Académique Documents
Professionnel Documents
Culture Documents
Dpartement Chimie
C. Boubel, Mathmatiques
2011
I
I.1
Espaces vectoriels
Espaces vectoriels
1. Voici la liste complte exacte de ces proprits. (a1) Laddition est associative : (
u +
v)+
w =
u + (
v +
w ). (a2) Laddition est commutative :
u +
v =
v +
u . . (a3) Il existe un vecteur, dit vecteur
.(.
u ) = ().
u.
grands, comme le long dune chelle. Cela les diffrencie des vecteurs 2 . // Aujourdhui, on
appelle scalaire tout nombre, par opposition un vecteur, mme dans le monde des espaces
vectoriels complexes o les nombres sont des nombres complexes. //
On note souvent les scalaires par des lettres grecques, contrairement aux vecteurs, nots
I.2
Combinaisons linaires
, . . . ,
Dfinition Si
u1 ,
u
u
2
n sont des vecteurs, et si 1 , 2 , . . . , n sont des scalaires, alors
on dit que le vecteur :
v = 1
u
1
2 u2 + . . . + n un =
n
X
i
ui
i=1
, . . . ,
est une combinaison linaire des vecteurs
u1 ,
u
u
2
n.
linaire de vecteurs
u
1 u2 , . . . , un , on dit que w est engendr, ou linairement engendr,
2. Selon lOxford English Dictionary, cette terminologie a t probablement introduite par le mathmaticien et physicien irlandais William Rowan Hamilton en 1846. En construisant les quaternions, une sorte de
gnralisation des nombres complexes, il a appel scalaire leur partie relle. Il explique que les nombres
rels se rangent de gauche droite comme le long dune chelle, alors quon ne peut ordonner ainsi les
nombres complexes ou les quaternions : the algebraically real part may receive, according to the question in
which it occurs, all values contained on the one scale of progression of numbers from negative to positive
infinity ; we shall call it therefore the scalar part. Cette information a t trouve via wikipedia.
uj = 1
u1 + 2
u2 + . . . + j1
u
j1 + j+1 uj+1 + . . . + n un =
n
X
i
ui
i=1
i 6= j
un des ui partir des autres (par les oprations qui existent sur les vecteurs : multiplication
par des nombres et addition entre eux).
Dfinition Inversement, on dit que la famille est libre, ou linairement indpendante, si
i=1 i ui = 0 , alors cest que tous les i sont nuls. Cette dernire proprit est la dfinition
standard dune famille libre. Jai prsent plus haut une variante de cette dfinition, un peu
plus lourde exprimer et vrifier, mais peut-tre plus parlante.
,
Le fait que (
u
1 u2 , . . . , un ) soit libre ou lie apparat aussi sur un dessin, si lon peut
famille, cest dire quil appartient au sous-espace engendr par eux, ce qui peut se lire sur un
dessin. Cette remarque dessinatoire permet de comprendre la notion, cependant un dessin
est trs rarement une preuve : pour prouver quune famille est libre, on utilise le critre
donn juste au-dessus avec les i .
gnratrice dun espace vectoriel E On lui ajoute un certain vecteur un+1 . Est-elle encore
vecteur
u
n+1 . Est-elle encore libre ? Et si on lui retire un des ui ?
Ce qui est donc plutt difficile obtenir, ce sont des familles gnratrices petites, cest-dire comprenant un petit nombre de vecteurs, et de grandes familles libres, cest--dire
composes dun grand nombre de vecteurs. Ceci conduit au paragraphe suivant.
(iii) Bases, et par l dimension dun espace vectoriel, coordonnes. On peut
prsent dfinir ce quest une base, dont vous avez dj pu entendre parler en lyce. Lexercice
qui prcde donne envie de regarder les familles dlicates obtenir : les familles libres de
taille maximale, cest--dire qui cessent dtre libres si on leur ajoute un nouveau vecteur, et
les familles gnratrices de taille minimale, cest--dire qui cessent dtre gnratrices si on
leur te un vecteur. Peut-tre sont-elles remarquables ? La rponse (admise) est oui, en cela
que ce sont les mmes : une famille libre maximale est alors aussi gnratrice, et gnratrice
minimale, et une famille gnratrice minimale est alors galement libre, et libre maximale.
On donne un nom ces familles remarquables.
3
Proprit/Dfinition On appelle base de E une famille de vecteurs qui est (les trois
conditions sont quivalentes) :
la fois libre et gnratrice de E,
libre de taille maximale (si on ajoute encore un vecteur, elle devient lie),
gnratrice de taille minimale (si on lui retire un vecteur, elle cesse dtre gnratrice).
Il se produit alors en outre le fait remarquable suivant. Vous pourriez en comprendre la
dmonstration, mais je la passe car ce nest pas lessentiel pour vous.
Thorme Toutes les bases de E ont le mme nombre de vecteurs.
Dfinition
Exercice. Vrifier que les bases de la droite R ont un vecteur, que celles du plan R2 en ont
deux et celles de lespace R3 trois. La notion de dimension, quon vient de dfinir mathmatiquement, correspond donc bien la notion intuitive de dimension.
,
Si (
u
1 u2 , . . . , un ) est une base de E et u un vecteur quelconque de E, alors u scrit
+x
u = x1
u
1
2 u2 + . . . + xn un =
n
X
xi
ui .
i=1
x1
y1
x1
x1 + y 1
..
si
u = ... et
v = ... , alors
u = ... et
u +
v =
.
.
xn
yn
xn
xn + y n
// Remarque en passant. La dfinition ci-dessus ne limite absolument pas la dimension trois. Il
se trouve quon a une bonne intuition des espaces vectoriels jusqu la dimension trois, parce quils
correspondent une ralit physique usuelle et quon peut faire des dessins. Des espaces de dimension
quatre, cinq, etc., et mme de dimension infinie se dfinissent cependant sans plus de difficult que
ceux de dimension un, deux ou trois. Mathmatiquement, cela ne fait pas de diffrence. Simplement,
on ne peut plus faire de dessin. Exemple. Quelle est la dimension de lespace des colonnes de donnes
sur les mtres carrs construits, dans lexercice 1 de la feuille dexercices ? //
libre, den construire une ou de sassurer quune famille est libre, est dutiliser la proprit
nest pas engendr par u1 , et u3 nest pas engendr par (u1 , u2 ) etc. jusqu un .
Exercice : familles libres en dimension un, deux et trois. Vrifier les proprits utiles
suivantes. En dimension un, une famille est libre, cest un seul vecteur, non nul ou la
famille vide. En dimension deux, ce sont deux vecteurs non colinaires ou un seul non
nul, ou la famille vide. En dimension trois, ce sont trois vecteurs non coplanaires ou deux
non colinaires, ou un seul non nul, ou la famille vide.
II
Applications linaires
II.1
Dfinition
E1
E2
On dit que f est linaire si elle ne perturbe pas la combinaison linaire, cest--dire la multiplication des vecteurs par un nombre et laddition des vecteurs entre eux, les deux oprations
dfinies sur les vecteurs. Plus prcisment, appliquer des vecteurs dabord f , puis une combinaison linaire, ou dabord cette combinaison linaire, puis f , revient au mme :
f (
u ), f (
v)
f (
u ) + f (
v)
= f ( u + v )
u +
v
ou
o effectuer puis
E2
Verticalement :
on effectue une
combinaison linaire.
E1
u,
v
En notant
u =
x1
.
.
.
xn
cest--dire que f (
u ) est un vecteur dont chaque coordonne est du type a1 x1 + . . . + an xn :
Bien sr, il est toujours ncessaire de prciser en quelles variables f est linaire. Par exemple,
si f = 2U ln K + V /(1 2 ), alors f est linaire si on la considre comme fonction de U et V ,
mais pas si on la considre comme fonction de 1 et 2 et/ou de K.
Phnomnes physiques linaires. La linarit a une vie hors des mathmatiques. Elle est
un concept important en sciences. On appelle linaires des phnomnes o une grandeur est
fonction linaire de certains paramtres. En simplifiant, ce sont les phnomnes o la fonction
f qui une cause associe son effet, est linaire. Si on ajoute deux causes, leffet produit est
la somme des effets : si f (cause1) = effet1 et f (cause2) = effet2, alors f (cause1 + cause2) =
effet1 + effet2 ; si on augmente une cause, leffet est augment dautant : f (.cause1) =
.effet1. On dit que les effets se superposent. Les proprits mathmatiques des applications
linaires donnent alors des outils pour tudier ces phnomnes.
Exemples. (i) En lectricit, le courant travers un circuit rsistant est fonction linaire
de la tension applique : I = R1 U . Si vous montez deux gnrateurs en srie, lintensit est
la somme des deux intensits quaurait entranes chacun, seul. Ici en outre, la linarit est
simplement une proportionnalit.
(ii) Dans une raction chimique cintique linaire, i.e. rgie par une quation diffrentielle linaire, quon laisse se drouler pendant un temps T , alors si on modifie au dpart la
concentration en ractifs ( .cause ), la concentration en produits au temps T est modifie
de la mme faon ( .effet ). Ainsi, deux fois plus de ractifs donnent, au temps T , deux
fois plus de produits. Ce nest pas le cas dans les ractions de cintique non linaire.
(iii) Le vecteur dtirement L dun ressort est fonction linaire de la force applique :
L = K F , avec K la raideur du ressort. Ici encore, la linarit est une simple proportionnalit, mais en trois dimensions.
(iv) La propagation des ondes sonores ou lumineuses est un phnomne linaire remarquable et universel. Les ondes sonores produites par deux sources de son S1 et S2, sont la
somme des ondes quaurait produites chacune S1 et S2, seule : les ondes se superposent. Ou
encore, Londe produite par la source S1 dont on a multipli la puissance par , est damplitude multiplie par . Les ondes sonores respectent la combinaison linaire des sources de
son : la propagation des ondes est un phnomne linaire. Mathmatiquement, lquation des
ondes, qui rgit cette propagation, est linaire. Le contraire serait droutant : en prsence
dune source de son S1, mettre un autre son perturberait les ondes mises par S1, sans
simplement se superposer elles.
Ici il sagit dune linarit qui nest pas une simple proportionnalit comme dans les
exemples prcdents.
(v) Au contraire, un exemple de phnomne non linaire sont les turbulences dans les
coulements. En simplfiant abusivement, la turbulence engendre par deux obstacles un
coulement nest pas la somme, ou superposition, des turbulences quaurait produites chacun
des obstacles, seul. Ou encore, si on multiplie par la taille dun obstacle, la turbulence
provoque nest pas la turbulence initiale, dintensit multiplie par (si cela a un sens
. . . ), mais souvent quelque chose de beaucoup plus compliqu, de forme diffrente. Les
turbulences ne respectent pas la combinaison linaire des causes qui les produisent, quel que
soit le sens quon peut donner cette notion. La turbulence nest pas un phnomne linaire.
Notamment, lnergie dissipe nest pas fonction linaire de la vitesse de lcoulement etc.
(vi) Lexemple typique dun phnomne non linaire sont les frottements. Quand la
vitesse v dune voiture double, lintensit F du frottement dans lair ne double pas, mais
plutt, comme F k.v 2 , quadruple. Le frottement solide a aussi un comportement fortement
non linaire. Si on pousse une chaise avec une force F faible, son mouvement est nul (donc
2 F , il se peut quelle se mette soudain en mouvement (et on sent quune fois le mouvement
tabli, le frottement diminue fortement, do un phnomne possible dhystrsis : la chaise
II.2
Ce paragraphe est une parenthse introduisant de manire purement technique des objets
dont on va avoir besoin, les matrices. Il ny a pour le moment rien comprendre, seulement
apprendre.
Dfinition/Proprit Une matrice est un tableau rectangulaire de chiffres , ici p lignes
et q colonnes.
Si est un scalaire et M une autre matrice de mme taille, on dfinit alors les matrices M =
(mi,j )pi=1 qj=1 et M + M = (mi,j + mi,j )pi=1 qj=1 , comme pour les vecteurs, par multiplication
ou addition coordonne par coordonne. Ces oprations se comportent bien , cest--dire
font de lensemble des matrices p lignes et q colonnes un espace vectoriel.
Exercice Quelle est la dimension de cet espace vectoriel ?
Dfinissons maintenant une opration essentielle sur les matrices : leur produit.
m1,1 m1,2
m2,1 m2,2
m3,1 m3,2
m1,1 m1,2
m2,2
m
2,1
m1,1
Le coefficient m1,1 vaut m1,1 .m1,1 +m1,2 .m2,1 . Il sobtient partir de la ligne correspondante de M et de
la colonne correspondante de M . On fait le produit
des coefficients relis par les pointills, et on somme
le tout.
On procde ainsi pour tous les coefficients de M :
Pq(=p )
mi,j = k=1 mi,k .mk,j .
II.3
v . Par exemple :
x
x
2x
y
+
z
notons v = y , alors f ( v ) = f ( y ) =
,
5x
z
z
z
(Exercice : ici, quelle sont les dimensions de E1 et de E2 ?), alors f est code par une
matrice, note ici F , cest--dire que :
x
x
2 1 1
f ( y ) = F.
y
, avec (exercice ! ) M =
.
5 0 1
z
z
F. v de v par une certaine matrice F . Laquelle ? On dit que la matrice F code, ou reprsente, lapplication linaire f . Ce codage ou cette reprsentation fonctionne pour toutes les
applications linaires :
de ses coordonnes, f (
v ) = F.
v . Vous devez savoir tablir sans peine la correspondance.
3. Dautres proprits paraissent tellement videntes quon peut ne pas sapercevoir quelles pourraient
ne pas tre vrifies, et quon doit sen assurer. Par exemple, lassociativit et la commutativite avec la
multiplication par les scalaires : (M.M ) = ((M ).M ) = (M.(M )), ou encore ().M = (M ).
Exercice Si une certaine application linaire f est code par une matrice F quon vous
donne, quelles sont les dimensions des espaces darrive et de dpart ?
Lien avec le produit de matrices Il est naturel. Si f de E dans E et g de E dans
E sont deux applications linaires, codes par les matrices F et G, alors lapplication
gf :
v 7 g(f (
v )) est encore linaire (Exercice : cest--dire ? Le vrifier), et code par
la matrice produit G.F .
Si :
et :
alors :
f : E E
g : E E
f
g f : E E E
Les proprits du produit de matrices apparaissent alors naturelles. Par exemple, F.(G.
v)=
E
E .
f 1
Alors on peut montrer que f 1 est linaire. Notons F la matrice qui la code. Exercice.
Quelles applications codent, et que valent, F.F et F .F ? On en tire la dfinition suivante.
Dfinition Certaines matrices carres M non nulles (la plupart) admettent une matrice,
note M 1 , telle que M.M 1 = M 1 .M = In . Cette matrice est appele linverse de M .
Elle existe exactement quand lapplication linaire f code par M admet une rciproque, et
code cette rciproque.
Note Pour continuer le parallle avec les nombres, comme 12 est dit linverse de 2 car
2 12 = 12 2 = 1, M 1 est dit linverse de M car M.M 1 = M 1 .M = In . Cependant, on
ne parle jamais de diviser par une matrice. En effet, si le sens de 32 est clair : 3
1 ou M 1 .M ? On se
divis par 2 , celui de M
M ne lest pas : veut-on dire M .M
contente donc de parler de produit, droite ou gauche, par linverse M 1 de M . Lide
est cependant bien de diviser par M . // Rq. : linverse est toujours inverse des deux cts :
Si M.M = In , alors M .M = In aussi, et M = M 1 . //
II.4
Une bonne manire dacqurir une comprhension des applications linaires est de voir
leur effet gomtrique, on dit leur action . Certaines applications vous rappelleront des
choses dj vues en lyce.
On considre dans la suite une application linaire f du plan R2 dans lui-mme, reprsente
par une matrice M . On confond en outre f et sa matrice.
Tout repose sur une observation fondamentale : connatre limage dune base par une
application linaire f , cest connatre f .
(Cette observation est reformule, de faon plus prcise, dans la Moralit plus bas.)
En effet, considrons
par exemple
la base usuelle
( i , j ) du
v = xy un vecteur
plan, avec i = 10 et j = 01 . Soit
quelconque
du plan et f une application linaire. Sur le dessin,
( i , j ).
Si on connat f ( i ) et f ( j ), alors :
f (
v ) = f (x i + y j ) = x f ( i ) +y f ( j )
| {z }
| {z }
connu
est connu.
(1)
connu
Plus prcisment, f (
v ) a les mmes coordonnes que
v , mais dans la base 4 image f (( i ),
f ( j )).
Concrtisons cette observation sur des exemples. Les figures prsentent limage du plan
par f . Le vecteur
v est rappel en gris pale.
0
. On peut constater directement
Prenons M = 1/2
0
1/2
1
que M. v = 2 v , donc que M est lhomothtie de rapport 21
i.e. la contraction de rapport 12 . On peut aussi constater que
v.
dans celui de dpart. Cest--dire que M.
v = 21
, alors M. i = i et M. j = j ,
que
v dans celui de dpart. Cest--dire que M.
v est le sym
1
0
0
1
f( j )
f (
v)
f( i )
10
f( j )
f( i )
f (
v)
, alors M. i = i et M. j = 0 ,
1
0
0
0
, alors M. i = i et M. j =
Prenons enfin M = 10 1
1
f( i )
f (
v)
f( j ) = 0
f (
v)
f( j )
f( i )
Ainsi, dans les exemples 2 et 3, on observe que M a leffet, sur la base ( i , j ), respectivement
des applications linaires symtrie orthogonale par arpport laxe des abscisses et
projection orthogonale sur cet axe . M est donc gale ces applications.
a b
a b
a
b
et :
M. j =
M. i =
c d
c d
c
d
( i , j ).
Exercice dont la solution est connatre Soit r la rotation dangle , du plan,
autour de lorigine. Cette application est linaire : le vrifier. Elle a donc une matrice dans
III
III.1
cos
sin
sin
cos
, elle est un
Dfinition Un systme dquations est un ensemble dquations en une ou plusieurs inconnues, que lon cherche rsoudre simultanment. Une solution du systme est la donne de
valeurs de toutes les inconnues, vrifiant les quations.
11
x + 2y + z = a
Exemple
x + 2y + z = b est un systme (S) dquations en les inconnues (x, y, z).
3x
z = c
Une solution du systme est la donne de valeurs (x0 , y0 , z0 ) de (x, y, z), vrifiant (S). En
aucun cas un x0 seul, ou un couple (x0 , y0 ) ne peut tre appel solution .
Dfinition Une quation, ou un systme dquations, en les inconnues x1 , . . . , xn est
Exemple/Exercice matriser. Le systme (S) plus haut est linaire. Qui sont alors
u,
v,f?
F.
u =
v , avec
u inconnu, quon cherche, et
v donn.
Exemple/Exercice matriser. Exprimer de la sorte le systme (S).
Dans la suite, on sintresse un systme linaire et carr, cest--dire ayant autant dquations de lignes que dinconnues de colonnes. La matrice qui le reprsente est donc
carre.
La suite vise faire comprendre que :
Rsoudre un systme ou inverser une matrice,
cest (presque toujours) la mme chose ;
par ailleurs, un ordinateur sait inverser les matrices.
Lavoir compris permet de faire rsoudre des systmes linaires un ordinateur, plutt
que de le rsoudre vous-mme. Cest trs utile ds que le systme devient un peu lourd.
Par ailleurs, le presque toujours fait rfrence aux systmes non inversibles, qui
demandent un petit travail supplmentaire pour se ramener une inversion de matrice.
Nous ne traitons pas ce cas ici.
Une thorie est inutile, il suffit davoir compris le mcanisme sur un exemple.
Exemple/Exercice Vrifier que F est inversible, dinverse F 1 =
1
2
1
1
3
1
2
3
0
1
2
. Par un
calcul presque immdiat, dterminer alors si (S) a ou na pas de solution, et sil en a, donner
cette ou ces solution(s).
Indication : mme problme avec des nombres Pour rsoudre 2x = 15, il suffit de
diviser par 2 les deux membres de lquation.
1
1
cest--dire u = F . v . Le vecteur u est solution si et seulement sil vaut F . v . Donc
III.2
Les ordinateurs rsolvent efficacement les systmes linaires. Comment font-ils ? Ils appliquent la mthode dite du pivot de Gauss 5 , dont le principe est extrmement simple.
Voyons-la donc sur un exemple. Ce sera aussi loccasion dobserver laffirmation Rsoudre
un systme ou inverser une matrice, cest la mme chose fonctionner dans le sens contraire
celui de paragraphe prcdent. On va rsoudre un systme pour obtenir linverse dune
matrice.
Rsolution du systme (S) par la mthode du pivot.
annuler les coefficients devant la deuxime
inconnue, y. Comme le coefficient de x dans
(L2 ) est maintenant nul, ceci ne dtruit pas le
travail dj accompli dannulation des coefficients de x. Le coefficient de z la troisime
ligne est encadr : il sera le pivot de ltape
suivante et dernire.
On ajoute alors aux lignes (L2 ) et (L3 ) le
(L1 12 L2 )
x +
= 21 a 21 b
nombre adquat de fois la ligne (L1 ), pour
4y + 2z = b + a
(L2 )
annuler les coefficients devant la premire
1 z = 32 a + 23 b + c (L3 + 32 L2 )
inconnue, x. On noublie pas dindiquer les
oprations effectues sur les lignes, sans quoi ltape ci-dessus, le coefficient de z, la
le calcul devient illisible et irrelisible en premire ligne, a t annul. Cest un hasard.
cas derreur. Le coefficient de y la deuxime prsent, on ajoute aux lignes (L ) et (L )
1
2
ligne est encadr : il sera le pivot de ltape le nombre adquat de fois la ligne (L ), pour
2
suivante.
annuler les coefficients devant la troisime
(L1 )
inconnue, z. Ceci ne perturbe pas le travail
x + 2y + z = a
4 y + 2z = b + a
(L2 +L1 )
dj accompli.
6y z = c 3a
(L3 3L1 )
(L1 )
= 21 a 12 b
x
prsent, on ajoute aux lignes (L1 ) et (L3 )
4y
= 2a + 4b + 2c
(L2 +2L3 )
le nombre adquat de fois la ligne (L2 ), pour
(L3 )
z = 32 a + 23 b + c
On crit (S) en numrotant les lignes. On a
encadr le coefficient -1 en haut gauche,
qui va jouer le rle de 1er pivot .
(L1 )
1 x + 2y + z = a
x + 2y + z = b
(L2 )
3x
4z = c
(L3 )
5. Carl Friedrich Gauss, 1777 1855. Mathmaticien, astronome et physicien allemand de gnie, dont
les contributions ont t extrmement varies et parfois fondatrices, dans certains domaines. En ralit, la
mthode du pivot est connue des Chinois depuis au moins le premier sicle de notre re : elle est expose,
travers 18 exercices, dans le livre central des mathmatiques chinoises , Les neuf chapitres sur lart mathmatique. Elle en constitue le chapitre huit, titr La disposition rectangulaire les matrices ne datent
donc pas dhier . . . Elle a t rinvente indpendamment par Gauss qui en avait besoin, dans son livre
Theoria motus corporum coelestium in sectionibus conicis solem ambientium (Thorie du mouvement des
corps clestes parcourant des sections coniques autour du soleil), paru en 1809. Source wikipedia.
13
Finalement :
x = 12 a + 21 b
y = 12 a + b + 21 c
z = 32 a 23 b c.
a
x
1
1
2
matricielle. Solution :
u = G.
v , avec G la matrice 21 1
3
3
donc rciproques :
F
G.
v =
u
v = F. u ,
0
1
2
// Note informative La mthode du pivot de Gauss tel que prsente ici est programme de faon
beaucoup plus raffine dans les algorithmes de rsolution de systmes, pour optimiser sa rapidit, sa
prcision et son universalit (si on tombe sur un pivot nul, que fait-on ?). Cependant, son principe
de base nest rien de plus que lexemple simple ci-dessus. //
III.3
Des systmes linaires apparaissent dans quantit de situations, sans forcment quon
sy attendre. Jen donne un exemple mathmatique ici. Par ailleurs le rsultat obtenu vous
sera utile en Gnie chimique par exemple.
Mthode de Simpson 6 de calcul approch dune intgrale On suppose quon
connat la valeur dune fonction f en trois points a, b > a et c = b+a
2 le milieu de [a, b] :
f (a) = , f (b) = et f (c) = . On veut estimer la valeur de lintgrale
I=
f (x) dx.
a
Il sagit de laire sous le graphe de f entre a et b. Ce graphe passe par les trois points
A = (a, ), B = (b, ) et C = (c, ), mais sans plus dinformation, on est contraint de faire
une hypothse sur sa forme. Si le segment [a, b] est suffisamment petit par rapport la taille
possible des pfluctuations de f , il nest pas draisonnable de penser que le graphe sera bien
approch par une parabole P daxe vertical passant par A, B et C. Une telle parabole est
le graphe dun polynme P de la forme P (x) = U x2 + V x + W . On pourra alors prendre
comme valeur approche :
Z b
P (x) dx.
I
a
14
IV
Le dterminant dune matrice est une notion fondamentale mais dlicate. Ce cours
naborde que quelques notions savoir sur lui.
Dfinition Le dterminant dune matrice M carre de taille n est la surface, pour
n = 2, ou le volume, pour n = 3 (ou pour n > 3, avec le sens que vous pouvez imaginer), de
limage du carr ou du cube unit par lapplication linaire reprsente par M . Cette surface
est compte ngativement si lapplication renverse lorientation. Il est not det M .
Le dterminant de M mesure donc combien la multiplication par M dilate ou contracte
les volumes.
// Vous trouverez rarement le dterminant dfini ainsi dans les livres. Cependant, la dfinition cidessus est une vraie dfinition possible du dterminant. Pour supprimer les guillemets, il suffirait de
dfinir rigoureusement les mots surface et volume. //
Cette dfinition se comprend bien une fois vue sur quelques exemples : le dterminant est
un concept simple, visuel et gomtrique.
f( j )
f( i )
0
la matrice de la symtrie orthogonale par
Soit M = S = 10 1
rapport laxe (Ox). Limage de C est son symtrique par rapport
(Ox), qui est encore un carr de ct 1. Mais S renverse lorientation
du plan. Donc det S = 1.
15
f( j )
f( i )
f( j )
f( i )
V
V.1
16
Dfinition
Si
u =
scalaire est :
x1
.
..
xn
et
v =
y1
.
..
yn
u .
v = x1 y 1 + x2 y 2 + . . . + xn y n .
Proprits
(a) Comme le produit de nombres, il est distributif par rapport la combinaison
linaire , et commutatif :
u .(1
v1 + 2
v2 ) = 1
u .
v1 + 2
u .
v2 et
u .
v =
v .
u.
p
u
(b)
u .
u = k
u k2 o gomtriquement, k
u k = x2 + x2 + . . . + x2 est la norme de
1
\
(c) Si langle (
u,
v ) vaut , alors
u .
v = k
u k.k
v k. cos .
\
\
( u , v ) est aigu et u . v < 0 si et seulement si ( u , v ) est obtus.
x2
2
2
coordonnes (x1 , x2 ), le carr de sa longueur k u k vaut x1 + x22 . Le
mme raisonement continue en dimension plus grande.
V.2
x1
Le produit vectoriel
1
1
Dfinition Si
u = x2 et
v = y2 sont deux vecteurs en dimension 3, leur produit
x3
y3
vectoriel, not
u
v , ou parfois
u
v en physique, est le vecteur de coordonnes :
x2 y 3 x3 y 2
u
v = x3 y 1 x1 y 3 .
x1 y 2 x2 y 1
x1
y1
x2 y 2 .
x3
y3
Pour la deuxime, on peut faire de mme en rayant la deuxime ligne, mais il faut alors
mettre un signe moins au rsultat obtenu. Une autre faon de faire est de faire tourner
les coordonnes, cest--dire de faire comme si les coordonnes des vecteurs se poursuivaient
en se rptant. Pour la troisime coordonne, cela revient au mme quau dbut. Cette
17
x1
y1
x1
y1
x2 y 2
x1
y1
x2 y 2
x3 y 3 ,
x1 y 1
x3
y3
x1
y1
x2
y2
Proprits
(b) La norme k
u
v k est laire du paralllogramme sappuyant sur
u et
v :
\
cest--dire que k
u
v k = k
u k.k
v k.| sin |, avec langle (
u,
v ). Par consquent,
u
(c) Si
u et
v ne sont pas colinaires,
u
v est orthogonal au plan (
u,
v ), ce qui
donne sa direction.
(d) Si
u et
v ne sont pas colinaires,
u
v est tel que la base (
u,
v ,
u
v ) est
u
v
VI
Nous quittons les rappels. On sintresse dsormais aux applications linaires f dun
certain espace E dans lui-mme. En outre, pour exposer la nouvelle notion sans tre parasit
par des problmes techniques, on considre que la dimension dim E de E est 2. Tout ce qui
suit vaut en nimporte quelle dimension n, mais devient techniquement plus compliqu si
n > 2.
VI.1
On a vu plus haut que les coordonnes dun vecteur dpendent de la base dans laquelle
on calcule ces coordonnes. Il en va de mme pour la matrice codant une application linaire
f de E dans E.
a
c
b
d
a
c
et
b
d
, sont limage de
f ( i ) de i et limage
f ( j ) de j , exprimes dans la base ( i , j ). Vous souvenez-vous ?
f( j ) = b i + d j .
Cependant, on aurait pu choisir une autre base pour construire la matrice codant f .
On aurait obtenu une autre matrice. Jusquici, le problme napparaissait pas, car la base
tait toujours sous-entendue, ctait la base correspondant aux coordonnes naturelles des
vecteurs du plan R2 ou de lespace R3 .
Premier exemple dexpression dune application dans deux bases diffrentes.
Considrons
s la
symtrie
orthogonale par rapport la droite dquation y = x, et (
u,
v)
1
1
u,
v ). Donc la premire colonne de la matrice
s(
u ) est de coordonnes 10 dans la base (
1
Mat(
u ,
v ) (s) de s dans la base ( u , v ) est 0 . Semblablement, s( v ) = u = 0. u +
0
. Conclusion :
(1).
v , donc la deuxime colonne est 1
1 0
Mat(
.
u ,
v ) (s) =
0 1
Rcapitulons dans une dfinition.
f (
u ) = a
u + b
v
a c
si
, alors : Mat(
.
u ,
v ) (f ) =
f (
v ) = c
u + d
v
b d
s( i ) = j et s( j ) = i ,
0 1
Mat( i , j ) (s) =
.
1 0
1
0
0
1
). Solution. Comme
on voit que s laisse fixe tous les points de la droite dirige par
u , cest--dire dquation
y = x, et renverse la droite dirige par v , qui est orthogonale la premire. Il sagit donc
de la symtrie orthogonale par rapport la droite dquation y = x. Enfin, si je vous avais
donn la matrice de s dans une base biscornue, vous auriez bien eu du mal reconnatre s.
On voit sur cet exemple que, si f est une application linaire donne, leffet de f sur le
plan sera facile comprendre en regardant la matrice de f dans certaines bases bien choisies,
ou plus difficile comprendre, voire totalement illisible, dans dautres bases. Choisir une
bonne base pour exprimer f est donc un art important ; il est galement dlicat.
VI.2
Un cas particulier o laction de f sur le plan E est facile comprendre est le cas o sa
Une matrice na quune diagonale , cest ainsi. La matrice identit et la matrice nulle
sont les premiers exemples de matrices diagonales.
1
0
(f ) =
, f dilate ou contracte la direction des x lun facteur
Ainsi, si Mat(
0
2
i ,j)
1 , et celle des y dun facteur 2 . La symtrie orthogonale s par rapport laxe des x, ou
la projection orthogonale p sur laxe des x, sont dautres exemples dapplication diagonales.
Exercice. Que valent 1 et 2 dans ces cas ?
Comme la base naturelle ( i , j ) na pas de raison de jouer un rle particulier par rapport
aux autres bases, la dfinition vraiment importante est la suivante.
Dfinition On appelle diagonalisable une application f dont la matrice dans une certaine
base (
u ,
v ) est diagonale.
Introduisons par ailleurs du vocabulaire dsignant quelques notions importantes.
f (
v ) est colinaire (autrement dit proportionnel)
v , cest--dire f (
v ) =
v pour un
certain scalaire , v est appel un vecteur propre de f . Le scalaire est appel une
Remarque Une application diagonale est bien sr diagonalisable, puisquil existe une base
Les application diagonalisables sont particulirement simples. Pour dautres raisons encore, que je nexplique pas ici, elles revtent une importance particulire. Il peut donc tre
utile de les dtecter, et de trouver une base o leur matrice est diagonale , ce quon appelle
alors diagonaliser lapplication . En outre, tre diagonalisable est un phnomne courant
pour les applications linaires, en un sens que je ne donne pas ici. On nest donc pas en train
dtudier des matrices dun type rare.
sa matrice Mat(
u ,
v ) (f ) est diagonale est remarquable, car elle est unique avoir cette
proprit du moins avec les deux nuances ci-dessous.
bien sr, si (
u ,
v ) est une base qui convient, alors toute base de vecteurs proportionnels
On se donne f de matrice F =
f est diagonalisable.
a
c
b
d
Lintroduction de ce polynme peut paratre trange ; il est en fait naturel, mais ce nest pas
immdiatement visible. Dans notre cas de dimension 2, Pf (x) = (a x)(d x) bc.
Consquence dans notre dimension deux. Si Pf a deux racines relles, alors f a deux
valeurs propres, donc deux vecteurs propres (non colinaires) : f est diagonalisable. Si Pf
na pas de racine relle, f na pas de valeur propre, donc nest pas diagonalisable. Si enfin
Pf a une seule racine relle , f peut tre diagonalisable, avec deux fois la mme valeur
sur la diagonale, ou pas, cela dpend et il faut rflchir (un peu).
Dtermination des vecteurs propres. Si f est diagonalisable, il reste trouver ses
vecteurs propres
u et
v . Comme on connat 1 et 2 , cela revient rsoudre les deux
quations :
f (
u ) = 1
u
et f (
v ) = 2
v.
(1)
On cherche
u et
v , cest--dire quon cherche leurs coordonnes,
u = uuxy et
v = vvxy .
Les quations (1), codes matriciellement, deviennent un systme dquations sur uuxy et
vx
, quon rsout. On sait que ces systmes ont des solutions non nulles, car on sait, par
vy
.
Note
:
et
nont
pas
dordre
qui conviennent, et finalement, Mat(
(f
)
=
1
2
0
2
u,v)
privilgi, on les numrote comme on veut.
VI.3
= Mat
Notation On note, ici, F(
(i,j)
i,j)
( i , j ) et F(
u ,
v ) (f ) sa matrice dans une autre base ( u , v ).
u ,
v ) = Mat(
21
et F(
(dessin). Que
et
v = cos
naturelle du plan R2 et (
u,
v ) la base o
u = cos
sin
valent f ( u ) et f ( v ) ?
1
0
. En revanche, trouver F(
Exercice. Dterminer F(
0
1
u ,
v ) . Solution. F(
u ,
v) =
i,j)
et F(
.
connat F(
u ,
v ) , on va dterminer F(
i,j)
envoie
u sur i et
v sur j . On construit alors la transformation g = p1 f p suivante 10 :
p
f
p1
i
7
u
7
f (
u ) [=
u ici]
7 p1 (f (
u )) [= p1 (
u ) = i ici]
g :
j
7
v 7 f (
v ) [=
v ici] 7 p1 (f (
v )) [= p1 (
v ) = j ici]
Passage-cl comprendre. Vrifions que g fait bien subir ( i , j ) ce que f fait subir
(
u,
v ). Il y a deux faons de le comprendre.
Lapplication f conserve
u : f (
u)=
u et renverse
v : f (
v ) =
v . On voit, par le
Ce phnomne reste valable mme si f nest pas la symtrie orthogonale par rapport
la droite (O
u ), mais nimporte quelle application linaire. En effet, g est construite exprs
pour cela :
on amne ( i , j ) sur (
u,
v ), par p,
22
(g) = Mat(
Mat(
u ,
v ) (f ) = F(
u ,
v ).
i,j)
Si vous avez bien compris ce que cest que la matrice dune appication linaire dans une
certaine base, cela doit vous tre clair. Sinon, revenez la dfinition dune telle matrice.
(g) = P 1 . Mat
(f ).P = P 1 .F
.P.
Mat(
i ,j)
(i,j)
(i,j)
= Mat
(f )
Ainsi, en rassemblant les deux galits, on obtient le lien cherch entre F(
i,j)
(i,j)
et F(
u ,
v ) = Mat(
u ,
v ) (f ) :
1 .F
.P ,
F(
u ,
v) =P
(i ,j)
.
Exemple/Exercice. Au dbut du paragraphe, il ntait pas si simple de calculer F(
i,j)
1 (pourquoi ? regardez la formule encadre
= P.F(
prsent, vous savez que F(
u ,
v ) .P
i,j)
. Solution. F
=
cos 2 et 2 cos sin = sin 2. Enfin vous de jouer, calculez F(
i ,j)
(i,j)
cos 2
sin 2
sin 2
cos 2
dans la base ( i , j ).
VI.4
a1,q
a2,q
..
.
ap,q
a1,1 a2,1
a1,2 a2,2
t
M = (aj,i )qj=1 pi=1 = a1,3 a2,3
..
..
.
.
a1,q
a2,q
ou M t ou M T la matrice q lignes
vice versa :
ap,1
ap,2
ap,3
.
..
..
.
.
ap,q
24
Exercice 2 Soit
u,
v et
w trois vecteurs de lespace. On suppose que chacune des familles
Exercice 3 Soit (
u 1,
u 2,
u 3 ) une famille de vecteurs, disons dix coordonnes. On sup
famille (
u 1,
u 2,
u 3,
u 4 ) soit libre ? Justifier prcisment, en trois lignes.
Exercice 4 Soit (
u ,
v ,
w ) une famille de trois vecteurs indpendants de lespace. Les
familles ( u , v ), ( v , w ) et (
u ,
w ) sont-elle libres ? (oui, toujours ; non, jamais ; a dpend
. . . ? Justifier.)
Exercice 5 La famille (
u,
v ,
w ), donne par :
u =
est-elle libre ?
0
1 ,
1
v =
1
1
0
et
w =
2
3 ,
1
0
z . Calculer
y
y
x
0
et v (x, y, z) =
( u v ). u (faire un dessin).
p = m. v , m masse de M , v vitesse de M .
25
3x(2eU + y) =
2
3(x 2y + 2) = 5y +
(S)
,
(S )
T
T
= ln TT1
x ln TT0
x ln T0
= ln T0 + 2x
Matrices, systmes linaires
Exercice 10 Soit les matrices et vecteur suivants.
A=
2 3
8 5
,B =
3 1
2 1
,v =
3
1
,M =
2
2
2
2
0 22
1
2
, w = 1 .
0
2
2
1
0
b) Calculer M.w.
Exercice 11 Quelles transformations gomtriques de R2 reprsentent les matrices suivantes ? Faire des dessins. Si la transformation porte un nom, le donner en la reconnaissant
son action sur la base ( i , j ) ou sur une autre base. Dire quelles matrices sont inversibles
et donner leur inverse. Ensuite et sans calcul, donner leur dterminant. Par ailleurs, quelle
est la matrice de la symtrie orthogonale par rapport la droite dquation x = 0 ? Et par
rapport la droite dquation y = x ?
2 0
0 0
2 0
,
, A=
, P =
H=
0 1
0 1
0 2
!
1 1
2
2
1 1
0 1
2
2
2
2
et T =
.
, R=
S=
, =
1
1
2
2
0 1
1 0
2
2
2
(S)
,
(S )
.
4u + 2v = 1
3u + 6v = 1
26
Exercice 14 Soit M la matrice donnant le taux dactivit de chaque pays de lUnion Europenne, en janvier 2010 dans sa premire colonne, en fvrier 2010 dans sa deuxime. Les
grandeurs suivantes peuvent sobtenir en multipliant M par des matrices bien choisies. Pourquoi ? Par quelles matrices, et de quel ct ?
La moyenne des 27 taux dactivit des pays de lUnion, en janvier et en fvrier 2010 ?
Le taux dactivit de lUnion, en janvier et en fvrier 2010 ?
Le vecteur donnant la variation du taux dactivit de chaque pays de lUnion, entre
janvier et fvrier 2010 ?
Rappel : le taux dactivit dune population est le rapport A/P , o A est le nombre de
personnes actives, cest--dire exerant un travail ou en cherchant un, et P est la population totale de plus de 15 ans. On suppose connue et constante sur la priode observe, la
population de chacun des pays.
1
3 2
0 6 1
Exercice 15 Soit M = 1
1 1 et N = 1
4
1 . Que vaut M.N ? Par
5 6 +6
1
9
2
x
+3y
2z = 2
5x 6y +6z = 1
Exercice 16 Soit , a, b et c des nombres fixs. Rsoudre les systmes.
u +2v +w = a
3u v + w =
2u 4v =
u +2v +w = b .
(S)
,
(S )
,
(S )
4u + 2v + 2w = 1
3u + 6v + = 1
3u
w = c
La matrice
produit.
Exercice
1
0
0
1 2 1
1 2 1
3 0 1
17 Reconnatre
0 0
1 0 ,
0 1
1 0 0
0 1 0 ,
0
0 1
1
0
0
0 cos sin ,
0 sin cos
0 0 1
1 0 0 .
0 1 0
Diagonalisation de matrices
Exercice 18 Si cela est possible, diagonaliser les matrices F suivantes, cest--dire :
Trouver leur(s) valeur(s) propre(s) et donner un vecteur propre associ chacune
dentre elles,
crire la matrice P envoyant les vecteurs ( i , j ) de la base naturelle sur les vecteurs
propres prcdemment donns, puis calculer la matrice inverse P 1 de P ,
Vrifier la formule donne en cours liant P et F .
Si la matrice F nest pas diagonalisable, dire pourquoi.
27
a) F =
b) F =
0 2
2 3
2 1
4 2
c) F =
d) F =
1 1
2 1
2 0
3 2
.
e) F =
f)
3 1
1 1
en option.
F
=
1/2 1/2
. Reconnatre
1/2 1/2
F , si possible.
4
2
. Calculer A5 . Pour cela, diagonaliser A et
3 1
donner les matrices P et P 1 comme dans lexercice prcdent. Par ailleurs, si possible,
trouver une matrice racine carre de A, cest--dire une matrice B telle que B 2 = A.
Exercice 19 Soit la matrice A =
1
2
1/5 2/5
1
2
y
et P
=
. On v6. w =
.
2 1
2/3 1/5
yz
5 0
rifie enfin que :
= P 1 AP .
0 1
7. Un vecteur J parallle laxe de rotation de
b) La matrice F est diagonalisable. Ses valeurs
ment le vecteur
et le vecteur
.
22
2
2
14
4
, 3 2 .
12
1
2
1 1
1/2 1/4
1
P =
, P 1 =
. On
2 2
1/2 1/4
1
1
4 0
14. gauche par ( 27
. . . 27
). gauche par vrifie que :
= P 1 AP .
P1
P27
0 0
( P . . . P ), o Pi est est population de plus de
P27
15 ans du ime pays de lUnion et P = i=1 Pi la c)2 Le polynme caractristique de F est PF (x) =
population de plus de 15 ans de lUnion. droite x + 1, qui na pas de racine relle. La matrice
F na donc pas de valeur propre, elle nest pas
par (1, 1).
diagonalisable.
d) Le polynme caractristique de F est PF (x) =
15. (x, y, z) = (5, 1, 5)
(x 2)2 , qui na quune seule racine : 2. La ma16. (S) : Les solutions sont
(u, v, w) trice F na donc quune seule valeur propre, 2. Si
les triplets
1
elle tait diagonalisable,
dans une
u = + 2 2w
elle scrirait,
tels que w est libre et
3
2
0
v = 2 + 2 5w.
certaine base : F =
. Alors F serait
0 2
(S) : Si 6= 23 , (S) na pas de solution.
lhomothtie de rapport deux. Elle scrirait alors
Si = 32 , (S) a une infinit de soutions :
ainsi dans nimporte quelle base. Daprs la forme
tous les couples (u, v) tels que v est libre et
de F dans lnonc, ce nest pas le cas. Donc F
u = 2v 13 . (S) : Lunique solution est le trinest
pas diagonalisable.
ca 3a3b
plet (u, v, w) = ( ba
c). On en
2 ,b + 2 ,
2
e) Idem.
dduit que
la matrice donne
est inversible, din
18. a) On remarque tout de suite que F est diagonalisable, puisque symtrique. Le calcul du polynme caractristique le confirme et donne ses
valeurs propres, qui sont 4 et 1. Les vecteurs
propres associs
sont, proportionnalit prs, le
1
vecteur
, associ la valeur propre 4, et
2
2
le vecteur
, associ la valeur propre
1
1 2
19. Avec P =
, et donc P 1 =
1 3
3 2
2 0
, on obtient :
= P 1 AP .
1 1
0
1
94
6
5
On en dduit : A =
. Par
93 61
ailleurs, on
par exemple, B =
peut prendre,
2 + 3 2 2 + 2 2
.
33 2
32 2
28