Académique Documents
Professionnel Documents
Culture Documents
Logique, ensembles
A. Logique.
Définition 1 : Une proposition est une affirmation qui est vraie ou fausse (pas
indécidable). C’est tout objet mathématique auquel est associée une valeur de vérité
unique : Vrai (V) ou Faux (F).
P V V F F
Q V F V F
non P F F V V Négation de P, se lit « non P »
P et Q V F F F Conjonction de P et Q, se lit « P et Q », s’écrit
(P˄Q)
P ou Q V V V F Disjonction de P et Q, se lit « P ou Q », s’écrit
(P˅Q)
P ⇒𝑄 V F V V « P implique Q » : Q est une condition nécessaire
(CN) de P
P⇔Q V F F V « P équivalent à Q » :Q est une condition
nécessaire et suffisante (CNS) de P
P V V F F
Q V F V F
P ⇒𝑄 V F V V
Non P F F V V
(Non P) ou Q V F V V
A toutes ces notations, il faut encore ajouter deux symboles appelés quantificateurs :
– ∀ : quel que soit ;
– ∃ : il existe.
On définit l’assertion (∀𝑥 ∈ 𝐸, 𝑃(𝑥)) comme étant vraie lorsque 𝑃(𝑥) est vraie
pour tout 𝑥 dans E.
Exemple 6 : (∀𝑥 ∈ ℝ, 𝑥 2 ≥ 0 ) est vraie, mais (∀𝑥 ∈ 𝑅, 𝑥 2 < 7) est fausse.
On définit l’assertion (∃𝑥 ∈ 𝐸, 𝑃(𝑥)) comme étant vraie lorsque 𝑃(𝑥) est
vraie pour au moins un 𝑥 dans E.
Exemple 7: L’assertion (∃ n ∈ ℕ, n ≥ 3) est vraie, mais (∃𝑥 ∈ ℝ, 𝑥 2 < −1) est fausse
On peut encore ajouter le symbole ∃! qui signifie “il existe un unique”...
Exemple 8 : ( ∃! 𝑥 ∈ ℝ, 𝑒 𝑥 = 3) est vraie (c’est : ln 3).
3. Raisonnement
Un raisonnement est une relation entre une proposition A dite hypothèse et une
proposition B dite conclusion de la forme « A ⇒ B » vraie.
Une assertion vraie est appelée énoncé, proposition ou théorème.
La véracité d’une assertion se justifie par une démonstration.
Certaines assertions sont postulées vraies sans démonstration, ce sont les axiomes.
(2) Opérer par disjonction de cas i.e. déterminer un énoncé Q tel que Q ⇒ P
et non(Q) ⇒ P soient vraies.
𝑛2 +3𝑛+2
Exemple 11 : Montrons ∀𝑛 ∈ ℕ, ∈ℕ
2
𝑛2 +3𝑛+2 (𝑛+1)(𝑛+2)
Soit 𝑛 ∈ ℕ, on sait que =
2 2
Si 𝑛 est pair alors on peut écrire 𝑛 = 2𝑝 avec 𝑝 ∈ ℕ et alors
(𝑛+1)(𝑛+2)
= (2𝑝 + 1)(𝑝 + 1) ∈ ℕ
2
Si 𝑛 est impair alors on peut écrire 𝑛 = 2𝑝 + 1 avec 𝑝 ∈ ℕ et alors
(𝑛+1)(𝑛+2)
= (𝑝 + 1)(2𝑝 + 3) ∈ ℕ
2
𝑛2 +3𝑛+2
Dans les 2 cas ∈ ℕ.
2
(3) Raisonner par l’absurde i.e. montrer que non(P) implique un résultat
faux.
Exemple 12 : Montrons qu’il n’existe pas d’entier naturel supérieur à tout autre.
Par l’absurde : Supposons qu’il existe 𝑁 ∈ ℕ tel que ∀𝑛 ∈ ℕ, 𝑛 ≤ 𝑁.
Pour 𝑛 = 𝑁 + 1 ∈ ℕ, on a 𝑁 + 1 ≤ 𝑁 donc 1 ≤ 0. Absurde.
( !) En aucun cas, on ne commence le raisonnement par « Supposons P ».
(2) Par contraposée : on établit non(Q) ⇒ non(P) vraie : On suppose que Q est
fausse et on démontre que P est alors fausse.
Supposons 𝑥 2 − 2𝑥 = 𝑦 2 − 2𝑦
On a (𝑥 2 − 2𝑥) − (𝑦 2 − 2𝑦) = (𝑥 2 − 𝑦 2 ) − 2(𝑥 − 𝑦) = (𝑥 − 𝑦)(𝑥 + 𝑦 − 2) = 0
Donc 𝑥−𝑦=0 𝑜𝑢 𝑥 + 𝑦 − 2 = 0
Par suite 𝑥=𝑦 𝑜𝑢 𝑥+𝑦 =2
Or (𝑥, 𝑦) ∈ ]1, +∞[2 ⇒ 𝑥 + 𝑦 > 2 ⇒ 𝑥 + 𝑦 ≠ 2
Donc 𝑥=𝑦.
B. Ensemble et parties
1. Les objets
Exemple 16 : 2ℕ ⊂ ℕ ⊂ ℤ
Une partie qui n’a qu’un élément {𝑥0 } est appelée singleton. Une partie qui a deux
éléments est appelée une paire.
Remarque : 𝐴 = 𝐵 ⇔ 𝐴 ⊂ 𝐵 𝑒𝑡 𝐵 ⊂ 𝐴.
Remarque : 𝑃({𝑎, 𝑏, 𝑐}) = {Ø , {𝑎}, {𝑏}, {𝑐}, {𝑎, 𝑏}, {𝑎, 𝑐}, {𝑏, 𝑐}; {𝑎, 𝑏, 𝑐} }
Les ensembles de nombres utilisés dans les chapitres suivants sont :
Définitions 7 :
3. Produit cartésien
Définition 9: Soient 𝐸 𝑒𝑡 𝐹 deux ensembles. On définit alors le produit cartésien
par E × 𝐹 = {(𝑎, 𝑏); 𝑎 ∈ 𝐸, 𝑏 ∈ 𝐹}
L’élément (𝑎, 𝑏) 𝑑𝑒 𝐸 × 𝐹 est appelé un couple. Si E = F, on note : 𝐸 2 = 𝐸 × 𝐸.
( !) ATTENTION : {𝑎, 𝑏} = {𝑏, 𝑎} 𝑚𝑎𝑖𝑠 (𝑎, 𝑏) ≠ (𝑏, 𝑎).
Définition 10 : Soit 𝐸1 , . . . , 𝐸𝑝 des ensembles (avec 𝑝 entier non nul).
∏𝑝𝑖=1 𝐸𝑖 = 𝐸1 × ….. × 𝐸𝑝 = {(𝑥1 , . . . , 𝑥𝑝 ); ∀𝑖 ∈ {1, 2, . . . , 𝑝}, 𝑥𝑖 ∈ 𝐸𝑖 }.
L’élément (𝑥1 , . . . , 𝑥𝑝 ) de 𝐸1 × ….. × 𝐸𝑝 est appelé un 𝑝 -uplet alors que les éléments 𝑥𝑖
des 𝐸𝑖 sont appelés les composantes du 𝑝 -uplet.
5. Coefficient binomial
𝑛 𝑛!
Les quantités 𝐶𝑛𝑝 = (𝑝) = (𝑛−𝑝)! 𝑝! sont appelées coefficients binomiaux.
𝑛\𝑝 0 1 2 3 4 5 6
0 1
1 1 1
2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
5 1 5 10 10 5 1
6 1 6 15 20 15 6 1
Exemple 22 : (𝑎 + 𝑏) = 𝑎 + 2𝑎𝑏 + 𝑏 2
2 2
7. Factorisation
Proposition 7: Pour tous 𝑎, 𝑏 ∈ 𝐴, et tout entier 𝑛 ∈ ℕ∗ ,
( !) Attention :
Si 𝑛 est impair alors
𝑎𝑛 + 𝑏 𝑛 = (𝑎 + 𝑏)(𝑏 𝑛−1 − 𝑎𝑏 𝑛−2 + 𝑎2 𝑏 𝑛−3 − ⋯ − 𝑎𝑛−2 𝑏 + 𝑎𝑛−1 )
Mais si 𝑛 est pair alors cette formule est fausse.
Série 1 : LOGIQUE, ENSEMBLES
Exercice 1: Les propositions suivantes sont-elles vraies ou fausse ? (𝑥 ∈ ℝ)
−2 ≤ 𝑥 ≤ 5 ⇔ 4 ≤ 𝑥 2 ≤ 25 ;
𝑥 < 3 ⇔ 𝑥2 < 9 ;
1 1
𝑥 < −4 ⇔ > −4 .
𝑥
(𝑐) 𝐴̅ ∪ 𝐵̅ = ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 (Loi de Morgan).
Exercice 5 : (a) Etant donné 𝑥 ∈ 𝐴 montrons qu’il est aussi dans 𝐵. Comme 𝑥 ∈
𝐴 alors 𝑥 ∈ 𝐴 ∪ 𝐵 donc 𝑥 ∈ 𝐴 ∩ 𝐵 (𝑐𝑎𝑟 𝐴 ∪ 𝐵 = 𝐴 ∩ 𝐵). Ainsi 𝑥 ∈ 𝐵 . Maintenant
nous prenons 𝑥 ∈ 𝐵 et le même raisonnement implique 𝑥 ∈ 𝐴. Donc tout élément de
𝐴 est dans 𝐵 et tout élément de 𝐵 est dans 𝐴. Cela veut dire 𝐴 = 𝐵.
(b)Voir T.D.
(c) - Soit 𝑥 tel que 𝑥 ∈ 𝐴̅ ∪ 𝐵̅ ∶ cela signifie que 𝑥 ∈ 𝐴̅ ou 𝑥 ∈ 𝐵̅ .
Si ∈ 𝐴̅ , 𝑥 ∉ 𝐴 ⇒ 𝑥 ∉ 𝐴 ∩ 𝐵 ⇒ 𝑥 ∈ ̅̅̅̅̅̅̅ 𝐴∩𝐵.
Si ∈ 𝐵̅ , 𝑥 ∉ 𝐵 ⇒ 𝑥 ∉ 𝐴 ∩ 𝐵 ⇒ 𝑥 ∈ ̅̅̅̅̅̅̅ 𝐴∩𝐵.
Ceci est vrai pour tout 𝑥 ∈ 𝐴 ∪ 𝐵 , donc on en déduit : 𝐴̅ ∪ 𝐵̅ ⊂ ̅̅̅̅̅̅̅
̅ ̅ 𝐴 ∩ 𝐵.
̅̅̅̅̅̅̅
- Soit 𝑥 tel que 𝑥 ∈ 𝐴 ∩ 𝐵 : 𝑥 n’est pas un élément commun à A et B.
Si 𝑥 ∈ 𝐴, 𝑥 ∉ 𝐵 ⇒ 𝑥 ∈ 𝐵̅ ⇒ 𝑥 ∈ 𝐴̅ ∪ 𝐵̅
Si 𝑥 ∈ 𝐵, 𝑥 ∉ 𝐴 ⇒ 𝑥 ∈ 𝐴̅ ⇒ 𝑥 ∈ 𝐴̅ ∪ 𝐵̅
Si 𝑥 ∉ 𝐴 𝑒𝑡 𝑥 ∉ 𝐵 ⇒ 𝑥 ∈ 𝐴̅ 𝑒𝑡 𝑥 ∈ 𝐵̅ ⇒ 𝑥 ∈ 𝐴̅ ∪ 𝐵̅
Ceci est vrai pour tout ∈ ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 . On en déduit que : ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 ⊂ 𝐴̅ ∪ 𝐵̅.
On a déjà démontré que 𝐴̅ ∪ 𝐵̅ ⊂ ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 . On conclut que: 𝐴̅ ∪ 𝐵̅ = ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵.
𝑊 = ̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅
(𝐴̅ ∩ 𝐵) ∩ (𝐴 ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
∩ 𝐵) = (𝐴 ̅ ∩ 𝐵) ∪ (𝐴 ∩ 𝐵) = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
(𝐴̅ ∪ 𝐴) ∩ 𝐵 = ̅̅̅̅̅̅̅̅
𝐸 ∩ 𝐵 = 𝐵̅
A. POLYNÔMES
1. Introduction et définitions
Théoriquement, un polynôme est une suite infinie de réels (ou de complexes) tous
nuls à partir d'un certain rang. On les appelle les coefficients du polynôme.
Définitions 2 :
𝑃(𝑋) = ∑ 𝑎𝑘 𝑋 𝑘 = 𝑎0 + 𝑎1 𝑋 + 𝑎2 𝑋 2 + ⋯ … + 𝑎𝑛 𝑋 𝑛
𝑘=0
2. L'ensemble des polynômes à coefficients réels est noté ℝ[𝑋], l'ensemble des
polynômes à coefficients complexes est noté ℂ[𝑋];
3. Le degré d'un polynôme est celui du monôme de degré le plus élevé. Les
polynômes constants sont donc de degré 0 ;
4. L'ensemble des polynômes à coefficients réels de degré inférieur ou égal à n
est noté ℝ𝑛 [𝑋], l'ensemble des polynômes à coefficients complexes de degré
inférieur ou égal à n est noté ℂ𝑛 [𝑋].
Théorème 1 :
Soient 𝐴 et 𝐵 deux polynômes de ℝ[𝑋], avec B non nul. Alors il existe un unique
couple (𝑄, 𝑅) de polynômes tels que :
𝐴 = 𝐵. 𝑄 + 𝑅 𝑎𝑣𝑒𝑐 𝑑°(𝑅) < 𝑑°(𝐵)
𝐴 est appelé le dividende, 𝐵 le diviseur, 𝑄 le quotient et 𝑅 le reste.
Remarque: Si le reste est nul (R=0), on dit que A est divisible par B ou que B divise A
Pratique de la division Euclidienne :
A: 𝑋 5 + 2𝑋 4 + 3𝑋 3 + +1 𝑋3 − 𝑋 + 2
-B𝑄1: −𝑋 5 + 𝑋 3 − 2𝑋 2 𝑋 2 + 2𝑋 + 4
𝑅1 : 2𝑋 4 + 4 𝑋 3 − 2 𝑋 2 +1
-B𝑄2 : −2𝑋 4 + 2 𝑋 2 − 4𝑋
𝑅2 : 4 𝑋3 − 4𝑋 + 1
-B𝑄3 : −4𝑋 3 + 4𝑋 − 8
R : −𝟕
Pour déterminer l'ordre de multiplicité d'une racine 𝑎, il suffit de calculer les dérivées
successives de 𝑃 en 𝑎, la première non nulle donne l'ordre de multiplicité.
Propriété 2 : Si a est une racine complexe non réelle d'ordre k de P, alors 𝑎̅ est
aussi racine d'ordre k. En effet, 𝑃(𝑎̅) = ̅̅̅̅̅̅
𝑃(𝑎) = 0̅ = 0.
𝑷: 𝑥 4 + 2𝑥 3 −𝑥−2 𝑥2 + 𝑥 − 2
−𝑥 4 − 𝑥 3 + 2𝑥 2 𝑥2 + 𝑥 + 1
𝑥 3 + 2𝑥 2 − 𝑥 − 2
− 𝑥 3 − 𝑥 2 + 2𝑥
𝑥2 + 𝑥 − 2
− 𝑥2 − 𝑥 + 2
𝑅: 0
Soit : 𝑥 4 + 2𝑥 3 − 𝑥 − 2 = (𝑥 2 + 𝑥 − 2 ) (𝑥 2 + 𝑥 + 1 ) + 0
Ou encore : 𝑃(𝑥) = (𝑥 − 1)(𝑥 + 2)(𝑥 2 + 𝑥 + 1 ) : c’est la factorisation de 𝑃(𝑥) en
produit de polynômes irréductibles. En effet (𝑥 2 + 𝑥 + 1 ) est un trinôme à ∆< 0.
Remarques importantes :
Ce n’est pas parce qu’un polynôme n’a pas de racine réelles qu’il n’est pas
factorisable dans ℝ[𝑋] !!
Une équation algébrique à coefficients réels dont le degré est impair possède
au moins une racine réelle.
Nous utiliserons cette méthode avec parcimonie car sa preuve fait appel à deux
nombreux résultats d'arithmétique et que son utilisation est assez lourde. Nous la
découvrirons à travers un exemple.
Nous verrons dans la section suivante qu'il peut être utile d'écrire un polynôme A
sous la forme :
𝐴 = 𝐵𝑆 + 𝑋 𝑝+1 𝑇 𝑎𝑣𝑒𝑐 𝑑°(𝑆) ≤ 𝑝
1. Définitions
𝐴
Définition 6 : Une fraction rationnelle s'écrit 𝐹= où 𝐴 𝑒𝑡 𝐵 sont des
𝐵
polynômes. L'ensemble des fractions rationnelles à coefficients réels se note ℝ(𝑋) .
𝑋+5
Exemple 8 : La fraction rationnelle : 𝐹(𝑋) = (𝑋 2 −4)(𝑋−1)𝟑 admet −2 𝑒𝑡 2 comme
pôles simples ; 1 comme pôle d’ordre 3 𝑒𝑡 − 5 comme zéro.
On a : 𝑋 5 + 𝑋 4 − 𝑋 3 + 𝑋 − 1 = (𝑋 3 + 𝑋 2 + 2)(𝑋 2 − 1) − (𝑋 2 − 𝑋 − 1)
(𝑋 3 +𝑋 2 +2)(𝑋 2 −1)−(𝑋 2 −𝑋−1) 𝑋 2 −𝑋−1 𝑅(𝑋)
Donc, 𝐹(𝑋) = = 𝑋 2 − 1 − 𝑋 3 +𝑋 2 +2 = 𝐸(𝑋) +
𝑋 3 +𝑋 2 +2 𝐵(𝑋)
Rappelons que dans ℝ(𝑋) , tout polynôme 𝐵 peut s’écrire sous forme dee produit de
facteurs irréductibles, c'est-à-dire :
𝐵(𝑋) = 𝑎(𝑋 − 𝑟1 )𝑚1 … . (𝑋 − 𝑟𝑝 )𝑚𝑝 (𝑋 2 + 𝑏1 𝑋 − 𝑐1 )𝑛1 … . (𝑋 2 + 𝑏𝑞 𝑋 − 𝑐𝑞 )𝑛𝑞
Le pôle 𝑥 = −4 de multiplicité
3 donne trois éléments simples :
𝑨𝟏 𝑨𝟐 𝑨3
, ,
𝑋+4 (𝑋+4)𝟐 (𝑋+4)3
Le pôle 𝑥 = 5 de multiplicité 1
𝑩𝟏
donne un élément simple :
𝑋−5
𝐴(𝑋)
Théorème 7 : Soit 𝐹 (𝑋 ) = une fraction rationnelle irréductible. Alors :
𝐵(𝑋)
𝑅(𝑋)
1. Si 𝑑°(𝐴) ≥ 𝑑°(𝐵), 𝐹( 𝑋 ) = 𝐸 ( 𝑋 ) + avec 𝑑°(𝑅) < 𝑑°(𝐵) et 𝐸 la partie
𝐵(𝑋)
entière de 𝐹.
𝑅(𝑋)
2. se décompose de manière unique comme somme de tous les éléments
𝐵(𝑋)
𝑅(𝑋) 𝑨𝒊𝒌 𝐵𝑗𝑙 𝑋+𝐶𝑗𝑙
simples relatifs à 𝐵 : = ∑𝑖 ∑𝑘 + ∑𝑗 ∑𝑙
𝐵(𝑋) (𝑋−𝑟𝑖 )𝑘 (𝑋 +𝑏𝑗 𝑋+𝑐𝑗 )𝑙
2
𝑨 𝑨 𝑨
En énumérant : 𝐹(𝑋) = 𝐸(𝑋) + [𝑋−𝑟
𝟏
+ (𝑋−𝑟𝟐 )2 + ⋯ + (𝑋−𝑟𝒏 )𝑛]
1 1 1
𝑨𝟏 𝑨𝟐 𝑨𝟑 𝑨𝟒 𝐵1 𝑥 + 𝐶1 𝐵2 𝑥 + 𝐶2
𝐹(𝑥) = + + 2
+ 3
+ 2 + 2
𝑥 − 5 𝑥 + 4 (𝑥 + 4) (𝑥 + 4) 𝑥 + 2𝑥 + 2 (𝑥 + 2𝑥 + 2)2
𝑅 𝑅 𝛼 𝑆
6. S’il y a un pôle simple r : = (𝑋−𝑟)𝑄 = 𝑋−𝑟 + 𝑄 (où 𝑄(𝑟) ≠ 0) alors :
𝐵
𝑅(𝑟)
Le coefficient 𝛼 = ;
𝐵′ (𝑟)
𝑅(𝑟)
Ou, en multipliant par (𝑋 − 𝑟) et en remplaçant 𝑋 𝑝𝑎𝑟 𝑟, on a : 𝛼 = 𝑄(𝑟)
𝑅 𝑅 𝑨 𝑨 𝑨 𝑆
7. S’il y a un pôle 𝑟 de multiplicité 𝑛: 𝟏
= (𝑋−𝑟)𝑛𝑄 = 𝑋−𝑟 𝟐
+ (𝑋−𝑟) 𝒏
2 + ⋯ + (𝑋−𝑟)𝑛 + 𝑄
𝐵
Pour déterminer le coefficient 𝐴𝑛 , on multiplie tout par (𝑋 − 𝑟)𝑛 , et on remplace
𝑅(𝑋) 𝑛
𝑋 𝑝𝑎𝑟 𝑟; Symboliquement, on écrit : 𝐴𝑛 = [𝐵(𝑋) (𝑋 − 𝑟) ] ;
𝑿=𝑟
𝑅 𝑅 𝐵 𝑋+𝐶 𝐵2 𝑋+𝐶2 𝐵𝑚 𝑋+𝐶𝑚 𝑆
8. Si = 2 𝑚 = 𝑋21+𝑏𝑋+𝑐
1
+ 2 + ⋯+ 2 𝑚 + , pour déterminer
𝐵 (𝑋 +𝑏𝑋+𝑐) 𝑄 2
(𝑋 +𝑏𝑋+𝑐) (𝑋 +𝑏𝑋+𝑐) 𝑄
5. Pas de parité ;
𝑋+1 1 𝑋+1 6
6. 𝐴2 = [𝑋 2 𝐹 ]𝑋=0 = [ ] =− 𝑒𝑡 𝐵 = [(𝑋 − 5)𝐹 ]𝑋=5 = [ ] =
(𝑋−5) 𝑋=0 5 𝑋2 𝑋=5 25
2
Exemple 13 : 𝐹(𝑥) = (𝑋+4)𝟐 (𝑋 2 +2𝑋+2)
𝐴 𝐵 𝐶𝑋+𝐷
Structure de la DES de F : 𝐹(𝑥) = 𝑋+4 + (𝑋+4)𝟐 + 2
𝑋 +2𝑋+2
(𝑋 + 4)(𝐶𝑋 + 𝐷) 2
[(𝑋 + 4)𝟐 𝑭]𝑋=−4 = [𝐴(𝑋 + 4) + 𝐵 + 2
] =[ 2 ]
𝑋 + 2𝑋 + 2 𝑋=−4 (𝑋 + 2𝑋 + 2) 𝑋=−4
1
Soit : 𝐵=
5
2
Soit lim = 𝐴 + 0 + 𝐶 donc 𝐴 + 𝐶 = 0, ou encore 𝐶 = −𝐴,
𝑋→+∞ 𝑋 3
2 𝐴 𝐵 𝐶.0+𝐷
Pour 𝑋 = 0 : 𝐹(0) = (0+4)𝟐 (02 +2.0+2) = 0+4 + (0+4)𝟐 + 2
0 +2.0+2
1 𝐴 𝐵 𝐷 1
Soit : = + + donc 𝐴 + 2𝐷 = 5
16 4 16 2
2 𝐴 𝐵 −3𝐶+𝐷
Pour 𝑋 = −3 : 𝐹(−3) = (1)𝟐 (9−6+2) = 1 + (1)𝟐 + 9−6+2 soit : 5𝐴 − 3𝐶 + 𝐷 = 1
3
𝐴 = 25
𝐶 = −𝐴
1 3
𝐴 + 2𝐷 = 5 𝐶 = − 25
En résolvant le système : on trouve : 1
5𝐴 − 3𝐶 + 𝐷 = 1 𝐷 = 25
1
{ 𝐵= 5 1
{ 𝐵=5
3 1 3 1
− 𝑋+
D’où : 𝐹 (𝑥 ) = 25
+ 5
+ 25 25
𝑋+4 (𝑋+4)𝟐 𝑋 2 +2𝑋+2
5. Pas de parité ;
6. Calcul de 𝐴3 : -2 est un pôle simple. En multipliant (*) par (x + 2) et en
remplaçant 𝑋 𝑝𝑎𝑟 − 2, on a :
𝑋3 −21𝑋−7
𝐴3 = [(𝑋 + 2)𝐺 (𝑋 )]𝑋=−2 = [(𝑋−1)2 ] =1;
(𝑋2 +𝑋+1) 𝑋=−2
2
𝑋3 − 21𝑋 − 7
𝐴2 = [(𝑋 − 1) 𝐺 (𝑋 )]𝑋=1 = [ ] = −3
(𝑋 + 2)(𝑋2 + 𝑋 + 1) 𝑋=1
8. pour calculer B et C il faudrait ensuite multiplier par (𝑋2 + 𝑋 + 1) et
remplacer par une racine complexe de (𝑋2 + 𝑋 + 1) ; dans notre cas cette
méthode est longue. Il est préférable de remplacer directement par une valeur
particulières de 𝑋, différentes des pôles :
−7 𝐴3
pour 𝑋 = 0, on a : 𝐺(0) = 2
= −𝐴1 + 𝐴2 + 2
+ 𝐶. Soit : 𝐶 − 𝐴1 = −1
13 𝐴 𝐴2 𝐴1
pour 𝑋 = −1, on a : 𝐺(−1) = 4
= −21 + 4
+ 𝐴3 − 𝐵 + 𝐶. Soit : 𝐶 − 𝐵 − 2
=3
𝑋 4 −21𝑋2 −7𝑋 𝐴1 𝑋 𝐴 𝑋 𝐴 𝑋 𝐵𝑋 2 +𝐶𝑋
- lim 𝑋𝐺(𝑋) = lim 𝑋 5 +𝑋 4 −2𝑋 3 −𝑋 2 −𝑋+2 = lim 𝑋−1
2
+ (𝑋−1) 3
2 + 𝑋+2 + 𝑋 2 +𝑋+1
𝑋→+∞ 𝑋→+∞ 𝑋→+∞
Soit : 0 = 𝐴1 + 0 + 𝐴3 + 𝐵 ou encore 𝐴1 + 𝐵 = −1
𝐶 − 𝐴1 = −1 𝐶 = −1 + 𝐴1 𝐶=1
𝐴1 𝐴1
Cela donne le système suivant : {𝐶 − 𝐵 − = 3 ⇔ {𝐶 − 𝐵 − = 3 ⇔{ 𝐴1 = 2
2 2
𝐴1 + 𝐵 = −1 𝐵 = −1 − 𝐴 𝐵 = −3
1
𝑃(𝑋) = 𝑋 8 + 𝑋 4 + 1 𝑄(𝑋) = 𝑋 6 + 1
Exercice 5:
𝐴(𝑋) = −6 + 𝑋 + 0𝑋 2 − 7𝑋 3 + 0𝑋 4 + 𝑋 5 , 𝐵(𝑋) = −1 − 𝑋 + 𝑋 2 + 𝑋 3
𝑥2 + 1 𝑥2
𝐹(𝑥) = 2 𝐺(𝑥) =
(𝑥 − 1)(𝑥 2 − 4) (𝑥 − 1)(𝑥 − 2)3
Correction de la Série 2 : Polynômes et fractions rationnelles
Exercice 2 :
𝑋 8 + 1 = (𝑋 8 + 2𝑋 4 + 1) − 2𝑋 4 = (𝑋 4 + 1)2 − 2𝑋 4
De façon analogue :
et 𝑋 4 + 𝑋 2 + 1 = (𝑋 2 + 1)2 − 𝑋 2 = (𝑋 2 − 𝑋 + 1)(𝑋 2 + 𝑋 + 1)
Exercice 3 : On calcule
= 𝑥 3 (𝑥 4𝑛 − 1) + 𝑥 2 (𝑥 4𝑚 − 1) + 𝑥(𝑥 4𝑝 − 1) + (𝑥 4𝑞 − 1)
Donc (𝑥 4 − 1) divise 𝑥 4𝑛 − 1, 𝑥 4𝑚 − 1, 𝑥 4𝑝 − 1 𝑒𝑡 𝑥 4𝑞 − 1.
Or , 𝑥 4 − 1 = (𝑥 − 1)(𝑥 3 + 𝑥 2 + 𝑥 + 1) = (𝑥 − 1)𝐵(𝑥)
Donc , 𝐵(𝑥) divise (𝑥 4 − 1), qui, à son tour, divise 𝐴 − 𝐵. Donc 𝐵(𝑥)
divise (𝐴 − 𝐵)(𝑥). En d’autre terme, il existe un polynôme P tel que :
𝐴(𝑥) − 𝐵(𝑥) = 𝐵(𝑥)𝑃(𝑥) ⇔ 𝐴(𝑥) = 𝐵(𝑥) + 𝐵(𝑥)𝑃(𝑥) = 𝐵(𝑥)(1 + 𝑃(𝑥)).
𝑃𝑛 (1) = 𝑛 − (𝑛 + 2) + (𝑛 + 2) − 𝑛 = 0.
Exercice 5 :
3𝑋 5 + 0𝑋 4 + 0𝑋 3 + 4𝑋 2 + 0𝑋 + 1 𝑋 2 + 2𝑋 + 3
−3𝑋 5 − 6𝑋 4 − 9𝑋 3 3𝑋 3 − 6𝑋 2 + 3𝑋 + 16
−6𝑋 4 − 9𝑋 3 + 4𝑋 2 + 0𝑋 + 1
3𝑋 3 + 22𝑋 2 + 0𝑋 + 1
−3𝑋 3 − 6𝑋 2 − 9𝑋
16𝑋 2 − 9𝑋 + 1
−16𝑋 2 − 32𝑋 − 48
−41𝑋 − 47
𝑏) Effectuons la division suivant les puissances croissantes de 𝐴 𝑝𝑎𝑟 𝐵
−6 + 𝑋 + 0𝑋 2 − 7𝑋 3 + 0𝑋 4 + 𝑋 5 − 1 − 𝑋 + 𝑋2 + 𝑋3
+6 + 6𝑋 − 6𝑋 2 − 6𝑋 3 6 − 7𝑋 + 13𝑋 2
7𝑋 − 6𝑋 2 − 13𝑋 3 + 0𝑋 4 + 𝑋 5
−7𝑋 − 7𝑋 2 + 7𝑋 3 + 7𝑋 4
−13𝑋 2 − 6𝑋 3 + 7𝑋 4 + 𝑋 5
7𝑋 3 − 6𝑋 4 − 12𝑋 5
A. Introduction et définitions
Définition 1 : Une matrice réelle est un tableau dont les éléments (ou les
coefficients) sont des réels.
Si 𝒏 est le nombre de lignes et 𝒑 le nombre de colonnes de ce tableau, on dit que la
matrice est une matrice (de taille) 𝑛 × 𝑝 et on note 𝑀𝑛,𝑝 (ℝ) l’ensemble des matrices
réelles, de taille 𝑛 × 𝑝.
Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté 𝑎𝑖,𝑗 .
Un tel tableau est représenté de la manière suivante :
𝑎1,1 𝑎1,2 𝑎1,3 … 𝑎1,𝑝
𝑎2,1 𝑎2,2 𝑎2,3 … 𝑎2,𝑝
𝐴=( …….. ) 𝑜𝑢 𝐴 = (𝑎𝑖,𝑗 ) 1≤𝑖≤𝑛 𝑜𝑢 (𝑎𝑖,𝑗 )
1≤𝑗≤𝑝
𝑎𝑛,1 𝑎𝑛,2 𝑎𝑛,3 … 𝑎𝑛,𝑝
Si 𝒏 = 𝒑, on dit que la matrice est carrée et on note 𝑀𝑛 (ℝ) l’ensemble 𝑀𝑛,𝑛 (ℝ) des
matrices carrées de taille 𝑛 × 𝑛. Une telle matrice est représentée par :
𝑎1,1 𝑎1,2 𝑎1,3 … 𝑎1,𝑛
𝑎2,1 𝑎2,2 𝑎2,3 … 𝑎2,𝑛
𝐴=( …….. ) : matrice carrée d’ordre 𝑛.
𝑎𝑛,1 𝑎𝑛,2 𝑎𝑛,3 … 𝑎𝑛,𝑛
5 2 4
Exemple 1 : (1 2 3) est une matrice de taille 3 × 3.
7 1 8
ou det(𝐴) = 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) − 𝑎21 (𝑎12 𝑎33 − 𝑎32 𝑎13 ) + 𝑎31 (𝑎12 𝑎23 − 𝑎22 𝑎13 )
1 0 2 0 2 1
det(𝐶) = 1. | | − 0. | | + (−1). | |
0 1 −2 1 −2 0
soit, en calculant chaque déterminant d’ordre 2 avec la formule en croix :
|𝐶| = 1 − 0 − 2 = −1
Mais on aurait pu développer par rapport à la 2 ème colonne :
1 −1
|𝐶| = −0. | 2 0
| + 1. |
1 −1
| − 0. | | = 0 + (−1) − 0 = −1
−2 1 −2 1 2 0
Remarque importante : Il est plus facile de développer par rapport à une ligne ou
une colonne contenant beaucoup de zéros.
Pour les matrices 3x3, il existe une règle simplifiée pour le calcul du déterminent. Il
s’agit de la règle de Sarrus On écrit à droite de la matrice ses deux premières
colonnes et on additionne les produits obtenus en multipliant les éléments sur les
diagonales, pris avec le signe + pour les produits qui sont parallèles à la diagonale
principale et avec le signe – pour les autres.
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12
det(𝐴) = |𝑎21 𝑎22 𝑎23 | 𝑎21 𝑎22
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
det(𝐴) = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎31 𝑎22 𝑎13 − 𝑎32 𝑎23 𝑎11 − 𝑎33 𝑎21 𝑎12
1 0 −1 1 0
Exemple précédent 3 : det(𝐶) = | 2 1 0| 2 1
−2 0 1 −2 0
det(𝐶) = 1.1.1 + 0.0. (−2) + (−1). 2.0 − (−2). 1. (−1) − 0.0.1 − 1.2.0 = −1
1. Cas particuliers
det(𝑪𝟏 , 𝑪𝟐 , 𝐶3 … 𝐶𝑛 ) = − det( 𝑪𝟐 , 𝑪𝟏 , 𝐶3 … 𝐶𝑛 )
1 2 3 4
𝐴=( ), B= ( ) : det(𝐵) = 2 et det(𝐴) = −2. 𝑂𝑛 𝑎 det(𝐵) = − det(𝐴)
3 4 1 2
Si l’on multiplie tous les éléments d’une colonne par 𝛌, le déterminant est
multiplié par 𝛌 :
det(𝐶1, … 𝛌𝑪𝒊 , … 𝐶𝑛) = 𝛌 det( 𝐶1, … 𝑪𝒊 , … 𝐶𝑛)
4 1 4 2
𝐴=( ), B= ( ) det(𝐴) = 3, det(𝐵) = 6 𝑒𝑡 𝑜𝑛 𝑎 det(𝐵) = 2 det(𝐴)
5 2 5 4
Si l’on multiplie par 𝛌 tous les coefficients d’une matrice 𝑛 × 𝑛 , le
déterminant est multiplié par 𝛌𝒏 :
det( 𝛌 𝐴)= 𝛌𝒏 det(𝐴)
4 1 8 2
𝐴=( ),𝐵 = ( ) , det(𝐴) = 5 , det(𝐵) = 20 𝑒𝑡 𝑜𝑛 𝑎 det(𝐵) = 22 det(𝐴)
3 2 6 4
La valeur d’un déterminant est inchangée si l’on ajoute à une colonne
(affectée du coefficient multiplicatif 1) une combinaison linéaire des autres
colonnes:
det(𝐶1, 𝐶2 , … 𝑪𝒏) = det( 𝐶1, 𝐶2, … , 𝑪𝒏 + 𝛌𝐂𝟏) = det( 𝐶1, 𝐶2, … , 𝑪𝒏 + 𝛌𝐂𝟏 + 𝛂𝐂𝟐)
𝐶1 𝐶2 𝐶1 𝐶2 + 4𝐶1
4 1 4 13 4 1 4 13
| |=5 𝑒𝑡 | |=5 𝑑𝑜𝑛𝑐 | |=| |
3 2 3 11 3 2 3 11
La valeur d’un déterminant est nulle dans les cas suivants :
i. Toutes ces propriétés sont aussi valables en remplaçant les colonnes par les
lignes.
ii. Avant de développer un déterminant par rapport aux éléments d’une rangée
(ligne ou colonne), on peut essayer de le simplifier en appliquant les propriétés
énoncées précédemment :
● Par combinaison linéaires de lignes et de colonnes, on peut essayer de faire
apparaître un facteur commun à tous les éléments d’une rangée et le mettre en
facteur du déterminant,
2 1 1
Exercice 1 : Calculer de plusieurs façons le déterminant : 𝐷 = |0 5 −2|.
1 −3 4
Exercice 2 : Calculer les déterminants suivants :
1 4 8 3 4 5 28 25 38
𝐴 = |−2 1 5|, 𝐵=| 1 2 3 |, 𝐶 = |42 38 65|
−3 2 4 −2 5 −4 56 47 83
Exercice 3: Calculer les déterminants suivants :
−4 1 1 1 1
3 3 9 1 1 2 3 4
1 −4 1 1 1
| 2 3 5 1 −2 1 − 4 3
𝐼=|1 1 − 4 1 1 ||, 𝐽=| |, 𝐾=| |
0 0 4 0 3 −4 −1 2
1 1 1 −4 1
3 8 7 2 4 3 −2 −1
1 1 1 1 −4
Exercice 4: Calculer les déterminants suivants :
𝛼 1 1 1
1 𝑎 𝑏+𝑐 1 1 1
1 𝛼 1 1
∇(𝛼) = | |, ∆= |1 𝑏 𝑎 + 𝑐 |, ∅ = |𝑏 + 𝑐 𝑐+𝑎 𝑎 + 𝑏|
1 1 𝛼 1
1 𝑐 𝑎+𝑏 𝑏𝑐 𝑎𝑐 𝑎𝑏
1 1 1 𝛼
1 0 1
Exercice 5 : Calculer le déterminant 𝐴1 = |2 3 −1|, puis en déduire :
0 4 1
0 4 1 2 0 1 0 4 1 1 0 1
𝐴2 = |1 0 1 |, 𝐴3 = |4 9 −1|, 𝐴4 = |4 6 −2|, 𝐴5 = | 2 3 −1|
2 3 −1 0 12 1 1 0 1 −4 −2 3
Exercice 6 : Calculer les déterminants suivants (sans développer le calcul):
1 25 −3 1 −2 0 1 28 70
𝐴 = |3 41 −9 |, 𝐵 = |2 1 5 |, 𝐶 = |0 5 95|
5 59 −15 3 4 10 0 0 3
Solution de la série 3 : Déterminants
Exercice 2 :
1 4 8 1 4 8 − 2.4 1 4 0
1 4
𝐴 = |−2 1 5| = |−2 1 5 − 2.1| = |−2 1 3| = −3 | | = −3(14) = −42
−3 2
−3 2 4 −3 2 4 − 2.2 −3 2 0
3 4 5 3 − 3.1 4 − 3.2 5 − 3.3
𝐵=| 1 2 3 |=| 1 2 3 |
−2 5 −4 −2 + 2.1 5 + 2.2 −4 + 2.3
0 −2 −4
−2 −4
= |1 2 3 | = −| | = −32.
9 2
0 9 2
Pour le déterminant C (voir T.D. en classe).
Exercice 3 :
3 3 9 1
3 3 1 3−2 3−3 1−1 3 0 0
2 3 5 1 3 1
𝐽=| | = 4 |2 3 1| = 4 | 2 3 1 | = 4 |2 3 1| = 12 | | = −24
0 0 4 0 8 2
3 8 2 3 8 2 3 8 2
3 8 7 2
1 2 3 4 1 0 0 0
5 2 11
−2 1 − 4 3 −2 5 2 11
𝐾=| |=| | = 1 |−10 −10 −10|
3 −4 −1 2 3 − 10 − 10 − 10
−5 −14 −17
4 3 −2 −1 4 − 5 − 14 − 17
5 2 11 3 2 9 1 2 3
1 3
𝐾 = 10 |1 1 1 | = 10 | 0 1 0| = 10.3.3 | 0 1 0| = 90 | | = 900.
−3 1
5 14 17 −9 14 3 −3 14 1
Exercice 4 : Calculons les déterminants :
𝛼 1 1 1 𝛼+1+1+1 1 1 1 𝛼+3 1 1 1
1 𝛼 1 1 1+𝛼+1+1 𝛼 1 1 𝛼+3 𝛼 1 1
∆(𝛼) = | |=| |=| |
1 1 𝛼 1 1+1+𝛼+1 1 𝛼 1 𝛼+3 1 𝛼 1
1 1 1 𝛼 1+1+1+𝛼 1 1 𝛼 𝛼+3 1 1 𝛼
1 1 1 1 1 0 0 0
1 𝛼 1 1 1 𝛼−1 0 0
∆(𝛼) = (𝛼 + 3) | | = (𝛼 + 3) | | = (𝛼 + 3)(𝛼 − 1)3 .
1 1 𝛼 1 1 0 𝛼−1 0
1 1 1 𝛼 1 0 0 𝛼−1
1 1 1 1 0 0
∅ = |𝑏 + 𝑐 𝑐+𝑎 𝑎 + 𝑏 | = |𝑏 + 𝑐 𝑎−𝑏 𝑎−𝑐 |
𝑏𝑐 𝑎𝑐 𝑎𝑏 𝑏𝑐 𝑐(𝑎 − 𝑏) 𝑏(𝑎 − 𝑐)
1 1
= (𝑎 − 𝑏)(𝑎 − 𝑐) | | = (𝑎 − 𝑏)(𝑎 − 𝑐)(𝑏 − 𝑐).
𝑐 𝑏
Chapitre 4
Systèmes d’équations linéaires
A. Introduction
L’algèbre linéaire est un outil essentiel pour toutes les branches des mathématiques
appliquées, en particulier lorsqu’il s’agit de modéliser puis résoudre numériquement
des problèmes issus de divers domaines : des sciences physiques ou mécaniques, des
sciences du vivant, de la chimie, de l’économie, des sciences de l’ingénieur,...
Les systèmes linéaires interviennent dans de nombreux contextes d’applications car
ils forment la base calculatoire de l’algèbre linéaire.
1. Equations linéaires
Lors d'une mise en équation, si l'équation que l'on obtient est de la forme
𝑎𝑥 + 𝑏𝑦 = 𝑐, on dit que le problème (ou l'équation) est un problème linéaire à deux
variables. Alors que les équations suivantes ne sont pas des équations linéaires :
3
𝑥 3 + 4𝑦 + z = 1 ou y = ln(𝑥 + 2z + 1) ou 𝑦 − cos(𝑥) = 0 ou 𝑦 = √𝑥 − 1
2. Mise en équations
Lorsque l’on veut utiliser les mathématiques pour résoudre un problème concret, la
première étape consiste à traduire ce problème en données mathématiques
exploitables. C’est ce que l’on appelle la mise en équation. Une bonne mise en
équation se fait de la façon suivante :
Répertorier toutes les variables du problème, et les nommer de façon claire ;
Déterminer toutes les contraintes du problème, et les traduire en équations
(i.e. égalités) ou inéquations (i.e. inégalités).
Une usine fabriquant des torchons et des serviettes décide de les vendre par lots :
– Lot A : 9 torchons et 6 serviettes. Ce lot sera vendu 200 DH.
– Lot B : 2 torchons et 12 serviettes. Ce lot sera vendu 150 DH.
Elle a en stock 640 torchons et 960 serviettes.
Combien de lots de chaque sorte doivent être vendus pour épuiser le stock ?
Quel sera le chiffre d’affaire total ?
Solution : Les données peuvent être rassemblées dans le tableau suivant
Torchons Serviettes
Lot 𝐴 9 6
Lot 𝐵 2 12
𝑥 = 60
D’où {𝑦 = 160−60
= 50
2
On dit que le système (𝑆) est compatible si son ensemble de solution est non nul.
Ici, nous allons présenter cinq façons différentes de résoudre un système d’équations
linéaires. Une première méthode est géométrique. Les quatre autres se font par
calcul : par substitution, par combinaison, par inversion de matrice ou par méthode
de Cramer.
1. Résolution graphique
𝑎𝑥 + 𝑏𝑦 = 𝑒 (D1)
Soit le système suivant : (𝑆) {
c𝑥 + 𝑑𝑦 = 𝑓 (D2)
Géométriquement, résoudre ce système revient à tracer les deux droites (D1) et (D2)
dans un repère orthonormé et de chercher le (ou les) point(s) d’intersection de deux
droites du plan.
1. Les droites (D1) et (D2) se coupent en un seul point. Dans ce cas, illustré par la
figure de gauche, le système (𝑆)a une seule solution.
2. Les deux droites sont parallèles. Alors le système (𝑆) n’a pas de solution. La
figure du Centre illustre cette situation.
3. Les deux droites sont confondues et, dans ce cas, le système (𝑆)a une infinité
de solutions.
𝑥 + 3𝑦 − 2𝑧 = 2 (1)
Exemple 2 : Soit le système suivant : { −𝑥 + 2𝑦 − 𝑧 = −1 (2)
2𝑥 + 𝑧 = 0 (3)
Nous réécrivons la troisième ligne (3) sous la forme 𝑧 = −2𝑥 . Et nous remplaçons
(nous substituons) le 𝑧 des équations (1) et (2), par l’expression −2𝑥 . Nous obtenons
un système équivalent :
𝑥 + 3𝑦 + 4𝑥 = 2 (1) 5𝑥 + 3𝑦 = 2 (1)
{−𝑥 + 2𝑦 + 2𝑥 = −1 (2) ⇔ { 𝑥 + 2𝑦 = −1 (2)
𝑧 = −2𝑥 (3) 𝑧 = −2𝑥 (3)
La première équation est maintenant une expression qui ne contient que des 𝑦, et on
𝑦 = −1 (1)
peut la résoudre : { 𝑥 = −1 − 2𝑦 (2)
𝑧 = − 2𝑥 (3)
Il ne reste plus qu’à remplacer dans la ligne (2) la valeur de 𝑦 obtenue, puis à
remplacer dans la ligne (3) la valeur de 𝑥 obtenue :
𝑦 = −1 (1)
{ 𝑥=1 (2)
𝑧=−2 (3)
𝑥+y−𝑧+𝑡 =1 (1)
Exemple 3 : Etudions le système : { 𝑥 + 2y + 2𝑡 = 2 (2) (𝑆)
−𝑥 + 2𝑧 + 𝑡 = 3 (3)
Dans notre système (S), on peut effectuer les opérations de combinaison suivantes
qui ne modifient pas la solution du système, afin de faire disparaître les x dans les
deuxième et troisième équations :
𝑥+𝑦−𝑧+𝑡 = 1 (1)
(𝑆) ⇔ { 𝑦 + 𝑧 + 𝑡 = 1 (2) − (1)
𝑦 + 𝑧 + 2𝑡 = 4 (3) + (1)
𝑥 − 2𝑧 = 0 (1) − (2)
(𝑆) ⇔ { 𝑦 + 𝑧 + 𝑡 = 1 (2)
𝑡=3 (3) − (2)
𝑥 = 2𝑧 (1)
(𝑆) ⇔ { 𝑦 = −2 − 𝑧 (2)
𝑡=3 (3)
Définition 2 : Un système est dit de Cramer s’il admet une solution unique. C’est
équivalent de dire que pour ce système linéaire :
Le nombre d’équations est égal au nombre d’inconnues (𝑛 = 𝑝),
Le déterminant de la matrice associée au système est non nul.
La matrice associée est donc d’ordre 𝑛.
5𝑥1 + 2𝑥2 − 𝑥3 = 3
Exemple 4 : Soit le système suivant : {𝑥1 + 𝑥2 − 3𝑥3 = −2 (𝑆)
2𝑥1 − 𝑥2 + 7𝑥3 = 7
5 2 −1
La matrice associée à ce système est : A = (1 1 − 3)
2 −1 7
1 −3 2 −1 2 −1
Le déterminant de A est : det(A) = 5 | |−| | + 2| | = −3
−1 7 −1 7 1 −3
Puisque 𝑛 = 𝑝 = 3 et det(A) ≠ 0, le système est donc un système de Cramer, il
admet ainsi une solution unique.
Pour des systèmes d’ordre élevé, cette méthode est généralement inefficace car elle
conduit au calcul de déterminants d’ordre élevé.
5 2 −1 3
Exemple précédent : A = (1 1 − 3) , B = (−2) et det(A) = −3
2 −1 7 7
3 2 −1
det(A1 ) 3
det(A1 ) = |−2 1 − 3| = 3 , soit 𝑥1 = = −3 = −1
det(A)
7 −1 7
5 3 −1
det(A2 ) −15
det(A2 ) = |1 − 2 − 3| = −15, soit 𝑥2 = = =5
det(A) −3
2 7 7
5 2 3
det(A3 ) −6
det(A3 ) = |1 1 − 2| = −6, soit 𝑥3 = = −3 = 2
det(A)
2 −1 7
Définitions 3 :
1 1 1 1 1 1 1 1 1 1 0 3
| 1 0 3 | = 0; | 1 2 − 1 | = 0; | 1 0 3 | = 0; | 1 2 −1| = 0
1 2 −1 2 1 4 2 1 4 2 1 4
Par contre, il existe au moins un déterminant d’ordre 2, extrait de A, qui n’est pas
1 1
nul : ∆= | | = 1 , donc le rang du système est égal à 2 : 𝒓 = 𝟐.
1 2
ii. Recherche d’un système principal :
1 1
Exemple précédent : Puisque ∆= | | = 1≠0, donc on peut prendre ∆ comme
1 2
déterminant principal. Le sous système principal (𝑆′) formé par les équations
principales (1) et (3) relatives aux inconnues principales 𝑥 𝑒𝑡 𝑦 est donné par :
𝑥+𝑦 = 1−𝑧
(S ′ ) {
𝑥 + 2𝑦 = 𝑧 − 1
(2) et (4) sont les équations non principales et z est l’inconnu non principal.
1 1 1 1 1 1
∆1 = | 1 2 − 1| = 0 et ∆2 = | 1 2 − 1| = 0
1 0 3 2 1 4
Le système (𝑆′) admet donc une infinité de solution. En effet, quel que soit le choix
de l’inconnue non principale z, le système (𝑆 ′ ) admet une unique solution (donnée
par les formules de Cramer) :
1−𝑧 1 1 1−𝑧
∆𝑥 |𝑧 − 1 2| ∆𝑦 |1 𝑧 − 1|
𝑥= = = 3 − 3𝑧 et 𝑦= = = −2 + 2𝑧; 𝑧 arbitraire.
∆ 1 1 ∆ 1 1
| | | |
1 2 1 2
L’ensemble de solutions est ainsi donnée par : 𝐻 = {(3 − 3𝑧, 2𝑧 − 2, 𝑧), 𝑧 ∈ ℝ}.
Un tel système est toujours soluble car il admet toujours la solution banale :
𝑥1 = 𝑥2 = ⋯ … = 𝑥𝑝 = 0.
Si le rang du système est égal à 𝑝 (𝑟 = 𝑝), alors la solution nulle est l’unique solution.
Par contre si le rang du système est inférieur à p (𝑟 < 𝑝), , certaines inconnues sont
arbitraires et on résout le système par la méthode générale.
𝑥 − 2𝑦 + 3𝑧 = 0 1 −2 3
Exemple 6 : Soit (𝑆) { de matrice associée A=( ).
𝑥 + 𝑦 − 4𝑧 = 0 1 1 −4
Les déterminants d’ordre 2, extraits de A sont tous nuls :
1 −2 1 3 −2 3
∆1 = | |= 3, ∆2 = | | = −7 et ∆3 = | |=5
1 1 1 −4 1 −4
On peut donc choisir comme déterminant principal n’importe quel déterminant
d’entre eux. En prenant par exemple ∆1 comme déterminant principal, le sous
système principal est :
𝑥 − 2𝑦 = −3𝑧
{
𝑥 + 𝑦 = 4𝑧
Or puisque les déterminants caractéristiques sont tous nuls (car B=0), alors le
système (𝑆) admet une unique solution (donnée par les formules de Cramer) :
−3𝑧 −2 1 −3𝑧
∆𝑥 | 4𝑧 |
1 = 5𝑧 ∆𝑦 |1 4𝑧 | 7𝑧
𝑥= = et 𝑦= = = ; 𝑧 arbitraire.
∆1 1 −2 3 ∆1 3 3
| |
1 1
5𝑧 7𝑧
L’ensemble de solutions est: 𝐻 = {( 3 , , 𝑧) , 𝑧 ∈ ℝ}.
3
𝛼𝑥 + 𝑦 + 𝑧 + 𝑡 = 0 𝛼 1 1 1
𝑥 + 𝛼𝑦 + 𝑧 + 𝑡 = 0 1 𝛼 1 1
Exemple 7: Soit le système (𝑆) { de matrice 𝐴 = ( )
𝑥 + 𝑦 + 𝛼𝑧 + 𝑡 = 0 1 1 𝛼 1
𝑥 + 𝑦 + 𝑧 + 𝛼𝑡 = 0 1 1 1 𝛼
2𝑥 − 𝑦 − 𝑧 = 4 2𝑥 − 𝑦 + 3𝑧 = 9
1) {3𝑥 + 4𝑦 − 2𝑧 = 11 2) { 3𝑥 − 5𝑦 + 𝑧 = −4
3𝑥 − 2𝑦 + 4𝑧 = 11 4𝑥 − 7𝑦 + 𝑧 = 5
𝑥 + 2𝑧 = 1 3𝑥 + 2𝑦 + 𝑧 = 5
−𝑥 + 3𝑦 + 𝑧 = 0 2𝑥 + 3𝑦 + 𝑧 = 1
(𝑆1) { , (S2) {
𝑥 + 2𝑦 = −1 2𝑥 + 𝑦 + 3𝑧 = 11
2𝑥 − 𝑦 + 𝑧 = 0 𝑥 + 2𝑦 + 3𝑧 = 7
𝑥 + 2𝑦 − 𝑧 + 𝑡 − 2𝑢 = 1
𝑥 + 3𝑦 + 𝑧 = −1
4𝑥 − 10𝑦 + 5𝑧 − 5𝑡 + 7𝑢 = 1
(𝑆1) { 𝑥 + 6𝑦 + 𝑧 + 5𝑡 = −2 (S2) {
2𝑥 − 14𝑦 + 7𝑧 − 7𝑡 + 11𝑢 = −1
𝑥 + 6𝑦 + 2𝑧 + 7𝑡 = 3
2𝑥 − 2𝑦 + 𝑧 − 𝑡 + 𝑢 = 1
𝑥+ 𝑦 + 𝑧=0 𝑥 − 𝑎𝑦 + 𝑎2 𝑧 = 𝑎
(𝑆1) {𝑥 + 5𝑦 + 3𝑧 = 0 (S2) {𝑎𝑥 − 𝑎2 𝑦 + 𝑎𝑧 = 1, 𝑎 𝑒𝑠𝑡 𝑢𝑛 𝑝𝑎𝑟𝑎𝑚è𝑡𝑟𝑒 𝑟é𝑒𝑙.
𝑥 + 7𝑦 − 𝑧 = 0 𝑎𝑥 + 𝑦 − 𝑎3 𝑧 = 1
Solution de la Série 4 : SyStèmeS d’équations linéaires
2𝑥 − 𝑦 + 3𝑧 = 9 (1)
Exercice 1 : (2) { 3𝑥 − 5𝑦 + 𝑧 = −4 (2)
4𝑥 − 7𝑦 + 𝑧 = 5 (3)
Les deux premières équations sont incompatibles. Donc ce système est impossible.
2𝑥 − 𝑦 + 3𝑧 = 9 (1)
(S) { 3𝑥 − 5𝑦 + 𝑧 = −4 (2)
4𝑥 − 7𝑦 + 𝑧 = 5 (3)
Dans notre système (S), on peut effectuer les opérations de combinaison suivantes
qui ne modifient pas la solution du système, afin de faire disparaître les 𝑦 dans les
deuxième et troisième équations :
2𝑥 − 𝑦 + 3𝑧 = 9 (1) 2𝑥 − 𝑦 + 3𝑧 = 9 (1)
(𝑆) ⇔ { −7𝑥 − 14𝑧 = −49 (2) − 5(1) ⇔ { 𝑥 + 2𝑧 = 7 (2)
−10𝑥 − 20𝑧 = −58 (3) − 7(1) 𝑥 + 2𝑧 = 29/5 (3)
2 −1 3 −10 20 0
−10 20
|3 −5 1| = | −1 2 0| = 1 | | = −20 + 20 = 0
−1 2
4 −7 1 4 −7 1
2 −1
Donc rg(S)= 𝑟 ≤ 2 ; et puisque : ∆= | | = −7 ≠ 0 alors rg(S)= 𝑟 = 2.
3 −5
donc on peut prendre ∆ comme déterminant principal. Le sous système principal (𝑆′)
formé par les équations principales (1) et (2) relatives aux inconnues principales
𝑥 𝑒𝑡 𝑦 est donné par :
2𝑥 − 𝑦 = 9 − 3𝑧
(S ′ ) {
3𝑥 − 5𝑦 = −4 − z
On est dans le cas où 𝑟 = 2 < 𝑛 = 3(𝑛𝑏𝑟𝑒 𝑑 ′ é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠). On calcule le seul (𝑛 − 𝑟 = 1)
2 −1 9 2 1 9 0 1 0
déterminent caractéristique : ∆1 = |3 −5 −4| = − |3 5 −4| = − | −7 5 −49|
4 −7 5 4 7 5 −10 7 −58
−7 −49
Soit : ∆1 = + | | = −84. 𝑃𝑢𝑖𝑠𝑞𝑢𝑒 ∆1 ≠ 0, le système est impossible.
−10 −58
Exercice 2 :
Puis, à partir de (1) on trouve 𝑥 = 1 − 2𝑧 = −2/9. Pour que la solution trouvée soit juste,
2 𝟓 7
il faut qu’elle vérifie l’équation restante (3): 𝑥 + 2𝑦 = − 9 + 2 (− 𝟏𝟖) = − 9 ≠ −1. Puisque
(3) n’est pas vérifiée, alors ce système est impossible.
Parmi les 4 déterminants d’ordre 3 qu’on peut extraire de (S), on a au moins un qui
est non nul :celui qui correspondant aux équations (1), (2) et (3) :
1 0 2
∆= |−1 3 1| = −12 ≠ 0. Donc le rang du système est 𝑟 = 3. donc on peut
1 2 0
prendre ∆ comme déterminant principal.
On est dans le cas où 𝑟 < 𝑛. Le système n’est possible que si tous les ( 𝑛 − 𝑟 )
déterminants caractéristiques sont nuls.Ici, on en a un seul puisque 𝑛 − 𝑟 = 4 − 3 = 1
1 0 2 1 1 0 2 1
−1 3 1 0 0 1
−1 3 1 0 −1 3 1 0
∆1 = | |=| | = −| 2 2 2| = − |4 −4 2|
1 2 0 −1 2 2 2 0
2 −1 1 3 −4 1
2 −1 1 0 2 −1 1 0
4 −4
Soit : ∆1 = − | | = 4 ≠ 0. Donc le système est impossible.
3 −4
Exercice 3 :
𝑥 + 2𝑦 − 𝑧 + 𝑡 − 2𝑢 = 1 (1) 𝑥 + 2𝑦 − 𝑧 + 𝑡 − 2𝑢 = 1 (1)
4𝑥 − 10𝑦 + 5𝑧 − 5𝑡 + 7𝑢 = 1 (2) −18𝑦 + 9𝑧 − 9𝑡 + 15𝑢 = −3 (2) − 4(1)
{ ⇔
2𝑥 − 14𝑦 + 7𝑧 − 7𝑡 + 11𝑢 = −1 (3) −18𝑦 + 9𝑧 − 9𝑡 + 15𝑢 = −3 (3) − 2(1)
2𝑥 − 2𝑦 + 𝑧 − 𝑡 + 𝑢 = 1 (4) { − 6𝑦 + 3𝑧 − 3𝑡 + 5 𝑢 = −1 (4) − 2(1)
𝑥 + 2𝑦 − 𝑧 + 𝑡 − 2𝑢 = 1 𝑥 = 1 − 2𝑦 + 𝑧 − 𝑡 + 2𝑢
{ ⇔{ 1
− 6𝑦 + 3𝑧 − 3𝑡 + 5 𝑢 = −1 𝑦 = 6 (1 + 3𝑧 − 3𝑡 + 5𝑢)
1
𝑥 = 3 (2 + 𝑢)
⇔ { 1
𝑦 = 6 (1 + 3𝑧 − 3𝑡 + 5𝑢)
1 2 −1 1
4 − 10 5 − 5
| | = 0 car les colonnes C3 et C4 sont proportionnelles (C3= - C4)
2 − 14 7 − 7
2 −2 1 −1
1 2 −1 −2
4 − 10 5 7
| | = 0 car les colonnes C2 et C3 sont proportionnelles (C2= - 2C3)…
2 − 14 7 11
2 −2 1 1
- On peut également vérifier que tous les déterminants d’ordre 3 sont nuls
(donc le rang 𝑟 ≤ 2).
1 2
- Puisque∆= | | = −18 ≠ 0, alors le rang du système est 𝑟 = 2.
4 −10
donc on peut prendre ∆ comme déterminant principal. Le sous système principal
(𝑆′) formé par les équations principales (1) et (2) relatives aux inconnues
principales 𝑥 𝑒𝑡 𝑦 est donné par :
𝑥 + 3𝑦 + 𝑧 = −1 (1) 𝑥 + 3𝑦 + 𝑧 = −1 (1)
{ 𝑥 + 6𝑦 + 𝑧 + 5𝑡 = −2 (2) ⇔ {𝑥 + 6𝑦 + 𝑧 = −2 − 5𝑡 (2)
𝑥 + 6𝑦 + 2𝑧 + 7𝑡 = 3 (3) 𝑥 + 6𝑦 + 2𝑧 = 3 − 7𝑡 (3)
𝑥 + 3𝑦 + 𝑧 = −1 (1) 𝑥 + 3𝑦 + 𝑧 = −1 (1)
1
⇔ { 3𝑦 = −1 − 5𝑡 (2) − (1) ⇔ { 𝑦 = − 3 (5𝑡 + 1) (2)
3𝑦 + 𝑧 = 4 − 7𝑡 (3) − (1) 𝑧 = 4 − 7𝑡 − 3𝑦 (3)
𝑥 = −1 − 3𝑦 − 𝑧 (1) 𝑥 = 7𝑡 − 5
1 1
⇔ { 𝑦 = − 3 (5𝑡 + 1) (2) ⇔ {𝑦 = − 3 (5𝑡 + 1) avec 𝑡 ∈ ℝ
𝑧 = 5 − 2𝑡 (3) 𝑧 = 5 − 2𝑡
Exercice 5 :
𝑥+ 𝑦 + 𝑧=0
(𝑆1) {𝑥 + 5𝑦 + 3𝑧 = 0 est un système carré homogène qui admet :
𝑥 + 7𝑦 − 𝑧 = 0
-la solution unique (0,0,0) (dite solution banale) si et seulement si son
déterminant est non nul ;
-d'autres solutions que la solution banale si et seulement si 𝑑𝑒𝑡 𝐴 = 0.
1 1 1 1 0 0
4 2
Dans notre cas, on a :∆= |1 5 3 | = | 1 4 2 |=| | = −20
6 −2
1 7 −1 1 6 −2
𝑥 − 𝑎𝑦 + 𝑎2 𝑧 = 𝑎
(𝑆2) {𝑎𝑥 − 𝑎2 𝑦 + 𝑎𝑧 = 1, 𝑎 𝑒𝑠𝑡 𝑢𝑛 𝑝𝑎𝑟𝑎𝑚è𝑡𝑟𝑒 𝑟é𝑒𝑙. Son déterminant est :
𝑎𝑥 + 𝑦 − 𝑎3 𝑧 = 1
1 −𝑎 𝑎2 1 −𝑎 𝑎2 1 −𝑎 𝑎2
0 𝑎 − 𝑎3 |
∆= |𝑎 −𝑎2 𝑎 | = |𝑎 −𝑎2 𝑎 | = |0 0 𝑎 − 𝑎3 | = |
1 + 𝑎2 −2𝑎3
𝑎 1 −𝑎3 𝑎 1 −𝑎3 0 1 + 𝑎2 −2𝑎3
𝑆𝑜𝑖𝑡, ∆= 𝑎(𝑎2 − 1)(𝑎2 + 1).
𝑎 −𝑎 𝑎2 0 𝑎3 − 𝑎 0
1 𝑎
∆𝑥 = |1 −𝑎2 𝑎 | = |1 −𝑎2 𝑎 | = −(𝑎3 − 𝑎) | 3 |
0 −(𝑎 + 𝑎)
1 1 −𝑎3 0 1 + 𝑎2 3
−(𝑎 + 𝑎)
∆𝑥
Soit, ∆𝑥 = 𝑎2 (𝑎2 − 1)(𝑎2 + 1) donc 𝑥 = = 𝑎.
∆
1 1
De la même façon on trouve 𝑦 = 1 𝑒𝑡 𝑧 = 𝑎. Ainsi, la solution de (S2) est (𝑎, 1, 𝑎).
𝑥−𝑦+𝑧 =1
Cas 3: Si 𝑎 = 1 (∆= 0), le système est équivalent à : {
𝑥+𝑦−𝑧 =1
1 −1 𝑥−𝑦 =1−𝑧
Le déterminant ∆1 = | | = 2 ≠ 0. Le système { est indéterminé
1 1 𝑥+𝑦 =1+𝑧
d’ordre 1 (un paramètre). L’ensemble de solution est :{(1, 𝑧, 𝑧)/𝑧 ∈ ℝ}.
A. Introduction et définitions
Les matrices sont des tableaux de nombres. La résolution d’un certain nombre de
problèmes d’économie, de mécanique, d’électronique, de chimie, d’infographie, de
robotique... se ramène à des manipulations sur les matrices. Ceci est vrai en
particulier pour les mathématiques à savoir la résolution des systèmes linéaires, les
Opérations sur les relations binaires (matrice d’adjacence d’une relation), les Suites
récurrentes doubles, l’algèbre linéaire, la résolution de systèmes linéaires, la
représentation de transformations géométriques...
Définition 1 :
– Une matrice A est un tableau rectangulaire d’éléments de ℝ.
– Elle est dite de taille (n, p) si le tableau possède n lignes et p colonnes.
– Les nombres du tableau sont appelés les coefficients de A.
– Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté 𝑎𝑖,𝑗 .
1. Addition de matrices
Colonne j
.. × ..
.. × ..
( )←𝐵
.. × ..
.. × ..
|
….
….. |
𝐿𝑖𝑔𝑛𝑒 𝑖 𝑑𝑒 𝐴 → (× × × × ) ( − − 𝑐𝑖𝑗 ) ← 𝐴𝐵
….
Avec cette disposition, on considère d’abord la ligne de la matrice 𝐴 située à gauche
du coefficient que l’on veut calculer (ligne représentée par des × dans 𝐴) et aussi la
colonne de la matrice 𝐵 située au-dessus du coefficient que l’on veut calculer (colonne
représentée par des × dans 𝐵). On calcule le produit du premier coefficient de la ligne
par le premier coefficient de la colonne (𝑎𝑖1 × 𝑏1𝑗 ), que l’on ajoute au produit du
deuxième coefficient de la ligne par le deuxième coefficient de la colonne (𝑎𝑖2 × 𝑏2𝑗 ),
que l’on ajoute au produit du troisième. . .
𝟏 𝟑
−𝟏 𝟐 𝟑
Exemple 5 : 𝑨=( ), 𝑩=( 𝟐 𝟒)
𝟎 𝟓 𝟏
−𝟏 𝟓
On dispose d’abord le produit correctement (à gauche) : la matrice obtenue est de
taille 2 × 2. Puis on calcule chacun des coefficients, en commençant par le premier
coefficient 𝑐11 = (−1 × 1) + (2 × 2) + (3 × −1) = 0 , puis les autres ..
1 3 𝟏 3 1 𝟑
( 2 4) ( 𝟐 4) ( 2 𝟒)
−1 5 −𝟏 5 −1 𝟓
−1 2 3 𝑐11 𝑐12 −𝟏 𝟐 𝟑 𝟎 𝑐12 −𝟏 𝟐 𝟑 0 𝟐𝟎
( ) (𝑐 ) ( )( ) ( )( )
0 5 1 21 𝑐22 0 5 1 𝑐21 𝑐22 0 5 1 9 25
𝒄𝟏𝟏 = 𝑳𝟏 (𝑨) × 𝑪𝟏 (𝑩) 𝒄𝟏𝟐 = 𝑳𝟏 (𝑨) × 𝑪𝟐 (𝑩)
𝟏 3 1 𝟑
( 𝟐 4) ( 2 𝟒)
−𝟏 5 −1 𝟓
−1 2 3 0 20 −1 2 3 0 20
( )( ) ( )( )
𝟎 𝟓 𝟏 𝟗 𝑐22 𝟎 𝟓 𝟏 9 𝟐𝟓
𝒄𝟐𝟏 = 𝑳𝟐 (𝑨) × 𝑪𝟏 (𝑩) 𝒄𝟐𝟐 = 𝑳𝟐 (𝑨) × 𝑪𝟐 (𝑩)
b) Pièges à éviter
(1 2) (3 8 3 8 (1
) = (3 22) 𝑒𝑠𝑡 𝑑é𝑓𝑖𝑛𝑖 mais ( ) 2) 𝑛′ 𝑒𝑠𝑡𝑝𝑎𝑠 𝑑é𝑓𝑖𝑛𝑖
0 7 0 7
ou que 𝐴𝐵 et 𝐵𝐴 soient tous deux définis mais pas de la même taille :
5 5 5 10 15
(1 2 3) (1) = 𝟕 mais (1) (1 2 3) = ( 1 2 3)
0 0 0 0 0
même si 𝐴𝐵 et 𝐵𝐴 sont définis et de même taille, on a en général 𝐴𝐵 ≠ 𝐵𝐴 :
0 2 1 3 8 2 1 3 0 2 9 5
( )( )=( ) mais ( )( )=( )
3 1 4 1 7 10 4 1 3 1 3 9
Proposition 2 :
1. Définition 7 :
Matrice identité :
La matrice carrée suivante s’appelle la matrice identité :
1 0 0……0
0 1 0……0
𝐼𝑛 = ( )
…………………..
0 0 0……1
Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0.
Elle se note In ou simplement I. Dans le calcul matriciel, la matrice identité joue un
rôle analogue à celui du nombre 1 pour les réels. C’est l’élément neutre pour la
multiplication. En d’autres termes :
∀𝐴 ∈ 𝑀𝑛 , 𝐼𝑛 . 𝐴 = 𝐴 𝑒𝑡 𝐴. 𝐼𝑛 = 𝐴
Une Matrice carrée est symétrique si 𝐴𝑡 = 𝐴
1 2 3
𝐴 = (2 5 7) , on a 𝐴𝑡 = 𝐴 donc 𝐴 est symétrique.
3 7 9
Une Matrice carrée est dite triangulaire inférieure si ses éléments au-
dessus de la diagonale sont nuls :
𝑎1,1 0 0 …0
𝑎2,1 𝑎2,2 0 …0
( )
… … ..
𝑎𝑛,1 𝑎𝑛,2 𝑎𝑛,3 … 𝑎𝑛,𝑛
1 0 0
2 0
Exemple 7 : ( 5 6 0 ) et ( ) sont des matrices triangulaires inférieures.
1 3
2 3 4
1 0 0
2 0
Exemple de matrices diagonales: ( 0 7 0 ) et ( ).
0 3
0 0 5
𝐴2 = 𝐴 × 𝐴 , 𝐴3 = 𝐴 × 𝐴 × 𝐴 …
1 0 3 1 0 7 1 0 15
𝐴2 = ( 0 1 0 ), 𝐴3 = 𝐴2 × 𝐴 = (0 − 1 0) , 𝐴4 = 𝐴3 × 𝐴 = ( 0 1 0)
0 0 4 0 0 8 0 0 16
L’observation de ces premières puissances permet de penser que la formule est :
1 0 2𝑝 − 1
𝑝
𝐴 = (0 (−1)𝑝 0 ). Démontrons ce résultat par récurrence.
0 0 2𝑝
Il est vrai pour 𝑝 = 0 (on trouve l’identité : 𝐴0 = 𝐼𝑛 ).
On le suppose vrai pour 𝑝 et on démontre qu’il est vrai pour 𝑝 + 1. On a, d’après la
définition,
1 0 2𝑝 − 1 1 0 1 1 0 2𝑝+1 − 1
𝑝+1 𝑝
𝐴 = 𝐴 ×𝐴 = (0 (−1)𝑝 0 ) × (0 − 1 0) = ( 0 (−1)𝑝+1 0 )
0 0 2𝑝 0 0 2 0 0 2𝑝+1
Donc la propriété est démontrée.
4. Formule du binôme :
Comme la multiplication n’est pas commutative, les identités binomiales usuelles
sont fausses. En particulier, (𝐴 + 𝐵)2 ne vaut en général pas 𝐴2 + 2𝐴𝐵 + 𝐵 2 , mais on
sait seulement que :
(𝐴 + 𝐵)2 = 𝐴2 + 𝐴𝐵 + 𝐵𝐴 + 𝐵 2 .
Proposition 2 : Soient A et B deux éléments de 𝑀𝑛 (ℝ) qui commutent, c’est-à-dire
tels que 𝐴𝐵 = 𝐵𝐴. Alors, pour tout entier 𝑝 ≥ 0, on a la formule
8 4𝑝 2𝑝(𝑝 + 1) 𝑝(𝑝2 + 𝑝 + 2)
D’où 𝐵 𝑝 = 2𝑝−3 ( 0 8 8𝑝 2𝑝(3𝑝 − 1))
0 0 8 12𝑝
0 0 0 8
E. Inversion d’une matrice carrée
1. Définition 9
Soit A une matrice carrée (𝑛 × 𝑛). S’il existe une matrice carrée B (𝑛 × 𝑛) telle que
𝐴𝐵 = 𝐼 𝑒𝑡 𝐵𝐴 = 𝐼,
on dit que 𝐴 est inversible. On appelle 𝐵 l’inverse de 𝐴 et on la note 𝐴−1 .
On verra plus tard qu’il suffit en fait de vérifier une seule des deux conditions
𝐴𝐵 = 𝐼 𝑜𝑢 𝑏𝑖𝑒𝑛 𝐵𝐴 = 𝐼.
L’ensemble des matrices inversibles est noté 𝐺𝐿𝑛 (ℝ).
1 −1
Exemple 10 : soit 𝐴 = ( ). Étudier si A est inversible, c’est étudier l’existence
3 0
𝑎 𝑏
d’une matrice 𝐵 = ( ) à coefficients réels, telle que 𝐴𝐵 = 𝐼 𝑒𝑡 𝐵𝐴 = 𝐼.
𝑐 𝑑
1 −1 𝑎 𝑏 1 0 𝑎−𝑐 𝑏−𝑑 1 0
On a : 𝐴𝐵 = 𝐼 ⇔ ( )( )= ( ) ⇔ ( )=( )
3 0 𝑐 𝑑 0 1 3𝑎 3𝑏 0 1
𝑎−𝑐 =1
𝑏−𝑑 =0
Cette égalité équivaut au système : {
3𝑎 = 0
3𝑏 = 1
1 1
Sa résolution est immédiate : a = 0, b = 3 , c = −1 et d = 3 . Il n’y a donc qu’une
1
0 3
solution possible, à savoir B=( 1) . On peut vérifier également que BA = I .
−1 3
−1
La matrice est donc inversible et on a A = B.
2. Propriétés
1 1 10 4 −6
−1
𝐴 = ̃ 𝑡
𝐴 = ( 4 4 − 3)
𝑑𝑒𝑡(𝐴) 6
−2 −2 3
Théorème 3 : Une matrice 𝐴 de taille 𝑛 × 𝑛, triangulaire, est inversible si et
seulement si ses éléments diagonaux sont tous non nuls.
10 4 −6
Exemple 14 : 𝐴 = ( 0 0 − 3 ) n’est pas inversible car 𝑑𝑒𝑡(𝐴) = 10 × 0 × 3 = 0.
0 0 3
4. Inversion des matrices et systèmes linéaires
L’inversion d’une matrice est une notion fondamentale car, si une matrice A est
inversible, nous avons, pour X un vecteur indéterminé et B un vecteur connu :
𝐴𝑋 = 𝐵 ⇔ 𝐴−1 𝐴𝑋 = 𝐴−1 𝐵 ⇔ 𝐼𝑛 𝑋 = 𝐴−1 𝐵 ⇔ 𝑋 = 𝐴−1 𝐵
C'est à dire que nous avons résolu un système d'équations linéaires.
Corollaire 5 :
2 −6 8 4
Exemple 15 : Soit la matrice B = ( 4 2 2 8)
−2 − 4 2 −4
2 −6 8 2 −6 4 −6 8 4 2 8 4
|4 2 2 | = 0; | 4 2 8 | = 0; | 2 2 8 | = 0; | 4 2 8|=0
−2 − 4 2 −2 − 4 − 4 −4 2 −4 −2 2 − 4
2 −6 2 8 4 8
| | = 28; | | = 24; | | = 0;
4 2 −4 −4 −2 −4
Certains sont nuls, mais il existe au moins un déterminant d’ordre 2 qui est non nul.
On dira que la rang de la matrice 𝐵 est 2 : 𝑟 = 2.
Série 5 : Matrices
1. En déduire 𝐴𝑛 pour 𝑛 ∈ ℕ.
4 −2 1 1 0 0
Exercice 4 : Soit les matrices suivantes : 𝐴 = ( 2 −1 2) 𝑒𝑡 (0 −1 0)
−1 2 2 0 0 1
1. 𝐴 est-elle inversible ? Si oui, déterminer 𝐴−1 .
2. Calculer 𝐶 = 𝐴𝐵. 𝐶 est-elle inversible ? Si oui, calculer 𝐶 −1.
Exercice 2 : Afin de faciliter les calculs, il est préférable d’écrire A sous la forme :
0 1 1 1 0 0
𝐴 = 2𝐼 + 𝐽 où 𝐽 = (0 0 1) 𝑒𝑡 𝐼 = (0 1 0)
0 0 0 0 0 1
Puisque 𝐼 et 𝐼 commutent (car 𝐼𝐽 = 𝐽𝐼), alors on peut utiliser la formule du binôme de
Newton. Donc, pour tout 𝑛 ∈ ℕ,
𝑛 𝑛 𝑛 𝑛
𝑛 𝑛 𝑛 𝑛
𝐴 = ∑ ( ) 𝐽𝑘 (2𝐼)𝑛−𝑘 = ∑ ( ) 𝐽𝑘 𝐼 𝑛−𝑘 2𝑛−𝑘 = ∑ ( ) 2𝑛−𝑘 𝐽𝑘 𝐼 = ∑ ( ) 2𝑛−𝑘 𝐽𝑘
𝑛
𝑘 𝑘 𝑘 𝑘
𝑘=0 𝑘=0 𝑘=0 𝑘=0
0 0 1 0 0 0
Or : 𝐽2 = (0 0 0) 𝑒𝑡 𝐽3 = (0 0 0) =0. Donc, ∀𝑘 ≥ 3, 𝐽𝑘 = 0. Par suite :
0 0 0 0 0 0
𝑛 𝑛 0 𝑛 𝑛−1 1 𝑛 𝑛 𝑛
∀𝑛 ≥ 2, 𝐴 = ( ) 2 𝐽 + ( ) 2 𝐽 + ( ) 2𝑛−2 𝐽2 + ( ) 2𝑛−3 𝐽3 + ⋯ ( ) 20 𝐽𝑛
𝑛
0 1 2 3 𝑛
𝑛(𝑛−1) 𝑛 𝑛
Soit, ∀𝑛 ≥ 2, 𝐴𝑛 = 2𝑛 𝐼 + 𝑛2𝑛−1 𝐽 + 2 2𝑛−2 𝐽2 + ( ) 2𝑛−3 . 0 + ⋯ ( ) 20 . 0
3 𝑛
𝑛(𝑛−1)
∀𝑛 ≥ 0, 𝐴𝑛 = 2𝑛 𝐼 + 𝑛2𝑛−1 𝐽 + 2 2𝑛−2 𝐽2 (car la formule est valable pour n=0 ou 1)
2𝑛 𝑛2𝑛−1 𝑛(𝑛 + 3)2𝑛−3
Donc, pour tout 𝑛 ∈ ℕ, 𝐴𝑛 = ( 0 2𝑛 𝑛2𝑛−1 ).
𝑛
0 0 2
Exercice 4 : A l’aide des déterminants, calculons le rang des matrices 𝐴, 𝐵 𝑒𝑡 𝐶.
1 18 7 1 18 7
22 10
det 𝐴 = |1 40 17| = |0 22 10 | =| | = 0. Donc
−55 −25
4 17 3 0 −55 −25
8 7
rang(A)≤ 2 ; et puisque : | | = 3 ≠ 0. Donc rang(A)=2.
7 3
0 1 3 −1
0 −1 2 0
det 𝐵 = | | = 0. Donc rang(B)≤ 3. Or, on peut vérifier que
0 3 4 −2
0 −3 1 1
2 1 3 0 1 3
tous les déterminants d’ordre 3 sont nuls (ex: |3 −1 2| = |0 −1 2| = 0) .
1 3 4 0 3 4
Donc, rang(B)≤ 2. Et puisqu’il existe au moins un déterminant d’ordre 2 non
2 1
nul (exemple : | | = −5 ≠ 0). Par conséquent, rang(B)= 2.
3 −1
De la même façon, on peut montrer que le rang de C est égal à 5.
2 6
1 5 −3 2 3 −1
Exercice 7 : Soient : 𝐴 = ( ) 𝑒𝑡 𝐵 = ( )
3 −2 −1 −2 4 5
−2 7
1 0
1. On a : 𝐴𝐵 = ( ) = 𝐼2 , donc 𝐵 est une inverse à droite de 𝐴, mais puisque 𝐴
0 1
n’est pas une matrice carrée ; donc 𝐴 n’est pas inversible.
20 − 2 − 12 − 8
0 17 − 8 8
2. 𝑀 = 𝐵𝐴 = ( ).
19 10 − 17 − 2
19 24 − 1 − 18
2
𝑀 = (𝐵𝐴)(𝐵𝐴) = 𝐵(𝐴𝐵)𝐴 = 𝐵𝐼𝐴 = 𝐵𝐴 = 𝑀. (on dit que M est idempotente)
A. Espace vectoriel
Exemples 1 :
B. Sous-espace vectoriel
Il est vite fatiguant de vérifier les 8 axiomes qui font d’un ensemble un espace
vectoriel. Heureusement, il existe une manière rapide et efficace de prouver qu’un
ensemble est un espace vectoriel : grâce à la notion de sous-espace vectoriel.
Définition 2 : Soit E un espace vectoriel sur ℝ. Une partie 𝐹 de 𝐸 est dite sous-
espace vectoriel de 𝐸 si la restriction des lois de 𝐸 à 𝐹 lui confère une structure
d’espace vectoriel.
i. 𝐹 non vide,
ii. 𝑢 + 𝑣 ∈ 𝐹 pour tous 𝑢, 𝑣 ∈ 𝐹,
iii. 𝛽. 𝑢 ∈ 𝐹 pour tout 𝛽 ∈ ℝ et tout 𝑢 ∈ 𝐹.
Remarque (explication des conditions ci-dessus) :
La première condition signifie que le vecteur nul 𝟎𝑬 de 𝐸 doit aussi être
dans 𝐹. En fait il suffit même de prouver que 𝐹 est non vide.
La deuxième condition, c’est dire que 𝐹 est stable pour l’addition: la somme
𝑢 + 𝑣 de deux vecteurs 𝑢, 𝑣 de 𝐹 est bien sûr un vecteur de 𝐸 (car 𝐸 est un
espace vectoriel), mais ici on exige que 𝑢 + 𝑣 soit un élément de 𝐹.
La troisième condition, c’est dire que F est stable pour la multiplication par
un scalaire.
Remarque : Un sous-espace vectoriel 𝐹 contient toujours l’élément neutre 𝟎𝑬 , donc
le point (i) de la proposition peut être remplacé par 0𝐸 ∈ 𝐹. De plus (ii) et (iii)
peuvent être regroupé en une seule condition comme suit :
Exemples 2 :
1. Dans le plan, toute droite passant par l’origine O est un sous-espace vectoriel.
Cependant, la réunion de deux droites passant par l’origine (c'est-à-dire l’ensemble
des vecteurs portés par l’une ou l’autre des droites) n’est pas un sous-espace
vectoriel du plan, car la somme de deux vecteurs appartenant à deux droites
différentes n’est pas sur l’une ou l’autre des droites ;
Fig feuil p2
(𝛼𝑥1 + 𝛽𝑥2 ) − 3( 𝛼𝑦1 + 𝛽𝑦2 ) + 2( 𝛼𝑧1 + 𝛽𝑧2 ) = 𝛼(𝑥1 − 3𝑦1 + 2𝑧1 ) + 𝛽(𝑥2 − 3𝑦2 + 2𝑧2 ) = 0
Exemples 3 :Voici des sous-ensembles qui ne sont pas des sous-espaces vectoriels :
Ici, nous allons étudier le fait que, dans un espace vectoriel, il est possible de trouver
une famille de vecteurs qui va nous permettre de reconstruire tous les vecteurs de
l’espace vectorielle via des combinaisons linéaires.
L’idée est la suivante: dès qu’on a des éléments 𝑣1 , 𝑣2 , … , 𝑣𝑛 dans E, par le jeu des
opérations (+) et(.) , on obtient automatiquement une infinité d’autres éléments de E.
Exemple 5 :
1. Dans le ℝ −espace vectoriel ℝ3 , (0, −1,5) est combinaison linéaire des vecteurs
(1,0,2) et (4,1,3) car on a l’égalité : (0, −1,5) = 4(1,0,2) − (4,1,3)
Exemple 6 :
D. Famille génératrice :
Soit 𝐸 un espace vectoriel, parmi toutes les familles de vecteurs de 𝐸, il en existe une
(ou plusieurs) telle que 𝑉𝑒𝑐𝑡(𝑣1 , 𝑣2 … 𝑣𝑛 ) soit égale à l’espace 𝐸 tout entier. On dira
que c’est une famille génératrice de 𝐸 (qui engendre 𝐸).
Définition 4 : Une famille {𝑣1 , 𝑣2 , … . , 𝑣𝑛 } de vecteurs d’un espace vectoriel 𝐸 est dite
génératrice si tout élément de 𝐸 est combinaison linéaire de 𝑣𝑖 (𝑖 = 1, … , 𝑛) :
∀𝑢 ∈ 𝐸, ∃(𝜆1 , 𝜆2 , … . , 𝜆𝑛 ) ∈ ℝ𝑛 ; 𝑢 = 𝜆1 𝑣1 + 𝜆2 𝑣2 + ⋯ . +𝜆𝑛 𝑣𝑛
Exemples 7 :
3. Dans l'espace, la famille {u; v; w } (même plan P) donnée par le dessin ci-dessous
n'engendre pas l'espace tout entier. A l'aide des combinaisons linéaires, on ne
pourra pas construire de vecteur sortant du plan P.
1 0 0
4. Considérons les vecteurs v1 = (0) , v2 = (1) et v3 = (0) de ℝ3 . La famille
0 0 1
x
{v1 , v2 , v3 } est génératrice car tout vecteur v = (y) de ℝ3 peut s’écrire :
z
𝑥 𝑥 0 0 1 0 0
𝑣 = ( ) = ( ) + (𝑦) + (0) = 𝑥 (0) + 𝑦 (1) + 𝑧 (0).
𝑦 0
𝑧 0 0 𝑧 0 0 1
Les coefficients sont ici : λ1 = 𝑥, λ2 = 𝑦, λ3 = 𝑧.
1 1
5. Soient maintenant les vecteurs v1 = (1) , v2 = (2) de E = ℝ3 . Les vecteurs
1 2
3
{v1 , v2 } ne forment pas une famille génératrice de ℝ . Par exemple, le vecteur v =
0
(1) n’est pas dans Vect(v1 , v2 ). En effet, si c’était le cas, alors il existerait 𝜆1 , 𝜆2 ∈
0
ℝ tels que 𝑣 = 𝜆1 𝑣1 + 𝜆2 𝑣2 . Ce qui s’écrirait aussi :
0 1 1 𝜆1 + 𝜆2 = 0
(1) = 𝜆1 (1) + 𝜆2 (2), d’où le système linéaire : {𝜆1 + 2𝜆2 = 1
0 1 2 𝜆1 + 3𝜆2 = 0
Ce système n’a pas de solution. (La première et la dernière ligne impliquent
𝜆1 = 0 , 𝜆2 = 0 , ce qui est incompatible avec la deuxième).
1 0
6. Soient les vecteurs 𝑣1 = ( ) et 𝑣2 = ( ). La famille {𝑣1 , 𝑣2 } est génératrice de
0 1
𝑥 𝑥 1 0
E = ℝ2 car tout vecteur 𝑣 = (𝑦) se décompose comme (𝑦) = 𝑥 ( ) + 𝑦 ( ) ;
0 1
2 1
7. Soient les vecteurs 𝑣1 = ( ) et 𝑣2 = ( ) . La famille {𝑣1 , 𝑣2 } est aussi
1 1
𝑥
génératrice de ℝ2 . En effet, soit 𝑣 = (𝑦) ∈ ℝ2 . Montrer que 𝑣 est combinaison
linéaire de 𝑣1 et 𝑣2 revient à démontrer l’existence de deux réels 𝜆1 , 𝜆2 tels que :
𝑣 = 𝜆1 𝑣1 + 𝜆2 𝑣2 . Il s’agit donc d’étudier l’existence de solutions au système :
2 𝑥
{ 𝜆1 + 𝜆2 =
𝜆1 + 𝜆2 = 𝑦
Il a pour solution: 𝜆1 = 𝑥 − 𝑦 𝑒𝑡 𝜆2 = −𝑥 + 2𝑦 et ceci, quels que soient 𝑥 et 𝑦.
Les exemples 6 et 7 prouvent qu’il peut exister plusieurs familles différentes, non
incluses les unes dans les autres, engendrant le même espace vectoriel.
1 0
Exemple 8 : On sait que la famille {( ) , ( )} est génératrice de ℝ2 . Supposons
0 1
3 1 0 3
qu’on rajoute le vecteur ( ) à la faille précédente. La nouvelle famille {( ) , ( ) , ( )}
4 0 1 4
𝑥 2 𝑥 1 0 3
est également génératrice car tout (𝑦) de ℝ s’écrit : (𝑦) = 𝑥 ( ) + 𝑦 ( ) + 0 ( ).
0 1 4
E. Famille libre
On vient de voir que pour construire une famille génératrice, il nous fallait
nécessairement un nombre suffisant de vecteurs. Une fois que toutes les directions de
notre espace sont représentées par une famille 𝑉 = {𝑣2 , … . , 𝑣𝑛 } tout vecteur 𝑣1 que
l'on ajoutera à notre famille génératrice n'apportera pas de direction supplémentaire.
En effet 𝑣1 peut s’écrire: 𝑣1 = 𝜆2 𝑣2 + 𝜆3 𝑣3 + ⋯ + 𝜆𝑛 𝑣𝑛 . Ds ce cas, la famille
𝑉 ∗ = {𝑣1 , 𝑣2 , … . , 𝑣𝑛 } est dite liée (ou linéairement dépendante).
La relation précédente peut s’écrire: 𝑣1 − 𝜆2 𝑣2 − 𝜆3 𝑣3 − ⋯ − 𝜆𝑛 𝑣𝑛 = 0.
𝜆1 𝑣1 + 𝜆2 𝑣2 + 𝜆3 𝑣3 + ⋯ + 𝜆𝑛 𝑣𝑛 = 0
Une famille est libre (ou linéairement indépendante) si la seule façon d'obtenir le
vecteur nul a partir de ses vecteurs est de prendre tous les coefficients nuls.
F. Base :
Dans un repère, un vecteur se décompose suivant les vecteurs d’une base. Il en est de
même pour une base d’un espace vectoriel.
Exemple de ℝ2 , un repère est donné par un couple de vecteurs non colinéaires.
Théorème 2 : Si 𝐵 = (𝑣1 , 𝑣2 , 𝑣3 ) est une base d’un espace vectoriel E, alors tout
vecteur 𝑣 de E s’exprime de façon unique comme combinaison linéaire d’éléments de
B. Autrement dit,
∀𝑣 ∈ 𝐸, ∃! (𝜆1 , 𝜆2 , … . , 𝜆𝑛 ) ∈ ℝ𝑛 ; 𝑣 = 𝜆1 𝑣1 + 𝜆2 𝑣2 + ⋯ . +𝜆𝑛 𝑣𝑛
On appelle cette écriture la décomposition de 𝑣 dans la base B. Les 𝜆𝑖 sont les
coordonnées de 𝑣 dans la base B.
Exemples 10 :
1 0 0
1. Soient les vecteurs 𝑒1 = (0) , 𝑒2 = (1) , 𝑒3 = (0) , alors 𝐵 = (𝑒1 , 𝑒2 , 𝑒3 ) est une
0 0 1
base de ℝ3 , appelée base canonique de ℝ3 .
1 2 3
2. Soient 𝑣1 = (2), 𝑣2 = (9) 𝑒𝑡 𝑣3 = (3). Montrons que la famille 𝐵 =
1 0 4
3
(𝑣1 , 𝑣2 , 𝑣3 ) est une base de ℝ .
1ère méthode : Nous ramenons le problème à l’étude d’un système linéaire.
𝑎
3
Montrons d’abord que 𝐵 est une famille génératrice de ℝ . Soit 𝑣 = (𝑏 ). un
𝑐
3
vecteur quelconque de ℝ . On cherche 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ tels que :
𝑣 = 𝜆1 𝑣1 + 𝜆2 𝑣2 + 𝜆3 𝑣3
Ceci se reformule comme suit :
𝑎 1 2 3 𝜆1 + 2𝜆2 + 3𝜆3
𝑣 = (𝑏) = 𝜆1 (2) + 𝜆2 (9) + 𝜆3 (3) = (2𝜆1 + 9𝜆2 + 3𝜆3 ).
𝑐 1 0 4 𝜆1 + 4𝜆3
Ceci conduit au système suivant :
λ1 + 2λ2 + 3λ3 = 𝑎
(S) { 2λ1 + 9λ2 + 3 λ3 = 𝑏
λ1 + 4λ3 = 𝑐
Il nous restera à montrer que ce système a une solution 𝜆1 , 𝜆2 , 𝜆3 .
Pour montrer que B est une famille libre, il faut montrer que l’unique solution
de l’équation : λ1 v1 + λ2 v2 + λ3 v3 = 0 est λ1 = 0, λ2 = 0 et λ3 = 0
λ1 + 2λ2 + 3λ3 = 0
Ceci équivaut à montrer que le système : { 2λ1 + 9λ2 + 3 λ3 = 0 (S’)
λ1 + 4λ3 = 0
a une unique solution : λ1 = λ2 = λ3 = 0.
4. On peut prouver que les quatre matrices suivantes forment aussi une base de
1 0 1 0 0 1 1 3
ℳ2 (ℝ) : 𝑀1′ = ( ) 𝑀2′ = ( ) 𝑀3′ = ( ) 𝑀4′ = ( )
1 0 0 1 1 0 4 2
Théorème de la base incomplète 3 : Soit E un espace vectoriel sur ℝ admettant
une famille génératrice.
1. Toute famille libre L peut être complétée en une base. C'est-à-dire qu’il existe une
famille N telle que 𝐿 ∪ 𝑁 soit une famille libre et génératrice de E.
2. De toute famille génératrice G on peut extraire une base de E. C'est-à-dire qu’il
existe une famille 𝐵 ⊂ 𝐺 telle que B soit une famille libre et génératrice de E.
Corollaire 4 : Tout espace vectoriel de dimension finie admet une base finie.
Théorème 5 : Toutes les bases d’un espace vectoriel E de dimension finie, noté
dim 𝐸, est par définition le nombre d’éléments d’une base B de E (dim 𝐸 = 𝑐𝑎𝑟𝑑(𝐵)).
Exemple 11 :
1 0
1. La base canonique de ℝ2 est {( ) , ( )}. La dimension de ℝ2 est donc 2.
0 1
2 1
Les vecteurs {( ) , ( )} forment aussi une base de ℝ2 , et illustrent qu’une autre base
1 1
contient le même nombre d’éléments.
2. 𝑑𝑖𝑚 ℝ𝑛 [𝑋] = 𝑛 + 1 car la base canonique de ℝ𝑛 [𝑋] est (1, 𝑋, 𝑋 2 , 𝑋 3 … , 𝑋 𝑛 ) qui
contient 𝑛 + 1 vecteurs.
𝐸 = ℝ4 , 𝐸1 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4 𝑥 + 2𝑦 = 𝑧 𝑒𝑡 𝑥 − 𝑦 = 2𝑧 + 𝑡)}.
Exercice 4 : La famille {(3, −5,1), (2, −2,1), (1,5,2) } est-elle libre ? Quel est son
rang ?
Exercice 1 :
Exercice 2 :
𝑎 𝑏
E=ℳ2 (ℝ), 𝐸3 =Ensemble des matrices 𝑀 = ( ) ∈ ℳ2 (ℝ), 𝑡𝑒𝑙𝑙𝑒𝑠 𝑞𝑢𝑒 𝑐 + 2𝑏 = 0;
𝑐 𝑑
Montrons que 𝐸3 est un S.E.V. de ℳ2 (ℝ) :
0 0
𝐸3 ≠ ∅ car elle contient la matrice nulle ( ) (0 + 2 × 0 = 0) ;
0 0
𝑎 𝑏
𝑆𝑜𝑖𝑒𝑛𝑡 𝑀 = ( ) 𝑒𝑡 𝑀′ = (𝑎′ 𝑏′) deux matrices dans 𝐸3 . On a alors
𝑐 𝑑 𝑐′ 𝑑′
par définition de 𝐸3 : 𝑐 + 2𝑏 = 0 𝑒𝑡 𝑐′ + 2𝑏′ = 0.
3𝛼 + 2𝛽 + 𝛾 = 0 ( 1) 3
𝛼 = −5𝛽
⇔ {−5𝛼 − 2𝛽 + 5𝛾 = 0 (2) ⇔{ 1 , 𝛽 quelconque dans ℝ.
𝛼 + 𝛽 + 2𝛾 = 0 (3) 𝛾 = −5𝛽
Donc les vecteurs (3, −5,1), (2, −2,1), 𝑒𝑡 (1,5,2) sont linéairement indépendants.
3. Le rang du système de vecteurs {(3, −5,1), (2, −2,1), (1,5,2) } est égal à 2 car si on
prend les vecteurs (3, −5,1) 𝑒𝑡 (2, −2,1), ils sont linéairement indépendants (car
non proportionnels).
Exercice 7: Nous savons que E est de dimension 3 et sa base canonique est {1, 𝑥, 𝑥 2 }.
Pour montrer que {𝑃1 , 𝑃2 , 𝑃3 } est une base de E, on vérifie que tout polynôme P de E
(𝑃(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐) s’écrit de façon unique comme combinaison linéaire de
𝑃1 , 𝑃2 𝑒𝑡 𝑃3 ; c.à.d. qu’il existe des réels uniques 𝛼, 𝛽 𝑒𝑡 𝛾 tels que :
∀𝑥 ∈ ℝ, 𝑃(𝑥) = 𝛼𝑃1 (𝑥) + 𝛽𝑃2 (𝑥) + 𝛾𝑃3 (𝑥) = 𝛼(𝑥 + 1)2 + 𝛽(𝑥 − 2)2 + 𝛾(𝑥 + 3)2 ,
L’objectif de ce chapitre est de mettre en place des outils permettant de faire bouger
des points et des figures dans l’espace. Pour cela, on utilise des applications d’un
espace vectoriel dans un autre. Si l’on souhaite que la figure ne soit pas trop déformée
pendant « le voyage », on utilise des applications linéaires.
B. Application Linéaire
Autrement dit :
Une application linéaire est une application entre espace vectoriels qui respecte la
combinaison linéaire :
∀ 𝜆, 𝛾 ∈ ℝ, ∀𝑢, 𝑣 ∈ 𝐸, 𝑓(𝜆𝑢 + 𝛾𝑣) = 𝜆𝑓(𝑢) + 𝛾𝑓(𝑣)
Une application est linéaire si elle respecte les deux lois d’un espace vectoriel.
Notation : L’ensemble des applications linéaires de 𝐸 dans 𝐹 muni des deux lois est
un espace vectoriel noté ℒ(𝐸, 𝐹).
Proposition 1 : Soient 𝐸 et 𝐹 deux ℝ −espaces vectoriels. Si 𝑓 est une application
linéaire de 𝐸 dans 𝐹, alors :
𝑓(0𝐸 ) = 0𝐹
𝑓(−𝑢) = −𝑓(𝑢) 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑢 ∈ 𝐸.
Exemples 1 :
Remarques :
𝐼𝑚(𝑓) est un sous-espace vectoriel de 𝐹 ;
𝒇 est une application surjective ⇔ 𝑰𝒎(𝒇) = 𝑭
Remarque :
Il est encore plus facile de voir que le rang de la matrice A est 2 en remarquant
que ses deux seules lignes ne sont pas colinéaires.
−2 −1 −2 −1
−1 −1 −1 −1
On a alors : 𝐾𝑒𝑟 𝑓 = {𝑧 ( ) + 𝑡 ( )⁄𝑧 , 𝑡 ∈ ℝ} = 𝑉𝑒𝑐𝑡 ( ) , ( )
1 0 1 0
0 1 0 1
( )
Les deux vecteurs définissant le noyau sont linéairement indépendants, donc :
dim 𝐾𝑒𝑟 (𝑓) = 2.
Autrement dit, dans le cas d’une application linéaire entre deux espaces de même
dimension, pour montrer que f est bijective, il suffit de démontrer que f est surjective
ou qu’elle est injective.
Exercice 5 :
Par conséquent, {𝑓(𝑒2 ), 𝑓(𝑒3 )} est une famille génératrice de 𝑓(ℝ3 ), elle est
aussi libre, donc c’est une base de 𝑓(ℝ3 ).
Ainsi, le sous-espace 𝑓(ℝ3 ) est tel que : 𝑓(ℝ3 ) = {𝛼𝑓(𝑒2 ) + 𝛽𝑓(𝑒3 ) /𝛼, 𝛽 ∈ ℝ}.
Exercice 6 :
∀(𝑎, 𝑏, 𝑐, 𝑑) ∈ ℝ4 , 𝑓(𝑎, 𝑏, 𝑐, 𝑑) = (𝑎 − 𝑑, −𝑐 + 𝑏, 𝑏 + 𝑐, 𝑎 + 𝑑).
𝐵 = {𝑒1 , 𝑒2 , 𝑒3 , 𝑒4 } la base canonique de ℝ4
Les vecteurs images par 𝑓 des éléments de la base canonique de ℝ4 sont
donnés par :
𝑓(𝑒1 ) = 𝑓(1,0,0, 0) = (1,0,0,1)
𝑓(𝑒2 ) = 𝑓(0,1,0,0) = (0,1,1,0)
𝑓(𝑒3 ) = 𝑓(0,0,1,0) = (0, −1,1,0)
𝑓(𝑒4 ) = 𝑓(0,0,0,1) = (−1,0,0,1)
𝑓 est une application linéaire définie de ℝ4 vers lui-même, donc 𝑓 est un
endomorphisme. Par conséquent, pour montrer que 𝑓 est un automorphisme,
il suffit de montrer que 𝑓 est bijective.
𝑓 𝑒𝑠𝑡 𝑏𝑖𝑗𝑒𝑐𝑡𝑖𝑣𝑒 ⇔ 𝑓 𝑒𝑠𝑡 𝑖𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑒 ⇔ 𝑓 𝑒𝑠𝑡 𝑠𝑢𝑟𝑗𝑒𝑐𝑡𝑖𝑣𝑒.
𝑓 𝑒𝑠𝑡 𝑏𝑖𝑗𝑒𝑐𝑡𝑖𝑣𝑒 ⇔ ker 𝑓 = {(0,0,0,0)} ⇔ 𝐼𝑚 𝑓 = ℝ4 .
𝛼−𝜎 = 0
⇒{
𝛽−𝛾 =0 𝛼 = 𝜎 = −𝜎 𝛼=𝜎=0
⇒ { 𝛽 = 𝛾 = −𝛾 ⇒ {
𝛽+𝛾 =0 𝛽=𝛾=0
𝛼+𝜎 = 0
𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 {𝑓(𝑒1 ), 𝑓(𝑒2 ), 𝑓(𝑒3 ), 𝑓(𝑒4 ) } 𝑒𝑠𝑡 𝑎𝑙𝑜𝑟𝑠 𝑙𝑖𝑏𝑟𝑒, donc une base de ℝ4 .