Vous êtes sur la page 1sur 214

MARIANNA EULER ET NORBERT EULER

THÉORIE ET PROBLÈMES
RÉSOLUS D’ALGÈBRE
LINÉAIRE
VOLUME 1 ESPACES EUCLIDIENS

1
Théorie et Problèmes Résolus d’Algèbre Linéaire: Volume 1 Espaces Euclidiens
1e édition
© 2017 Marianna Euler, Norbert Euler & bookboon.com
ISBN 978-87-403-1867-8
Evaluation par : Professor Adrian Constantin, Universität Wien, Österreich/King’s College
London, UK and Professor Denis Blackmore, New Jersey Institute of Technology, USA

Traduit de l’anglais par Benoit Mahault

2
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Contenu

CONTENU
1 Vecteurs, droites et plans dans R3 9
1.1 Opérations sur les vecteurs et le produit scalaire 9
1.2 Le produit vectoriel 17
1.3 Les plans et leurs équations 22
1.4 Les droites et leur paramétrisation 29
1.5 Supplément sur les droites et les plans 39
1.6 Exercices 56

2 Algèbre matricielle et pivot de Gauss 63


2.1 L’addition et la multiplication de matrices 63
2.2 Le déterminant de matrices carrées 70
2.3 Les matrices carrées inversibles 76
2.4 La méthode du pivot de Gauss pour les systémes d’équations linéaires 81
2.5 Les systèmes d’équations linéaires carrés 86
2.6 Les systèmes d’équations linéaires dans R3 94
2.7 Intersection des droites dans R3 107
2.8 Exercises 111

Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.

Försäkra din lön


för 90 kronor
i månaden

@akademikernas på Twitter facebook.com/akademikernas

aea.se/blimedlem

3
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Contenu

3 Familles génératrices et familles libres 121


3.1 Combinaisons linéaires de vecteurs 121
3.2 Familles génératrices 128
3.3 Les familles libres et liées 133
3.4 Exercices 142

4 Applications linéaires entre espaces euclidiens 147


4.1 Applications linéaires : ensemble de dénition et ensemble image 147
4.2 Matrices canoniques et applications composées 154
4.3 Les applications linéaires inversibles 183
4.4 Exercices 192

A Le calcul matriciel avec Maple 205

4
5
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Préface

Préface

Ce livre est le premier d’une série de trois ouvrages intitulés Théorie et Problèmes
Résolus d’algèbre linéaire. Cette première partie traite des vecteurs en espace euclidien,
des matrices ainsi que de leur algèbre, et des systèmes d’équations linéaires. Nous résolvons
des systèmes linéaires en utilisant, entre autres, la méthode du pivot de Gauss et étudions
les propriétés de ces systèmes à l’aide des vecteurs et des matrices. De plus, nous nous
intéressons aux applications linéaires de la forme T : Rn → Rm et calculons la matrices
canonique les décrivant.
La seconde partie de cette série est intitulée Espaces Vectoriels (pas encore disponible
en français). Dans celle-ci nous définissons les concepts d’espace vectoriel, de base, de
dimension et de coordonnées dans ces espaces. Ce qui nous amène aux applications linéaires
entre espaces vectoriels et euclidiens. Nous étudions aussi plusieurs espaces euclidiens,
par exemple l’espace nul, l’espace colonne ainsi que l’espace propre des matrices. Nous
utilisons ensuite les vecteurs propres et des transformations similaires afin de diagonaliser
les matrices carrées.
Dans la troisième partie, intitulée Espaces préhilbertiens (pas encore disponible en
français), nous incluons le produit scalaire de deux vecteurs aux espaces vectoriels. Ceci
rend possible les définitions des bases orthogonales et orthonormées, des espaces orthogo-
naux ainsi que des projections orthogonales des vecteurs sur des sous espaces de dimension
finie. La méthode dite des moindres carrés est introduite comme la meilleure approxima-
tion des systèmes linéaires incompatibles Ax = b.
Le but de cette série est de fournir aux étudiants un ensemble structuré de problèmes
résolus soigneusement choisis ainsi qu’une opportunité d’approfondir leurs connaissances
acquises en cours d’algèbre linéaire. Chaque chapitre comporte un bref résumé des notions
théoriques importantes dans les Notes théoriques. Elles sont suivies par une sélection
de Problèmes en rapport avec ces concepts, puis pour chacun une Solution détaillée est
fournie. Enfin, à la fin de chaque chapitre se trouve une liste d’exercices liés aux problèmes
(avec solutions). Cette structure est commune à tous les ouvrages de la série.
Cette architecture particulière fait que ces livres ne sont pas des manuels traditionnels
d’un cours d’algèbre linéaire. Nous pensons au contraire qu’il peuvent être utiles en tant
que support à un manuel classique. Nous cherchons à guider les étudiants, en particulier
ceux venant des filières techniques et scientifiques, en leur fournissant les outils afin qu’ils
acquièrent une meilleure compréhension des notions abstraites d’algèbre linéaire. Cette
série peut aussi servir au développement et à l’amélioration des techniques de résolution
de problèmes. Nous prévoyons que les étudiants trouveront ici des méthodes alternatives,
ainsi que des exercices allant au delà de ce qui est classiquement proposé en algèbre linéaire,
et nous espérons que ceci augmentera leur intérêt pour le sujet.

5
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Note aux etudiants
6

Note aux étudiants

Nous suggérons que vous vous attaquiez d’abord aux Problèmes par vous même, avec
l’aide fournie par les Notes théoriques ci nécessaire, avant de lire les Solutions pro-
posées. Nous pensons que cette façon d’étudier l’algèbre linéaire vous sera utile car elle
devrait vous permettre de faire de nouvelles connexions entre les différents concepts et
possiblement d’apprendre des méthodes alternatives à la résolution de problèmes.

Chaque sous partie de chaque chapitre de ce livre (qui constitue la première partie de cette
série sur l’algèbre linéaire) est généralement auto consistante, vous devriez donc pouvoir
travailler sur les problèmes dans l’ordre que vous préférez. Par conséquent si vous voulez
étudier le dernier chapitre, vous n’avez pas besoin de traiter tous les chapitres précédents.

Afin de faciliter la lecture du livre nous avons, en plus de la table des matières et de l’index
présents au début et à la fin, utilisé les couleurs pour indiquer les Notes théoriques,
Problèmes et Solutions.

Ce livre comprend plus de 100 problèmes résolus et plus de 100 exercices avec solu-
tions. Bonne lecture !

Marianna Euler et Norbert Euler Luleå, avril 2016

6
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Notations
7

Notations

R: L’ensemble des nombres réels.

Rn : L’espace euclidien contenant les vecteurs à n composantes

v = (v1 , v2 , . . . , vn ) pour tout vj ∈ R.

v : La norme (ou longueur) du vecteur v.


v
v̂ : Le vecteur unitaire orienté selon v ; v̂ = .
v
−−−→
P1 P2 : Le vecteur de R3 pointant de P1 à P2 .

u·v : Le produit scalaire des vecteurs u et v dans Rn .

u×v : Le produit vectoriel des vecteurs u et v dans R3 .

u · (v × w) : Le produit mixte des vecteurs u, v et w dans R3 .

proj v u : La projection orthogonale du vecteur u sur le vecteur v.

{e1 , e2 , · · · , en } : La base canonique de Rn .

A = [a1 a2 · · · an ] = [aij ] : Une matrice m × n formée des colonnes aj ∈ Rm , j = 1, 2, . . . , n.

In = [e1 e2 · · · en ] : La matrice identité n × n avec ej les vecteurs de la base canonique de Rn .

det A or |A| : Le déterminant de la matrice carrée A.

A−1 : La matrice inverse de la matrice carrée A.


l
A∼B: Les matrices A et B sont l-équivalentes (ligne-équivalentes).

[A b] : La matrice augmentée correspondant à l’équation Ax = b.

Vect {u1 , u2 , · · · , up } : Le sous-espace vectoriel engendré par les vecteurs {u1 , u2 , · · · , up }.

7
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Notations (suite)
8

Notations (suite)

T : Rn → Rm : Une application des vecteurs de Rn dans Rm .

CT : Le codomaine (ou ensemble d’arrivée) de l’application T .

DT : L’ensemble de définition de l’application T .

RT : L’ensemble image de l’application T .

T : x → T (x) : Une application T associant T (x) à un vecteur x.

T : x → T (x) = Ax : Une application linéaire T associant au vecteur x le vecteur Ax.

T2 ◦ T1 : Une application composée.

T −1 : L’application réciproque de T .

Remerciements

Nous tenons à remercier chaleureusement nos collègues Dr. Stefan Ericsson et Dr. Johan
Byström pour leur lecture de la Première Edition et leurs remarques précieuses. Nous
remercions aussi Dr. Ove Edlund pour ses remarques utiles concernant l’annexe de cette
Seconde Edition.

8
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3

Chapitre 1

Vecteurs, droites et plans dans R3

Le but de ce chapitre :
Nous considérons les vecteurs de l’espace euclidien R3 et utilisons les opérations usuelles
de l’addition de vecteurs, la multiplication de vecteurs par des scalaires (nombres réels), le
produit scalaire, et le produit vectoriel de deux vecteurs afin de calculer des longueurs, des
aires, des volumes et les projections orthogonales d’un vecteur sur un autre vecteur (ou
sur une droite). Nous nous servons de ces vecteurs pour paramétrer les droites et trouver
les équations de plan dans R3 . Nous montrons comment calculer les distances entre un
point et une droite, un point et un plan, entre deux plans, une droite et un plan, mais
aussi entre deux droites dans R3 .

1.1 Opérations sur les vecteurs et le produit scalaire


Dans ce sous-chapitre nous étudions les opérations usuelles sur les vecteurs de R3 , dont
le produit scalaire. Nous appliquons ces connaissances au calcul de la longueur (ou norme)
d’un vecteur, la distance et l’angle entre deux vecteurs, ainsi que la projection orthogonale
d’un vecteur sur un autre et la réflexion d’un vecteur par rapport à un autre.

Note théorique 1.1.


Considérons les trois vecteurs u, v et w dans R3 . Supposons qu’ils aient pour origine
(0, 0, 0) et se terminent respectivement aux points (u1 , u2 , u3 ), (v1 , v2 , v3 ) et (w1 , w2 , w3 ).
On appelle ces derniers coordonnées des vecteurs, réciproquement u, v et w sont nommés
les vecteurs position associés. Nous écrivons donc

u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ).

Le vecteur position u associé au point P ayant pour coordonnées (u1 , u2 , u3 ) est montré à la
figure 1.1. Afin d’alléger les notations, nous désignerons par P : (u1 , u2 , u3 ) les coordonnées
du point P . L’addition de deux vecteurs u et v, notée u + v, est le vecteur de R3 s’écrivant

u + v = (u1 + v1 , u2 + v2 , u3 + v3 ).

9
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
10 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Figure 1.1 – Vecteur position u associé au point P de coordonnées (u1 , u2 , u2 ).

Une illustration est donnée figure 1.2. Considérant un troisième vecteur w ∈ R3 la pro-
priété suivante est satisfaite
(u + v) + w = u + (v + w).
La multiplication de u par un nombre réel (ou scalaire), notée ru, est le vecteur de R3
défini par
ru = (ru1 , ru2 , ru3 ).
Le vecteur ru est aussi appelé dilatation de u. Nous avons

Propriétés :
0u = 0 = (0, 0, 0) le vecteur nul

−u = (−1)u = (−u1 , −u2 , −u3 ) est appelé l’opposé du vecteur u

u − v = u + (−1)v = (u1 − v1 , u2 − v2 , u3 − v3 )

u − u = 0.
Le produit scalaire de u et v, noté u · v, est le nombre réel donné par :
u · v = u1 v1 + u2 v2 + u3 v3 ∈ R.
La norme de u, notée u, est la longueur de u définie selon

u = u · u ≥ 0.

10
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE SUR LES
1.1. OPÉRATIONS Vecteurs,
VECTEURS ET LE PRODUIT droites et plans 11
SCALAIRE dans R3

Figure 1.2 – Addition des vecteurs u et v, ainsi que quelques dilatations du vecteur u.

La distance entre deux points P1 and P2 de vecteurs position respectivement u =


−−−→
(u1 , u2 , u3 ) and v = (v1 , v2 , v3 ), est donnée par la norme du vecteur P1 P2 (voir la figure
1.3), i.e.
−−−→
P1 P2  = v − u ≥ 0.
Un vecteur unitaire et un vecteur de norme 1. Tout vecteur non nul u ∈ R3 peut être
normalisé en un unique vecteur unitaire, noté û, de même direction que u. Nous avons
donc, û = 1. û est appelé vecteur directeur de u, d’où la relation u = u û.
L’ensemble de vecteurs unitaires
{e1 , e2 , e3 }, avec e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
est dénommé base canonique de R3 . Le vecteur u = (u1 , u2 , u3 ) peut donc s’écrire sous
la forme
u = u1 e1 + u2 e2 + u3 e3 .

Notons θ l’angle entre u et v. La définition du produit scalaire et la loi des cosinus


impliquent que
u · v = u v cos θ ∈ R.
Ce qui signifie que les vecteurs u et v sont orthogonaux (ou perpendiculaires) si et
seulement si
u · v = 0.
La projection orthogonale de w sur u, notée proju w, est le vecteur
proju w = (w · û)û ∈ R3 ,

11
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
12 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3

Figure 1.3 – La distance entre P1 et P2 .

où û est le vecteur directeur de proju w et |w · û| est la longueur de proju w (| | indique
la valeur absolue). Une illustration est donnée à la figure 1.4.

Figure 1.4 – La projection orthogonale de w sur u.

12
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.1. OPÉRATIONS SUR LES VECTEURS ET LE PRODUIT SCALAIRE 13

Problème 1.1.1.
Considérons les vecteurs suivants dans R3 : u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).
a) Trouver la longueur du vecteur u, ainsi que le vecteur unitaire donnant sa direction.
b) Trouver l’angle entre u et v.
c) Projeter orthogonalement w sur le vecteur v.
d) Trouver le vecteur qui est la réflexion de w par rapport à v.

Unlock your potential


eLibrary solutions from bookboon is the key

eLibrary

Interested in how we can help you?


email ban@bookboon.com

13
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
14 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.1.1.
√ √
a) La longueur de u = (1, 2, 3) est u = 12 + 22 + 32 = 14. La direction de
u = (1, 2, 3) est donnée par le vecteur unitaire û, défini par
u (1, 2, 3) 1 2 3
û = = √ = ( √ , √ , √ ).
u 14 14 14 14
On remarquera que û = 1.

b) L’angle θ entre u = (1, 2, 3) et v = (2, 0, 1) (Voir figure 1.5) et calculé à l’aide du


produit scalaire
u · v = u v cos θ,
qui donne √
(1)(2) + (2)(0) + (3)(1) 5
cos θ = √ √ =√ .
14 5 14
D’où √ 
5
θ = cos−1 √ .
14

Figure 1.5 – Angle θ entre les vecteurs u et v

c) La projection orthogonale du vecteur w = (3, 1, 0) sur le vecteur v = (2, 0, 1), notée


projv w ou wv , donne les coordonnées de w dans la direction de v. Elle est donnée
par
w · v (3)(2) + (1)(0) + (0)(1) 12 6
projv w = (w · v̂) v̂ = v= (2, 0, 1) = ( , 0, ) = wv .
v·v 22 + 02 + 12 5 5
d) La réflexion de w par rapport à v est donnée par le vecteur w∗ (voir la figure 1.6),
avec
−−→ −−→
w∗ = OB + BC.
Comme nous avons
−−→ −−→ −−→ −−→
OB = projv w, BC = AB et AB = projv w − w,
nous en déduisons
w∗ = projv w + (projv w − w) = 2 projv w − w.

14
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE SUR LES
1.1. OPÉRATIONS Vecteurs,
VECTEURS ET LE PRODUIT droites et plans 15
SCALAIRE dans R3

Figure 1.6 – Le vecteur w est réfléchi par rapport à v

Calculons,
12 6
projv w = ( , 0, )
5 5
12 6 9 12
w∗ = 2( , 0, ) − (3, 1, 0) = ( , −1, ).
5 5 5 5

Problème 1.1.2.
Considérons les deux vecteurs de R3 : u = (u1 , u2 , u3 ) et v = (v1 , v2 , v3 ).
a) Trouver la projection orthogonale de u dans le plan xy.
b) Trouver la projection orthogonale de u dans le plan yz.
c) Trouver le vecteur correspondant à la réflexion de u par rapport au plan xz.
d) Trouver le vecteur résultant le la réflexion de u par rapport aux plans xy puis xz.

Solution 1.1.2.
a) La projection orthogonale de u = (u1 , u2 , u3 ) dans le plan xy est le vecteur uxy dont
la coordonnée suivant z est nulle et les coordonnées suivant x et y sont les mêmes
que celles de u. Donc (voir la figure 1.7)
uxy = (u1 , u2 , 0).
b) La projection orthogonale de u = (u1 , u2 , u3 ) dans le plan yz est le vecteur uyz
donné par
uyz = (0, u2 , u3 ).
c) Le vecteur u∗ xz , qui est la réflexion de u = (u1 , u2 , u3 ) par rapport au plan xz, a les
mêmes coordonnées que u suivant x et z, mais une coordonnée suivant y opposée à

15
THÉORIE ET PROBLÈMES RÉSOLUS
16
D’ALGÈBRE LINÉAIRE
CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Vecteurs, droites et plans dans R3

Figure 1.7 – La projection orthogonale de u dans le plan xy.

celle de u. D’où
u∗ xz = (u1 , −u2 , u3 ).
d) Le vecteur u = (u1 , u2 , u3 ) est d’abord réfléchi par rapport au plan xy afin d’obtenir
u∗ xy = (u1 , u2 , −u3 ), celui-ci est ensuite réfléchi par rapport au plan xz, ce qui donne
(u1 , −u2 , −u3 ).

Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.

Its wide range of products includes locomotives


and passenger rail vehicles. It also manufactures
total transit systems, bogies, propulsion & controls
and provides rail control solutions.

Across mechanical, electrical, software and


specialist engineering, we have a first-class
Join a reputation for innovation. So it’s no surprise that we
are the number one rail manufacturer in the world.
Winning Team! Go to www.careers.bombardier.com for open
positions.

The Climate is Right for Trains

16
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.2. LE PRODUIT VECTORIEL 17

1.2 Le produit vectoriel


Ce sous-chapitre introduit le produit vectoriel de deux vecteurs ainsi que le produit
mixte de trois vecteurs de R3 . Nous allons montrer comment utiliser le produit vectoriel
afin de trouver un vecteur orthogonal à deux vecteurs de R3 . Nous allons aussi nous
servir de ces deux produits pour les calculs d’aire d’un parallélogramme et de volume d’un
parallélépipède.

Note théorique 1.2.


Considérons les trois vecteurs u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) et w = (w1 , w2 , w3 ),
dans R3 .
1) Le produit vectoriel de u et v, noté u × v, est lui-même un vecteur de R3 , défini
comme suit :
u × v = (u v sin θ) ê ∈ R3 .
Le vecteur u × v est orthogonal à la fois à u et à v. Nous avons noté ê le vecteur
directeur de u × v, de telle façon que ||ê|| = 1. La direction de ê est donnée par la
”règle de la main droite” et θ est l’angle entre u et v. La figure 1.8 représente ce
produit.

Figure 1.8 – Le produit vectoriel u × v.

Le produit vectoriel possède les propriétés suivantes :

Propriétés :
a) u × v = −v × u.
b) La norme u × v est l’aire du parallélogramme défini par u et v.

17
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
18 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

c) En terme de coordonnées, le produit vectoriel de deux vecteurs peut être évalué


selon la règle de calcul du déterminant d’une matrice 3 × 3 (voir le sous chapitre
2.2.), c’est à dire  
e 1 e2 e3
u × v = det  u1 u2 u3 
v1 v2 v3
     
u2 u3 u1 u3 u1 u2
= e1 det − e2 det + e3 det
v2 v3 v1 v3 v1 v2

= (u2 v3 − u3 v2 )e1 + (u3 v1 − u1 v3 )e2 + (u1 v2 − u2 v1 )e3


= (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ).
Où
{e1 , e2 , e3 }, e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1),
est la base canonique de R3 . On note “det A” le déterminant de la matrice
carrée A. La notation |A| est parfois utilisée pour le déterminant de A, i.e.
det A ≡ |A|.
Remarque : Le déterminant d’une matrice n × n est présenté au Chapitre 2.
d) (u × v) · u = 0, (u × v) · v = 0.
e) Deux vecteurs non nuls u et v de R3 sont parallèles si et seulement si u × v = 0.
2) Le produit u·(v×w) ∈ R est appelé produit mixte et peut être calculé en s’aidant
du déterminant selon :  
u1 u2 u3
u · (v × w) = det  v1 v2 v3 
w1 w2 w3

= (v2 w3 − v3 w2 )u1 + (v3 w1 − v1 w3 )u2 + (v1 w2 − v2 w1 )u3 .


Alors
u · (v × w) = v · (w × u) = w · (u × v).

Considérons le parallélépipède défini par u, v et w comme illustré à la figure 1.9.

Figure 1.9 – Le parallélépipède défini par u, v et w.

18
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.2. LE PRODUIT VECTORIEL 19

Le volume du parallélépipède correspond à la valeur absolue du produit mixte de


ces trois vecteurs :
Volume du parallélépipède = |u · (v × w)| unités.
Si les trois vecteurs u, v et w appartiennent au même plan de R3 , alors
u · (v × w) = 0.

Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?

Välkommen till oss!

karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden

19
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
20 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Problème 1.2.1.
Considérons les trois vecteurs suivants dans R3 :

u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).

a) Trouver un vecteur orthogonal à la fois à u et v.


b) Trouver l’aire du parallélogramme défini par u et v.
c) Trouver le volume du parallélépipède défini par u, v et w.

Solution 1.2.1.
a) Le vecteur q = u × v est orthogonal à u = (1, 2, 3) et v = (2, 0, 1) (voir la figure
1.10) et ce produit vectoriel
 peut s’exprimer selon le déterminant
 e1 e2 e3 
 
q =  1 2 3  = 2e1 + 5e2 − 4e3 = (2, 5, −4).
 2 0 1 
Avec {e1 , e2 , e3 } la base canonique de R3 .

Figure 1.10 – Le vecteur q est orthogonal à la fois à u et v


.

b) L’aire du parallélogramme ABCD défini par les vecteurs u et v est égale à u × v


(voir la figure 1.11). Nous avons déjà calculé u × v = (2, 5, −4) à la question a),
d’où  √
u × v = 22 + 52 + (−4)2 = 3 5 unités.
c) Le volume du parallélépipède défini par les vecteurs u, v et w est donné par la
valeur absolue de leur produit mixte,i.e.
 u 1 u2 u3 
 
|u · (v × w)| = |  v1 v2 v3  |,
 w1 w2 w3 
avec u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) et w = (w1 , w2 , w3 ).
Nous obtenons donc pour les vecteurs u, v et w, |u · (v × w)| = |11| = 11 unités.

20
THÉORIE ET PROBLÈMES RÉSOLUS
1.2. LE PRODUIT
D’ALGÈBRE LINÉAIRE VECTORIEL Vecteurs, droites et plans 21
dans R3

Figure 1.11 – Parallélogramme ABCD défini par les vecteurs u et v

Problème 1.2.2.
Considérons les trois vecteurs de R3 :

u1 = (a, 2, −1), u2 = (4, 1, 0), u3 = (1, 5, −2),

où a est un nombre réel arbitraire.


a) Trouver la(les) valeur(s) de a, telle(s) que le volume du parallélépipède défini par
u1 , u2 et u3 soit égal à une unité.
b) Calculer l’aire de chaque face du parallélépipède défini par les trois vecteurs ci-dessus
u1 , u2 et u3 , pour a = 0.

Solution 1.2.2.
a) Le volume du  parallélépipède
 est V = |u1 · (u2 × u3 )| et nous imposons V = 1. D’où
 a 2 −1 
 
V = |  4 1 0  | = | − 2a − 3| = 1,
 1 5 −2 
nous en déduisons a = −1 ou a = −2.
b) L’aire de chaque face du parallélépipède peut être calculée comme suit (voir la figure
1.12) :
Aire face 1 = u1 × u3 , Aire face 2 = u2 × u3 , Aire face 3 = u1 × u2 ,
unités.
Avec  
 e1 e2 e3 
 
u1 × u3 =  0 2 −1  = e1 − e2 − 2e3
 1 5 −2 
 
 e1 e2 e3 
 
u2 × u3 =  4 1 0  = −2e1 + 8e2 + 19e3

 1 5 −2 
 
 e1 e2 e3 
 
u1 × u2 =  0 2 −1  = e1 − 4e2 − 8e3 ,
 4 1 0 

21
22
THÉORIE CHAPITRE
ET PROBLÈMES RÉSOLUS 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3

Figure 1.12 – Le parallélépipède défini par u1 , u2 et u3 .

tels que  √
Aire face 1 = 12 + (−1)2 + (−2)2 = 6 unités
 √
Aire face 2 = (−2)2 + 82 + 192 = 429 unités

Aire face 3 = 12 + (−4)2 + (−8)2 = 9 unités.

1.3 Les plans et leurs équations


Ce sous-chapitre traite des plans dans R3 et montre comment dériver leurs équations.

Note théorique 1.3.


1) L’équation d’un plan dans R3 s’écrit de manière générale
ax + by + cz = d,
où a, b, c et d sont des nombres réels donnés. Tous les points (x, y, z) appartenant
à ce plan doivent satisfaire son équation, i.e. ax + by + cz = d.
2) Le vecteur n de coordonnées (a, b, c), i.e.
n = (a, b, c),
est un vecteur orthogonal au plan ax + by + cz = d. On appelle n vecteur normal
du plan.
3) L’équation d’un plan peut être dérivée si trois points de ce plan n’appartenant pas
à la même droite sont connus, ou si le vecteur normal et un point appartenant au
plan sont donnés.

22
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 23

Problème 1.3.1.
Considérons les trois points suivants dans R3 :

(1, 2, 3), (2, 0, 1), (3, 1, 0).

Trouver l’équation du plan Π contenant ces trois points.

Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized

23
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
24 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.3.1.
Notons A, B et C les points de coordonnées respectives (1, 2, 3), (2, 0, 1) and (3, 1, 0).
Supposons que ces points appartiennent au plan Π et notons P : (x, y, z, ) un point
arbitraire du plan. Considérons maintenant les vecteurs
−−→ −→ −→
AB = (1, −2, −2), AC = (2, −1, −3), AP = (x − 1, y − 2, z − 3).

Appelons n le vecteur normal au plan Π comme illustré figure 1.13.

Figure 1.13 – Le plan Π de vecteur normal n

Alors
−→ −−→ −→
n = AC × AB et n · AP = 0,

donc
 
 e1 e2 e3 
 
n =  2 −1 −3  = −4e1 + e2 − 3e3 = (−4, 1, −3).

 1 −2 −2 

L’équation du plan peut alors s’exprimer comme


−→
0 = n · AP = −4(x − 1) + 1(y − 2) − 3(z − 3),

ou encore 4x − y + 3z = 11.

Problème 1.3.2.
Considérons quatre points de R3 de coordonnées respectives

(1, 1, 1), (0, 1, k), (2, −1, −1) and (−2, −1, 1),

avec k un nombre réel arbitraire. Trouver la(les) valeur(s) de k, telle(s) que ces quatre
points appartiennent au même plan.

24
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 25

Solution 1.3.2.
Supposons que les quatre points

A : (1, 1, 1), B : (0, 1, k), C : (2, −1, −1), D : (−2, −1, 1)

appartiennent au même plan de R3 comme illustré à la figure 1.14. Comme ces points

Figure 1.14 – Un plan contenant les points A, B, C et D.

appartiennent au même plan nous avons


−−→ −→ −−→
AD · (AC × AB) = 0

avec
−−→ −→ −−→
AD = (−3, −2, 0), AC = (1, −2, −2), AB = (−1, 0, k − 1)

et
 
 −3 −2 0 
−−→ −→ −−→  

AD · (AC × AB) =  1 −2 −2  = 0.

 −1 0 k−1 

Le calcul de ce déterminant nous fournit la relation 8k − 12 = 0, donc l’unique valeur de


k telle que les quatre points appartiennent au même plan est
3
k= .
2

Problème 1.3.3.
Trouver l’équation du plan de R3 passant par le point (1, 3, 1) et parallèle au plan défini
par

x + y − z = 1.

25
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
26 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.3.3.
Notons ce plan Π1 , i.e.
Π1 : x + y − z = 1,
et Π2 le plan dont nous cherchons l’équation. La figure 1.15 montre ces deux plans. Un
vecteur normal de Π1 est
n1 = (1, 1, −1)
et, comme Π2 est parallèle à Π1 , leurs vecteurs normaux doivent être parallèles. C’est
pourquoi nous pouvons définir n2 , un vecteur normal de Π2 , comme le même que celui de
Π1 ,
n2 = (1, 1, −1).

Figure 1.15 – Les deux plans parallèles Π1 et Π2

Nous connaissons un point appartenant au plan Π2 , noté A : (1, 3, 1). Considérons un


autre point arbitraire de Π2 ,
B : (x, y, z).
−−→
Alors le vecteur AB s’écrit
−−→
AB = (x − 1, y − 3, z − 1)
et est orthogonal au vecteur n2 . D’où
−−→
AB · n2 = 0.

26
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 27

−−→
Après calcul du produit scalaire AB · n2 , nous obtenons

1(x − 1) + 1(y − 3) − 1(z − 1) = 0.

L’équation de Π2 est donc

Π2 : x + y − z = 3.

JAG UTVECKLAR OCH UTVECKLAS!


På Prevas träffar du kompetenta, spännande och trevliga människor
varje dag. De kan vara dina nya kollegor eller så kan det vara någon av
våra kunders medarbetare. Hos oss får du möjlighet att arbeta med olika
kunder i olika branscher med olika typer av teknologi i olika processer.
Som medarbetare på Prevas kommer du därför alltid att fortsätta
utvecklas så länge du själv vill.
Läs mer på www.prevas.se/growth

INNOVATION FOR GROWTH


www.prevas.com

27
THÉORIE
28 ET PROBLÈMES RÉSOLUS
CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3

Problème 1.3.4.
Trouver l’équation du plan de R3 passant par les points (1, 3, 1) et (−1, 0, 4) et orthogonal
au plan
x − y + 2z = 3.

Solution 1.3.4.
Notons Π1 le plan
Π1 : x − y + 2z = 3
de vecteur normal
n1 = (1, −1, 2)
et Π2 le plan que nous recherchons. Ces deux plans sont représentés en figure 1.16. Nous
connaissons deux points de Π2 ,
A : (1, 3, 1), B : (−1, 0, 4).
Pour trouver l’équation de Π2 nous avons besoin de déterminer d’abord son vecteur normal
n2 . Comme Π1 et Π2 sont orthogonaux, le vecteur normal n2 de Π2 est orthogonal à
−−→
n’importe quel vecteur parallèle à Π2 , par exemple AB, et n2 est orthogonal à n1 . Donc
−−→
n2 = n1 × AB,
avec
−−→
AB = (−2, −3, 3).
D’où
 
 e1 e2 e3 
 
n2 =  1 −1 2  = 3e1 − 7e2 − 5e3 = (3, −7, −5).
 −2 −3 3 
Notons C un point quelconque de Π2 , i.e.
C : (x, y, z).
−→
Le vecteur AC est orthogonal au vecteur normal n2 , donc
−→
n2 · AC = 0,
avec
−→
AC = (x − 1, y − 3, z − 1).
−→
Le calcul du produit scalaire n2 · AC nous donne
3(x − 1) − 7(y − 3) − 5(z − 1) = 0,
et nous en déduisons l’équation du plan Π2
3x − 7y − 5z = −23.

28
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 29

Figure 1.16 – Les deux plans orthogonaux Π1 et Π2

1.4 Les droites et leur paramétrisation


Dans ce sous-chapitre nous étudions les droites  dans R3 et montrons comment dériver
leur équation paramétrique. Nous présentons une formule pour le calcul des distances
entre un point et une droite et entre deux droites. Enfin nous introduisons la projection
orthogonale d’un vecteur sur une droite ainsi que la réflexion d’un vecteur par rapport à
une droite.

29
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
30 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Note théorique 1.4.


L’ équation paramétrique d’une droite  dans R3 prend la forme


 x = at + x1


: y = bt + y1



 z = ct + z pour tout t ∈ R,
1

Figure 1.17 – Une droite  dans R3

où (x1 , y1 , z1 ) est un point situé sur la droite  et v = (a, b, c) est un vecteur parallèle à
 comme illustré à la figure 1.17. Ici t est un paramètre pouvant prendre n’importe quelle
valeur réelle. Ce qui veut dire que pour tout point (x, y, z) appartenant à la droite , il
existe une unique valeur de t telle que

(x, y, z) = (at + x1 , bt + y1 , ct + x1 ).

30
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 31

Problème 1.4.1.
Trouver l’équation paramétrique de la droite  dans R3 , contenant les points (−1, 1, 3) et
(2, 3, 7).
a) Parmi ces trois points, déterminer s’il en a qui appartiennent à  :
1
(−4, −1, −1); (−1, 2, 3); ( , 2, 5)
2
b) Le vecteur w = (−6, −4, −8) est-il parallèle à la droite  ? Justifier.

Solution 1.4.1.
Nous connaissons deux points de la droite , que nous nommerons P1 : (−1, 1, 3) et P2 :
−−−→
(2, 3, 7). Alors le vecteur P1 P2 est parallèle à  et ses coordonnées sont :
−−−→
P1 P2 = (3, 2, 4).
Nous avons donc trouvé un vecteur v parallèle à  :
−−−→
v = P1 P2 = (3, 2, 4).
Notons P : (x, y, z) un point quelconque de . Alors
−−→
P1 P = tv ou (x + 1, y − 1, z − 3) = t(3, 2, 4) pour tout t ∈ R.
En identifiant les coordonnées suivant x, y et z de cette équation vectorielle nous en
déduisons
x + 1 = 3t, y − 1 = 2t, z − 3 = 4t,
respectivement. L’équation paramétrique de  est donc


 x = 3t − 1


: y = 2t + 1



 z = 4t + 3 pour tout t ∈ R.

a) Pour déterminer si le point (−4, −1, −1) se trouve sur la droite , nous devons
résoudre l’équation paramétrique obtenue à la question précédente pour t. t doit
donc satisfaire les relations
−4 = 3t − 1, −1 = 2t + 1, −1 = 4t + 3.
Qui ne peuvent être résolues simultanément que pour une unique valeur de t, t = −1.
Le point (−4, −1, −1) appartient donc à .

Pour le point (−1, 2, 3) nous avons


−1 = 3t − 1, 2 = 2t + 1, 3 = 4t + 3,
qui ne peuvent pas être satisfaites simultanément quelque soit t. Donc (−1, 2, 3)
n’appartient pas à .

Le point (1/2, 2, 5) satisfait l’équation paramétrique pour t = 1/2, nous en déduisons


qu’il est sur .

31
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
32 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

b) Le vecteur w = (−6, −4, −8) est en effet parallèle à la droite  car


w = −2v,
et v est bien parallèle à .

Problème 1.4.2.
Trouver l’équation paramétrique de la droite  dans R3 passant par le point (1, −1, 2) et
orthogonale aux droites 1 et 2 , dont les équations paramétriques sont
 

 x = 2t 
 x = −3t + 1

 

1 : y=t 2 : y = 2t

 


 z = t − 1 pour tout t ∈ R, 
 z = 4t − 1 pour tout t ∈ R.

Jag lämnar avtryck i


Ninas Göteborg
Vårt jobb är att göra det gott att leva och arbeta i
Göteborg. Vi bygger broar och förskolor, men inte
vilka som helst.
Vi bygger för att påverka samhällsutvecklingen och
ge barn en bra uppväxt. Därför söker vi ingenjörer
som drömmer om att få greppa helheten.

Ingenjörer
till Göteborgs Stad

Ingenjörer behövs på Stadsbyggnadskontoret, Fastighetskontoret,


Lokalförvaltningen, Göteborg Vatten, Intraservice, Trafikkontoret, Renova,
Göteborgs Spårvägar, Park- och naturförvaltningen och Göteborg Energi.

Vårt jobb är att skapa en bra vardag för alla göteborgare och att utveckla Göteborg för
framtiden. I Göteborgs Stad finns 48 000 medarbetare i 100 olika yrken. Du kan välja
många intressanta jobb och ta nya utmaningar på en stor intern arbetsmarknad.
Hitta jobben på goteborg.se/ledigajobb

32
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 33

Solution 1.4.2.
Les vecteurs v1 = (2, 1, 1) et v2 = (−3, 2, 4) sont respectivement parallèles à 1 , et 2 . Un
vecteur orthogonal à ces derniers est donc

v = v1 × v2

et v est donc parallèle à la droite  que nous recherchons. Nous calculons v :


 
 e1 e2 e3 
 
v = v1 × v2 =  2 1 1  = 2e1 − 11e2 + 7e3 = (2, −11, 7),
 −3 2 4 

et en déduisons l’équation paramétrique de la droite 




 x = 2t + 1


: y = −11t − 1



 z = 7t + 2 pour tout t ∈ R.

Problème 1.4.3.

Considérons la droite  dans R3 d’équation paramétrique




 x = at + x1


: y = bt + y1



 z = ct + z pour tout t ∈ R,
1

où (x1 , y1 , z1 ) est un point appartenant à  et

v = (a, b, c)

est un vecteur parallèle à .


a) Supposons que le point P0 : (x0 , y0 , z0 ) n’appartiennent pas à . Trouver une formule
donnant la distance entre P0 et .
b) Calculer 
la distance entre le point (−2, 1, 3) et la droite , d’équation paramétrique

 x=t+1


: y = 3t − 4



 z = 5t + 2 pour tout t ∈ R.

33
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
34 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.4.3.
a) Nous cherchons
 à calculer la distance entre le point P0 (x0 , y0 , z0 ) et la droite , où

 x = at + x1


: y = bt + y1



 z = ct + z pour tout t ∈ R.
1
−−−→
Ici P1 : (x , y
1 1 1, z ) est un point sur la droite . Notons s = P0 P2  la distance entre
P0 et , où P2 est un point inconnu de . Considérons le triangle orienté  P1 P2 P0
représenté à la figure 1.18.

Figure 1.18 – La distance entre P0 : (x0 , y0 , z0 ) et la droite  dans R3

Alors s s’exprime
−−−→ −−−→
s = P0 P2  = P1 P0  sin θ. (1.4.1)
D’autre part, la définition du produit vectoriel nous donne
−−−→ −−−→
P1 P0 × v = P1 P0  v sin θ. (1.4.2)
−−−→
En résolvant ||P1 P0 || sin θ depuis (1.4.2) et en insérant la solution dans (1.4.1), nous
obtenons la formule suivante pour la distance :
−−−→
P1 P0 × v
s= .
v
b) La droite  passe par le point P1 : (1, −4, 2) et est parallèle au vecteur v = (1, 3, 5).
Donc, pour le point P0 : (−2, 1, 3), nous avons
−−−→
P1 P0 = (−3, 5, 1)
et  
 
−−−→  e1 e2 e3 
P1 P0 × v =  −3 5 1  = 22e1 + 16e2 − 14e3 = (22, 16, −14).
 1 3 5 

34
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 35

−−−→
Nous pouvons donc calculer les normes des vecteurs P√1 P0 × v et v
−−−→
P1 P0 × v = (22)2 + (16)2 + (−14)2 = 6 26
 √
v = 12 + 32 + 52 = 35,
et enfin obtenir la distance entre le point P0 et la droite  :
−−−→ √
P1 P0 × v 6 26
s= = √ .
v 35
Problème 1.4.4.
Trouver la formule donnant la distance entre deux droites dans R3 et l’utiliser afin de
calculer la distance entre les deux droites :
 

 x = 2t + 1 
 x=t

 

1 : y =t−1 2 : y = 2t + 2

 


 z = 3t + 1 pour tout t ∈ R, 
 z = 1 pour tout t ∈ R.

35
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
36 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.4.4.
Supposons que P1 : (x1 , y1 , z1 ) soit un point appartenant à la droite 1 et que P2 :
(x2 , y2 , z2 ) soit un point de 2 . Notons v1 et v2 les vecteurs directeurs parallèles res-
pectivement aux droites 1 et 2 (comme illustré à la figure 1.19). Alors v = v1 × v2 est un

Figure 1.19 – La distance s entre deux droites dans R3

vecteur orthogonal à la fois à v1 et v2 , par conséquent v est aussi orthogonal aux droites
−−−→
1 et 2 . Pour trouver la distance s entre 1 et 2 , nous projetons P1 P2 orthogonalement
sur le vecteur v. Nous avons donc
 −−−→ −−−→
 −−−→ |P1 P2 · v| |P1 P2 · (v1 × v2 )|
s = projv P1 P2  = = .
v v1 × v2 

Pour les droites données 1 et 2 , nous avons respectivement v1 = (2, 1, 3), v2 = (1, 2, 0)
et des points P1 : (1, −1, 1) ∈ 1 et P2 : (0, 2, 1) ∈ 2 . Alors
 
 e1 e2 e3 
−−−→  
P1 P2 = (−1, 3, 0), v1 × v2 =  2 1 3  = −6e1 + 3e2 + 3e3 = (−6, 3, 3).
 1 2 0 

La distance s entre 1 et 2 est donc

|(−1, 3, 0) · (−6, 3, 3)| 5


s= √ =√ .
36 + 9 + 9 6

36
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 37

Problème 1.4.5.
Considérons les vecteurs suivants de R3 :

u = (−1, 3, 3), v = (2, −1, 4).

Notons  la droite dans R3 contenant le point (2, −1, 4) et le vecteur nul 0 = (0, 0, 0).
a) Trouver la projection orthogonale du vecteur u sur la droite , i.e. calculer

proj u.

b) Evaluer la distance entre le point (−1, 3, 3) et la droite .


c) Trouver la réflexion du vecteur u par rapport à la droite .

Solution 1.4.5.
a) Nous cherchons à calculer le vecteur w qui n’est d’autre que la projection orthogo-
nale du vecteur u sur la droite , i.e. w =proj u. Ceci peut être réalisé en projetant
u sur n’importe quel vecteur position se trouvant sur la droite , par exemple le
vecteur v comme représenté à la figure 1.20. Donc

Figure 1.20 – La projection orthogonale du vecteur u sur .


v
w = proj u = projv u = (u · v̂)v̂ avec v̂ = .
v

37
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
38 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Pour u = (−1,  3, 3) et v = (2, −1, 4), nous avons


u·v u · v (−1)(2) + (3)(−1) + (3)(4) 1
w= 2
v= v= 2 2 2
(2, −1, 4) = (2, −1, 4).
v v·v 2 + (−1) + 4 3
−−→
b) La distance d entre le point (−1, 3, 3) et la droite  est AB (défini à la figure
1.20). Par addition des vecteurs nous avons
−−→ 2 1 4 5 10 5
AB = u − w = (−1, 3, 3) − ( , − , ) = (− , , ).
3 3 3 3 3 3
D’où 
−−→ 25 100 25 5√
AB = + + = 6.
9 9 9 3
−−→
c) La réflexion du vecteur u par rapport à la droite  est donnée par le vecteur OC
(défini à la figure 1.21). Par addition des vecteurs nous avons

Figure 1.21 – La réflexion de u par rapport à .


−−→ −→ −−→
OC + CA + AB = u.
−→ −−→
De plus, CA = AB, donc
−−→ −−→
OC = u − 2AB,
−−→ 5 10 5
avec u = (−1, 3, 3) et AB = (− , , ) (calculé à la question b)). Ainsi la réflexion
3 3 3
de u par rapport à  est
−−→ 5 10 5 7 11 1
OC = (−1, 3, 3) − 2(− , , ) = ( , − , − ).
3 3 3 3 3 3

38
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 39

1.5 Supplément sur les droites et les plans


Dans ce sous-chapitre nous calculons la distance entre un point et un plan, ainsi qu’entre
deux plans. Nous étudions aussi les situations où une droite appartient à un plan, est
projeté orthogonalement sur ce plan, ou est réfléchie par rapport à celui-ci.

Note théorique 1.5.


1. Etant donné une équation de plan
Π : ax + by + cz = d,
la distance s du point
P0 : (x0 , y0 , z0 )
au plan Π est
|ax0 + by0 + cz0 − d|
s= √ .
a 2 + b2 + c 2

2. Etant donnés deux plans parallèles, Π1 : ax+by +cz = d1 et Π2 : ax+by +cz = d2 ,


la distance s entre Π1 et Π2 est
|d1 − d2 |
s= ,
n
où n = (a, b, c) est le vecteur normal aux deux plans.

Remarque : Deux plans de R3 dont l’intersection est vide sont forcément parallèles.

39
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
40 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Problème 1.5.1.
Soient un plan ax + by + cz = d et un point P0 : (x0 , y0 , z0 ), tels que P0 n’appartienne pas
au plan.
a) Trouver la formule de la distance entre le point P0 : (x0 , y0 , z0 ) et le point ax + by +
cz = d.
b) Trouver la distance entre le point (1, 2, 2) et le plan passant par l’origine (0, 0, 0),
ainsi que les points (1, 1, −1) and (0, 2, 1).

Solution 1.5.1.
a) Considérons le plan
Π : ax + by + cz = d
et le point
P0 : (x0 , y0 , z0 ) ∈
/ Π.

Figure 1.22 – Le point P0 : (x0 , y0 , z0 ) et le plan Π : ax + by + cz = d dans R3

Le vecteur normal n du plan Π est n = (a, b, c) (voir la figure 1.22). Notons P :


−−→
(x, y, z) un point quelconque du plan Π. La projection orthogonale du vecteur P P0
sur n nous donne alors la distance s entre le point P0 et le plan Π, i.e.
−−→
−−→ −−→ |P P0 · n|
s = projn P P0  = |P P0 · n̂| = ,
n

40
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 41

avec n̂ = n/n, et
−−→
P P0 = (x0 − x, y0 − y, z0 − z)
−−→
P P0 · n = a(x0 − x) + b(y0 − y) + c(z0 − z)

= −(ax + by + cz) + ax0 + by0 + cz0

= −d + ax0 + by0 + cz0 .


Donc, la distance entre P0 et Π est
|ax0 + by0 + cz0 − d|
s= √ , (1.5.1)
a 2 + b2 + c 2
où | | est la valeur absolue.
b) Nous cherchons la distance entre le point P0 : (1, 2, 2) et le plan contenant l’origine
O : (0, 0, 0), ainsi que les points A : (1, 1, −1) et B : (0, 2, 1). Notons ce plan Π. En
premier lieu, trouvons l’équation du plan Π.

Figure 1.23 – Le plan de R3 contenant les points O, A et B.

−→ −−→
Considérons les vecteurs OA et OB représentés en figure 1.23. Alors un vecteur
normal n de Π est
−→ −−→
n = OA × OB,
avec
−→ −−→
OA = (1, 1, −1), OB = (0, 2, 1).
Le calcul de
 ce produit vectoriel
 nous donne
 e1 e2 e3 
 
n =  1 1 −1  = 3e1 − e2 + 2e3 = (3, −1, 2).
 0 2 1 
Comme le plan Π passe par O : (0, 0, 0), nous en déduisons son équation,
3x − y + 2z = 0,
ainsi que la distance s entre ce plan et le point P0 : (1, 2, 2),
|(3)(1) + (−1)(2) + (2)(2)| 5
s= √ =√ .
9+1+4 14

41
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
42 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Problème 1.5.2.
Trouver la distance entre les plans Π1 : 2x − 3y + 4z = 5 et Π2 : 4x − 6y + 8z = 16.

Solution 1.5.2.
Nous avons deux plans, Π1 : 2x − 3y + 4z = 5 et Π2 : 4x − 6y + 8z = 16. En divisant
l’équation du plan Π2 par 2 nous obtenons 2x − 3y + 4z = 8. Le vecteur normal n des
deux plans est donc

n = (2, −3, 4),

nous pouvons donc en conclure que ces deux plans sont parallèles. Choisissons un point
quelconque de Π1 , noté P0 : (x0 , y0 , z0 ), et calculons la distance s entre P0 et Π2 /2. Pour
cela utilisons la formule (1.5.1),
|ax0 + by0 + cz0 − d|
s= √
a 2 + b2 + c 2
établie au problème 1.5.1 a) et donnée dans la note théorique 1.5. Pour Π2 nous avons
a = 2, b = −3, c = 4 et d = 8. Afin de trouver un point P0 appartenant à Π1 fixons x = 1
et y = 0, et insérons ces valeurs dans l’équation de Π1 pour en déduire z. Nous avons donc
3
2(1) − 3(0) + 4z = 5, d’où z = .
4
3
Nous en déduisons P0 : (1, 0, ), et pouvons enfin calculer s,
4
|(2)(1) − (3)(0) + (4)(3/4) − 8| | − 3| 3
s=  = √ =√ .
2 2
2 + (−3) + 4 2 29 29
Une autre façon de procéder est d’utiliser la formule s = |d1 − d2 |/n avec d1 = 5 et
d2 = 8, donnée dans la note théorique 1.5.

Problème 1.5.3.
Considérons la droite  dans R3 :


 x = 2t + 1


: y = −2t + 1



 z = 6t − 6 pour tout t ∈ R.

Trouver toutes les valeurs du paramètre b, telles que tout point de  appartienne au plan
2 1
x + by + z = 1.
3 9

42
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 43

Solution 1.5.3.
Comme tout point de  doit aussi appartenir au plan donné dans l’énoncé, insérons les
expressions de x, y et z, données par l’équation paramétrique de , dans l’équation du
plan. Nous obtenons donc
2 1
(2t + 1) + b(−2t + 1) + (6t − 6) = 1.
3 9
Après simplification et regroupement des termes nous avons

(18 − 18b)t + 9b − 9 = 0 pour tout t ∈ R.

Ce qui implique

18 − 18b = 0 and 9b − 9 = 0,

dont la seule solution est b = 1. Donc chaque point de  appartient au plan si et seulement
si ce dernier a pour équation
2 1
x + y + z = 1, ou, de manière équivalente, 6x + 9y + z = 9.
3 9

43
44
THÉORIE CHAPITRE
ET PROBLÈMES RÉSOLUS 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3

Problème 1.5.4.

Soient le plan Π : x + y − z = −3 et la droite




 x=t+1


: y = 2t + 1



 z = 2t + 2 pour tout t ∈ R.

ˆ définie comme la projection ortho-


a) Trouver l’équation paramétrique de la droite ,
gonale de  sur le plan Π.
b) Trouver
√ tous les points de la droite , tels que la distance entre ces points et Π soit
de 2 3.
c) Trouver l’équation paramétrique de la droite ∗ , telle que ∗ est la réflexion de  par
rapport à Π.

Solution 1.5.4.
a) Trouvons l’intersection entre la droite  et le plan Π :
Un point arbitraire Pt appartenant à  a pour coordonnées
Pt : (t + 1, 2t + 1, 2t + 2),
pour tout t ∈ R. Pour trouver l’intersection de  avec Π, insérons
x = t + 1, y = 2t + 1, z = 2t + 2
dans l’équation de Π. Ce qui donne l’équation suivante
(t + 1) + (2t + 1) − (2t + 2) = −3,
à partir de laquelle nous obtenons t = −3. Par conséquent, le point P appartenant
à la fois à  et Π a pour coordonnées (voir la figure 1.24 pour une illustration) :
P : (−2, −5, −4).
Afin de trouver la direction de , ˆ définie comme la projection orthogonale de  sur
Π, choisissons un point quelconque Q de  (different de P ), par exemple
Q : (1, 1, 2).
−−→
Alors P Q = (3, 6, 6) et comme représenté en figure 1.24, nous avons
−−→ −−→ −−→
P M = P Q − M Q,
−−→ −−→ −−→
où P M est la projection orthogonale de P Q sur ˆ et donc P M est la projection
−−→ −−→ −−→
orthogonale de P Q sur Π. Pour trouver M Q projetons P Q orthogonalement sur le
vecteur normal n de Π, avec n = (1, 1, −1). D’où
−−→ 
−−→ −−→ −−→ PQ · n
M Q = projn P Q = (P Q · n̂) n̂ = n
n·n
−−→
Le calcul de cette projection orthogonale nous donne M Q = (1, 1 − 1), et nous en
déduisons
−−→
P M = (3, 6, 6) − (1, 1, −1) = (2, 5, 7).

44
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 45

−−→
Comme la droite ˆ passe par le point P : (−2, −5, −4) et a pour direction P M , son
équation paramétrique est

 x = 2t − 2


ˆ : y = 5t − 5



 z = 7t − 4 pour tout t ∈ R.

Figure 1.24 – La projection orthogonale ˆ de la droite  sur le plan Π.

b) Au problème 1.5.1 nous avons établi une formule donnant la distance s entre un
point P0 : (x0 , y0 , z0 ) et un plan ax + by + cz = d,
|ax0 + by0 + cz0 − d|
s= √ .
a 2 + b2 + c 2
Un point quelconque St de  a pour coordonnées
St : (t + 1, 2t + 1, 2t + 2)
avec t ∈ R. Nous pouvons donc calculer la distance s du point St au plan Π :
x + y − z = −3 en utilisant cette formule. Nous obtenons
|1(t + 1) + 1(2t + 1) − 1(2t + 2) − (−3)| |t + 3|
s= √ = √ .
1+1+1 √3
Nous cherchons maintenant les points St , tels que s = 2 3. Ce qui équivaut à
|t + 3| √
√ = 2 3 ou |t + 3| = 6.
3
D’où t = 3 ou t = −9. Ces deux valeurs de t, insérées dans les√coordonnées de St ,
nous donnent les deux points de  qui sont à une distance de 2 3 de Π :
(4, 7, 8) and (−8, −17, −16).
c) Nous devons trouver l’équation paramétrique de la droite ∗ , réflexion de  par
rapport au plan Π. De manière évidente, ∗ est aussi la réflexion de  par rapport
ˆ qui a déjà été obtenue à la partie a) ci-dessus. Remarquons que nous
à la droite ,

45
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
46 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

avons aussi défini à la partie a)


P : (−2, −5, −4) et Q : (1, 1, 2).

Figure 1.25 – La réflexion ∗ de la droite  par rapport au plan Π.

Notons Q∗ le point de ∗ , tel que


−−−→∗ −−→
M Q = −M Q.
Comme illustré à la figure 1.25, nous avons
−−→∗ −−→ −−−→∗
PQ = PM + MQ ,
−−→ −−−→ −−→
avec P M = (2, 5, 7) et M Q∗ = −M Q = (−1, −1, 1) [voir la partie a) de ce
problème]. Donc
−−→∗
P Q = (2, 5, 7) + (−1, −1, 1) = (1, 4, 8).
Comme ∗ passe par le point P : (−2, −5, −4) et sa direction est donnée par le
−−→∗
vecteur P Q = (1, 4, 8) son équation paramétrique s’écrit

 x=t−2


∗ : y = 4t − 5



 z = 8t − 4 pour tout t ∈ R.

46
1.5. SUPPL
THÉORIE ÉMENT SUR
ET PROBLÈMES LES
RÉSOLUS DROITES ET LES PLANS 47
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3

Problème 1.5.5.
Soient le plan Π : 2x + y + z = 5 et la droite


 x=t+2


: y = −5t + 1



 z = 3t + 3 pour tout t ∈ R,

où Π et  sont parallèles.


ˆ définie comme la projection ortho-
a) Trouver l’équation paramétrique de la droite ,
gonale de  sur le plan Π.
b) Déterminer l’équation paramétrique de la droite ∗ , réflexion de  par rapport au
plan Π.

Vill du jobba i världens fjärde mest innovativa stad?


Det är här det händer! Malmö växer kraftigt och nästan hälften är under 35 år. För oss är det viktigt med möten,
mångfald och möjligheter. Hos oss blir du en samhällsbyggare som gör skillnad. Visste du att vi söker över 2000
tjänster varje år och har över 400 olika yrken? Vi tror att du som söker dig till oss vill vara med och bygga vidare på en
av Sveriges mest dynamiska städer.

@jobba_i_malmostad
www.facebook.com/jobbaimalmostad

47
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
48 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Solution 1.5.5.

a) Nous cherchons
 à déterminer la projection orthogonale de la droite ,

 x=t+2


: y = −5t + 1



 z = 3t + 3 pour tout t ∈ R
ˆ
sur le plan Π : 2x + y + z = 5, notée .

Figure 1.26 – La projection orthogonale de  sur Π

Notons P et Q des points distincts quelconques de la droite , comme illustré en


figure 1.26. Nous pouvons donc arbitrairement choisir deux valeurs de t distinctes
(t = 0 et t = 1) afin de calculer leurs coordonnées à partir de l’équation de . Ce
qui nous donne
P : (2, 1, 3), Q : (3, −4, 6).
Nous cherchons maintenant le point Q0 = (x0 , y0 , z0 ), situé dans le plan Π, tel que
−−→ −−→
Q0 Q soit orthogonal à QP
et
−−→
Q0 Q soit parallèle à n = (2, 1, 1),
avec n le vecteur normal du plan Π. Nous avons
−−→
Q0 Q = (3 − x0 , −4 − y0 , 6 − z0 )
−−→
Q0 P = (2 − x0 , 1 − y0 , 3 − z0 ).

48
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 49

Donc  −−→ 
−−→ −−→ Q0 P · n
Q0 Q = proj n Q0 P = n
n·n
 
2(2 − x0 ) + 1(1 − y0 ) + 1(3 − z0 )
= (2, 1, 1)
4+1+1
 
8 − (2x0 + y0 + z0 )
= (2, 1, 1).
6
Q0 appartenant à Π, ses coordonnées satisfont l’équation de plan
2x0 + y0 + z0 = 5,
il vient  
−−→ 8−5 1 1
proj n Q0 P = (2, 1, 1) = (1, , ).
6 2 2
d’où
1 1
(3 − x0 , −4 − y0 , 6 − z0 ) = (1, , ),
2 2
finalement en comparant les coordonnées x, y et z nous obtenons
9 11 9 11
x0 = 2, y0 = − , z0 = , i.e. Q0 : (2, − , ).
2 2 2 2
Q0 appartient évidemment à , ˆ de plus ˆ a le même vecteur directeur v que ,
v = (1, −5, 3).
Une équation  paramétrique pour ˆ est donc

 x=t+2



 9
ˆ : y = −5t −

 2

 11

 z = 3t + pour tout t ∈ R.
2
b) Nous cherchons maintenant la droite ∗ qui est la réflexion de ,

 x=t+2


: y = −5t + 1



 z = 3t + 3 pour tout t ∈ R
par rapport au plan Π : 2x + y + z = 5.
Il nous faut trouver les coordonnées du point Q∗ , défini à la figure 1.27. Notons
(x∗ , y ∗ , z ∗ ) ses coordonnées. A la question a) nous avons calculé les coordonnées de
−−−→ −−→
Q : (3, −4, 6) et Q0 : (2, −9/2, 11/2). Comme Q0 Q∗ = QQ0 , nous avons
−−−→∗ 1 1
Q0 Q = (−1, − , − ).
2 2
Or, nous savons aussi que
−−−→∗ 9 11
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ),
2 2
par conséquent
−−−→∗ 9 11 1 1
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ) = (−1, − , − )
2 2 2 2
ce qui nous donne les relations x∗ = 1, y ∗ = −5 et z ∗ = 5. Ainsi nous avons obtenu
les coordonnées de Q∗ ,
Q∗ : (1, −5, 5).

49
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites
50 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3 et plans dans R3

Figure 1.27 – La réflexion de  par rapport à Π

∗ passe par le point point Q∗ et possède aussi le même vecteur directeur que ,
v = (1, −5, ∗
3). Une équation paramétrique de  est donc

 x=t+1


∗ : y = −5t − 5



 z = 3t + 5 pour tout t ∈ R.

50
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 51

Problème 1.5.6.
Considérons le plan Π : x − y + z = 7, ainsi que le triangle de sommets A : (1, 2, 2),
B : (3, 1, 2) et C : (1, 1, 1). On remarquera que ce triangle n’appartient pas au plan Π.
a) Projeter orthogonalement ce triangle sur le plan Π et donner les coordonnées des
sommets du triangle projeté.
b) Déterminer sa réflexion par rapport à Π et donner les coordonnées des sommets du
triangle réfléchi.

Figure 1.28 – La projection orthogonale du triangle  ABC sur Π, i.e. le triangle


 AΠ BΠ CΠ .

Solution 1.5.6.
a) Projetons orthogonalement le triangle  ABC de sommets A : (1, 2, 2), B : (3, 1, 2)
et C : (1, 1, 1) sur le plan Π : x − y + z = 7 et décrivons le triangle projeté
 AΠ BΠ CΠ en terme de ses sommets, de coordonnées AΠ , BΠ et CΠ , comme illustré
en figure 1.28.
Supposons que les coordonnées de AΠ , BΠ et CΠ s’écrivent
AΠ : (x1 , y1 , z1 ), BΠ : (x2 , y2 , z2 ), CΠ : (x3 , y3 , z3 ).
−−−→ −−−→
Le vecteur AAΠ peut être obtenu
 −−−→en projetant
 orthogonalement ABΠ sur n,
−−−→ −−−→ ABΠ · n
AAΠ = proj n ABΠ = n,
n·n
avec
−−−→ −−−→
AAΠ = (x1 − 1, y1 − 2, z1 − 2), ABΠ = (x2 − 1, y2 − 2, z2 − 2), n = (1, −1, 1).

51
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
52 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3

Figure 1.29 – Coordonnées de AΠ après projection de  ABC

Ce calcul donc donne donc  


−−−→ −−−→ 1(x2 − 1) − 1(y2 − 2) + 1(z2 − 2)
AAΠ = proj n ABΠ = (1, −1, 1)
1+1+1
 
x 2 − y 2 + z2 − 1
= (1, −1, 1) = (2, −2, 2),
3
−−−→
où x2 − y2 + z2 = 7 car AAΠ appartient à Π. Il vient
−−−→
AAΠ = (x1 − 1, y1 − 2, z1 − 2) = (2, −2, 2),
ainsi x1 = 3, y1 = 0, z1 = 4, les coordonnées de AΠ sont donc
AΠ : (3, 0, 4).
−−−→
Pour trouver les coordonnées de BΠ projetons orthogonalement BAΠ sur n (voir la
figure 1.30), i.e.  −−−→ 
−−−→ −−−→ BAΠ · n
BBΠ = proj n BAΠ = n,
n·n
avec
−−−→ −−−→
BAΠ = (0, −1, 2), BBΠ = (x2 − 3, y2 − 1, z2 − 2), n = (1, −1, 1).
Le même calcul que précédemment nous donne
−−−→ −−−→
BBΠ = proj n BAΠ = (1, −1, 1),
donc
−−−→
BBΠ = (x2 − 3, y2 − 1, z2 − 2) = (1, −1, 1).
Les coordonnées de BΠ sont alors
BΠ : (4, 0, 3).
−−−→
Dans le même esprit projetons orthogonalement CBΠ sur n afin de déterminer CΠ
(voir la figure 1.31).

52
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
1.5. SUPPLLINÉAIRE
ÉMENT SUR LES Vecteurs, droites et plans 53
DROITES ET LES PLANS dans R3

Figure 1.30 – Coordonnées de BΠ après projection de  ABC

Var med och


utveckla
Stockholm!
Vår vackra huvudstad växer som aldrig
förr och stockholmare i alla åldrar behöver
allt från en fungerande infrastruktur till
renhållning, förskolor och äldreomsorg.
Verksamheten finns överallt i staden och
måste fungera dygnet runt, varje dag.
Nu behöver vi dig som vill vara med och
skapa ett Stockholm i världsklass!

Läs mer på stockholm.se/jobb

53
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
54 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

Figure 1.31 – Coordonnées de CΠ après projection de  ABC

Nous obtenons
−−−→ −−−→
CCΠ = proj n CBΠ = (2, −2.2)
−−−→
et après comparaison avec CCΠ = (x3 − 1, y3 − 1, z3 − 1), nous en déduisons
CΠ : (3, −1, 3).
et avons donc déterminé tous les sommets de  AΠ BΠ CΠ .

b) Réfléchissons  ABC de sommets A : (1, 2, 2), B : (3, 1, 2) and C : (1, 1, 1) par


rapport au plan Π : x − y + z = 7 et notons  A∗ B ∗ C ∗ ce triangle, représenté à la
figure 1.32. Nous allons le décrire en terme des coordonnées de ses sommets A∗ , B ∗
and C ∗ .
Supposons que les coordonnées des points A∗ , B ∗ et C ∗ s’écrivent
A∗ : (x∗1 , y1∗ , z1∗ ), B ∗ : (x∗2 , y2∗ , z2∗ ), C ∗ : (x∗3 , y3∗ , z3∗ ).
A partir de la question a) nous déduisons (voir un illustration à la figure 1.32)
−−→∗ −−−→
AA = 2AAΠ = 2(2, −2, 2) = (4, −4, 4),
et,
−−→∗
AA = (x∗1 − 1, y1∗ − 2, z1∗ − 2) = (4, −4, 4).
D’où x∗1 = 5, y1∗ = −2 and z1∗ = 6, ainsi les coordonnées de A∗ sont
A∗ : (5, −2, 6).
De plus,
−−→∗ −−−→
BB = 2BBΠ = 2(1, −1, 1) = (x∗2 − 3, y2∗ − 1, z2∗ − 2)
−−→∗ −−−→
CC = 2CCΠ = 2(2, −2, 2) = (x∗3 − 1, y3∗ − 1, z3∗ − 1),
qui nous fournissent les coordonnées de B ∗ et C ∗ :
B ∗ : (5, −1, 4), C ∗ : (5, −3, 5).

54
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANSVecteurs, droites et plans
55 dans R3

Figure 1.32 – Le triangle  A∗ B ∗ C ∗ , réflexion de  ABC par rapport à Π.

Vi ser till att du kan förflytta dig snabbare.

35 meter under marken


närmare bestämt!

9,),116'b5'80,167$1$5'(7 Där det byggs tunnlar finns ofta Sandvik. Koncernen har de verktyg
och maskiner som behövs för att snabbt och effektivt ta sig igenom de hårdaste berg. Det kan gälla
tunnlar för vattenkraft i USA, vägtunnlar i Kina eller järnvägstunnlar i Schweiz.
Du hittar också resultatet av vårt kunnande i mobiltelefoner, i flygplan, på havets botten och på
många andra ställen. Men även om inte du tänker på var Sandvik finns, så gör kunderna det.
För våra produkter ökar både deras produktivitet och lönsamhet.
Gå in på www.sandvik.se. Där finns mer än du anar!

55
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
56 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

1.6 Exercices

1. Soient les deux vecteurs de R3 : u = (−1, 2, 3) et v = (1, −1, 2).


a) Trouver la projection orthogonale de u sur v.

1 1
[Réponse : projv u = ( , − , 1). ]
2 2

b) Trouver la projection orthogonale uyz de u sur le plan yz.

[Réponse : uyz = (0, 2, 3). ]

c) Trouver le vecteur u∗ , réflection de u par rapport à v.

[Réponse : u∗ = (2, −3, −1). ]

d) Trouver le vecteur u∗ xz , réflexion de u par rapport au plan xz.

[Réponse : u∗ xz = (−1, −2, 3). ]

e) Trouver le vecteur résultant des réflexions de u par rapport au plan xy puis par
rapport au plan yz-plane. Ce vecteur est-il différent si u est d’abord réfléchi par
rapport au plan yz puis par rapport au plan xy ?

[Réponse : (1, 2, −3). Ce sont les mêmes vecteurs. ]

f) Trouver le vecteur résultant de la réflection de u par rapport au plan xy puis


de la projection orthogonale du vecteur réfléchi sur le plan yz. Ce vecteur est-il
différent si u est d’abord projeté orthogonalement sur le plan yz puis la projec-
tion réfléchie par rapport au plan xy ?

[Réponse : (0, 2, −3). Ce sont les mêmes vecteurs. ]

2. Trouver toutes les valeurs de a ∈ R, telles que le volume du parallélépipède décrit


par les vecteurs u = (1, 1, 2), v = (−1, a, 3) et w = (2, 1, a) soit d’une unité.

[Réponse : a ∈ {0, 1, 2, 3}. ]

3. Soient les trois vecteurs :


u = a(1, 1, 2), v = (−1, b, −1), w = (7, 1, c),
avec a, b et c des paramètres réels.
a) Trouver toutes les valeurs de a, b et c, telles que les vecteurs u, v et w définissent
un parallélépipède rectangulaire (i.e. un parallélépipède de côtés perpendicu-
laires) de volume égal à 132 unités.

56
THÉORIE ET PROBLÈMES RÉSOLUS
1.6. EXERCICES
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans 57
dans R3

[Réponse : a ∈ {−2, 2}, b = 3, c = −4. ]

b) Trouver toutes les valeurs de a, b et c, telles que le volume du parallélépipède


défini par les vecteurs u, v et w avec a = 0, soit de zéro unité.

8−c
[Réponse : b= pour tout c ∈ R\{14}. ]
c − 14

4. Considérons les trois points P1 , P2 et P3 dans R3 de coordonnées respectives :


P1 : (2, −1, 1), P2 : (3, 2, −1), P3 : (−1, 3, 2).
a) Trouver l’équation du plan Π1 contenant ces trois points.

[Réponse : 11x + 5y + 13z = 30. ]

b) Supposons que le vecteur normal n d’un plan Π2 soit n = (−2, 1, 4) et que Π2


contienne le point P1 . Trouver l’équation de Π2 .

[Réponse : −2x + y + 4z = −1. ]

c) Trouver l’angle θ entre les deux vecteurs Π1 et Π2 déterminés aux questions a)


et b).
√ 
15
[Réponse : θ = arccos .]
9

5. Soit la droite  dans R3 passant par les points P1 : (1, −2, −1) et P2 : (3, −1, 1).
a) Trouver l’équation paramétrique de .

[Réponse
:

 x = 2t + 1


: y =t−2



 z = 2t − 1 pour tout t ∈ R. ]

b) Calculer la distance s entre l’origine (0, 0, 0) et la droite  obtenue à la question


a).

5 2
[Réponse : s= .]
3

6. Considérons le triangle de sommets A : (1, 0, 1), B : (2, 1, −1) et C : (2, 2, 1).


a) Trouver la distance entre le point B et la base du triangle défini par les sommets
A et C.

57
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
58 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3


21
[Réponse : .]
5

b) Trouver l’aire du triangle ABC en utilisant le produit vectoriel.

1√
[Réponse : 21. ]
2

 les deux droites de R :


7. Soient 3


 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y =s+3

 


 z = 2t + 2 pour tout t ∈ R, 
 z = −s − 1 pour tout s ∈ R.

Ces droites se croisent-elles ? Si oui, déterminer leur point d’intersection.

[Réponse : Leur point d’intersection est (4, −1, 3). ]

8. Soit la pyramide ABCD de sommets A : (2, 1, 0), B : (0, 2, 3), C : (1, 0, 1) et


D : (1, 1, 1) comme montré à la figure 1.33.

Figure 1.33 – La pyramide ABCD.

Trouver la hauteur de cette pyramide.

[Réponse : La hauteur de cette pyramide est la distance entre le point D en le


1
plan contenant le triangle ABC, elle est égale à √ . ]
26

58
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.6. EXERCICES 59

9. Considérons la droite , dont l’équation paramétrique est




 x = kt + 2


: y =t−3



 z = 3t + 4 pour tout t ∈ R,
et le plan Π, d’équation
Π : 3x + 2y + 4z = 1.
a) déterminer pour quelle(s) valeur(s) de k ∈ R, s’il y en a,  est parallèle à Π.

14
[Réponse : k=− .]
3

b) Trouver la distance entre  et Π pour cette(ces) valeur(s) de k.

15
[Réponse : √ .]
29

c) Déterminer l’intersection de  avec Π pour toutes les valeurs de k telles que  et


Π ne sont pas parallèles.

1
[Réponse : Les coordonnées de l’intersection sont (−9k + 28, −9k − 57, 12k + 11)
3k + 14
14
pour tout k ∈ R\{− }. ]
3

10. Soit la droite  d’équation paramétrique




 x = −t + 2


: y = 3t



 z = 5t − 1 pour tout t ∈ R,
2
Trouver tous les points de  situés à une distance de √ unités du plan x+y −z = 2.
3

7 8
[Réponse : Les points de coordonnées ( , −1, − ) et (1, 3, 4). ]
3 3

11. Soient le plan Π : x − 2y + 3z = 31 et la droite  d’équation paramétrique




 x = −t + 2


: y =t−1



 z = −2t + 3 pour tout t ∈ R.

59
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
60 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3

ˆ telle que ˆ soit la projection


a) Trouver l’équation paramétrique de la droite ,
orthogonale de  sur Π.

[Réponse :

 x = −5t + 4


ˆ : y = −4t − 3



 z = −t + 7 pour tout t ∈ R. ]
b) Trouver l’équation paramétrique de la droite ∗ , réflexion de  par rapport à Π.

[Réponse:

 x = 2t + 4


∗ : y = −11t − 3



 z = 7t + 13 pour tout t ∈ R. ]
c) Trouver tous les points√de , tels que la distance la plus courte entre ces points
et le plan Π soit de 3/ 14.

11 8 19 13 10 23
[Réponse : Les points ( , − , ) et ( , − , ). ]
3 3 3 3 3 3
12. Soient le plan Π : 3x + 4y − 5z = 11 et la droite  d’équation paramétrique


 x=t+4


: y = −2t + 1



 z = −t + 3 pour tout t ∈ R,
ˆ définie comme la projection orthogonale
où  est parallèle à Π. Trouver la droite ,
de  sur Π.

[Réponse :

 28

 x=t+ 5


ˆ : y = −2t −
1

 5



z = −t + 1 pour tout t ∈ R. ]

13. Considérons le plan Π : 2x − y + 2z = −5 et le triangle  ABC de sommets


A : (1, 0, 1), B : (0, 1, 1) and C : (1, 1, 0).
a) Trouver les sommets du triangle  AΠ BΠ CΠ , tel que  AΠ BΠ CΠ soit la projec-
tion orthogonale de  ABC sur Π.

[Réponse : Les sommets du triangle projeté  AΠ BΠ CΠ sont AΠ : (−1, 1, −1),


4 5 1 1 5 4
BΠ : (− , , − ) et CΠ : (− , , − ). ]
3 3 3 3 3 3

60
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.6. EXERCICES 61

b) Trouver les sommets du triangle  A∗ B ∗ C ∗ , tel que  A∗ B ∗ C ∗ soit la réflexion


de  ABC par rapport à Π.

[Réponse : Les sommets du triangle réfléchi  A∗ B ∗ C ∗ sont A∗ : (−3, 2, −3),


8 7 5 5 7 8
B ∗ : (− , , − ) et C ∗ : (− , , − ). ]
3 3 3 3 3 3

14. Montrer que la distance s entre deux plans parallèles,


Π1 : ax + by + cz = d1

Π2 : ax + by + cz = d2 ,
est donnée par
|d1 − d2 |
s= ,
n
où n = (a, b, c) est le vecteur normal aux deux plans (voir la note théorique 1.5).

61
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss

Chapitre 2

Algèbre matricielle et pivot de


Gauss

Le but de ce chapitre :

Nous exprimons les points de l’espace euclidien Rn en terme de vecteurs à n composantes.


Ces vecteurs peuvent être représentés par des matrices colonnes (ou lignes). Tout système
d’équation linéaires peut en fait s’écrire sous la forme d’une équation matricielle de la forme
Ax = b, et peut donc être étudié au moyen des propriétés des matrices. De plus, nous
introduisons les opérations d’addition et de multiplication des matrices, le déterminant
d’une matrice carrée ainsi que son l’inverse (lorsqu’elle est inversible). Pour résoudre les
systèmes d’équations linéaires, nous utilisons la méthode du pivot de Gauss (ou élimination
de Gauss) et introduisons une méthode alternative suivant la règle de Cramer, à partir de
laquelle certains types de système linéaires carrés peuvent être résolus.

2.1 L’addition et la multiplication de matrices


Nous présentons les vecteurs de l’espace euclidien Rn ainsi que les opérations basiques
sur ces vecteurs.

Note théorique 2.1.


1. Les vecteurs dans Rn :

Un vecteur u de l’espace euclidien Rn est un n-uplet (u1 , u2 , . . . , un ). Nous écrivons

u = (u1 , u2 , . . . , un ).

Où u1 , u2 , . . . , un sont des nombres (réels ou complexes, bien que nous n’utilisons
que des réels dans ce livre). Tout n-uplet désigne un point ou vecteur unique dans

63

63
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
64 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Rn . u peut être représenté par une matrice colonne n × 1


 
u1
 u2 
 
u= . ,
 .. 
un
ou alors une matrice ligne 1 × n
u = (u1 u2 . . . un ).
Soient les vecteurs de Rn v = (v1 , v2 , . . . , vn ) et w = (w1 , w2 , . . . , wn ). Nous avons
alors les propriétés suivantes

Propriétés :
• u + v = (u1 + v1 , u2 + u2 , . . . , un + vn ) = v + u
• (u + v) + w = u + (v + w)
• r u = (ru1 , ru2 , . . . , run ) = u r pour tout r ∈ R.
• 0u = 0 = (0, 0, . . . , 0) nommé le vecteur nul de Rn .
2. L’addition et la multiplication par des réels de matrices :

Considérons la matrice m × n suivante


 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= . .. .. ,
 .. . ··· . 
am1 am2 · · · amn
où les aij sont des nombres (réels ou complexes, bien que nous n’utilisons que des
réels dans ce livre).

Remarque : Dans certains cas il peut être pratique de noter la matrice A comme
suit :
A = [aij ] ou A = [a1 a2 . . . an ], avec aj ∈ Rm .

Soient les deux matrices m × n


A = [aij ] et B = [bij ].
L’addition et la multiplications sont définies par :

L’addition de matrices :
A + B = [aij + bij ].
La multiplication par un réel :
rA = [raij ] = Ar pour tout r ∈ R

0 A = [0 aij ] = 0mn , où 0mn désigne la matrice nulle m × n.

64
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.1. L’ADDITION ET LA MULTIPLICATION DE MATRICES 65

Les propriétés suivantes sont alors vérifiées

Propriétés :
Soient A, B et C des matrices de taille m × n, soient r et s des nombres réels. Alors
• A+B =B+A
• (A + B) + C = A + (B + C)
• A + 0mn = A
• r(A + B) = rA + rB
• (r + s)A = rA + sA
• r(sA) = (rs)A.

vi gör papper
i toppklass
Snygga trycksaker kräver riktigt bra ­papper. Vi på Arctic Paper ARCTIC PAPER GRYCKSBO
BOX 1, 790 20 GRYCKSBO
Grycksbo tillverkar några av Europas bästa bestrukna finpapper. Vi TFN: 023- 680 00
info.gr ycksbo@arc ticpaper.com,
är en modern processindustri där ena foten står stadig i de lokala Läs mer på www.arcticpaper.com

traditionerna och den andra tar sjumilakliv ut i världen. Flexibilitet

är vår styrka och därför siktar vi på att ha en service i toppklass och

på att bli ett av Europas miljövänligaste pappersbruk.

65
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
66 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

3. La multiplication entre matrice et vecteur :

Soient la matrice m × n A,
A = [a1 a2 . . . an ], aj ∈ R m ,
et le vecteur x ∈ Rn
 
x1
 x2 
 
x =  . .
 .. 
xn
Le produit de la matrice A par le vecteur x est un vecteur de Rm défini par :
Ax = x1 a1 + x2 a2 + · · · + xn an .
Soient A une matrice m × n, u et v deux vecteurs de Rn et r un nombre réel. Alors

Propriétés :
• A(u + v) = Au + Av
• rA(u) = A(ru).

4. La multiplication de matrices :

Soient A une matrice m × n et B une matrice n × p, where


B = [b1 b2 · · · bp ], b j ∈ Rn .
Le produit matriciel AB est une matrice m × p définie par :
AB = [Ab1 Ab2 · · · Abp ].
Pour les propriétés listées ci-dessous, nous supposons que les matrices A, B et C
sont de tailles correctes, telles que ces propriétés ne contredisent pas les définitions
précédentes. Soit r un nombre réel. Nous avons

Propriétés :
• A(BC) = (AB)C
• A(B + C) = AB + AC
• (A + B)C = AC + BC
• r(AB) = (rA)B = A(rB).
La matrice identité n × n , notée In , est :
 
1 0 ··· 0
 0 1 ··· 0 
 
In =  . . .  = [e1 e2 · · · en ],
 .. .. · · · .. 
0 0 ··· 1
où {e1 , e2 , · · · , en } est la base canonique de Rn ,
e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), ..., en = (0, 0, . . . , 1).
Soit A une matrice m × n et u ∈ Rn . Alors

66
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.1. L’ADDITION ET LA MULTIPLICATION DE MATRICES 67

• AIn = A = Im A.
• In u = u.
• Inp = In pour tout p ∈ N.
Remarque : Soient A une matrice m × n et B une matrice n × m. Alors le produit
AB = 0mm ,
où 0mm désigne la matrice nulle m × m, n’implique pas que A ou B soit nulle. Par
exemple,
    
1 1 1 1 0 0
= .
1 1 −1 −1 0 0

Problème 2.1.1.
Considérons les trois matrices :
     
a 2 1 2 a 0 1 1 1
A= , B= , C= ,
1 0 a 0 1 2a2 1 1 1
où a est un paramètre réel non spécifié. Trouver toutes les valeurs de a telles que
A + B = C.
Solution 2.1.1.
Nous additionnons les matrices A et B et comparons les coefficients de la matrice résultante
avec ceux de C :
   
a+2 2+a 1 1 1 1
= .
1 1 a + 2a2 1 1 1
Nous obtenons
a + 2 = 1, 2 + a = 1, a + 2a2 = 1,
où a = −1 est la seule solution qui satisfasse les trois équations simultanément.

Problème 2.1.2.
Soient les deux matrices :
   
a b 1 2
A= , B= ,
1 2 1 0
avec a et b deux paramètres réels non spécifiés. Trouver toutes les valeurs de a et b, telles
que
AB = BA.

67
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
68 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.1.2.
Nous multiplions les matrices A et B dans l’ordre AB :
    
a b 1 2 a + b 2a
AB = = .
1 2 1 0 3 2
Pour la multiplication dans l’ordre BA, nous avons
    
1 2 a b a+2 b+4
BA = = .
1 0 1 2 a b
Nous déduisons de la comparaisons des coefficients de AB avec ceux de BA

a + b = a + 2, 2a = b + 4, a = 3, b = 2.

Ce système d’équations a pour solution a = 3 et b = 2. Donc pour les valeurs a = 2 et


b = 3 dans A, les matrices A et B commutent, i.e. AB = BA, pour toutes autres valeurs
de a ou b, ces matrices ne commutent pas, i.e. AB = BA.

68
2.1. L’ADDITION
THÉORIE ETRÉSOLUS
ET PROBLÈMES LA MULTIPLICATION DE MATRICES 69
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss

Problème 2.1.3.
Considérons la matrice
 
0 b
A= ,
c 0
où b et c sont deux paramètres réels non spécifiés. Trouver toutes les valeurs de b et c telles
que

A 2 = I2 ,

où I2 est la matrice identité 2 × 2.

Solution 2.1.3.
Calculons A2 :
    
2 0 b 0 b bc 0
A = = .
c 0 c 0 0 bc
La matrice identité 2 × 2 I2 s’écrit
 
1 0
I2 = .
0 1

En comparant les coefficients de A2 avec ceux de I2 nous avons

bc = 1.

En conclusion, la matrice
 
0 b
A= 1 .
0
b
satisfait la relation A2 = I2 pour tout b ∈ R\{0}.

69
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
70 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

2.2 Le déterminant de matrices carrées


Nous présentons le déterminant de matrices carrées et montrons le calcul de ce dernier
au moyen des formules de Laplace ainsi que des opérations élémentaires sur les lignes.

Note théorique 2.2.


1. Formules de Laplace : le déterminant d’une matrice n × n A = [aij ], noté det A
ou |A|, est un nombre pouvant être calculé en utilisant le développement en
cofacteurs par rapport à la ligne i,
det A = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin ,
ou, de manière alternative, det A peut être calculé au moyen d’un développement
similaire par rapport à la colonne j,
det A = a1j C1j + a2j C2j + · · · + anj Cnj .
Ici le nombre Cij est le cofacteur d’indice (i, j) de la matrice A,
Cij = (−1)i+j det Aij ,
où Aij désigne la matrice (n − 1) × (n − 1), obtenue à partir de A en retirant la ligne
i et la colonne j.
2. On dit que deux matrices A et B sont l-équivalentes (ou ligne équivalentes, nous
notons alors A ∼ B) si B peut être obtenue à partir de A en appliquant un
nombre fini d’opérations élémentaires sur les lignes de A. Les trois opérations
élémentaires sur les lignes sont les suivantes :
i. Additionner une ligne avec le multiple d’une autre ligne.
ii. Echanger deux lignes.
iii. Multiplier tous les coefficients d’une ligne par une constante non nulle k.
3. Le calcul du déterminant de A peut être simplifié en effectuant des opérations
élémentaires sur ses lignes. La relation entre le déterminant de A et celui de ses
matrices l-équivalentes est :
• Si A ∼ B, où B a été obtenue en appliquant l’opération élémentaire (i) sur A,
alors det B = det A.
• Si A ∼ B, où B a été obtenue en appliquant l’opération élémentaire (ii) sur A,
alors det B = − det A.
• Si A ∼ B, où B a été obtenue en appliquant l’opération élémentaire(iii) sur A,
alors det B = k det A.
4. Soient A et B des matrices n × n. Alors nous avons les propriétés suivantes

Propriétés :
• det(AB) = (det A)(det B)
• det(Am ) = (det A)m pour tout m ∈ N.
• det AT = det A.
Remarque : La transposée d’une matrice m×n quelconque B est une matrice
n × m B T , où les colonnes de B sont les lignes de B T .
• det(cA) = cn det A pour tout nombre c.
• Le déterminant d’une matrice diagonale est donné par le produit de tous ses
coefficients diagonaux.
• Le déterminant d’une matrice triangulaire inférieure ou d’une matrice triangu-
laire supérieure est donné par le produit de tous ses coefficients diagonaux.

70
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 71

Remarque : On dit qu’une matrice carrée est triangulaire inférieure si tous


ses coefficients situés au dessus de ses coefficients diagonaux sont nuls. De la
même manière, on dit qu’une matrice carrée est triangulaire supérieure si
tous ses coefficients situés au dessous de ses coefficients diagonaux sont nuls.
• det In = 1, où In est la matrice identité n × n.
1
• det(A−1 ) = , où A−1 désigne l’inverse de la matrice A.
det(A)
Remarque : Pour plus de détails sur les matrices inverses et leur calcul, voir
la Note Théorique 2.3.
5. Considérons les trois vecteurs, u, v et w, dans R3 . Alors
• L’aire du parallélogramme défini par u = (u1 , u2 , u3 ) et v = (v1 , v2 , v3 ) est
donnée par la norme du  produit vectoriel

e1 e2 e3
u × v =  det  u1 u2 u3  ;
v1 v2 v3
• Le volume du parallélépipède défini par u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) et
w = (w1 , w2 , w3 ) est donnée
 par le produitmixte
u1 u2 u3
|u · (v × w)| = | det  v1 v2 v3  |.
w1 w2 w3
Voir la Note Théorique 1.2 pour plus de détails sur les produits vectoriel et
triple des vecteurs de R3 .

Problème 2.2.1.
Calculer le déterminant des matrices suivantes :
 
  1 −1 0 1
  1 −2 2
1 4  2 1 2 −1 
A= , B= 3 1 1 , C=
 3
.
2 3 0 1 2 
−1 −2 1
−1 4 1 2

71
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
72 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.2.1.
Nous calculons ces déterminants en effectuant un développement en cofacteur des matrices
par rapport à leur première ligne.
 
 1 4 
det A =   = a11 C11 + a12 C12 = a11 (−1)1+1 det A11 + a12 (−1)1+2 det A12
2 3 

= 3 − 8 = −5.
 
 1 −2 2       
       
det B =  3 1 1  = 1  1 1  − (−2)  3 1  + 2  3 1 
  −2 1   −1 1   −1 −2 
 −1 −2 1 

= 1(1 + 2) + 2(3 + 1) + 2(−6 + 1) = 1.


 
 1 −1 0 1       
  1 2 −1   2 2 −1   2 1 2 
 2 1 2 −1       
det C =   = 1  0 1 2  − (−1)  3 1 2  − 1  3 0 1 
 3 0 1 2   4 1 2   −1 1 2   −1 4 2 
 −1 4 1 2 
           
 1 2           
= 1   − 2 0 2  − 1 0 1  + 2 1 2  − 2 3 2  − 1 3 1 
1 2   4 2   4 1   1 2   −1 2   −1 1 
      
 0 1   3 1   3 0 

− 2  
− 1  2  
4 1  −1 1   −1 4 

= −12

Dans certains cas il est plus simple de trouver la matrice l-équivalente triangulaire supérieure
et s’en servir pour évaluer le déterminant. Reprenons ainsi le calcul de det C :

     
 1 −1 0 1   1 −1 0 1   1 −1 0 1 

 0 3 2 −3   0 3 2 −3   0 3 2 −3 
det C =  = =
 0 3 1 −1   0 0 −1 2   0 0 −1 2 
 0 3 1 3   0 0 −1 6   0 0 0 4 

= (1)(3)(−1)(4) = −12.

Problème 2.2.2.
Considérons la matrice C du problème 2.2.1, calculer :

det(C 4 ), (det C)4 , det(3C), det(C T ).

72
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 73

Solution 2.2.2.
det(C 4 ) = (det C)4 = (−12)4 = 20736,

(det C)4 = (−12)4 = 20736,

det(3C) = 34 det C = (81)(−12) = −972,

det(C T ) = det C = −12

Problème 2.2.3.
Soit la matrice
 
−2 1 2
A =  −1 0 1  .
−2 1 2

Déterminer la matrice Ap pour tout p ∈ N en calculant d’abord A2 , A3 , . . .

73
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
74 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.2.3.
Déterminons A2 et A3 :
   
−1 0 1 0 0 0
2
A =  0 0 0  et A3 =  0 0 0  .
−1 0 1 0 0 0

D’où
 
0 0 0
Ap =  0 0 0  pour tout entier naturel p ≥ 3.
0 0 0

Problème 2.2.4.
Considérons l’équation

X 2 − 2X + I2 = 022 , (2.2.1)

où X est une matrice 2 × 2, I2 est la matrice identité 2 × 2 et 022 est la matrice nulle 2 × 2.
a) Montrer que 
2 1/2
X= .
−2 0
est une solution de (2.2.1) et en trouver une autre solution en factorisant cette
équation matricielle.
b) Montrer que det X = 1 pour une solution X de (2.2.1), même dans le cas où X est
une matrice n × n.
c) Montrer que (2.2.1) admet en fait une infinité de solutions.

Solution 2.2.4.
a) Le calcul
 de      
2 1/2 2 1/2 2 1/2 1 0
−2 +
−2 0 −2 0 −2 0 0 1
donne la matrice nulle. L’équation matricielle (2.2.1) peut donc se factoriser comme
(X − I2 )2 = 022 , (2.2.2)
donc X = I2 est une autre solution de (2.2.1).
b) Il est évident de la forme factorisée (2.2.2) reste valide même si X est une matrice
n × n pour tout n, donc X = In est une solution. Alors det X = det In = 1.
c) Notons       
a b a b a b 0 0
X − I2 = , il faut alors résoudre = .
c d c d c d 0 0
Ce qui nous donne les quatre conditions suivantes :
a2 + bc = 0, b(a + d) = 0, c(a + d) = 0, cb + d2 = 0. (2.2.3)

74
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 75

En soustrayant à la quatrième équation la première nous obtenons le système


équivalent
a2 + bc = 0, b(a + d) = 0, c(a + d) = 0, (a + d)(a − d) = 0.
En étudiant les deux cas a + d = 0 et a − d = 0 nous en concluons que a + d = 0 et
a2 + bc = 0sont les seules
 conditions  pouvant
 nous fournir
 toutes les solution. Donc
a b 1 0 a+1 b
X= + =
c −a 0 1 c 1−a
2
pour tout a, b et c tels que a + bc = 0. De plus on remarquera que det X = 1.
L’équation matricielle
X 2 − 2X + I2 = 022
a par conséquent une infinité de solutions.

75
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
76 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

2.3 Les matrices carrées inversibles


Dans ce sous chapitre nous introduisons l’inverse d’une matrice carrée et procédons à
son calcul lorsque cette dernière est inversible. Le déterminant joue un rôle majeur dans
cette discussion.

Note théorique 2.3.


Soit A une matrice n × n. On dit que A est inversible s’il existe une autre matrice n × n
A−1 , nommée inverse de A, telle que

A−1 A = AA−1 = In .

Une matrice carrée non inversible est dite singulière.

Nous avons alors les affirmations suivantes :


1. La matrice A est inversible si et seulement si det A = 0.
2. La matrice A est inversible si et seulement si elle est l-équivalente à la matrice
identité n × n In . C’est à dire, A est inversible si et seulement si sa forme échelonnée
réduite [A In ] est [In A−1 ].
3. Si la matrice A est inversible, alors
adj(A)
A−1 = ,
det A
où adj(A) est la comatrice de A, donnée par la matrice
 
C11 C21 · · · Cn1
 C12 C22 · · · Cn2 
 
adj(A) =  . .. .... .
 .. . .. 
C1n C2n · · · Cnn
Où Cij est le cofacteur d’indice (i, j) de A,
Cij = (−1)i+j det Aij .

Soient A et B des matrices inversibles n × n. Alors les propriétés suivantes sont vérifiées

Propriétés :
• (A−1 )−1 = A
• (cA)−1 = c−1 A−1 pour c un nombre non nul.
• (AT )−1 = (A−1 )T , où AT est la transposée de A.
• (AB)−1 = B −1 A−1
1
• det(A−1 ) = .
det A

76
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.3. LES MATRICES CARRÉES INVERSIBLES 77

Problème 2.3.1.
Considérons trois matrices n×n, notées A, B et C, avec A et B inversibles, et qui satisfont
l’équation suivante :

A2 B + A = AC.

Exprimer A en fonction de B et C.

This e-book
is made with SETASIGN
SetaPDF

PDF components for PHP developers

www.setasign.com

77
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
78 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.3.1.
Multiplions cette équation à gauche par A−1 , nous obtenons

A−1 A2 B + A−1 A = A−1 AC,

donc

AB + In = C.

Multiplions maintenant cette équation à droite par B −1 , alors

ABB −1 + In B −1 = CB −1 ,

où In B −1 = B −1 et ABB −1 = AIn = A. D’où

A = CB −1 − B −1 .

Problème 2.3.2.
Soient X, A et B trois matrices n × n, où A et X sont inversibles, satisfaisant

BX −1 + 2A = BAX −1 .

a) Exprimer X en fonction de A et B.
b) Trouver X,telle que
  
1 2 1 2
A= , B= .
3 2 4 3

Solution 2.3.2.
a) Multiplions cette équation à droite par X afin d’obtenir
1 1
B + 2AX = BA ou AX = BA − B.
2 2
Nous multiplions −1
 maintenantl’equation précédente à gauche par A et avons
1 1 1
X = A−1 BA − B ou X = A−1 B (A − In ) .
2 2 2
b) Pour    
1 2 1 2
A= et B =
3 2 4 3
nous avons    
0 1 −1 −1/2 1/2
A − I2 = et A = .
3 1 3/4 −1/4
1
En remplaçant ces résultats dans l’équation donnant X : X = A−1 B(A − I2 ), nous
2
obtenons  
3/4 1
X= .
9/8 1/4

78
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.3. LES MATRICES CARRÉES INVERSIBLES 79

Problème 2.3.3.
Calculer l’inverse de la matrice suivante :
 
1 −1 0 1
 0 1 1 1 
A=  .
−1 0 1 0 
−1 1 1 1

DO YOU WANT TO KNOW:

What your staff really want?

The top issues troubling them?

How to make staff assessments


work for you & them, painlessly?

How to retain your


top staff Get your free trial
FIND OUT NOW FOR FREE
Because happy staff get more done

79
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
80 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.3.3.
Pour déterminer l’inverse de la matrice A, calculons la forme échelonnée réduite de [A I4 ].
Nous avons
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
[A I4 ] = 
 −1

0 1 0 | 0 0 1 0 
−1 1 1 1 | 0 0 0 1
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0 −1 1 1 |

1 0 1 0 
0 0 1 2 | 1 0 0 1
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0

0 1 2 | 1 0 0 1 
0 0 2 2 | 1 1 1 0
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0

0 1 2 | 1 0 0 1 
0 0 0 1 | 1/2 −1/2 −1/2 1

 
1 −1 0 0 | 1/2 1/2 1/2 −1
 0 1 1 0 | −1/2 3/2 1/2 −1 
∼
 0

0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1
 
1 −1 0 0 | 1/2 1/2 1/2 −1
 0 1 0 0 | −1/2 1/2 −1/2 0 
∼
 0

0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1
 
1 0 0 0 | 0 1 0 −1
 0 1 0 0 | −1/2 1/2 −1/2 0 
∼
 0
.
0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1

Nous en concluons que l’inverse de A est


 
0 1 0 −1
 −1/2 1/2 −1/2 0 
A−1 =  0
.

1 1 −1
1/2 −1/2 −1/2 1

80
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES81

Problème 2.3.4.
Trouver toutes les valeurs de k telles que la matrice A est inversible puis calculer son
inverse pour une certaine valeur de k :
 
k 1 2
A =  2 1 k .
k 0 1

Solution 2.3.4.
En premier lieu déterminons toutes les valeurs de k pour lesquelles A est singulière. C’est
à dire, trouvons k tel que
 
 k 1 2 
 
det A = 0, où  2 1 k  = k 2 − k − 2 et donc (k + 1)(k − 2) = 0.
 k 0 1 

Donc A est singulière pour k = −1 ou k = 2, et par conséquent A est inversible pour tout
k ∈ R\{−1, 2}. Nous choisissons la valeur k = 0, calculons l’inverse de A :
   
0 1 2 | 1 0 0 1 1/2 0 | 0 1/2 0
[A I3 ] =  2 1 0 | 0 1 0  ∼  0 1 2 | 1 0 0 
0 0 1 | 0 0 1 0 0 1 | 0 0 1
 
1 0 0 | −1/2 1/2 1
∼ 0 1 0 | 1 0 −2  .
0 0 1 | 0 0 1

L’inverse de A est donc


 
−1/2 1/2 1
A−1 =  1 0 −2  .
0 0 1

2.4 La méthode du pivot de Gauss pour les systèmes d’équations


linéaires
Dans ce sous-chapitre nous présentons la méthode du pivot de Gauss pour la résolution
des systèmes d’équation linéaires. Nous prouvons que tout système linéaire admettant au
moins une solution ne peut en admettre d’autre ou en admet une infinité (voir le problème
2.4.3 ci-dessous).

81
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
82 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Note théorique 2.4.


Un système de m équations linéaires et n inconnues x1 , x2 , . . . , xn peut s’écrire sous
la forme d’une équation matricielle

A x = b, (2.4.1)

où A est une matrice m × n formée des coefficients du système, b est un vecteur de Rm et
 
x1
 x2 
 
x =  .  ∈ Rn .
 . .
xn

1. On dit que l’équation matricielle (2.4.1) est compatible, si elle admet au moins
une solution x ∈ Rn . Si au contraire aucun x ∈ Rn ne la satisfait, on dit qu’elle est
incompatible.
2. Toute équation matricielle compatible (2.4.1) admet soit une solution unique
x ∈ Rn , ou une infinité de solutions x ∈ Rn .
3. Toutes les solutions x ∈ Rn de (2.4.1) peuvent-être obtenues par la méthode du
pivot de Gauss, qui se résume par les quatre étapes suivantes :
Etape I. Ecrire la matrice augmentée [A b] de (2.4.1).
Etape II. Appliquer des opérations élémentaires sur les lignes de [A b] afin
d’obtenir des matrices l-équivalentes à [A b].
Etape III. Appliquer l’étape II. jusqu’à ce que [A b] soit sous son unique forme
échelonnée réduite, que nous notons [B c]. L’équation matricielle
Bx = c, c ∈ Rm (2.4.2)
est alors la forme la plus simple du système original Ax = b. Le système (2.4.2)
a les mêmes solutions que (2.4.1).
Etape IV. Résoudre l’équation (2.4.2). Les colonnes de la matrice B ne comportant
qu’une seule fois le chiffre 1 sont appelées les pivots de la matrice A. Toute
colonne j de A qui n’est pas un pivot implique que xj sera un paramètre libre
de la solution x = (x1 , x2 , . . . , xj , . . . , xn ) de (2.4.1). Si la dernière colonne de la
matrice [B c] est un pivot, alors le système (2.4.1) est incompatible.

Problème 2.4.1.
Trouver toutes les solutions x ∈ R5 du système d’équations linéaire donné par Ax = b, où
   
0 1 2 −1 0 1
A =  1 0 −1 0 3 , b =  −4  .
2 0 1 3 9 −5

82
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES83

Solution 2.4.1.
La matrice augmentée [A b] de ce système est
 
0 1 2 −1 0 1
[A b] =  1 0 −1 0 3 −4  .
2 0 1 3 9 −5
En appliquant des opérations élémentaires sur ses lignes, nous écrivons [A b] sous son
unique forme échelonnée réduite :
 
1 0 −1 0 3 −4
[A b] ∼  0 1 2 −1 0 1 
2 0 1 3 9 −5
 
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1 
0 0 3 3 3 3
 
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1 
0 0 1 1 1 1
 
1 −3 0 10 10 0
∼ 0 1 0 −3 −2 −1 
0 0 1 1 1 1
 
1 0 0 1 4 −3
∼  0 1 0 −3 −2 −1  .
0 0 1 1 1 1
Pour x = (x1 , x2 , x3 , x4 , x5 ) le système linéaire simplifié, mais équivalent, prend la forme

x1 + x4 + 4x5 = −3
x2 − 3x4 − 2x5 = −1
x3 + x4 + x5 = 1.

Nous pouvons conclure à partir de la forme échelonnée réduite de [A b] que les 4ème et
5ème colonnes de A ne sont pas des pivots. Par conséquent nous en déduisons que x4 et
x5 sont des paramètres libres de la solution. Notons x4 = t et x5 = s, donc

x1 = −t − 4s − 3, x2 = 3t + 2s − 1, x3 = −t − s + 1.

Toutes les solutions du système linéaire Ax = b s’écrivent donc


 
−t − 4s − 3
 3t + 2s − 1 
 
x= 
 −t − s + 1  pour tous t ∈ R et s ∈ R.
 t 
s

83
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
84 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Cette solution peut aussi se présenter sous la forme :


     
−1 −4 −3
 3   2   −1 
     
x = t    
 −1  + s  −1  +  1

 pour tous t ∈ R et s ∈ R.
 1   0   0 
0 1 0

Problème 2.4.2.
Considérons le système d’équations linéaires Ax = b avec
   
1 2 k 2 1
A=  3 k 18 6 ,  b=  5 ,
1 1 6 2 1
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k pour lesquelles ce système est compatible puis en
donner toutes les solutions.
b) Existe-t-il des valeurs de k pour lesquelles le système a une solution unique ?

84
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES85

Solution 2.4.2.
a) La matrice augmentée
 de ce système
 linéaire est
1 2 k 2 1
[A b] =  3 k 18 6 5 
1 1 6 2 1
En effectuant des opérations élémentaires sur les lignes de celle-ci nous obtenons la
matrice l-équivalente
 suivante : 
1 2 k 2 1
[A b] ∼  0 k − 6 −3(k − 6) 0 2 
0 1 k−6 0 0
 
1 2 k 2 1
∼ 0 1 (k − 6) 0 0 
0 k − 6 −3(k − 6) 0 2
 
1 2 k 2 1
∼ 0 1 (k − 6) 0 0 .
0 0 −(k − 6)(k − 3) 0 2
A partir de cette forme échelonnée de [A b] il est clair que le système Ax = b
est compatible pour tout k ∈ R\{3, 6}. Il est par conséquent incompatible si et
seulement si k = 3 or k = 6. Nous résolvons à présent ce système en ne considérant
que les valeurs de k pour lesquelles il est compatible. Nous avons le système simplifié
de Ax = b avec x = (x1 , x2 , x3 , x4 ) :
x1 + 2x2 + kx3 + 2x4 = 1
x2 + (k − 6)x3 = 0
−(k − 6)(k − 3)x3 = 2.
Comme la 4ème colonne de A n’est pas un pivot, nous savons que x4 comme un
paramètre libre, x4 = t. Nous avons
2(12 − k) 2 2
x1 = − 2t + 1, x2 = , x3 = − ,
(k − 6)(k − 3) k−3 (k − 6)(k − 3)
donc les
 solutions
 de ce système 
sont 
−2 k 2 − 11k + 42
 0  1  2(k − 6) 
x = t 
 0  + (k − 6)(k − 3) 
  pour tous t ∈ R et k ∈ R\{3, 6}.

−2
1 0
b) Nous avons montré à partir de la forme échelonnée de [A b] ci-dessus que la 4ème
colonne de A n’est pas un pivot, et ce quelque soient les valeurs de k. Donc pour
tout k le système Ax = b ne peut pas admettre de solution unique.

Problème 2.4.3.
Prouver que tout système compatible, Ax = b avec A une matrice m × n et b ∈ Rm ,
admet soit exactement une solution x ∈ Rn soit une infinité.

85
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
86 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.4.3.
Supposons que x1 ∈ Rn et x2 ∈ Rn soient deux solutions distinctes de Ax = b. C’est à
dire,

Ax1 = b, Ax2 = b.

Notons x0 la différence entre x1 et x2 , i.e.

x0 = x1 − x2 = 0.

Calculons Ax0 , nous obtenons

Ax0 = A(x1 − x2 ) = Ax1 − Ax2 = b − b = 0

et nous pouvons en conclure que x0 est une solution de l’équation homogène Ax = 0.


Considérons maintenant A(x1 + kx0 ), avec k un réel :

A(x1 + kx0 ) = Ax1 + Akx0 = Ax1 + kAx0 = b + k 0 = b

pour k quelconque. Nous en déduisons que x1 + kx0 fournit une infinité de solutions
différentes de Ax = b puisqu’il y en a une pour n’importe quel choix de k ∈ R. Par
conséquent, si un système linéaire de la forme Ax = b admet plus d’une solution, alors il
en admet une infinité.

2.5 Les systèmes d’équations linéaires carrés


Un système d’équations linéaires carré est un système d’équations linéaires contenant
autant d’équations que d’inconnues. Le déterminant de la matrice des coefficients joue
un rôle majeur dans la résolution de ce genre de systèmes. Nous introduisons la règle de
Cramer, à partir de laquelle certains systèmes d’équations linéaires peuvent être résolus
en utilisant le déterminant.

Note théorique 2.5.


Considérons le système d’équations linéaires carré

A x = b, (2.5.1)

où A est une matrice n × n et b ∈ Rn .


1. Le système (2.5.1) peut être résolu en utilisant la méthode du pivot de Gauss. Voir
la Note théorique 2.4 pour une description détaillée de cette méthode.
2. Le système (2.5.1) admet une unique solution x ∈ Rn pour tout b ∈ Rn si et
seulement si A est inversible. Cette solution est alors donnée par
x = A−1 b.

86
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 87

3. Le système (2.5.1) admet une unique solution si et seulement si det A = 0. Par


conséquent, si det A = 0 alors il peut en admettre une infinité ou aucune.
4. Si le système (2.5.1) est compatible, alors sa solution unique peut être calculée via
la règle de Cramer qui prend la forme :

La règle de Cramer :
Si det A = 0 alors l’unique solution x = (x1 , x2 , . . . xn ) de (2.5.1) est donnée par la
formule
det Aj (b)
xj = , j = 1, 2, . . . , n,
det A
où A (b) est la matrice obtenue à partir de A en remplaçant sa j ème colonne par
j
le vecteur b. Dans le cas où det A = 0, la règle de Cramer dit :
Si det A = 0 et det Aj (b) = 0 pour au moins une valeur de j, alors le système (2.5.1)
est incompatible. Si det A = 0 et det Aj (b) = 0 pour tout j = 1, 2, . . . , n, alors le
système (2.5.1) admet une infinité de solutions.

Challenge the way we run

EXPERIENCE THE POWER OF


FULL ENGAGEMENT…

RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM

1349906_A6_4+0.indd 1 22-08-2014 12:56:57

87
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
88 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Problème 2.5.1.
Considérons le système d’équations linéaires carré Ax = b avec
     
k 1 2 1 x1
A =  2 1 k  , b =  −7  , x =  x2  ,
k 0 1 3 x3

où k est un paramètre réel non spécifié.


a) Trouver toutes les valeurs de k telles que ce système admet une solution unique.
Quelles sont les valeurs de k pour lesquelles la matrice A est inversible ?
b) Trouver toutes les valeurs de k, telles que ce système admet une infinité de solutions
ainsi que toutes les valeurs de k pour lesquelles le système est incompatible.

Solution 2.5.1.
a) Nous rappelons que le système linéaire carré Ax = b admet une solution unique si
et seulement si det A = 0 et donc si A est inversible. Le calcul du déterminant de
A nous donne  
 k 1 2 
 
det A =  2 1 k  = (k + 1)(k − 2).
 k 0 1 
Donc ce système linéaire a une solution unique pour tout k ∈ R\{−1, 2}, et cette
solution s’écrit
x = A−1 b
pour tout k ∈ R\{−1, 2}.
b) Pour trouver les valeurs de k telles que le système linéaire Ax = b admette une infi-
nité de solutions, il nous faut étudier les deux valeurs de k annulant le déterminant
de A, k = −1 et k = 2.

Pour k= −1, la matrice augmentée


  du système est 
−1 1 2 1 1 −1 −2 −1
 2 1 −1 −7  ∼  0 1 1 −2  .
−1 0 1 3 0 0 0 1
A partir de la troisième ligne de cette matrice il est clair que le système est incom-
patible dans ce cas.

Pour k= 2, la matriceaugmentée


 du système 
est
2 1 2 1 2 1 2 1
 2 1 2 −7  ∼  0 0 0 8 .
2 0 1 3 0 −1 −1 2
A partir de la seconde ligne de cette matrice il est clair que le système est incom-
patible dans ce cas.

88
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 89

En conclusion, ce système linéaire carré admet une unique solution pour tout k ∈
R\{−1, 2} et qu’il est incompatible pour k = −1 ainsi que k = 2. Par conséquent,
il n’existe pas de valeur réelle de k telle que ce système admette une infinité de
solutions.

Problème 2.5.2.
Considérons le système linéaire suivant :
    
1 k 1 x1 k
 k 1 1   x2  =  2  ,
−3 0 −1 x3 −2
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que ce système admette une unique solution
et la déterminer à l’aide de la règle de Cramer.
b) Trouver toutes les valeurs de k telles que le système soit incompatible ainsi que
toutes les valeurs de k telles qu’il admette une infinité de solutions, dans ce dernier
cas déterminer toutes les solutions.

Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.

Försäkra din lön


för 90 kronor
i månaden

@akademikernas på Twitter facebook.com/akademikernas

aea.se/blimedlem

89
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
90 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.5.2.

a) Nous devons résoudre le système


 Ax =  b, où 
1 k 1 k
A= k 1 1  et b =  2  .
−3 0 −1 −2
Le déterminant de A est
det A = k2 − 3k + 2 = (k − 1)(k − 2)
donc A est inversible si et seulement si k ∈ R\{1, 2}. Le système possède ainsi
une solution unique pour toutes les valeurs de k, excepté 1 et 2. Pour trouver cette
solution unique nous utilisons la règle de Cramer et calculons
det Aj (b)
xj = , j = 1, 2, 3.
det A
Nous obtenons  
 k k 1 
 

det A1 (b) =  2 1 1  = 2 − k
 −2 0 −1 
 
 1 k 1 
 
det A2 (b) =  k 2 1  = (k − 2)(k − 3)

 −3 −2 −1 
 
 1 k k 

det A3 (b) =  k 1 2  = 2k 2 − 3k − 2 = (2k + 1)(k − 2).
 −3 0 −2 
Donc l’unique solution du système est x = (x1 , x2 , x3 ), avec
1 k−3 2k 2 − 3k − 2 (2k + 1)(k − 2) 2k + 1
x1 = − , x2 = , x3 = = = .
k−1 k−1 (k − 1)(k − 2) (k − 1)(k − 2) k−1
Ici k peut être n’importe quelle valeur réelle, à l’exception de 1 ou 2. Pour k = 2,
nous avons
det A = 0 et det Aj (b) = 0 pour j = 1, 2, 3.
Par conséquent, la règle de Cramer nous dit que le système admet une infinité de
solutions pour k = 2. Pour k = 1, nous avons
det A = 0 et det Aj (b) = 0 pour j = 1, 2, 3.
Ainsi, la règle de Cramer nous dit que le système est incompatible pour k = 1.
b) La matrice augmentée
 du système est
1 k 1 k
[A b] =  k 1 1 2 .
−3 0 −1 −2
Multiplions la première ligne par −1 et additionnons la à la seconde ligne afin
d’obtenir
 la matrice l-équivalente 
1 k 1 k
 k − 1 1 − k 0 2 − k ,
−3 0 −1 −2
à partir de laquelle il est clair que le système est incompatible si et seulement si

90
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 91

k = 1.Pour k = 2 cette matrice


 augmentée a la forme échelonnée réduite suivante :
1 0 1/3 2/3
 0 1 1/3 2/3  .
0 0 0 0
La 3 ème n’est pas un pivot, nous pouvons donc choisir x arbitrairement. Notons
3
x3 = t. Les solutions
 du système
   pour k = 2 s’écrivent alors
1 2
t 1
x = −  1  +  2  pour tout t ∈ R.
3 3
−3 0

Problème 2.5.3.
Soit la matrice 4 × 4 :
 
1 1 0 k
 2k 1 1 0 
A=  0 0 −1
,

1
1 1 1 −2
avec k un paramètre réel non spécifié.
a) Considérons le système linéaire homogène
Ax = 0,
où x ∈ R4 . Trouver toutes les valeurs de k telles que ce système admette seulement
la solution triviale (donnée par le vecteur nul), ainsi que toutes les valeurs de k pour
lesquelles le système admet une infinité de solutions.
b) Considérons le système linéaire
 non homogène
1
 0 
Ax = b, b=  1 .

0
Trouver toutes les valeurs de k pour lesquelles le système admet une infinité de
solutions x ∈ R4 et déterminer ces solutions. Trouver aussi les valeurs de k telles que
le système admette une solution unique, et celles pour lesquelles il est incompatible.

91
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
92 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Solution 2.5.3.

a) Nous rappelons que le système linéaire carré Ax = 0 admet seulement la solution


x = 0 si et seulement si A est une matrice inversible. De plus, A est inversible si et
seulement si det A= 0. Calculons donc
 le déterminant de A :
 1 1 0 k 
 
 2k 1 1 0 
det A =  
 0 0 −1 1 
 1 1 1 −2 
     
 1 1 0   2k 1 0   2k 1 1 
    
= 1  0 −1 1  −  0 −1
  1  − k  0 0 −1 
  
 1 1 −2   1 1 −2   1 1 1 

= −2k2 − k + 1
= −(k + 1)(2k − 1).
Nous en déduisons que Ax = 0 admet seulement la solution nulle pour tout k ∈
R\{−1, 1/2} et que le système admet une infinité de solutions pour k = −1 et
k = 1/2.
b) Comme A est inversible pour tout k ∈ R\{−1, 1/2}, le système admet une solution
unique pour toutes ces valeurs de k et cette solution est donnée par
x = A−1 b.
Comme det A = 0 pour k = −1 et k = 1/2, nous devons étudier le système Ax = b
dans ces cas
 là. Notons

x1
 x2 
x=  x3  .

x4
Pour k= −1 la matrice augmentée
 et sa forme réduite échelonnée
 sont :
1 1 0 −1 1 1 0 0 −2/3 0
 −2 1 0 0   1 
 1  ∼  0 1 0 −1/3 .
 0 0 −1 1 1   0 0 1 −1 −1 
1 1 1 −2 0 0 0 0 0 0
comme la quatrième colonne de cette matrice n’est pas un pivot nous notons x4 = t,
où t est un paramètre
   arbitraire.
 Les solutions s’écrivent alors
2 0
t 1   
 +  1  pour tout t ∈ R.
x=    
3 3 −1 
3 0
Pour k= 1/2 la matrice augmentée
  et sa forme réduite  échelonnée sont :
1 1 0 1/2 1 1 1 0 0 1
 1 1 0 0   
 1  ∼  0 0 1 0 −1  .
 0 0 −1 1 1   0 0 0 1 0 
1 1 1 −2 0 0 0 0 0 0
Comme la seconde colonne de cette matrice augmentée n’est pas un pivot nous

92
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 93

notons x2 =t, où test 


un paramètre
 arbitraire. On obtient ainsi les solutions :
−1 1
 1   0 
x = t   
 0  +  −1  pour tout t ∈ R.
0 0
En conclusion, le système admet une infinité de solutions pour k = 1 et k = 1/2 et
en admet une unique pour toutes les autres valeurs de k. Par conséquent, il n’existe
pas de valeur de k telle que le système soit incompatible.

Unlock your potential


eLibrary solutions from bookboon is the key

eLibrary

Interested in how we can help you?


email ban@bookboon.com

93
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
94 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

2.6 Les systèmes d’équations linéaires dans R3


Dans ce sous-chapitre, nous étudions les systèmes d’équations linéaires contenant au
plus trois variables. Géométriquement, ces équations sont des plans de R3 comme démontré
au Chapitre 1. Nous utilisons le pivot de Gauss, le déterminant des matrices carrées ainsi
que les connaissances acquises au Chapitre 1 à propos des plans dans le but de résoudre
ces systèmes et d’interpréter leurs solutions d’un point de vue géométrique dans R3 .

Note théorique 2.6.


L’équation générale d’un plan de R3 est

ax + by + cz = d, (2.6.1)

où a, b, c et d sont des nombres réels donnés. Tous les points (x, y, z) dans R3 appartenant
au plan doivent donc satisfaire l’équation (2.6.1). Considérons maintenant m plans de R3
respectivement décrits par le système de m équations suivant :

a11 x + a12 y + a13 z = d1


a21 x + a22 y + a23 z = d2
..
.
am1 x + am2 y + am3 z = dm .

Ce système peut aisément s’écrire sous la forme d’une équation matricielle

Ax = d, (2.6.2)

où
   
a11 a12 a13 d1  
 a21 a22 a23   d2  x
   
A= .. .. .. , d= .. , x =  y .
 . . .   . 
z
am1 am2 am3 dm

1. Etant donné que nous avons un nombre fini de plans dans R3 il existe seulement
quatre possibilités pour ce qui est de leur intersection,
a) tous les plans se croisent en un point unique ;
b) tous les plans se croisent sur sur une droite commune ;
c) tous les plans ne se croisent pas en un point unique ou sur une droite commune ;
d) tous les plans coincident.

Remarque : Si nous avons seulement deux plans (m = 2), alors le cas a) est
impossible.
2. A ces quatre possibilités pour l’intersection des m plans correspondent les solutions
suivantes x ∈ R3 du système (2.6.2) :

94
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 95

a) si tous les plans de croisent en un point unique alors le système (2.6.2) admet
une solution unique ;
b) si tous les plans se croisent sur une droite commune, alors le système (2.6.2)
admet une infinité de solutions avec un seul paramètre libre ;
c) si tous les plans ne se croisent pas en un point unique ou sur une droite commune,
alors le système (2.6.2) est incompatible et n’admet pas de solution ;
d) si tous les plans coincident, alors le système (2.6.2) admet une infinité de solu-
tions avec deux paramètres libres.

Remarque : Si nous avons seulement deux plans, alors le système (2.6.2) avec
m = 2 a soit aucune solution (pas d’intersection), soit une infinité de solutions
avec un paramètre libre (intersection sur une droite), ou une infinité de solution
avec deux paramètres libres (les deux plans coincident).

Problème 2.6.1.
Considérons les trois plans de R3 suivants :

x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k,

où k est un paramètre réel non spécifié.


Trouver toutes les valeurs de k telles que ces plans se croisent sur une droite commune
 et exprimer  sous sa forme paramétrique. Existe-t-il des valeurs de k pour lesquelles
l’intersection de ces plans est un point unique ? Expliquer.

Solution 2.6.1.
Ecrivons d’abord les trois équations

x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k

sous une forme matricielle


     
1 −4 7 x 1
Ax = b, où A =  0 3 −5  , x =  y , b =  0 .
−2 5 −9 z k
La matrice augmentée du système est
     
1 −4 7 1 1 −4 7 1 1 0 1/3 1
[A b] =  0 3 −5 0 ∼ 0 3 −5 0  ∼  0 1 −5/3 0 .
−2 5 −9 k 0 −3 5 k+2 0 0 0 k+2

95
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
96 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

A partir de la forme échelonnée réduite de [A b] ci-dessus, nous concluons que le système


Ax = b est compatible si et seulement si k = −2. Pour cette valeur de k le système admet
une infinité de solutions. En choisissant z = t comme paramètre arbitraire, ces solutions
sont

1 5
x = − t + 1, y = t, z=t pour tout t ∈ R.
3 3

Donc, pout k = −2, les trois plans se croisent sur une droite commune , donnée par
l’équation paramétrique


 1

 x=− t+1

 3
: 5
 y= t

 3


z = t pour tout t ∈ R.

La figure 2.1 montre l’intersection des trois plans le long de la droite  pour k = −2.

Figure 2.1 – L’intersection des plans du problème 2.6 a) le long de la droite  pour
k = −2.

Pour toutes les valeurs k ∈ R\{−2}, le système est incompatible. La figure 2.2 montre les
trois plans dans le cas k = 6 et nous voyons qu’ils ne se croisent pas en un point unique
ou sur une droite commune.

96
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss

2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 97

Figure 2.2 – Pas d’intersection des plans du problème 2.6 a) pour k = 6.

Nous en déduisons qu’il n’existe pas de valeur de k pour laquelle le système admet une
unique solution. En d’autres mots, il n’existe pas de valeur de k telle que les trois plans
se croisent en un unique point.

Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.

Its wide range of products includes locomotives


and passenger rail vehicles. It also manufactures
total transit systems, bogies, propulsion & controls
and provides rail control solutions.

Across mechanical, electrical, software and


specialist engineering, we have a first-class
Join a reputation for innovation. So it’s no surprise that we
are the number one rail manufacturer in the world.
Winning Team! Go to www.careers.bombardier.com for open
positions.

The Climate is Right for Trains

97
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
98 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Problème 2.6.2.
Soient les quatre plans de R3 :

x+y =2
y+z =2
x+z =2
ax + by + cz = 0,

où a, b et c sont des paramètres réels non spécifiés.


a) Trouver la condition sur les paramètres a, b et c, telle que les quatre plans se croisent
en un point unique et déterminer ce point.
b) Trouver la condition sur les paramètres a, b et c, telle que le système de quatre
équations est incompatible. Donner une interprétation géométrique de ce cas en
terme d’intersection des plans.
c) Existe-t-il des valeurs des paramètres a, b et c pour lesquelles les quatre plans se
croisent sur une droite commune ? Expliquer.

Solution 2.6.2.
a) Ecrivons les équations
x+y =2
y+z =2
x+z =2
ax + by + cz = 0,
sour la forme d’un système
 matriciel  
1 1 0   2
 0 1 1  x  2 
Ax = b, où A =   1 0 1 , x =
  y , b =  .
 2 
z
a b c 0
La matrice augmentée
 est 
1 1 0 2
 0 1 1 2 
[A b] =  1 0 1 2 .

a b c 0
Afin d’écrire cette matrice sous sa forme échelonnée réduite, il est pratique de
d’abord effectuer les opérations élémentaires sur les trois premières lignes de [A b]
puis de
 se charger dela quatrième
 colonne.
 Nous obtenons 
1 1 0 2 1 0 0 1 1 0 0 1
 0 1 1 2   0 1 0 1   0 1 0 1 
     .
 1 0 1 2 ∼ 0 0 1 1 ∼ 0 0 1 1 
a b c 0 a b c 0 0 0 0 a+b+c
A partir de la quatrième ligne de cette matrice, nous concluons que le système
Ax = b est compatible si et seulement si la condition suivante est satisfaite :
a+b+c=0

98
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 99

et, sous cette condition, la solution unique du système est


x = 1, y = 1, z = 1.
Donc le point commun des quatre plans est (1, 1, 1) pour toutes les valeurs de a, b
et c, telles que a + b + c = 0.

b) Le système Ax = b, tel qu’il est décrit ci-dessus, n’est pas compatible quelque soient
a, b et c, tels que
a + b + c = 0.
Ce qui signifie que pour toutes ces valeurs de a, b et c les quatre plans ne se croisent
ni en un point commun, si sur une même droite.
c) Comme démontré aux questions précédents, le système admet une solution unique
pour toutes les valeurs de a, b et c satisfaisant la condition a + b + c = 0 et il est
inconsistant si cette condition n’est pas satisfaite. Il n’existe donc pas de valeur de
a, b et c permettant au système d’admettre une infinité de solutions, il n’existe donc
pas de valeurs pour lesquelles les quatre plans se croisent sur une droite commune.

Problème 2.6.3.
Considérons les quatre plans de R3 :
Π1 : 2x + 4y + 2z = 12s
Π2 : 2x + 12y + 7z = 12s + 7
Π3 : x + 10y + 6z = 7s + 8
Π4 : x + 2y + 3z = −1,
où s est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de s telles que les trois plans Π1 , Π2 and Π3 se croient
sur une droite commune et déterminer l’équation paramétrique de cette droite.
b) Trouver le point d’intersection des quatre plans Π1 , Π2 , Π3 and Π4 , si un tel point
existe.
Solution 2.6.3.
a) Les plans Π 1 , Π2 et Π3 peuvent s’écrire
 sous 
la forme Ax
 = b, où
2 4 2 12s x
A =  2 12 7  , b =  12s + 7  , x =  y  .
1 10 6 7s + 8 z
Ecrivons maintenant
 la matrice augmentée
  [A b] dans sa forme échelonnée
 réduite :
2 4 2 12s 1 0 −1/4 (24s − 7)/4
[A b] =  2 12 7 12s + 7  ∼  0 1 5/8 7/8 .
1 10 6 7s + 8 0 0 0 s+1
Nous en déduisons que le système est compatible si et seulement si s = −1. Alors il
s’écrit
5 7 1 31
y+ z = , x− z =− .
8 8 4 4
z étant clairement un paramètre arbitraire, notons z = t. La solution est alors
1 31 5 7
x = t − , y = − t + , z = t pour tout t ∈ R.
4 4 8 8

99
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
100 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

L’équation paramétrique de la droite , décrivant l’intersection des plans Π1 , Π2 et


Π3 pour  s = −1, est donc
 1 31

 x= t−

 4 4
: 5 7
 y =− t+

 8 8


z=t pour tout t ∈ R.
Remarquons que les plans Π1 , Π2 et Π3 ne se croisent sur la droite  que si s = −1.
Pour toute autre valeur de s, donc pour s ∈ R\{−1}, il n’y a pas d’intersection
commune des plans.
b) Afin de trouve l’intersection de Π4 avec la droite  obtenue à la partie a) ci-dessus,
nous devons trouver la valeur de t telle que Π4 : x + 2y + 3z = −1 est satisfaite.
C’est à dire  
31 1 7 5
− + t+2 − t + 3t = −1,
4 4 8 8
5
qui donne t = . Le point d’intersection de Π1 , Π2 , Π3 et Π4 est alors (x1 , y1 , z1 ),
2
avec    
1 5 31 57 5 5 7 11 5
x1 = − = − , y1 = − + = − , z1 = .
4 2 4 8 8 2 8 16 2
57 11 5
Cette intersection est représentée à la figure 2.3. (− , − , ).
8 16 2

Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?

Välkommen till oss!

karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden

100
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 101

Figure 2.3 – L’intersection des quatre plans du problème 2.6 c) pour s = −1.

Problème 2.6.4.
Considérons les six plans format un parallélépipède à leur intersection comme représentés
à la figure 2.4 :

Π1 : x + y − 4z = −10
Π2 : x + y − 4z = −6
Π3 : y − 2z = −2
Π4 : y − 2z = −3
Π5 : x − 3y + 8z = 18
Π6 : x − 3y + 8z = 14.

Trouver les sommets, le volume et l’isobarycentre du parallélépipède.

101
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
102 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Figure 2.4 – Six plans format un parallélépipède à leur intersection.

Solution 2.6.4.
Les équations des plans Πj ainsi que les vecteurs normaux correspondants nj (j = 1, 2, . . . , 6)
décrivant les six faces du parallélépipède de la figure 2.5 sont :
Π1 : x + y − 4z = −10, n1 = (1, 1, −4)
Π2 : x + y − 4z = −6 n2 = (1, 1, −4)
Π3 : y − 2z = −2, n3 = (0, 1, −2)
Π4 : y − 2z = −3 n4 = (0, 1, −2)
Π5 : x − 3y + 8z = 18, n5 = (1, −3, 8)
Π6 : x − 3y + 8z = 14, n6 = (1, −3, 8).
Les coordonnées du sommet P1 : (x1 , y1 , z1 ) sont données par l’intersection des plans Π1 ,
Π4 et Π6 (voir la figure 2.5). Nous écrivons
P1 : Π1 ∩ Π4 ∩ Π6 .
Elles correspondent à la solution unique du système linéaire
A1 x1 = b1 ,
où
   
1 1 −4 −10
A1 =  0 1 −2  , b1 =  −3  .
1 −3 8 14

102
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 103

Figure 2.5 – Le parallélépipède contenu dans les six plans Π1 , Π2 , Π3 , Π4 , Π5 et Π6 .

Nous remarquons que det A1 = 4 qui assure l’existence d’une solution unique au système
linéaire ci-dessus : x1 = A−1
1 b1 . Nous obtenons
 
−1
x1 =  3 .
3
Les coordonnées du sommet P2 : (x2 , y2 , z2 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P2 : Π1 ∩ Π4 ∩ Π5 .
Et donc par la solution unique du système linéaire
A2 x2 = b2 ,
où
   
1 1 −4 −10
A2 =  0 1 −2  , b2 =  −3  .
1 −3 8 18
det A2 = 4, qui assure une nouvelle fois l’existence de la solution unique. Nous avons
 
1
x2 =  5  .
4
Les coordonnées du sommet P3 : (x3 , y3 , z3 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P3 : Π1 ∩ Π3 ∩ Π5 .

103
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
104 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Qui correspondent à la solution du système linéaire


A3 x 3 = b 3 ,
où
   
1 1 −4 −10
A3 =  0 1 −2  , b3 =  −2  .
1 −3 8 18
det A3 = 4, nous avons toujours une solution unique qui est
 
2
x3 =  8  .
5
Les coordonnées du sommet P4 : (x4 , y4 , z4 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P4 : Π1 ∩ Π3 ∩ Π6 .
Qui correspondent à la solution du système linéaire
A4 x4 = b4 ,
où
   
1 1 −4 −10
A4 =  0 1 −2  , b4 =  −2  .
1 −3 8 14
Avec det A4 = 4 et donc une solution unique donnée par
 
0
x4 =  6 .
4
Les coordonnées du sommet P5 : (x5 , y5 , z5 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P5 : Π2 ∩ Π4 ∩ Π6 .
Il faut résoudre le système linéaire
A5 x5 = b5 ,
où
   
1 1 −4 −6
A5 =  0 1 −2  , b5 =  −3  .
1 −3 8 14
Une nouvelle fois det A5 = 4, il y a donc une solution unique qui est
 
1
x5 =  1  .
2

104
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 105

Les coordonnées du sommet P6 : (x6 , y6 , z6 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P6 : Π2 ∩ Π4 ∩ Π5 .
Qui correspondent à la solution du système linéaire
A6 x6 = b6 ,
où
  
1 1 −4 −6
A6 =  0 1 −2  , b6 =  −3  .
1 −3 8 18
Avec det A6 = 4 et donc la solution unique
 
3
x6 =  3  .
3
Les coordonnées du sommet P7 : (x7 , y7 , z7 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P7 : Π2 ∩ Π3 ∩ Π5 .
Il faut donc résoudre le système linéaire
A7 x7 = b7 ,
où
  
1 1 −4 −6
A7 =  0 1 −2  , b7 =  −2  .
1 −3 8 18
Avec det A7 = 4 qui nous garantit une solution unique, donnée par
 
4
x7 =  6 .
4
Les coordonnées du sommet P8 : (x8 , y8 , z8 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P8 : Π2 ∩ Π3 ∩ Π6 .
Il faut donc résoudre le système linéaire
A8 x8 = b8 ,
où
  
1 1 −4 −6
A8 =  0 1 −2  , b8 =  −2  .
1 −3 8 14

105
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
106 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Avec det A7 = 4 qui nous garantit une solution unique, donnée par
 
2
x8 =  4  .
3
Résumons : les coordonnées des sommets du parallélépipède sont (voir le figure 2.5) :
P1 : (−1, 3, 3) P2 : (1, 5, 4), P3 : (2, 8, 5), P4 : (0, 6, 4)

P5 : (1, 1, 2), P6 : (3, 3, 3), P7 : (4, 6, 4), P8 : (2, 4, 3).


Le volume V de ce parallélépipède est donné par le produit triple
−−−→ −−−→ −−−→
V = | P5 P8 × P5 P6 · P5 P1 |,
où | | renvoie à la valeur absolue et
−−−→ −−−→ −−−→
P5 P8 = (1, 3, 1), P5 P6 = (2, 2, 1), P5 P1 = (−2, 2, 1).
Nous avons
 
 1 3 1 
 
V = |  2 2 1  | = | − 4| = 4 unités cubiques
 −2 2 1 
Pour trouver l’isobarycentre Q : (x, y, z) du parallélépipède nous pouvons considérer, par
exemple, les sommets P5 et P3 , où
−−→ 1 −−−→
P5 Q = P5 P3
2
     
x 1 1
 y  −  1  = 1  7 .
2
z 2 3
3 9 7
Les coordonnées de l’isobarycentre Q sont donc Q : ( , , ).
2 2 2

Pour trouver la hauteur h du parallélépipède de base Π2 , nous projetons orthogonalement


−−−→
le vecteur P5 P1 sur le vecteur normal n2 = (1, 1, −4) de Π2 , i.e.
 −−−→  √
−−−→ P5 P1 · n2 2 2 8 2 2
h = proj n2 P5 P1  =  n2 = (− , , ) = .
n2 · n2 9 9 9 3
Alternativement, nous pouvons calculer la distance s entre les plans Π1 et Π2 , donnée par
la relation
|d1 − d2 |
s= ,
n
pour Π1 : ax + by + cz = d1 et Π2 : ax + by + cz = d2 (voir la note théorique 1.5). Pour
ce cas nous avons
a = 1, b = 1, c = −4, d1 = −10,
d2 = −6, n = (1, 1, −4).

| − 10 − (−6)| 4 2 2
Qui nous donne s = √ =√ = .
1 + 1 + 16 18 3

106
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.7. INTERSECTION DES DROITES DANS R3 107

2.7 Intersection des droites dans R3


Dans ce sous-chapitre nous étudions l’intersection des droites de R3 et montrons com-
ment les calculer.

Note théorique 2.7.


Soient 1 et 2 deux droites de R3 , il y a trois cas possibles :
a) 1 et 2 se croisent en un point unique.
b) 1 et 2 se croisent en tout point de 1 et 2 , dans ce cas les deux droites coincident.
c) 1 et 2 ne se croisent en aucun point.

Remarque : Si nous avons plus de deux droites dans R3 , alors les possibilités pour leur
intersection sont les mêmes que celles listées ci-dessus pour deux droites.

Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized

107
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
108 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Problème 2.7.1.
Considérons les deux droites de R3 suivantes :
 

 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y = bs + 3

 


 z = 2t + 2 
 z = −s − 1
pour tous t ∈ R et s ∈ R, et où b est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de b telles que les droites 1 et 2 se croisent.
b) Les droites se croisent-elles pour b = 1 ? Si tel est le cas, déterminer leur intersection.

Solution 2.7.1.
a) En tout point où 1 et 2 se croisent, il doit exister des valeurs des paramètres t et
s satisfaisant les coordonnées du point d’intersection. Afin de calculer ces points,
considérons
x = 2t + 3 = −s
y = −4t + 1 = bs + 3
z = 2t + 2 = −s − 1.
Nous avons
2t + 3 = −s
−4t + 1 = bs + 3
2t + 2 = −s − 1
que nous
 pouvons réécrire sous
 formematricielle
2 1   −3
 −4 −b  t =  2  .
s
2 1 −3
La matrice
 augmentée  correspondante est
2 1 −3
 −4 −b 2 .
2 1 −3
Nous effectuons maintenant deux opérations élémentaires sur les lignes de cette
matrice,
1 : multiplier la première ligne par 2 and et ajouter le résultat à la seconde ligne ;
2 : multiplier la première ligne par −1 et ajouter le résultat à la troisième ligne.
Ce quinous donne la forme  échelonnée suivante :
2 1 −3
 0 2 − b −4  .
0 0 0
A partir de cette forme échelonnée, nous concluons que le système admet une solu-
tion pour t et s si et seulement si
b = 2.

108
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.7. INTERSECTION DES DROITES DANS R3 109

Par conséquent, les droites 1 et 2 se croisent si et seulement si


b ∈ R\{2}.
Pour ces valeurs de b, nous avons alors
2 − 3b 4
t= , s= .
2(b − 2) b−2
En insérant ces valeurs de t et s dans les équations paramétriques de 1 ou 2 , nous
obtenons les coordonnées x, y et z du point d’intersection pour tout b ∈ R\{2},
−4 7b − 6 b+2
x= , y= , z=− .
b−2 b−2 b−2
b) Pour b = 1 les droites 1 et 2 se croisent et la réponse à la question précédente nous
donne les valeurs de t et s correspondantes
1
t= , s = −4.
2
En insérant ces valeurs dans les équations paramétriques de 1 ou 2 nous obtenons
les coordonnées du point d’intersection,
(4, −1, 3).

Problème 2.7.2.
Considérons les trois droites de R3 :
  

 x = −t + 3 
 x = 3s + 3 
 x = −4p + 8

 
 

1 : y = 2t + 1 2 : y = −6s + 1 3 : y =p+2

 
 


 z = −t + 2 
 z = 3s + 2 
 z = 2p − 1

pour tous t ∈ R, s ∈ R et p ∈ R.
a) Find the Trouver le(s) point(s) s’intersection des droites 1 et 2 , si ces droites se
croisent.
b) Find the Trouver le(s) point(s) s’intersection des droites 1 , 2 et 3 , si ces droites
se croisent.

Solution 2.7.2.
a) Pour déterminer le point d’intersection de 1 et 2 , considérons
x = −t + 3 = 3s + 3
y = 2t + 1 = −6s + 1
z = −t + 2 = 3s + 2,
donc
−t − 3s = 0
2t + 6s = 0
−t − 3s = 0.
Ce quinous donne,
 en forme matricielle,
 
−1 −3   0
 2 t
6  =  0 .
s
−1 −3 0

109
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
110 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

Nous  avons alors la matrice


  augmentée correspondante
−1 −3 0 1 3 0
 2 6 0  ∼  0 0 0 ,
−1 −3 0 0 0 0
ce qui veut dire que
t = −3s pour tout s ∈ R.
Donc, pour toute valeur de s ∈ R il existe une valeur de t, en l’occurence t = −3s
paramétrisant les mêmes coordonnées et par conséquent un point d’intersection
entre 1 et 2 . Les deux droites, 1 et 2 , se croisent donc en tout point de 1 (ou
2 ), de telle façon que ces deux droites coincident.
b) Comme 1 et 2 coincident (voir la question précédente), nous pouvons maintenant
chercher les intersections entre 1 et 3 . Considérons
x = −t + 3 = −4p + 8
y = 2t + 1 = p + 2
z = −t + 2 = 2p − 1,
donc l’équation
 matricielle
 s’écrit
 
−1 4   5
 2 −1  t
=  1 ,
p
−1 −2 −3
et la matrice
 augmentée
    
−1 4 5 1 −4 −5 1 −4 −5
 2 −1 1 ∼ 0 7 11  ∼  0 1 11/7  ,
−1 −2 −3 0 −6 −8 0 0 1
qui nous dit que le système est incompatible. Donc il n’existe aucune valeur de t
et p qui pourraient nous donner le même point, il n’y a par conséquent aucune
intersection entre 1 et 3 . Les trois droites, 1 , 2 et 3 , ne se croisent donc pas en
un point commun.

JAG UTVECKLAR OCH UTVECKLAS!


På Prevas träffar du kompetenta, spännande och trevliga människor
varje dag. De kan vara dina nya kollegor eller så kan det vara någon av
våra kunders medarbetare. Hos oss får du möjlighet att arbeta med olika
kunder i olika branscher med olika typer av teknologi i olika processer.
Som medarbetare på Prevas kommer du därför alltid att fortsätta
utvecklas så länge du själv vill.
Läs mer på www.prevas.se/growth

INNOVATION FOR GROWTH


www.prevas.com

110
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.8. EXERCISES 111

2.8 Exercises

1. Soit l’équation matricielle


AX −1 + 3B = A2 ,
où
   
1 −1 2 1
A= , B=
0 3 1 1
et X est une matrice inversible 2 × 2. Trouver X satisfaisant l’équation ci-dessus.

 
−2/17 −5/17
[Réponse : X= .]
−1/17 6/17

2. Considérons l’équation
2X + AX = 3B,
où
 
1 3
A=
−1 −2
et X est une matrice non spécifiée.
a) Pour cette 
équation, supposons que
3 1
B= ,
−3 2
trouver alors X.
 
9 −6
[Réponse : X= .]
−6 7

b) Supposons maintenant que 


1 −1 −2
B= ,
−1 1 3
trouver X.
 
3 −3 −9
[Réponse : X= .]
−2 2 7

3. Soit l’équation matricielle


C −1 (XB − A)B −1 = X,
où B, C et In − C sont toutes des matrices inversibles n × n. Trouver la matrice
X satisfaisant l’équation ci-dessus et l’exprimer et fonction des autres matrices de
l’équation et de la matrice identité In .

[Réponse : X = (In − C)−1 AB −1 . ]

111
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
112 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

4. Considérons l’équation matricielle


AX −1 + (X + B)−1 = X −1 ,
où A, B, X, X + B, A−1 − In et A − In sont des matrices inversibles n × n.
a) Résoudre cette équation pour X.

[Réponse : X = B(A−1 − In ). ]

b) Résoudre cette
 équation
 pour X,quand A
 et B prennent les formes suivantes :
1 −1 2 1
A= , B= .
1 0 1 1
 
−3 2
[Réponse : X= .]
−2 1

5. Soit la matrice :
 
a 2 3
A= 1 0 −1  ,
−1 3 a + 6
où a est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de a, telles que la matrice A soit inversible.

[Réponse : a ∈ R\{1}. ]

b) Calculer l’inverse de A pour a = 0.


 
−3 3 2
[Réponse : A−1 =  5 −3 −3  . ]
−3 2 2

6. Trouver toutes les solutions du système Ax = b pour les matrice A et vecteur b


donnés ci-dessous. Donner une interprétation géométrique des solutions lorsque cela
est possible.
   
1 −2 −1 1
a) A =  2 −2 0 , b =  2 .
−2 8 5 1
 
4
[Réponse : La seule solution est un point de R3 de coordonnées x =  3  . ]
−3
  
1 −2 −1 1
b) A =  2 −2 0 , b =  3 .
−2 8 6 0

112
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE 113Gauss
Algébre matricielle et pivot de

[Réponse : Les solutions forment la droite de R3 passant par le point (3/2, 0, 1/2)
et parallèle au vecteur (1, 1, −1), il y a donc une infinité de solutions s’écrivant
   
1 3/2
x = t  1  +  0  pour tout t ∈ R. ]
−1 1/2
   
1 −1 2 1
c) A = , b= .
−2 2 −4 −2

[Réponse : Les solutions forment le plan de R3 d’équation


x1 − x2 + 2x3 = 1, il y en a donc une infinité et elles s’écrivent
       
x1 1 −2 1
x =  x2  = t  1  + s  0  +  0  pour tous t ∈ R et s ∈ R. ]
x3 0 1 0
   
1 −1 2 1
d) A =  1 1 4 , b =  1 .
−3 3 −6 0

[Réponse : Le système est incompatible, il n’admet donc aucune solution. ]

7. Déterminer l’intersection des deux plans suivants de R3 :


Π1 : x − y + 3z = 1
Π2 : x + y + 2z = 10.
Utiliser Maple afin de représenter ces plans dans R3 (voir l’annexe A pour plus
d’informations sur Maple).
[Réponse : Les deux plans se croisent sur la ligne suivante :


 x = −5t + 28


: y=t



 z = 2t − 9 pour tout t ∈ R. ]

113
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
114 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

8. Déterminer l’intersection des trois plans suivants de R3 :


Π1 : x + 3y − 5z = 0
Π2 : x + 4y − 8z = 0
Π3 : −2x − 7y + 13z = 0.
Utiliser Maple afin de représenter ces plans dans R3 (voir l’annexe A pour plus
d’informations sur Maple).
[Réponse : Les trois plans se croisent sur la ligne suivante :


 x = −4t


: y = 3t



 z=t for all t ∈ R. ]

9. Considérons les trois plans de R3 :


Π1 : x1 − 4x2 + 7x3 = 1
Π2 : 3x2 − 5x3 = 0
Π3 : −2x1 + 5x2 − 9x3 = k,
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que les trois plans se croisent le long d’une
droite commune , et donner l’équation paramétrique de cette droite.

[Réponse : Ces plans ne se croisent sur une droite commune  que si et seule-
ment si k= −2, de plus  est donnée par

 x1 = −t/5 + 1


: x2 = t



 x = 3t/5
3 pour tout t ∈ R. ]

b) Pour quelle(s) valeur(s) de k ces trois plans se croisent-ils en un point unique ?

[Réponse : Il n’existe pas de telle valeur de k. ]

10. Trouver toutes les solutions du système suivant :


x3 + 2x5 = 1
x1 + 6x2 + 2x3 + 4x5 = −1
x4 + 5x5 = 2.

       
x1 −6 0 −3
 x2   1   0   0 
       
[Réponse :     
 x3  = t  0  + s  −2
+
  1 

 x4   0   −5   2 
x5 0 1 0
pour tous t ∈ R et s ∈ R. ]

114
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE
115
Algébre matricielle et pivot de Gauss

11. Considérons le système suivant :


x1 + x3 + 2x4 = 1
2x1 + kx2 + x3 + x4 = 2
3x2 + x3 + 2x4 = 3
x1 + x2 + x4 = 4,
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k, telles que ce système n’ait qu’une unique solution.

[Réponse : k ∈ R\{−7}. ]

b) Trouver toutes les valeurs de k, telles que ce système ait une infinité de solutions.

[Réponse : Il n’existe pas de valeur de k pour lesquelles ce système admet


une infinité de solutions. ]

c) Trouver toutes les valeurs de k, telles que ce système soit incompatible.

[Réponse : k = −7. ]

d) Trouver toutes les valeurs de k, telles que la matrice associée au système soit
singulière.

[Réponse : k = −7. ]

12. Considérons le système suivant :


x1 + x2 + x3 = a
3x1 + kx3 = b
x1 + kx2 + x3 = c,
où a, b, c et k sont des paramètres réels non spécifiés.
a) Trouver toutes les valeurs de k telles que pout tous a, b et c ce système ait une
solution unique.

[Réponse : k ∈ R\{1, 3}. ]

b) Trouver toutes les valeurs de k et une condition sur a, b et c telles que le système
soit compatible.

[Réponse : A partir de la question a), nous savons que le système admet une
solution unique (et qu’il est donc compatible) pour tout k ∈ R\{1, 3} et tous
réels a, b et c. Pour k = 1 le système admet une infinité de solutions (et est
compatible) si et seulement si c = a pour tout c ∈ R. Pour k = 3 le système

115
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116
THÉORIE ET PROBLÈMES
admet uneCHAPITRE RÉSOLUS
infinité 2. ALG(et
de solutions ÈBRE MATRICIELLE
est compatible) ET PIVOT
si et seulement si cDE GAUSS
= 3a−2b/3
116
D’ALGÈBRE admet
LINÉAIRE une CHAPITRE
infinité de 2. ALG(et
solutions ÈBRE
est MATRICIELLE
compatible) si et ET matricielle
PIVOT
seulement
Algébre si cDE
= GAUSS
3a−2b/3
et pivot de Gauss
pour
admet tous
une ∈ R etde
ainfinité b∈ R. ]
solutions (et est compatible) si et seulement si c = 3a−2b/3
116 pour tous CHAPITRE
a ∈ R et b ∈ 2.
R. ALG
] ÈBRE MATRICIELLE ET PIVOT DE GAUSS
admettous
pour uneainfinité
∈ R etde b∈solutions
R. ] (et est compatible) si et seulement si c = 3a−2b/3
admettous
pour ∈ R etde
uneainfinité b∈ R. ]
solutions (et est compatible) si et seulement si c = 3a−2b/3
13. Soitadmet
l’équation
une matricielle
R
infinité de :R. ]
solutions
pour  tous
13. Soit l’équation a ∈ et
  :
matricielle b ∈  est 
(et compatible)  si et seulement si c = 3a−2b/3
13. Soitpour
l’équation
 1R
tous1a matricielle
∈  et  b ∈0:R. ] 1   1 2 
X  1 matricielle
13. Soit l’équation 11  −  α0: −α1  X =  −1 1 2 ,
X  −11 matricielle
13. Soit l’équation 1  −  0: 1 X =  1 3 2 ,
X −11 11 − α0 −α1 X = −1 1 3 2 ,
estune
où Xl’équation
13. Soit X −1matrice 1  −2×α2: non
matricielle  X = Déterminer
−α spécifiée. −1 3  , toutes les valeurs de α, telles
où Xcette
estune −1 1matrice
1  2×α02 non −α1 spécifiée. −1 1 23
où X X
que est uneéquation
matrice −2une
ait ×α02solution
non
X = Déterminer
unique
spécifiée. pour X. , toutes
Déterminer
les valeurs de α, telles
que cette −1 1
équation 1 ait une −α 1
solution unique −1
pour1 3 2X. toutes les valeurs de α, telles
où X X
est une
que cette équation matrice − 2 × 2 non X =
spécifiée. Déterminer , toutes les valeurs de α, telles
où Xcette
est une −1matrice1 ait 2une solution unique pour
−α spécifiée.
×α2solution
non −1 3X. toutes les valeurs de α, telles
Déterminer
que équation
[Réponse : α ∈ R\{−2}. ] ait une unique pour X.
où Xcette
que
[Réponseest une : matrice
équation ait 2une
α ∈ R\{−2}. × 2solution
non
] spécifiée.
uniqueDéterminer
pour X. toutes les valeurs de α, telles
[Réponse
14. que
a) Soit : α ∈ R\{−2}.
cettelaéquation
fonction ait une ]
solution unique pour X.
14. [Réponse
a) Soit laf (x) : = α∈
fonction ax R\{−2}.
3
+ bx 2 ]
+ cx + d,
14. a) Soit laf (x) fonction ∈ R\{−2}.
3 2 ]
14. [Réponse
a) où
Soita,lafb,(x): c et
αd
=
fonction
= 3 + bx
axsont
axsont + bxdes2 + cx + d, réels non spécifiés. Trouver les valeurs de ces
paramètres
+
où
[Réponse
14. a) où
Soit a,la b,
paramètres
f :
(x)c et
α
=
fonction d

pour
ax R\{−2}.
3
+ des
bx + ] cx + d, réels non spécifiés. Trouver les valeurs de ces
2 paramètres
lesquelles cxla+courbe
d, réelsd’équation y = f (x) passe les
parvaleurs
les points du
a, b, c et d sont des paramètres non spécifiés. Trouver de ces
paramètres
où
plan a, xy
14. a) paramètres b,
f (x)c et
= pour
suivants
Soit la fonction dax 3 lesquelles
sont:+ des
bx
{(1, 2
+
1), cxla
(−1,+ courbe
paramètresd,
1), (2,d’équation
réels
2), non
(−2, y
12)}.= f
spécifiés. (x) passe
Trouver
Utiliser Maplepar
les les
afin points
valeurs
de de du
ces
tracer
pour3 lesquelles la courbe d’équation y = f (x) passe par les points du
plan
où
la a, xyb,
f
paramètres
fonction suivants
(x)c et
= dax
pour sont
obtenue :+ {(1,
des
bx 21),
lesquelles
dans + (−1,
paramètres
cxla+ 1),
d,
courbe (2, 2),
réels (−2,
non
d’équation 12)}.
y = Utiliser
spécifiés.
f Trouver
(x) Maple
passe les
par afin de
valeurs
les tracer
de
points ces
du
plan xy suivants : {(1, 1), le(−1,plan
1), xy(2,(voir
2), (−2, l’annexe A pour Maple
12)}. Utiliser plus d’informations
afin de tracer
la
où
plan
sur fonction
a, xyb,
paramètres c et obtenue
suivants d
pour sont dans
des
lesquelles
: {(1, 1), lela
(−1,plan
paramètres
courbe
1), xy
(2, (voir
réels non l’annexe
d’équation
2), (−2, y
12)}.
Maple). obtenue dans le plan xy (voir l’annexe A pour plus d’informations = A
spécifiés.
f pour
Trouver
(x) plus
passe
Utiliser les
Maple d’informations
par valeurs
les
afin de
points
de ces
du
tracer
la fonction
sur
plan Maple).
paramètres
xy
la fonction pour
suivants lesquelles
: {(1, 1), la
(−1, courbe
1), (2,d’équation
2), (−2, y
12)}.= f (x) passe
Utiliser Maplepar les
afin points
de du
tracer
sur Maple). obtenue dans le plan xy (voir l’annexe A pour plus d’informations
plan
la xy
fonction suivants
obtenue : {(1, 1),
dans (−1,
le
sur Maple).: a = −5/6, b = 2, c = 5/6, d = −1. ]
[Réponse 1),
plan (2,
xy 2),
(voir (−2, 12)}.
l’annexe Utiliser
A pour Maple
plus afin de tracer
d’informations
[Réponse
Maple).:obtenue
la fonction
sur a = −5/6, dans ble=plan 2, c xy= 5/6, = −1. ] A pour plus d’informations
(voirdl’annexe
[Réponse : a = −5/6, b = 2, c = 5/6, d = −1. ]
sur Maple).: laafonction
[Réponse
b) Considérons = −5/6, b = 2, c = 5/6, d = −1. ]
b) Considérons
[Réponse f (x) =: laa fonction
= −5/6,
acos(2x) + b(πb =−2,x)c cos(2x)
= 5/6, + d= cx−1.
sin(π] − x),
b) Considérons la fonction+ −2,x)c cos(2x)
b) où a, ff b(x)
[Réponse
Considérons et =: c asont
laa
(x)et=c asont
cos(2x)
=
fonction
cos(2x) des
−5/6, b(π
paramètres
b = =
b(π − x) cos(2x)
+paramètres réels
5/6, +
+non
d =cx−1.
sin(π
cx sin(π ] −
spécifiés.x),Trouver les valeurs de
− x),Trouver
où
ces a, b
paramètres pour des réels non spécifiés. = f (x) les valeurs de
b) où f b(x)et=cla
Considérons
a, asont
cos(2x)
fonctiondeslesquelles
b(π − x)lacos(2x)
+paramètres courbe
réels + d’équation
noncx sin(π
spécifiés. y Trouver
− x), passe
les par les
valeurs de
ces
où paramètres
a, b(x)etplan
=cla asontpour lesquelles
deslesquelles
+paramètres la courbe
réels d’équation
non spécifiés. y = f (x) passe par les
points
b) ces fdu
Considérons
paramètres cos(2x)
xy suivants
fonction
pour b(π − x)lacos(2x)
: {(−π/2, −3π),+
courbe cx sin(π
(π/2,
d’équation y Trouver
0), −(3π/2,
x), = 5π)}. les valeurs
f (x) Utiliser
passe de
Maple
par les
points
où
ces
afin a, f du
b(x)etplan
paramètres
de =
tracer xypour
c asont
cos(2x)
la suivants
fonction : {(−π/2,
deslesquelles
+ paramètres
b(π −
obtenuex)la −3π),
réels
cos(2x)
courbe
dans +
le (π/2,
noncx
plan 0), −
sin(π
d’équation
xy (3π/2,
spécifiés.x),
y
(voir = 5π)}.
Trouver
f (x)
l’annexe Utiliser
les
passe
A Maple
valeurs
par
pour de
les
plus
points du plan xy suivants : {(−π/2, −3π), (π/2, 0), (3π/2, 5π)}. Utiliser Maple
afin
où
ces
points dedu
a, btracer
etplan
paramètres la
c sont
xy fonction
poursuivants obtenue
deslesquelles
paramètres la dans
: {(−π/2, réels
courbe
−3π), lenon
plan xy
0), (voir
spécifiés.
d’équation l’annexe
y Trouver
= A valeurs
les pour
f (x) Utiliser
passe parplus
de
les
d’informations
afin de tracer sur
la Maple).
fonction obtenue dans le (π/2,
plan xy (3π/2,
(voir 5π)}.
l’annexe A pourMaple
plus
d’informations
ces
points
afin paramètres
de du plan la
tracer sur
xy pour Maple).
lesquelles
suivants
fonction obtenue la dans
: {(−π/2, courbe
−3π), le d’équation
(π/2,
plan 0), (voir
xy y =
(3π/2, f (x) Utiliser
5π)}.
l’annexe passe
A par
pour les
Maple
plus
d’informations sur Maple).
points
afin dedu
d’informations
[Réponse plan
tracer: ala xy suivants
=fonction
sur Maple).
−2π, b= : {(−π/2,
obtenue
3, c = dans−3π),
−1. ] le (π/2,
plan xy 0), (voir
(3π/2, 5π)}. Utiliser
l’annexe A pourMaple
plus
[Réponse
afin de tracer
d’informations : ala sur −2π,
=fonction
Maple). b= −1. ] le plan xy (voir l’annexe A pour plus
3, c = dans
obtenue
[Réponse : a = −2π, b = 3, c = −1. ]
d’informations
[Réponse : asur = −2π,Maple). b = 3, c = −1. ]
[Réponse : a = −2π, b = 3, c = −1. ]
[Réponse : a = −2π, b = 3, c = −1. ]

Jag lämnar avtryck i


Ninas Göteborg
Vårt jobb är att göra det gott att leva och arbeta i
Göteborg. Vi bygger broar och förskolor, men inte
vilka som helst.
Vi bygger för att påverka samhällsutvecklingen och
ge barn en bra uppväxt. Därför söker vi ingenjörer
som drömmer om att få greppa helheten.

Ingenjörer
till Göteborgs Stad

Ingenjörer behövs på Stadsbyggnadskontoret, Fastighetskontoret,


Lokalförvaltningen, Göteborg Vatten, Intraservice, Trafikkontoret, Renova,
Göteborgs Spårvägar, Park- och naturförvaltningen och Göteborg Energi.

Vårt jobb är att skapa en bra vardag för alla göteborgare och att utveckla Göteborg för
framtiden. I Göteborgs Stad finns 48 000 medarbetare i 100 olika yrken. Du kan välja
många intressanta jobb och ta nya utmaningar på en stor intern arbetsmarknad.
Hitta jobben på goteborg.se/ledigajobb

116
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.8. EXERCISES 117

15. Considérons le système Ax = b avec


   
1 1 3
A =  2 1 , b =  h ,
4 2 k
où h et k sont des paramètres réels non spécifiés.
a) Trouver la relation entre les paramètres h et k telle que le système Ax = b soit
compatible.

[Réponse : k = 2h pour tout h ∈ R. ]

b) Trouver toutes les solutions du système Ax = b.


 
h−3
[Réponse : Le système admet une solution unique x = pour tout
6−h
h ∈ R, lorsque k = 2h. ]

16. Considérons la droite  dans R3 :




 x = 2t + 1


: y = −2t + 1



 z = 6t − 6 pour tout t ∈ R.
Trouver toutes les valeurs réelles des paramètres a, b et c telles que la droite 
appartienne au plan d’équation
ax + by + cz = 1.

1 b 1 2b
[Réponse : a= + , c=− + pour tout b ∈ R. ]
3 3 9 9

17. Soient les deux droites de R3 :


 

 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y = bs + 3

 


 z = 2t + 2 
 z = −s − 1

pour tous t ∈ R et s ∈ R, où b est un paramètre réel non spécifié.


a) Trouver toutes les valeurs de b telles que les droites 1 et 2 se croisent.

[Réponse : b ∈ R\{2}. ]

b) Ces droites se croisent-elles pour b = 1 ? Si tel est le cas, déterminer leur point
d’intersection.

[Réponse : Oui, les coordonnées du point d’intersection sont (4, −1, 3). ]

117
THÉORIE ET PROBLÈMES RÉSOLUS
118
D’ALGÈBRE LINÉAIRE CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT et
Algébre matricielle DEpivot
GAUSS
de Gauss

18. Considérons les six plans suivants dont les intersections définissent un parallélépipède :
Π1 : x + 2y − z = 1
Π2 : 2x + 4y − 2z = 0
Π3 : −3x − y + 2z = 1
Π4 : −9x − 3y + 6z = 1
Π5 : y + z = −1
Π6 : −2y − 2z = 3.
Trouver les sommets, le volume et le centre de ce parallélépipède, ainsi que sa
hauteur lorsque sa base est donnée par Π2 .

[Réponse : Les coordonnées des sommets du parallélépipède sont :


17 11 65
P1 : (− , , − )
12 36 36
7 7 25
P2 : (− , , − )
6 18 18
3 1 3
P3 : (− , , − )
2 2 2
7 5 23
P4 : (− , , − )
4 12 12
11 7 47
P5 : (− , − , − )
12 36 36
2 1 8
P6 : (− , − , − )
3 9 9
P7 : (−1, 0, −1)

5 1 17
P8 : (− , − , − )
4 12 12
Le volume du parallélépipède est 1/18 unités cubiques. Les coordonnées de son
centre Q sont
29 11 101
Q : (− , , − ).
24 72 72

Sa hauteur lorsque sa base est Π2 est 1/ 6 unités. ]

19. Soient les deux plans :


Π1 : x + 2y − 4z = 2
Π2 : x − z = 5.
Trouver l’équation du plan Π∗1 , défini comme la réflexion du plan Π1 par rapport
au plan Π2 .

118
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE 119Gauss
Algébre matricielle et pivot de

[Réponse : Π∗1 : 4x − 2y − z = 23. ]


20. Considérons le système linéaire Ax = b avec
   
1 3 k 2
 k 1 4 , b =  3 ,
1 k k −3
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que ce système admette une solution unique.

[Réponse : Le système admet une solution unique pour tout k ∈ R\{−2, 2, 3}.
]

b) Trouver toutes les valeurs de k telles que le système admette une infinité de
solutions, tout comme toutes les valeurs de k pour lesquelles il est incompatible.

[Réponse
  : Pour k =−2 le système admet une infinité de solutions,
2 −1
x = t  0  +  1  pour tout t ∈ R. Pour k = 2 et k = 3 le système est
1 0
incompatible. ]

c) Trouver toutes les valeurs de k telles que la matrice A soit singulière.

[Réponse : La matrice A est singulière si et seulement si det A = 0, donc A


est singulière pour k ∈ {−2, 2, 3}. ]
21. Les intersections des trois droites 1 , 2 et 3 ci-dessous définissent un triangle dans
R3 .
 

 x = 4α − 1 
 x = −3β + 7

 

1 : y = −2α + 3 2 : y = −β + 4

 


 z = 8α − 3 pour tout α ∈ R 
 z = −β + 3 pour tout β ∈ R



 x = −δ + 6


3 : y = −2δ + 7



 z = 3δ − 4 pour tout δ ∈ R.

Déterminer l’aire du triangle.


[Réponse : L’aire du triangle est 5 6 unités carrées. ]

119
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
120 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS

22. Soit le système homogène Ax = 0, où


 
1 5 1 k
 2 1 k 1 
A=  1

4 1 1 
4 1 3 1
et k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que le système n’admette que la solution
triviale ainsi que toutes les valeurs de k pour lesquelles la matrice A est inversible.

4 7
[Réponse : Pour tout k ∈ R\{ , } le système admet seulement la solution
3 5
triviale x = (0, 0, 0, 0). La matrice A est inversible pour ces valeurs de k. ]

b) Trouver toutes les valeurs de k telles que le système admette une infinité de
solutions.

4 7
[Réponse : Pour k = ou k = le système admet une infinité de solution.]
3 5

120
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres

Chapitre 3

Familles génératrices et familles


libres

Le but de ce chapitre :
Dans ce chapitre, nous introduisons les définitions et concepts suivants pour des fa-
milles finies de vecteurs de Rn : combinaisons linéaires de vecteurs, familles génératrices
et familles linéairement indépendantes. Nous appliquons ces notions à la description, par
exemple, des plans et des droites de R3 . Elles nous permettrons aussi d’acquérir une
meilleure compréhension des systèmes linéaires.

3.1 Combinaisons linéaires de vecteurs


Dans ce sous chapitre nous présentons le concept de combinaison linéaire de vecteurs
d’une famille de Rn .

Note théorique 3.1.


Soit la famille S de p vecteurs

S = {u1 , u2 , . . . , up },

où uj ∈ Rn pour j = 1, 2, . . . , p.
1. Une combinaison linéaire des vecteurs de la famille S est un autre vecteur de Rn ,
s’écrivant
c1 u 1 + c 2 u 2 + · · · + c p u p ∈ R n
pour un choix arbitraire des p coefficients de la combinaison linéaire c1 , c2 , . . ., cp .
On dit donc que v ∈ Rn est une combinaison linéaire des vecteurs de la famille S
s’il existe des coefficients c1 , c2 , . . . , cp , tels que
v = c1 u 1 + c 2 u 2 + · · · + c p u p .

121

121
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
122 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

2. Soient v ∈ Rn et A une matrice m × n. Supposons que v soit une combinaison


linéaire des vecteurs de S avec pour coefficients c1 , c2 , . . . , cp . Alors
Av = c1 Au1 + c2 Au2 + · · · cp Aup .

3. Soit A une matrice m × n s’écrivant


A = [a1 a2 · · · an ],
où aj ∈ Rm pour j = 1, 2, . . . , n. Soit le vecteur x ∈ Rn donné par
 
x1
 x2 
 
x =  . .
.
 . 
xn
Alors la multiplication entre matrice et vecteur Ax est définie comme la com-
binaison linéaire des vecteurs de la famille {a1 , a2 , . . . , an } avec pour coefficients
x1 , x2 , . . . , xn , i.e.
Ax = x1 a1 + x2 a2 + · · · + xn an .
Remark : Voir aussi la note théorique 2.1 (3) présentant le produit entre une
matrice et un vecteur Ax.

Problème 3.1.1.
Considérons la famille de cinq vecteurs de R3 :

S = {u1 , u2 , u3 , u4 , u5 },

où
  
 
1 1 1
u1 =  0  , u2 =  1  , u3 =  −1 
1 0 3
  
2 1
u4 =  −1  , u5 =  3  .
0 4

Soit le vecteur
 
1
v =  2 .
1

a) Montrer que v est une combinaison linéaire des vecteurs de la famille S et donner
explicitement cette combinaison.
b) v est-il une combinaison linéaire de la famille {u1 , u2 } ? Justifier votre réponse.

122
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 123

 3 × 3inconnue telle
c) Soit A une matrice  que  
1 2 3
Au1 =  2  , Au2 =  1 , Au3 =  1 
−1 0 3
   
−8 22
Au4 =  11  , Au5 =  −13  .
−18 32
Trouver Av explicitement.

123
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
124 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

Solution 3.1.1.
a) Nous devons montrer qu’il existe des constantes réelles (les coefficients), c1 , c2 , c3 ,
c4 et c5 , tels que
v = c1 u1 + c2 u2 + c3 u3 + c4 u4 + c5 u5 .
Ecrivons cette équation sous une forme matricielle,
[u1 u2 u3 u4 u5 ] c = v,
avec  
c1
 c2 
 
c= 
 c3  ∈ R .
5
 c4 
c5
En remplaçant par l’expression des vecteurs uj , nous avons
 
  c1  
1 1 1 2 1   c2 
 1
 0 1 −1 −1 3   c3  =  2 
 
1 0 3 0 4  c4  1
c5
et la matrice
 augmentée correspondante
 est
1 1 1 2 1 1
 0 1 −1 −1 3 2  .
1 0 3 0 4 1
En appliquant plusieurs opérations élémentaires sur les lignes de cette matrice nous
obtenons
 son unique forme réduiteéchelonnée,
1 0 0 9 −14 −5
 0 1 0 −4 9 4 .
0 0 1 −3 6 2
Nous en déduisons que les constantes c4 et c5 peuvent être choisies arbitrairement,
nous notons
c4 = t, c5 = s,
avec t et s des paramètres réels. A partir de la forme échelonnée réduite ci-dessus,
nous avons
c1 = −9t + 14s − 5
c2 = 4t − 9s + 4
c3 = 3t − 6s + 2,
donc  
−9t + 14s − 5
 4t − 9s + 4 
 
c=  3t − 6s + 2 .

 t 
s
Nous obtenons ainsi les coefficients de la combinaison linéaire
v = (−9t + 14s − 5) u1 + (4t − 9s + 4) u2 + (3t − 6s + 2) u3 + t u4 + s u5
pour tous t ∈ R et s ∈ R. La combinaison linéaire la plus simple est donnée par
t = s = 0 et ainsi :
v = −5u1 + 4u2 + 2u3 .

124
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 125

b) Nous devons montrer qu’il existe des coefficients c1 et c2 tels que


v = c1 u1 + c2 u2 .
Ce quiveut dire que nous devons
 étudier la compatibilité du système
1 1   1
 0 1  c1 =  2 .
c2
1 0 1
La matrice
 augmentée
 associée est
1 1 1
 0 1 2 ,
1 0 1
et sa forme
 échelonnée
 est
1 1 1
 0 1 2 .
0 0 1
La dernière ligne de cette matrice montre que le système est incompatible, car elle
implique
c1 0 + c2 0 = 1.
Nous en concluons donc qu’il n’existe aucune constante c1 et c2 pour lesquelles v
est une combinaison linéaire des vecteurs u1 et u2 .
c) A la question a) nous avons établi la combinaison linéaire
v = (−9t + 14s − 5) u1 + (4t − 9s + 4) u2 + (3t − 6s + 2) u3 + t u4 + s u5

pour tous t ∈ R et s ∈ R.
En choisissant t = s = 0, nous trouvons la combinaison la plus simple
v = −5u1 + 4u2 + 2u3 .
Par conséquent
Av = A (−5u1 + 4u2 + 2u3 )

= −5Au1 + 4Au2 + 2Au3


     
1 2 3
= −5  2  + 4  1  + 2  1 
−1 0 3
 
9
=  −4  .
11
Bien sûr, nous pourrions aussi faire ce calcul en utilisant la combinaison linéaire
donnée pour des paramètres s et t arbitraires. Ceci nous donne le même résultat :

125
THÉORIE ET PROBLÈMES RÉSOLUS
126
D’ALGÈBRE CHAPITRE 3.
LINÉAIRE FAMILLES GÉNÉRATRICES ET FAMILLES
Familles génératrices LIBRESlibres
et familles

Av = A(−9t + 14s − 5) u1 + A(4t − 9s + 4) u2 + A(3t − 6s + 2) u3 + At u4 + As u5

= (−9t + 14s − 5) Au1 + (4t − 9s + 4) Au2 + (3t − 6s + 2) Au3 + t Au4 + s Au5


     
1 2 3
= (−9t + 14s − 5)  2  + (4t − 9s + 4)  1  + (3t − 6s + 2)  1 
−1 0 3
   
−8 22
+t  11  + s  −13 
−18 32
 
9
=  −4  .
11

126
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 127

Problème 3.1.2.
Soit le vecteur
 
k
 4 
v=  2
 ∈ R4

2
et la famille de vecteurs de R4 :
S = {u1 , u2 , u3 },
avec
     
1 1 1
 k   1   1 
u1 =  
 1 , u2 =  
 k , u3 =  
 1 .
1 1 k
Ici k est un paramètre réel non spécifié. Déterminer toutes les valeurs de k pour lesquelles
v est une combinaison linéaire des vecteurs de la famille S.
Solution 3.1.2.
Supposons que v soit une combinaison linéaire des vecteurs u1 , u2 et u3 , nous avons
v = c1 u1 + c2 u2 + c3 u3
ou, sous forme matricielle,
 
k 
 4  c 1
  = [u1 u2 u3 ]  c2  . Et donc
 2 
c3
2
   
k 1 1 1  
 4   k  c1
 = 1 1 
 2   1 c2  .
k 1 
c3
2 1 1 k
Nous cherchons toutes les valeurs de k ∈ R telles que ce système soit compatible, i.e. telles
qu’il existe des valeurs réelles de c1 , c2 et c3 satisfaisant ce système. La matrice augmentée
associée est
     
1 1 1 k 1 1 1 k 1 1 1 k
 k 1 1 4   0 1 − k 1 − k 4 − k2   0 1 − k 1 − k 4 − k2 
 ∼ ∼ .
 1 k 1 2   0 k−1 0 2−k   0 0 1 − k −(k − 2)(k + 3) 
1 1 k 2 0 0 k−1 2−k 0 0 0 −(k − 2)(k + 4).
La dernière ligne de cette forme échelonnée nous donne
c1 0 + c2 0 + c3 0 = −(k − 2)(k + 4)
donc le système est compatible si et seulement si k = 2 ou k = −4. Par conséquent, v est
une combinaison linéaire de u1 , u2 et u3 si et seulement si k = 2 ou k = −4.

127
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
128 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

3.2 Familles génératrices


Dans ce sous chapitre nous introduisons le concept de famille génératrice. En d’autres
termes, une famille de vecteurs finie pouvant engendrer un sous ensemble de vecteurs de
Rn .

Note théorique 3.2.


Soit la famille S de p vecteurs

S = {u1 , u2 , . . . , up },

où uj ∈ Rn pour j = 1, 2, . . . , p.
1. L’ensemble de toutes les combinaisons linéaires des vecteurs de S, noté Vect {S},
est un sous ensemble de Rn , noté W , dont on dit qu’il est engendré par S. Nous
écrivons
W = Vect {u1 , u2 , . . . , up }, ou simplement W = Vect {S}.
On dit que S est une famille génératrice de W . Donc Vect {S} contient toutes
les combinaisons linéaires des vecteurs de S, i.e.
c1 u1 + c2 u2 + · · · + cp up ∈ W
pour n’importe quel choix des coefficients c1 , c2 , . . . , cp . Nous notons
W = Vect {S} = {c1 u1 + c2 u2 + · · · + cp up pour tous c1 ∈ R, c2 ∈ R, . . . , cp ∈ R}.
2. Dans le langage des familles génératrices nous pouvons réinterpréter la compatibilité
d’une famille de vecteurs comme suit :

Le système linéaire
Ax = b,
est compatible si et seulement si
b ∈ Vect {a1 , a2 , . . . , an },
où A est une matrice m × n donnée par A = [a1 a2 · · · an ], aj ∈ Rm et b ∈ Rm .

Problème 3.2.1.
Considérons les trois vecteurs de R3 suivants :
     
1 −1 k
u=  
−2 , v =  
1 , w=  6 ,
3 4 2
où k est une constante réelle non spécifiée. Trouver toutes les valeurs de k telles que

128
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.2. FAMILLES GÉNÉRATRICES 129

a) w ∈ Vect {u, v}, et


b) u ∈ Vect
 {v, w}.
0
c) 0 =  0  appartient-il à Vect {u, v} ?
0
d) Parmi les systèmes
 suivants,
 lesquels
sont compatibles
 ?  
2 −4 0
[u v]x =  
6 , [u v]x =  
6 , [u v]x =  0 .
2 2 0
e) Trouver toutes les
  valeurs de k pour lesquelles le système
0
[u w]x =  0 
0
est compatible.

Vill du jobba i världens fjärde mest innovativa stad?


Det är här det händer! Malmö växer kraftigt och nästan hälften är under 35 år. För oss är det viktigt med möten,
mångfald och möjligheter. Hos oss blir du en samhällsbyggare som gör skillnad. Visste du att vi söker över 2000
tjänster varje år och har över 400 olika yrken? Vi tror att du som söker dig till oss vill vara med och bygga vidare på en
av Sveriges mest dynamiska städer.

@jobba_i_malmostad
www.facebook.com/jobbaimalmostad

129
130 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres

Solution 3.2.1.

a) Si le vecteur w est un élément de Vect {u, v} alors il doit s’écrire comme une
combinaison linéaire des vecteurs u et v. Donc, il doit exister des coefficients (réels),
c1 et c2 , tels que
w = c1 u + c2 v.
Sous la forme d’une équation matricielle,
  nous avons
1 −1   k
c1
 −2 1  = 6 
c2
3 4 2
tel quela matrice augmentée
  associée et une deses formes échelonnées s’écrivent
1 −1 k 1 −1 k
 −2 1 6  ∼  0 −1 2k + 6  .
3 4 2 0 0 11k + 44
Nous en concluons que le système est compatible si et seulement si k = −4.
Par conséquent w ∈ Vect {u, v} si et seulement si k = −4.
b) Si u appartient à Vect {v, w}, alors il doit s’écrire comme une combinaison linéaire
de v et w. Mais à partir de la question a) nous savons déjà que w est une combinaison
linéaire de u et v, ce qui veut dire qu’il existe des réels c1 et c2 tels que
w = c1 u + c2 v.
Donc, nous avons
c2 1
u = − v + w,
c1 c1
et nous concluons que u ∈ Vect {v, w} si et seulement si k = −4, i.e. la réponse
est la même qu’à la question a) ci dessus.
c) Le vecteur nul, 0 ∈ R3 , appartient à tout espace engendré de R3 car il correspond
à une combinaison linéaire des vecteurs de la famille qui engendre l’espace où tous
les coefficients sont nuls. Par exemple dans le cas de Vect {u, v} nous avons
0 = 0u + 0v.
d) On remarque que  
x1
[u v]x = x1 u + x2 v, où x = .
x2
Donc le système 
k
[u v]x =  6 
2
 
k
est compatible si et seulement si  6  ∈ Vect {u, v}. A la question a) ci-dessus,
2
nous avons déjà établi que w ∈ Vect {u, v} si et seulement si k = −4. Donc le
système  
2
[u v]x =  6 
2

130
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.2. FAMILLES GÉNÉRATRICES 131

est incompatible,
 alorsque le système
−4
[u v]x =  6 
2
l’est. De la même
 manière, le système homogène
0
[u v]x =  0 
0
est aussi compatible.
e) Le système homogène
 
0
[v w]x =  0 
0
  tout k ∈ R comme
est compatible pour
0
x=  0 
0
en est toujours une solution (la solution triviale).

Problème 3.2.2.
Considérons les trois vecteurs de R4 suivants :
     
1 0 1
 0   0   1 
u1 =    
 2  , u2 =  4  , u3 =  −3
 

−3 7 1

et notons W l’espace engendré par {u1 , u2 , u3 }, i.e.

W = Vect {u1 , u2 , u3 }.

Parmi les quatre vecteurs suivants, lesquels appartiennent à W ?


     
−5 1   0
 −3    0 
 , v2 =  0  , v3 =  0  , v4 =  0 
v1 =   9   1  
.
0 
0
10 0 0

131
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
132 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

Solution 3.2.2.
Afin de savoir si v1 ∈ Vect {u1 , u2 , u3 }, nous devons chercher des coefficients c1 , c2 et
c3 tels que v1 s’écrive comme une combinaison linéaire de u1 , u2 , u3 , i.e.
v 1 = c1 u 1 + c 2 u 2 + c 3 u 3
L’équation matricielle correspondante est
   
1 0 1   −5
 0 0 c1
 1  
  c2  =  −3 

 2 4 −3   9 
c3
−3 7 1 10
et la matrice augmentée associée est
 
1 0 1 −5
 0 0 1 −3 
 .
 2 4 −3 9 
−3 7 1 10
Après avoir appliqué plusieurs opérations élémentaires sur ses lignes, nous obtenons la
forme échelonnée réduite suivante :
 
1 0 0 −2
 0 1 0 1 
 
 0 0 1 −3 
0 0 0 0
à partir de laquelle nous déduisons v1 ∈ Vect {u1 , u2 , u3 }, avec
v1 = −2u1 + u2 − 3u3 .
Nous utilisons la même méthode afin de déterminer si v2 ∈ Vect {u1 , u2 , u3 }. Nous avons
la matrice augmentée
 
1 0 0 1
 0 0 1 0 
 
 2 4 −3 1 
−3 7 1 0
ainsi que sa forme échelonnée réduite
 
1 0 0 1
 0 1 0 −1/4 
 .
 0 0 1 0 
0 0 0 19/28
Nous en concluons que v2 n’appartient pas à Vect {u1 , u2 , u3 } car ne pouvant pas s’écrire
comme une combinaison linéaire des vecteurs u1 , u2 and u3 .

Comme v3 ∈ R3 il ne peut pas appartenir à un ensemble engendré par des vecteurs de R4 .


Pour v4 , nous avons
 
0
 0 
v4 =  
 0  = 0u1 + 0u2 + 0u3 ∈ Vect {u1 , u2 , u3 }.
0

132
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 133

3.3 Les familles libres et liées


Nous introduisons le concept de familles libre et liée de vecteurs de Rn . Nous discutons
des propriétés des familles de vecteurs génératrices et libres.

Note théorique 3.3.


Soit la famille S de p vecteurs
S = {u1 , u2 , . . . , up },
où uj ∈ Rn pour tout j = 1, 2, . . . , p.

On dit que la famille S de Rn est libre (ou que les vecteurs de S sont linéairement
indépendants) si l’équation vectorielle
c 1 u 1 + c2 u 2 + · · · + cp u p = 0
peut seulement être satisfaite si tous ses coefficients sont nuls, i.e. c1 = 0, c2 = 0, . . . , cp =
0. S’il existe un ou plusieurs coefficients non nuls pour lesquels l’équation ci-dessus est
satisfaite, alors on dit que la famille S est liée.

Remarque : Soit une famille de n vecteurs


S = {u1 , u2 , . . . , un },
où uj ∈ Rn pour tout j = 1, 2, . . . , n. Si la famille S est libre et engendre Rn , alors on
dit que S est une base de Rn et que la dimension de Rn est n. La base canonique,
{e1 , e2 , . . . , en } est un example de base de Rn . Ces concepts de base et dimension sont
discutés plus en détail dans le Tome 2 de ces cours (pas encore disponible en français),
intitulé General Vector Spaces (Espaces vectoriels).

Pour les familles libres et liées nous avons les propriétés suivantes

Propriétés :
a) Si S est une famille libre. Alors toute sous famille de vecteurs de S est aussi une
famille libre de Rn .
b) Si S est une famille liée. Alors il peut exister des sous familles de S de deux vecteurs
ou plus qui sont libres.
c) Si S est une famille de p vecteurs de Rn et que p > n, alors S est liée.
d) Soit Q une famille de n vecteurs de Rn ,
Q = {a1 , a2 , . . . , an },
où aj ∈ Rn pour tout j = 1, 2, . . . , n et A la matrice n × n
A = [a1 a2 · · · an ].
Alors les propriétés suivantes sont vérifiées :
i) La famille Q est libre si et seulement si la forme échelonnée réduite de A est la
matrice identité In , i.e. A et In sont l-équivalentes
A ∼ In .

133
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
134 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

ii) La famille Q est libre si et seulement si le déterminant de A est non nul, i.e.
det A = 0,
et si et seulement si A est inversible.
iii) La famille Q est libre si et seulement si Ax = b admet une solution unique
x ∈ Rn pour tout b ∈ Rn .
e) Soit la famille Q2 formée de deux vecteurs non nuls de R3 ,
Q2 = {u1 , u2 }.
Alors Vect {Q2 } engendre un plan Π dans R3 contenant l’origine (0, 0, 0), si et
seulement si Q2 est libre. Ce qui veut alors dire que tout vecteur de Π peut s’écrire
comme une combinaison linéaire des vecteurs u1 et u2 .
f) Soit la famille Q3 formée de trois vecteurs non nuls de R3 ,
Q3 = {u1 , u2 , u3 }.
Alors Vect {Q3 } engendre R3 si et seulement si Q3 est libre. Ce qui veut alors sire
que tout vecteur de R3 peut s’écrire comme une combinaison linéaire de u1 , u2
et u3 . De plus, si Q3 est liée et admet une sous famille libre d’exactement deux
vecteurs, alors Vect {Q3 } engendre un plan passant par (0, 0, 0) (bien sûr cela est
vrai pour toute famille finie de vecteurs contenant une sous famille libre de deux
vecteurs exactement). On remarquera qu’une droite  passant par (0, 0, 0) peut
s’écrire comme l’espace engendré par un vecteur non nul (dont les coordonnées
satisfont l’équation de ).

134
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 135

Problème 3.3.1.
Considérons les deux vecteurs de R3 :
   
1 k
u =  2 , v =  −4  ,
−1 2
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que la famille S = {u, v} soit libre, de même
que toutes les valeurs de k pour lesquelles elle est liée.
b) Trouver toutes les valeurs de k pour lesquelles u et v engendrent un plan dans R3
et donner l’équation de ce plan.
c) Trouver toutes les valeurs de k telles que u et v engendrent une droite dans R3 et
donner l’équation paramétrique de cette droite.

135
136 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres

Solution 3.3.1.
a) Afin de déterminer si la famille S = {u, v} et libre (ou liée), nous étudions l’équation
vectorielle
c1 u + c2 v = 0.
Qui s’écrit,
 sous forme
 matricielle,
1 k    
 2 −4  c1 =
0
.
c2 0
−1 2
Comme le système est homogène, nous pouvons seulement étudier la matrice afin
de déterminer
 s’il 
est compatible.
 Nousavons
 
1 k 1 k 1 k
 2 −4  ∼  0 −2k − 4  ∼  0 k + 2  .
−1 2 0 k+2 0 0
Le système réduit est donc
c1 + c2 k = 0
c2 (k + 2) = 0.
Par conséquent le système admet la solution triviale, i.e. c1 = 0 and c2 = 0, si
et seulement si k ∈ R\{−2}. Nous en concluons que la famille S est libre pour
k ∈ R\{−2} et liée pour k = −2.
b) La famille de deux vecteurs S = {u, v} engendrera un plan dans R3 si et seulement
si elle est libre, i.e. pour tout k ∈ R\{−2} comme démontré à la question précédente.
Ce plan contient l’origine (0, 0, 0) et toutes les combinaisons linéaires de u et v pour
tout k ∈ R\{−2}. Afin de trouver l’équation du plan engendré par S, nous calculons
son vecteur normal n à l’aide du produit vectoriel (voir les Notes théoriques 1.2
et 1.3). Nous avons 
 e1 e2 e3 
 
n = u × v =  1 2 −1  = −(k + 2)e2 − (2k + 4)e3 .
 k −4 2 
Ensuite nous calculons le produit scalaire de n et d’un point arbitraire du plan, par
exemple (x, y, z), qui doit être nul si (x, y, z) appartient au plan. Donc
n · (x, y, z) = (0, −k − 2, −2k − 4) · (x, y, z) = −(k + 2)y − (2k + 4)z = 0.
Donc l’équation du plan engendré par S est
−(k + 2)y − (2k + 4)z = 0 pour tout k ∈ R\{−2}.
On remarquera que cette équation dépend de k.
c) La famille de deux vecteurs S = {u, v} engendrera une droite  dans R3 si et
seulement si elle est liée, i.e. pour k = −2, comme démontré à la question a). Nous
avons alors   
1 −2
u =  2  et v =  −4  ,
−1 2
qui appartiennent à la droite .  passe évidemment par l’origine (0, 0, 0). Pour
trouver l’équation de , il suffit de multiplier un vecteur quelconque de  non nul
par un paramètre t, par exemple le vecteur u. Donc une équation paramétrique de

136
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 137

cette droite
 est

 x=t


: y = 2t



 z = −1t pour tout t ∈ R.

Var med och


utveckla
Stockholm!
Vår vackra huvudstad växer som aldrig
förr och stockholmare i alla åldrar behöver
allt från en fungerande infrastruktur till
renhållning, förskolor och äldreomsorg.
Verksamheten finns överallt i staden och
måste fungera dygnet runt, varje dag.
Nu behöver vi dig som vill vara med och
skapa ett Stockholm i världsklass!

Läs mer på stockholm.se/jobb

137
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
138 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

Problème 3.3.2.
Considérons la famille S = {u1 , u2 , u3 } avec
     
1 0 2
u1 =  0  , u2 =  1  , u3 =  3  ,
1 2 k

où k est un paramètre réel non spécifié.


a) Trouver toutes les valeurs de k telles que la famille S soit libre ainsi que toutes les
valeurs de k pour lesquelles elle est liée.
b) Notons W = Vect {u1 , u2 }. Trouver toutes les valeurs de k telles que u3 ∈ W .
c) Trouver toutes les valeurs de k telles que u1 , u2 et u3 engendrent un plan dans R3
et donner l’équation de ce plan.
d) Trouver toutes les valeurs de k telles que u1 , u2 et u3 engendrent R3 .
e) Existe-t-il des valeurs de k pour lesquelles u1 , u2 et u3 engendrent une droite dans
R3 ?
f) Soit la matrice A = [u1 u2 u3 ], trouver toutes les valeurs de k telles que A soit
l-équivalente à I3 (la matrice identité 3 × 3) ainsi que celles pour lesquelles A est
inversible.
g) Trouver toutes les valeurs de k telles que le système
[u1 u2 u3 ]x = b
admette une solution unique.

Solution 3.3.2.
a) Afin de déterminer si la famille S = {u1 , u2 , u3 } est libre ou liée, nous devons
étudier l’équation vectorielle
c1 u1 + c2 u2 + c3 u3 = 0.
Sous une
 forme matricielle
 nousavons

1 0 2 c1 0
 0 1 3   c2  =  0  ,
1 2 k c3 0
et donc     
1 0 2 1 0 2 1 0 2
 0 1 3 ∼ 0 1 3 ∼ 0 1 3 .
1 2 k 0 2 k−2 0 0 k−8
Donc il existe des c1 , c2 et c3 solutions non tous nuls si et seulement si k − 8 = 0.
Par conséquent la famille S est libre pour tout k ∈ R\{8} et liée pour k = 8.
Comme la matrice est carrée, nous pouvons aussi faire cette démonstration en cal-
culant son déterminant. Notons cette matrice A, nous avons det A = k − 8. Les
colonnes de A forment une famille libre si et seulement si det A = 0, et donc nous
retrouvons le même résultat.
b) Pour déterminer si u3 ∈ Vect{u1 , u2 } = W , nous devons étudier la compatibilité du
système non homogène suivant c1 u1 + c2 u2 = u3 . Ce système ne peut évidemment
être compatible que si la famille S = {u1 , u2 , u3 } est libre, alors u3 ∈ W . Nous

138
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 139

avons déjà démontré ci dessus que la famille S est liée pour k = 8. D’où u3 ∈ W
pour k = 8.
c) Afin d’engendrer un plan dans R3 il nous faut exactement deux vecteurs libres. La
famille {u1 , u2 } est libre, car
u1 = αu2 pour tout α ∈ R.
Donc pour engendrer un plan Π dans R3 à partir des trois vecteurs de la famille
S = {u1 , u2 , u3 }, il faut que S soit liée. Nous avons déjà démontré que S est liée
pour k = 8. Donc     
1 0 2

Π = Vect { 0 ,   1 ,  3 }.
1 2 8
Le même plan Π est aussi engendré par toute sous famille libre de deux vecteurs de
S. Nous avons
           
1 0 1 2 0 2
Π = Vect { 0  ,  1 } = Vect { 0  ,  3 } = Vect { 1  ,  3 }.
1 2 1 8 2 8
Pour trouver l’équation de Π nous pouvons nous servir de n’importe laquelle de
ces famille génératrices. Nous utiliserons Π = Vect {u1 , u2 }. Calculons le vecteur
normal au plan n et ensuite son produit scalaire avec un vecteur arbitraire (x, y, z)
du plan. (voir les Notes théoriques  1.2 et 1.3). Nous avons
 e1 e2 e3 
 
n = u1 × u2 =  1 0 1  = −e1 − 2e2 + e3 = (−1, −2, 1).
 0 1 2 
Puis
n · (x, y, z) = (−1, −2, 1) · (x, y, z) = −x − 2y + z = 0.
Donc l’équation du plan Π est
−x − 2y + z = 0.

Vi ser till att du kan förflytta dig snabbare.

35 meter under marken


närmare bestämt!

9,),116'b5'80,167$1$5'(7 Där det byggs tunnlar finns ofta Sandvik. Koncernen har de verktyg
och maskiner som behövs för att snabbt och effektivt ta sig igenom de hårdaste berg. Det kan gälla
tunnlar för vattenkraft i USA, vägtunnlar i Kina eller järnvägstunnlar i Schweiz.
Du hittar också resultatet av vårt kunnande i mobiltelefoner, i flygplan, på havets botten och på
många andra ställen. Men även om inte du tänker på var Sandvik finns, så gör kunderna det.
För våra produkter ökar både deras produktivitet och lönsamhet.
Gå in på www.sandvik.se. Där finns mer än du anar!

139
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
140 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

d) Afin d’engendrer R3 il faut une famille S de trois vecteurs de R3 telle que tout vecteur
de R3 puisse s’écrire comme une combinaison linéaire des vecteurs de S. Cela ne peut
être possible que si S est libre. Nous avons déjà démontré que S = {u1 , u2 , u3 }
est libre pour toutk ∈ R\{8}.
 Donc  
1 0 2
3 
R = Vect { 0 ,   
1 ,  3 } pour tout k ∈ R\{8}.
1 2 k
e) Nous ne pouvons pas engendre de droite dans R3 à l’aide de la famille S = {u1 , u2 , u3 }
car la sous famille {u1 , u2 } est libre (et engendre donc un plan comme montré à
la question c) ci-dessus).
f) La matrice A = [u1 u2 u3 ] est l-équivalente à I3 si et seulement si det A = 0 et
donc si et seulement
 si A est inversible. Nous avons
 1 0 2 
 
det A =  0 1 3  = k − 8.
 1 2 k 
Donc A ∼ I3 si et seulement si k ∈ R\{8}. De plus A−1 existe si et seulement si
k ∈ R\{8}.
g) Le système Ax = b, avec
A = [u1 u2 u3 ],
admet une solution unique pout tout b ∈ R3 si et seulement si A est inversible.
Donc, ce système admet une solution unique si et seulement si det A = 0. A la
question f) nous avons démontré que cela était le cas pour tout k ∈ R\{8}. D’où,
Ax = b admet une solution unique pour tout k ∈ R\{8}.

Problème 3.3.3.
Considérons la famille S = {u1 , u2 , u3 , u4 } dans R4 avec
       
1 −1 −1 k
 1   −9   3   −10 
u1 =  
 −2  , u2 = 
 , u3 =  , u4 =  
 −4  ,
k   1 
−3 11 −1 6
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit libre.
b) Trouver toutes les valeurs de k pour lesquelles S soit liée et lister toutes les possibles
sous familles libres de trois vecteurs de S avec les valeurs de k correspondantes.

Solution 3.3.3.
a) Pour savoir si S est libre, nous étudions la matrice A dont les colonnes sont les
vecteurs deS : 
1 −1 −1 k
 1 −9 3 −10 
A=  .
−2 k 1 −4 
−3 11 −1 6

140
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 141

Les colonnes de A sont linéairement indépendantes si et seulement si det A = 0.


Donc la famille S est libre si et seulement si det A = 0. Nous calculons
det A = −8k 2 + 48k − 64 = −8(k − 2)(k − 4).
Donc S est libre pour tout k ∈ R\{2, 4}.
b) A partir de la question précédente nous savons que S est une famille liée pour k = 2
ainsi que k = 4. Afin de déterminer les sous familles libres de trois vecteurs nous
étudions les cas k = 2 et k = 4 indépendamment :
Si k = 2, alors
 
1 −1 −1 2
 0 −2 1 −3 
A∼  0
.
0 1 0 
0 0 0 0
Nous en concluons qu’il existe deux sous familles libres de S comprenant trois vec-
teurs avec k = 2. Notons les S1 et S2 ,
S1 = {u1 , u2 , u3 } or S2 = {u1 , u3 , u4 },
avec        
1 −1 −1 2
 1   −9   3   −10 
u1 =      
 −2  , u2 =  2  , u3 =  1  , u4 =  −4  .
 

−3 11 −1 6
Si k = 4, alors
 
1 −1 −1 4
 0 4 −2 7 
A∼  0
.
0 0 1 
0 0 0 0
Nous en concluons qu’il existe deux sous familles libres de S comprenant trois vec-
teurs avec k = 4. Notons les S3 et S4 ,
S3 = {u1 , u2 , u4 } or S4 = {u1 , u3 , u4 },
avec        
1 −1 −1 4
 1       
u1 =   , u2 =  −9  , u3 =  3  , u4 =  −10  .
−2   4   1   −4 
−3 11 −1 6

141
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
142 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

3.4 Exercices

1. Soient les deux vecteurs de R2 :


   
1 k
u1 = , u2 = ,
k k+2
où k est un paramètre réel non spécifié. Trouver toutes les valeurs de k telles que
S = {u1 , u2 } soit libre ainsi que toutes les valeurs de k pour lesquelles S est liée.

[Réponse : S est une famille libre pour tout k ∈ R\{−1, 2} et S est liée pour
k = −1 or k = 2. ]

2. Considérons les trois vecteurs de R3 suivants :


     
1 1 k
u1 =  
1 , u2 =  2 , u3 =  1 ,
−1 k 3
où k est un paramètre réel non spécifié. Trouver toutes les valeurs de k telles que
S = {u1 , u2 , u3 } soit libre ainsi que toutes les valeurs de k pour lesquelles S est
liée.

[Réponse : S est une famille libre pour tout k ∈ R et donc S n’est jamais liée
quelque soit k. ]

3. Considérons la famille S = {u1 , u2 , u3 , u4 } composée des vecteurs de R4 suivants :


       
1 −3 −4 −1
 −2   k   6   −1 
u1 = 
 −3 
, u 2 = 
 9 
, u 3 = 
 k 
, u4 =  
 −6  ,
3 −9 −4 9
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit libre.

[Réponse : S est une famille libre pour tout k ∈ R\{6}. ]

b) Déterminer toutes les sous familles libres de S.

[Réponse : Pour k ∈ R\{6} toute sous famille de S est libre (comme S dans
ce cas là S est libre).
Pour k = 6 la famille S est liée et possède cinq sous familles libres toutes
composées de deux vecteurs :
S1 = {u1 , u3 }, S2 = {u1 , u4 }, S3 = {u2 , u3 }, S4 = {u2 , u4 },

S5 = {u3 , u4 }. ]

142
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.4. EXERCICES 143

4. Considérons la famille S = {u1 , u2 , u3 , u4 } composée des vecteurs de R4 suivants :


       
1 5 4 k
 −1   −3   1   −1 
u1 = 
 −1  ,
 u2 =  
 −5  , u3 =  k ,
 u4 = 
,
4 
3 15 12 −12
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit libre ainsi que toutes les valeurs
de k pour lesquelles S est liée.

[Réponse : S est une famille libre pour tout k ∈ R\{−4} et S est liée pour
k = −4. ]

b) Déterminer toutes les sous familles libres de S.

[Réponse : Pour k ∈ R\{−4} toute sous famille de S est libre (comme S dans
ce cas là S est libre).
Pour k = −4 la famille S est liée et possède cinq sous familles libres toutes
composées de deux vecteurs :
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }, S4 = {u2 , u3 },

S5 = {u2 , u4 }. ]

5. Considérons la famille S = {u1 , u2 , u3 } composée des vecteurs de R3 suivants :


     
1 0 k
u1 =  2  , u2 =  1 , u3 =  0  ,
3 2 1
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit libre.
[Réponse : Tout k ∈ R\{−1}. ]

b) Trouver toutes les valeurs de k, telles que les vecteurs de S engendrent R3 , i.e.
R3 = Vect {S}.

[Réponse : Tout k ∈ R\{−1}. ]

143
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
144 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

6. Soient les trois vecteurs de R3 :


     
2 −4 a
u1 =  1  , u2 =  −2  , u3 =  b  ,
−1 2 c

où a, b et c sont des paramètres réels. Considérons la famille

S = {u1 , u2 , u3 }

a) Trouver toutes les valeurs des paramètres a, b et c telles que S soit libre.

[Réponse : S est une famille libre pour tous a, b, c ∈ R. ]

b) Trouver toutes les valeurs des paramètres a, b et c telles que S engendre une
droite  dans R3 et donner l’équation paramétrique de cette droite.

[Réponse : S engendrera une droite  dans R3 si et seulement si u3 = tu1 ,


i.e.    
a 2t
 b  =  t  pour tout t ∈ R.
c −t
Alors l’équation
 paramétrique de  s’écrit

 x = 2t


: y=t



 z = −t pour tout t ∈ R. ]

7. Considérons les vecteurs de R3 suivants :


     
2 −4 k
u1 =  1  , u2 =  −2  , u3 =  −3 
−1 2 3
   
−4 −4
b =  −1  , c =  −3  ,
1 2

où k est un paramètre réel non spécifié. Notons S la famille composée de ces trois
vecteurs :

S = {u1 , u2 , u3 }.

a) Trouver toutes les valeurs de k telles que la famille S engendre un plan W dans
R3 . Donc, trouver toutes les valeurs de k ∈ R telles que

W = Vect{S}.

Donner l’équation du plan W .

144
THÉORIE ET PROBLÈMES RÉSOLUS
3.4. EXERCICES
D’ALGÈBRE LINÉAIRE 145libres
Familles génératrices et familles

[Réponse : Les vecteurs de la famille S engendrent un plan W pour tout


k ∈ R\{−6} et l’équation du plan W est y + z = 0. ]

b) Pour quelle(s) valeur(s) de k le système

[u1 u2 u3 ] x = b

est-il compatible ? Q = {u1 , u2 , u3 } engendre-t-elle un plan dans R3 pour les


valeurs de k obtenues à la question précédente ? Si tel est le cas, b est-il un
vecteur de ce plan ?

[Réponse : Le système est compatible pour tout k ∈ R\{−6}. Les vecteurs


de la famille Q engendrent un plan dans R3 pour tout k ∈ R\{−6}. De plus b
appartient à ce plan. ]

c) Pour quelle(s) valeur(s) de k le système

[u1 u3 ] x = c

est-il compatible ? Q = {u1 , u3 } engendre-t-elle un plan dans R3 pour les valeurs


de k obtenues à la question précédente ? Si tel est le cas, c est-il un vecteur de
ce plan ?

[Réponse : Le système est incompatible pour tout k ∈ R. Les vecteurs de la


famille Q engendrent un plan dans R3 pour tout k ∈ R\{−6}. Remarque : c
n’appartient pas au plan. ]

d) Pour quelle(s) valeur(s) de k le système

[u1 u2 u3 ] x = c

est-il compatible ? Q = {u1 , u2 , u3 } engendre-t-elle un plan dans R3 pour les


valeurs de k obtenues à la question précédente ? Si tel est le cas, c est-il un
vecteur de ce plan ?

[Réponse : Le système est incompatible pour tout k ∈ R. Les vecteurs de la


famille Q engendrent un plan dans R3 pour tout k ∈ R\{−6}. Remarque : c
n’appartient pas au plan. ]

e) Le système

[u1 u2 ] x = c

est-il compatible ?

[Réponse : Le système est incompatible. ]

145
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
146 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES

8. Soit la famille S = {u1 , u2 , u3 } composée des vecteurs de R3 suivants :


     
3 −1 3
u1 =  6  , u2 =  0  , u3 =  k  ,
2 1 7
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S engendre R3 , i.e. trouver toutes les
valeurs de k telles que
R3 = Vect {S}.

[Réponse : Pour tout k ∈ R\{12}. ]

b) Trouver toutes les valeurs de k telles que S engendre un plan Π dans R3 et


déterminer l’équation de ce plan.

[Réponse : Pour k = 12, l’équation du plan Π est 6x − 5y + 6z = 0. ]

c) Trouver toutes
 les valeurs du paramètre α telles que le vecteur
8
v= 6 
α
appartienne au plan Π engendré par les vecteurs de la famille S.

[Réponse : v ∈ Π : 6x − 5y + 6z = 0 si et seulement si α = −3. ]


9. Considérons la famille de vecteurs de R4 S = {u1 , u2 , u3 , u4 } avec
       
1 −1 −1 k
 1   −9   3   −10 
u1 =     
 −2  , u2 =  k  , u3 =  2  , u4 =  −4
  ,

−3 11 −1 6
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit une famille libre.

[Réponse : S est une famille libre pour tout k ∈ R\{2}. ]

b) Trouver toutes les valeurs de k pour lesquelles S est liée et lister toutes les
possibles sous familles libres de S composées de deux vecteurs en fonction de k.

[Réponse : S est une famille liée pour k = 2 et pour cette valeur de k il existe
trois sous familles libres de S :
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }. ]

c) Existe-t-il des valeurs de k pour lesquelles il existe une sous famille libre de S
contenant trois vecteur ?

[Réponse : Non. ]

146
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens

Chapitre 4

Applications linéaires entre


espaces euclidiens

Le but de ce chapitre :
Nous étudions les applications linéaires agissants sur un espace euclidien Rn à valeurs
dans Rm ainsi que leur relation avec les systèmes d’équations linéaires. Nous introduisons
la représentation matricielle de telles applications, qui en donne une description unique
et complète. Au travers de plusieurs exemples, nous montrons comment calculer la ma-
trice d’une application linéaire et comment composer plusieurs applications. Enfin, nous
présentons les applications injectives et surjectives, puis étudions les applications inver-
sibles dans le cas où les deux espaces euclidiens sont les mêmes.

4.1 Applications linéaires : ensemble de définition et en-


semble image
Dans ce sous-chapitre nous présentons les applications linéaires et en donnons plusieurs
exemples, qui nous permettent de définir les ensembles de définition et image.

Note théorique 4.1.


On considère une application T définie sur un sous ensemble DT de vecteurs de Rn ,
appelé ensemble de définition de T , et à valeurs dans in Rm . On écrit alors
T : DT ⊆ Rn → Rm .
Soit x ∈ DT . Alors on peut aussi écrire
T : x → T (x) ∈ Rm ,
où T (x) est appelé image de x par T .
1. L’ensemble d’arrivée de T : DT ⊆ Rn → Rm , noté CT , est l’espace euclidien Rm .
Voir la figure 4.1 pour une illustration.

147

147
THÉORIE ET PROBLÈMES RÉSOLUS
148 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens

Figure 4.1 – Les ensembles de définition, d’arrivée, et image de l’application T : DT ⊆


R n → Rm .

2. L’ensemble image de l’application T : DT ⊆ Rn → Rm , noté RT , est le sous


espaces de vecteurs de l’espace d’arrivée Rm composé des images de tous les vecteurs
x de DT . D’où RT ⊆ Rm .
3. On dit qu’une application T : Rn → Rm est linéaire si elle satisfait les deux condi-
tions suivantes

Figure 4.2 – Une application linéaire T : Rn → Rm .

a) T (u + v) = T (u) + T (v) pour tous u ∈ Rn et u ∈ Rn ;

b) T (cu) = c T (u) pour tous u ∈ Rn et c ∈ R (voir la figure 4.2).


4. Soit T : Rn → Rm un application linéaire définie sur Rn . Alors les propriétés sui-
vantes sont vérifiées

148
THÉORIE ET PROBLÈMES RÉSOLUS
4.1. APPLICATIONS
D’ALGÈBRE LINÉAIRE LINÉAIRES : ENSEMBLE DE DÉFINITION
Applications linéaires ET ENSEMBLE
entre IMAGE149
espaces euclidiens

Propriétés :
a) Le vecteur nul 0n de Rn a pour image le vecteur nul 0m de Rm . En d’autres
termes, T (0n ) = 0m .

b) T (c1 u + c2 v) = c1 T (u) + c2 T (v) pour tous u ∈ Rn , v ∈ Rn , c1 ∈ R et c2 ∈ R.

Problème 4.1.1.
Considérons l’application T : R2 → R3 telle que

T : (x1 , x2 ) → (x1 + x2 , 3x1 + x2 , x1 − x2 ) pour tous x1 , x2 ∈ R.

a) Montrer que T est une application linéaire.


b) Quels sont les ensembles de définition, d’arrivée et image de T ?
c) Calculer T (1, −2).

149
150 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens

Solution 4.1.1.

a) Soit deux vecteurs arbitraires de R2


x = (x1 , x2 ) et y = (y1 , y2 ).
Afin de démontrer que T est une application linéaire, nous devons prouver que
T (x + y) = T (x) + T (y) et T (c x) = c T (x) pour tout c ∈ R. Pour la première
condition nous avons
T (x + y) = (x1 + y1 + x2 + y2 , 3(x1 + y1 ) + x2 + y2 , x1 + y1 − (x2 + y2 ))

= (x1 + x2 + y1 + y2 , 3x1 + x2 + 3y1 + y2 , x1 − x2 + y1 − y2 )


De plus,
T (x) + T (y) = (x1 + x2 , 3x1 + x2 , x1 − x2 ) + (y1 + y2 , 3y1 + y2 , y1 − y2 )

= (x1 + x2 + y1 + y2 , 3x1 + x2 + 3y1 + y2 , x1 − x2 + y1 − y2 )

= T (x + y).
Pour la seconde condition nous avons
T (c x) = (c x1 + c x2 , 3c x1 + c x2 , c x1 − c x2 )

= c (x1 + x2 , 3x1 + x2 , x1 − x2 )

= c T (x) pour tout c ∈ R.


Nous en concluons que T est une application linéaire.

b) L’ensemble de définition DT est bien évidemment R2 comme tous les vecteurs


(x1 , x2 ) peuvent être pris par T . L’ensemble d’arrivée de T est R3 car l’application
transforme des vecteurs de R2 en vecteurs de R3 . Afin de déterminer l’ensemble
image de T nous devons trouver l’ensemble des images dans R3 de (x1 , x2 ) par
T . Pour ce faire, il est plus pratique d’écrire T sous sa forme matricielle. Nous re-
marquons que pour tous x1 et x2 l’application linéaire T : (x1 , x2 ) → (b1 , b2 , b3 )
applique la transformation suivante :
x1 + x2 = b1
3x1 + x2 = b2
x1 − x2 = b3 .
Nous pouvons donc en déduire l’équation matricielle
Ax = b,
où    
1 1 b1  
    3 x1
A= 3 1 , b= b2 ∈R , x= ∈ R2 .
x2
1 −1 b3
L’application linéaire T peut donc s’écrire :
T : x → Ax = b pour tout x ∈ R2 .
Donc l’ensemble image deT est donné par tous les b ∈ R3 pour lesquels le système
Ax = b est compatible, c’est à dire pour lesquels il admet au moins une solution.

150
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.1. APPLICATIONS LINÉAIRES : ENSEMBLE DE DÉFINITION ET ENSEMBLE IMAGE151

La matrice
 augmentée associée
 et certaines deses 
formes l-équivalentes sont
1 1 b1 1 1 b1 1 1 b1
 3 1 b2  ∼  0 −2 b2 − 3b1  ∼  0 −2 b2 − 3b1 .
1 −1 b3 0 −2 b3 − b1 0 0 2b1 − b2 + b3
Nous concluons partir de la forme échelonnée ci-dessus que le système Ax = b est
compatible si et seulement si
2b1 − b2 + b3 = 0.
Notons b2 = t et b3 = s,où t et
 s sontdeux  paramètres
 réels. Alors nous avons
t/2 − s/2 1/2 −1/2
b= t  = t  1  + s  0  pour tous t, s ∈ R.
s 0 1
Par conséquent tous les vecteurs de R étant images de x par T appartiennent à
3

l’espace engendré
  {v1 , v2 },où
Vect 
1/2 −1/2
v1 =  1  , v2 =  0 
0 1
Donc l’ensemble image RT de T est un sous ensemble de R3 , en particulier
RT = Vect {v1 , v2 }.

c) Trouvons T (1, −2) :   


1 1   −1
1
T : (1, −2) → Ax =  3 1  =  1  ∈ RT .
−2
1 −1 3

vi gör papper
i toppklass
Snygga trycksaker kräver riktigt bra ­papper. Vi på Arctic Paper ARCTIC PAPER GRYCKSBO
BOX 1, 790 20 GRYCKSBO
Grycksbo tillverkar några av Europas bästa bestrukna finpapper. Vi TFN: 023- 680 00
info.gr ycksbo@arc ticpaper.com,
är en modern processindustri där ena foten står stadig i de lokala Läs mer på www.arcticpaper.com

traditionerna och den andra tar sjumilakliv ut i världen. Flexibilitet

är vår styrka och därför siktar vi på att ha en service i toppklass och

på att bli ett av Europas miljövänligaste pappersbruk.

151
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
152 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Problème 4.1.2.
Considérons l’application T : R3 → R2 telle que
T : (x1 , x2 , x3 ) → (3x1 , 2x2 + x3 + 1) pour tous x1 , x2 , x3 ∈ R.
T est-elle une application linéaire ? Justifier votre réponse.

Solution 4.1.2.

Calculons T (x + y), avec


x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ).
Nous avons
T (x + y) = (3(x1 + y1 ), 2(x2 + y2 ) + x3 + y3 + 1),
et
T (x) + T (y) = (3x1 , 2x2 + x3 + 1) + (3y1 , 2y2 + y3 + 1)

= (3(x1 + y1 ), 2(x2 + y2 ) + x3 + y3 + 2).


Donc T (x + y) = T (x) + T (y), ainsi T n’est pas une application linéaire.

Problème 4.1.3.
Soit l’application T : Rn → Rm telle que
T : x → T (x) = Ax pour tout x ∈ Rn ,
où A est une matrice m × n quelconque. Montrer que T est une application linéaire.

Solution 4.1.3.

Considérons T : Rn → Rm telle que


T : x → T (x) = Ax pour tout x ∈ Rn ,
avec A une matrice m × n. Montrons que T est une application linéaire pour toute matrice
m × n. Soient deux vecteurs x ∈ Rn et y ∈ Rn . Alors
T (x + y) = A(x + y)

= Ax + Ay

= T (x) + T (y).

152
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.1. APPLICATIONS LINÉAIRES : ENSEMBLE DE DÉFINITION ET ENSEMBLE IMAGE153

De plus,

T (c x) = A(c x)

= c (Ax)

= c T (x) pour tout c ∈ R.

Nous en concluons que T est une application linéaire pour toute matrice m × n A.

153
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
154 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

4.2 Matrices canoniques et applications composées


Dans ce sous-chapitre nous montrons comment calculer la matrice canonique d’une
application linéaire T . La matrice canonique, qui peut être évaluée à partir de la base ca-
nonique de l’ensemble de définition de T , en donne une description unique. Nous étudions
aussi les applications linéaires composées, qui résultent de transformations linéaires suc-
cessives.

Note théorique 4.2.

1. La matrice canonique de T :

Soit T : Rn → Rm une application linéaire transformant tous les vecteurs de Rn en


vecteurs de Rm . Alors il existe une unique matrice m × n, notée A, telle que
T : x → T (x) = Ax ∈ Rm
pour tout x ∈ Rn . On appelle A la matrice canonique de T . En particulier,
A = [T (e1 ) T (e2 ) · · · T (en )],
où {e1 , e2 , · · · , en } est la base canonique de Rn ,
     
1 0 0
 0   1   0 
     
e1 =  .  , e2 =  .  , . . . , en =  . .
 . . .
 .   .. 
0 0 1
Remarque : Cette dérivation de A vient du fait que tout vecteur x = (x1 , x2 , . . . , xn ) ∈
Rn , peut s’écrire de façon unique comme une combination linéaire des vecteurs de
la base canonique :
x = x1 e1 + x2 e2 + · · · + xn en .

2. Soient deux application linéaires T1 et T2 telles que


T 1 : R n → Rm , T2 : Rm → Rp .
(Voir la figure 4.3).
Notons A1 la matrice canonique m × n de T1 et A2 la matrice canonique p × m de
T2 . Alors
T1 : x → y = T1 (x) = A1 x ∈ Rm pour tout x ∈ Rn et

T2 : y → z = T2 (y) = A2 y ∈ Rp ,
où y est l’image de x par T1 et z est l’image de y par T2 . Donc z est l’image de x
par une nouvelle application linéaire T , qui est l’application composée des deux
applications linéaires T1 puis T2 . On écrit alors
T = T 2 ◦ T 1 : R n → Rp ,

154
4.2. MATRICES
THÉORIE CANONIQUES
ET PROBLÈMES RÉSOLUS ET APPLICATIONS COMPOSÉES 155
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens

Figure 4.3 – L’application linéaire composée T2 ◦ T1 .

tel que pour tout x ∈ Rn , nous avons


T = T2 ◦ T1 : x → T2 (T1 (x)) = T2 (A1 x) = A2 (A1 x) = (A2 A1 )x ∈ Rp .
La matrice canonique de l’application composée T2 ◦ T1 est le produit matriciel
A2 A1 , qui est une matrice p × n.

Problème 4.2.1.
Considérons les applications linéaires de R2 suivantes :

L’application T1 : R2 → R2 , où T1 réfléchit tout vecteur de R2 par rapport à la droite


y = 4x.

L’application T2 : R2 → R2 qui applique aux vecteurs de R2 une rotation d’un angle π/3
par rapport à l’origine (0, 0) et dans le sens anti-horaire.
a) Trouver la matrice canonique de T1 .
b) Trouver la matrice canonique de T2 .
c) Trouver les matrices canoniques de applications composées suivantes :
T 2 ◦ T 1 , T1 ◦ T 2 , T1 ◦ T 1 , T2 ◦ T 2 .

Solution 4.2.1.

a) Remarque : Il est conseillé de revoir les problèmes du Chapitre 1 qui traitent de


la réflexion des vecteurs par rapport aux droites.

Notons A1 la matrice canonique de T1 , telle que


T1 : x → A1 x pour tout x ∈ R2 ,

155
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
156 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

avec    
1 0
A1 = [T1 (e1 ) T1 (e2 )], e1 = , e2 = .
0 1
En premier lieu, déterminons la réflexion de e1 par rapport à la droite y = 4x, i.e.
calculons T1 (e1 ) :

Figure 4.4 – Réflexion de e1 par rapport à y = 4x.

D’après la figure 4.4 nous avons


−−→ −−→
T1 (e1 ) + CB + BA = e1
−−→ −−→
Comme CB = BA, il suit
−−→
T1 (e1 ) = e1 − 2BA
De plus,
−−→ −−→
BA = e1 − OB,
−−→
où OB est la projection orthogonale de e1 sur la droite  d’équation y = 4x, i.e.
la projection orthogonale de e1 sur un vecteur quelconque de . Afin de trouver un
vecteur de  (noté v), imposons x = 1. Alors y = 4, tel que v = (1, 4) et
−−→ e1 · v
OB = projv e1 = v
v·v
(1)(1) + (0)(4)
= (1, 4)
12 + 42
1
= (1, 4).
17

156
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 157

Donc
−−→ 1 1 2 1
BA = (1, 0) − (1, 4) = (16, −4) et T1 (e1 ) = (1, 0) − (16, −4) = (−15, 8),
17 17 17 17
ou, sous une écriture
 en colonne

1 −15
T1 (e1 ) = .
17 8
Trouvons à présent la réflexion de e2 par rapport à y = 4x, i.e. calculons T1 (e2 ) :

Figure 4.5 – Réflexion de e2 par rapport à y = 4x.

D’après la figure 4.5 nous avons


−−→ −−→
T1 (e2 ) = e2 + AB + BC,
−−→ −−→
où AB = BC. Donc
−−→
T1 (e2 ) = e2 + 2AB.
De plus,
−−→ −−→
AB = OB − e2 ,
avec
−−→
OB = projv e2 , et v = (1, 4).

157
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
158 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Donc
−−→ e2 · v
OB = projv e2 = v
v·v
(0)(1) + (1)(4)
= (1, 4)
12 + 42
4
= (1, 4)
17
et
−−→ 4 1
AB = (1, 4) − (0, 1) = (4, −1),
17 17
tel que
2 1
T1 (e2 ) = (0, 1) + (4, −1) = (8, 15).
17 17
En notation en colonne,
 nous avons donc
1 8
T1 (e2 ) = .
17 15
La matrice canonique
 A1 pour
 T1 est ainsi
1 −15 8
A1 = .
17 8 15

158
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 159

b) Notons A2 la matrice canonique de l’application T2 : R2 → R2 , où T2 fait tourner


les vecteurs de R2 par rapport à l’origine (0, 0) d’un angle ϕ = π/3 dans le sens
anti-horaire. Alors
T2 : x → A2 x pour tout x ∈ R2 ,
où    
1 0
A2 = [T2 (e1 ) T2 (e2 )], e1 = , e2 = .
0 1
Les rotations de e1 et e2 dans le sens anti-horaire par rapport à l’origine (0, 0) sont
représentées à la figure 4.6.

Figure 4.6 – Rotation par rapport à (0, 0) d’un angle ϕ dans le sens anti-horaire de e1
et e2 .

D’après la figure
 4.6 nous avons  
cos ϕ − sin ϕ
T2 (e1 ) = , T2 (e2 ) = .
sin ϕ cos ϕ
Par conséquent la matrice canonique de T2 pour la rotation anti-horaire d’un angle
ϕ par rapport à (0, 0) est 
cos ϕ − sin ϕ
A2 = .
sin ϕ cos ϕ
Pour l’angleϕ = π/3 nous √ avons donc
1/2 − 3/2
A2 = √ .
3/2 1/2

159
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
160 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

c) Les matrices canoniques des applications composées sont listées ci-dessous :


T2 ◦ T1 : x → (A2 A1 )x pour tout x ∈ R2

T1 ◦ T2 : x → (A1 A2 )x pour tout x ∈ R2

T1 ◦ T1 : x → (A21 )x pour tout x ∈ R2

T2 ◦ T2 : x → (A22 )x pour tout x ∈ R2 .

Problème 4.2.2.
Soit l’application linéaire T : R2 → R2 qui projette orthogonalement tout vecteur de R2
sur la droite y = k x, avec k ∈ R.
a) Trouver la matrice canonique de T .
b) On note k = −1/2, i.e. nous considérons la droite y = −x/2, trouver l’image du
point (1, 2) par T . En d’autres termes, déterminer T (1, 2).

160
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 161

Solution 4.2.2.
a) Remarque : Il est conseillé de revoir les problèmes du Chapitre 1 qui traitent de
la projection des vecteurs sur d’autres vecteurs.

Notons A la matrice canonique de la projection orthogonale des vecteurs x ∈ R2


sur la droite y = kx avec k ∈ R. Alors
T : x → T (x) = Ax,
où    
1 0
A = [T (e1 ) T (e2 )], e1 = , e2 = .
0 1
Afin de trouver T (e1 ) nous devons projeter orthogonalement e1 sur un vecteur
quelconque v appartenant à la droite y = kx. Voir la figure 4.7 pour une illustration.

Figure 4.7 – La projection orthogonale de e1 sur y = kx.

Notons x = 1. Alors y = k tel que  


e1 · v
T (e1 ) = projv e1 = (e1 · v̂) v̂ = v,
v2
avec  
1 v
v = (1, k) ≡ , v̂ = .
k v
Donc
e1 · v = (1, 0) · (1, k) = 1

v2 = (1, k) · (1, k) = 1 + k 2 ,


il vient  
1 1
T (e1 ) = 2
.
1+k k

161
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
162 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Pour trouver T (e2 ) nous projetons orthogonalement


  e2 sur le vecteur v = (1, k).
e2 · v
T (e2 ) = projv e2 = (e2 · v̂) v̂ = v,
v2
où e2 · v = (0, 1) · (1, k)
 = k,
 et donc
k 1
T (e2 ) = .
1 + k2 k
La matrice canonique de T est donc  
1 1 k
A = [T (e1 ) T (e2 )] = .
1 + k2 k k2

b) En utilisant le résultat de la question a), la matrice canonique de la projection


 des vecteurs x∈ R sur la droite y = −x/2 est
orthogonale 2

4/5 −2/5
A= .
−2/5 1/5
Alors         
1 1 4/5 −2/5 1 0
T (1, 2) : → A = = .
2 2 −2/5 1/5 2 0

Problème 4.2.3.
Soit l’application linéaire T : R3 → R3 , réfléchissant les vecteurs de R3 par rapport à la
droite  définie par


 x = 2t


: y=t



 z = −t pour tout t ∈ R.

a) Trouver la matrice canonique de T .


b) Trouver l’image du point (1, 2, 3) par T , noté T (1, 2, 3).

162
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 163

Solution 4.2.3.

a) Notons A la matrice canonique de l’application T réfléchissant les vecteurs x ∈ R3


par rapport
 à la droite

 x = 2t


: y=t



 z = −t pour tout t ∈ R.
Alors
A = [T (e1 ) T (e2 ) T (e3 )]
où {e1 , e2 , e3 } est la base canonique de R3 .

Afin de calculer T (e1 ), projetons orthogonalement e1 sur un vecteur non nul v


appartenant à la droite . Nous pouvons trouver un tel vecteur en prenant par
example t 
= 1 dans
 l’équation paramétrique ci-dessus, nous obtenons
2
v =  1 .
−1

Figure 4.8 – La réflexion de e1 par rapport à la droite  dans R3 .

A partir de la figure 4.8, nous avons


−−→
T (e1 ) = e1 + 2AB,

163
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
164 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

avec
−−→ −−→
AB = OB − e1
et  
−−→ e1 · v
OB = projv e1 = v.
v2
Donc
T (e1 ) = 2 projv e1 − e1
 
e1 · v
=2 v − e1
v2
 
1
1
=  2 .
3
−2
Nous calculons de la même manière T (e
2 ) et 
T (e3 ) et obtenons
2
1
T (e2 ) = 2 projv e2 − e2 =  −2 
3
−1
 
−2
1
T (e3 ) = 2 projv e3 − e3 =  −1  .
3
−2
La matrice canonique
 A de T est
 donc
1 2 −2
1
A =  2 −2 −1  .
3
−2 −1 −2
Un vecteur  de coordonnées
  (x,y, z) est
 par conséquenttransformé
  par  T selon 
x x 1 2 −2 x x + 2y − 2z
1 1
T (x, y, z) :  y  → A  y  =  2 −2 −1   y  =  2x − 2y − z  .
3 3
z z −2 −1 −2 z −2x − y − 2z
b) En utilisantle résultat
 de
 la question
 a) ci-dessus, nous
 avons  
1 1 1 2 −2 1 1
1 1
T (1, 2, 3) :  2  → A  2  =  2 −2 −1   2  = −  5  .
3 3
3 3 −2 −1 −2 3 10

Problème 4.2.4.
Soit  une droite de R3 passant par l’origine (0, 0, 0). Considérons l’application T1 : R3 →
R3 projetant orthogonalement les vecteurs x ∈ R3 sur  ainsi que l’application T2 : R3 → R3
réfléchissant les vecteurs x ∈ R3 par rapport à cette même droite. Dériver une relation
liant les matrices canoniques des applications T1 et T2 .

164
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 165

Solution 4.2.4.

Notons A1 la matrice canonique de l’application T1 projetant sur , i.e.

T1 : x → T1 (x) = A1 x pour tout x ∈ R3

et A2 la matrice canonique de l’application T2 réfléchissant par rapport à , i.e.

T2 : x → T2 (x) = A2 x pour tout x ∈ R3 .

This e-book
is made with SETASIGN
SetaPDF

PDF components for PHP developers

www.setasign.com

165
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS
166 CHAPITRE LINApplications
ÉAIRES ENTRElinéaires entreEUCLIDIENS
ESPACES espaces euclidiens

Figure 4.9 – Une illustration de la projection orthogonale et de la réflexion de e1 par


rapport à la droite .

Comme d’habitude nous nous intéressons à la façon dont les vecteurs de la base canonique
{e1 , e2 , e3 } sont transformés. En se basant sur la figure 4.9, nous avons par addition des
vecteurs
−−−→ −−−→
e1 + P1 Q1 = T1 (e1 ) et e1 + 2P1 Q1 = T2 (e1 ).
Donc nous obtenons la relation
T2 (e1 ) = 2 T1 (e1 ) − e1 .
D’après la figure 4.10 nous avons
−−−→ −−−→
e2 + P2 Q2 = T1 (e2 ) et e2 + 2P2 Q2 = T2 (e2 ),
qui nous fournit la relation
T2 (e2 ) = 2 T1 (e2 ) − e2 .
La figure 4.11 nous donne
−−−→ −−−→
e3 + P3 Q3 = T1 (e3 ) et e3 + 2P3 Q3 = T2 (e3 ),
et donc la relation
T2 (e3 ) = 2 T1 (e3 ) − e3 .

166
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRECANONIQUES
4.2. MATRICES Applications
ET APPLICATIONS linéaires
COMPOS entre espaces euclidiens
ÉES 167

Figure 4.10 – Une illustration de la projection orthogonale et de la réflexion de e2 par


rapport à la droite .

La matrice canonique A1 de T1 est

A1 = [T1 (e1 ) T1 (e2 ) T1 (e3 )]

et celle de T2 est

A2 = [T2 (e1 ) T2 (e2 ) T2 (e3 )]

= [2 T1 (e1 ) − e1 2 T1 (e2 ) − e2 2 T1 (e3 ) − e3 ]

= 2 [T1 (e1 ) T1 (e2 ) T1 (e3 )] − [e1 e2 e3 ].

Par conséquent la relation liant A1 à A2 est

A2 = 2 A1 − I3 ,

où I3 est la matrice identité 3 × 3.

167
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
168 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Figure 4.11 – Une illustration de la projection orthogonale et de la réflexion de e3 par


rapport à la droite .

Problème 4.2.5.
Notons
 √ 
1/2 1/2 1/ 2
 √ 
A=
 1/2 −5/6 1/(3 2) 

√ √
1/ 2 1/(3 2) −2/3

la matrice canonique de l’application T réfléchissent les vecteurs x ∈ R3 par rapport à la


droite  de R3 passant par l’origine (0, 0, 0). Trouver l’équation paramétrique de .

168
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 169

Solution 4.2.5.

Comme  passe par (0, 0, 0), son équation est de la forme




 x = at


: y = bt



 z = c t pour tout t ∈ R,

où v = (a, b, c) donne la direction de  et lui appartient donc. Nous devons trouver les
paramètres a, b et c, tels que T , défini par la matrice A, réfléchisse tout vecteur x ∈ R3
par rapport à . En considérant la base canonique {e1 , e2 , e3 }, nous avons

A = [T (e1 ) T (e2 ) T (e3 )],

donc
     √ 
1/2 1/2 1/ 2
     √ 
T (e1 ) =  
 1/2  , T (e2 ) = 
 −5/6  , T (e3 ) = 
 1/(3 2)
.

√ √
1/ 2 1/(3 2) −2/3
D’après la figure 4.12 nous avons

w1 = projv e1 et w1 = projv T (e1 ).

Ce qui veut dire que


  e · v
T (e1 ) · v 1
v= v ou T (e1 ) · v = e1 · v.
v·v v·v
En utilisant les expressions de T (e1 ) et v = (a, b, c) nous obtenons
1 1 1 √
a+ b+ √ c=a ou a−b− 2c = 0.
2 2 2
D’après la figure 4.13 nous avons

w2 = projv e2 et w2 = projv T (e2 ).

Et donc
  e · v
T (e2 ) · v 2
v= v ou T (e2 ) · v = e2 · v.
v·v v·v
Avec les expressions de T (e2 ) et v = (a, b, c) nous avons

1 5 1 11 2
a − b + √ c = b ou a − b + c = 0.
2 6 3 2 3 3
D’après la figure 4.14 nous avons

w3 = projv e3 et w3 = projv T (e3 ).

169
THÉORIE ET PROBLÈMES RÉSOLUS
170 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens

Figure 4.12 – La réflexion de e1 par rapport à la droite .

Donc
  e · v
T (e3 ) · v 3
v= v ou T (e3 ) · v = e3 · v.
v·v v·v
En remplaçant par les expressions de T (e3 ) et v = (a, b, c) nous obtenons

1 1 2 1 5 2
√ a + √ b − c = c ou a + b − c = 0.
2 3 2 3 3 3
Nous avons donc trois relations entre les paramètres a, b et c,

a − b − 2c = 0

11 2
a− b+ c=0
3 3

1 5 2
a+ b− c = 0,
3 3
ou, sous forme matricielle,
 √    
1 −1 − 2 a 0
 √    
 1 −11/3 2/3     
  b  =  0 .

1 1/3 −5 2/3 c 0

170
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 171

Figure 4.13 – La réflexion de e2 par rapport à la droite .

Figure 4.14 – La réflexion de e3 par rapport à la droite .

171
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
172 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

La résolution de ce système au moyen du pivot de Gauss nous donne


3 1
a = √ s, b = √ s, c = s,
2 2

où s est un paramètre libre. Prenons s = 2, donc l’équation paramétrique de  devient


 x = 3t


: y=t



 √
z = 2 t pour tout t ∈ R.

DO YOU WANT TO KNOW:

What your staff really want?

The top issues troubling them?

How to make staff assessments


work for you & them, painlessly?

How to retain your


top staff Get your free trial
FIND OUT NOW FOR FREE
Because happy staff get more done

172
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 173

Problème 4.2.6.
Déterminer la matrice canonique de l’application T : R3 → R3 , où T est l’application
projetant orthogonalement les vecteurs de R3 sur le plan xy.

Solution 4.2.6.

La matrice canonique A de l’application T : R3 → R3 projetant orthogonalement les vec-


teurs x ∈ R3 sur le plan xy est

A = [T (e1 ) T (e2 ) T (e3 )]

où {e1 , e2 , e3 } est la base canonique de R3 . A partir de la figure 4.15, il est trivial que
     
1 0 0
T (e1 ) =  0  , T (e2 ) =  1  , T (e3 ) =  0  .
0 0 0

Figure 4.15 – La projection orthogonale d’un vecteur x ∈ R3 sur le plan xy.

Donc la matrice canonique A est


 
1 0 0
 0 1 0 .
0 0 0

173
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
174 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Problème 4.2.7.
Trouver la matrice canonique de l’application T : Rn → Rn , telle que

T : x → k x

pour tous x ∈ Rn et k ∈ R.

174
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 175

Solution 4.2.7.

Nous cherchons la matrice n × n, notée A, telle que

T : x → Ax = k x

pour tout x ∈ Rn . Notons


 
x1
 x2 
 
x =  . .
 .. 
xn
Alors
    
k 0 0 ··· 0 x1 k x1
 0 k 0 ··· 0  x2   k x2 
    
 .. ..  .. = ..  ou kIn x = k x.
 . .  .   . 
0 0 0 ··· k xn k xn
D’où la matrice canonique de T est A = k In , où In est la matrice identité n × n.

Problème 4.2.8.
Trouver la matrice canonique de T : R2 → R4 , telle que

T : x → (k1 x1 , k2 x2 , (k1 − k2 )x1 , (k1 + k2 )x2 )

pour tous x = (x1 , x2 ) ∈ R2 et k1 et k2 réels.

Solution 4.2.8.

Nous considérons l’application T : R2 → R4 , telle que tout vecteur x = (x1 , x2 ) ∈ R2 soit


transformé en vecteur (k1 x1 , k2 x2 , (k1 − k2 )x1 , (k1 + k2 )x2 ) ∈ R4 , avec k1 , k2 ∈ R. Donc
nous cherchons la matrice 4 × 2 A, telle que
 
    k1 x1
x1 x1  k2 x2 
T: → A = 
.
x2 x2 (k1 − k2 ) x1 
(k1 + k2 ) x2
Comme
   
k1 0   k1 x1
 0 k2   
  x1 
=
k2 x2 ,
 k1 − k2 0  x2 (k1 − k2 ) x1 
0 k1 + k 2 (k1 + k2 ) x2

175
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
176 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

La matrice canonique de T est


 
k1 0
 0 k2 
A=
 k1 − k2
.

0
0 k1 + k 2

Problème 4.2.9.
Soient les applications linéaires T1 , T2 et T3 transformant les vecteurs de R3 dans R3
comme suit :
T1 fait tourner les vecteurs de R3 d’un angle θ1 par rapport à l’axe z dans le sens anti-
horaire ;
T2 fait tourner les vecteurs de R3 d’un angle θ2 par rapport à l’axe y dans le sens horaire ;
T3 fait tourner les vecteurs de R3 d’un angle θ3 par rapport à l’axe x dans le sens anti-
horaire.
a) Trouver les matrices canoniques de T1 , T2 et T3 .
b) Trouver la matrice canonique de l’application composée T = T3 ◦ T2 ◦ T1 .
c) Soit un vecteur u = (x, y, z) où (x, y, z) est un point de la sphere de centre (0, 0, 0)
et de rayon a > 0. Calculer T (u), où T est l’application composée de la question b)
et montrer que T (u) est un vecteur pointant sur la même sphere.

Solution 4.2.9.

a) T1 : x → A1 x est l’application qui opère une rotation des vecteurs x ∈ R3 par


rapport à l’axe z d’un angle θ1 dans le sens anti-horaire. Alors
A1 = [T1 (e1 ) T1 (e2 ) T1 (e3 )],
où      
cos θ1 − sin θ1 0
T1 (e1 ) =  sin θ1  , T1 (e2 ) =  cos θ1  , T1 (e3 ) =  0  .
0 0 1
Donc la matrice
 canonique de T1 est

cos θ1 − sin θ1 0
A1 =  sin θ1 cos θ1 0  .
0 0 1
T2 : x → A2 x est l’application qui opère une rotation des vecteurs x ∈ R3 par
rapport à l’axe y d’un angle θ2 dans le sens horaire. Alors
A2 = [T2 (e1 ) T2 (e2 ) T2 (e3 )],
où      
cos θ2 0 − sin θ2
T2 (e1 ) =  0  , T2 (e2 ) =  1  , T2 (e3 ) =  0 .
sin θ2 0 cos θ2

176
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 177

Donc la matrice
 canonique de T2 est 
cos θ2 0 − sin θ2
A2 =  0 1 0 .
sin θ2 0 cos θ2
T3 : x → A3 x est l’application qui opère une rotation des vecteurs x ∈ R3 par
rapport à l’axe x d’un angle θ3 dans le sens anti-horaire. Alors
A3 = [T3 (e1 ) T3 (e2 ) T3 (e3 )],
où      
1 0 0
T3 (e1 ) =  0  , T3 (e2 ) =  cos θ3  , T3 (e3 ) =  − sin θ3  .
0 sin θ3 cos θ3
Donc la matrice
 canonique de T est
3 
1 0 0
A3 =  0 cos θ3 − sin θ3  .
0 sin θ3 cos θ3
b) La matrice canonique A de l’application composée
T = T3 ◦ T2 ◦ T1 , T : x → Ax
est donnée par
A = A3 A2 A1 ,
A1 , A2 et A3 ont été calculées
où   à la question a). Donc
 
1 0 0 cos θ2 0 − sin θ2 cos θ1 − sin θ1 0
A =  0 cos θ3 − sin θ3   0 1 0   sin θ1 cos θ1 0 
0 sin θ3 cos θ3 sin θ2 0 cos θ2 0 0 1
 
cos θ1 cos θ2 − sin θ1 cos θ2 − sin θ2
 
 
=  sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 − cos θ2 sin θ3 .
 
sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 cos θ2 cos θ3
c) Soit u un vecteur pointant sur la sphere de rayon a > 0, définie par l’équation
x2 + y 2 + z 2 = a 2 .
Alors u possède les coordonnées suivantes :
u = (x, y, a2 − x2 − y 2 ).
Appliquons maintenant T = T3 ◦ T2 ◦ T1 à u, i.e.
T : u → T (u) = Au,
où A est la matrice canonique calculée à la question b). On a donc
Au = w = (w1 , w2 , w3 ),
où 
w1 = x cos θ1 cos θ2 − y sin θ1 cos θ2 − a2 − x2 − y 2 sin θ2

w2 = x (sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 ) + y (cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 )

− a2 − x2 − y 2 cos θ2 sin θ3

w3 = x (sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 ) + y (cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 )

+ a2 − x2 − y 2 cos θ2 cos θ3 .

177
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
178 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Le calcul de w12 + w22 + w32 donne


w12 + w22 + w32 = a2 ,
ce qui montre que w pointe sur la sphere de rayon a > 0 et de centre (0, 0, 0).

Problème 4.2.10.
a) Considérons l’application linéaire T : R3 → R3 , projetant orthogonalement les vec-
teurs x ∈ R3 sur le plan
Π : ax + by + cz = 0.
Calculer la matrice canonique de T .
ˆ où ˆ est la projection orthogonale
b) Trouver l’équation paramétrique de la droite ,
de la droite


 x=t+2


: y = −t + 1



 z = 3t − 1 pour tout t ∈ R
sur le plan
Π : x + 2y − 3z = 0.

Challenge the way we run

EXPERIENCE THE POWER OF


FULL ENGAGEMENT…

RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM

1349906_A6_4+0.indd 1 22-08-2014 12:56:57

178
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 179

Solution 4.2.10.

a) Notons A la matrice canonique de T . A partir de la base canonique {e1 , e2 , e3 }


nous avons
A = [T (e1 ) T (e2 ) T (e3 )].
Le vecteur normal n du plan Π est
n = (a, b, c).
D’après la figure 4.16 nous avons

Figure 4.16 – La projection orthogonale du vecteur e1 du le plan Π.

−−−→
T (e1 ) + Q1 P1 = e1 ,
où  
  a
−−−→ e1 · n a 
Q1 P1 = projn e1 = n= 2 b .
n·n a + b2 + c 2
c
Donc      2 
1 a b + c2
a 1
T (e1 ) =  0  − 2  b =  −ab  .
a + b2 + c 2 a 2 + b2 + c 2
0 c −ac
D’après la figure 4.17 nous avons
−−−→
T (e2 ) + Q2 P2 = e2 ,

179
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
180 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

où  
e · n a
−−−→ 2 b  b .
Q2 P2 = projn e2 = n= 2
n·n a + b2 + c 2
c

Figure 4.17 – La projection orthogonale du vecteur e2 du le plan Π.

Donc      
0 a −ab
b 1
T (e2 ) =  1  − 2 2 2
 b =  a 2 + c2  .
a +b +c a + b2 + c 2
2
0 c −bc
D’après la figure 4.18 nous avons
−−−→
T (e3 ) + Q3 P3 = e3 ,
où  
e · n a
−−−→ 3 c  b .
Q3 P3 = projn e3 = n= 2
n·n a + b2 + c 2
c
Donc      
0 a −ac
c 1
T (e3 ) =  0  − 2  b =  −bc  .
a + b2 + c 2 a 2 + b2 + c 2
1 c a 2 + b2

180
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 181

Figure 4.18 – La projection orthogonale du vecteur e3 du le plan Π.

La matrice canonique A de T est donc  2 


b + c2 −ab −ac
1  −ab
A = [T (e1 ) T (e2 ) T (e3 )] = 2 a2 + c2 −bc  .
a + b2 + c 2
−ac −bc a2 + b2
b) Afin de trouver la projection orthogonale de la droite  sur le plan Π, choisissons
deux points P et Q de  et projetons orthogonalement leur vecteur associé sur Π
en utilisant la matrice canonique calculée à la question a). Voir la figure 4.19 pour
une illustration.
Nous faisons le choix arbitraire : P : (2, 1, −1) qui correspond à t = 0 et Q : (3, 0, 2)
correspondant à t = 1. En remplaçant a, b et c par leurs valeurs 1, 2, −3 dans
l’expression de A calculée à la partie a), nous obtenons pour le plan
Π : x + 2y − 3z = 0
la matrice canonique
 
13 −2 3
1 
A= −2 10 6  .
14
3 6 5
Donc     
13 −2 3 2 3
−−→ 1  1
OP1 = −2 10 6   1  =  0 
14 2
3 6 5 −1 1

181
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
182 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Figure 4.19 – La projection orthogonale de  sur le plan Π.

et     
13 −2 3 3 45
−−→ 1  1
OQ1 = −2 10 6   0  =  6 .
14 14
3 6 5 2 19
−−−→
Nous avons donc calculé le vecteur P1 Q1 ,
−−−→ 45 3 3 19 1 12 3 6
P1 Q1 = ( − , − 0, − ) = ( , , ).
−−−→14 2 7 14 2 7 7 7
Le vecteur P1 Q1 donne la direction de la droite ˆ et, en utilisant le point P1 , nous
obtenonsl’équation paramétrique suivante pour la droite ˆ :
 12 3

 x= t+

 7 2

ˆ 3
: y= t

 7


 6
 z = t + 1 pour tout t ∈ R.
7 2

182
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 183

4.3 Les applications linéaires inversibles


Dans ce sous-chapitre nous étudions la surjectivité et l’injectivité des applications
linéaire et examinons les application linéaires inversibles.

Note théorique 4.3.

1. On dit qu’une application linéaire T : Rn → Rm , où


T : x → b,
est surjective dans un sous ensemble W de Rm si tout vecteur b ∈ W possède au
moins un antécédent x ∈ Rn .
2. On dit qu’une application linéaire T : Rn → Rm , où
T : x → b,
est injective sur un sous ensemble W de Rm si tout vecteur b ∈ W possède un
antécédent unique x ∈ Rn .
3. Soit T : Rn → Rm un application linéaire et notons A sa matrice canonique, i.e.
T : x → T (x) = Ax ∈ Rm ,
où A est un matrice m × n. Alors les propriétés suivantes sont vérifiées

Propriétés :
a) T est injective sur son ensemble image RT si et seulement si le système
Ax = 0
admet pour unique solution x = 0.
b) T est injective sur son ensemble image RT si et seulement si les colonnes de A
forment une famille libre de n vecteurs dans Rm . Alors
Ax = b
admet une solution unique x ∈ Rn .
c) T est surjective dans Rm l’ensemble d’arrivée de T , Rm , est l’ensemble image
RT de T , i.e. si et seulement si RT = Rm .
d) Si T est injective sur un ensemble, alors T est surjective sur cet ensemble.
Remarque : Toute application linéaire T : Rn → Rm représentée par la matrice
A = [a1 a2 · · · an ] est toujours surjective sur son ensemble image RT ⊆ Rm et
ainsi
RT = Vect {a1 , a2 , · · · , an }.
S’il existe des vecteurs de l’ensemble image Rm n’appartenant par à RT , alors RT =
Rm et donc T n’est évidemment pas surjective sur Rm .
4. Supposons que T : Rn → Rn soit une application linéaire injective sur Rn représentée
par la matrice n × n A. Supposons maintenant qu’il existe une autre application
linéaire injective T −1 : Rn → Rn , telle que
T −1 ◦ T (x) = T ◦ T −1 (x) = x pour tout x ∈ Rn .

183
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
184 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

Alors T −1 est appelée réciproque de T et sa matrice canonique est l’inverse de la


matrice A, notée A−1 . C’est à dire
T −1 : x → T −1 (x) = A−1 x pour tout x ∈ Rn .

Problème 4.3.1.
Soit l’application linéaire T : R2 → R2 représentée par la matrice
 
1 0
A= .
1 0

a) Donner les ensembles de définition DT et image RT de l’application T .


b) L’application T est-elle surjective et/ou injective sur son ensemble image RT ? Jus-
tifier.
c) L’application est-elle surjective sur R2 ? Justifier.

Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.

Försäkra din lön


för 90 kronor
i månaden

@akademikernas på Twitter facebook.com/akademikernas

aea.se/blimedlem

184
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 185

Solution 4.3.1.

a) Nous considérons
 l’application
 linéaire T : R2 → R2 de matrice canonique
1 0
A= .
1 0
Donc         
x x 1 0 x x
T: → A = =
y y 1 0 y x
pour tous x ∈ R et y ∈ R. Voir la figure 4.20.

Figure 4.20 – Un application surjective T sur y = x qui n’est pas injective.

  DT de T consiste donc en tous les vecteurs de R , i.e.


L’ensemble de définition 2

x
DT = { pour tous x, y ∈ R}
y
   
1 0
= Vect { , } = R2 .
0 1
L’ensemble image RT de T est donné par tous les vecteurs de R2 appartenant à la
droite y = x, i.e  
k
RT = { pour tout k ∈ R}
k
 
1
= Vect { } ⊂ R2 .
1
b) L’application est surjective sur son ensemble image RT (la droite y = x) car tout
vecteur de RT est l’image d’au moins un vecteur de l’ensemble de définition DT =
R2 . Cependant, T n’est pas injective, en effet il existe un vecteur de RT . peut avoir
plus d’un antécédent dans R2 . En l’occurence il existe une infinité de vecteurs de
R2 ayant la même image dans RT , et ce pour chaque vecteur de RT . Par exemple,
les deux vecteurs (1, 2) et (1, 3) ont la même image par T , le vecteur (1, 1). De plus,
les vecteurs (1, k) ont eux aussi pour unique image (1, 1) quelque soit k ∈ R.

185
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
186 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

c) L’application T n’est pas surjective dans R2 , en effet seulement les vecteurs de la


droite y = x possèdent des antécédents par T . Donc tous les vecteurs de R2 ne sont
pas des images par T . Par exemple le vecteur v = (1, 2) ne possède pas d’antécédent
par T .

Problème 4.3.2.
Considérons l’application T : R3 → R3 telle que

T : (x1 , x2 , x3 ) → (x1 − x2 + 5x3 , x1 + 2x2 − 4x3 , 2x1 + 3x2 − 5x3 ).

a) Montrer que T est une application linéaire.


b) Trouver la matrice canonique de T .
c) Quels sont les ensembles de définition DT et image RT de T ? Donner leur expression
en terme d’espace engendré.
d) T est-elle surjective dans R3 ? Justifier.
e) T est-elle injective sur son ensemble image RT ? Justifier.

Unlock your potential


eLibrary solutions from bookboon is the key

eLibrary

Interested in how we can help you?


email ban@bookboon.com

186
THÉORIE
4.3. LESETAPPLICATIONS
PROBLÈMES RÉSOLUS
LINÉAIRES INVERSIBLES 187
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens

Solution 4.3.2.

a) Montronsque l’application
  T , donnée par
x1 x1 − x2 + 5x3
T :  x2  →  x1 + 2x2 − 4x3  ,
x3 2x1 + 3x2 − 5x3
est linéaire. Soient les deux vecteurs de R3 , x = (x1 , x2 , x3 ) et y = (y1 , y2 , y3 ).
Alors    
x1 − x2 + 5x3 y1 − y2 + 5y3
T (x) =  x1 + 2x2 − 4x3  , T (y) =  y1 + 2y2 − 4y3  .
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3
Nous voulons montrer que T (x + y) = T (x) + T (y) et T (c x) = c T (x) pour tous x
et y dans R3 et c ∈ R.Nous avons 
x1 + y1 − (x2 + y2 ) + 5(x3 + y3 )
T (x + y) =  x1 + y1 + 2(x2 + y2 ) − 4(x3 + y3 ) 
2(x1 + y1 ) + 3(x2 + y2 ) − 5(x3 + y3 )
   
x1 − x2 + 5x3 y1 − y2 + 5y3
=  x1 + 2x2 − 4x3  +  y1 + 2y2 − 4y3 
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3

= T (x) + T (y).
De plus,    
cx1 − cx2 + 5cx3 x1 − x2 + 5x3
T (c x) =  cx1 + 2cx2 − 4cx3  = c  x1 + 2x2 − 4x3  = c T (x) pour tout c ∈ R.
2cx1 + 3cx2 − 5cx3 2x1 + 3x2 − 5x3
Comme x et y sont des vecteurs arbitraires de R3 , les propriétés de T exposées
ci-dessus sont valables pour tout vecteur de R3 . Ce qui montre que T est une appli-
cation linéaire.
b) La matrice  canonique
 de
T estune matrice 3 × 3 A, telle
 que
x1 x1 x1 − x2 + 5x3
T :  x2  → A  x2  =  x1 + 2x2 − 4x3  .
x3 x3 2x1 + 3x2 − 5x3
Cette matrice
 est donc 
1 −1 5
A=  1 2 −4  .
2 3 −5
c) L’ensemble de définition DT de T est formé par tous les vecteurs de R3 , comme T
peut prendre en argument tout vecteur dans R3 . Donc,
DT = Vect {e1 , e2 , e3 },
où {e1 , e2 , e3 } est la base canonique de R3 .

Afin d’établir l’ensemble image RT de T nous devons trouver tous les vecteurs
b ∈ R3 , tels que le système
Ax = b

187
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
188 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

soit compatible.
 Ici A est 
bien sûr la matrice canonique de T ,
1 −1 5
A= 1 2 −4  .
2 3 −5
Notons  
b1
b =  b2  .
b3
Alors la matrice
 augmentée associée à ce système est
1 −1 5 b1
[A b] =  1 2 −4 b2  .
2 3 −5 b3
En applicant des opérations élémentaires sur les lignes de cette matrice, nous obte-
nons la matrice
 l-équivalente 
suivante
 : 
1 −1 5 b1 1 −1 5 b1
 1 2 −4 b2  ∼  0 3 −9 b2 − b1 
2 3 −5 b3 0 5 −15 b3 − 2b1
 
1 −1 5 b1
∼ 0 1 −3 b2 /3 − b1 /3 
0 0 0 −5b2 /3 − b1 /3 + b3
A partir de la troisième ligne de cette matrice l-équivalente, nous en concluons que
ce système linéaire est compatible si et seulement si −5b2 /3 − b1 /3 + b3 = 0, ou
en multipliant cette équation par 3, nous obtenons la condition suivante sur les
coordonnées du vecteur b :
−5b2 − b1 + 3b3 = 0.
Donc     
−5b2 + 3b3 −5 3
b=  b2  = b2  1  + b3  0  pour tous b2 ∈ R et b3 ∈ R.
b3 0 1
Par conséquent l’ensemble image de T est un plan de R3 passant par l’origine (0, 0, 0)
et engendré par lesvecteurs
 : 
−5 3
RT = Vect { 1  ,  0 }.
0 1
d) L’application T n’est pas surjective dans R3 , car tout vecteur de R3 n’est pas une
image par T . En effet, tout vecteur de R3 n’appartenant pas au plan défini par RT
à la question c) n’est pas une image par T .
e) L’application T n’est pas injective dans RT , car pour chaque vecteur b ∈ RT il
existe plus d’un (en fait une infinité) antécédent x ∈ R3 ayant pour image b. Nous
le savons car le système Ax = b possède une infinité de solutions x, avec x3 un
paramètre libre pour toutb ∈ RT , donc pour tout vecteur b s’écrivant
−5b2 + 3b3
b= b2  pour tout réels b2 et b3 .
b3

188
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 189

Problème 4.3.3.
Considérons l’application linéaire T : R3 → R3 définie par la matrice canonique
 
1 −1 2
A= 2 0 2 .
−3 −2 4
 
1
a) Trouver tous les vecteur x ∈ R3 , tels que T (x) =  2 .
7
b) L’application T est-elle inversible ? Si oui, trouver la matrice canonique de T −1 .

Solution 4.3.3.

a) Soit  
x1
x =  x2 
x3
Cherchons x tel que 
1
T : x → Ax =  2 
7
Nous  devons donc résoudre
  le système
 linéaire

1 −1 2 x1 1
 2 0 2   x2  =  2  .
−3 −2 4 x3 7
La matrice augmentée correspondante, ainsi que quelques unes de ses matrices l-
équivalentes,
 sont     
1 −1 2 1 1 −1 2 1 1 −1 2 1
 2 0 2 2 ∼ 0 2 −2 0  ∼  0 1 −1 0 
−3 −2 4 7 0 −5 10 10 0 0 1 2
 
1 0 0 −1
∼ 0 1 0 2 .
0 0 1 2
La dernière matrice l-équivalente ci-dessus est la forme échelonnée réduite de A.
Donc ce système
 admet une solution 
 unique,

−1 1
x =  2  pour T (x) =  2  .
2 7
b) Comme
det A = 10
nous savons que la matrice A est inversible, et par conséquent que T est une appli-
cation injective sur l’espace RT = R3 . Ce qui signifie que T est inversible sur R3 , et

189
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
190 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

que la matrice canonique de sa réciproque, notée T −1 , est A−1 . Nous devons donc
calculer A−1 . Pour cela, considérons [A I3 ], où I3 est la matrice identité 3 × 3. Nous
obtenons  
1 0 0 2/5 0 −1/5
[A I3 ] ∼  0 1 0 −7/5 1 1/5  .
0 0 1 −2/5 1/2 1/5
Donc la matrice
 inverse de A est 
2/5 0 −1/5
−1 
A = −7/5 1 1/5  ,
−2/5 1/2 1/5
donc
T −1 : x → A−1 x pour tout x ∈ R3 .

Problème 4.3.4.
Soit l’application linéaire T : R3 → R3 telle que :
           
1 5 1 0 1 10
T :  0  →  10  , T :  2  →  −5  , T :  3  →  15  .
−1 4 0 5 −2 4

a) Trouver la matrice canonique de T .


b) T est-elle inversible ? Justifier.

Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.

Its wide range of products includes locomotives


and passenger rail vehicles. It also manufactures
total transit systems, bogies, propulsion & controls
and provides rail control solutions.

Across mechanical, electrical, software and


specialist engineering, we have a first-class
Join a reputation for innovation. So it’s no surprise that we
are the number one rail manufacturer in the world.
Winning Team! Go to www.careers.bombardier.com for open
positions.

The Climate is Right for Trains

190
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 191

Solution 4.3.4.

a) Pour trouver la matrice canonique A de T , introduisons d’abord quelques notations.


Notons      
1 1 1
u1 =  0  , u2 =  2  , u3 =  3 
−1 0 −2
     
5 0 10
v1 =  10  , v2 =  −5  , v3 =  15  .
4 5 4
Alors, comme indiqué dans l’énoncé, nous avons
T : u1 → Au1 = v1 , T : u2 → Au2 = v2 , T : u3 → Au3 = v3 .
Maintenant
A[u1 u2 u3 ] = [v1 v2 v3 ]
et en notant U = [u1 u2 u3 ] et V = [v1 v2 v3 ], nous avons l’équation matricielle
AU = V,
où    
1 1 1 5 0 10
U = 0 2 3  , V =  10 −5 15  .
−1 0 −2 4 5 4
Le calcul du déterminant de U nous donne
det U = −5,
ce qui signifie que les colonnes de la matrice U forment une famille libre et que
U est inversible. Nous pouvons donc résoudre cette équation matricielle pour A en
multipliant à droite les deux membres par U −1 . Nous obtenons
A = V U −1 .
U −1 étant donnée
 par 
4 −2 −1
1
U −1 =  3 1 3 ,
5
−2 1 −2
il suit l’expression
 de la matrice
 canonique A :   
5 0 10 4 −2 −1 0 0 −5
1
A =  10 −5 15   3 1 3  =  −1 −2 −11  .
5
4 5 4 −2 1 −2 23/5 1/5 3/5
b) Afin de déterminer si T est une application inversible, nous pouvons étudier l’inver-
sibilité de sa matrice canonique A calculée à la question a). Nous rappelons que A
est inversible si et seulement si det A = 0. Nous calculons par conséquent det A et
obtenons
det A = −45.
Donc A est inversible, ce qui fait de T une application inversible et la matrice
canonique de T −1 est A−1 .

191
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
192 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

4.4 Exercices

1. Soit l’application T : R3 → R2 telle que tout vecteur x = (x1 , x2 , x3 ) ∈ R3 possède


une image dans R2 selon :
T : (x1 , x2 , x3 ) → (x1 − 5x2 + 4x3 , x2 − 6x3 ).
a) Montrer que T est une application linéaire.

[Réponse : Nous devons montrer que T (x + y) = T (x) + T (y) et T (c x) =


c T (x) pour tous x ∈ R3 , y ∈ R3 et c ∈ R. ]

b) Trouver la matrice canonique de T .


 
1 −5 4
[Réponse : Cette matrice est A = .]
0 1 −6

c) Trouver l’ensemble image de T et déterminer si T est surjective dans R2 .

[Réponse : L’ensemble image de T est R2 , donc T est surjective dans R2 . ]

d) T est-elle injective sur son ensemble image ? Justifier.

[Réponse : T n’est pas injective, car Ax = b possède une infinité de solutions


x ∈ R3 pour tout b ∈ R2 . ]

2. Considérons l’application linéaire T : R3 → R2 telle que T transforme tout vecteur


x = (x1 , x2 , x3 ) ∈ R3 en (k1 x1 + x3 , k2 x2 − x3 ) ∈ R2 avec k1 ∈ R et k2 ∈ R.
Trouver la matrice canonique A de T .

 
k1 0 1
[Réponse : A= .]
0 k2 −1

3. Soit l’application linéaire T : Rn → R2 avec n ≥ 2 telle que


n

T : x → ( k i x i , xn )
i=1

pour tout x = (x1 , x2 , . . . , xn ) ∈ Rn et des constantes kj ∈ R, j = 1, 2, . . . , n.


a) Trouver la matrice canonique A de T .
 
k 1 k2 · · · kn
[Réponse : A= .]
0 0 ··· 1

192
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 193

b) Choisissons kj = 1 pour j = 1, 2, . . . , n. Trouver l’image du point


(1, 2, . . . , n) ∈ Rn
par T . Quelle est cette image si n = 100 ?
 
n(n + 1)
[Réponse : , n . Pour n = 100, l’image est (5050, 100). ]
2

4. Soit l’application linéaire T : R3 → R2 telle que


     
1 −1 0
T (e1 ) = , T (e2 ) = , T (e3 ) = ,
5 −2 1

  de R . Déterminer la matrice
où {e1 , e2 , e3 } sont les vecteurs de la base canonique 3

3
canonique A de T et calculer T (x), où x =  1  .
4

   
1 −1 0 2
[Réponse : A= , T (x) = .]
5 −2 1 17

5. Soit l’application linéaire T : R2 → R2 , où T projette orthogonalement les vecteurs


de R2 sur la droite y = −3x.
a) Trouver la matrice canonique A de T .
 
1 1 −3
[Réponse : A= .]
10 −3 9
 
1
b) Calculer T (x), où x = .
5
 
1 −7
[Réponse : T (x) = .]
5 21

c) T est-elle inversible ? Justifier.

[Réponse : T n’est pas inversible, comme det A = 0. C’est aussi évident d’un
point de vue géométrique, comme il y existe une infinité de vecteurs étant pro-
jetés orthogonalement sur un même point de la droite y = −3x, et ce pour
chaque point de y = −3x. ]

6. Considérons l’application linéaire T : R2 → R2 qui réfléchit chaque vecteur de R2


par rapport à la droite y = 3x.
a) Trouver la matrice canonique A de T .
 
1 −4 3
[Réponse : A= .]
5 3 4

193
THÉORIE ET PROBLÈMES RÉSOLUS
194 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens

b) Montrer que T est une application injective sur R2 et la matrice canonique de


son application réciproque T −1 .

[Réponse : Comme T décrit une réflexion par rapport à une droite, il est
géométriquement évident que T est injective et inversible sur R2 . Ce qui peut
aussi être établi via le calcul du déterminant de A. Nous obtenons det A = −1.
Donc A est une matrice inversible et la matrice −1 −1
 de T est A , qui est la même
1 −4 3
que la matrice standard de T , i.e. A−1 = .]
5 3 4

7. Soient les deux applications linéaires T1 et T2 transformant toutes les deux des
vecteurs de R2 . En particulier, T1 tourne les vecteurs de R2 par rapport à l’origine
(0, 0) d’un angle π/3 dans le sens anti horaire et T2 transforme les vecteurs x =
(x1 , x2 ) comme suit :
   
x1 x1 + x2
T2 : → pour tous x1 ∈ R et x2 ∈ R.
x2 x2
a) Trouver les matrices canoniques A1 de T1 et A2 de T2 . T1 et T2 sont-elles inver-
sibles ? Justifier.
 √   
1
[Réponse : A1 = √1 − 3 , A2 =
1 1
. T1 et T2 sont inver-
2 3 1 0 1
sibles. ]

b) Trouver la matrice canonique A de l’application composée T = T2 ◦ T1 . T est-elle


inversible et, si oui, trouver la matrice canonique B de T −1 .
 √ √   √ 
1 1
[Réponse : A = A2 A1 = √ 3 1 − 3 , B = A−1 =
1+ √1 3−
√1 . ]
2 3 1 2 − 3 1+ 3

8. Soit l’application linéaire T : R3 → R3 telle que


     
1 0 −1
T (e1 ) =  0  , T (e2 ) =  1  , T (e3 ) =  0  ,
1 0 1
où {e1 , e2 , e3 } est la base canonique de R3 . Déterminer si T est inversible et, si
oui, trouver son application réciproque.

 
1 0 −1
[Réponse : La matrice canonique A de T est A =  0 1 0  . Comme
1 0 1
 
1 0 1
1
det A = 2, T est inversible et la matrice de T −1 est A−1 =  0 2 0 . ]
2
−1 0 1

194
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 195

9. Considérons les plans de R3 suivants :


Π1 : x − y + 3z = 0
Π2 : 2x + y + 3z = 0.
a) Trouver la droite  formant l’intersection des plans Π1 et Π2 et l’exprimer sous
sa forme paramétrique.

[Réponse
:

 x = −2t


: y=t



 z=t pour tout t ∈ R. ]

b) Soit T : R3 → R3 l’application linéaire projetant orthogonalement les vecteurs


x ∈ R3 sur la droite  de la question a). Trouver la matrice canonique A de T .
 
4 −2 −2
1
[Réponse : A =  −2 1 1 . ]
6
−2 1 1

Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?

Välkommen till oss!

karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden

195
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
196 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

10. Soient les trois applications linéaires, T1 , T2 et T3 , toutes transforment des vecteurs
de R3 . En particulier T1 projette orthogonalement les vecteurs de R3 sur la droite
, définie par l’équation paramétrique suivante :


 x = 2t


: y = −t



 z = 3t pour tout t ∈ R,
T2 réfléchit les vecteurs de R3 par rapport à l’axe z, et T3 réfléchit les vecteurs de
R3 par rapport à l’axe x.
a) Trouver la matrice canonique de l’application composée T3 ◦ T2 ◦ T1 .
 
−4 2 −6
1 
[Réponse : Cette matrice est −2 1 −3  . ]
14
−6 3 −9

b) Trouver la matrice canonique de l’application composée T1 ◦ T2 ◦ T3 .


 
−4 −2 −6
1 
[Réponse : Cette matrice est 2 1 3 . ]
14
−6 −3 −9

c) Trouver l’ensemble image de l’application composée T = T3 ◦ T2 ◦ T1 .

[Réponse : L’ensemble image est donnée par l’ensemble Vect {u}, avec u =
(2, 1, 3). Donc tous les vecteurs appartenant à la droite ∗ définie par l’équation
paramétrique
 :

 x = 2s


∗ : y=s



 z = 3s pour tout s ∈ R. ]
11. Soit l’application linéaire T : R3 → R3 telle que :
     
1 −2 1
T (e1 ) =  
0 , T (e2 ) =  k  , T (e3 ) =  1 ,
1 0 k
où k est un paramètre réel non spécifié et {e1 , e2 , e3 } sont les vecteurs de la base
canonique de R3 .
a) Donner la  matrice
 canonique de T et calculer T (x), où
1
x =  2 .
3
 
1 −2 1
[Réponse : La matrice canonique est A =  0 k 1  . Alors T (x) =
1 0 k

196
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 197
 
0
 2k + 3  . ]
3k + 1

b) Trouver toutes les valeurs de k telles que T soit injective sur R3 .

[Réponse : T est injective sur R3 pour tout k ∈ R\{−1, 2}. ]

12. Soit l’application linéaire T projetant orthogonalement les vecteurs de R3 sur la


droite définie comme l’intersection des trois plans suivants :
Π1 : x + 3y − 5z = 0
Π2 : x + 4y − 8z = 0
Π3 : −2x − 7y + 13z = 0.
a) Trouver la matrice canonique A de T.
 
8 −6 −2
1 
[Réponse : A= −6 9/2 3/2  . ]
13
−2 3/2 1/2

b) T est-elle inversible ? Justifier.

[Réponse : T n’est pas inversible, car det A = 0. ]

13. Considérons l’application linéaire T : R3 → R3 pour laquelle :


           
0 2 1 1 2 2
T :  1  →  1  , T :  0  →  0  , T :  3  →  3  .
4 2 −3 −1 8 4
a) Trouver la matrice canonique A de T .
 
−8 14 −3
[Réponse : A= 0 1 0 . ]
−1 2 0

b) T est-elle inversible ? Justifier.

[Réponse : L’application T est inversible car sa matrice A est inversible. ]

14. Soit l’application linéaire T : R3 → R3 de matrice canonique


 
1 1 α
A =  1 α 1 ,
α 1 1
où α est un paramètre réel non spécifié.

197
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
198 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

a) Trouver toutes les valeurs de α telles que T soit injective sur R3 , ainsi que toutes
celles pour lesquelles T est inversible.

[Réponse : T est injective et inversible sur R3 pour tout α ∈ R\{1, −2}. ]

b) Trouver l’ensemble image RT de T pour α = −2 et l’exprimer sous la forme d’un


espace engendré.

  
1 0
[Réponse : RT = Vect { 0  ,  1 }. ]
−1 −1

 tous les vecteurs x ∈ R tels que


c) Notons α = −2, 3
 trouver
1
T (x) =  4 .
−5
   
1 3
[Réponse : x = t 1  +  0  pour tout t ∈ R. ]
1 1

Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized

198
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 199

15. Soit l’application linéaire T : R3 → R3 , où T réfléchit les vecteurs x ∈ R3 par rapport
au plan Π : ax + by + cz = 0.
a) Trouver la matrice canonique A de T .
 
−a2 + b2 + c2 −2ab −2ac
1  .
[Réponse : A= 2 −2ab a2 − b 2 + c 2 −2bc
a + b2 + c 2 2 2 2
−2ac −2bc a +b −c
]

b) Trouver l’équation paramétrique de la droite ∗ , définie comme la réflexion de la


droite 

 x = 2t + 1


: y = −3t



 z = 2 pour tout t ∈ R
par rapport au plan x + y − z = 0.

[Réponse:
 5

 x = 8t +

 3

∗ 2
 : y = −7t +

 3



 z = −2t + 4 pour tout t ∈ R. ]
3
c) Trouver l’équation de la sphère étant la réflexion de la sphère
(x − 1)2 + (y + 2)2 + (z − 1)2 = 4
par rapport au plan x + y − z = 0.
 2    
7 2 2 1 2
[Réponse : x− + y− + z− = 4. ]
3 3 3

16. Considérons l’application linéaire T : R3 → R3 , où T réfléchit les vecteurs x ∈ R3


par rapport à la droite


 x = at


: y = bt



 z = ct pour tout t ∈ R.

Trouver la matrice canonique de T .

 2 
a − b2 − c 2 2ab 2ac
1  . ]
[Réponse : A= 2 2ab −a2 + b2 − c2 2bc
a + b2 + c 2 2 2 2
2ac 2bc −a − b + c

17. Soit T : R3 → R3 l’application linéaire réfléchissant les vecteurs x ∈ R3 par rapport

199
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
200 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

à la droite , telle que T soit définie par la matrice :


 
−3 −2 6
1
A =  −2 −6 −3  .
7
6 −3 2

Trouver l’équation paramétrique de la droite .

[Réponse :


 x=t



 1
: y=− t

 2

 3

 z = t pour tout t ∈ R. ]
2

18. Soient les trois applications linéaires T1 , T2 et T3 transformant les vecteurs de R3


en vecteurs de R3 comme suit :
T1 fait tourner les vecteurs par rapport à l’axe z d’un angle θ1 = π dans le sens
anti-horaire ;
T2 fait tourner les vecteurs par rapport à l’axe y d’un angle θ2 dans le sens horaire ;
T3 fait tourner les vecteurs par rapport à l’axe x d’un angle θ3 dans le sens anti-
horaire.
a) Trouver la matrice canonique A de l’application composée T = T1 ◦ T2 ◦ T3 .

[Réponse :  
− cos θ2 sin θ2 sin θ3 cos θ3 sin θ2
 
 
A= 0 − cos θ3 sin θ3 . ]
 
sin θ2 cos θ2 sin θ3 cos θ2 cos θ3

b) Trouver θ2 et θ3 , avec 0 ≤ θ2 ≤ π et 0 ≤ θ3 ≤ π, tels que


T : (1, 2, 0) → (0, −1, 2),
où T est l’application de la question a). Comment se transforme le point (0, −1, 2)
par T pour ces valeurs de θ2 et θ3 ? En d’autres termes calculer T (0, −1, 2).
√ √
π π 1 3 1 √ 3 3
[Réponse : θ2 = , θ3 = et T (0, −1, 2) = ( − , + 3, − + ). ]
6 3 2 4 2 4 2

c) Montrer que l’application T obtenue à la question b) est injective sur R3 en


calculant le déterminant de sa matrice A et trouver la matrice canonique de sa
réciproque, T −1 . Montrer que T −1 transforme bien le point (0, −1, 2) en (1, 2, 0).

[Réponse : Comme det A = 0, la matrice A est inversible, ce qui signifie que

200
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 201

T est inversible et la −1 est A−1 , avec


 matrice
√ canonique de
T
−2 3 0 2
1 √ 

A−1 =  3 −2 3 . ]
4 
√ √
1 2 3 3

d) Soit la droite
 , définie par l’équation paramétrique

 x = −2t + 1


: y = 3t − 2



 z = t + 4 pour tout t ∈ R.
Utiliser l’application linéaire T obtenue à la question b) afin de déterminer
l’équation paramétrique de la droite ∗ image de  par T . En d’autres termes,
trouver ∗ telle que
T :  → ∗ .

[Réponse:  √ 

 7 3 1 √

 x = + t − 3+1

 4 4



 √ 
 3 3 √

 : y= − t+2 3+1

 2 2

  

 √

 3 5 √

 t + 3 − 1 pour tout t ∈ R. ]
 z= 4
+
4

JAG UTVECKLAR OCH UTVECKLAS!


På Prevas träffar du kompetenta, spännande och trevliga människor
varje dag. De kan vara dina nya kollegor eller så kan det vara någon av
våra kunders medarbetare. Hos oss får du möjlighet att arbeta med olika
kunder i olika branscher med olika typer av teknologi i olika processer.
Som medarbetare på Prevas kommer du därför alltid att fortsätta
utvecklas så länge du själv vill.
Läs mer på www.prevas.se/growth

INNOVATION FOR GROWTH


www.prevas.com

201
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
202 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS

e) Soit le plan
Π : 2x − 3y + z = 4.
Utiliser l’application linéaire T obtenue à la question b) afin de déterminer
l’équation du plan Π∗ , image de Π par T . En d’autres termes, trouver Π∗ tel que
T : Π → Π∗ .
Utiliser Maple pour représenter Π et Π∗ (voir l’annexe A pour plus d’informa-
tions sur Maple).
√ √ √
[Réponse : Π∗ : (7 3 − 1)x − 2( 3 + 3)y − ( 3 − 5)z = −16. ]

19. Soient les quatre applications linéaires T1 , T2 , T3 et T4 , transformant les vecteurs


de R3 en vecteurs de R3 comme suit :
T1 fait tourner les vecteurs par rapport à l’axe z d’un angle π dans le sens anti-
horaire ;
T2 fait tourner les vecteurs par rapport à l’axe y d’un angle π/3 dans le sens anti-
horaire ;
T3 fait tourner les vecteurs par rapport à l’axe x d’un angle −π/2 dans le sens
anti-horaire ;
T4 fait tourner les vecteurs par rapport à l’axe z d’un angle π/2 dans le sens anti-
horaire.

a) Trouver la matrice canonique A de l’application T = T4 ◦ T2 ◦ T1 ◦ T3 .

[Réponse 
: 
0 0 1
 √ 
 1 3 
 0 
A= − . ]
 √2 2 
 
3 1
− − 0
2 2

b) Trouver la matrice canonique de l’application réciproque de T , où T est l’appli-


cation de la question a).

[Réponse : La matrice de T −1 est donnée par A−1 , où A est la matrice cano-
nique de T . Donc
 √ 
1 3
 0 −2 − 2 
 √ 
 
A−1 =  3 1 . ]
 0 − 
 2 2 
1 0 0

c) Trouver l’équation paramétrique de la droite  telle que


T :  → ∗ ,

202
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 203

où T est l’application


 de la question a) et ∗ est

 x = 6t − 1



∗ : y = −2t + 2





z = 2t pour tout t ∈ R.

[Réponse
: √

 x = (− 3 + 1)s − 1



 √ √
: y = −( 3 + 1)s + 3





 z = 6s − 1 pour tout s ∈ R. ]

20. Soit l’application linéaire T : R2 → R2 de matrice canonique A. Considérons deux


vecteurs linéairement indépendants,
u = (u1 , u2 ), v = (v1 , v2 ),
décrivant un parallélogramme dans R2 d’aire S. L’application T transforme alors
l’aire S en aire T (S). Montrer que
aire T (S) = | det A| (aire S).

21. Soit l’application linéaire T : R3 → R3 de matrice canonique A. Considérons trois


vecteurs linéairement indépendants,
u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 )
définissant un parallélépipède dans R3 de volume V . L’application T transforme
alors le volume V en volume T (V ). Montrer que
volume T (V ) = | det A| (volume V ).

203
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple

Annexe A

Le calcul matriciel avec Maple

Maple est un logiciel commercial de calcul formel développé et vendu par Maplesoft,
une société informatique basée à Waterloo au Canada. Il a été développé à ses débuts en
1980 par le Groupe de Calcul Symbolique de l’université de Waterloo. Le logiciel Maple est
écrit en languages de programmation C et Java. Dans cette annexe nous présentons les
commandes principales pour les calculs vectoriel et matriciel sous Maple.

Pour tout calcul vectoriel ou matriciel, il nous faut d’abord charger le paquet LinearAlgebra
(algèbre linéaire). Ce qui se fait via la commande

with(LinearAlgebra)

au début d’une feuille de calcul, i.e. après le symbole


>
C’est une bonne idée de toujours commencer une feuille de calcul avec la commande
restart, de sorte à remettre à zéro les variables et paramètres ayant été assignés lors de la
compilation. Nous commençons donc avec la ligne
> restart
Ci-dessous, nous montrons comment assigner un vecteur deR3 , u et une matrice 2 × 3, A.
> with(LinearAlgebra) :

> u :=< a, b, c >


 
a
u :=  b 
c

> A :=< a, b|c, d |e, f >


 
a c e
A :=
b d f

205

205
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
206 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE

D’une manière alternative, nous pouvons aussi définir le vecteur u et la matrice A de la


manière suivante :

> with(LinearAlgebra) :

> u := Vector ([a, b, c])


 
a
u :=  b 
c

> A := Matrix (2 , 3 , [a, b, c, d , e, f ])


 
a b c
A :=
d e f

Remarque : dans les lignes qui vont suivre le signe  renvoie à un commentaire. On re-
marquera aussi qu’une aide ainsi que des exemples sont disponibles pour une fonction
particulière de Maple en pointant le curseur sur un mot dans la feuille de calcul, par
exemple Matrix, tout en appuyant du la touche F2 du clavier.

Nous montrons maintenant comment effectuer quelques opérations élémentaires sur les
matrices et le vecteurs

> u :=< 4 , −1 , −1 > Le vecteur u de coordonnées (4, −1, −1) est défini.
 
4
u :=  −1 
−1

> v :=< 1 , 0 , 1 > Le vecteur v de coordonnées (1, 0, 1) est défini.


 
1
v :=  0 
1

> u + (−v ) La somme u + (−v).


 
3
 −1 
−2

> DotProduct(u, v ) Le produit scalaire de u et v.

206
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
207

> norm(u, 2 ) La norme du vecteur u.



3 2
 
u.v
> theta := arccos L’angle θ formé par u et v.
norm(u, 2 ) · norm(v , 2 )

1
θ := π
3

> CrossProduct(u, v ) Le produit vectoriel de u et v.


 
−1
 −5 
1

> A :=< 1 , −3 , 5 |2 , −4 , 2 | − 1 , 2 , 3 >


 
1 2 −1
A :=  −3 −4 2 
5 2 3

> b :=< 1 , 2 , −3 >


 
1
b :=  2 
−3

> x := LinearSolve(A, b) La solution x du système Ax = b.


 
−4
x :=  4 
3

> A.x − b Vérifions la solution x de Ax = b.


 
0
 0 
0

> AM := Matrix ([A, b]) La matrice augmentée [A b].


 
1 2 −1 1
AM :=  −3 −4 2 2 
5 2 3 −3

207
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
208 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE

> GaussianElimination(AM ) Effectue le pivot de Gauss sur [A b].


 
1 2 −1 1
 0 2 −1 5 
0 0 4 12

> ReducedRowEchelonForm(AM ) La forme échelonnée réduite de [A b].


 
1 0 0 −4
 0 1 0 4 
0 0 1 3

> Determinant(A) Le déterminant de A.

> Ainv := MatrixInverse(A) La matrice inverse de A.


 
−2 −1 0
 
 19 1 
 1 
Ainv :=  
 8 8 
 7 1 
1
4 4

> Ainv .A Calculons A−1 A.


 
1 0 0
 0 1 0 
0 0 1

> x := Ainv .b La solution x = A−1 b du système Ax = b.


 
−4
x :=  4 
3

> B :=< 1 , −3 , 5 |2 , −4 , 2 | − 1 , 1 , 3 > Considérons un autre exemple.


 
1 2 −1
B :=  −3 −4 1 
5 2 3

208
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
209

> c :=< 0 , −2 , 8 >


 
0
c :=  −2 
8

> Determinant(B ) Le déterminant de B.

> Binv := MatrixInverse(B ) B est sigulière.

Error, (in MatrixInverse) singular matrix

> x := LinearSolve(B , c) La solution x de Bx = c qui contient un

paramètre arbitraire, noté − t03 par Maple.


 
2− − t03
 
 
x :=  −1 + − t03 
 
− t03

Pour représenter des figures dans R3 nous utilisons la fonction plot3d. Considérons par
exemple le plan
5 19 4
x− y−z =− .
7 21 7
Représentons ce plan sur les intervalles [0, 8] selon x et [0, 20] selon y. Comme nous
voulons voir les axes x, y et z, nous utilisons la commande suivante :

  
5 19 4
> plot3d x− y+ , x = 0..8, y = 0..20, axes = boxed
7 21 7

La figure A.1 représente le résultat de cette commande.

Considérons maintenant les trois plans suivants :


5 19 4
x− y−z =−
7 21 7
19 4 3
− x− y−z =−
26 13 26
x + y − z = 0.

209
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
210 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE

Figure A.1 – La représentation d’un plan.

Calculons l’intersection de ces trois plans.


> restart

> with(LinearAlgebra)
5 19 19 4
> A :=< ,− ,1| − , − , 1 | − 1 , −1 , −1 >
7 26 21 13
 
5 19
− −1
 7 21 
 
A := 
 −
19

4 
−1 
 26 13 
1 1 −1

4 3
> b :=< − , − , 0 >
7 26
 
4

 7 
 
b := 
 −
3 

 26 
0

210
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Le calcul matriciel avec Maple
211

> x := LinearSolve(A, b) La solution x de Ax = b


 24 

 133 
 
 87 
x :=  
 266 
 
39
266
24 87 39
Nous en concluons que ces trois plans se croisent en le point (− , , ).
133 266 266

Nous représentons maintenant l’intersection de ces plans sur les intervalles [−8, 8] selon
x et [−20, 20]. selon y. La commande plotlist=true étant nécessaire lorsque l’on veut
représenter plus de deux plans sur le même graphe. Le signe ( :) à la fin d’une ligne
d’entrée cache l’affichage en sortie.
5 19 4 19 4 3
> P 1 := x − y + : P 2 := − x− y+ : P 3 := x + y :
7 21 7 26 13 26

> plot3d ([P 1, P 2, P 3] , x = −8..8, y = −20..20, plotlist = true, color = [blue, red, green])

Figure A.2 – L’intersection des trois plans en un point commun.

211
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE INDEX

Index

équation d’un plan, 24 famille de vecteurs linéairement indépendants,


équation générale d’un plan, 91 131
équation paramétrique d’une droite, 31 famille génératrice de W , 127
famille libre de vecteurs, 131
addition de vecteurs, 10 forme échelonnée réduite, 81
application T entre espaces euclidiens, 145
application composée, 152 image par une application T , 145
application injective, 178 infinité de solutions d’un système linéaire,
application linéaire, 146 81
application réciproque, 179 interprétation géométrique de solutions de
application surjective dans un ensemble, 178 systèmes linéaires dans R3 , 92
intersections de plans, 91
base canonique de R3 , 11 inverse d’une matrice carrée, 75
base canonique de Rn , 131, 151
L’addition et la multiplication par des réels
coefficients d’une combinaison linéaire, 119 de matrices, 64
cofacteur, 70 La multiplication de matrices, 66
comatrice, 75 La multiplication entre matrice et vecteur,
combinaison linéaire de vecteurs dans Rn , 66
119 la multiplication entre matrice et vecteur,
compatibilité d’un système linéaire et espace 120
engendré, 127 La règle de Cramer, 86
coordonnées d’un point, 9 le développement en cofacteurs, 70
coordonnées d’un vecteur, 9 longueur d’un vecteur, 10

déterminant d’une matrice n × n, 70 méthode du pivot de Gauss, 81


déterminant d’une matrice carrée, 18 matrice augmentée, 81
déterminant de l’inverse d’une matrice, 71 matrice canonique de T , 151
des opérations élémentaires, 81 matrice identité, 66
dilatation d’un vecteur, 10 matrice inversible, 75
dimension de Rn , 131 matrice singulière, 75
distance entre deux plans dans R3 , 41 matrice triangulaire inférieure, 70
distance entre deux points, 11 matrice triangulaire supérieure, 70
distance entre un point et un plan dans R3 , matrices l-équivalentes, 70, 81
40
norme d’un vecteur, 10
ensemble d’arrivée de T , 145
ensemble de définition de T , 145 opérations élémentaires sur les lignes, 70
ensemble image de T , 146 orthogonalité de deux vecteurs, 11

212

212
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE INDEX
INDEX 213

parallélépipède, 18
pivots, 81
point final d’un vecteur, 9
point initial d’un vecteur, 9
produit mixte, 18
produit scalaire, 10
produit vectoriel, 17
projection orthogonale, 11
projection orthogonale d’une droite sur un
plan dans R3 , 45

réflexion d’une droite par rapport à un plan


dans R3 , 45

solution unique d’un système linéaire, 81


sous espace engendré, 127
système d’équations linéaires, 81
système linéaire compatible, 81
système linéaire incompatible, 81

transposée d’une matrice, 70, 76

vecteur directeur, 11
vecteur normal à un plan, 24
vecteur nul, 64
vecteur unitaire, 11
vecteurs de Rn , 63
vecteurs de la base canonique de R3 , 11
vecteurs de la base canonique de Rn , 151
vecteurs position, 9

213