IUT Robert Schuman

Dpartement Chimie

C. Boubel, Mathmatiques
2011

Algbre linaire Cours

Les informations connatre sans hsitation sont sur fond gris . Les quelques remarques
// en plus petits caractres //ne sont pas indispensables la comprhension.

I
I.1

Espaces vectoriels
Espaces vectoriels

Dfinition Un ensemble de vecteurs, dit espace vectoriel est un ensemble de choses

que lon peut :
additionner entre elles,
multiplier par des nombres,
avec toutes les proprits naturelles de cette addition et de cette multiplication (existence
dun vecteur nul, associativit de +, distributivit etc. 1 )
Autrement dit, les vecteurs sont presque des nombres ; ils sont comme des nombres,
sauf quils ne se multiplient pas entre eux. Les proprits des vecteurs sont les proprits
daddition et de multiplication des vecteurs du plan ou de lespace, que vous connaissez bien
et qui se traduisent par des dessins.
Cependant, ds quun ensemble dobjets mathmatiques vrifie cette double proprit,
cest un ensemble de vecteurs , que ces derniers correspondent des vecteurs du plan ou
de lespace au sens intuitif, ou pas. Je choisis dlibrment le terme trs vague d objets ,
tant les vecteurs et les espaces vectoriels peuvent tre prsents travers des ralits trs
diverses, en mathmatiques et en sciences.
Remarque. Ce nest jamais un objet seul qui est ou nest pas un vecteur, mais un ensemble
dobjets, que lon peut additionner entre eux etc., qui est alors un ensemble de vecteurs : un
espace vectoriel.
Exemples. Exercice : trouver des exemples.
Vocabulaire. Lalgbre linaire est ltude des proprits des espaces vectoriels et de tous
les concepts construits partir deux.
Remarque. Dans le 2me tiret de la dfinition, je nai pas prcis si les nombres en question
sont rels ou complexes. Le plus souvent pour vous, il sagit de nombres rels, et donc dun
espace vectoriel rel . Vous pourrez parfois rencontrer des ensembles dobjets pouvant
tre multiplis par des nombres complexes. Il sagira d espaces vectoriels complexes .
Les fonctions donde des lectrons, en atomistique, sont par exemple des lments dun tel
espace.
Vocabulaire. En algbre linaire, il est courant dappeler les nombres des scalaires, du
latin scala, chelle. En effet, les nombres (rels) sordonnent des plus petits vers les plus

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

nul, not 0 , tel que

u + 0 =
u pour tout vecteur
u . (a4) Tout vecteur
u a un oppos, not
u , tel

que u + ( u ) = 0 . (b1) 1. u = u . (b2) .( u + v ) = . u + . v . (b3) ( + ). u = . u + . u . (b4)

.(.
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

par des lettres latines, parfois surmontes dune flche :

u ou grasses : u.
Vocabulaire. Si E est un espace vectoriel, et si F est un sous ensemble de E qui est lui
aussi un espace vectoriel (pour les mmes addition et multiplication), on dit que F est un
sous-espace vectoriel de E. Exemples : parmi les vecteurs E de lespace, lensemble F des
vecteurs horizontaux, ou celui F des vecteurs verticaux, sont des sous-espaces vectoriels de
E, mais ni le sous-ensemble S des vecteurs de norme gale un, ni le sous-ensemble A des
vecteurs dont la coordonne verticale vaut 1, ne le sont.
Dautres exemples : voir lexercice 1 de la feuille dexercices.

I.2

Combinaisons linaires

Lopration fondamentale effectue sur des vecteurs est la combinaison linaire.

, . . . ,
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.

Il est fabriqu partir des

ui , laide des deux oprations possibles sur des vecteurs :
multiplication par des nombres et addition entre eux. Toute lalgbre linaire repose
sur cette notion.
Trois notions galement fondamentales sont alors tires de celle de combinaison
linaire.

(i) Vecteurs engendrs, familles gnratrices. Si un certain vecteur

w est combinaison
,

linaire de vecteurs
u
1 u2 , . . . , un , on dit que w est engendr, ou linairement engendr,

par les vecteurs

u.
i

Proprit/Dfinition Dans un espace vectoriel E, lensemble de tous les vecteurs engen

drs par les vecteurs donns
ui est un sous-espace vectoriel de E. Si ce sous-espace est E
,

tout entier, on dit que la famille (

u
1 u2 , . . . , un ) engendre E, ou est gnratrice de E.
Exercice Donner des vecteurs de lespace tels que le sous-espace quils engendrent est le
sous-espace F des vecteurs horizontaux, ou celui F des vecteurs verticaux.
,
, . . . ,
Sur un dessin, lespace vectoriel engendr par les vecteurs
u
u
u est lespace
1

correspondant au quadrillage qui se construit partir deux.

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.

(ii) Familles libres ou lies. Supposons donne une famille (

u
1 u2 , . . . , un ) de vecteurs.
,

Dfinition On dit que la famille (

u
1 u2 , . . . , un ) est lie si lun des ui est combinaison
linaire des autres :

uj = 1
u1 + 2
u2 + . . . + j1
u
j1 + j+1 uj+1 + . . . + n un =

n
X

i
ui

i=1
i 6= j

pour certains i bien choisis.

,

Dit en termes imags, la famille (

u
1 u2 , . . . , un ) est dite lie ds quon peut fabriquer

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

aucun de ses vecteurs

ui nest combinaison linaire des autres.
La seule manire de montrer quune famille est lie est donc de montrer quun de ses
vecteurs est combinaison linaire des autres. Pour montrer quune famille est libre, il faut
montrer quaucun de ses vecteurs ne lest.
Exercice et remarque Ceci revient montrer que, si 1 , . . . , n sont des scalaires tels que
P

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

dessiner la famille. En effet, dire que

u est combinaison linaire des autres vecteurs de la
j

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 .

Remarque et exercices importants sur la taille des familles libres ou gnratrices

Ces exercices permettent de sapproprier les deux notions introduites et de comprendre
, . . . ,
la suite. Les rponses possibles sont oui/non/a dpend. Soit (
u
u
1
n ) une famille

gnratrice dun espace vectoriel E On lui ajoute un certain vecteur un+1 . Est-elle encore

gnratrice ? Et si on lui retire un des

ui ?
, . . . ,
Soit (
u
u
1
n ) une famille libre dun espace vectoriel E On lui ajoute un certain

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

On appelle ce nombre la dimension de E.

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

dune seule manire comme combinaison linaire des

u (facile admis) :
i

+x

u = x1
u
1
2 u2 + . . . + xn un =

n
X

xi
ui .

i=1

Vous connaissez dj le vocabulaire suivant.

Vocabulaire

Les nombres xi sont les coordonnes de

u dans la base (
u
1 u2 , . . . , un ).

Il apparat donc qu en dimension d, les vecteurs ont d coordonnes.

Vecteurs vus sous forme de colonnes de chiffres. Si E est un espace o les familles
libres peuvent avoir un nombre infini de vecteurs (cela existe, mais vous en rencontrerez
rarement, sauf en mcanique quantique), on dit que E est de dimension infinie. Sinon, les
familles libres ne dpassent pas un certain nombre maximal n de vecteurs. Les familles libres
exactement n vecteurs sont les bases : E est de dimension n. On peut alors reprsenter
les vecteurs de nimporte quel espace vectoriel de dimension n comme des colonnes de n
chiffres : la colonne de leurs coordonnes dans une base fixe. Souvent dailleurs, une base
est plus naturelle que les autres et est sous-entendue. Alors :

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 ? //

Proprit/Remarque sur les familles libres On verra en exercice que le concept de

famille libre est un peu dlicat. Une faon, cependant de comprendre ce quest une famille
4

libre, den construire une ou de sassurer quune famille est libre, est dutiliser la proprit

suivante (admise) : une famille (

u
1 u2 , . . . , un ) est libre si et seulement si u1 6= 0 , et u2

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

Soit E1 et E2 deux espaces vectoriels et f une application de E1 dans E2 .

f

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 :

Dfinition f est dite linaire si pour tous

u,
v , et : f (
u +
v ) = f (
u )+ f (
v ).
Ceci sexprime aussi dans le schma :
Horizontalement :
on applique f .

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

puis revient au mme.

Caractrisation. Si on choisit de reprsenter les vecteurs comme des colonnes de nombres,

on peut montrer que cette dfinition revient au mme que la proprit suivante.
Proprit

En notant
u =

x1
.
.
.
xn

les vecteurs de lespace de dpart, alors f est linaire

si et seulement si chaque coordonne de f se calcule en :

multipliant chaque xi par un nombre,
faisant la somme du tout,

cest--dire que f (
u ) est un vecteur dont chaque coordonne est du type a1 x1 + . . . + an xn :

une combinaison linaire des coordonnes xi de

u.

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

la variation de raction du support vaut F et compense exactement F ). Mais si on exerce

6

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

peut demeurer en mouvement lorsquon ramne la force F ). Ce ne serait pas le cas si le

frottement dpendait linairement de F .

// (vii) Semblablement aux ondes, la conduction thermique est un phnomne linaire remarquable et universel. Si on chauffe (sans phnomne de convection) un objet simultanment de plusieurs manires ( cause1, cause2, . . . ), sa temprature, chaque endroit, est la somme des tempratures quon aurait obtenues avec chacun de ces chauffages, indpendamment : T = T1 + T2 + . . . :
effet1+effet2+. . . . L encore, lquation de la chaleur, qui rgit mathmatiquement la propagation
de la chaleur, est une quation linaire. //

II.2

Intermde technique : matrices

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.

m1,1 m1,2 m1,3 m1,q

m2,1 m2,2 m2,3 m2,q

M = m3,1 m3,2 m3,3 m3,q , note en bref M = (mi,j )pi=1 qj=1 .

..
..
..
..
.
.
.
.
mp,1 mp,2 mp,3 mp,q

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.

Dfinition Soit M une matrice p lignes et q colonnes, et M une matrice p lignes et

q colonnes. Si q = p , on dfinit le produit M = M.M comme la matrice p lignes et q
colonnes suivante (exemple avec p = 3, q = p = 2, q = 2) :

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 .

Attention, si q 6= p , cest--dire si les tailles des matrices ne senchanent pas correctement

comme sur le dessin, leur produit nest pas dfini. Par exemple, les deux produits M.M et
M .M ne sont dfinis simultanment que si M et M sont carres de mme taille.
Pour calculer le produit M.M , procder obligatoirement ainsi : disposer M en bas
gauche, M en haut droite, et pour obtenir chaque coefficient du produit, suivre de la
7

main gauche la ligne correspondante de M , de la main droite la colonne correspondante de

M , et additionner les produits successifs.
Proprits du produit Ce produit a les mme proprits que produit des nombres, sauf
deux. Il est associatif : (M.M ).M = M.(M .M ), distributif par rapport laddition :
M.(M + M ) = M.M + M.M , il a un lment neutre quon verra plus bas etc 3 mais :
Le produit des matrices carres de taille fixe nest pas commutatif : en gnral,
M.M 6= M .M . Lordre dans le produit a donc de limportance, vous nen avez pas lhabitude avec le produit de nombres. Prtez-y attention.
On verra plus bas quon ne peut pas diviser par nimporte quelle matrice
non nulle, alors quon peut diviser par tout nombre non nul.
Les matrices sont donc une sorte de gnralisation des nombres avec leurs oprations
daddition et de produit. Elles possdent beaucoup de leurs proprits, mais pas toutes.
Produit dune matrice et dun vecteur On a vu plus haut quun vecteur peut se
reprsenter par la colonne de ses coordonnes, cest--dire par une matrice une seule

colonne. Si M est une matrice et

v un vecteur rprsent sous cette forme, le produit M.
v,
si les tailles concordent, est simplement un cas particulier de multiplication de matrices. Son
rsultat est une matrice une colonne, cest--dire un vecteur.

II.3

Reprsentation matricielle dune application linaire

Observation prliminaire Si M est une matrice p lignes et q colonnes, on peut dfinir

lapplication multiplication par M ,

v 7 M.
v sur les vecteurs-colonnes
v . Quelle doit

tre la taille de v ? Quelle proprit cette application vrifie-elle ?

Soit prsent f une application linaire de E1 dans E2 , deux espaces vectoriels. On a

vu en II.1 que chacune des coordonnes de f (

v ) est combinaison linaire des coordonnes

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

Exercice et observation fondamentale On remarque que le vecteur f (

v ) est le produit

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 :

Toute application linaire f se code par une matrice F : si

v est reprsent par la colonne

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

est code par F

est code par G,
est code par G.F .

L est lorigine du produit inattendu introduit au paragraphe prcdent.

Attention, cette multiplication nest dfinie que si le nombre de colonnes de G est gal au
nombre de lignes de F (inutile de retenir par cur, cela se voit quand on essaie de calculer
le produit) ; par ailleurs, si les produits G.F et F.G existent tous les deux, ils ne sont pas

forcment gaux car f (g(

v )) et g(f (
v )) ne le sont pas forcment.

Les proprits du produit de matrices apparaissent alors naturelles. Par exemple, F.(G.
v)=

(F.G). v car f (g( v )) = (f g)( v ).

Dans toute la suite, on considre uniquement les matrices carres de taille n et des espaces
vectoriel de dimension n fixe.
La matrice identit de taille n La correspondance matrices-applications linaires va
nous permettre daller plus loin dans la comprhension du produit de matrices. Exercice.

Lapplication identit IdE dun espace E, qui

v associe
v est-elle linaire ? Quelle matrice
la code ? Parmi les matrices carres de taille n existe une matrice, note In , qui est un lment
neutre pour le produit : M.In = In .M = M pour toute M . Qui est In ? In , lment neutre
du produit, joue le rle du nombre 1.
Linverse dune matrice Supposons quune application linaire f de E dans E , code
par une matrice F , admet une rciproque :
f

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

Point de vue gomtrique sur les application linaires : visualisation

de leur action sur le plan

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,



v = 32 . Le quadrillage est celui des coordonnes relatives

( 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

M. i = 21 i et M. j = 12 j , donc que le quadrillage sappuyant

sur (M. i , M. j ) est deux fois plus petit. Limage f (

v ) de
v

a, dans ce nouveau quadrillage, les mmes coordonnes que v

v.
dans celui de dpart. Cest--dire que M.
v = 21

, alors M. i = i et M. j = j ,

donc que le quadrillage sappuyant sur (M. i , M. j ) est le qua

drillage initial, retourn par rapport laxe (Ox). Limage f (
v)

de v a, dans ce nouveau quadrillage, les mmes coordonnes

que
v dans celui de dpart. Cest--dire que M.
v est le sym

trique de v par rapport laxe (Ox).

Prenons M =

1
0

0
1

f( j )

f (
v)

f( i )

4. Si limage reste une base, bien entendu.

10

f( j )

f( i )

f (
v)

, alors M. i = i et M. j = 0 ,

donc que le quadrillage sappuyant sur (M. i , M. j ) disparat :

il est aplati (orthogonalement) sur laxe des abscisses et f (

v)=

x i + y 0 est le projet orthogonal de v sur laxe (Ox).

Prenons M =

1
0

0
0




, alors M. i = i et M. j =
Prenons enfin M = 10 1
1

i + j , donc que le quadrillage sappuyant sur (M. i , M. j )

subit le traitement apparaissant sur la figure. Comme f (

v)
garde les coordonnes (x, y) = (3, 2) dans ce nouveau quadrillage, on peut trouver graphiquement son image.

f( i )

f (
v)

f( j ) = 0

f (
v)

f( j )

f( i )

Comme (1) peut aussi scrire avec nimporte quelle base (

u
1 u2 ) la place de ( i , j ),
on aurait pu effectuer les dessins qui prcdent avec nimporte quelle autre base.
Moralit Une application linaire envoie la base sur nimporte quelle autre famille. Ensuite,
elle est dtermine : le quadrillage, cest--dire les coordonnes, suivent le mouvement.

En particulier, si on reconnat laction de M sur une base la base ( i , j ) ou une

autre, on a donc reconnu M .

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.

Remarque pratique importante Limage

des vecteurs de la base naturelle ( i , j ) se lit

sans calcul sur M . En effet, si M = ac db , alors :
 
 
1
0
0
 
 1 



a b
a b
a
b
et :
M. j =
M. i =
c d
c d
c
d

donc les colonnes de la matrice M sont les coordonnes de M. i et M. j , dans la base

( 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

la base naturelle ( i , j ). En dterminant les images de i et j par r , dterminer cette

matrice. Solution. La matrice de la rotation dangle est
objet classique et est note R .

III
III.1

cos
sin

sin
cos

, elle est un

Rsolution de systmes et inversion de matrices.

Ce quil faut avoir compris

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

dit linaire sil est de la forme f (

u) =
v avec f linaire,
u le vecteur de coordonnes

(x1 , . . . , xn ) et v un vecteur de coordonnes fixes.

Si vous avez bien en tte ce quest une applications linaire, il vous est clair quun systme
est linaire si ses inconnues ne subissent que des multiplications par des constantes puis des
additions entre elles.

Exemple/Exercice matriser. Le systme (S) plus haut est linaire. Qui sont alors
u,

v,f?

Lien avec les matrices Ce point est crucial. Si un systme f (

u) =
v est linaire, on

prend F la matrice codant f , et le systme scrit donc :

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.

Solution F est inversible, donc (S) : F.

u =
v est quivalent : F 1 F.
u = F 1 .
v,

1
1
cest--dire u = F . v . Le vecteur u est solution si et seulement sil vaut F . v . Donc

(S) a une solution, et une seule, le vecteur F 1 .

v . On peut le calculer et vrifier quil est
solution.
Exercice/Mise en garde Contrairement au cas des nombres, le ct par lequel on multiplie par F 1 a de limportance. Que signifierait une multiplication des deux membres de
lquation par F 1 droite ?
12

Lessentiel savoir se rsume ainsi.

Proprit Si la matrice M qui code un systme linaire est inversible, alors ce systme
a une unique solution, qui se calcule comme ci-dessus si on connat M 1 . Si M nest pas
inversible, le systme na jamais une unique solution :
soit il nen a pas,
soit il en a une infinit
(rsultat admis). Ce cours nen dit pas plus sur ce cas.

III.2

Mthode pratique de rsolution des systmes linaires

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.

Exercice et remarque importante En

notant,
comme au paragraphe prcdent,
u =



a
x

le vecteur des inconnues et v = cb , traduire le dernier systme en une galit

y

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

. Mais alors F et G sont




pour nimporte quel

u = xy . Donc G code la rciproque de F , cest--dire que G = F 1 .
Comme annonc, avoir rsolu le systme signifie quon a invers la matrice F .

// 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

Un exemple dapparition dun systme linaire

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

Exercice (i) En traduisant la contrainte que P passe par A, B et C, dterminer le polynme

P . Simplification : puisque lintgrale de f est inchange si on translate la situation horizontalement, on peut supposer que lintervalle [a, b] est centr en 0, cest--dire que a = b et
donc c = 0. On le suppose dsormais. Par ailleurs on note h = ba
2 .
6. Thomas Simpson, 1710-1761, mathmaticien anglais. La mthode dapproximation dcrite ici nest pas
un vritable rsultat mathmatique, mais le calcul dune approximation plausible. Elle correspond cependant
un vritable thorme de Simpson, qui donne une majoration de lerreur commise par lapproximation,
sous certaines conditions sur les drives de f .

14

(ii) Intgrer P pour obtenir lapproximation de I, quon exprimera en utilisant L = b a

la longueur de [a, b].
Solution I +4+
L. Remarques de cohrence : La formule est bien homogne ; si x est
6
en secondes et f en mtres, laire I est en m.s. Lexpression de I aussi. Par ailleurs, la somme
des coefficients au numrateur vaut 6. Il faut sy attendre. En effet si f = K est constante,
L = K.L.
laire vaut K.L, ce que fournit bien la formule K+4K+K
6
Question subsidiaire Au (i) de lexercice, on a trouv une seule solution. On pouvait
sattendre ce quil ny en ait pas plus dune. Pourquoi ? Indication : si P1 et P2 conviennent
tous les deux, que vaut le polynme P2 P1 en x = a, x = b et x = c ? Quen dduit-on ?

IV

Dterminant dune matrice

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.

Soit M = I2 . Le carr unit est le carr C = [0, 1] [0, 1]. Limage

de C par lidentit est C, de surface 1. Par ailleurs, lidentit prserve
lorientation du plan. Donc det I2 = 1.

Soit M = 2I2 . Limage de C par la multiplication par M est un

carr de ct 2, donc de surface 4. Par ailleurs, lhomothtie 2I2 prserve lorientation du plan, donc det(2I2 ) = 4.

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 )

. Limage de C est un paralllogramme

Soit M = T = 10 1
1
de base 1 et de hauteur 1, donc de surface 1. Par ailleurs, T prserve
lorientation du plan, donc det T = 1.

f( j )

f( i )

Soit enfin M = P = 10 00 la matrice de la projection orthogonale sur laxe (Ox).

Limage de C est le segment [0, 1] de cet axe, de surface nulle. Donc det P = 0. Le dterminant se dfinit semblablement en dimension plus grande.
Calcul du dterminant Le dterminant dune matrice M est une somme (complique) de
produits de coefficients de M , que les ordinateurs calculent serviablement. Ce cours nen dit
pas plus.
Il peut seulement vous tre utile de savoir le calculer pour M de taille 2 ou 3, seuls cas
o le calcul a figure humaine. En taille 2 :


a b
det
= ad bc.
c d
En taille 3, ceux qui en auront besoin lavenir apprendront par exemple la rgle de
Sarrus 7 .
Proprit fondamentale

La proprit fondamentale 8 connatre est :

F est inversible si et seulement si det(F ) 6= 0.

// Remarque Vu la dfinition du dterminant, cette proprit nest pas surprenante, qualitativement. Si det F = 0, la multiplication par F crase les volumes zro, comme plus haut la
projection orthogonale P . Elle envoie plusieurs points sur un mme point, et donc ne peut avoir
dapplication rciproque. La matrice F ne peut donc tre inversible. Rciproquement, il nest pas
draisonnable de penser que si det F 6= 0, donc si F naplatit pas les volumes, elle nenvoie jamais
deux points sur un mme point, donc admet une rciproque, donc est inversible. Cette dernire
phrase nest en rien une preuve. //

Consquence Le calcul du dterminant . . . dtermine donc si une matrice est inversible

ou pas. Ainsi, si un systme (S) dquations linaires est cod par une matrice carre M , et
si on sait que det M 6= 0, alors, sans aucun calcul, on sait que (S) a une unique solution.

V
V.1

Deux notions utiles : produit scalaire, produit vectoriel

Le produit scalaire

Vous lutiliserez en dimension 2 et 3, mais il se dfinit semblablement en toute dimension.

Introduisons-le donc ainsi.
7. Pierre-Frdric Sarrus, 1798-1861, professeur de mathmatiques la facult de Strasbourg ( !) La rgle
de Sarrus est un truc de calcul du dterminant des matrices carres de taille trois, que vous apprendrez
sur le tas si besoin, il ny a rien comprendre, juste pratiquer.
8. Ce nen est que la moiti ; elle comprend galement le fait que : det(F G) = (det F )(det G) (donc, si F
est inversible, det(F 1 ) = det1 F ).

16

Dfinition

Si
u =

scalaire est :

x1
.
..
xn

et
v =

y1
.
..
yn

sont deux vecteurs colonnes, leur produit

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

i.e. sa longueur. Ceci rsulte du thorme de Pythagore, voir c-dessous.

\
(c) Si langle (
u,
v ) vaut , alors
u .
v = k
u k.k
v k. cos .

(d) Par consquent,

u .
v = 0 si et seulement si
u
v,
u .
v > 0 si et seulement si

\
\
( u , v ) est aigu et u . v < 0 si et seulement si ( u , v ) est obtus.
x2

Proprit (b) : un dessin avoir en tte Le (i) est sim

plement le thorme de Pythagore. En dimension 2, si
u est de

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

Celui-ci nest dfini quen dimension trois.

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

Truc pour retenir cette dfinition. Disposer les colonnes de

u et
v cte cte. Pour la
premire coordonne, rayer la premire ligne et effectuer le produit en croix sur les autres :

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

technique fait apparatre la logique du calcul.

x1
y1

x1
y1
x2 y 2
x1
y1
x2 y 2

x3 y3 c..d. comme au dbut : x2 y2 .

x3 y 3 ,
x1 y 1
x3
y3
x1
y1
x2
y2
Proprits

(a) moiti comme le produit de nombres :

u (1
v1 + 2
v2 ) = 1
u
v1 + 2
u
v2

mais : u v = v u . Le produit vectoriel est anticommutatif.

(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

v = 0 si et seulement si u et v sont colinaires.

(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

une base directe. Ceci donne le sens de

u
v et donc finit de le caractriser.

u
v

Utilisations du produit vectoriel lectromagntisme : force de Laplace, force de Lorentz ;

mcanique : moment cintique dune force, force de Coriolis.

VI

Diagonalisation dune matrice codant une application linaire

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

Matrice codant une application linaire dans diffrentes bases

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.


Rappel de la remarque pratique de la page 11 Si F =

une certaine base ( i , j ), alors les colonnes de la matrice F ,

18

a
c


b
d
a
c




est la matrice de f dans

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 ?



Donc ici, f ( i ) = ac dans la base ( i , j ), cest--dire f ( i ) = a i +c j , et semblablement

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

la base ( 1 , 1 ) (faire le dessin !). Alors s( u ) = u = 1. u + 0. v , cest--dire que




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.

Dfinition La matrice dune application linaire f dans une base (

u ,
v ) est la matrice

dont les colonnes donnent les coordonnes de f ( u ) et f ( v ) dans la base (

u ,
v):




f (
u ) = a
u + b
v
a c

si
, alors : Mat(
.

u ,
v ) (f ) =
f (
v ) = c
u + d
v
b d


Exercice. Faire le mme travail avec la base ( i , j ) = (

s( i ) = j et s( j ) = i ,


0 1

Mat( i , j ) (s) =
.
1 0

1
0

 

0
1

). Solution. Comme

(s), vous auriez mis un peu de temps

Commentaire. Si je vous avais donn Mat(
i,j)

reconnatre s. En revanche, si je vous avais donn Mat(

u ,
v ) (s), reconnatre s est plus facile :

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

Applications diagonales et diagonalisables

Un cas particulier o laction de f sur le plan E est facile comprendre est le cas o sa

matrice F dans la base naturelle ( i , j ) est diagonale.

Dfinition La diagonale dune matrice carre M = (mi,j )ni,j=1 est la ligne de coefficients
(mi,i )ni=1 qui va den haut gauche en bas droite. Une matrice est dite diagonale si tous
ses coefficents non diagonaux sont nuls.
19

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.

Dfinition Si f est une application linaire et que

v est un vecteur non nul tel que :

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

valeur propre de f (associe au vecteur propre

v ).
Consquence Une autre faon de dire que f est diagonalisable est donc de dire quil

existe une base (

u,
v ) forme de vecteurs propres de f . En effet, dire que Mat(
u ,
v ) (f ) =


1
0

est diagonale, cest simplement dire que f ( u ) = 1 u et f ( v ) = 2 v .

0
2

(s) nest pas

Exemple En VI.1 plus haut, lapplication s nest pas diagonale, car Mat(
i,j)

diagonale, mais est diagonalisable, car Mat(

u ,
v ) (s) est diagonale, avec 1 = 1 et 2 = 1.

Remarque Une application diagonale est bien sr diagonalisable, puisquil existe une base

o sa matrice est diagonale : simplement la base ( i , j ).

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.

Une proprit. Si une application linaire f est diagonalisable, la base (

u ,
v ) dans laquelle

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

( u , v ), pour nimporte quel 6= 0 et quel 6= 0, convient aussi. Exercice : vrifiez-le !

si 1 = 2 , alors nimporte quelle base convient. Exercice : montrez-le ! Indication :

gomtriquement, quel type dapplication est f ? (Rponse : une homothtie, une dilatation

autrement dit. Que sont alors f (

u ) et f (
v ), pour nimporte quels
u et
v ?)
Si elle existe, une base o Mat(f ) est diagonale est donc naturelle rechercher. Par
exemple, si f est issue dun problme physique, ses vecteurs propres et valeurs propres ont
alors un sens physique. Pour diagonaliser Mat(f ), voir la recette ci-dessous.
Exercice. Donner une raison gomtrique, non calculatoire, prouvant quune rotation f
(dangle non nul et non gal ) nest pas diagonalisable. Solution. Limage de nimporte
quel vecteur non nul a tourn par rapport ce vecteur, donc ne lui est pas colinaire. Donc
aucun vecteur ne peut tre un vecteur propre de f . A fortiori, f ne peut tre diagonalisable.
20

On se donne f de matrice F =
f est diagonalisable.

a
c

b
d

dans la base naturelle ( i , j ) et on se demande si

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

la proprit, que 1 et 2 sont bien valeurs propres

de f . Ainsi on trouve un
u et un
v

1
0

.
Note
:

et

nont
pas
dordre
qui conviennent, et finalement, Mat(
(f
)
=
1
2
0
2
u,v)
privilgi, on les numrote comme on veut.

Recette Dterminer si une application f est

diagonalisable et, si cest le cas, la diagonaliser.
// Remarque culturelle aprs lexercice En dimension deux, hormis quelques cas exceptionnels,
les applications linaires sont de deux grands types :
celles qui sont diagonalisables,
celles qui ressemblent des rotations.
En toute dimension, une affirmation semblable, mais techniquement un peu plus labore, reste
vraie. //
// Remarque. Javais affirm plus haut quil est courant quune application linaire soit diagonalisable. On le voit ici, pour E de dimension deux. En effet, leur polynme caractristique Pf est
de degr deux, le graphe est donc une parabole (de concavit tourne vers le haut). On a alors une
chance sur deux : soit la parabole est toute entire au-dessus de laxe des abscisses. Alors Pf na
pas de racine, cest--dire que f na pas de valeur propre. Donc f nest pas diagonalisable. Soit la
parabole coupe laxe des abscisses. Alors Pf a deux racines, cest--dire que f a deux valeurs propres.
Donc f est diagonalisable. (Le cas o la parabole est tangente laxe des abscisses est exceptionnel,
infiniment peu probable .) Ainsi en dimension deux, une application linaire prise au hasard a
une chance sur deux dtre diagonalisable. //

VI.3

Changement de base pour la matrice dune application linaire

Soit f une transformation linaire du plan R2 .

(f ) la matrice de f dans une certaine base

= 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(

Il existe un lien entre F(

u ,
v ) . Nous allons montrer lequel, et voir un de ses
i,j)
intrts, en nous basant sur un exemple.

Prenons f la symtrie orthogonale par rapport la droite D passant par lorigine et

incline dun angle par rapport laxe des x (faire

un dessin). On prend ( i , j ) la base

sin

(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(

nest pas si facile (essayez !). En comprenant le lien entre F(

u ,
v ) , et comme on
i ,j)

.
connat F(
u ,
v ) , on va dterminer F(
i,j)

tape 1 : construction dune application g faisant subir i et j la mme chose

que ce que f fait subir

u et
v . Pour cela, on introduit dj la transformation p

suivante : p est linaire et envoie i sur

u et j sur
v . Exercice : il ny en a pas besoin ici,
mais au passage, reconnaissez-vous p ? Regardez bien ce qui se passe sur un dessin. Solution
en note 9 . Notons alors que p a une rciproque, p1 , dfinie par le fait que p1 est linaire et

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

schma ci-dessus, que g agit de mme sur i et j : g( i ) = i et g( j ) = j .

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,

on applique f , faisant donc subir ( i , j ), qui viennent dtre placs sur (

u,
v ),
leffet de f ,
on remet le rsultat sa place, par p1 .
Exercice. Pour vraiment comprendre,
faites
le calcul avec f lapplication linaire de ma

a
b

. Reprenez le schma ci-dessus en adaptant les

trice quelconque Mat(
c
d
u ,
v ) (f ) =
expressions entre crochets [. . . ici] .
tape 2 : calcul des matrices de tout ce petit monde et conclusion. Dj, remar

(p), de p dans la base ( i , j ) est (Exercice : laquelle ?)

quons que la matrice P = Mat(
i,j)



la matrice donnant les coordonnes de

u et
v dans la base ( i , j ) : P = uuyx vvyx .

Quelle est la matrice de g dans la base ( i , j ) ? On la connat de deux faons :

9. p est bien sr la rotation dangle .
10. Je ne me suis pas tromp dans lordre dcriture g = p1 f p. On applique dabord p, puis f , puis
p1 , ce qui scrit bien g = p1 f p.

22

Comme g fait subir ( i , j ) ce que f fait subir (

u,
v ), alors :

(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.

(p) dans la base ( i , j ) :

Comme g = p1 f p, alors, en notant P la matrice Mat(
i,j)

(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)

o P est la matrice donnant les coordonnes

de

 u et v dans la base ( i , j ) :
u x vx
P =
.
uy vy

On appelle P la matrice de passage de la base ( i , j ) vers la base (

u,
v ). Cette formule permet de calculer facilement la matrice dune application dans une certaine base, connaissant
sa matrice dans une autre.

.
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)


et multipliez chaque membre, gauche par P et droite par P 1 ). Truc. Si M = ac db



d
b
. Rappels. cos2 + sin2 = 1, cos2 sin2 =
est inversible, alors M 1 = det1M c
a

. 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

Remarque. Le calcul ci-dessus illustre la remarque de la fin du paragraphe VI.1. On recon

nat et comprend bien f en voyant sa matrice F(

u ,
v ) dans la base ( u , v ). En revanche, f

est mconnaissable, code dans la base ( i , j ).

Lien avec la diagonalisation de matrices. Si vous connaissiez une application f par

(f ), que f est diagonalisable, et que vous avez trouv une base

sa matrice F = Mat(
i,j)

( u , v ) telle que D = Mat(

u ,
v ) (f ) est diagonale, alors la formule encadre fournit le lien
entre F et D :
D = P 1 .F.P,

o la matrice de passage P est, comme dit lencadr, la matrice des coordonnes de (

u,
v)

dans la base ( i , j ).

VI.4

Annexe : transpose dune matrice, matrices symtriques

Soit M une matrice quelconque, p lignes et q colonnes :

a1,1 a1,2 a1,3

a2,1 a2,2 a2,3

M = (ai,j )pi=1 qj=1 = .

..
..
..
.
.

ap,1 ap,2 ap,3

23

a1,q
a2,q
..
.
ap,q

Dfinition On appelle transpose de M et on note t M

et p colonnes dont les lignes sont les colonnes de M , et

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

La transpose de M sobtient donc en retournant M par rapport ce quon appellerait

sa diagonale, si elle tait carre : (a1,1 , a2,2 , a3,3 , . . .).
Dfinition Une matrice carre M est dite symtrique si elle est gale sa transpose :
tM = M .
Autrement dit, chaque coefficient non diagonal ai,j est gal son coefficient symtrique
aj,i . Les matrices symtriques, quon rencontre couramment pour beaucoup de raisons, sont
notamment remarquables pour leur proprit suivante.
Proprit (admise) Toute matrice symtrique est diagonalisable, et mme diagonalisable
dans une base orthonorme.

24

Algbre linaire Exercices

Espaces vectoriels, familles de vecteurs
Exercice 1 Lesquels des ensembles suivants sont-ils naturellement des espaces vectoriels
sur R ou sur C ?
Lensemble des polynmes. Lensemble des polynmes de degr plus petit quun degr
donn. Lensemble des polynmes de degr plus grand quun degr donn. Lensemble des
polynmes de degr donn. Lensemble C des nombres complexes. Lensemble des fonctions
de R dans R. Lensemble des fonctions de R dans R+ . Les diffrentielles en deux variables
U et V . Lensemble des solutions de lquation diffrentielle x2 y + xy + y = 0. Lensemble
des solutions de lquation diffrentielle x2 y + xy + y = 1. Lensemble des colonnes de 27
chiffres indiquant le nombre de mtres carrs dhabitations construits une anne donne dans
chacun des pays membres de lUE. Lensemble des matrices coefficients rels, p lignes
et q colonnes. Lensemble des matrices coefficients complexes, p lignes et q colonnes.
Lensemble des matrices coefficients rels.

Exercice 2 Soit
u,
v et
w trois vecteurs de lespace. On suppose que chacune des familles

( u , v ), ( v , w ) et ( u , w ) sont libres. La famille (

u ,
v ,
w ) est-elle libre ? (oui, toujours ;
non, jamais ; a dpend . . . ? Justifier.)

Exercice 3 Soit (
u 1,
u 2,
u 3 ) une famille de vecteurs, disons dix coordonnes. On sup

pose que ( u 1 , u 2 , u 3 ) est lie. Peut-on lui ajouter un vecteur

u 4 bien choisi pour que la

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

Produits scalaire et vectoriel

Exercice 6 Soit dans lespace les champs de vecteurs u(x, y, z) =

0
z . Calculer
y

y
x
0

et v (x, y, z) =

les coordonnes du champ w = u v . Sans calcul, trouver la valeur de

( u v ). u (faire un dessin).

Exercice 7 Calculer le moment cintique L , par rapport au centre O de la terre, dune

personne de 70 kg, assise dans la salle (suppose situe la latitude 45). Rayon terrestre :
6400 km. Rappel : le moment cintique dun objet ponctuel M par rapport un certain

point O est dfini comme L = OM

p , avec
p la quantit de mouvement de lobjet M :

p = m. v , m masse de M , v vitesse de M .

25

Applications linaires, systmes linaires

Exercice 8 Les applications suivantes sont-elles linaires ?
a) Lapplication qui un polynme associe son polynme driv.

b) Lapplication f de R3 dans R3 donne par f ( v ) = v B , o B est un vecteur fix

de R3 et lapplication g de R3 dans R donne par g( v ) = v . B .

c) Lapplication f de R4 dans R4 donne par f ( v ) = A. v , o A est une matrice 4

lignes et 4 colonnes.
Exercice 9 Les systmes (S) et (S) suivants sont-ils linaires en leurs inconnues x et y ?
Pourquoi ? Rsoudre celui (ceux) qui lest (le sont).



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

a) Calculer C = A.B et C. v , puis B. v , A.(B. v ) et D = B.A. Les rsultats sont-ils cohrents ?

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

Exercice 12 La rotation r du plan R2 , de centre 0 et dangle , est-elle linaire (on ne

demande pas de justification prcise) ? Si oui, donner sa matrice R , en observant laction
de r sur les vecteurs de base. Sans calcul, donner une expression de R2 . Encore sans calcul,
dire si la matrice R est inversible et si oui donner son inverse. Toujours sans calcul, donner
son dterminant.
Exercice 13 Soit un nombre fix. Combien les systmes suivants ont-ils de solutions ?
Les rsoudre.


3u v =
2u 4v =

(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

consquent, qui est N ? Que vaut N.M ? Rsoudre :

x +y z = 1 .

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

est-elle inversible ? Si oui, donner linverse et vrifier en effectuant le

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. Note : ils sont orthogonaux. Est-ce surprenant

 ? Lesmatrices P et
 P 1 sont donc
 : P =
xy

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

la terre et de norme k J k 1, 04.105 kg.m2 .s1 .

propres sont 4 et 0, des vecteurs propres as







socis sont, proportionnalit
prs, respective 


1
10
1
0
1
,
,
,
,
10. 34
1
1
115
7
115
13

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

f ) F est la projection orthogonale sur la droite

1
1
0
1
1 .
verse 2 1 2
dquation y = x.
3
3
2
Quelques rponses

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