
2
=
3
2

e
2
=
1
[i

[
. e'
2
=
2
3
. [
1
2
,
1
2
, 1,u
tape 3 : construire le 3
me
vecteur de la base orthonorme e
3
= [
1
23
,
1
23
,
1
23
,
3
23

e
i
3
= u
3
-(u
3
, e
1
). e
1
-(u
3
, e
2
). e
2
; (u
3
, e
1
) =
1
2
, (u
3
, e
2
) =
1


e
i
3
= (-1,u,u,1) -
1
2
[
1
2
,
1
2
, u,u -
1

. [
1

,
1

,
2

, u = [
1
3
,
1
3
,
1
3
, 1
[e
i
3
[ =

[
1
3

2
+[
1
3

2
+[
1
3

2
= (1)
2
=
2
3

e
3
=
1
[i

[
. e'
3
=
3
2
. [
1
3
,
1
3
,
1
3
, 1
Arrive : {e
1
, e
2
, e
3
] est une base orthonorme de .


II-3 Sous espaces vectoriels orthogonaux

D D f fi in ni it ti io on n : :
Soit un sous-espace vectoriel de R
n
. On appelle sous-espace orthogonal de et on note

lensemble :

= {: e R
n
(u, :) = u vu e ]

R Ra ap pp pe el l : :
Deux sous espaces vectoriels F et de R
n
sont supplmentaires ssi R
n
est leur somme directe :
F = R
n
ssi vx e R
n
; +! (y, z) e F x = y + z

P Pr ro op po os si it ti io on n : :
Lorthogonal dun sous-espace vectoriel de (R
n
, (, )) est un sous espace vectoriel de (R
n
, (, )).
Un sous espace vectoriel et son orthogonal sont supplmentaires dans R
n
:

= R
n
.
Lorthogonal de lorthogonal dun sous espace vectoriel lui est gal : (

=
En particulier, on a : ({u, ,u])

= R
n
et (R
n
)

= {u, ,u]

P Pr ro op po os si it ti io on n : :
Si = :ct|u
1
, , u

| est un sous-espace vectoriel de R


n
alors :

= |: e R
n
/ (u
1
, :) = = (u
p
, :) = u|

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
21 21 21 21

E Ex xe em mp pl le e : : = {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u]

= :ct{u
1
, u
2
, u
S
] avec
u
1
= (-1,1,u,u)
u
2
= (-1,u,1,u)
u
S
= (-1,u,u,1)
; car {u
1
, u
2
, u
3
] est une base de .
x = (x
1
, x
2
, x
S
, x
4
) e

=
(u
1
, x) = u
(u
2
, x) = u
(u
S
, x) = u

=
-x
1
+ x
2
= u
-x
1
+ x
S
= u
-x
1
+ x
4
= u

=
-x
1
+ x
2
= u
-x
1
+ x
S
= u
-x
1
+ x
4
= u

= {(x
1
, x
2
, x
S
, x
4
) e R
4
-x
1
+ x
2
= u ; -x
1
+ x
S
= u ; -x
1
+ x
4
= u]

= :ct{:
1
] ; avec :
1
= (1,1,1,1) une base de

.

D D f fi in ni it ti io on n : :
Un sous espace vectoriel de R
n
est dit hyperplan sil est de dimension n -1.

E Ex xe em mp pl le e : :
= {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u] est un hyperplan de R
4
: uim(R
4
) = 4 et uim() = S

P Pr ro op po os si it ti io on n : :
Soit H un hyperplan de (R
n
, (. , . )) alors il existe un vecteur : e R
n
tel que

= :ct{:].

E Ex xe em mp pl le e : :
= {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u] est un hyperplan de R
4
.
+:
1
= (1,1,1,1) e R
4

= :ct{:
1
].

D D f fi in ni it ti io on n : :
Soit H un hyperplan de (R
n
, (. , . )) et

= :ct{:].
Le vecteur : sappelle "vecteur normal" ou "une normale" B.
Si [:[ = 1, : est un "vecteur normal unitaire" ou "normale unitaire" B.

E Ex xe em mp pl le e : :
= {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u] est un hyperplan de R
4
.

= :ct{:
1
], avec :
1
= (1,1,1,1).
Le vecteur :
1
= (1,1,1,1) est un vecteur normal .
Le vecteur :
1
=
1
[

[
. :
1
= [
1
2
,
1
2
,
1
2
,
1
2
est un vecteur normal unitaire .


I
III
III
II-
-- A
AAp
ppp
ppl
lli
iic
cca
aat
tti
iio
oon
nn a
aau
uux
xx d
ddr
rro
ooi
iit
tte
ees
ss e
eet
tt a
aau
uux
xx p
ppl
lla
aan
nns
ss

Dans R
2
, les sous espaces vectoriels non triviaux sont des droites.
Tout sous espace vectoriel non trivial de R
2
est de dimension 1 : cest un hyperplan de R
2
.
o un hyperplan de R
2
est une droite du plan.
Dans R
3
, les sous espaces vectoriels non triviaux sont des droites et des plans.
Tout sous espace vectoriel non trivial de R
3
est
soit de dimension 2 : un hyperplan de R
3
, un hyperplan de R
3
est un plan de lespace.
ou de dimension 1 : cest une droite de lespace.
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
22 22 22 22


III-1 Droites dans R
2


D D f fi in ni it ti io on n : :
Une droite () dans le plan R
2
a une quation, dite cartsienne, de la forme :
(): ox +y + = u, avec (o, ) = (u,u)
Le vecteur u = [
-
o
est un vecteur directeur de la droite ().
Le coefficient directeur est m = -

.

R Re em ma ar rq qu ue e : :
Lquation rduite dune droite non parallle laxe des ordonns est de la forme : y = mx + ;
o m est le coefficient directeur de la droite et lordonne lorigine.
Lquation rduite dune droite parallle laxe des abscisses est de la forme : y = , m = u.
Lquation rduite dune droite parallle laxe des ordonns est de la forme : x = .

P Pr ro op po os si it ti io on n : :
Toute quation de la forme ox +y + = u, avec (o, ) = (u,u), dfinit une droite (B) dans le
plan R
2
.
le vecteur u = [
-
o
est un vecteur directeur de (B).
Le vecteur : = [
o

est un vecteur normal (B).



E Ex xe em mp pl le e : : () x +2y +S = u
Lquation rduite de la droite () est donne par : y = -
1
2
x -
3
2

Le vecteur : = [
1
2
est un vecteur normal ()
Le vecteurs : = [
-2
1
est un vecteur directeur de ().

P Pr ro op po os si it ti io on n : :
Un vecteur directeur de la droite passant par deux points H(x, y) et N(x
i
, y
i
) est donn par :
HN

=: = _
x -x'
y -y'
]

P Pr ro op po os si it ti io on n : :
Toute droite (B) du plan passant par lorigine a une quation de la forme : ox +y = u.
La droite = {(x, y) e R
2
ox +y = u] est un hyperplan de lespace vectoriel R
2
.
Lhyperplan = {(x, y) e R
2
ox +y = u] a pour base |( , o)| : = :ct|( , o)|.
Lorthogonal de lhyperplan = :ct|( , o)| est lhyperplan

= :ct{(o, )].
Un vecteur normal

est un vecteur directeur de ((

= )
Lhyperplan

= :ct{(o, )] est la droite dquation -x +oy = u



[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
23 23 23 23

E Ex xe em mp pl le e : : () x + 2y = u

= {(x, y) e R
2
x + 2y = u] est un hyperplan de lespace vectoriel R
2
.
Le vecteur : = [
-2
1
dfinit une base {(-2,1)] de : = :ct|( 2,1)|
Lorthogonal de lhyperplan est

= :ct{(1,2)]

est la droite dquation -2x + y = u.




III-2 Plans et droites dans R
3


D D f fi in ni it ti io on n : :
Un plan (P) dans lespace R
3
a une quation, dite cartsienne, de la forme :
(P): ox + y + z + J = u, avec (o, , ) = (u,u,u)

Une droite () dans lespace R
3
a une quation, dite cartsienne, de la forme :
(): _
ox + y +z + J = u
o'x + 'y + 'z + J' = u

, avec _
(o, , ) = (u,u,u)
(o', ', ') = (u,u,u)



P Pr ro op po os si it ti io on n : :
Toute quation de la forme ox + y + z + J = u, dfinit un plan (P) dans lespace R
3
.
Le vecteur : = _
o

_ est un vecteur normal (P).



Toute quation de la forme _
ox + y + z + J = u
o'x + 'y + 'z + J' = u

, dfinit une droite () dans lespace R


3
.
La droite () est lintersection des deux plans _
(P): ox + y + z + J = u
(P
i
): o'x + 'y + 'z + J' = u


P Pr ro op po os si it ti io on n : :
Tout plan (P) passant par lorigine a une quation de la forme : ox + y + z = u.
Le plan P = {(x, y, z) e R
3
ox + y + z = u] est un hyperplan de lespace vectoriel R
3
.
Lorthogonal de lhyperplan P est P

= :ct{(o, , )].
Le sous espace vectoriel P

= :ct{(o, , )] est une droite.



E Ex xe em mp pl le e 1 1 ( (p pl la an n) ) : : (P) x + 2y + Sz = u
Le vecteur : = _
1
2
S
_ est un vecteur normal (P)
Les vecteurs u = _
-2
1
u
_ et w = _
-S
u
1
_ forment une base du plan vectoriel P = :ct{(u, w)]
_
x
y
z
_ e P ssi x + 2y + Sz = u ssi x = -2y - Sz ssi _
x
y
z
_ = _
-2y - Sz
y
z
_

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
24 24 24 24

_
x
y
z
_ e P ssi _
x
y
z
_ = y. _
-2
1
u
_ +z. _
-S
u
1
_

Lorthogonal de lhyperplan P est P

= :ct{(1,2,S)], de dimension 1.
: = _
x
y
z
_ e P

ssi _
(u, :) = u
(u, w) = u
ssi ]
-2x +y = u
-Sx +z = u

ssi _
x
y
z
_ = _
x
2x
Sx
_

Le sous espace vectoriel P

= :ct{(1,2,S)] est la droite dquation ]


-2x +y = u
-Sx +z = u

.

E Ex xe em mp pl le e 2 2 ( (d dr ro oi it te e) ) : : () _
x +y +z = u
x -y +z = u


Le vecteur : = _
1
u
-1
_ forme une base de la droite (B) : = :ct{:]
_
x
y
z
_ e ssi _
x +y +z = u
x -y +z = u

ssi
(c1 +c2)
(c1 -c2)
_
x +z = u
y = u

ssi _
x
y
z
_ = _
x
u
-x
_

Lorthogonal de la droite est

= :ct{(1,u,1), (u,1,u)], de dimension 2 :


u = _
x
y
z
_ e

ssi (u, :) = u ssi x -z = u ssi _


x
y
z
_ = _
x
y
x
_

Le sous espace vectoriel

= :ct{(1,u,1), (u,1,u)] est le plan dquation x -z = u.




I
IIV
VV-
-- R
RRe
eet
tto
oou
uur
rr a
aau
uux
xx s
ssy
yys
sst
tt
m
mme
ees
ss l
lli
iin
nn
a
aai
iir
rre
ees
ss

IV-1 Images et noyaux orthogonaux

D D f fi in ni it ti io on n : :
Soit A une matrice carre dordre n .
Im(A) est le sous espace vectoriel de R
n
engendr par les colonnes de A :
Im(A) = { e R
n
+X e R
n
: A. X = ] = {A. X ; X e R
n
]
Le noyau de A est le sous espace vectoriel de R
n
dont limage est nulle.
Kcr(A) = {X e R
n
A. X = u
n
]

P Pr ro op po os si it ti io on n : :
Soit A est une matrice carre dordre n .
Im(A) cest le sous espace vectoriel de R
n
des seconds membres du systme linaire A. X =
pour lesquels ce systme est compatible.
Kei(A) cest le sous espace vectoriel de R
n
, solution du systme linaire homogne A. X = u
n
.
Si le systme A. X = est de Cramer alors la matrice A est inversible et lon a :
Im(A) = R
n
et Kei(A) = (u, ,u).

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
25 25 25 25

P Pr ro op po os si it ti io on n : :
Si A est une matrice carre dordre n alors :

Im(A) = |Kcr( A
t
)]

Kcr(A) = |Im( A
t
)]

; Jon _
uim| Im(A)] = uim| Im( A
t
)]
uim| cr(A)] = uim| cr( A
t
)]


Si la matrice A est symtrique alors : Im(A) = |Kcr(A)]

; Jon R
n
= Kcr(A)Im(A)


IV-2 Sous espaces propres orthogonaux

P Pr ro op po os si it ti io on n : :
Si A est une matrice carre symtrique dordre n alors deux sous espaces propres associs deux
valeurs propres distinctes de A sont orthogonaux.



Universit Mohammed V Agdal
Facult des Sciences Juridiques,
Economiques et sociales
RABAT


http://www.fsjesr.ac.ma
Q-'=- --=- -'= -
-'~--V --;-'-- ;-- --
--'--=V
'-,-

Filire de Sciences conomiques et de Gestion

Semestre : S
4

Module : M 16 (Mthodes Quantitatives IV)
Matire : Algbre II



Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
26 26 26 26


C
CCH
HHA
AAP
PPI
IIT
TTR
RRE
EE 3
33 :
:: P
PPR
RRO
OOG
GGE
EEC
CCT
TTI
IIO
OON
NN O
OOR
RRT
TTH
HHO
OOG
GGO
OON
NNA
AAL
LLE
EE



I- Projection - Projection orthogonale .............................................................................. 27
I-1 Dfinitions .................................................................................................................................................... 27
I-2 Dtermination pratique de la projection orthogonale ................................................................................... 27
I-1 Caractrisation et proprits ......................................................................................................................... 29
II- Application aux droites et aux plans ............................................................................ 30
II-1 Projection orthogonale sur une droite du plan............................................................................................. 30
II-2 Projection orthogonale sur un plan .............................................................................................................. 31
II-3 Projection orthogonale sur une droite de lespace....................................................................................... 32
III- Retour aux systmes linaires (solution au sens des MCO) ...................................... 33
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
27 27 27 27


I
II-
-- P
PPr
rro
ooj
jje
eec
cct
tti
iio
oon
nn -
-- P
PPr
rro
ooj
jje
eec
cct
tti
iio
oon
nn o
oor
rrt
tth
hho
oog
ggo
oon
nna
aal
lle
ee

I-1 Dfinitions

P Pr ro op po os si it ti io on n : :
Si F et 0 sont deux sous espaces vectoriels supplmentaires de R
n
alors lapplication p dfinie
par : vx e R
n
, p(x) = y si x = y +z o:cc y e Fct z e 0 est une application linaire.

D D f fi in ni it ti io on n : :
Soient F et 0 sont deux sous espaces vectoriels supplmentaires de R
n
: R
n
= F 0
Lapplication linaire p dfinie sur R
n
par p(x) = y si x = y +z ; y e Fct z e 0 sappelle la
projection sur F paralllement 6 .
Lapplication linaire q = IJ
R
n -p dfinie sur R
n
par q(x) = x -p(x) est la projection sur 0
paralllement F .

D D f fi in ni it ti io on n : :
Si F est un sous espace vectoriel de (R
n
, (. , . )) alors la projection p sur F paralllement F
J

sappelle la projection orthogonale sur F. On la notera p
P
.


I-2 Dtermination pratique de la projection orthogonale

P Pr ro op po os si it ti io on n : :
Soit F un sous-espace de (R
n
, (. , . )).
Si B
P
= |b
1
, , b
p
| est une base orthonorme de F, et si p
P
est la projection orthogonale sur F
alors : vx e R
n
; p
F
(x) = (x, b

). b

=p
=1

La projection orthogonale sur F
J
est alors donne par : vx e R
n
; p
P
l
(x) = x - (x, b

). b

=p
=1


E Ex xe em mp pl le es s : :
(1) w = {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
= x
2
= x
3
= x
4
]

uim(w) = 1 : {e
1
] est une base orthonorme de I avec e
1
= [
1
2
,
1
2
,
1
2
,
1
2
.

La projection orthogonale sur w est donne par : vx e R
4
, p
w
(x) = (x, e
1
). e
1

o p
w
(x) = (x, e
1
). e
1
=
1
2
(x
1
+x
2
+x
S
+x
4
). [
1
2
,
1
2
,
1
2
,
1
2


Donc, vx e R
4
, on a :
p
w
(x) = _
1
4
(x
1
+x
2
+x
S
+x
4
) ;
1
4
(x
1
+x
2
+x
S
+x
4
) ;
1
4
(x
1
+x
2
+x
S
+x
4
) ;
1
4
(x
1
+x
2
+x
S
+x
4
)_

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
28 28 28 28

(2) I = {(x
1
, x
2
, x
3
, x
4
) e R
4
x
1
+x
2
+x
3
+x
4
= u]

uim(I) = S : {e
1
, e
2
, e
3
] est une base orthonorme de I avec
o o e
1
= [
-1
2
,
1
2
, u,u , e
2
= [
-1
6
,
-1
6
,
2
6
, u , e
3
= [
-1
23
,
-1
23
,
-1
23
,
3
23


La projection orthogonale sur I est donne par :
o vx e R
4
, p
I
(x) = (x, e
1
). e
1
+ (x, e
2
). e
2
+ (x, e
S
). e
S

o
`
1
1
1
1
(x, e
1
). e
1
=
-1
2
(x
1
- x
2
) [
-1
2
,
1
2
, u,u
(x, e
2
). e
2
=
-1
6
(x
1
+ x
2
- 2x
S
) [
-1
6
,
-1
6
,
2
6
, u
(x, e
S
). e
S
=
-1
2S
(x
1
+ x
2
+ x
S
- Sx
4
) [
-1
2S
,
-1
2S
,
-1
2S
,
S
2S


o qui donne :


`
1
1
1
1

(x, e
1
). e
1
= [
1
2
(x
1
- x
2
), -
1
2
(x
1
- x
2
), u,u
(x, e
2
). e
2
= [
1
6
(x
1
+ x
2
- 2x
S
),
1
6
(x
1
+ x
2
- 2x
S
), -
2
6
(x
1
+ x
2
- 2x
S
), u
(x, e
S
). e
S
= _
1
12
(x
1
+ x
2
+ x
S
- Sx
4
),
1
12
(x
1
+ x
2
+ x
S
- Sx
4
),
1
12
(x
1
+ x
2
+ x
S
- Sx
4
), -
S
12
(x
1
+ x
2
+ x
S
- Sx
4
)]



Donc, vx e R
4
, on a :
p
v
(x) = _
1
4
(Sx
1
-x
2
-x
3
-x
4
) ;
1
4
(-x
1
+Sx
2
-x
3
-x
4
) ;
1
4
(-x
1
-x
2
+Sx
3
-x
4
) ;
1
4
(-x
1
-x
2
-x
3
+Sx
4
)_

R Re em ma ar rq qu ue e : :
Une mthode plus rapide pour dterminer la projection orthogonale sur I consiste dterminer
avant, celle sur son orthogonal qui est de dimension plus petite : uim(I
J
) = 4 -uim(I) = 1.

I
J
= w
La projection orthogonale p
w
(x) sur w est donne par :
p
w
(x) = _
1
4
(x
1
+x
2
+x
3
+x
4
) ;
1
4
(x
1
+x
2
+x
3
+x
4
) ;
1
4
(x
1
+x
2
+x
3
+x
4
) ;
1
4
(x
1
+x
2
+x
3
+x
4
)_

La projection orthogonale sur I dfinie par p
v
(x) = x -p
w
(x) est alors donne par :
p
v
(x) = _
1
4
(Sx
1
-x
2
-x
3
-x
4
) ;
1
4
(-x
1
+Sx
2
-x
3
-x
4
) ;
1
4
(-x
1
-x
2
+Sx
3
-x
4
) ;
1
4
(-x
1
-x
2
-x
3
+Sx
4
)_


[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
29 29 29 29

I-1 Caractrisation et proprits

P Pr ro op po os si it ti io on n : :
Soient F et 0 sont deux sous espaces vectoriels supplmentaires de R
n
.
Si p est une projection sur F paralllement 0 alors :
(1) p
2
= p p = p
(2) p (IJ
L
-p) = (IJ
L
-p) p = u
(3) Im(p) = F = Kcr (IJ
L
-p) ; Im(IJ
L
-p) = 0 = Kcr(p)
Une projection p est une projection orthogonale sur F ssi sa matrice dans une base orthonorme
de R
n
est symtrique.

P Pr ro op po os si it ti io on n : :
Un endomorphisme p de R
n
est une projection ssi p
2
= p p = p. Dans ce cas,
p est la projection sur Im(p) paralllement Kcr(p).
q = IJ
R
n -p est la projection sur Kcr(p) paralllement Im(p).

P Pr ro op po os si it ti io on n : :
Soit F un sous espace vectoriel de R
n
. Soit p une projection orthogonale sur F.
Si x e F alors p(x) vrifie les proprits :
(1) L'galit de Pythagore :
ii
4
i()i
4
i !()i
4

(2) () est l'unique vecteur de minimisant la distance de :
i !()i min
q&
i !i

E Ex xe em mp pl le e : :
? 3(
*
,
4
,
5
,
6
)
6
/
*

6
08

U
() G
1
4
(3
*
!
4
!
5
!
6
) ;
1
4
(!
*
3
4
!
5
!
6
) ;
1
4
(!
*
!
4
3
5
!
6
) ;
1
4
(!
*
!
4
!
5
3
6
)H

2 ?
%
3(
*
,
4
,
5
,
6
)
6
/
*

4

5

6
8

?
r() G
1
4
(
*

6
) ;
1
4
(
*

6
) ;
1
4
(
*

6
) ;
1
4
(
*

6
)H

i
U
()i
4
i1 !
U
()i
4
ii
4

?
r() !
U
() :

M
N
O
N
P
i
U
()i
4
s
?
r()s
4
ii
4
(
*
4

4
4

5
4

6
4
)
s
?
r()s i !
U
()i min
?
i !i
i
U
()i s !
?
r()s min
?
r
i !i
R


[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
30 30 30 30

En effet, on a : (aprs calcul)
`
1
1
1
1
1
1
[p
v
(x)[ =
1
4
_12(x

)
2
4
=1
-8 x

x
]
4
=]=1
-8 x

x
]
x
k
4
=]=k=1
[p
I
(x)[ =
1
4
_4(x

)
2
4
=1
+8 x

x
]
4
=]=1
+8 x

x
]
x
k
4
=]=k=1



= [p
v
(x)[
2
+[p
I
(x)[
2
= (x
1
2
+x
2
2
+x
3
2
+x
4
2
) = [x[
2


Par exemple : x = (1,u,u,u): [x[
2
= 1
`
1
1
p
v
(x) = _
S
4
;
-1
4
;
-1
4
;
-1
4
]: [p
v
(x)[ =
1
4
12 =
S
2
p
I
(x) = _
1
4
;
1
4
;
1
4
;
1
4
] [p
I
(x)[ =
1
4
4 =
1
2

=
`
1
1
1
1
[p
v
(x)[
2
+[p
I
(x)[
2
= 1 = [x[
2
min
yeI
[x -y[ = [p
I
(x)[ =
1
2
min
yeI

[x -y[ = [p
v
(x)[ =
S
2




I
III
II-
-- A
AAp
ppp
ppl
lli
iic
cca
aat
tti
iio
oon
nn a
aau
uux
xx d
ddr
rro
ooi
iit
tte
ees
ss e
eet
tt a
aau
uux
xx p
ppl
lla
aan
nns
ss


II-1 Projection orthogonale sur une droite du plan

Soit (B) est une droite du plan dquation ox + by = u : B = {(x, y) e R
2
/ ox + by = u]
{e
1
] une base orthonorme de B avec e
1
= _
-b


La projection orthogonale sur B est alors donne par :
v(x, y) e R
2
; p

(x, y) = ((x, y), e


1
). e
1
= _
-b
o
2
+ b
2
x +
o
o
2
+ b
2
y] . _
-b
o
2
+ b
2
,
o
o
2
+ b
2
]
qui donne :
v(x, y) e R
2
; p

(x, y) =
1
o
2
+ b
2
(b
2
x - oby, o
2
y - obx)

P Pr ro op po os si it ti io on n : :
Soit (B) une droite dans le plan R
2
dquation : ox + by = u.
La projection orthogonale sur la droite (B) est donne par :
v(x, y) e R
2
; p

(x, y) =
1
o
2
+ b
2
(b
2
x - oby, o
2
y - obx)
Si (x, y) est un point du plan alors sa projection orthogonale sur la droite (B) est le point :

[
b

-b

-b


[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
31 31 31 31

R Re em ma ar rq qu ue e : :
La projection orthogonale sur la droite (B) dun point (x, y) de cette droite (B) est lui-mme :

(x, y) e (): ox + by = u

_
b
2
x - oby
o
2
+ b
2
,
o
2
y - obx
o
2
+ b
2
_

b= -

`
1
1
b
2
x - oby
o
2
+b
2
=
b
2
x + o
2
x
o
2
+ b
2
= x
o
2
y - obx
o
2
+ b
2
=
o
2
y + b
2
y
o
2
+ b
2
= y
= et =



E Ex xe em mp pl le e : : () x + 2y = u

Le vecteurs : = [
-2
1
est un vecteur directeur de ().
Le vecteur e
1
= _
-2

forme une base {e


1
] de B = [
x
y
e R
2
x + 2y = u.
La projection orthogonale sur B est alors donne par :
v(x, y) e R
2
; p

(x, y) =
1
o
2
+ b
2
(b
2
x - oby, o
2
y - obx)
qui donne :
v(x, y) e R
2
; p

(x, y) =
1
S
(4x - 2y, y - 2x)
ou encore :
v(x, y) e R
2
; p

(x, y) = ((x, y), e


1
). e
1
= _
-2
S
x +
1
S
y] . _
-2
S
,
1
S
] =
1
S
(4x - 2y, y - 2x)

Si (x, y) est un point du plan alors sa projection orthogonale sur la droite () est le point :

_
4x - 2y
S
,
y - 2x
S
]

La projection orthogonale du point (1,2) sur la droite () est le point

(u,u) : origine.

: (

, :) = (, :) = u; : = [
-2
1
ct = [
u - 1
u - 2
= [
-1
-2

La projection orthogonale du point (-2,1) sur la droite () est le point lui-mme ( e ).

: (

, :) = (, :) = u; : = [
-2
1
ct = [
-2 + 2
1 - 1
= [
u
u

La projection orthogonale du point (u,S) sur la droite () est le point

(-2,1).

: (

, :) = (, :) = u; : = [
-2
1
ct = [
-2 - u
1 - S
= [
-2
-4



II-2 Projection orthogonale sur un plan

E Ex xe em mp pl le e : : () x + y + z = u
Les vecteurs
1
=
1
-1
u
et
2
=
1
u
-1
forment une base du plan vectoriel = :cct{(
1
,
2
)]
[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
32 32 32 32

{e
1
, e
2
] est alors une base orthonorme de avec e
1
=
1
2
-1
2
u
, e
2
=

1
6
1
6
-2
6
/

.
La projection orthogonale sur est alors donne par :
o p
P
(x, y, z) = ((x, y, z), e
1
). e
1
+((x, y, z), e
2
). e
2

o p
P
(x, y, z) = [
1
2
(x -y) [
1
2
,
-1
2
, u +[
1
6
(x +y -2z) [
1
6
,
1
6
,
-2
6

o p
P
(x, y, z) = _
1
3
(2x -y -z) ;
1
3
(-x +2y -z);
1
3
(-x -y +2z)]

Si (x, y, z) est un point de lespace alors sa projection orthogonale sur le plan () est le point :

_
2x -y -z
S
;
-x +2y -z
S
;
-x -y +2z
S
]

La projection orthogonale du point (1,1,1) sur le plan () est le point origine

(u,u,u) :
_

_
(

,
1
) = (,
1
) = u
(

,
2
) = (,
2
) = u
;
1
=
1
-1
u
,
1
=
1
u
-1
ct =
u -1
u -1
u -1
=
-1
-1
-1


La projection orthogonale du point (1, -2,1) sur le plan () est le point lui-mme ( e ) :
_

_
(

,
1
) = (,
1
) = u
(

,
2
) = (,
2
) = u
;
1
=
1
-1
u
,
1
=
1
u
-1
ct =
1 -1
-2 +2
1 -1
=
u
u
u


La projection orthogonale du point (u,S,u) sur le plan () est le point

(-1,2, -1) :
_

_
(

,
1
) = (,
1
) = u
(

,
2
) = (,
2
) = u
;
1
=
1
-1
u
,
1
=
1
u
-1
ct =
-1 -u
2 -S
-1 -u
=
-1
-1
-1


II-3 Projection orthogonale sur une droite de lespace

E Ex xe em mp pl le e : : () _
x +y +z = u
x -y +z = u



Le vecteur : =
1
u
-1
forme une base de la droite (B) : = :cct{:]
{e
1
] est alors une base orthonorme de avec e
1
=
1
2
u
-1
2
.
La projection orthogonale sur est alors donne par :
o p

(x, y, z) = ((x, y, z), e


1
). e
1
= [
1
2
(x -z) [
1
2
, u,
-1
2

o p

(x, y, z) = _
1
2
(x -z) ; u;
1
2
(-x +z)]

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
33 33 33 33

Si (x, y, z) est un point du plan alors sa projection orthogonale sur la droite () est le point :

_
x -z
2
; u ;
-x +z
2
]

La projection orthogonale du point (1,1,1) sur la droite () est le point origine

(u,u,u) :

: (

, :) = (, :) = u ; : =
1
u
-1
ct =
u -1
u -1
u -1
=
-1
-1
-1


La projection orthogonale du point (1,2, -1) sur la droite () est le point lui-mme ( e ) :

: (

, :) = (, :) = u ; : =
1
u
-1
ct =
1 -1
2 -2
-1 +1
=
u
u
u


La projection orthogonale du point (1,2,S) sur le plan () est le point

(-1,2,1) :

: (

, :) = (, :) = u ; : =
1
u
-1
ct =
-1 -1
2 -2
1 -S
=
-2
u
-2



I
III
III
II-
-- R
RRe
eet
tto
oou
uur
rr a
aau
uux
xx s
ssy
yys
sst
tt
m
mme
ees
ss l
lli
iin
nn
a
aai
iir
rre
ees
ss (
((s
sso
ool
llu
uut
tti
iio
oon
nn a
aau
uu s
sse
een
nns
ss d
dde
ees
ss M
MMC
CCO
OO)
))

Si le systme A. X = b est incompatible alors il nadmet pas de solutions :
On se contente alors de trouver un vecteur X qui rend A. X aussi proche que possible de b.
Ce qui revient dterminer un vecteur X
`
tel que [A. X
`
-b[ [A. X -b[, vX e R
n


D D f fi in ni it ti io on n : :
Soit A. X = b un systme linaire.
Une solution au sens des moindres carres du systme A. X = b est un vecteur X

tel que :
[A. X

-b[ [A. X -b[, vX e R


n

Rsoudre le systme A. X = b au sens des moindres carres revient trouver un vecteur X
`
tel
que : [A. X
`
-b[ = min
XeR
n[A. X -b[

P Pr ro op po os si it ti io on n : :
Soit A. X = b un systme compatible.
Si X
`
est une solution de A. X = b alors :[A. X
`
-b[(= u) = min
XeR
n[A. X -b[
Les solutions et solutions au sens des moindres carres de A. X = b sont alors confondues.

Un vecteur X
`
est une solution, au sens des MC, dun systme A. X = b ssi X
`
est une solution du systme
A. X = b
`
, o b
`
= p
Im(A)
(b) :
Puisque b
`
= p
Im(A)
(b) alors :
[b -b
`
[ = min
eIm(A)
[b -[
Im(A)=|A.X ; XeR
n
|
=[b -b
`
[ = min
XeR
n
[b -A. X[
Or, une solution X
`
, au sens des MC, du systme A. X = b est caractrise par :
[b -A. X
`
[ = min
XeR
n
[b -A. X[
Donc : A. X
`
= b
`

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
34 34 34 34

P Pr ro op po os si it ti io on n : :
Soit A. X = b un systme linaire.
X
`
est une solution, au sens des MCO, du systme A. X = b ssi X
`
est une solution du systme A. X = b
`
, o
b
`
= p
Im(A)
(b).

P Pr ro op po os si it ti io on n : :
Soit A. X = b un systme linaire.
Le systme A
t
A. X = A
t
. b admet toujours au moins une solution.
Toute solution du systme A
t
A. X = A
t
. b est une solution au sens des moindres carres du
systme A. X = b.

D D f fi in ni it ti io on n : :
Soit A. X = b un systme linaire.
Le systme A
t
A. X = A
t
. b sappelle systme des quations normales .

P Pr ro op po os si it ti io on n : :
Soit A. X = b un systme linaire.
Si les colonnes de la matrice A sont linairement indpendantes alors le systme A. X = b a exactement
une seule solution au sens des MC.

P Pr ro op po os si it ti io on n : :
Soit A. X = b un systme linaire, avec A e J(m, n).
Si n m ct rg(A) = n alors le systme A. X = b a exactement une seule solution au sens des MC.

E Ex xe em mp pl le e : : _
x +y = 4
x = S
x -y = 9
A. X = b o:cc A = _
1 1
1 u
1 -1
_ , [
x
y
ct b =
4
S
9


(1) En utilisant les quations normales A
t
A. X = A
t
. h :

On calcule A
t
A. X et A
t
. b :
`
1
1
1
1
A
t
A = j
1 1 1
1 u -1
[ _
1 1
1 u
1 -1
_ = j
S u
u 2
[
A
t
. b = j
1 1 1
1 u -1
[ .
4
S
9
= [
18
-S


Les quations normales A
t
A. X = A
t
. b scrivent alors : j
S u
u 2
[ . [
x
y
= [
18
-S

La solution du systme A
t
A. X = A
t
. b est alors donne par : X
`
= _
6
S2
]
On calcule [A. X
`
-b[ : [A. X
`
-b[ =
72
6
172
-
4
S
9
=
-12
1
-12
= _
3
2

On a alors : min
XeR
n[A. X -b[ = [A. X
`
-b[ = _
3
2

[S4, Module M 16 : MQ IV, Matire : Algbre II]
Chapitre 2 : Produit scalaire -Orthogonalit


Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Professeure Salma DASSER Session printemps Session printemps Session printemps Session printemps- -- -t t t t
35 35 35 35

(2) En utilisant la projection orthogonale de h sur Im(A) :

On dtermine Im(A) : Im(A) = :cct{A. c
1
, A. c
2
], {c
1
, c
2
] tant la base canonique ue R
2

:
1
= A. c
1
=
1
1
1
et :
2
= A. c
2
=
-1
u
1
={:
1
, :
2
] est une base ue Im(A) , cor {:
1
, :
2
] est libie
On construit une base orthonorme {e
1
, e
2
] de Im(A) : e
1
=
1
3

1
1
1
; e
2
=
1
2

-1
u
1

On calcule b
`
= p
Im(A)
(b), b =
4
S
9
b
`
= (b, e
1
). e
1
+(b, e
2
). e
2
= b
`
=
72
6
172

La solution du systme A. X = b
`
est alors donne par : X
`
= _
6
S2
]
On calcule [A. X
`
-b[ : [A. X
`
-b[ = [b
`
-b[ = _
3
2

On retrouve alors : min
XeR
n[A. X -b[ = [A. X
`
-b[ = _
3
2