Annexe 3 Algèbre 2017

BEN AHMED MOHSEN Téléphone: (+216) 97 619191 / 54 619191
omega.center.cp@gmail.com https://web.facebook.com/OMEGACENTER2014
Méthodes Algèbre
Annexe ❸
Quantitatives Linéaire
Rappel de cours
Les matrices
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒑
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒑
𝓐– 𝟏 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 𝒆𝒔𝒕 𝒏𝒕é𝒆 ∶ 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 = ⋮ ⋮ ⋮ ⋮
𝟏≤𝒋≤𝒑
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒑
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
𝓐– 𝟐 • 𝑺𝒊 𝒏 = 𝒑 , 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝒄𝒂𝒓𝒓é𝒆 ∶ 𝑨 = ⋮ ⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒏
𝒙𝟏
𝒙𝟐
𝓐– 𝟑 • 𝑴𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 ∶ 𝑼 = ⋮ = 𝒙𝟏 𝒙𝟐 ⋯ 𝒙𝒏 ′
𝒙𝒏
𝒚𝟏 ′
𝒚𝟐
𝓐– 𝟒 • 𝑴𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 ∶ 𝑽 = 𝒚𝟏 𝒚𝟐 ⋯ 𝒚𝒏 = ⋮ .
𝒚𝒏
𝓐– 𝟓 • 𝑫𝒂𝒏𝒔 𝒍𝒆 𝒄𝒂𝒔 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆, 𝒍𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒂𝟏𝟏 , 𝒂𝟐𝟐 , … , 𝒂𝒏𝒏 𝒔𝒐𝒏𝒕 𝒂𝒑𝒑𝒆𝒍é𝒔 𝒍𝒆𝒔
é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒖𝒙.
𝓐– 𝟔 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏. 𝒐𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝑨 𝒆𝒔𝒕 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒊𝒏𝒇é𝒓𝒊𝒆𝒖𝒓𝒆 𝒔𝒊 𝒔𝒆𝒔
é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒂𝒖 𝒅𝒆𝒔𝒔𝒖𝒔 𝒅𝒆 𝒍𝒂 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒔 ∶ 𝒔𝒊 𝒊 < 𝑗 ⇒ 𝒂𝒊𝒋 = 𝟎

𝒂𝟏𝟏 𝟎 ⋯ 𝟎
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝟎
𝒆𝒕 𝑨 =
⋮ ⋮ ⋮ ⋮
𝓐– 𝟕 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏. 𝑶𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝑨 𝒆𝒔𝒕 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓𝒆
𝒔𝒊 𝒔𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒆𝒏 𝒅𝒆𝒔𝒔𝒐𝒖𝒔 𝒅𝒆 𝒍𝒂 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒔 ∶ 𝒔𝒊 𝒊 > 𝑗 ⇒ 𝒂𝒊𝒋 = 𝟎

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏
𝟎 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
𝒆𝒕 𝑨 = ⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝒂𝒏𝒏
𝓐– 𝟖 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒒𝒖𝒊 𝒆𝒔𝒕 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒊𝒏𝒇é𝒓𝒊𝒆𝒖𝒓𝒆 𝒆𝒕 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓𝒆 à 𝒍𝒂 𝒇𝒐𝒊𝒔

𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆, 𝒂𝒖𝒕𝒓𝒆𝒎𝒆𝒏𝒕 𝒅𝒊𝒕 ∀𝒊 ≠ 𝒋 𝒐𝒏 𝒂 ∶ 𝒂𝒊𝒋 = 𝟎
ème
1 XXXVII PROMOTION 2017/Annexe ❸
Adresse : 2, Rue Ibn Arafa, av de l'environnement Manouba Centre, Manouba
𝒂𝟏𝟏 𝟎 ⋯ 𝟎
𝟎 𝒂𝟐𝟐 ⋯ 𝟎
𝒆𝒕 𝑨 = = 𝑫𝒊𝒂𝒈 𝒂𝟏𝟏, 𝒂𝟐𝟐 , … , 𝒂𝒏𝒏
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝒂𝒏𝒏
𝟏 𝟎 ⋯ 𝟎
𝟎 𝟏 ⋯ 𝟎
𝓐– 𝟗 • 𝑰𝒏 , 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒏𝒕𝒊𝒕é 𝒔′ é𝒄𝒓𝒊𝒕 𝒔𝒐𝒖𝒔 𝒍𝒂 𝒇𝒐𝒓𝒎𝒆 ∶ 𝑰𝒏 =
⋮ 𝟎 ⋱ 𝟎
𝟎 𝟎 ⋯ 𝟏
𝜶 𝟎 ⋯ 𝟎
𝟎 𝜶 ⋯ 𝟎
𝓐– 𝟏𝟎 • 𝑴𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 ∶ 𝑸 = = 𝑫𝒊𝒂𝒈 𝜶, 𝜶, … , 𝜶 = 𝜶𝑰𝒏
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝜶
L'addition des matrices

𝓑– 𝟏 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 .
𝑶𝒏 𝒅é𝒇𝒊𝒏𝒊𝒕 𝒍𝒆𝒖𝒓 𝒔𝒐𝒎𝒎𝒆 𝑪 = 𝑨 + 𝑩 , 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 , 𝒑𝒂𝒓: 𝒄𝒊𝒋 = 𝒂𝒊𝒋 + 𝒃𝒊𝒋
𝓑– 𝟐 • 𝑨 + 𝑩 = 𝑩 + 𝑨
𝓑– 𝟑 • 𝑨 + 𝑩 + 𝑪 = 𝑨 + 𝑩 + 𝑪
𝓑– 𝟒 • 𝑨 + 𝟎𝒏×𝒑 = 𝑨
𝓑– 𝟓 • 𝒍𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒑𝒂𝒓 𝒍𝒆 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝒌 𝒆𝒔𝒕 𝒏𝒐𝒕é ∶ 𝒌𝑨 = 𝒌𝒂𝒊𝒋 𝟏≤𝒊≤𝒏
𝟏≤𝒋≤𝒑
𝓑– 𝟔 • ∀ 𝜶, 𝜷 ∈ ℝ𝟐 , ∀ 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶ 𝜶 + 𝜷 𝑨 = 𝜶𝑨 + 𝜷𝑨
𝓑– 𝟕 • ∀ 𝜶, 𝜷 ∈ ℝ𝟐 , ∀ 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶ 𝜶 𝜷𝑨 = 𝜶𝜷 𝑨
𝓑– 𝟖 • 𝑺𝒐𝒊𝒕 𝑨 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶ 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 ⇒ −𝑨 = −𝒂𝒊𝒋 𝟏≤𝒊≤𝒏
𝟏≤𝒋≤𝒑 𝟏≤𝒋≤𝒑
𝓑– 𝟗 • 𝑨 + −𝑨 = 𝟎𝒏×𝒑
Le produit matriciel
𝓒– 𝟏 • 𝑳𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝑨𝑩 𝒅𝒆 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝑨 𝒆𝒕 𝑩 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊 𝒔𝒆𝒖𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊 𝒍𝒆 𝒏𝒐𝒎𝒃𝒓𝒆
𝒅𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒅𝒆 𝑨 𝒆𝒔𝒕 é𝒈𝒂𝒍 𝒂𝒖 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝑩. 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶
𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 𝒆𝒕 𝑩 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒑 × 𝒒 ∶ 𝑩 = 𝒃𝒊𝒋 𝟏≤𝒊≤𝒑 .

𝟏≤𝒋≤𝒑 𝟏≤𝒋≤𝒒
𝑨𝒍𝒐𝒓𝒔 𝒍𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝑪 = 𝑨𝑩 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒒 𝒅𝒐𝒏𝒕 𝒍𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔
ème
𝒃𝟏𝒋 𝒑
𝒃𝟐𝒋
𝒔𝒐𝒏𝒕 𝒅é𝒇𝒊𝒏𝒊𝒔 𝒑𝒂𝒓 ∶ 𝒄𝒊𝒋 = 𝒂𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒑 = 𝒂𝒊𝒌 𝒃𝒌𝒋
⋮
𝒌=𝟏
𝒃𝒑𝒋
𝓒– 𝟐 • 𝑰𝒏 𝑨 = 𝑨𝑰𝒑 = 𝑨
𝓒– 𝟑 • 𝑨 𝑩𝑪 = 𝑨𝑩 𝑪
𝓒– 𝟒 • 𝑨 𝑩 + 𝑪 = 𝑨𝑩 + 𝑨𝑪
𝓒– 𝟓 • 𝑩 + 𝑪 𝑨 = 𝑩𝑨 + 𝑪𝑨
𝓒– 𝟔 • 𝜶 𝑨𝑩 = 𝜶𝑨 𝑩 = 𝑨 𝜶𝑩
𝓒– 𝟕 • 𝑨 𝝀𝑩 + 𝝁𝑪 = 𝝀𝑨𝑩 + 𝝁𝑨𝑪
𝓒– 𝟖 • 𝝀𝑨 + 𝝁𝑩 𝑪 = 𝝀𝑨𝑪 + 𝝁𝑩𝑪
𝓒– 𝟗 • 𝑨. 𝟎 = 𝟎. 𝑨 = 𝟎
𝓒– 𝟏𝟎 • 𝑳𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝒅𝒆𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒏′ 𝒆𝒔𝒕 𝒑𝒂𝒔 𝒏é𝒄𝒆𝒔𝒔𝒂𝒊𝒓𝒆𝒎𝒆𝒏𝒕 𝒄𝒐𝒎𝒎𝒖𝒕𝒂𝒕𝒊𝒇.
𝑶𝒏 𝒑𝒆𝒖𝒕 𝒂𝒗𝒐𝒊𝒓 ∶ 𝑨𝑩 ≠ 𝑩𝑨
𝓒– 𝟏𝟏 • 𝑰𝒍 𝒑𝒆𝒖𝒕 𝒂𝒓𝒓𝒊𝒗𝒆𝒓 𝒒𝒖𝒆 𝑨𝑩 = 𝟎 𝒂𝒗𝒆𝒄 𝑨 ≠ 𝟎 𝒆𝒕 𝑩 ≠ 𝟎
𝓒– 𝟏𝟐 • 𝑨𝒓 = 𝑨𝑨 … 𝑨
𝒓 𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔
𝓒– 𝟏𝟑 • 𝑨𝒓 𝑨𝒔 = 𝑨𝒓+𝒔
𝓒– 𝟏𝟒 • 𝑨𝒓 𝒔
= 𝑨𝒓𝒔
𝓒– 𝟏𝟓 • 𝝀𝑨 𝒓 = 𝝀𝒓 𝑨𝒓 ; 𝝀 ∈ ℝ
𝓒– 𝟏𝟔 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 : 𝑨𝟎 = 𝑰𝒏 𝒆𝒕 𝑨𝒓 = 𝑨𝑨𝒓−𝟏 = 𝑨𝒓−𝟏 𝑨
𝓒– 𝟏𝟕 • 𝑰𝒓𝒏 = 𝑰𝒏
𝓒– 𝟏𝟖 • 𝑩𝒊𝒏ô𝒎𝒆 𝒅𝒆 𝑵𝒆𝒘𝒕𝒐𝒏: 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆𝒔 𝒏 × 𝒏
𝒓
𝒓
𝒆𝒕 𝒕𝒆𝒍𝒍𝒆𝒔 𝒒𝒖𝒆𝑨𝒆𝒕 𝑩 𝒄𝒐𝒎𝒎𝒖𝒕𝒕𝒆𝒏𝒕 , 𝒊. 𝒆. 𝑨𝑩 = 𝑩𝑨 𝒂𝒍𝒐𝒓𝒔 𝒐𝒏 𝒂: 𝑨 + 𝑩 = 𝑪𝒌𝒓 𝑨𝒓−𝒌 𝑩𝒌
𝒌=𝟎
𝒅𝟏𝟏 𝟎 ⋯ 𝟎
𝟎 𝒅𝟐𝟐 ⋯ 𝟎
𝓒– 𝟏𝟗 • 𝑺𝒐𝒊𝒕 𝑫 = 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆, 𝒂𝒍𝒐𝒓𝒔
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝒅𝒏𝒏
𝒅𝒓𝟏𝟏 𝟎 ⋯ 𝟎
𝟎 𝒅𝒓𝟐𝟐 ⋯ 𝟎
𝑫𝒓 =
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝒅𝒓𝒏𝒏
𝓒– 𝟐𝟎 • 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒔𝒊 ∀ 𝒓 ∈ ℕ∗ , 𝑴𝒓 = 𝑴
𝓒– 𝟐𝟏 • 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒊𝒍𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒔𝒊 ∃ 𝒓 ∈ ℕ, 𝑴𝒓 = 𝟎
ème
La transposition
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒑
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒑
𝓓– 𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶ 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 = ⋮ ⋮ ⋮ ⋮ ,
𝟏≤𝒋≤𝒑
𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒕𝒓𝒂𝒏𝒔𝒑𝒐𝒔é𝒆 𝒅𝒆 𝑨, 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨𝑻 = 𝑨′ 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒑 × 𝒏 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒂𝒓 ∶
𝒂𝟏𝟏 𝒂𝟐𝟏 ⋯ 𝒂𝒏𝟏
𝒂𝟏𝟐 𝒂𝟐𝟐 ⋯ 𝒂𝒏𝟐
𝑨′ = 𝒂𝒋𝒊 𝟏≤𝒋≤𝒑 𝒐𝒖 𝒆𝒏𝒄𝒐𝒓𝒆 ∶ 𝑨′ = ⋮ ⋮ ⋮ ⋮
𝟏≤𝒊≤𝒏
𝒂𝟏𝒑 𝒂𝟐𝒑 ⋯ 𝒂𝒏𝒑
𝓓– 𝟐 • 𝑩 = 𝑨′ ⇔ ∀ 𝒊, 𝒋 ∈ 𝟏, 𝒏 × 𝟏, 𝒑 : 𝒃𝒊𝒋 = 𝒂𝒋𝒊
𝓓– 𝟑 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒔𝒊
∀ 𝒊, 𝒋 ∈ 𝟏, 𝒏 × 𝟏, 𝒑 ; 𝒂𝒊𝒋 = 𝒂𝒋𝒊
𝓓– 𝟒 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝒂𝒏𝒕𝒊𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒔𝒊
∀ 𝒊, 𝒋 ∈ 𝟏, 𝒏 × 𝟏, 𝒑 ; 𝒂𝒊𝒋 = −𝒂𝒋𝒊
𝓓– 𝟓 • 𝑨 + 𝑩 ′ = 𝑨′ + 𝑩′
𝓓– 𝟔 • 𝒌𝑨 ′ = 𝒌𝑨′ , 𝒐ù 𝒌 𝒆𝒔𝒕 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆
𝓓– 𝟕 • 𝑨𝑩 ′ = 𝑩′ 𝑨′
𝓓– 𝟖 • 𝑨𝑩𝑪 ′ = 𝑪′ 𝑩′ 𝑨′
𝓓– 𝟗 • 𝑨′ ′ = 𝑨
𝓓– 𝟏𝟎 • 𝑨′ 𝒓 = 𝑨𝒓 ′
La trace
𝓔– 𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒐𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒕𝒓𝒂𝒄𝒆 𝒅𝒆 𝑨 ,
𝒆𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝒕𝒓𝒂𝒄𝒆 𝑨 𝒍𝒆 𝒏𝒐𝒎𝒃𝒓𝒆 𝒐𝒃𝒕𝒆𝒏𝒖 𝒆𝒏 𝒂𝒅𝒅𝒊𝒕𝒊𝒐𝒏𝒏𝒂𝒏𝒕 𝒍𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒖𝒙 𝒅𝒆 𝑨 ∶

𝒏
𝒕𝒓 𝑨 = 𝒂𝟏𝟏 + 𝒂𝟐𝟐 + ⋯ + 𝒂𝒏𝒏 = 𝒂𝒊𝒊

𝒊=𝟏
𝓔– 𝟐 • 𝒕𝒓 𝑨 + 𝑩 = 𝒕𝒓 𝑨 + 𝒕𝒓 𝑩 , 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏
𝓔– 𝟑 • 𝒕𝒓 𝝀𝑨 = 𝝀𝒕 𝑨 , 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝝀 ∈ ℝ
𝓔– 𝟒 • 𝒕𝒓 𝑨′ = 𝒕𝒓 𝑨
𝓔– 𝟓 • 𝒕𝒓 𝑨𝑩 = 𝒕𝒓 𝑩𝑨 𝒎𝒂𝒊𝒔 𝒕𝒓 𝑨𝑩 ≠ 𝒕𝒓 𝑨 𝒕𝒓 𝑩
𝓔– 𝟔 • 𝒕𝒓 𝑨𝑩𝑪 = 𝒕𝒓 𝑩𝑪𝑨 = 𝒕𝒓 𝑪𝑨𝑩
ème
Exercice 1 :
Énoncé
Soit 𝑫 une matrice de dimension 𝒏, 𝒑 et 𝑬 = 𝑫′ 𝑫.
Montrer que :
i.
𝑬 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
ii.
𝒕𝒓 𝑬 = 𝒅𝟐𝒊𝒋
𝒊 𝒋
Corrigé
i. 𝑬′ = 𝑫′ 𝑫 ′ = 𝑫′ 𝑫′ ′
= 𝑫′ 𝑫 = 𝑬 ⇒ 𝑬 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝜟 = 𝑫′
ii. Soit 𝜟 = 𝜹𝒊𝒋 𝟏≤𝒊≤𝒑 ⇒ 𝜹𝒊𝒋 = 𝒅𝒋𝒊 𝓓– 𝟐
𝟏≤𝒋≤𝒏
𝑶𝒓 𝑬 = 𝑫′ 𝑫 = 𝜟𝑫, avec 𝑬 = 𝒆𝒊𝒋 𝟏≤𝒊≤𝒑

𝟏≤𝒋≤𝒑
𝒏 𝒏
𝑨𝒊𝒏𝒔𝒊 𝒆𝒊𝒋 = 𝜹𝒊𝒌 𝒅𝒌𝒋 = 𝒅𝒌𝒊 𝒅𝒌𝒋 𝓒– 𝟏

𝒌=𝟏 𝒌=𝟏
𝒑 𝒑 𝒏 𝒑 𝒏
𝑶𝒏 𝒂 ∶ 𝒕𝒓 𝑬 = 𝒆𝒋𝒋 = 𝒅𝒌𝒋 𝒅𝒌𝒋 = 𝒅𝟐𝒌𝒋 𝓔– 𝟏

𝒋=𝟏 𝒋=𝟏 𝒌=𝟏 𝒋=𝟏 𝒌=𝟏
𝒆𝒋𝒋
𝒑 𝒏 𝒏 𝒑
′
𝑫 𝒐ù 𝒕𝒓 𝑬 = 𝒅𝟐𝒊𝒋 = 𝒅𝟐𝒊𝒋
𝒋=𝟏 𝒊=𝟏 𝒊=𝟏 𝒋=𝟏
ème
Rappel de cours
Inverse d'une matrice carrée

𝓕– 𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒐𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆
𝒔′ 𝒊𝒍 𝒆𝒙𝒊𝒔𝒕𝒆 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆, 𝒏𝒐𝒕é𝒆 𝑨−𝟏 𝒅𝒆 𝒎ê𝒎𝒆 𝒇𝒐𝒓𝒎𝒂𝒕 𝒕𝒆𝒍𝒍𝒆 𝒒𝒖𝒆 𝑨𝑨−𝟏 = 𝑨−𝟏 𝑨 = 𝑰𝒏 .
𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝑨−𝟏 , 𝒊𝒏𝒗𝒆𝒓𝒔𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨
𝓕– 𝟐 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆. 𝑨𝒍𝒐𝒓𝒔 ∶
𝓕– 𝟐 𝐚 • 𝑨−𝟏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒆𝒕 𝑨−𝟏 −𝟏 = 𝑨

𝓕– 𝟐 𝐛 • 𝑨𝒓 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒆𝒕 𝑨𝒓 −𝟏 = 𝑨−𝟏 𝒓
= 𝑨−𝒓
−𝟏
𝟏
𝓕– 𝟐 𝐜 • 𝒌𝑨 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 , 𝒔𝒊 𝒌 ≠ 𝟎 𝒆𝒕 𝒌𝑨 = 𝑨−𝟏
𝒌
𝓕– 𝟐 𝐝 • 𝑨′ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒆𝒕 𝑨′ −𝟏
= 𝑨−𝟏 ′
𝓕– 𝟑 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒏 × 𝒏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔. 𝑨𝒍𝒐𝒓𝒔 𝑨𝑩 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆

−𝟏
𝒆𝒕 𝑨𝑩 = 𝑩−𝟏 𝑨−𝟏
𝓕– 𝟒 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 , 𝑩 𝒆𝒕 𝑪 𝒕𝒓𝒐𝒊𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒏 × 𝒏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔.

−𝟏
𝑨𝒍𝒐𝒓𝒔 𝑨𝑩𝑪 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒆𝒕 𝑨𝑩𝑪 = 𝑪−𝟏 𝑩−𝟏 𝑨−𝟏
𝒅𝟏𝟏 𝟎 ⋯ 𝟎
𝟎 𝒅𝟐𝟐 ⋯ 𝟎
𝓕– 𝟓 • 𝑫 = 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒔𝒊 𝒆𝒔𝒕 𝒔𝒆𝒖𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊 ∶
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝒅𝒏𝒏
𝟏
𝟎 ⋯ 𝟎
𝒅𝟏𝟏
𝟏
∀ 𝒊 ∈ 𝟏, 𝒏 𝒅𝒊𝒊 ≠ 𝟎 . 𝑨𝒊𝒏𝒔𝒊 𝑫 −𝟏
= 𝟎 ⋯ 𝟎 , 𝒆𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒊𝒆𝒓 𝑰−𝟏
𝒅𝟐𝟐 𝒏 = 𝑰𝒏
⋮ ⋮ ⋮ ⋮
𝟏
𝟎 𝟎 ⋯
𝒅𝒏𝒏
𝓕– 𝟔 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒐𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨
𝒆𝒔𝒕 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒍𝒆, 𝒔𝒊 𝑨−𝟏 = 𝑨′ 𝒐𝒖 𝑨𝑨′ = 𝑰𝒏
ème
Exercice 2 :
Énoncé
On considère les matrices carrées 𝑨, 𝑩, 𝑪, 𝑫, 𝑬, 𝑭, 𝑮 𝒆𝒕 𝑯 où 𝑬 𝒆𝒕 𝑭 sont non singulières.
′ −𝟏 ′
Développer le produit de la matrice 𝑿 = 𝑨𝑩 + 𝑪𝑫 𝑬𝑭 + 𝑮𝑯
Corrigé
′ −𝟏 ′
𝑿= 𝑨𝑩 + 𝑪𝑫 𝑬𝑭 + 𝑮𝑯
= 𝑨𝑩 + 𝑫′ 𝑪′ 𝑭−𝟏 𝑬−𝟏 + 𝑮𝑯 ′
= 𝑭−𝟏 𝑬−𝟏 + 𝑮𝑯 ′
𝑨𝑩 + 𝑫′ 𝑪′ ′
= 𝑭−𝟏 𝑬−𝟏 ′ + 𝑮𝑯 ′
𝑨𝑩 ′ + 𝑫′ 𝑪′ ′
= 𝑬′ −𝟏
𝑭′ −𝟏
+ 𝑯′ 𝑮′ 𝑩′ 𝑨′ + 𝑪′ ′
𝑫′ ′
= 𝑬′ −𝟏
𝑭′ −𝟏
+ 𝑯′ 𝑮′ 𝑩′ 𝑨′ + 𝑪𝑫
𝑫′ 𝒐ù 𝑿 = 𝑬′ −𝟏
𝑭′ −𝟏
𝑩′ 𝑨′ + 𝑬′ −𝟏
𝑭′ −𝟏
𝑪𝑫 + 𝑯′ 𝑮′ 𝑩′ 𝑨′ + 𝑯′ 𝑮′ 𝑪𝑫
Exercice 3 :
Énoncé
𝟏 𝟎 𝟎
Soit 𝑰𝟑 la matrice identité de dimension 𝟑, 𝟑 et 𝑫 = 𝟎 𝟏 𝟎
𝟎 𝟎 −𝟏
∀ 𝑴 ∈ 𝓜𝟑,𝟑 ℝ , 𝒐𝒏 𝒑𝒐𝒔𝒆 ∶ 𝒇 𝑴 = 𝑫𝑴′ 𝑫
1) Montrer que 𝒇 𝑰𝟑 = 𝑰𝟑 , 𝒇 𝑫 = 𝑫 𝒆𝒕 𝒇 ∘ 𝒇 𝑴 = 𝑴
2) Montrer que 𝒇 𝑴𝟏 𝑴𝟐 = 𝒇 𝑴𝟐 𝒇 𝑴𝟏
3) Montrer que si 𝑴 est inversible, alors 𝒇 𝑴−𝟏 = 𝒇 𝑴 −𝟏
Corrigé
1)
𝟏𝟐 𝟎 𝟎 𝟏 𝟎 𝟎
 𝒇 𝑰𝟑 = 𝑫𝑰′𝟑 𝑫 = 𝑫𝑰𝟑 𝑫 = 𝑫. 𝑫 = 𝑫 = 𝟎 𝟐
𝟏𝟐 𝟎 = 𝟎 𝟏 𝟎 = 𝑰𝟑
𝟐
𝟎 𝟎 −𝟏 𝟎 𝟎 𝟏
𝑫′ 𝒐ù 𝒇 𝑰𝟑 = 𝑰𝟑
 𝒇 𝑫 = 𝑫 𝑫′ 𝑫 = 𝑫𝟐 . 𝑫 = 𝑰𝟑 𝑫 = 𝑫
𝑫
ème
𝑫′ 𝒐ù 𝒇 𝑫 = 𝑫
′
 𝒇∘𝒇 𝑴 =𝒇 𝒇 𝑴 =𝑫𝒇 𝑴 𝑫 = 𝑫 𝑫𝑴′ 𝑫 ′ 𝑫 = 𝑫 𝑫′ 𝑴′ ′ 𝑫′ 𝑫 = 𝑫𝟐 𝑴 𝑫𝟐
𝑫 𝑫 𝑰𝟑 𝑰𝟑
𝒇 ∘ 𝒇 𝑴 = 𝑰𝟑 𝑴𝑰𝟑 = 𝑴
𝑫′ 𝒐ù 𝒇 ∘ 𝒇 𝑴 = 𝑴
2) 𝒇 𝑴𝟏 𝑴𝟐 = 𝑫 𝑴𝟏 𝑴𝟐 ′ 𝑫 = 𝑫𝑴′𝟐 𝑴′𝟏 𝑫 = 𝑫𝑴′𝟐 𝑰𝟑 𝑴′𝟏 𝑫 = 𝑫𝑴′𝟐 𝑫𝟐 𝑴′𝟏 𝑫 = 𝑫𝑴′𝟐 𝑫 . 𝑫𝑴′𝟏 𝑫
𝑫𝟐 𝒇 𝑴𝟐 𝒇 𝑴𝟏
𝑫′ 𝒐ù 𝒇 𝑴𝟏 𝑴𝟐 = 𝒇 𝑴𝟐 𝒇 𝑴𝟏
3) Si 𝑴 est inversible :
𝒇 𝑴−𝟏 = 𝑫 𝑴−𝟏 ′ 𝑫
𝒐𝒓 𝑫𝟐 = 𝑰𝟑 ⇔ 𝑫. 𝑫 = 𝑰𝟑 ⇔ 𝑫 = 𝑫−𝟏
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒇 𝑴−𝟏 = 𝑫−𝟏 𝑴−𝟏 ′ 𝑫−𝟏 = 𝑫−𝟏 𝑴′ −𝟏

𝑫−𝟏 𝓕– 𝟐 𝐝
𝒇 𝑴−𝟏 = 𝑫𝑴′ 𝑫 −𝟏
𝓕– 𝟒
𝑫′ 𝒐ù 𝒇 𝑴−𝟏 = 𝒇 𝑴 −𝟏
Exercice 4 :
Énoncé
Soient 𝑨 𝒆𝒕 𝑩 des matrices carrées de taille 𝒏 telles que 𝑰𝒏 − 𝑨𝑩 soit inversible.
−𝟏
Calculer 𝑰𝒏 − 𝑩𝑨 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 .
𝑰𝒏 − 𝑩𝑨 Est-elle inversible ?
Corrigé
−𝟏
𝑰𝒏 − 𝑩𝑨 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 = 𝑰𝟐𝒏 + 𝑰𝒏 𝑩 𝑰𝒏 − 𝑨𝑩 −𝟏
𝑨 − 𝑩𝑨𝑰𝒏 − 𝑩𝑨𝑩 𝑰𝒏 − 𝑨𝑩 −𝟏
𝑨
−𝟏 −𝟏
= 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 − 𝑩𝑨 − 𝑩𝑨𝑩 𝑰𝒏 − 𝑨𝑩 𝑨
−𝟏 −𝟏
= 𝑰𝒏 − 𝑩𝑨 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 − 𝑨𝑩 𝑰𝒏 − 𝑨𝑩 𝑨
−𝟏 −𝟏
= 𝑰𝒏 − 𝑩𝑨 + 𝑩 𝑰𝒏 − 𝑨𝑩 − 𝑨𝑩 𝑰𝒏 − 𝑨𝑩 𝑨
−𝟏 −𝟏
= 𝑰𝒏 − 𝑩𝑨 + 𝑩 𝑰𝒏 𝑰𝒏 − 𝑨𝑩 − 𝑨𝑩 𝑰𝒏 − 𝑨𝑩 𝑨
−𝟏
= 𝑰𝒏 − 𝑩𝑨 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 ; 𝑰𝒏 − 𝑨𝑩 étant inversible
𝑰𝒏
ème
−𝟏
𝑰𝒏 − 𝑩𝑨 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 = 𝑰𝒏 − 𝑩𝑨 + 𝑩𝑰𝒏 𝑨 = 𝑰𝒏 − 𝑩𝑨 + 𝑩𝑨 = 𝑰𝒏
−𝟏
D’où 𝑰𝒏 − 𝑩𝑨 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 𝑨 = 𝑰𝒏 𝒆𝒕 𝑰𝒏 − 𝑩𝑨 est inversible
𝑺𝒊 𝑰𝒏 − 𝑨𝑩 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝑰𝒏 − 𝑩𝑨 𝒍′ 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 𝒆𝒕 𝑰𝒏 − 𝑩𝑨 −𝟏

= 𝑰𝒏 + 𝑩 𝑰𝒏 − 𝑨𝑩 −𝟏
𝑨
Rappel de cours
Déterminants
𝓖– 𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 . 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝑨,
𝒏𝒐𝒕é 𝒅𝒆𝒕 𝑨 𝒐𝒖 𝑨 , 𝒆𝒔𝒕 𝒍′ é𝒍é𝒎𝒆𝒏𝒕 𝒅𝒆 ℝ 𝒅é𝒇𝒊𝒏𝒊𝒕 𝒑𝒂𝒓 ∶
• 𝒔𝒊 𝒏 = 𝟏 𝒂𝒍𝒐𝒓𝒔 𝑨 = 𝒂𝟏𝟏 𝒆𝒕 𝒅𝒆𝒕 𝑨 = 𝒂𝟏𝟏

𝒏+𝟏
• 𝒔𝒊 𝒏 ≥ 𝟐 𝒂𝒍𝒐𝒓𝒔 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 𝒆𝒕 𝒅𝒆𝒕 𝑨 = 𝒂𝟏𝟏 𝚫𝟏𝟏 − 𝒂𝟐𝟏 𝚫𝟐𝟏 + 𝒂𝟑𝟏 𝚫𝟑𝟏 − ⋯ + −𝟏 𝒂𝒏𝟏 𝚫𝐧𝟏
𝟏≤𝒋≤𝒑
𝑫é𝒗𝒆𝒍𝒐𝒑𝒑𝒆𝒎𝒆𝒏𝒕 𝒔𝒖𝒊𝒗𝒂𝒏𝒕 𝒍𝒂 𝒑𝒓𝒆𝒎𝒊è𝒓𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝒐ù 𝚫𝐢𝟏 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆
𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒊" 𝒆𝒕 𝒍𝒂 𝒑𝒓𝒆𝒎𝒊è𝒓𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝓖– 𝟐 • 𝑶𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 𝒕𝒐𝒖𝒋𝒐𝒖𝒓𝒔 𝒎ê𝒎𝒆 𝒓é𝒔𝒖𝒍𝒕𝒂𝒕 𝒆𝒏 𝒅é𝒗𝒆𝒍𝒐𝒑𝒑𝒂𝒏𝒕 𝒔𝒆𝒍𝒐𝒏 𝒏′ 𝒊𝒎𝒑𝒐𝒓𝒕𝒆 𝒒𝒖𝒆𝒍𝒍𝒆 𝒍𝒊𝒈𝒏𝒆
𝒐𝒖 𝒔𝒆𝒍𝒐𝒏 𝒏′ 𝒊𝒎𝒑𝒐𝒓𝒕𝒆 𝒒𝒖𝒆𝒍𝒍𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 ∶

𝒂𝟏𝒍
𝒂𝟐𝒍
• 𝒔𝒊 𝒏 ≥ 𝟐 , 𝒄𝒂𝒍𝒄𝒖𝒍𝒐𝒏𝒔 𝒅𝒆𝒕 𝑨 𝒆𝒏 𝒅é𝒗𝒆𝒍𝒐𝒑𝒑𝒂𝒏𝒕 𝒔𝒆𝒍𝒐𝒏 𝒍 – è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒂𝟑𝒍 ∶
⋮
𝒂𝒏𝒍
𝟏+𝒍 𝟐+𝒍 𝟑+𝒍 𝒏+𝒍
𝒅𝒆𝒕 𝑨 = −𝟏 𝒂𝟏𝒍 𝚫𝟏𝒍 + −𝟏 𝒂𝟐𝒍 𝚫𝟐𝒍 + −𝟏 𝒂𝟑𝒍 𝚫𝟑𝒍 + ⋯ + −𝟏 𝒂𝒏𝒍 𝚫𝒏𝒍
𝒏
𝒊+𝒍
𝒅𝒆𝒕 𝑨 = −𝟏 𝒂𝒊𝒍 𝚫𝒊𝒍
𝒊=𝟏
𝒐ù 𝚫𝒊𝒍 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆
𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒊" 𝒆𝒕 𝒍𝒂 𝒍 – è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
• 𝒔𝒊 𝒏 ≥ 𝟐 ,
𝒄𝒂𝒍𝒄𝒖𝒍𝒐𝒏𝒔 𝒅𝒆𝒕 𝑨 𝒆𝒏 𝒅é𝒗𝒆𝒍𝒐𝒑𝒑𝒂𝒏𝒕 𝒔𝒆𝒍𝒐𝒏 𝒌 – è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒂𝒌𝟏 𝒂𝒌𝟐 𝒂𝒌𝟑 ⋯ 𝒂𝒌𝒏 ∶
ème
𝒅𝒆𝒕 𝑨 = −𝟏 𝒌+𝟏 𝒂𝒌𝟏 𝚫𝒌𝟏 + −𝟏 𝒌+𝟐
𝒂𝒌𝟐 𝚫𝒌𝟐 + −𝟏 𝒌+𝟑
𝒂𝒌𝟑 𝚫𝒌𝟑 + ⋯ + −𝟏 𝒌+𝒏 𝒂𝒌𝒏 𝚫𝒌𝒏
𝒏
𝒌+𝒋
𝒅𝒆𝒕 𝑨 = −𝟏 𝒂𝒌𝒋 𝚫𝒌𝒋
𝒋=𝟏
𝒐ù 𝚫𝒌𝒋 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆
𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒌" 𝒆𝒕 𝒍𝒂 𝒋 – è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟏 𝒂𝟏𝟐
• 𝒔𝒊 𝒏 = 𝟐 𝒂𝒍𝒐𝒓𝒔 𝑨 = 𝒂 𝒂𝟐𝟐 𝒆𝒕 𝒅𝒆𝒕 𝑨 = 𝒂𝟐𝟏 𝒂𝟐𝟐 = 𝒂𝟏𝟏 𝒂𝟐𝟐 − 𝒂𝟐𝟏 𝒂𝟏𝟐
𝟐𝟏
𝒊+𝒋 𝒊+𝒋
𝓖– 𝟑 • −𝟏 𝒂𝒊𝒋 𝚫𝒊𝒋 = −𝟏 𝒂𝒊𝒋 𝒅𝒆𝒕 𝑨𝒊𝒋 𝒆𝒔𝒕 𝒂𝒑𝒑𝒆𝒍é 𝒍𝒆 𝒄𝒐𝒇𝒂𝒄𝒕𝒆𝒖𝒓 𝒅𝒖 𝒕𝒆𝒓𝒎𝒆 𝒂𝒊𝒋
𝒐ù 𝑨𝒊𝒋 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒃𝒕𝒆𝒏𝒖𝒆 𝒆𝒏 𝒆𝒏𝒍𝒆𝒗𝒂𝒏𝒕 à 𝑨 𝒔𝒂 𝒊– 𝒊è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒆𝒕 𝒔𝒂 𝒋– 𝒊è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆.
𝑳𝒆 𝒕𝒆𝒓𝒎𝒆 𝚫𝒊𝒋 = 𝒅𝒆𝒕 𝑨𝒊𝒋 𝒆𝒔𝒕 𝒂𝒑𝒑𝒆𝒍é 𝒎𝒊𝒏𝒆𝒖𝒓 𝒅𝒖 𝒕𝒆𝒓𝒎𝒆 𝒂𝒊𝒋
𝒅𝟏𝟏 𝟎 ⋯ 𝟎 𝒏
𝟎 𝒅𝟐𝟐 ⋯ 𝟎
𝓖– 𝟒 • 𝑺𝒊 𝑫 = 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑫 = 𝒅𝒊𝒊
⋮ ⋮ ⋮ ⋮
𝒊=𝟏
𝟎 𝟎 ⋯ 𝒅𝒏𝒏
𝒂𝟏𝟏 𝟎 ⋯ 𝟎
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝟎
𝓖– 𝟓 • 𝑺𝒊 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒊𝒏𝒇é𝒓𝒊𝒆𝒖𝒓𝒆, 𝑨 =
⋮ ⋮ ⋮ ⋮
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏 𝒏
𝟎 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
𝒓𝒆𝒔𝒑. 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓𝒆, 𝑨 = ⋮ ⋮ ⋮ ⋮ 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 = 𝒂𝒊𝒊
𝟎 𝟎 ⋯ 𝒂𝒏𝒏 𝒊=𝟏
𝜶 𝟎 ⋯ 𝟎
𝟎 𝜶 ⋯ 𝟎
𝓖– 𝟔 • 𝑺𝒊 𝑸 = 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑸 = 𝜶𝒏
⋮ ⋮ ⋮ ⋮
𝟎 𝟎 ⋯ 𝜶
𝓖– 𝟕 • 𝒅𝒆𝒕 𝑰𝒏 = 𝟏 , 𝒐ù 𝑰𝒏 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒏𝒕𝒊𝒕é 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏
𝓖– 𝟖 • 𝑺𝒊 𝑨 = 𝟎𝒏×𝒏 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 = 𝟎
𝓖– 𝟗 • 𝑺𝒊 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑴 ∈ 𝟎, 𝟏
𝓖– 𝟏𝟎 • 𝑺𝒊 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒊𝒍𝒑𝒐𝒕𝒆𝒏𝒕𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑴 = 𝟎
𝓖– 𝟏𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 ,
𝟏
𝑨 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒔𝒊 𝒆𝒕 𝒔𝒆𝒖𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊 𝒅𝒆𝒕 𝑨 ≠ 𝟎 𝒆𝒕 𝒅𝒆𝒕 𝑨−𝟏 =
𝒅𝒆𝒕 𝑨
𝓖– 𝟏𝟐 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 . 𝑨𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨𝑩 = 𝒅𝒆𝒕 𝑨 𝒅𝒆𝒕 𝑩
ème
𝓖– 𝟏𝟑 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒆𝒕 𝑨′ = 𝒅𝒆𝒕 𝑨
𝓖– 𝟏𝟒 • 𝑺𝒊 𝒐𝒏 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒆 𝒍′ 𝒖𝒏𝒆 𝒅𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒑𝒂𝒓 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝝀 ∈ ℝ , 𝒂𝒍𝒐𝒓𝒔
𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒄𝒆𝒕𝒕𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒆𝒔𝒕 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝒍𝒆 𝒎ê𝒎𝒆 é𝒍é𝒎𝒆𝒏𝒕 𝝀 𝒅𝒆 ℝ
𝓖– 𝟏𝟓 • 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒂𝒚𝒂𝒏𝒕 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒏𝒖𝒍𝒍𝒆
𝒆𝒔𝒕 𝟎
𝓖– 𝟏𝟔 • 𝑺𝒊 𝒐𝒏 é𝒄𝒉𝒂𝒏𝒈𝒆 𝒅𝒆𝒖𝒙 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆,
𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒆𝒔𝒕 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 −𝟏
𝓖– 𝟏𝟕 • 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒂𝒚𝒂𝒏𝒕 𝒅𝒆𝒖𝒙 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝒊𝒅𝒆𝒏𝒕𝒊𝒒𝒖𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.
𝓖– 𝟏𝟖 • 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒂𝒚𝒂𝒏𝒕 𝒅𝒆𝒖𝒙 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝒑𝒓𝒐𝒑𝒐𝒓𝒕𝒊𝒐𝒏𝒏𝒆𝒍𝒍𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.
𝓖– 𝟏𝟗 • 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒂𝒚𝒂𝒏𝒕 𝒅𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒅𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔
𝒍𝒊𝒏é𝒂𝒊𝒓𝒆𝒎𝒆𝒏𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.
𝓖– 𝟐𝟎 • 𝑺𝒊 à 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒏 𝒂𝒋𝒐𝒖𝒕𝒆 𝒍𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝒅’𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆
𝒅𝒆 ℝ 𝒑𝒂𝒓 𝒖𝒏𝒆 𝒂𝒖𝒕𝒓𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 , 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒆𝒔𝒕 𝒊𝒏𝒄𝒉𝒂𝒏𝒈é
𝓖– 𝟐𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒐𝒏𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝑳𝟏 , 𝑳𝟐 , … , 𝑳𝒏 𝒍𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔.
𝑳𝒊 = 𝒂𝒊𝟏 𝒂𝒊𝟐 𝒂𝒊𝟑 ⋯ 𝒂𝒊𝒏 𝒆𝒕 𝒔𝒐𝒊𝒕 𝑳 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝟏 × 𝒏 . 𝑨𝒍𝒐𝒓𝒔:
𝑳𝟏 𝑳𝟏 𝑳𝟏
⋮ ⋮ ⋮
𝑳𝒊−𝟏 𝑳𝒊−𝟏 𝑳𝒊−𝟏
• 𝒅𝒆𝒕 𝑳𝒊 + 𝒅𝒆𝒕 𝑳 = 𝒅𝒆𝒕 𝑳𝒊 + 𝑳
𝑳𝒊+𝟏 𝑳𝒊+𝟏 𝑳𝒊+𝟏
⋮ ⋮ ⋮
𝑳𝒏 𝑳𝒏 𝑳𝒏
𝑳𝟏 𝑳𝟏 𝑳𝟏
⋮ ⋮ ⋮
𝑳𝒊−𝟏 𝑳𝒊−𝟏 𝑳𝒊−𝟏
• 𝒅𝒆𝒕 𝑳𝒊 + 𝝀𝒅𝒆𝒕 𝑳 = 𝒅𝒆𝒕 𝑳𝒊 + 𝝀𝑳 ; 𝝀∈ℝ
𝑳𝒊+𝟏 𝑳𝒊+𝟏 𝑳𝒊+𝟏
⋮ ⋮ ⋮
𝑳𝒏 𝑳𝒏 𝑳𝒏
𝓖– 𝟐𝟐 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒐𝒏𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝑪𝟏 , 𝑪𝟐 , … , 𝑪𝒏 𝒍𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔.
ème
𝒂𝟏𝒋
𝒂𝟐𝒋
𝑪𝒋 = 𝒂𝟑𝒋 𝒆𝒕 𝒔𝒐𝒊𝒕 𝑪 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝟏 . 𝑨𝒍𝒐𝒓𝒔:
⋮
𝒂𝒏𝒋
• 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 𝑪𝒋+𝟏 ⋯ 𝑪𝒏 + 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏

= 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 + 𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏
• 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 𝑪𝒋+𝟏 ⋯ 𝑪𝒏 + 𝝀𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏

= 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 + 𝝀𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏
𝝀𝒂𝟏𝟏 𝝀𝒂𝟏𝟐 ⋯ 𝝀𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

𝒂 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏 𝝀𝒂𝟐𝟏 𝝀𝒂𝟐𝟐 ⋯ 𝝀𝒂𝟐𝒏 𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
𝓖– 𝟐𝟑 • 𝟐𝟏 = ⋮ ⋮ ⋮ ⋮ = ⋮ ⋮ ⋮ ⋮
⋮ ⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒏 𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒏 𝝀𝒂𝒏𝟏 𝝀𝒂𝒏𝟐 ⋯ 𝝀𝒂𝒏𝒏
𝝀𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝝀𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

𝝀𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏 𝒂 𝝀𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
= = 𝟐𝟏
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝝀𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒏 𝒂𝒏𝟏 𝝀𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒏
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝝀𝒂𝟏𝒑 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒑

𝒂 𝒂𝟐𝟐 ⋯ 𝝀𝒂𝟐𝒑 𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒑
= 𝟐𝟏 =𝝀 ⋮ ⋮ ⋮ ⋮ ; 𝝀∈ℝ
⋮ ⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝝀𝒂𝒏𝒑 𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒑
𝓖– 𝟐𝟒 • 𝑺𝒊 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 𝒆𝒕 𝝀 ∈ ℝ 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝝀𝑨 = 𝝀𝒏 𝒅𝒆𝒕 𝑨
𝓖– 𝟐𝟓 • 𝑺𝒊 𝑨 e𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 = ±𝟏
𝓖– 𝟐𝟔 • 𝑴𝒊𝒏𝒆𝒖𝒓 𝒆𝒕 𝑪𝒐𝒇𝒂𝒄𝒕𝒆𝒖𝒓 . 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒏 × 𝒏 ∶ 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 .

𝟏≤𝒋≤𝒏
𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒎𝒊𝒏𝒆𝒖𝒓 𝒅𝒆 𝒍′ é𝒍é𝒎𝒆𝒏𝒕 𝒂𝒊𝒋 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒔𝒐𝒖𝒔– 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒃𝒕𝒆𝒏𝒖𝒆
𝒆𝒏 é𝒍𝒊𝒎𝒊𝒏𝒂𝒏𝒕 𝒍𝒂 𝒊– è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒆𝒕 𝒍𝒂 𝒋– è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨. 𝑶𝒏 𝒍𝒆 𝒏𝒐𝒕𝒆 𝚫𝒊𝒋 .

𝒊+𝒋
𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒄𝒐𝒇𝒂𝒄𝒕𝒆𝒖𝒓 𝒅𝒆 𝒂𝒊𝒋 , 𝒍𝒂 𝒒𝒖𝒂𝒏𝒕𝒊𝒕é 𝑪𝒊𝒋 = −𝟏 𝚫𝒊𝒋 .
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 ⋯ 𝒂𝟏,𝒋−𝟏 𝒂𝟏,𝒋+𝟏 ⋯ 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏 ⋮ ⋯ ⋮ ⋮ ⋯ ⋮
⋮ ⋮ ⋯ ⋮ ⋯ ⋮ 𝒂𝒊−𝟏,𝟏 ⋯ 𝒂𝒊−𝟏,𝒋−𝟏 𝒂𝒊−𝟏,𝒋+𝟏 ⋯ 𝒂𝒊−𝟏,𝒏
𝑨= 𝒂𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 ⇒ 𝚫𝒊𝒋 = 𝒂 ⋯ 𝒂𝒊+𝟏,𝒋−𝟏 𝒂𝒊+𝟏,𝒋+𝟏 ⋯ 𝒂𝒊+𝟏,𝒏
𝒊+𝟏,𝟏
⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⋮ ⋮ ⋮ ⋮ ⋯ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏 𝒂𝒏𝟏 ⋯ 𝒂𝒏,𝒋−𝟏 𝒂𝒏𝒋+𝟏 ⋯ 𝒂𝒏𝒏
𝑶𝒏 𝒅é𝒇𝒊𝒏𝒊𝒕 𝒑𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒍𝒂 𝑪𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒖 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆𝒔 𝒄𝒐𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔 𝒅𝒆 𝑨 ∶
ème
𝑪𝟏𝟏 𝑪𝟏𝟐 ⋯ 𝑪𝟏𝒏
𝑪𝟐𝟏 𝑪𝟐𝟐 ⋯ 𝑪𝟐𝒏 ′ ′
𝑪𝒐𝒎 𝑨 = 𝒕𝒆𝒍 𝒒𝒖𝒆 𝑨 𝑪𝒐𝒎 𝑨 = 𝑪𝒐𝒎 𝑨 𝑨 = 𝒅𝒆𝒕 𝑨 × 𝑰𝒏
⋮ ⋮ ⋮ ⋮
𝑪𝒏𝟏 𝑪𝒏𝟐 ⋯ 𝑪𝒏𝒏
𝟏
𝑺𝒊 𝑨 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 ∶ 𝑨−𝟏 = 𝑪𝒐𝒎 𝑨 ′
𝒅𝒆𝒕 𝑨
𝒂𝟏𝟏 𝒂𝟏𝟐 𝟏+𝟏 𝟏+𝟐
• 𝒔𝒊 𝒏 = 𝟐 𝒂𝒍𝒐𝒓𝒔 𝑨 = 𝒂 𝒂𝟐𝟐 𝒆𝒕 𝑪𝟏𝟏 = −𝟏 𝚫𝟏𝟏 = 𝒂𝟐𝟐 , 𝑪𝟏𝟐 = −𝟏 𝚫𝟏𝟐 = −𝒂𝟐𝟏
𝟐𝟏
𝒂𝟐𝟐 𝒂𝟐𝟏
𝟐+𝟏 𝟐+𝟐
𝑪𝟐𝟏 = −𝟏 𝚫𝟐𝟏 = −𝒂𝟏𝟐 𝒆𝒕 𝑪𝟐𝟐 = −𝟏 𝚫𝟐𝟐 = 𝒂𝟏𝟏 .
𝒂𝟏𝟐 𝒂𝟏𝟏
𝑪𝟏𝟏 𝑪𝟏𝟐 𝒂𝟐𝟐 −𝒂𝟐𝟏

𝑨𝒊𝒏𝒔𝒊, 𝑪𝒐𝒎 𝑨 = = −𝒂 𝒂𝟏𝟏
𝑪𝟐𝟏 𝑪𝟐𝟐 𝟏𝟐
𝓖– 𝟐𝟕 • 𝑷𝒓𝒐𝒑𝒓𝒊é𝒕é𝒔 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆 :
• 𝑪𝒐𝒎 𝑰𝒏 = 𝑰𝒏
• 𝑪𝒐𝒎 𝑨𝑩 = 𝑪𝒐𝒎 𝑨 𝑪𝒐𝒎 𝑩 , 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏
• 𝑪𝒐𝒎 𝑨′ = 𝑪𝒐𝒎 𝑨 ′
• 𝑺𝒊 𝒏 ≥ 𝟐 , 𝑪𝒐𝒎 𝑨 = 𝑨 𝒏−𝟏
𝓖– 𝟐𝟖 •
𝑶𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆𝒔 𝑫é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕
𝑳𝒊 ↔ 𝑳𝒋 𝒊 ≠ 𝒋 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 −𝟏
𝑪𝒊 ↔ 𝑪𝒋 𝒊 ≠ 𝒋 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 −𝟏
𝑳𝒊 ← 𝝀𝑳𝒊 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝝀
𝑪𝒊 ← 𝝀𝑪𝒊 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝝀
𝑳𝒊 ← 𝝀𝑳𝒊 + 𝝀𝒌 𝑳𝒌 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝝀

𝒌≠𝒊
𝑪𝒊 ← 𝝀𝑪𝒊 + 𝝀𝒌 𝑪𝒌 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝝀

𝒌≠𝒊
𝑳𝒊 ← 𝑳𝒊 + 𝝀𝒌 𝑳𝒌 𝒊𝒏𝒄𝒉𝒂𝒏𝒈é
𝒌≠𝒊
𝑪𝒊 ← 𝑪𝒊 + 𝝀𝒌 𝑪𝒌 𝒊𝒏𝒄𝒉𝒂𝒏𝒈é
𝒌≠𝒊
ème
Exercice 5 :
Énoncé
Calculer et factoriser les déterminants suivants :
𝟏 𝐚 𝐚𝟐 𝐚𝟑 𝟏+𝐱 𝟏 𝟏 𝟏 𝐚−𝐛−𝐜 𝟐𝐚 𝟐𝐚
• 𝚫𝟏 = 𝟏 𝐛 𝐛𝟐 𝟑
𝐛 , •𝚫 = 𝟏 𝟏−𝐱 𝟏 𝟏
, • 𝚫𝟑 = 𝟐𝐛 𝐛−𝐜−𝐚 𝟐𝐛
𝟐
𝟏 𝐜 𝐜𝟐 𝐜𝟑 𝟏 𝟏 𝟏+𝐳 𝟏
𝟐𝐜 𝟐𝐜 𝐜−𝐚−𝐛
𝟏 𝐝 𝐝𝟐 𝐝 𝟑 𝟏 𝟏 𝟏 𝟏−𝐳
Corrigé
𝟏 𝐚 𝐚𝟐 𝐚𝟑 𝟏 𝐚 𝐚𝟐 𝐚𝟑
• 𝚫𝟏 = 𝟏 𝐛 𝐛𝟐 𝟑
𝐛 = 𝟎 𝐛−𝐚 𝐛 − 𝐚𝟐
𝟐
𝐛 − 𝐚𝟑 𝐋𝟐 ← 𝐋𝟐 − 𝐋𝟏
𝟑
𝟏 𝐜 𝐜𝟐 𝐜𝟑 𝟎 𝐜−𝐛 𝐜 𝟐 −𝐛𝟐 𝐜 𝟑 − 𝐛𝟑 𝐋𝟑 ← 𝐋𝟑 − 𝐋𝟐
𝟏 𝐝 𝐝𝟐 𝐝𝟑
𝟎 𝐝−𝐜 𝐝𝟐 − 𝐜 𝟐 𝐝𝟑 − 𝐜 𝟑 𝐋𝟒 ← 𝐋𝟒 − 𝐋𝟑
𝟏 𝐚 𝐚𝟐 𝐚𝟑
𝟎 𝐛−𝐚 𝐛−𝐚 𝐛+𝐚 𝐛 − 𝐚 𝐛 + 𝐛𝐚 + 𝐚𝟐
𝟐
𝚫𝟏 =
𝟎 𝐜−𝐛 𝐜−𝐛 𝐜+𝐛 𝐜 − 𝐛 𝐜 𝟐 + 𝐜𝐛 + 𝐛𝟐
𝟎 𝐝−𝐜 𝐝−𝐜 𝐝+𝐜 𝐝 − 𝐜 𝐝𝟐 + 𝐝𝐜 + 𝐜 𝟐
𝟏 𝐚 𝐚𝟐 𝐚𝟑
𝟎 𝟏 𝐛+𝐚 𝐛 + 𝐛𝐚 + 𝐚𝟐
𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜
𝟎 𝟏 𝐜+𝐛 𝐜 𝟐 + 𝐜𝐛 + 𝐛𝟐
𝟎 𝟏 𝐝+𝐜 𝐝𝟐 + 𝐝𝐜 + 𝐜 𝟐
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 × +𝟏 𝟏 𝐜+𝐛 𝐜 𝟐 + 𝐜𝐛 + 𝐛𝟐
𝟏 𝐝+𝐜 𝐝𝟐 + 𝐝𝐜 + 𝐜 𝟐
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
′ ′ ′
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝟎 𝐜+𝐛 − 𝐛+𝐚 𝐜 𝟐 + 𝐜𝐛 + 𝐛𝟐 − 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐 𝐋𝟐 ← 𝐋𝟐 − 𝐋𝟏
′ ′ ′
𝟎 𝐝+𝐜 − 𝐜+𝐛 𝐝𝟐 + 𝐝𝐜 + 𝐜 𝟐 − 𝐜 𝟐 + 𝐜𝐛 + 𝐛𝟐 𝐋𝟑 ← 𝐋𝟑 − 𝐋𝟐
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝟎 𝐜−𝐚 𝐜 𝟐 − 𝐚𝟐 + 𝐜𝐛 − 𝐛𝐚
𝟎 𝐝−𝐛 𝐝𝟐 − 𝐛𝟐 + 𝐝𝐜 − 𝐜𝐛
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝟎 𝐜−𝐚 𝐜−𝐚 𝐜+𝐚 + 𝐜−𝐚 𝐛
𝟎 𝐝−𝐛 𝐝−𝐛 𝐝+𝐛 + 𝐝−𝐛 𝐜
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝟎 𝐜−𝐚 𝐜−𝐚 𝐜+𝐛+𝐚
𝟎 𝐝−𝐛 𝐝−𝐛 𝐝+𝐜+𝐛
ème
𝟏 𝐛+𝐚 𝐛𝟐 + 𝐛𝐚 + 𝐚𝟐
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝐜 − 𝐚 𝐝 − 𝐛 𝟎 𝟏 𝐜+𝐛+𝐚
𝟎 𝟏 𝐝+𝐜+𝐛
𝟏 𝐜+𝐛+𝐚
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝐜 − 𝐚 𝐝 − 𝐛 × +𝟏
𝟏 𝐝+𝐜+𝐛
𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝐜 − 𝐚 𝐝 − 𝐛 𝐝+𝐜+𝐛 − 𝐜+𝐛+𝐚
𝐃′ 𝐨ù 𝚫𝟏 = 𝐛 − 𝐚 𝐜 − 𝐛 𝐝 − 𝐜 𝐜 − 𝐚 𝐝 − 𝐛 𝐝 − 𝐚
𝐂𝟐 − 𝐂 𝟏 𝐂𝟑 − 𝐂𝟐 𝐂𝟒 − 𝐂𝟑
↓ ↓ ↓
𝟏+𝐱 𝟏 𝟏 𝟏
𝐂𝟐 𝐂𝟑 𝐂𝟒
𝟏 𝟏−𝐱 𝟏 𝟏
• 𝚫𝟐 = = 𝟏+𝐱 −𝐱 𝟎 𝟎
𝟏 𝟏 𝟏+𝐳 𝟏
𝟏 −𝐱 𝐱 𝟎
𝟏 𝟏 𝟏 𝟏−𝐳
𝟏 𝟎 𝐳 −𝐳
𝟏 𝟎 𝟎 −𝐳
𝟏+𝐱 𝟏 𝟎 𝟎 𝟏+𝐱 𝟏 𝟎 𝟎
𝟏 𝟏 𝐱 𝟎 𝟏 𝟏 𝐱 𝟎
𝚫𝟐 = −𝐱 −𝐳 = 𝐱𝐳
𝟏 𝟎 𝐳 𝟏 𝟎 𝟎 𝐳 𝟎 𝐋𝟑 ← 𝐋𝟑 − 𝐋𝟒
𝟏 𝟎 𝟎 𝟏 𝟏 𝟎 𝟎 𝟏
𝟏+𝐱 𝟏 𝟎 𝟎
𝟏+𝐱 𝟏 𝟎
𝟏 𝟏 𝐱 𝟎 𝟏+𝐱 𝟏
𝚫𝟐 = 𝐱𝐳 𝟐 = 𝐱𝐳 𝟐 × +𝟏 𝟏 𝟏 𝟎 = 𝐱𝐳 𝟐 × +𝟏
𝟎 𝟎 𝟏 𝟎 𝟏 𝟏
𝟏 𝟎 𝟏
𝟏 𝟎 𝟎 𝟏
𝚫𝟐 = 𝐱𝐳 𝟐 𝟏 + 𝐱 − 𝟏
𝐃′ 𝐨ù 𝚫𝟐 = 𝐱 𝟐 𝐳 𝟐
𝐚−𝐛−𝐜 𝟐𝐚 𝟐𝐚
• 𝚫𝟑 = 𝟐𝐛 𝐛−𝐜−𝐚 𝟐𝐛
𝟐𝐜 𝟐𝐜 𝐜−𝐚−𝐛
𝐂𝟐 − 𝐂𝟏 𝐂𝟑 − 𝐂𝟐
↓ ↓
𝐂𝟐 𝐂𝟑
𝚫𝟑 =
𝐚−𝐛−𝐜 𝟐𝐚 − 𝐚 − 𝐛 − 𝐜 𝟎
𝟐𝐛 𝐛 − 𝐜 − 𝐚 − 𝟐𝐛 𝟐𝐛 − 𝐛 − 𝐜 − 𝐚
𝟐𝐜 𝟎 𝐜 − 𝐚 − 𝐛 − 𝟐𝐜
𝐚−𝐛−𝐜 𝐚+𝐛+𝐜 𝟎 𝐚−𝐛−𝐜 𝟏 𝟎

𝟐
𝚫𝟑 = 𝟐𝐛 − 𝐚+𝐛+𝐜 𝐚+𝐛+𝐜 = 𝐚+𝐛+𝐜 𝟐𝐛 −𝟏 𝟏
𝟐𝐜 𝟎 − 𝐚+𝐛+𝐜 𝟐𝐜 𝟎 −𝟏
𝐚−𝐛−𝐜 𝟏 𝟎
𝟐
𝚫𝟑 = 𝐚 + 𝐛 + 𝐜 𝟐 𝐛+𝐜 −𝟏 𝟎 𝐋𝟐 ← 𝐋𝟐 + 𝐋 𝟑
𝟐𝐜 𝟎 −𝟏
ème
𝐚−𝐛−𝐜 𝟏 𝟎 𝐚−𝐛−𝐜 𝟏
𝚫𝟑 = 𝐚 + 𝐛 + 𝐜 𝟐 𝟐 𝐛 + 𝐜 −𝟏 𝟎 = 𝐚+𝐛+𝐜 𝟐
× + −𝟏
𝟐 𝐛+𝐜 −𝟏
𝟐𝐜 𝟎 −𝟏
𝟐 𝟐
𝚫𝟑 = − 𝐚 + 𝐛 + 𝐜 − 𝐚−𝐛−𝐜 −𝟐 𝐛+𝐜 =− 𝐚+𝐛+𝐜 −𝐚 + 𝐛 + 𝐜 − 𝟐𝐛 − 𝟐𝐜
𝟐
𝚫𝟑 = − 𝐚 + 𝐛 + 𝐜 − 𝐚+𝐛+𝐜
𝐃′ 𝐨ù 𝚫𝟑 = 𝐚 + 𝐛 + 𝐜 𝟑
Rappel de cours
Rang d'une matrice

𝓗– 𝟏 • 𝑳𝒆 𝒓𝒂𝒏𝒈 𝒅′ 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒑 𝒆𝒔𝒕: 𝒍𝒆 𝒏𝒐𝒎𝒃𝒓𝒆 𝒎𝒂𝒙𝒊𝒎𝒂𝒍 𝒅𝒆 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔
𝒍𝒊𝒈𝒏𝒆𝒔 𝒐𝒖 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆𝒎𝒆𝒏𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒔

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒑
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒑
𝓗– 𝟐 • 𝑺𝒐𝒊𝒕 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 = ⋮ ⋮ ⋮ ⋮ 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒑 .
𝟏≤𝒋≤𝒑
𝑳𝟏
𝑳𝟐
𝑶𝒏 𝒑𝒆𝒖𝒕 𝒅é𝒄𝒐𝒎𝒑𝒐𝒔𝒆𝒓 𝑨 𝒆𝒏 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 ∶ 𝑨 = 𝑪𝟏 𝑪𝟐 ⋯ 𝑪𝒑 𝒐𝒖 𝒆𝒏 𝒍𝒊𝒈𝒏𝒆𝒔 𝑨 = .
⋮
𝑳𝒏
𝑺𝒐𝒊𝒕 𝓛 𝑨 𝒍𝒆 𝒔. 𝒆. 𝒗 𝒆𝒏𝒈𝒆𝒏𝒅𝒓é 𝒑𝒂𝒓 𝒍𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒅𝒆 𝑨
𝒆𝒕 𝓒 𝑨 𝒍𝒆 𝒔. 𝒆. 𝒗 𝒆𝒏𝒈𝒆𝒏𝒅𝒓é 𝒑𝒂𝒓 𝒍𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒅𝒆 𝑨
𝒓𝒈 𝑨 = 𝒅𝒊𝒎 𝓛 𝑨 = 𝒅𝒊𝒎 𝓒 𝑨
𝓗– 𝟑 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑩 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 é𝒄𝒉𝒆𝒍𝒐𝒏𝒏é𝒆 𝒆𝒏 𝒍𝒊𝒈𝒏𝒆𝒔 𝒔𝒊 ∶
① 𝒄𝒉𝒂𝒒𝒖𝒆 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐𝒏 𝒏𝒖𝒍𝒍𝒆 𝒅𝒆 𝑩 𝒄𝒐𝒎𝒎𝒆𝒏𝒄𝒆 𝒂𝒗𝒆𝒄 𝒔𝒕𝒓𝒊𝒄𝒕𝒆𝒎𝒆𝒏𝒕 𝒑𝒍𝒖𝒔 𝒅𝒆 𝟎 𝒒𝒖𝒆 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆
𝒑𝒓é𝒄é𝒅𝒆𝒏𝒕𝒆
② 𝒍𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒏𝒖𝒍𝒍𝒆𝒔 𝒏𝒆 𝒄𝒐𝒏𝒕𝒆𝒏𝒂𝒏𝒕 𝒒𝒖𝒆 𝒅𝒆𝒔 𝟎 𝒅𝒆 𝑩 𝒗𝒊𝒆𝒏𝒏𝒆𝒏𝒕 𝒆𝒏 𝒃𝒂𝒔 𝒂𝒑𝒓è𝒔 𝒍𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔
𝒏𝒐𝒏 𝒏𝒖𝒍𝒍𝒆𝒔.
ème
 𝑳𝒆 𝒓𝒂𝒏𝒈 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒆𝒔𝒕 𝒍𝒆 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒍𝒊𝒈𝒏𝒆𝒔 𝒏𝒐𝒏 𝒏𝒖𝒍𝒍𝒆𝒔 𝒅𝒂𝒏𝒔 𝒔𝒂 𝒇𝒐𝒓𝒎𝒆
é𝒄𝒉𝒆𝒍𝒐𝒏𝒏é𝒆 𝒆𝒏 𝒍𝒊𝒈𝒏𝒆𝒔. 𝑶𝒏 𝒍𝒆 𝒏𝒐𝒕𝒆 𝒓𝒈 𝑨.
𝓗– 𝟒 • 𝒓𝒈 𝑨′ = 𝒓𝒈 𝑨 = 𝒓𝒈 𝑨′ 𝑨 = 𝒓𝒈 𝑨𝑨′
𝓗– 𝟓 • 𝒓𝒈(𝑩𝑨) ≤ 𝒎𝒊𝒏(𝒓𝒈(𝑩), 𝒓𝒈(𝑨))
𝓗– 𝟔 • 𝒓𝒈 𝑨 + 𝑩 ≤ 𝒓𝒈 𝑨 + 𝒓𝒈 𝑩
𝓗– 𝟕 • 𝑺𝒐𝒊𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒑 . 𝒓𝒈 𝑨 ≤ 𝒎𝒊𝒏(𝒏, 𝒑)
𝓗– 𝟖 • 𝑳𝒆 𝒓𝒂𝒏𝒈 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒆 𝒄𝒉𝒂𝒏𝒈𝒆 𝒑𝒂𝒔 ∶
① 𝒒𝒖𝒂𝒏𝒅 𝒐𝒏 𝒄𝒉𝒂𝒏𝒈𝒆 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔
② 𝒒𝒖𝒂𝒏𝒅 𝒐𝒏 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒆 𝒐𝒖 𝒅𝒊𝒗𝒊𝒔𝒆 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒑𝒂𝒓 𝒖𝒏 𝒏𝒐𝒎𝒃𝒓𝒆 𝒏𝒐𝒏 𝒏𝒖𝒍
③ 𝒒𝒖𝒂𝒏𝒅 𝒐𝒏 𝒂𝒋𝒐𝒖𝒕𝒆 𝒐𝒖 𝒓𝒆𝒕𝒓𝒂𝒏𝒄𝒉𝒆 à 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒖𝒏𝒆 𝒄𝒐𝒎𝒃𝒊𝒏𝒂𝒊𝒔𝒐𝒏
𝒍𝒊𝒏é𝒂𝒊𝒓𝒆 𝒅𝒆𝒔 𝒂𝒖𝒕𝒓𝒆𝒔
④𝒒𝒖𝒂𝒏𝒅 𝒐𝒏 𝒂𝒋𝒐𝒖𝒕𝒆 𝒐𝒖 𝒓𝒆𝒕𝒓𝒂𝒏𝒄𝒉𝒆 à 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒖𝒏𝒆 𝒏𝒐𝒖𝒗𝒆𝒍𝒍𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝒒𝒖𝒊 𝒆𝒔𝒕 𝒄𝒐𝒎𝒃𝒊𝒏𝒂𝒊𝒔𝒐𝒏 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆 𝒅𝒆𝒔 𝒂𝒏𝒕𝒓𝒆𝒔.
⑤𝒒𝒖𝒂𝒏𝒅 𝒐𝒏 𝒂𝒋𝒐𝒖𝒕𝒆 𝒐𝒖 𝒓𝒆𝒕𝒓𝒂𝒏𝒄𝒉𝒆 à 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒖𝒏𝒆 𝒏𝒐𝒖𝒗𝒆𝒍𝒍𝒆 𝒍𝒊𝒈𝒏𝒆 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆
𝓗– 𝟗 • 𝑺𝒐𝒊𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒑 , 𝑩 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒑, 𝒑
𝒆𝒕 𝑪 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒏 . 𝑨𝒍𝒐𝒓𝒔 ∶
𝒓𝒈 𝑨𝑩 = 𝒓𝒈 𝑨 𝒆𝒕 𝒓𝒈 𝑪𝑨 = 𝒓𝒈 𝑨
𝓗– 𝟏𝟎 • 𝑺𝒐𝒊𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒑 , 𝒐𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒐𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 é𝒍é𝒎𝒆𝒏𝒓𝒂𝒊𝒓𝒆𝒔 𝒔𝒖𝒓 𝑨 𝒍𝒆𝒔
𝒐𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 𝒔𝒖𝒊𝒗𝒂𝒏𝒕𝒆𝒔 ∶
① 𝑷𝒆𝒓𝒎𝒖𝒕𝒆𝒓 𝒅𝒆𝒖𝒙 𝒍𝒊𝒈𝒏𝒆𝒔 𝒅𝒆 𝑨 𝒐𝒖 𝒅𝒆𝒖𝒙 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 , 𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏 ∶
𝑳𝒊 ↔ 𝑳𝒋 (𝒓𝒆𝒔𝒑. 𝑪𝒊 ↔ 𝑪𝒋 )
② 𝑴𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒆𝒓 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒐𝒖 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒑𝒂𝒓 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝒏𝒐𝒏 𝒏𝒖𝒍, 𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏 ∶
𝑳𝒊 ← 𝝀𝑳𝒋 (𝒓𝒆𝒔𝒑. 𝑪𝒊 ← 𝝀𝑪𝒋 )
③ 𝑨𝒋𝒐𝒖𝒕𝒆𝒓 𝒂 𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒐𝒖 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒖𝒏 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒆 𝒅’𝒖𝒏𝒆 𝒂𝒖𝒕𝒓𝒆 𝒍𝒊𝒈𝒏𝒆 𝒐𝒖 𝒖𝒏𝒆
𝒄𝒐𝒎𝒃𝒊𝒏𝒂𝒊𝒔𝒐𝒏 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆 (𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒂𝒖𝒕𝒓𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆), 𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏 ∶
𝑳𝒊 ← 𝑳𝒊 + 𝝀𝒋 𝑳𝒋 (𝒓𝒆𝒔𝒑. 𝑪𝒊 ← 𝑪𝒊 + 𝝀𝒋 𝑪𝒋 )
𝑳𝒆𝒔 𝒐𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆𝒔 𝒄𝒐𝒏𝒔𝒆𝒓𝒗𝒆𝒏𝒕 𝒍𝒆 𝒓𝒂𝒏𝒈 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆.
ème
𝑳𝒂 𝒔𝒖𝒑𝒑𝒓𝒆𝒔𝒔𝒊𝒐𝒏 𝒅’𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒏𝒖𝒍𝒍𝒆 𝒐𝒖 𝒅’𝒖𝒏𝒆 𝒍𝒊𝒈𝒏𝒆 𝒏𝒖𝒍𝒍𝒆 𝒑𝒓é𝒔𝒆𝒓𝒗𝒆 𝒍𝒆 𝒓𝒂𝒏𝒈.
𝓗– 𝟏𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏, 𝒏 . 𝒅𝒆𝒕 𝑨 ≠ 𝟎 ⇔ 𝒓𝒈 𝑨 = 𝒏
𝓗– 𝟏𝟐 • 𝒓𝒈 𝟎𝒏×𝒑 = 𝟎
Exercice 6 :
Énoncé
Déterminer les rangs des matrices suivantes :
𝟏 𝟏 𝟐 𝟎
𝟐 −𝟏 𝟒 −𝟒 −𝟐 −𝟓 𝟎
𝟏 −𝟏 𝟎 −𝟐
𝑨= 𝟑 𝟐 −𝟑 𝟏𝟕 , 𝑩 = 𝒆𝒕 𝑪 = 𝟒 𝟕 𝟏
𝟎 𝟏 𝟏 𝟏
𝟓 −𝟑 𝟖 −𝟏𝟎 𝟏 𝟓 −𝟏
𝟏 𝟎 𝟏 −𝟏
Corrigé
𝐂𝟏 + 𝟐𝐂𝟐 𝟒𝐂𝟐 + 𝐂𝟑 𝐂𝟑 + 𝐂𝟒
↓ ↓ ↓
𝟐 −𝟏 𝟒 −𝟒
𝐂𝟏 𝐂𝟐 𝐂𝟑
• 𝒓𝒈 𝑨 = 𝒓𝒈 𝟑 𝟐 −𝟑 𝟏𝟕 = 𝒓𝒈
𝟎 𝟎 𝟎 −𝟒
𝟓 −𝟑 𝟖 −𝟏𝟎
𝟕 𝟓 𝟏𝟒 𝟏𝟕
−𝟏 −𝟒 −𝟐 −𝟏𝟎
𝟐𝐂𝟏′ − 𝐂𝟑′ 𝟏𝟒𝐂𝟐′ − 𝟓𝐂𝟑′
↓ ↓
𝒓𝒈 𝑨 = 𝒓𝒈 𝐂𝟏′ 𝐂𝟐′
𝟎 𝟎 𝟎 −𝟒
𝟎 𝟎 𝟏𝟒 𝟏𝟕
𝟎 −𝟒𝟔 −𝟐 𝟏𝟎
𝟎 𝟎 −𝟒 𝟎 𝟎 −𝟒
𝒓𝒈 𝑨 = 𝒓𝒈 𝟎 𝟏𝟒 𝟏𝟕 = 𝟑 , 𝒄𝒂𝒓 𝟎 𝟏𝟒 𝟏𝟕 ≠ 𝟎
−𝟒𝟔 −𝟐 𝟏𝟎 −𝟒𝟔 −𝟐 𝟏𝟎
𝑫′ 𝒐ù 𝒓𝒈 𝑨 = 𝟑
𝐂𝟐 − 𝐂𝟏 𝐂𝟑 − 𝟐𝐂𝟐
↓ ↓
𝟏 𝟏 𝟐 𝟎
𝐂𝟐 𝐂𝟑
𝟏 −𝟏 𝟎 −𝟐
• 𝒓𝒈 𝑩 = 𝒓𝒈 = 𝒓𝒈 𝟏 𝟎 𝟎 𝟎
𝟎 𝟏 𝟏 𝟏
𝟏 −𝟐 𝟐 −𝟐
𝟏 𝟎 𝟏 −𝟏
𝟎 𝟏 −𝟏 𝟏
𝟏 −𝟏 𝟏 −𝟏
ème
𝐂𝟐′ + 𝐂𝟑′ 𝐂𝟑′ + 𝐂𝟒
↓ ↓
′ 𝟏 𝟎
𝐂𝟐 𝐂𝟑′
𝟏 −𝟐
𝒓𝒈 𝑩 = 𝒓𝒈 𝟏 𝟎 𝟎 𝟎 = 𝒓𝒈 =𝟐
𝟎 𝟏
𝟏 𝟎 𝟎 −𝟐 𝟏 −𝟏
𝟎 𝟎 𝟎 𝟏
𝟏 𝟎 𝟎 −𝟏
𝟏 𝟎
𝟏 −𝟐
, 𝒄𝒂𝒓 𝒆𝒕 𝒔𝒐𝒏𝒕 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆𝒎𝒆𝒏𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆𝒔
𝟎 𝟏
𝟏 −𝟏
𝑫′ 𝒐ù 𝒓𝒈 𝑩 = 𝟐
−𝟐 −𝟓 𝟎 −𝟐 −𝟓 𝟎
• 𝒅𝒆𝒕 𝑪 = 𝟒 𝟕 𝟏 = 𝟓 𝟏𝟐 𝟎 𝐋𝟐 ← 𝐋𝟐 + 𝐋𝟑
𝟏 𝟓 −𝟏 𝟏 𝟓 −𝟏
−𝟐 −𝟓
𝒅𝒆𝒕 𝑪 = + −𝟏 = − −𝟐𝟒 + 𝟐𝟓 = −𝟏
𝟓 𝟏𝟐
𝑫′ 𝒐ù 𝒓𝒈 𝑪 = 𝟑
Rappel de cours
Diagonalisation
𝓘– 𝟏 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒔𝒆𝒎𝒃𝒍𝒂𝒃𝒍𝒆 à 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝚫 𝒔𝒊 𝑨 𝒔′ é𝒄𝒓𝒊𝒕 ∶
𝑨 = 𝑷𝜟𝑷−𝟏 𝒐𝒖 𝒃𝒊𝒆𝒏 𝑷−𝟏 𝑨𝑷 = 𝜟 , 𝒂𝒗𝒆𝒄 𝑷 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆.
𝓘– 𝟐 • 𝑫𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒆𝒓 𝑨 , 𝒄′ 𝒆𝒔𝒕 𝒕𝒓𝒐𝒖𝒗𝒆𝒓 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝑷 = 𝑽𝟏 ⋯ 𝑽𝒏
𝝀𝟏 ⋯ 𝟎
𝒂𝒗𝒆𝒄 𝑽𝒊 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝟏 𝒆𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝑫 = ⋮ ⋱ ⋮
𝟎 ⋯ 𝝀𝒏
𝒕𝒆𝒍𝒍𝒆𝒔 𝒒𝒖𝒆 𝑨 = 𝑷𝑫𝑷−𝟏 , 𝒐𝒖 𝒃𝒊𝒆𝒏 𝑨𝑷 = 𝑷𝑫
𝝀𝟏 ⋯ 𝟎
𝑷𝑫 = 𝑽𝟏 ⋯ 𝑽𝒏 ⋮ ⋱ ⋮ = 𝝀𝟏 𝑽𝟏 ⋯ 𝝀𝒏 𝑽𝒏 𝒆𝒕 𝑨𝑷 = 𝑨𝑽𝟏 ⋯ 𝑨𝑽𝒏 ,
𝟎 ⋯ 𝝀𝒏
𝑫′ 𝒐ù 𝑨𝑽𝒊 = 𝝀𝒊 𝑽𝒊 𝒐𝒖 𝒆𝒏𝒄𝒐𝒓𝒆 𝑨 − 𝝀𝒊 𝑰𝒏 𝑽𝒊 = 𝟎𝒏×𝟏
ème
𝓘– 𝟑 • 𝑶𝒏 𝒅𝒊𝒕 𝒒𝒖 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝑽 𝒏𝒐𝒏 𝒏𝒖𝒍 𝒆𝒔𝒕 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒆 𝑨 𝒔′ 𝒊𝒍 𝒆𝒙𝒊𝒔𝒕𝒆 𝝀 ∈ ℝ
′
𝒕𝒆𝒍𝒍𝒆 𝒒𝒖𝒆: 𝑨𝑽 = 𝝀𝑽 𝒐𝒖 𝒆𝒏𝒄𝒐𝒓𝒆 𝑨 − 𝝀𝑰𝒏 𝑽 = 𝟎𝒏×𝟏 .
𝑶𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝝀 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒆 𝑨 𝒂𝒔𝒔𝒐𝒄𝒊é𝒆 à 𝑽
𝓘– 𝟒 • 𝑻𝒉é𝒐𝒓è𝒎𝒆 𝒅𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝑳𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝝀𝒊 𝒅′ 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝑨
𝒔𝒐𝒏𝒕 𝒍𝒆𝒔 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏𝒔 𝒅𝒆 𝒍′ é𝒒𝒖𝒂𝒕𝒊𝒐𝒏 𝒅𝒆𝒕 𝑨 − 𝝀𝑰𝒏 = 𝟎
𝒅𝒆𝒕 𝑨 − 𝝀𝑰𝒏 é𝒕𝒂𝒏𝒕 𝒍𝒆 𝒑𝒐𝒍𝒚𝒏𝒐𝒎𝒆 𝒄𝒂𝒓𝒂𝒄𝒕é𝒓𝒊𝒔𝒕𝒊𝒒𝒖𝒆 𝒅𝒆 𝑨. 𝑶𝒏 𝒏𝒐𝒕𝒆 𝑷𝑨 𝝀 = 𝒅𝒆𝒕 𝑨 − 𝝀𝑰𝒏
𝓘– 𝟓 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆 𝒔𝒊 𝒆𝒕 𝒔𝒆𝒖𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊 𝒆𝒍𝒍𝒆 𝒑𝒐𝒔𝒔è𝒅𝒆 𝒖𝒏𝒆 𝒇𝒂𝒎𝒊𝒍𝒍𝒆
𝒅𝒆 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒇𝒐𝒓𝒎𝒂𝒏𝒕 𝒖𝒏𝒆 𝒃𝒂𝒔𝒆.

𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆. (𝒔𝒊𝒏𝒐𝒏, 𝑨 𝒑𝒆𝒖𝒕 ê𝒕𝒓𝒆 𝒐𝒖 𝒏𝒆 𝒑𝒂𝒔 ê𝒕𝒓𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆).
𝓘– 𝟕 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒓é𝒆𝒍𝒍𝒆 𝒆𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒕𝒐𝒖𝒕𝒆𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔
𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒓é𝒆𝒍𝒍𝒆𝒔 𝒆𝒕 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆. 𝑨 = 𝑪𝑫𝑪−𝟏 , 𝒐ù 𝑪 = 𝑽𝟏 ⋯ 𝑽𝒏 𝒍𝒆𝒔 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔
𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕𝒆𝒔 𝒂𝒖𝒙 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝝀𝟏 , … , 𝝀𝒏 , 𝒅𝒊𝒔𝒕𝒊𝒏𝒄𝒕𝒆𝒔 𝒐𝒖 𝒄𝒐𝒏𝒇𝒐𝒏𝒅𝒖𝒆𝒔.
𝑳𝒆𝒔 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅′ 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒔𝒐𝒏𝒕 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒖𝒙,
𝒄𝒆 𝒒𝒖𝒊 𝒆𝒏𝒕𝒓𝒂î𝒏𝒆 ∶ ∀𝒊 ≠ 𝒋 , 𝑽′𝒊 𝑽𝒋 = 𝟎
𝒑𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒐𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 𝑪′ 𝑪 = 𝑰𝒏 𝒐𝒖 𝒆𝒏𝒄𝒐𝒓𝒆 𝑪′ = 𝑪−𝟏 , 𝒅𝒐𝒏𝒄 𝑪 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒍𝒆
𝒏
𝒆𝒕 𝑨 = 𝑪𝑫𝑪 =′
𝝀𝒊 𝑽𝒊 𝑽′𝒊 𝒄𝒆𝒕𝒕𝒆 𝒆𝒙𝒑𝒓𝒆𝒔𝒔𝒊𝒐𝒏 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝑫é𝒄𝒐𝒎𝒑𝒐𝒔𝒊𝒕𝒊𝒐𝒏 𝒔𝒑𝒆𝒄𝒕𝒓𝒂𝒍𝒆 𝒅𝒆 𝑨.
𝒊=𝟏
𝑶𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 𝒂𝒖𝒔𝒔𝒊 ∶ 𝑨𝒏 = 𝑪𝑫𝒏 𝑪′ 𝒆𝒕 𝑨−𝟏 = 𝑪𝑫−𝟏 𝑪′ 𝒑𝒐𝒖𝒓 𝑨 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆
𝒕𝒓 𝑨 = 𝝀𝒊
𝒊=𝟏
𝓘– 𝟖 • 𝒆𝒕
𝒏
𝒅𝒆𝒕 𝑨 = 𝝀𝒊
𝒊=𝟏
𝓘– 𝟗 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆. 𝑨𝒍𝒐𝒓𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒍𝒆𝒔
é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒆 𝒍𝒂 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒅𝒆 𝑨.
𝓘– 𝟏𝟎 • 𝑺𝒊 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆, 𝝀𝒊 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑴 ⇒ 𝝀𝒊 ∈ 𝟎, 𝟏
𝓘– 𝟏𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆, 𝒆𝒕 𝒔𝒐𝒊𝒕 𝒓 𝒖𝒏 𝒆𝒏𝒕𝒊𝒆𝒓. 𝑺𝒊 𝝀 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒆 𝑨, 𝒆𝒕
𝑽 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕, 𝒂𝒍𝒐𝒓𝒔 𝝀𝒓 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒆 𝑨𝒓 𝒆𝒕 𝑽 𝒓𝒆𝒔𝒕𝒆 𝒍𝒆
ème
𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕 à 𝝀𝒓
𝓘– 𝟏𝟐 • 𝑺𝒐𝒊𝒕 𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 .

𝟏≤𝒋≤𝒏
𝒃𝟎 = −𝟏 𝒏 𝒅𝒆𝒕 𝑨
𝑺𝒊 𝑷𝑨 𝝀 = 𝝀𝒏 + 𝒃𝒏−𝟏 𝝀𝒏−𝟏 + ⋯ + 𝒃𝟏 𝝀 + 𝒃𝟎 𝒂𝒍𝒐𝒓𝒔 𝒆𝒕
𝒃𝒏−𝟏 = −𝒕𝒓 𝑨
𝓘– 𝟏𝟑 • 𝑺𝒐𝒊𝒕 𝝀𝟏 𝒆𝒕 𝝀𝟐 𝒅𝒆𝒖𝒙 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒄𝒕𝒆𝒔 𝒅′ 𝒖𝒏𝒆𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝒓é𝒆𝒍𝒍𝒆. 𝑨𝒍𝒐𝒓𝒔 𝒍𝒆𝒔 𝒔𝒐𝒖𝒔– 𝒆𝒔𝒑𝒂𝒔𝒆𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝑬𝝀𝟏 𝒆𝒕 𝑬𝝀𝟐 𝒂𝒔𝒔𝒐𝒄𝒊é𝒔 𝒔𝒐𝒏𝒕 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒖𝒙
𝓘– 𝟏𝟒 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝑨𝒏 𝒍′ 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 ∶ 𝑨 = 𝑷𝑫𝑷−𝟏 ⇒ 𝑨𝒏 = 𝑷𝑫𝒏 𝑷−𝟏
𝓘– 𝟏𝟓 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆. 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝑨−𝟏 𝒍′ 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 ∶
𝑨 = 𝑷𝑫𝑷−𝟏 ⇒ 𝑨−𝟏 = 𝑷𝑫−𝟏 𝑷−𝟏
Exercice 7 :
Énoncé
𝟎 𝟑 𝟐
Soit la matrice 𝑨 = −𝟐 𝟕 𝟒
𝟑 −𝟗 −𝟓
1) Montrer que le polynôme caractéristique de 𝑨 est 𝑷𝑨 𝝀 = −𝝀 𝟏 − 𝝀 𝟐

2) Déterminer les valeurs propres et les sous-espaces propres de 𝑨
3) Montrer que 𝑨 s’écrit sous la forme = 𝑷𝑫𝑷−𝟏 , 𝑫 étant matrice diagonale.
Calculer 𝑷−𝟏
4) Déduire que 𝑩 = 𝑨′ + 𝟐𝑰𝟑 est diagonalisable
5) Préciser les valeurs propres et les sous-espaces propres de 𝑩
Corrigé
−𝝀 𝟑 𝟐 𝟏−𝝀 𝟏−𝝀 𝟏 − 𝝀 𝐋 𝟏 ← 𝐋𝟏 + 𝐋𝟐 + 𝐋𝟑
1) 𝑷𝑨 𝝀 = 𝑨 − 𝝀𝑰𝟑 = −𝟐 𝟕 − 𝝀 𝟒 = −𝟐 𝟕−𝝀 𝟒
𝟑 −𝟗 −𝟓 − 𝝀 𝟑 −𝟗 −𝟓 − 𝝀
𝐂𝟏 + 𝟐𝐂𝟐 − 𝟑𝐂𝟑
↓
𝟏 𝟏 𝟏
𝐂𝟏
𝑷𝑨 𝝀 = 𝟏 − 𝝀 −𝟐 𝟕−𝝀 𝟒 = 𝟏−𝝀
𝟎 𝟏 𝟏
𝟑 −𝟗 −𝟓 − 𝝀
−𝟐𝝀 𝟕−𝝀 𝟒
𝟑𝝀 −𝟗 −𝟓 − 𝝀
ème
𝟎 𝟏 𝟏
𝟎 𝟏 𝟏 𝟐 𝟐
𝑷𝑨 𝝀 = 𝝀 𝟏 − 𝝀 −𝟐 𝟕 − 𝝀 𝟒 =𝝀 𝟏−𝝀 𝟎 𝟏−𝝀 𝟏 − 𝝀 𝐋𝟐 ← 𝐋𝟐 + 𝐋𝟑
𝟑 −𝟗 −𝟓 − 𝝀 𝟑 𝟑
𝟑 −𝟗 −𝟓 − 𝝀
𝟎 𝟏 𝟏
𝟐 𝟏 𝟏
𝑷𝑨 𝝀 = 𝝀 𝟏 − 𝝀 𝟐
𝟎 𝟏 =𝝀 𝟏−𝝀 𝟐
× +𝟑 𝟐
𝟑 𝟏
𝟑
𝟑 −𝟗 −𝟓 − 𝝀 𝟏
−
𝟑
𝑫′ 𝒐ù 𝑷𝑨 𝝀 = −𝝀 𝟏 − 𝝀 𝟐
2)
𝝀𝟏 = 𝟎 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒔𝒊𝒎𝒑𝒍𝒆
𝝀𝟐 = 𝟏 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆
 Soit 𝑬𝟏 le s.e.v propre associé à la valeur propre simple 𝝀𝟏 = 𝟎
𝑬𝟏 = 𝑽 ∈ ℝ𝟑 𝑨 − 𝟎. 𝑰𝟑 𝑽 = 𝟎𝟑×𝟏
𝒙
𝑽 = 𝒚 ∈ 𝑬𝟏 ⇔ 𝑨𝑽 = 𝟎𝟑×𝟏
𝒛
𝟎 𝟑 𝟐 𝒙 𝟎
⇔ −𝟐 𝟕 𝟒 𝒚 = 𝟎
𝟑 −𝟗 −𝟓 𝒛 𝟎
𝟎 𝟑 𝟐 𝒙 𝟎
⇔ 𝟎 𝟑 𝟐 𝒚 = 𝟎 𝐋𝟐 ← 𝟑𝐋𝟐 + 𝟐𝐋𝟑
𝟑 −𝟗 −𝟓 𝒛 𝟎
𝟎 𝟎 𝟎 𝒙 𝟎 𝐋𝟏 ← 𝐋𝟏 − 𝐋′𝟐
⇔ 𝟎 𝟑 𝟐 𝒚 = 𝟎
𝟑 −𝟗 −𝟓 𝒛 𝟎
𝒚∈ℝ
𝟑
⇔ 𝒛=− 𝒚
𝟐
𝟑𝒙 − 𝟗𝒚 − 𝟓𝒛 = 𝟎
ème
𝒚∈ℝ
𝟑
𝒛=− 𝒚
⇔ 𝟐
𝟏𝟓
𝟑𝒙 − 𝟗𝒚 + 𝒚=𝟎
𝟐
𝒚∈ℝ
𝟑
𝒛=− 𝒚
⇔ 𝟐
𝟑
𝟑𝒙 = 𝒚
𝟐
𝒚∈ℝ
𝟑
𝒛=− 𝒚
⇔ 𝟐
𝟏
𝒙= 𝒚
𝟐
𝟏
𝒚
𝟐 𝟏 𝟏
𝑽 ∈ 𝑬𝟏 ⇔ 𝑽 = 𝒚 = 𝒚 𝟐 ⇒ 𝑽𝟏 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒇𝒂𝒎𝒊𝒍𝒍𝒆 𝒈é𝒏é𝒓𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝑬𝟏
𝟑 𝟐
−𝟑
− 𝒚
𝟐 𝑽𝟏
𝑶𝒓 𝑽𝟏 ≠ 𝟎𝟑×𝟏 ⇒ 𝑽𝟏 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒇𝒂𝒎𝒊𝒍𝒍𝒆 𝒍𝒊𝒃𝒓𝒆
𝑨𝒊𝒏𝒔𝒊 𝑽𝟏 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒃𝒂𝒔𝒆 𝒅𝒆 𝑬𝟏
𝒆𝒕 𝒅𝒊𝒎 𝑬𝟏 = 𝟏 = 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒊𝒕é 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒔𝒊𝒎𝒑𝒍𝒆 𝝀𝟏 = 𝟎
 Soit 𝑬𝟐 le s.e.v propre associé à la valeur propre double 𝝀𝟐 = 𝟏
𝑬𝟐 = 𝑽 ∈ ℝ𝟑 𝑨 − 𝟏 × 𝑰𝟑 𝑽 = 𝟎𝟑×𝟏
𝒙
𝑽 = 𝒚 ∈ 𝑬𝟐 ⇔ 𝑨 − 𝑰𝟑 𝑽 = 𝟎𝟑×𝟏
𝒛
−𝟏 𝟑 𝟐 𝒙 𝟎
⇔ −𝟐 𝟔 𝟒 𝒚 = 𝟎
𝟑 −𝟗 −𝟔 𝒛 𝟎
−𝟏 𝟑 𝟐 𝒙 𝟎
⇔ −𝟏 𝟑 𝟐 𝒚 = 𝟎 𝐋𝟐 ← 𝟏 𝟐 𝐋 𝟐
−𝟏 𝟑 𝟐 𝒛 𝟎 𝐋𝟐 ← − 𝟏 𝟑 𝐋𝟑
−𝟏 𝟑 𝟐 𝒙 𝟎
⇔ 𝟎 𝟎 𝟎 𝒚 = 𝟎 𝐋′𝟐 ← 𝐋′𝟐 − 𝐋𝟏
𝟎 𝟎 𝟎 𝒛 𝟎 𝐋′𝟑 ← 𝐋′𝟑 − 𝐋′𝟐
−𝒙 + 𝟑𝒚 + 𝟐𝒛 = 𝟎
⇔ 𝒚∈ℝ
𝒛∈ℝ
ème
𝒙 = 𝟑𝒚 + 𝟐𝒛
⇔ 𝒚∈ℝ
𝒛∈ℝ
𝟑𝒚 + 𝟐𝒛 𝟑𝒚 𝟐𝒛 𝟑 𝟐
𝑽 ∈ 𝑬𝟐 ⇔ 𝑽 = 𝒚 = 𝒚 + 𝟎 = 𝒚 𝟏 + 𝒛 𝟎
𝒛 𝟎 𝒛 𝟎 𝟏
𝑽𝟐 𝑽𝟑
⇒ 𝑽𝟐 , 𝑽𝟑 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒇𝒂𝒎𝒊𝒍𝒍𝒆 𝒈é𝒏é𝒓𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝑬𝟐
𝑶𝒏 𝒗é𝒓𝒊𝒇𝒊𝒆 𝒃𝒊𝒆𝒏 𝒒𝒖𝒆 𝑽𝟐 , 𝑽𝟑 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒇𝒂𝒎𝒊𝒍𝒍𝒆 𝒍𝒊𝒃𝒓𝒆
𝑨𝒊𝒏𝒔𝒊 𝑽𝟐 , 𝑽𝟑 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒃𝒂𝒔𝒆 𝒅𝒆 𝑬𝟐
𝒆𝒕 𝒅𝒊𝒎 𝑬𝟐 = 𝟐 = 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒊𝒕é 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆 𝝀𝟐 = 𝟏
𝟏
𝝀𝟏 = 𝟎 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒔𝒊𝒎𝒑𝒍𝒆 → 𝑽𝟏 = 𝟐 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕
−𝟑
𝑨
𝟑 𝟐
𝝀𝟐 = 𝟏 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆 → 𝑽𝟐 = 𝟏 𝒆𝒕 𝑽𝟑 = 𝟎 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕𝒔
𝟎 𝟏
𝒅𝒊𝒎 𝑬𝟏 = 𝟏 = 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒊𝒕é 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒔𝒊𝒎𝒑𝒍𝒆 𝝀𝟏 = 𝟎

3) 𝒅𝒊𝒎 𝑬𝟐 = 𝟐 = 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒊𝒕é 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆 𝝀𝟐 = 𝟏
𝒅𝒊𝒎 𝑬𝟏 + 𝒅𝒊𝒎 𝑬𝟐 = 𝟑 = 𝒅𝒊𝒎𝒆𝒏𝒔𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨
⇒ 𝑨 𝒆𝒔𝒕 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒊𝒔𝒂𝒃𝒍𝒆
D’où l’existence d’une matrice de passage 𝑷 de la base canonique 𝓑𝒄 = 𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑
𝟏 𝟎 𝟎
𝒐ù 𝒆𝟏 = 𝟎 , 𝒆𝟐 = 𝟏 𝒆𝒕 𝒆𝟑 = 𝟎 à 𝒍𝒂 𝒃𝒂𝒔𝒆 𝒑𝒓𝒐𝒑𝒓𝒆 𝓑𝒑 = 𝑽𝟏 , 𝑽𝟐 , 𝑽𝟑
𝟎 𝟎 𝟏
𝟏 𝟑 𝟐 𝟎 𝟎 𝟎
𝑷= 𝟐 𝟏 𝟎 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆, 𝒆𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝑫 = 𝟎 𝟏 𝟎
−𝟑 𝟎 𝟏 𝟎 𝟎 𝟏
𝒕𝒆𝒍𝒍𝒆𝒔 𝒒𝒖𝒆 𝑨 = 𝑷𝑫𝑷−𝟏
𝟏 𝟑 𝟐 𝟕 𝟑 𝟎 𝐋𝟏 ← 𝐋𝟏 − 𝟐𝐋𝟑
𝑶𝒏 𝒗é𝒓𝒊𝒇𝒊𝒆 𝒃𝒊𝒆𝒏 𝒒𝒖𝒆 𝑷 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 : 𝒅𝒆𝒕 𝑷 = 𝟐 𝟏 𝟎 = 𝟐 𝟏 𝟎
−𝟑 𝟎 𝟏 −𝟑 𝟎 𝟏
ème
𝟕 𝟑 𝟎
𝟕 𝟑
𝒅𝒆𝒕 𝑷 = 𝟐 𝟏 𝟎 = +𝟏 =𝟏≠𝟎
𝟐 𝟏
−𝟑 𝟎 𝟏
𝟏 𝟎 𝟐 𝟎 𝟐 𝟏
+ − +
𝟎 𝟏 −𝟑 𝟏 −𝟑 𝟎 𝟏 −𝟐 𝟑
𝟑 𝟐 𝟏 𝟐 𝟏 𝟑
𝑪𝒐𝒎 𝑷 = − + − = −𝟑 𝟕 −𝟗
𝟎 𝟏 −𝟑 𝟏 −𝟑 𝟎
𝟑 𝟐 𝟏 𝟐 𝟏 𝟑 −𝟐 𝟒 −𝟓
+ − +
𝟏 𝟎 𝟐 𝟎 𝟐 𝟏
𝟏 𝟏 −𝟑 −𝟐
𝑷−𝟏 = 𝑪𝒐𝒎 𝑷 ′
= −𝟐 𝟕 𝟒
𝒅𝒆𝒕 𝑷
𝟑 −𝟗 −𝟓
4) 𝑶𝒏 𝒂 ∶ 𝑩 = 𝑨′ + 𝟐𝑰𝟑 , 𝒐𝒓 𝑨 = 𝑷𝑫𝑷−𝟏 ⇒ 𝑨′ = 𝑷𝑫𝑷−𝟏 ′

= 𝑷−𝟏 ′ 𝑫′ 𝑷′ = 𝑷′ −𝟏
𝑫𝑷′
𝟏 −𝟐 𝟑 𝟏 𝟐 −𝟑
′ −𝟏 −𝟏 ′
𝑺𝒐𝒊𝒕 𝑸 = 𝑷 = −𝟑 𝟕 −𝟗 ⇒ 𝑸 = 𝑷 = 𝟑 𝟏 𝟎
−𝟐 𝟒 −𝟓 𝟐 𝟎 𝟏
𝑨′ = 𝑸𝑫𝑸−𝟏
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 ⇒ 𝑩 = 𝑨′ + 𝟐𝑰𝟑 = 𝑸𝑫𝑸−𝟏 + 𝑸 𝟐𝑰𝟑 𝑸−𝟏
𝟐𝑰𝟑 = 𝑸 𝟐𝑰𝟑 𝑸−𝟏
⇒ 𝑩 = 𝑸 𝑫𝑸−𝟏 + 𝟐𝑰𝟑 𝑸−𝟏
⇒ 𝑩 = 𝑸 𝑫 + 𝟐𝑰𝟑 𝑸−𝟏
⇒ 𝑩 = 𝑸 𝑫 + 𝟐𝑰𝟑 𝑸−𝟏
𝚫
𝑩 = 𝑸𝚫𝑸−𝟏 ; 𝑸 é𝒕𝒂𝒏𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆
𝟎 𝟎 𝟎 𝟐 𝟎 𝟎 𝟐 𝟎 𝟎
𝒆𝒕 𝚫 = 𝑫 + 𝟐𝑰𝟑 = 𝟎 𝟏 𝟎 + 𝟎 𝟐 𝟎 = 𝟎 𝟑 𝟎 , 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆
𝟎 𝟎 𝟏 𝟎 𝟎 𝟐 𝟎 𝟎 𝟑
D’où 𝑩 est diagonalisable.
𝟏 −𝟐 𝟑
𝑺𝒐𝒊𝒆𝒏𝒕 𝑼𝟏 = −𝟑 , 𝑼𝟐 = 𝟕 𝒆𝒕 𝑼𝟑 = −𝟗
−𝟐 𝟒 −𝟓
𝟎 −𝟐 𝟑 𝟐 𝟎 𝟎 𝟐 −𝟐 𝟑
′ ′
𝑫 𝒂𝒖𝒕𝒓𝒆 𝒑𝒂𝒓𝒕 𝑩 = 𝑨 + 𝟐𝑰𝟑 = 𝟑 𝟕 −𝟗 + 𝟎 𝟐 𝟎 = 𝟑 𝟗 −𝟗
𝟐 𝟒 −𝟓 𝟎 𝟎 𝟐 𝟐 𝟒 −𝟑
𝑶𝒏 𝒂 ∶
𝟐 −𝟐 𝟑 𝟏 𝟐 𝟏
• 𝑩𝑼𝟏 = 𝟑 𝟗 −𝟗 −𝟑 = −𝟔 = 𝟐 −𝟑 ⇒ 𝑩𝑼𝟏 = 𝝀′𝟏 𝑼𝟏 , 𝒐ù 𝝀′𝟏 = 𝟐
𝟐 𝟒 −𝟑 −𝟐 −𝟒 −𝟐
ème
𝟐 −𝟐 𝟑 −𝟐 −𝟔 −𝟐
• 𝑩𝑼𝟐 = 𝟑 𝟗 −𝟗 𝟕 = 𝟐𝟏 = 𝟑 𝟕 ⇒ 𝑩𝑼𝟐 = 𝝀′𝟐 𝑼𝟐 , 𝒐ù 𝝀′𝟐 = 𝟑
𝟐 𝟒 −𝟑 𝟒 𝟏𝟐 𝟒
𝟐 −𝟐 𝟑 𝟑 𝟗 𝟑
• 𝑩𝑼𝟑 = 𝟑 𝟗 −𝟗 −𝟗 = −𝟐𝟕 = 𝟑 −𝟗 ⇒ 𝑩𝑼𝟑 = 𝝀′𝟐 𝑼𝟑 , 𝒐ù 𝝀′𝟐 = 𝟑
𝟐 𝟒 −𝟑 −𝟓 −𝟏𝟓 −𝟓
𝟏
𝝀′𝟏 = 𝟐 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒔𝒊𝒎𝒑𝒍𝒆 → 𝑼𝟏 = −𝟑 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕
−𝟐
𝑩
−𝟐 𝟑
𝝀′𝟐 = 𝟑 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆 → 𝑼𝟐 = 𝟕 𝒆𝒕 𝑼𝟑 = −𝟗 𝒗𝒆𝒄𝒕𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏𝒅𝒂𝒏𝒕𝒔
𝟒 −𝟓
Rappel de cours
Sommes des valeurs

𝟏 𝒙𝟏 𝒚𝟏
𝓙– 𝟏 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝒆 = ⋮ 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅𝒆 𝟏 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝟏 , 𝑼 = ⋮ 𝒆𝒕 𝑽 = ⋮ . 𝑶𝒏 𝒂 ∶
𝟏 𝒙𝒏 𝒚𝒏
𝒏 𝒏
′ ′
𝟏 𝟏 ′ 𝟏
𝒆𝑼=𝑼𝒆= 𝒙𝒊 ⇒ 𝒙 = 𝒙𝒊 = 𝒆 𝑼 = 𝑼′ 𝒆 ⇒ 𝒆′ 𝑼 = 𝑼′ 𝒆 = 𝒏𝒙
𝒏 𝒏 𝒏
𝒊=𝟏 𝒊=𝟏
𝒏
′
𝓙– 𝟐 • 𝑼 𝑼 = 𝒙𝟐𝒊
𝒊=𝟏
𝓙– 𝟑 • 𝑼′ 𝑽 = 𝑽′ 𝑼 = 𝒙 𝒊 𝒚𝒊
𝒊=𝟏
𝟏 ′ 𝟏 ′ 𝒙
𝓙– 𝟒 • 𝒆𝒙 = 𝒙𝒆 = 𝒆𝒆 𝑼 = 𝒆𝑼 𝒆 = ⋮
𝒏 𝒏
𝒙
𝒙𝟏 − 𝒙 𝟏 𝟏 𝟏
𝓙– 𝟓 • ⋮ = 𝑼 − 𝒙𝒆 = 𝑼 − 𝒆𝒙 = 𝑼 − 𝒆𝒆′ 𝑼 = 𝑰𝒏 𝑼 − 𝒆𝒆′ 𝑼 = 𝑰𝒏 − 𝒆𝒆′ 𝑼 = 𝑴𝟎 𝑼
𝒙𝒏 − 𝒙 𝒏 𝒏 𝒏
𝟎 𝑴
ème
𝟏 𝟏 𝟏 𝟏
𝟏− − ⋯ − −
𝒏 𝒏 𝒏 𝒏
𝟏 𝟏 𝟏 𝟏
− 𝟏− ⋯ − −
𝟏 𝒏 𝒏 𝒏 𝒏
𝟎 ′
𝓙– 𝟔 • 𝑴 = 𝑰𝒏 − 𝒆𝒆 = ⋮ ⋮ ⋱ ⋮ ⋮ 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
𝒏 𝟏 𝟏 𝟏 𝟏
− − ⋯ 𝟏− −
𝒏 𝒏 𝒏 𝒏
𝟏 𝟏 𝟏 𝟏
− − ⋯ − 𝟏−
𝒏 𝒏 𝒏 𝒏
𝒏 ′
𝒊. 𝒆. 𝑴𝟎 = 𝑴𝟎 ∀ 𝒏 ∈ ℕ∗ 𝒆𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒊. 𝒆. 𝑴𝟎 = 𝑴𝟎 𝒒𝒖𝒊 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒆 𝒍𝒆𝒔 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒕𝒊𝒐𝒏𝒔
𝒆𝒏 é𝒄𝒂𝒓𝒕𝒔 𝒑𝒂𝒓 𝒓𝒂𝒑𝒑𝒐𝒓𝒕 𝒒𝒖𝒊 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒆 𝒍𝒆𝒔 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒕𝒊𝒐𝒏𝒔 𝒆𝒏 é𝒄𝒂𝒓𝒕𝒔 𝒑𝒂𝒓 𝒓𝒂𝒑𝒑𝒐𝒓𝒕 𝒂𝒖𝒙 𝒎𝒐𝒚𝒆𝒏𝒏𝒆𝒔
𝒅𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔
𝟎
𝓙– 𝟕 • 𝑴𝟎 𝒆 = 𝟎𝒏×𝟏 = ⋮ 𝒆𝒕 𝒆′ 𝑴𝟎 = 𝟎𝟏×𝒏 = 𝟎 ⋯ 𝟎
𝟎
𝒏
𝓙– 𝟖 • 𝒙𝒊 − 𝒙 = 𝒆′ 𝑴𝟎 𝑼 = 𝟎
𝒊=𝟏 𝟎𝟏×𝒏
𝒏
𝟐 ′
𝓙– 𝟗 • 𝒙𝒊 − 𝒙 = 𝑼 − 𝒙𝒆 𝑼 − 𝒙𝒆 = 𝑴𝟎 𝑼 ′
𝑴𝟎 𝑼 = 𝑼′ 𝑴𝟎 𝑼
𝒊=𝟏
𝒏
′
𝓙– 𝟏𝟎 • 𝒙 𝒊 − 𝒙 𝒚𝒊 − 𝒚 = 𝑼 − 𝒙 𝒆 𝑽 − 𝒚𝒆 = 𝑴𝟎 𝑼 ′
𝑴𝟎 𝑽 = 𝑼′ 𝑴𝟎 𝑽
𝒊=𝟏
Exercice 8 :
Énoncé
On considère :
 𝑿𝟏 , 𝑿𝟐 , … , 𝑿𝒏 𝒏 vecteurs colonnes de ℝ𝒌 où les 𝑿𝒊 = 𝒙𝒊𝟏 ⋯ 𝒙𝒊𝒌 ′ pour 𝒊 = 𝟏, 𝟐, … , 𝒏

 𝒆 le vecteur unitaire de ℝ𝒌 : 𝒆 = 𝟏 … 𝟏 ′
𝟏
 La matrice 𝑴𝟎 = 𝑰𝒏 − 𝒏 𝒆𝒆′
 𝑿 la matrice de dimension 𝒏, 𝒌 dont la ième ligne est 𝑿′𝒊 :
𝑿′𝟏 𝒙𝟏𝟏 ⋯ 𝒙𝟏𝒌
𝑿= ⋮ = ⋮ ⋮ ⋮
𝑿𝒏′ 𝒙 𝒏𝟏 ⋯ 𝒙 𝒏𝒌
 𝑿 vecteur colonne de ℝ , la moyenne des lignes (resp. colonnes) de la matrice 𝑿′ (resp.𝑿)
𝒌
1) Montrer que :
a)
ème
𝒏
𝑿′ 𝑿 = 𝑿𝒊 𝑿′𝒊
𝒊=𝟏
b)
𝒏
′
𝑿𝒆= 𝑿𝒊
𝒊=𝟏
c)
𝑿′ 𝒆
𝑿=
𝒏
2)
a) Vérifier que 𝑴𝟎 est à la fois idempotente et symétrique
b) Déduire :
𝒏
𝑿𝒊 − 𝒂 𝑿𝒊 − 𝒂 ′ = 𝑿′ 𝑴𝟎 𝑿 + 𝒏 𝑿 − 𝒂 𝑿 − 𝒂 ′
𝒊=𝟏
Où 𝒂 est un vecteur de ℝ𝒌
Corrigé
1)
a)
𝒙𝟏𝟏 ⋯ 𝒙𝒏𝟏 𝒙𝟏𝟏 ⋯ 𝒙𝟏𝒌 𝑿′𝟏 𝒏
𝑿𝑿= ⋮
′ ⋮ ⋮ ⋮ ⋮ ⋮ = 𝑿𝟏 ⋯ 𝑿𝒏 ⋮ = 𝑿𝒊 𝑿′𝒊
𝒙𝟏𝒌 ⋯ 𝒙𝒏𝒌 𝒙𝒏𝟏 ⋯ 𝒙𝒏𝒌 𝑿′𝒏 𝒊=𝟏
b)
𝒏
𝟏
𝑿′ 𝒆 = 𝑿𝟏 ⋯ 𝑿𝒏 ⋮ = 𝑿𝒊
𝟏 𝒊=𝟏
c)
𝒏
𝟏 𝟏 ′
𝑿= 𝑿𝒊 = 𝑿 𝒆 ⇒ 𝑿′ 𝒆 = 𝒏𝑿
𝒏 𝒏
𝒊=𝟏
2)
a)
′
𝟏 ′ 𝟏 𝟏 ′
𝑴𝟎 ′
= 𝑰𝒏 − 𝒆𝒆 = 𝑰′𝒏 − 𝒆𝒆′ ′
= 𝑰𝒏 − 𝒆𝒆 = 𝑴𝟎 ⇒ 𝑴𝟎 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝒏 𝒏 𝒏
𝟏 ′ 𝟏 ′ 𝟏 𝟏 𝟏 𝟐 𝒏
𝑴𝟎 𝟐
= 𝑰𝒏 − 𝒆𝒆 𝑰𝒏 − 𝒆𝒆 = 𝑰𝟐𝒏 − 𝒆𝒆′ − 𝒆𝒆′ + 𝟐 𝒆 𝒆′ 𝒆 𝒆′ = 𝑰𝒏 − 𝒆𝒆′ + 𝟐 𝒆𝒆′
𝒏 𝒏 𝒏 𝒏 𝒏 𝒏 𝒏
𝒏
𝟐 ′ 𝟏 ′ 𝟏
𝑴𝟎 𝟐
= 𝑰𝒏 − 𝒆𝒆 + 𝒆𝒆 = 𝑰𝒏 − 𝒆𝒆′ = 𝑴𝟎 ⇒ 𝑴𝟎 𝒆𝒔𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
𝒏 𝒏 𝒏
ème
b)
𝒏 𝒏
𝑿𝒊 − 𝒂 𝑿𝒊 − 𝒂 = ′
𝑿𝒊 − 𝒂 𝑿′𝒊 − 𝒂′
𝒊=𝟏 𝒊=𝟏
= 𝑿𝒊 𝑿′𝒊 − 𝑿𝒊 𝒂′ − 𝒂𝑿′𝒊 + 𝒂𝒂′

𝒊=𝟏
𝒏 𝒏 𝒏 𝒏
= 𝑿𝒊 𝑿′𝒊 − ′
𝑿𝒊 𝒂 − 𝒂𝑿′𝒊 + 𝒂𝒂′
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏
= 𝑿𝒊 𝑿′𝒊 − ′
𝑿𝒊 𝒂 − 𝒂 𝑿′𝒊 + 𝒏𝒂𝒂′
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 ′
= 𝑿𝒊 𝑿′𝒊 − 𝑿𝒊 𝒂′ − 𝒂 𝑿𝒊 + 𝒏𝒂𝒂′
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝑿′ 𝑿 𝑿′ 𝒆 𝑿′ 𝒆 ′
= 𝑿′ 𝑿 − 𝑿′ 𝒆𝒂′ − 𝒂 𝑿′ 𝒆 ′ + 𝒏𝒂𝒂′
= 𝑿′ 𝑿 − 𝒏𝑿𝒂′ − 𝒂 𝒏𝑿 ′ + 𝒏𝒂𝒂′
= 𝑿′ 𝑿 − 𝒏𝑿𝒂′ − 𝒏𝒂𝑿′ + 𝒏𝒂𝒂′
= 𝑿′ 𝑿 − 𝒏𝑿𝑿′ + 𝒏𝑿𝑿′ − 𝒏𝑿𝒂′ − 𝒏𝒂𝑿′ + 𝒏𝒂𝒂′

′
𝟏 𝟏 ′
= 𝑿 𝑿 − 𝒏 𝑿′ 𝒆
′
𝑿𝒆 + 𝒏 𝑿𝑿′ − 𝑿𝒂′ − 𝒂𝑿′ + 𝒂𝒂′
𝒏 𝒏
𝟏 ′
= 𝑿′ 𝑿 − 𝑿′ 𝒆 𝒆 𝑿 + 𝒏 𝑿 𝑿′ − 𝒂′ − 𝒂 𝑿′ − 𝒂′
𝒏
′
𝒆𝒆′ ′
=𝑿 𝑿− 𝑿 𝑿 + 𝒏 𝑿 𝑿′ − 𝒂′ − 𝒂 𝑿′ − 𝒂′
𝒏
′
𝒆𝒆′
=𝑿 𝑰𝒏 𝑿 − 𝑿 + 𝒏 𝑿 − 𝒂 𝑿′ − 𝒂′
𝒏
′
𝒆𝒆′ ′
=𝑿 𝑰𝒏 − 𝑿 +𝒏 𝑿−𝒂 𝑿−𝒂
𝒏
𝑴𝟎
𝒏
′
𝑫 𝒐ù 𝑿𝒊 − 𝒂 𝑿𝒊 − 𝒂 ′ = 𝑿′ 𝑴𝟎 𝑿 + 𝒏 𝑿 − 𝒂 𝑿 − 𝒂 ′
𝒊=𝟏
ème
Exercice 9 :
Énoncé
𝟏 𝟏 𝟏 𝟏
Soit la matrice 𝑿′ =
𝟒 −𝟐 𝟑 −𝟓
1) Calculer 𝑷 = 𝑿 𝑿′ 𝑿 −𝟏 𝑿′ et 𝑴 = 𝑰𝟒 − 𝑷 , puis vérifier que 𝑴𝑷 = 𝟎𝟒×𝟒

𝟏 𝟑
2) On pose 𝑸 =
𝟐 𝟖
a) Vérifier que les matrices 𝑴 𝒆𝒕 𝑷 sont idempotentes et symétriques
b) Calculer 𝑷 𝒆𝒕 𝑴 fondées sur 𝑿𝑸 au lieu de 𝑿
c) Quelles sont les racines caractéristiques de 𝑴 𝒆𝒕 𝑷
Corrigé
1)
𝟏 𝟒
𝟏 𝟏 𝟏 𝟏 𝟏 −𝟐 𝟒 𝟎 𝟏 𝟐𝟕 𝟎
𝑿′ 𝑿 = = ⇒ 𝑿′ 𝑿 −𝟏
=
𝟒 −𝟐 𝟑 −𝟓 𝟏 𝟑 𝟎 𝟓𝟒 𝟏𝟎𝟖 𝟎 𝟐
𝟏 −𝟓
𝟏 𝟒
𝟏 𝟏 −𝟐 𝟐𝟕 𝟎 𝟏 𝟏 𝟏 𝟏
𝑷 = 𝑿 𝑿′ 𝑿 −𝟏 𝑿′ =
𝟏𝟎𝟖 𝟏 𝟑 𝟎 𝟐 𝟒 −𝟐 𝟑 −𝟓
𝟏 −𝟓
𝟐𝟕 𝟖
𝟏 𝟐𝟕 −𝟒 𝟏 𝟏 𝟏 𝟏
=
𝟏𝟎𝟖 𝟐𝟕 𝟔 𝟒 −𝟐 𝟑 −𝟓
𝟐𝟕 −𝟏𝟎
𝟓𝟗 𝟏𝟏 𝟓𝟏 −𝟏𝟑
𝟏 𝟏𝟏 𝟑𝟓 𝟏𝟓 𝟒𝟕
𝑫′ 𝒐ù 𝑷 =
𝟏𝟎𝟖 𝟓𝟏 𝟏𝟓 𝟒𝟓 −𝟑
−𝟏𝟑 𝟒𝟕 −𝟑 𝟕𝟕
𝟏𝟎𝟖 𝟎 𝟎 𝟎 𝟓𝟗 𝟏𝟏 𝟓𝟏 −𝟏𝟑
𝟏 𝟎 𝟏𝟎𝟖 𝟎 𝟎 𝟏𝟏 𝟑𝟓 𝟏𝟓 𝟒𝟕
𝑴 = 𝑰𝟒 − 𝑷 = −
𝟏𝟎𝟖 𝟎 𝟎 𝟏𝟎𝟖 𝟎 𝟓𝟏 𝟏𝟓 𝟒𝟓 −𝟑
𝟎 𝟎 𝟎 𝟏𝟎𝟖 −𝟏𝟑 𝟒𝟕 −𝟑 𝟕𝟕
𝟒𝟗 −𝟏𝟏 −𝟓𝟏 𝟏𝟑
𝟏 −𝟏𝟏 𝟕𝟑 −𝟏𝟓 −𝟒𝟕
𝑫′ 𝒐ù 𝑴 =
𝟏𝟎𝟖 −𝟓𝟏 −𝟏𝟓 𝟔𝟑 𝟑
𝟏𝟑 −𝟒𝟕 𝟑 𝟑𝟏
𝑶𝒏 𝒂 𝑷𝟐 = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑷
𝑰𝟐
ème
𝟐
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝑴𝑷 = 𝑰𝟒 − 𝑷 𝑷 = 𝑷 − 𝑷 = 𝑷 − 𝑷 = 𝟎𝟒×𝟒
2)
a) 𝑷𝟐 = 𝑷 ⇒ 𝑷 𝒆𝒔𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
𝑷′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ ′
= 𝑿′ ′
𝑿′ 𝑿 −𝟏 ′
𝑿′ = 𝑿 𝑿′ 𝑿 ′ −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ ⇒ 𝑷 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝑴′ = 𝑰𝟒 − 𝑷 ′ = 𝑰′𝟒 − 𝑷′ = 𝑰𝟒 − 𝑷 = 𝑴 ⇒ 𝑴 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝑴𝟐 = 𝑰𝟒 − 𝑷 𝑰𝟒 − 𝑷 = 𝑰𝟐𝟒 − 𝑷 − 𝑷 + 𝑷𝟐 = 𝑰𝟒 − 𝟐𝑷 + 𝑷 = 𝑰𝟒 − 𝑷 = 𝑴 ⇒ 𝑴 𝒆𝒔𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
b)
′ −𝟏
𝑶𝒏 𝒂 𝑿𝑸 𝑿𝑸 𝑿𝑸 𝑿𝑸 ′ = 𝑿𝑸 𝑸′ 𝑿′ 𝑿 𝑸 −𝟏
𝑸′ 𝑿′
= 𝑿 𝑸𝑸−𝟏 𝑿′ 𝑿 −𝟏
𝑸′ −𝟏
𝑸′ 𝑿′
𝑰𝟐 𝑰𝟐
′ −𝟏
𝑿𝑸 𝑿𝑸 𝑿𝑸 𝑿𝑸 ′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑷
𝑷 = 𝑿∗ 𝑿∗ ′ 𝑿∗ −𝟏
𝑿∗ ′
𝑿∗ = 𝑿𝑸
𝑴 = 𝑰𝟒 − 𝑷 = 𝑰𝟒 − 𝑿∗ 𝑿∗ ′ 𝑿∗ −𝟏
𝑿∗ ′
𝑿∗ = 𝑿𝑸
c)
𝑴 𝒆𝒕 𝑷 Deux matrices idempotentes, donc leurs valeurs propres doivent toutes être 0 ou 1. 𝓘– 𝟏𝟎
𝟒
𝒕𝒓𝒂𝒄𝒆 𝑷 = 𝟐 = 𝝀𝒊
𝒊=𝟏
𝑶𝒓 𝟒
𝒕𝒓𝒂𝒄𝒆 𝑷 = 𝟐 = 𝝀′𝒊
𝒊=𝟏
𝝀𝟏 = 𝟎 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆
𝝀𝟐 = 𝟏 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆
𝝀′𝟏 = 𝟎 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆
𝝀′𝟐 = 𝟏 𝒗𝒂𝒍𝒆𝒖𝒓 𝒑𝒓𝒐𝒑𝒓𝒆 𝒅𝒐𝒖𝒃𝒍𝒆
ème
Rappel de cours
Lemmes sur les matrices inversibles

𝓚– 𝟏 • 𝑰𝒅𝒆𝒏𝒕𝒊𝒕é 𝒅𝒆 𝑾𝒐𝒐𝒅𝒃𝒖𝒓𝒚 ∶ 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑪 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔 𝒅𝒆
𝒕𝒂𝒊𝒍𝒍𝒆𝒔 𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔 𝒏 × 𝒏 𝒆𝒕 𝒎 × 𝒎 𝒆𝒕 𝒍𝒆𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝑩 𝒆𝒕 𝑫 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆𝒔 𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔
𝒏 × 𝒎 𝒆𝒕 𝒎 × 𝒏
−𝟏
𝑨 + 𝑩𝑪𝑫 = 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏
= 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑰𝒎 + 𝑪𝑫𝑨−𝟏 𝑩 −𝟏

𝑪𝑫𝑨−𝟏
= 𝑨−𝟏 − 𝑨−𝟏 𝑩𝑪 𝑪 + 𝑪𝑫𝑨−𝟏 𝑩𝑪 −𝟏

𝑫𝑨−𝟏
𝑨−𝟏 𝑼𝑽′ 𝑨−𝟏

𝓚– 𝟐 • 𝑭𝒐𝒓𝒎𝒖𝒍𝒆 𝒅𝒆 𝑺𝒉𝒆𝒓𝒎𝒂𝒏– 𝑴𝒐𝒓𝒓𝒊𝒔𝒐𝒏 ∶ 𝑨 + 𝑼𝑽′ −𝟏
= 𝑨−𝟏 −
𝟏 + 𝑽′ 𝑨−𝟏 𝑼
𝓚– 𝟑 • 𝑰 + 𝑨−𝟏 −𝟏
=𝑨 𝑨+𝑰 −𝟏
𝓚– 𝟒 • 𝑨 + 𝑩𝑩′ −𝟏
𝑩 = 𝑨−𝟏 𝑩 𝑰 + 𝑩′ 𝑨−𝟏 𝑩 −𝟏
𝓚– 𝟓 • 𝑨−𝟏 + 𝑩−𝟏 −𝟏
= 𝑨 𝑨+𝑩 −𝟏
𝑩=𝑩 𝑨+𝑩 −𝟏
𝑨
−𝟏 −𝟏
𝓚– 𝟔 • 𝑨 − 𝑨 𝑨 + 𝑩 𝑨=𝑩−𝑩 𝑨+𝑩 𝑩
𝓚– 𝟕 • 𝑨−𝟏 + 𝑩−𝟏 = 𝑨−𝟏 𝑨 + 𝑩 𝑩−𝟏

−𝟏 −𝟏
𝓚– 𝟖 • 𝑰 + 𝑨𝑩 = 𝑰 − 𝑨 𝑰 + 𝑩𝑨 𝑩
−𝟏 −𝟏
𝓚– 𝟗 • 𝑰 + 𝑨𝑩 𝑨 = 𝑨 𝑰 + 𝑩𝑨
𝓚– 𝟏𝟎 • 𝑳𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝑯𝒂𝒓𝒗𝒊𝒍𝒍𝒆 𝒅𝒆𝒕 𝑨 + 𝑼𝑽′ = 𝟏 + 𝑽′ 𝑨−𝟏 𝑼 𝒅𝒆𝒕 𝑨
= 𝒅𝒆𝒕 𝑨 + 𝑽′ 𝑪𝒐𝒎 𝑨 ′
𝑼
𝑬𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒊𝒆𝒓 ∶ 𝒅𝒆𝒕 𝑰𝒏 + 𝑼𝑽′ = 𝟏 + 𝑽′ 𝑼
𝓚– 𝟏𝟏 • 𝑫é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅’𝑯𝒂𝒓𝒗𝒊𝒍𝒍𝒆– 𝑮é𝒏é𝒓𝒂𝒍𝒊𝒔𝒂𝒕𝒊𝒐𝒏 ∶
① 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝑩 𝒆𝒕 𝑫 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆𝒔
𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔 𝒏 × 𝒎 𝒂𝒍𝒐𝒓𝒔 ∶ 𝒅𝒆𝒕 𝑨 + 𝑩𝑫′ = 𝒅𝒆𝒕 𝑰𝒎 + 𝑫′ 𝑨−𝟏 𝑩 𝒅𝒆𝒕 𝑨
ème
② 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑪 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔 𝒏 × 𝒏
𝒆𝒕 𝒎 × 𝒎 𝒆𝒕 𝒍𝒆𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝑩 𝒆𝒕 𝑫 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆𝒔 𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔 𝒏 × 𝒎 , 𝒂𝒍𝒐𝒓𝒔 ∶
𝒅𝒆𝒕 𝑨 + 𝑩𝑪𝑫′ = 𝒅𝒆𝒕 𝑪−𝟏 + 𝑫′ 𝑨−𝟏 𝑩 𝒅𝒆𝒕 𝑪 𝒅𝒆𝒕 𝑨
𝓚– 𝟏𝟐 • 𝑻𝒉é𝒐𝒓è𝒎𝒆 𝒅𝒆 𝑺𝒚𝒍𝒗𝒆𝒔𝒕𝒆𝒓 ∶ 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆𝒔 𝒓𝒆𝒔𝒑𝒆𝒄𝒕𝒊𝒗𝒆𝒔
𝒎 × 𝒏 𝒆𝒕 𝒏 × 𝒎 , 𝒂𝒍𝒐𝒓𝒔 ∶ 𝒅𝒆𝒕 𝑰𝒎 + 𝑨𝑩 = 𝒅𝒆𝒕 𝑰𝒏 + 𝑩𝑨
𝓚– 𝟏𝟑 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 .

• 𝑺𝒊 𝒏 = 𝟐 ∶ 𝒅𝒆𝒕 𝑰𝟐 + 𝑨 = 𝟏 + 𝒅𝒆𝒕 𝑨 + 𝒕𝒓 𝑨
𝟏 𝟏 𝟐
• 𝑺𝒊 𝒏 = 𝟑 ∶ 𝒅𝒆𝒕 𝑰𝟑 + 𝑨 = 𝟏 + 𝒅𝒆𝒕 𝑨 + 𝒕𝒓 𝑨 + 𝒕𝒓 𝑨 𝒕𝒓 𝑨𝟐 −
𝟐 𝟐
𝟏 𝟐
𝟏 𝟏 𝟏 𝟏
• 𝑺𝒊 𝒏 = 𝟒 ∶ 𝒅𝒆𝒕 𝑰𝟒 + 𝑨 = 𝟏 + 𝒅𝒆𝒕 𝑨 + 𝒕𝒓 𝑨 + 𝒕𝒓 𝑨 − 𝒕𝒓 𝑨𝟐 + 𝒕𝒓 𝑨 𝟑 − 𝒕𝒓 𝑨 𝒕𝒓 𝑨𝟐 + 𝒕𝒓 𝑨𝟑
𝟐 𝟐 𝟔 𝟐 𝟑
𝟏 𝟐 𝟏
• ∀ 𝒏 ≥ 𝟐 , 𝝐 → 𝟎 ∶ 𝒅𝒆𝒕 𝑰𝒏 + 𝝐𝑨 ≅ 𝟏 + 𝒅𝒆𝒕 𝑨 + 𝝐𝒕𝒓 𝑨 + 𝝐 𝒕𝒓 𝑨 𝟐 − 𝝐𝟐 𝒕𝒓 𝑨𝟐
𝟐 𝟐
Matrices partitionnées
𝑨𝟏𝟏 𝑨𝟏𝟐 𝑩 𝑩𝟏𝟐 𝑨 + 𝑩𝟏𝟏 𝑨𝟏𝟐 + 𝑩𝟏𝟐
𝓛– 𝟏 • + 𝟏𝟏 = 𝟏𝟏
𝑨𝟐𝟏 𝑨𝟐𝟐 𝑩𝟐𝟏 𝑩𝟐𝟐 𝑨𝟐𝟏 + 𝑩𝟐𝟏 𝑨𝟐𝟐 + 𝑩𝟐𝟐
𝑨𝟏𝟏 𝑨𝟏𝟐 𝑩𝟏𝟏 𝑩𝟏𝟐 𝑨𝟏𝟏 𝑩𝟏𝟏 + 𝑨𝟏𝟐 𝑩𝟐𝟏 𝑨𝟏𝟏 𝑩𝟏𝟐 + 𝑨𝟏𝟐 𝑩𝟐𝟐
𝓛– 𝟐 • =
𝑨𝟐𝟏 𝑨𝟐𝟐 𝑩𝟐𝟏 𝑩𝟐𝟐 𝑨𝟐𝟏 𝑩𝟏𝟏 + 𝑨𝟐𝟐 𝑩𝟐𝟏 𝑨𝟐𝟏 𝑩𝟏𝟐 + 𝑨𝟐𝟏𝟐 𝑩𝟐𝟐
′
𝑨 𝑨𝟏 𝑨𝟏
𝓛– 𝟑 • 𝟏 = 𝑨′𝟏 𝑨′𝟐 = 𝑨′𝟏 𝑨𝟏 + 𝑨′𝟐 𝑨𝟐
𝑨𝟐 𝑨𝟐 𝑨𝟐
′
𝑨 𝟎 𝑨𝟏𝟏 𝟎 𝑨′ 𝑨 𝟎
𝓛– 𝟒 • 𝟏𝟏 = 𝟏𝟏 𝟏𝟏
𝟎 𝑨𝟐𝟐 𝟎 𝑨𝟐𝟐 𝟎 𝑨′𝟐𝟐 𝑨𝟐𝟐
𝑨𝟏𝟏 𝟎
𝓛– 𝟓 • = 𝑨𝟏𝟏 𝑨𝟐𝟐
𝟎 𝑨𝟐𝟐
𝑨𝟏𝟏 𝑨𝟏𝟐 𝑨𝟏𝟏 𝑨𝟐𝟐

𝓛– 𝟔 • = 𝑨𝟏𝟏 𝑨𝟐𝟐 − 𝑨𝟐𝟏 𝑨−𝟏
𝟏𝟏 𝑨𝟏𝟐 = −𝟏
= 𝑨𝟐𝟐 𝑨𝟏𝟏 − 𝑨𝟏𝟐 𝑨𝟐𝟐 𝑨𝟐𝟏 =
𝑨𝟐𝟏 𝑨𝟐𝟐 𝑭𝟐 𝑭𝟏
−𝟏 𝑭𝟐 −𝟏 𝑭𝟏
−𝟏 −𝟏
𝑨𝟏𝟏 𝑨𝟏𝟐 −𝟏
𝑨𝟏𝟏 𝑰 + 𝑨𝟏𝟐 𝑭𝟐 𝑨𝟐𝟏 𝑨𝟏𝟏 −𝑨−𝟏
𝟏𝟏 𝑨𝟏𝟐 𝑭𝟐 𝑭𝟏 −𝑨−𝟏
𝟏𝟏 𝑨𝟏𝟐 𝑭𝟐
𝓛– 𝟕 • = =
𝑨𝟐𝟏 𝑨𝟐𝟐 −𝑭𝟐 𝑨𝟐𝟏 𝑨−𝟏
𝟏𝟏 𝑭𝟐 −𝑭𝟐 𝑨𝟐𝟏 𝑨−𝟏
𝟏𝟏 𝑭𝟐
−𝟏 −𝟏
𝑶ù 𝑭𝟏 = 𝑨𝟏𝟏 − 𝑨𝟏𝟐 𝑨−𝟏
𝟐𝟐 𝑨𝟐𝟏 𝒆𝒕 𝑭𝟐 = 𝑨𝟐𝟐 − 𝑨𝟐𝟏 𝑨−𝟏
𝟏𝟏 𝑨𝟏𝟐
ème
Exercice 10 : (Formule de Sherman–Morrison)
Énoncé
Soit une matrice régulière écrite sous la forme 𝑨 + 𝑩𝑪𝑫 où 𝑨 𝒆𝒕 𝑪 sont régulière.
1) Calculer 𝑨 + 𝑩𝑪𝑫 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏 𝑫𝑨−𝟏 . Déduire l’expression de l’inverse de la
matrice 𝑨 + 𝑩𝑪𝑫
2) supposons maintenant que 𝑩 et D sont respectivement des matrices colonne et ligne :
𝑩 = 𝑼 ∈ ℝ𝒏 et 𝑫′ = 𝑽 ∈ ℝ𝒏 , et 𝑪 = 𝜷 un scalaire non nul.
Démontrer que :
𝜷
𝑨 + 𝑼𝜷𝑽′ −𝟏 = 𝑨−𝟏 − 𝑨−𝟏 𝑼𝑽′ 𝑨−𝟏
𝟏 + 𝜷𝑽′ 𝑨−𝟏 𝑼
𝟐 −𝟏 𝟏
3) Considérons la matrice 𝑴 = 𝟐 −𝟏 𝟐
𝟑 −𝟑 𝟐
a) Vérifier que 𝑴 admet une décomposition : 𝑴 = 𝑨 + 𝑼𝜷𝑽′
𝟏 𝟎 𝟎 𝟏 𝟏
Où 𝑨 = 𝟎 𝟏 𝟎 , 𝑼 = 𝟐 , 𝜷 = 𝟏 𝒆𝒕 𝑽 = −𝟏
𝟎 𝟎 −𝟏 𝟑 𝟏
−𝟏
b) Déterminer 𝑴
Corrigé
1)
𝑨 + 𝑩𝑪𝑫 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

𝑫𝑨−𝟏
= 𝑨𝑨−𝟏 − 𝑨𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

𝑫𝑨−𝟏 + 𝑩𝑪𝑫𝑨−𝟏 − 𝑩𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏
𝑰 𝑰
= 𝑰 − 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏 + 𝑩𝑪𝑫𝑨−𝟏 − 𝑩𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏
= 𝑰 − 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
− 𝑪 + 𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏
= 𝑰 − 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
+ 𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
− 𝑪 𝑫𝑨−𝟏
= 𝑰 − 𝑩 𝑰 + 𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

− 𝑪 𝑫𝑨−𝟏
=𝑰−𝑩 𝑪𝑪−𝟏 + 𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

− 𝑪 𝑫𝑨−𝟏
𝑰
=𝑰−𝑩 𝑪𝑪−𝟏 + 𝑪𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

− 𝑪 𝑫𝑨−𝟏
= 𝑰 − 𝑩 𝑪 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

− 𝑪 𝑫𝑨−𝟏
𝑰
ème
= 𝑰 − 𝑩 𝑪 − 𝑪 𝑫𝑨−𝟏
𝟎
𝑫′ 𝒐ù 𝑨 + 𝑩𝑪𝑫 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏

𝑫𝑨−𝟏 = 𝑰
−𝟏
𝒆𝒕 𝑨 + 𝑩𝑪𝑫 = 𝑨−𝟏 − 𝑨−𝟏 𝑩 𝑪−𝟏 + 𝑫𝑨−𝟏 𝑩 −𝟏
𝑫𝑨−𝟏
2)
𝟏
𝜷 𝒆𝒔𝒕 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝒅𝒐𝒏𝒄 𝜷−𝟏 =
𝜷
𝑽 ∈ ℝ𝒏 𝒅𝒐𝒏𝒄 𝑽′ 𝒆𝒔𝒕 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝟏 × 𝒏

𝑨 é𝒕𝒂𝒏𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒆 𝒎ê𝒎𝒆 𝒑𝒐𝒖𝒓 𝑨−𝟏
⇒ 𝑽′ 𝑨−𝟏 𝒆𝒔𝒕 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝟏 × 𝒏 .

𝟏×𝒏 𝒏×𝒏
𝑶𝒓 𝑼 ∈ ℝ𝒏 𝒅𝒐𝒏𝒄 𝑼 𝒆𝒔𝒕 𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝟏 ⇒ 𝑽′ 𝑨−𝟏 𝑼 𝒆𝒔𝒕 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆

𝟏×𝒏 𝒏×𝟏
𝑵𝒐𝒕𝒐𝒏𝒔 𝜶 = 𝑽′ 𝑨−𝟏 𝑼
𝒂𝒊𝒏𝒔𝒊 𝒐𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 ∶
𝑨 + 𝑼𝜷𝑽′ −𝟏
= 𝑨−𝟏 − 𝑨−𝟏 𝑼 𝜷−𝟏 + 𝑽′ 𝑨−𝟏 𝑼 −𝟏 ′
𝑽 𝑨−𝟏
−𝟏
𝟏
= 𝑨−𝟏 − 𝑨−𝟏 𝑼 +𝜶 𝑽′ 𝑨−𝟏
𝜷
−𝟏
−𝟏 −𝟏
𝟏 + 𝜷𝜶
=𝑨 −𝑨 𝑼 𝑽′ 𝑨−𝟏
𝜷
𝜷
= 𝑨−𝟏 − 𝑨−𝟏 𝑼 𝑽′ 𝑨−𝟏
𝟏 + 𝜷𝜶
𝜷
= 𝑨−𝟏 − 𝑨−𝟏 𝑼𝑽′ 𝑨−𝟏
𝟏 + 𝜷𝜶
𝜷
𝑫′ 𝒐ù 𝑨 + 𝑼𝜷𝑽′ −𝟏
= 𝑨−𝟏 − 𝑨−𝟏 𝑼𝑽′ 𝑨−𝟏
𝟏 + 𝜷𝑽′ 𝑨−𝟏 𝑼
3)
a)
′
𝟏 𝟎 𝟎 𝟏 𝟏
𝑨 + 𝑼𝜷𝑽′ = 𝟎 𝟏 𝟎 + 𝟐 × 𝟏 × −𝟏
𝟎 𝟎 −𝟏 𝟑 𝟏
ème
𝟏 𝟎 𝟎 𝟏
= 𝟎 𝟏 𝟎 + 𝟐 𝟏 −𝟏 𝟏
𝟎 𝟎 −𝟏 𝟑
𝟏 𝟎 𝟎 𝟏 −𝟏 𝟏
= 𝟎 𝟏 𝟎 + 𝟐 −𝟐 𝟐
𝟎 𝟎 −𝟏 𝟑 −𝟑 𝟑
𝟐 −𝟏 𝟏
= 𝟐 −𝟏 𝟐
𝟑 −𝟑 𝟐
𝑴
𝑫′ 𝒐ù 𝑴 = 𝑨 + 𝑼𝜷𝑽′
b)
𝜷 𝟏
𝑴−𝟏 = 𝑨 + 𝑼𝜷𝑽′ −𝟏
= 𝑨−𝟏 − 𝑨−𝟏
𝑼𝑽 ′ −𝟏
𝑨 = 𝑨−𝟏
− 𝑨−𝟏 𝑼𝑽′ 𝑨−𝟏
𝟏 + 𝜷𝑽′ 𝑨−𝟏 𝑼 𝟏 + 𝑽′ 𝑨−𝟏 𝑼
𝟏
𝟎 𝟎
−𝟏 𝟏
𝟏 𝟎 𝟎 𝟏 𝟏 𝟎 𝟎
𝑶𝒓 𝑨−𝟏 = 𝟎 𝟏 𝟎 = 𝟎 𝟎 = 𝟎 𝟏 𝟎 =𝑨
𝟎 𝟎 −𝟏 𝟏 𝟎 𝟎 −𝟏
𝟏
𝟎 𝟎
−𝟏
𝟏
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝑴−𝟏 = 𝑨 − 𝑨𝑼𝑽′ 𝑨
𝟏 + 𝑽′ 𝑨𝑼
𝑶𝒏 𝒂 ∶
′
𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎
′
• 𝑽 𝑨 = −𝟏 𝟎 𝟏 𝟎 = 𝟏 −𝟏 𝟏 𝟎 𝟏 𝟎 = 𝟏 −𝟏 −𝟏
𝟏 𝟎 𝟎 −𝟏 𝟎 𝟎 −𝟏
𝟏
• 𝑽′ 𝑨𝑼 = 𝟏 −𝟏 −𝟏 𝟐 = 𝟏 − 𝟐 − 𝟑 = −𝟒
𝟑
𝟏 𝟎 𝟎 𝟏 𝟏 𝟏 −𝟏 −𝟏
• 𝑨𝑼𝑽′ 𝑨 = 𝟎 𝟏 𝟎 𝟐 𝟏 −𝟏 −𝟏 = 𝟐 𝟏 −𝟏 −𝟏 = 𝟐 −𝟐 −𝟐
𝟎 𝟎 −𝟏 𝟑 −𝟑 −𝟑 𝟑 𝟑
𝟏 𝟎 𝟎 𝟏 𝟏 −𝟏 −𝟏
𝑬𝒏 𝒆𝒇𝒇𝒆𝒕 , 𝑴−𝟏 = 𝟎 𝟏 𝟎 − 𝟐 −𝟐 −𝟐
𝟏 + −𝟒
𝟎 𝟎 −𝟏 −𝟑 𝟑 𝟑
𝟏 𝟎 𝟎 𝟏 𝟏 −𝟏 −𝟏
= 𝟎 𝟏 𝟎 + 𝟐 −𝟐 −𝟐
𝟑
𝟎 𝟎 −𝟏 −𝟑 𝟑 𝟑
𝟏 𝟑 𝟎 𝟎 𝟏 −𝟏 −𝟏
= 𝟎 𝟑 𝟎 + 𝟐 −𝟐 −𝟐
𝟑
𝟎 𝟎 −𝟑 −𝟑 𝟑 𝟑
ème
𝟏 𝟒 −𝟏 −𝟏
𝑫′ 𝒐ù 𝑴−𝟏 = 𝟐 𝟏 −𝟐
𝟑
−𝟑 𝟑 𝟎
Rappel de cours
Formes quadratiques et matrices définies

𝒙𝟏
𝓜– 𝟏 • 𝑭𝒐𝒓𝒎𝒆 𝒒𝒖𝒂𝒅𝒓𝒂𝒕𝒊𝒒𝒖𝒆 ∶ 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 𝒆𝒕 𝑼 == ⋮
𝒙𝒏
𝒖𝒏 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒏 × 𝟏 . 𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝒇𝒐𝒓𝒎𝒆 𝒒𝒖𝒂𝒅𝒓𝒂𝒕𝒊𝒒𝒖𝒆 𝒅𝒆 𝑨 𝒆𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 ∶

𝒏 𝒏
′
𝒒 = 𝑼 𝑨𝑼 = 𝒙𝒊 𝒙𝒋 𝒂𝒊𝒋
𝒊=𝟏 𝒋=𝟏
𝓜– 𝟐 • 𝑺𝒊 𝑼′ 𝑨𝑼 > 0 𝒓𝒆𝒔𝒑. 𝑼′ 𝑨𝑼 < 0 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝑼 ≠ 𝟎𝒏×𝟏 , 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝒓𝒆𝒔𝒑. 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆
𝓜– 𝟑 • 𝑺𝒊 𝑼′ 𝑨𝑼 ≥ 𝟎 𝒓𝒆𝒔𝒑. 𝑼′ 𝑨𝑼 ≤ 𝟎 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝑼 ≠ 𝟎𝒏×𝟏 , 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏𝒐𝒏 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆
𝒐𝒖 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 𝒓𝒆𝒔𝒑. 𝒏𝒐𝒏 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 𝒐𝒖 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆
𝓜– 𝟒 • 𝑨 é𝒕𝒂𝒏𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒅𝒐𝒏𝒄 𝒆𝒍𝒍𝒆 𝒑𝒆𝒖𝒕 ê𝒕𝒓𝒆 𝒅é𝒄𝒐𝒎𝒑𝒐𝒔é𝒆 𝒄𝒐𝒎𝒎𝒆 ∶ 𝑨 = 𝑪𝑫𝑪′ .
𝝎𝟏
𝑨𝒊𝒏𝒔𝒊 𝒍𝒂 𝒇𝒐𝒓𝒎𝒆 𝒒𝒖𝒂𝒅𝒓𝒂𝒕𝒊𝒒𝒖𝒆 𝒅𝒆𝒗𝒊𝒆𝒏𝒕 𝑼 𝑨𝑼 = 𝑼 𝑪𝑫𝑪 𝑼. 𝑺𝒐𝒊𝒕 𝑾 = 𝑼 𝑪 = ⋮ . 𝑨𝒍𝒐𝒓𝒔 ∶
′ ′ ′ ′
𝝎𝒏
𝒏
𝑺𝒊 ∀𝒊 , 𝝀𝒊 > 0 ⇒ 𝐀 𝐞𝐬𝐭 𝐝é𝐟𝐢𝐧𝐢𝐞 𝐩𝐨𝐬𝐢𝐭𝐢𝐯𝐞
𝑼′ 𝑨𝑼 = 𝑾𝑫𝑾′ = 𝝀𝒊 𝝎𝟐𝒊 . 𝑶𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 ∶
𝑺𝒊 ∀𝒊 , 𝝀𝒊 < 0 ⇒ 𝐀 𝐞𝐬𝐭 𝐝é𝐟𝐢𝐧𝐢𝐞 𝐧é𝐠𝐚𝐭𝐢𝐯𝐞
𝒊=𝟏
𝓜– 𝟓 • 𝑴𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅é𝒇𝒊𝒏𝒊𝒆𝒔: 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆.
① 𝑺𝒊 𝒕𝒐𝒖𝒕𝒆𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔 , 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
② 𝑺𝒊 𝒕𝒐𝒖𝒕𝒆𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆𝒔, 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆
③ 𝑺𝒊 𝒄𝒆𝒓𝒕𝒂𝒊𝒏𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒍𝒆𝒔, 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒏𝒐𝒏 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆 𝒐𝒖
𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆, 𝒔𝒊 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒓𝒆𝒔𝒕𝒂𝒏𝒕𝒆𝒔 𝒔𝒐𝒏𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔.
ème
④ 𝑺𝒊 𝒄𝒆𝒓𝒕𝒂𝒊𝒏𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒍𝒆𝒔, 𝒂𝒍𝒐𝒓𝒔 𝑨 𝒆𝒔𝒕 𝒏𝒐𝒏 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 𝒐𝒖
𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆, 𝒔𝒊 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒓𝒆𝒔𝒕𝒂𝒏𝒕𝒆𝒔 𝒔𝒐𝒏𝒕 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆𝒔.
⑤ 𝑺𝒊 𝑨 𝒄𝒐𝒎𝒑𝒐𝒓𝒕𝒆 à 𝒍𝒂 𝒇𝒐𝒊𝒔 𝒅𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆𝒔 𝒆𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔 , 𝒂𝒍𝒐𝒓𝒔
𝑨 𝒆𝒔𝒕 𝒊𝒏𝒅é𝒇𝒊𝒏𝒊𝒆.
𝓜– 𝟔 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏𝒐𝒏 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆 𝒐𝒖 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 , 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 ≥ 𝟎
𝓜– 𝟕 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆, 𝒂𝒍𝒐𝒓𝒔 𝑨−𝟏 𝒍′ 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊
𝓜– 𝟖 • 𝑰𝒏 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒌 , 𝒂𝒗𝒆𝒄 𝒏 > 𝑘 𝑨′ 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆

𝓜– 𝟗 • 𝑺𝒊 , 𝒂𝒍𝒐𝒓𝒔
𝒓𝒈 𝑨 = 𝒌 𝑨 𝒅𝒆 𝒑𝒍𝒆𝒊𝒏 𝒓𝒂𝒏𝒈 𝑨𝑨′ 𝒆𝒔𝒕 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝓜– 𝟏𝟎 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 𝒆𝒕 𝑩 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆, 𝒂𝒍𝒐𝒓𝒔 ∶
𝑩′ 𝑨𝑩 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝓜– 𝟏𝟏 • 𝑷𝒐𝒖𝒓 𝒒𝒖𝒆 𝑨 𝒔𝒐𝒊𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆𝒔, 𝒕𝒐𝒖𝒕𝒆𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨
𝒅𝒆𝒕 𝑨 > 0 , 𝑠𝑖 𝑛 𝑝𝑎𝑖𝑟

𝒅𝒐𝒊𝒗𝒆𝒏𝒕 ê𝒕𝒓𝒆 𝒏é𝒈𝒂𝒕𝒊𝒗𝒆𝒔. 𝒅𝒂𝒏𝒔 𝒄𝒆 𝒄𝒂𝒔 ∶
𝒅𝒆𝒕 𝑨 < 0 , 𝑠𝑖 𝑛 𝑖𝑚𝑝𝑎𝑖𝑟
𝓜– 𝟏𝟐 • 𝑻𝒐𝒖𝒕𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝓜– 𝟏𝟑 • 𝑺𝒊 𝑨 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒆𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 𝒆𝒕 𝒅𝒆 𝒓𝒂𝒏𝒈 𝒋, 𝒂𝒍𝒐𝒓𝒔 𝒕𝒐𝒖𝒕𝒆

𝒏
𝒇𝒐𝒓𝒎𝒆 𝒒𝒖𝒂𝒅𝒓𝒂𝒕𝒊𝒒𝒖𝒆 𝒆𝒏 𝑨 𝒑𝒆𝒖𝒕 ê𝒕𝒓𝒆 é𝒄𝒓𝒊𝒕𝒆 ∶ 𝑼 𝑨𝑼 = ′

𝝎𝟐𝒊
𝒊=𝟏
𝓜– 𝟏𝟒 • 𝑪𝒐𝒎𝒑𝒂𝒓𝒂𝒊𝒔𝒐𝒏 𝒅𝒆𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔: 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆𝒔 𝒅𝒆 𝒎ê𝒎𝒆
𝒕𝒂𝒊𝒍𝒍𝒆𝒔. 𝑼𝒏𝒆 𝒄𝒐𝒎𝒑𝒂𝒓𝒂𝒊𝒔𝒐𝒏 𝒖𝒕𝒊𝒍𝒆 𝒓𝒆𝒑𝒐𝒔𝒆 𝒔𝒖𝒓 ∶ 𝒅 = 𝑼′ 𝑨𝑼 − 𝑼′ 𝑩𝑼 = −𝑼′ 𝑨 − 𝑩 𝑼.
𝑺𝒊 𝒅 𝒆𝒔𝒕 𝒕𝒐𝒖𝒋𝒐𝒖𝒓𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒇 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒏𝒐𝒏 𝒏𝒖𝒍 𝑼, 𝒂𝒍𝒐𝒓𝒔 𝒐𝒏 𝒑𝒆𝒖𝒕 𝒅𝒊𝒓𝒆, 𝒔𝒆𝒍𝒐𝒏 𝒄𝒆
𝒄𝒓𝒊𝒕è𝒓𝒆, 𝒒𝒖𝒆 𝑨 𝒆𝒔𝒕 𝒑𝒍𝒖𝒔 𝒈𝒓𝒂𝒏𝒅𝒆 𝒒𝒖𝒆 𝑩.
• 𝑺𝒊 𝒅 > 0 , ∀𝑈 ≠ 𝟎𝒏×𝟏 , 𝒂𝒍𝒐𝒓𝒔 𝑨 − 𝑩 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆.
• 𝑺𝒊 𝒅 ≥ 𝟎 , ∀𝑼 ≠ 𝟎𝒏×𝟏 , 𝒂𝒍𝒐𝒓𝒔 𝑨 − 𝑩 𝒆𝒔𝒕 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆.
𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆

𝓜– 𝟏𝟓 • 𝑺𝒊 , 𝒂𝒍𝒐𝒓𝒔 𝑨 + 𝑩 ≥ 𝑨
𝑩 𝒆𝒔𝒕 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝓜– 𝟏𝟔 • 𝑺𝒊 𝑨 > 𝐵 𝑎𝑙𝑜𝑟𝑠 𝑩−𝟏 > 𝑨−𝟏
𝓜– 𝟏𝟕 • 𝑶𝒓𝒅𝒓𝒆 𝒅𝒆𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅é𝒇𝒊𝒏𝒊𝒆𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔: 𝑺𝒊 𝑨 𝒆𝒕 𝑩 𝒔𝒐𝒏𝒕 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅é𝒇𝒊𝒏𝒊𝒆𝒔
𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔 𝒅𝒆 𝒎ê𝒎𝒆 𝒅𝒊𝒎𝒆𝒏𝒔𝒊𝒐𝒏 𝒆𝒕 𝒔𝒊 𝒕𝒐𝒖𝒕𝒆𝒔 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒑𝒍𝒖𝒔 𝒈𝒓𝒂𝒏𝒅𝒆𝒔
ème
𝒓𝒆𝒔𝒑. 𝒂𝒖 𝒎𝒐𝒊𝒏𝒔 𝒂𝒖𝒔𝒔𝒊 𝒈𝒓𝒂𝒏𝒅𝒆𝒔 𝒒𝒖𝒆 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑩 𝒍𝒐𝒓𝒔𝒒𝒖𝒆 𝒍𝒆𝒔 𝒅𝒆𝒖𝒙
𝒆𝒏𝒔𝒆𝒎𝒃𝒍𝒆𝒔 𝒅𝒆 𝒓𝒂𝒄𝒊𝒏𝒆𝒔 𝒔𝒐𝒏𝒕 𝒄𝒍𝒂𝒔𝒔é𝒔 𝒅𝒂𝒏𝒔 𝒍′ 𝒐𝒓𝒅𝒓𝒆 𝒅é𝒄𝒓𝒐𝒊𝒔𝒔𝒂𝒏𝒕,
𝒂𝒍𝒐𝒓𝒔 𝑨 − 𝑩 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆(𝒓𝒆𝒔𝒑. 𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆)
Dérivation matricielle-Optimisation
𝒙𝟏
𝒙𝟐
𝓝– 𝟏 • 𝑺𝒐𝒊𝒕 𝒍𝒆 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝑼 = ⋮ , 𝒐𝒏 𝒄𝒐𝒏𝒔𝒊𝒅è𝒓𝒆 𝒖𝒏𝒆 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝒅𝒖 𝒗𝒆𝒄𝒕𝒆𝒖𝒓
𝒙𝒏
𝑼 , 𝒄′ 𝒆𝒔𝒕 à 𝒅𝒊𝒓𝒆 𝒚 = 𝒇 𝑼 = 𝒇 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 . 𝑳𝒆 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒅𝒆𝒔 𝒅é𝒓𝒊𝒗é𝒆𝒔 𝒑𝒂𝒓𝒕𝒊𝒆𝒍𝒍𝒆𝒔, 𝒐𝒖 𝒗𝒆𝒄𝒕𝒆𝒖𝒓
𝝏𝒚
𝝏𝒙𝟏
𝒇𝟏
𝝏𝒇 𝑼 𝝏𝒚 𝝏𝒚
𝒇𝟐
𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕, = = 𝝏𝒙𝟐 =
𝝏𝑼 𝝏𝑼 ⋮
⋮ 𝒇𝒏
𝝏𝒚
𝝏𝒙𝒏
𝑳𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒅é𝒓𝒊𝒗é𝒆𝒔 𝒔𝒆𝒄𝒐𝒏𝒅𝒆𝒔 𝒐𝒖 𝒍𝒆 𝑯𝒆𝒔𝒔𝒊𝒆𝒏 𝒆𝒔𝒕 ∶
𝝏𝟐 𝒚 𝝏𝟐 𝒚 𝝏𝟐 𝒚
⋯
𝝏𝒙𝟏 𝝏𝒙𝟏 𝝏𝒙𝟏 𝝏𝒙𝟐 𝝏𝒙𝟏 𝝏𝒙𝒏
𝒇𝟏𝟏 𝒇𝟏𝟐 ⋯ 𝒇𝟏𝒏
𝝏𝟐 𝒚 𝝏𝟐 𝒚 𝝏𝟐 𝒚
⋯ 𝒇𝟐𝟏 𝒇𝟐𝟐 ⋯ 𝒇𝟐𝒏
𝑯= 𝝏𝒙𝟐 𝝏𝒙𝟏 𝝏𝒙𝟐 𝝏𝒙𝟐 𝝏𝒙𝟐 𝝏𝒙𝒏 =
⋮ ⋮ ⋮ ⋮
⋮ ⋮ ⋮ ⋮ 𝒇𝒏𝟏 𝒇𝒏𝟐 ⋯ 𝒇𝒏𝒏
𝟐 𝟐 𝟐
𝝏 𝒚 𝝏 𝒚 𝝏 𝒚
⋯
𝝏𝒙𝒏 𝝏𝒙𝟏 𝝏𝒙𝒏 𝝏𝒙𝟐 𝝏𝒙𝒏 𝝏𝒙𝟐
𝑬𝒏 𝒈é𝒏é𝒓𝒂𝒍 𝑯 𝒆𝒔𝒕 𝒄𝒂𝒓𝒓é𝒆 𝒆𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆.
𝝏 𝝏𝒚 𝝏𝑼 𝝏 𝝏𝒚 𝝏𝑼 𝝏 𝝏𝒚 𝝏𝑼 𝝏 𝝏𝒚 𝝏𝑼 𝝏 𝝏𝒚 𝝏𝑼 𝝏𝟐 𝒚
𝑯= ⋯ = = =
𝝏𝒙𝟏 𝝏𝒙𝟐 𝝏𝒙𝒏 𝝏 𝒙 𝟏 , 𝒙𝟐 , … , 𝒙𝒏 𝝏𝑼′ 𝝏𝑼𝝏𝑼′
𝒏
′ ′
𝓝– 𝟐 • 𝑼𝒏𝒆 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆 𝒑𝒆𝒖𝒕 ê𝒕𝒓𝒆 é𝒄𝒓𝒊𝒕𝒆 ∶ 𝒀 = 𝜷 𝑼 = 𝑼 𝜷 = 𝒃𝒊 𝒙𝒊
𝒊=𝟏
𝝏𝜷′ 𝑼 𝝏𝑼′ 𝜷
⇒ = =𝜷
𝝏𝑼 𝝏𝑼
𝝏𝜷′ 𝑼
𝑰𝒍 𝒇𝒂𝒖𝒕 𝒇𝒂𝒊𝒓𝒆 𝒂𝒕𝒕𝒆𝒏𝒕𝒊𝒐𝒏 ≠ 𝜷′
𝝏𝑼
ème
′
𝓝– 𝟑 • 𝑷𝒐𝒖𝒓 𝒖𝒏 𝒆𝒏𝒔𝒆𝒎𝒃𝒍𝒆 𝒅 é𝒒𝒖𝒂𝒕𝒊𝒐𝒏𝒔 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆𝒔 𝒀 = 𝑨𝑼 , 𝒄𝒉𝒂𝒒𝒖𝒆 é𝒍é𝒎𝒆𝒏𝒕 𝒚𝒊 𝒅𝒆 𝒀 𝒆𝒔𝒕 ∶
𝒚𝒊 = 𝑨′𝒊 𝑼 , 𝒐ù 𝑨′𝒊 𝒆𝒔𝒕 𝒍𝒂 𝒊– 𝒊è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝑨.
𝝏𝒚𝟏
𝝏𝑼′ 𝑨′𝟏
𝝏𝒚𝒊 𝝏𝒚𝟐
𝑨′𝟐
= 𝑨𝒊 = 𝒍𝒂 𝒕𝒓𝒂𝒏𝒔𝒑𝒐𝒔é𝒆 𝒅𝒆 𝒍𝒂 𝒊– 𝒊è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝑨 ⇒ 𝝏𝑼′ =
𝝏𝑼 ⋮
⋮
𝝏𝒚𝒏 𝑨′𝒏
𝝏𝑼′
𝝏𝑨𝑼 𝝏𝑨𝑼
𝑬𝒏 𝒓𝒆𝒈𝒓𝒐𝒖𝒑𝒂𝒏𝒕 𝒍𝒆𝒔 𝒕𝒆𝒓𝒎𝒆𝒔. ′
= 𝑨 𝒐𝒖 = 𝑨′
𝝏𝑼 𝝏𝑼
𝝏 𝑼′ 𝑨𝑼
𝓝– 𝟒 • = 𝑨 + 𝑨′ 𝑼
𝝏𝑼
𝒆𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒊𝒆𝒓 𝒔𝒊 𝑨 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆, 𝒂𝒍𝒐𝒓𝒔 ∶ = 𝟐𝑨𝑼
𝝏𝑼
𝝏 𝑼′ 𝑨𝑼 𝝏 𝑼′ 𝑨′ 𝑼
𝓝– 𝟓 • = = 𝑼𝑼′
𝝏𝑨 𝝏𝑨
𝝏 𝑼′ 𝑨𝑾
𝓝– 𝟔 • = 𝑼𝑾′
𝝏𝑨
𝝏 𝑼′ 𝑨′ 𝑾
𝓝– 𝟕 • = 𝑾𝑼′
𝝏𝑨
𝝏 𝑼′ 𝑨′ 𝑾𝑨𝑽
𝓝– 𝟖 • = 𝑾′ 𝑨𝑼𝑽′ + 𝑾𝑨𝑽𝑼′
𝝏𝑨
𝝏 𝑨𝑼 + 𝑽 ′ 𝑾 𝑨𝑼 + 𝑽
𝓝– 𝟗 • = 𝑾 + 𝑾′ 𝑨𝑼 + 𝑽 𝑼′
𝝏𝑨
𝓝– 𝟏𝟎 • 𝑶𝒑𝒕𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏 ∶
𝝏𝒚
𝝏𝒙𝟏
𝝏𝒚 𝟎
𝝏𝒇 𝑼 𝟎
① 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒑𝒓𝒆𝒎𝒊𝒆𝒓 𝒐𝒓𝒅𝒓𝒆 ∶ = 𝟎𝒏×𝟏 ⇔ 𝝏𝒙𝟐 =
𝝏𝑼 ⋮
⋮ 𝟎
𝝏𝒚
𝝏𝒙𝒏
𝝏𝟐 𝒇 𝑼 𝑫é𝒇𝒊𝒏𝒊𝒆 + 𝒑𝒐𝒖𝒓 𝒖𝒏 𝒎𝒊𝒏𝒊𝒎𝒖𝒎

② 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒔𝒆𝒄𝒐𝒏𝒅 𝒐𝒓𝒅𝒓𝒆 ∶ 𝑯 =
𝝏𝑼𝝏𝑼′ 𝑫é𝒇𝒊𝒏𝒊𝒆 − 𝒑𝒐𝒖𝒓 𝒖𝒏 𝒎𝒂𝒙𝒊𝒎𝒖𝒎
𝓝– 𝟏𝟏 • 𝑶𝒑𝒕𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 ∶ 𝑳𝒆 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆 𝒆𝒔𝒕 ∶
ème
𝒄𝟏 𝑼 = 𝟎
𝒄𝟐 𝑼 = 𝟎
𝑴𝒂𝒙𝒊𝒎𝒊𝒔𝒆𝒓𝑼 𝒇 𝑼 𝒔𝒐𝒖𝒔 𝒍𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔
⋯
𝒄𝑱 𝑼 = 𝟎
𝑪𝒆𝒕𝒕𝒆 𝒎é𝒕𝒉𝒐𝒅𝒆(𝑴𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒂𝒕𝒆𝒖𝒓𝒔 𝒅𝒆 𝑳𝒂𝒈𝒓𝒂𝒏𝒈𝒆) 𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆 à 𝒕𝒓𝒐𝒖𝒗𝒆𝒓 𝒅𝒆𝒔 𝒑𝒐𝒊𝒏𝒕𝒔
𝒔𝒕𝒂𝒕𝒊𝒐𝒏𝒏𝒂𝒊𝒓𝒆𝒔, 𝒑𝒐𝒖𝒓 𝒍𝒆𝒔𝒒𝒖𝒆𝒍𝒔 𝒍𝒆𝒔 𝒅é𝒓𝒊𝒗é𝒆𝒔 𝒔′ 𝒂𝒏𝒏𝒖𝒍𝒆𝒏𝒕, 𝒅𝒆 ∶

𝑱
𝑳∗ 𝑼, 𝝀 = 𝒇 𝑼 + 𝝀𝒋 𝒄𝒋 𝑼 = 𝒇 𝑼 + 𝝀′ 𝒄 𝑼
𝒋=𝟏
𝑳𝒆𝒔 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏𝒔 𝒅𝒐𝒊𝒗𝒆𝒏𝒕 𝒗é𝒓𝒊𝒇𝒊𝒆𝒓 𝒍𝒆𝒔 é𝒒𝒖𝒂𝒕𝒊𝒐𝒏𝒔 ∶
𝝏𝑳∗ 𝑼, 𝝀 𝝏𝒇 𝑼 𝝏𝝀′ 𝒄 𝑼 𝝏𝒇 𝑼 𝝏 𝒄 𝑼 ′ 𝝀 𝝏𝒇 𝑼 𝝏𝒄 𝑼 ′
𝝏𝒇 𝑼
= + = + = + 𝝀= + 𝑪′ 𝝀 = 𝟎𝒏×𝟏
𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼
∗
𝝏𝑳 𝑼, 𝝀
= 𝒄 𝑼 = 𝟎𝑱×𝟏
𝝏𝝀
𝑶ù 𝑪 𝒆𝒔𝒕 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒅é𝒓𝒊𝒗é𝒆𝒔 𝒅𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒑𝒂𝒓 𝒓𝒂𝒑𝒑𝒐𝒓𝒕 à 𝑼 . 𝑳𝒂 𝒋– 𝒊è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝒍𝒂
𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑪 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝑱 × 𝒏 𝒆𝒔𝒕 𝒍𝒆 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 𝒅𝒆 𝒅é𝒓𝒊𝒗é𝒆𝒔 𝒅𝒆 𝒍𝒂 𝒋– 𝒊è𝒎𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆, 𝒄𝒋 𝑼
𝒑𝒂𝒓 𝒓𝒂𝒑𝒑𝒐𝒓𝒕 à 𝑼′
𝑳𝒂 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 𝒏𝒆 𝒑𝒆𝒖𝒕 ê𝒕𝒓𝒆 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓𝒆 à 𝒍𝒂 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆
𝝏𝒇 𝑼 𝝏𝒇 𝑼
𝒄𝒂𝒓 𝒍𝒆 𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕 ≠𝟎, = −𝑪′ 𝝀 . 𝑳𝒂 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 𝒏𝒆 𝒑𝒆𝒖𝒕 𝒑𝒂𝒔 ê𝒕𝒓𝒆
𝝏𝑼 𝝏𝑼
𝒎𝒆𝒊𝒍𝒍𝒆𝒖𝒓𝒆 𝒒𝒖𝒆 𝒍𝒂 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆.
Exercice 11 :
Énoncé
On considère une matrice 𝑿 de dimension 𝒏, 𝒌 , le vecteur 𝜷 = 𝜷𝟏 𝜷𝟐 ⋯ 𝜷𝒌 ′ et les vecteurs
aléatoires 𝒀 = 𝒚𝟏 𝒚𝟐 ⋯ 𝒚𝒏 ′ et 𝜺 = 𝜺𝟏 𝜺𝟐 ⋯ 𝜺𝒏 ′ .
On suppose que les 𝜺𝒊 sont i.i.d de 𝓝 𝟎, 𝝈𝟐 et que 𝜺 = 𝒀 − 𝑿𝜷
1) Déterminer, en fonction de 𝑿 et 𝒀 le vecteur 𝜷 qui minimise 𝒊 𝜺𝟐𝒊 = 𝜺′ 𝜺

2) Démontrer que les matrices 𝑴 𝒆𝒕 𝑷 sont idempotentes et symétriques ; 𝑷 = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ et
𝑴 = 𝑰𝒏 − 𝑷
3) Vérifier que 𝑴𝑷 = 𝟎𝒏×𝒏
4) Déterminer en fonction de 𝑴 la variance de 𝜺 avec 𝜺 = 𝒀 − 𝑿𝜷
ème
Corrigé
1)
𝒏
𝜺𝟐𝒊 = 𝜺′ 𝜺 = 𝒀 − 𝑿𝜷 ′
𝒀 − 𝑿𝜷 = 𝒀′ − 𝑿𝜷 ′
𝒀 − 𝑿𝜷 = 𝒀′ − 𝜷′ 𝑿′ 𝒀 − 𝑿𝜷
𝒊=𝟏
𝜺𝟐𝒊 = 𝒀′ 𝒀 − 𝒀′ 𝑿𝜷 − 𝜷′ 𝑿′ 𝒀 + 𝜷′ 𝑿′ 𝑿𝜷
𝒊=𝟏
𝜷 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒌 × 𝟏 ⇒ 𝜷′ 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝟏 × 𝒌
𝑶𝒓
𝑿 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒌 ⇒ 𝑿′ 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒌 × 𝒏
⇒ 𝜷′ 𝑿′ 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝟏 × 𝒏 𝒆𝒕 𝒄𝒐𝒎𝒎𝒆 𝒐𝒏 𝒂 𝒀 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝟏
𝒅𝒐𝒏𝒄 𝜷′ 𝑿′ 𝒀 𝒆𝒔𝒕 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝒆𝒕 𝜷′ 𝑿′ 𝒀 ′

= 𝜷′ 𝑿′ 𝒀 ⇔ 𝒀′ 𝑿𝜷 = 𝜷′ 𝑿′ 𝒀
𝒏
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝜺𝟐𝒊 = 𝒀′ 𝒀 − 𝟐𝒀′ 𝑿𝜷 + 𝜷′ 𝑿′ 𝑿𝜷

𝒊=𝟏
𝝏 𝜺𝟐𝒊 𝝏𝜷 = 𝝏 𝒀′ 𝒀 𝝏𝜷 − 𝟐 𝝏 𝒀′ 𝑿𝜷 𝝏𝜷 + 𝝏 𝜷′ 𝑿′ 𝑿𝜷 𝝏𝜷
𝒊=𝟏
𝝏 𝒀′ 𝒀
=𝟎
𝝏𝜷
𝝏𝑨𝑼 𝝏 𝒀′ 𝑿𝜷
𝓝– 𝟑 • = 𝑨′ ⇒ = 𝒀′ 𝑿 ′ = 𝑿′ 𝒀
𝝏𝑼 𝝏𝜷
𝝏 𝑼′ 𝑨𝑼 ′
𝓝– 𝟒 • = 𝑨 + 𝑨 𝑼 𝒆𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒊𝒆𝒓 𝒔𝒊 𝑨 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆, 𝒂𝒍𝒐𝒓𝒔 ∶ = 𝟐𝑨𝑼
𝝏𝑼 𝝏𝑼
𝝏 𝜷′ 𝑿′ 𝑿𝜷
⇒ = 𝟐 𝑿′ 𝑿 𝜷, 𝒄𝒂𝒓 𝑿′ 𝑿 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
𝝏𝜷
𝒏
𝑨𝒊𝒏𝒔𝒊 , 𝝏 𝜺𝟐𝒊 𝝏𝜷 = −𝟐𝑿′ 𝒀 + 𝟐 𝑿′ 𝑿 𝜷

𝒊=𝟏
• 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒑𝒓𝒆𝒎𝒊𝒆𝒓 𝒐𝒓𝒅𝒓𝒆 ∶ 𝝏 𝜺𝟐𝒊 𝝏𝜷 = 𝟎𝒌×𝟏 ⇔ −𝟐 𝑿′ 𝒀 − 𝑿′ 𝑿 𝜷 = 𝟎𝒌×𝟏

𝒊=𝟏
⇔ 𝑿′ 𝒀 − 𝑿′ 𝑿 𝜷 = 𝟎𝒌×𝟏
⇔ 𝑿′ 𝑿 𝜷 = 𝑿′ 𝒀
𝑺𝒊 𝑿′ 𝑿 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆, 𝒐𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 ∶ 𝜷 = 𝑿′ 𝑿 −𝟏

𝑿′ 𝒀
ème
𝒏
• 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒔𝒆𝒄𝒐𝒏𝒅 𝒐𝒓𝒅𝒓𝒆 ∶ 𝑯 = 𝝏 𝝏 𝜺𝟐𝒊 𝝏𝜷 𝝏𝜷′

𝒊=𝟏
𝝏 −𝟐 𝑿′ 𝒀 − 𝑿′ 𝑿 𝜷 𝝏 𝑿′ 𝒀 𝝏 𝑿′ 𝑿 𝜷 𝝏 𝑿′ 𝑿 𝜷
𝑯= = −𝟐 − = 𝟐
𝝏𝜷′ 𝝏𝜷′ 𝝏𝜷′ 𝝏𝜷′
𝟎𝒌×𝟏
𝝏𝑨𝑼 𝝏 𝑿′ 𝑿 𝜷
𝓝– 𝟑 •. = 𝑨 ⇒ = 𝑿′ 𝑿
𝝏𝑼′ 𝝏𝜷′
𝑫𝒐𝒏𝒄 𝑯 = 𝟐 𝑿′ 𝑿
𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒌 , 𝒂𝒗𝒆𝒄 𝒏 > 𝑘 𝑨′ 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆

𝓜– 𝟗 • 𝑺𝒊 , 𝒂𝒍𝒐𝒓𝒔
𝒓𝒈 𝑨 = 𝒌 𝑨 𝒅𝒆 𝒑𝒍𝒆𝒊𝒏 𝒓𝒂𝒏𝒈 𝑨𝑨′ 𝒆𝒔𝒕 𝒔𝒆𝒎𝒊– 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝑬𝒏 𝒆𝒇𝒇𝒆𝒕 𝒔𝒊 𝒓𝒈 𝑿 = 𝒌 < 𝑛 , 𝑎𝑙𝑜𝑟𝑠 𝑿′ 𝑿 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 ⇒ 𝑯 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝝏𝟐 𝒇 𝑼 𝑫é𝒇𝒊𝒏𝒊𝒆 + 𝒑𝒐𝒖𝒓 𝒖𝒏 𝒎𝒊𝒏𝒊𝒎𝒖𝒎

𝓝– 𝟏𝟎 • 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒔𝒆𝒄𝒐𝒏𝒅 𝒐𝒓𝒅𝒓𝒆 ∶ 𝑯 =
𝝏𝑼𝝏𝑼′ 𝑫é𝒇𝒊𝒏𝒊𝒆 − 𝒑𝒐𝒖𝒓 𝒖𝒏 𝒎𝒂𝒙𝒊𝒎𝒖𝒎
𝒏
𝑫′ 𝒐ù 𝜷 = 𝑿′ 𝑿 −𝟏
𝑿′ 𝒀 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒆 𝜺𝟐𝒊
𝒊=𝟏
2)
• 𝑷𝟐 = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ = 𝑷
𝑰𝒏
⇒ 𝑷 𝒆𝒔𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
• 𝑷′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ ′
= 𝑿′ ′
𝑿′ 𝑿 −𝟏 ′
𝑿′ = 𝑿 𝑿′ 𝑿 ′ −𝟏
𝑿′ = 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ ⇒ 𝑷 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
• 𝑴′ = 𝑰𝒏 − 𝑷 ′ = 𝑰′𝒏 − 𝑷′ = 𝑰𝒏 − 𝑷 = 𝑴 ⇒ 𝑴 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
• 𝑴𝟐 = 𝑰𝒏 − 𝑷 𝑰𝒏 − 𝑷 = 𝑰𝟐𝒏 − 𝑷 − 𝑷 + 𝑷𝟐 = 𝑰𝒏 − 𝟐𝑷 + 𝑷 = 𝑰𝒏 − 𝑷 = 𝑴 ⇒ 𝑴 𝒆𝒔𝒕 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆
3)
𝑴𝑷 = 𝑰𝒏 − 𝑷 𝑷 = 𝑷 − 𝑷𝟐 = 𝑷 − 𝑷 = 𝟎𝒏×𝒌
4)
𝑬 𝑴𝒁 = 𝑴𝑬 𝒁
𝑺𝒐𝒊𝒆𝒏𝒕 𝒁 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒂𝒍é𝒂𝒕𝒐𝒊𝒓𝒆 𝒆𝒕 𝑴 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒐𝒏 − 𝒂𝒍é𝒂𝒕𝒐𝒊𝒓𝒆 ∶
𝑽 𝑴𝒁 = 𝑴𝑽 𝒁 𝑴′
𝜺 = 𝒀 − 𝑿𝜷 = 𝒀 − 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝒀 = 𝒀 − 𝑿 𝑿′ 𝑿 −𝟏
𝑿′ 𝒀 = 𝒀 − 𝑷𝒀 = 𝑰𝒏 − 𝑷 𝒀 = 𝑴𝒀
𝑷 𝑴
𝑨𝒊𝒏𝒔𝒊 𝑽 𝜺 = 𝑽 𝑴𝒀 = 𝑴𝑽 𝒀 𝑴′
ème
𝟐
𝑶𝒓 𝑽 𝒀 = 𝑽 𝜺 + 𝑿𝜷 = 𝑽 𝜺 = 𝝈 𝑰𝒏 𝒄𝒂𝒓 𝑿 𝒆𝒕 𝜷 𝒔𝒐𝒏𝒕 𝒏𝒐𝒏 𝒂𝒍é𝒂𝒕𝒐𝒊𝒓𝒆𝒔
𝑪𝒆 𝒒𝒖𝒊 𝒅𝒐𝒏𝒏𝒆 ∶ 𝑽 𝜺 = 𝑴 𝝈𝟐 𝑰𝒏 𝑴′ = 𝝈𝟐 𝑴𝑰𝒏 𝑴′ = 𝝈𝟐 𝑴 𝑴′ = 𝝈𝟐 𝑴𝟐 = 𝝈𝟐 𝑴

𝑴 𝑴
𝑫′ 𝒐ù 𝑽 𝜺 = 𝝈𝟐 𝑴 = 𝝈𝟐 𝑰𝒏 − 𝑿 𝑿′ 𝑿 −𝟏
𝑿′
Exercice 12 :
Énoncé
𝟐𝟓 𝟕
Soit la matrice 𝑨 =
𝟕 𝟏𝟑
1) Trouver le vecteur 𝑼 qui minimise 𝒀 = 𝑼′ 𝑨𝑼 + 𝟐𝒙𝟏 + 𝟑𝒙𝟐 − 𝟏𝟎 où 𝑼′ = 𝒙𝟏 𝒙𝟐
Quelle est la valeur de 𝒀 au minimum ?
2) Maintenant, minimiser 𝒀 sous la contrainte 𝒙𝟏 + 𝒙𝟐 = 𝟏
Comparer les deux solutions.
Corrigé
1)
𝟐
𝒀 = 𝑼′ 𝑨𝑼 + 𝟐𝒙𝟏 + 𝟑𝒙𝟐 − 𝟏𝟎 = 𝑼′ 𝑨𝑼 + 𝑾′ 𝑼 − 𝟏𝟎 𝒐ù 𝑾 =
𝟑
𝝏𝒀 𝝏 𝑼′ 𝑨𝑼 + 𝑾′ 𝑼 − 𝟏𝟎
• 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒑𝒓𝒆𝒎𝒊𝒆𝒓 𝒐𝒓𝒅𝒓𝒆 ∶ =𝟎⇔ =𝟎
𝝏𝑼 𝝏𝑼
𝝏 𝑼′ 𝑨𝑼 𝝏 𝑾′ 𝑼 𝝏 𝟏𝟎
⇔ + − =𝟎
𝝏𝑼 𝝏𝑼 𝝏𝑼
𝟎
𝝏 𝑼′ 𝑨𝑼 ′
𝓝– 𝟒 • = 𝑨 + 𝑨 𝑼 𝒆𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒊𝒆𝒓 𝒔𝒊 𝑨 𝒆𝒔𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆, 𝒂𝒍𝒐𝒓𝒔 ∶ = 𝟐𝑨𝑼
𝝏𝑼 𝝏𝑼
𝝏 𝑼′ 𝑨𝑼 ′
𝑶𝒓 = 𝑨 + 𝑨 𝑼 𝒆𝒕 𝒄𝒐𝒎𝒎𝒆 𝒐𝒏 𝒂 𝑨 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 , 𝒅𝒐𝒏𝒄 = 𝟐𝑨𝑼
𝝏𝑼 𝝏𝑼
𝝏𝑨𝑼 ′
𝝏 𝑾′ 𝑼
𝓝– 𝟑 • =𝑨 ⇒ = 𝑾′ ′
=𝑾
𝝏𝑼 𝝏𝑼
𝝏𝒀
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 = 𝟎 ⇔ 𝟐𝑨𝑼 + 𝑾 = 𝟎
𝝏𝑼
⇔ 𝟐𝑨𝑼 = −𝑾
𝟏
⇔ 𝑼 = − 𝑨−𝟏 𝑾
𝟐
ème
𝑪𝒂𝒍𝒄𝒖𝒍𝒐𝒏𝒔 𝑨−𝟏 :
𝟐𝟓 𝟕 𝟐𝟓 𝟕 𝟏𝟑 −𝟕
𝑨= ⇒ 𝒅𝒆𝒕 𝑨 = = 𝟐𝟓 × 𝟏𝟑 − 𝟕𝟐 = 𝟐𝟕𝟔 𝒆𝒕 𝑪𝒐𝒎 𝑨 =
𝟕 𝟏𝟑 𝟕 𝟏𝟑 −𝟕 𝟐𝟓
𝟏 𝟏 𝟏𝟑 −𝟕
𝑨−𝟏 = 𝑪𝒐𝒎 𝑨 ′
=
𝒅𝒆𝒕 𝑨 𝟐𝟕𝟔 −𝟕 𝟐𝟓
𝒙𝟏 𝟏 𝟏 𝟏 𝟏𝟑 −𝟕 𝟐 𝟏 𝟓 𝟓 𝟔𝟏
𝑼= = − 𝑨−𝟏 𝑾 = − × =− ⇒ 𝒙𝟏 = − 𝒆𝒕 𝒙𝟐 = −
𝒙𝟐 𝟐 𝟐 𝟐𝟕𝟔 −𝟕 𝟐𝟓 𝟑 𝟓𝟓𝟐 𝟔𝟏 𝟓𝟓𝟐 𝟓𝟓𝟐
𝝏𝒀
𝝏
• 𝑪𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒅𝒆 𝒔𝒆𝒄𝒐𝒏𝒅 𝒐𝒓𝒅𝒓𝒆 ∶ 𝑯 = 𝝏𝑼 = 𝝏 𝟐𝑨𝑼 + 𝑾 = 𝟐 𝝏 𝑨𝑼 +
𝝏 𝑾
= 𝟐
𝝏 𝑨𝑼
𝝏𝑼′ 𝝏𝑼′ 𝝏𝑼′ 𝝏𝑼′ 𝝏𝑼′
𝟎
𝝏𝑨𝑼
𝓝– 𝟑 •. = 𝑨 ⇒ 𝑯 = 𝟐𝑨
𝝏𝑼′
𝑫é𝒕𝒆𝒓𝒎𝒊𝒏𝒐𝒏𝒔 𝒍𝒆𝒔 𝒔𝒊𝒈𝒏𝒆𝒔 𝒅𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 ∶
𝒏
𝒕𝒓 𝑨 = 𝝀𝒊
𝒊=𝟏
𝓘– 𝟖 • 𝒆𝒕
𝒏
𝒅𝒆𝒕 𝑨 = 𝝀𝒊
𝒊=𝟏
𝒕𝒓 𝑨 = 𝟐𝟓 + 𝟏𝟑 = 𝟑𝟖 ⇒ 𝝀𝟏 + 𝝀𝟐 = 𝟑𝟖 > 0
𝑺𝒐𝒊𝒆𝒏𝒕 𝝀𝟏 𝒆𝒕 𝝀𝟐 𝒅𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 , 𝒐𝒓
𝒅𝒆𝒕 𝑨 = 𝟐𝟕𝟔 ⇒ 𝝀𝟏 𝝀𝟐 = 𝟐𝟕𝟔 > 0
𝑬𝒏 𝒆𝒇𝒇𝒆𝒕 𝝀𝟏 𝒆𝒕 𝝀𝟐 , 𝒍𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒑𝒓𝒐𝒑𝒓𝒆𝒔 𝒅𝒆 𝑨 𝒔𝒐𝒏𝒕 𝒕𝒐𝒖𝒕𝒆𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔,
𝒅𝒐𝒏𝒄 𝑨 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 𝒆𝒕 𝑯 𝒆𝒔𝒕 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆
𝟓
−
𝑫′ 𝒐ù 𝑼 = 𝟓𝟓𝟐 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒆 𝒀 = 𝑼′ 𝑨𝑼 + 𝟐𝒙𝟏 + 𝟑𝒙𝟐 − 𝟏𝟎
𝟔𝟏
−
𝟓𝟓𝟐
2) Maintenant, on va minimiser 𝒀 sous la contrainte

𝒙𝟏 ′
𝒙𝟏 + 𝒙𝟐 − 𝟏 = 𝟎 ⇔ 𝒄 𝑼 − 𝟏 = 𝟎 𝒐ù 𝒄 𝑼 = 𝒙𝟏 + 𝒙𝟐 = 𝟏 𝟏 𝒙𝟐 = 𝒆 𝑼
Le problème d’optimisation sous contrainte peut être traité sous la forme d’un lagrangien :
𝑳∗ 𝑼, 𝝀 = 𝒀 + 𝝀′ 𝒄 𝑼 − 𝟏 = 𝒀 + 𝝀 𝒄 𝑼 − 𝟏 , 𝒂𝒗𝒆𝒄 𝝀′ = 𝝀 𝒑𝒖𝒊𝒔𝒒𝒖𝒆 𝝀 𝒆𝒔𝒕 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 ,
𝒑𝒖𝒊𝒔𝒒𝒖′ 𝒐𝒏𝒂 𝒖𝒏𝒆 𝒔𝒆𝒖𝒍𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆
𝑳𝒆𝒔 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏𝒔 𝒅𝒐𝒊𝒗𝒆𝒏𝒕 𝒗é𝒓𝒊𝒇𝒊𝒆𝒓 𝒍𝒆𝒔 é𝒒𝒖𝒂𝒕𝒊𝒐𝒏𝒔 ∶
ème
𝝏𝑳∗ 𝑼, 𝝀 𝝏𝒀 𝝏 𝒄 𝑼 −𝟏 𝝏𝒀 𝝏𝒄 𝑼 𝝏𝒀 𝝏 𝒆′ 𝑼
= +𝝀 = +𝝀 = +𝝀 = 𝟎𝟐×𝟏
𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼 𝝏𝑼
𝒆
𝝏𝑳∗ 𝑼, 𝝀
=𝒄 𝑼 −𝟏=𝟎
𝝏𝝀
𝟐𝑨𝑼 + 𝑾 + 𝝀𝒆 = 𝟎𝟐×𝟏
⇔
𝒆′ 𝑼 = 𝟎
𝟐𝑨𝑼 + 𝝀𝒆 = −𝑾
⇔
𝒆′ 𝑼 = 𝟏
𝟐𝑨 𝒆 𝑼 −𝑾
⇔ =
𝒆′ 𝟎 𝝀 𝟏
𝟓𝟎 𝟏𝟒 𝟏 𝒙𝟏 −𝟐
′ 𝒙𝟐 = −𝟑
𝑬𝒏 𝒊𝒏𝒔é𝒓𝒂𝒏𝒕 𝑨, 𝒆, 𝒆 , 𝑼 𝒆𝒕 − 𝑾 𝒐𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 ∶ 𝟏𝟒 𝟐𝟔 𝟏
𝟏 𝟏 𝟎 𝝀 𝟏
𝒙𝟏 −𝟏
𝟓𝟎 𝟏𝟒 𝟏 −𝟐
⇒ 𝒙𝟐 = 𝟏𝟒 𝟐𝟔 𝟏 −𝟑
𝝀 𝟏 𝟏 𝟎 𝟏
𝟓𝟎 𝟏𝟒 𝟏 𝟓𝟎 𝟏𝟒 𝟏
−𝟑𝟔 𝟏𝟐
𝟏𝟒 𝟐𝟔 𝟏 = −𝟑𝟔 𝟏𝟐 𝟎 = +𝟏 × = −𝟒𝟖
𝟏 𝟏
𝟏 𝟏 𝟎 𝟏 𝟏 𝟎
𝟐𝟔 𝟏 𝟏𝟒 𝟏 𝟏𝟒 𝟐𝟔
+ − +
𝟓𝟎 𝟏𝟒 𝟏 𝟏 𝟎 𝟏 𝟎 𝟏 𝟏 −𝟏 𝟏 −𝟏𝟐
𝟏𝟒 𝟏 𝟓𝟎 𝟏 𝟓𝟎 𝟏𝟒
𝑪𝒐𝒎 𝟏𝟒 𝟐𝟔 𝟏 = − + − = 𝟏 −𝟏 −𝟑𝟔
𝟏 𝟎 𝟏 𝟎 𝟏 𝟏
𝟏 𝟏 𝟎 𝟏𝟒 𝟏 𝟓𝟎 𝟏 𝟓𝟎 𝟏𝟒 −𝟏𝟐 −𝟑𝟔 𝟏𝟏𝟎𝟒
+ − +
𝟐𝟔 𝟏 𝟏𝟒 𝟏 𝟏𝟒 𝟐𝟔
−𝟏 ′
𝟓𝟎 𝟏𝟒 𝟏 𝟏 𝟓𝟎 𝟏𝟒 𝟏 𝟏 −𝟏 𝟏 −𝟏𝟐
𝟏𝟒 𝟐𝟔 𝟏 = 𝑪𝒐𝒎 𝟏𝟒 𝟐𝟔 𝟏 =− 𝟏 −𝟏 −𝟑𝟔
𝟓𝟎 𝟏𝟒 𝟏 𝟒𝟖
𝟏 𝟏 𝟎 𝒅𝒆𝒕 𝟏𝟒 𝟏 𝟏 𝟎 −𝟏𝟐 −𝟑𝟔 𝟏𝟏𝟎𝟒
𝟐𝟔 𝟏
𝟏 𝟏 𝟎
𝟏𝟑
𝒙𝟏 𝟏 −𝟏 𝟏 −𝟏𝟐 −𝟐 𝟒𝟖
𝒙𝟐 = − 𝟏 −𝟏 −𝟑𝟔 −𝟑 = 𝟑𝟓
𝟒𝟖 𝟒𝟖
𝝀 −𝟏𝟐 −𝟑𝟔 𝟏𝟏𝟎𝟒 𝟏
−𝟐𝟓, 𝟕𝟓
• 𝒀𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 = 𝑼′𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 𝑨𝑼𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 + 𝑾′ 𝑼𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 − 𝟏𝟎
𝟏 𝟐𝟓 𝟕 𝟏𝟑 𝟏 𝟏𝟑
= 𝟏𝟑 𝟑𝟓 + 𝟐 𝟑 − 𝟏𝟎
𝟒𝟖𝟐 𝟕 𝟏𝟑 𝟑𝟓 𝟒𝟖 𝟑𝟓
𝟏 𝟏𝟑 𝟏𝟑𝟏
= 𝟓𝟕𝟎 𝟓𝟒𝟔 + − 𝟏𝟎
𝟒𝟖𝟐 𝟑𝟓 𝟒𝟖
ème
𝟏𝟏𝟎𝟓 𝟐𝟔𝟐 𝟗𝟔𝟎
= + −
𝟗𝟔 𝟗𝟔 𝟗𝟔
𝟒𝟎𝟕
𝒀𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 = ≅ 𝟒, 𝟐𝟒
𝟗𝟔
• 𝒀𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 = 𝑼′𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 𝑨𝑼𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 + 𝑾′ 𝑼𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 − 𝟏𝟎
𝟓 𝟓
𝟓 𝟔𝟏 − −
𝟐𝟓 𝟕 𝟓𝟓𝟐 + 𝟐 𝟓𝟓𝟐 − 𝟏𝟎
= − − 𝟑
𝟓𝟓𝟐 𝟓𝟓𝟐 𝟕 𝟏𝟑 𝟔𝟏 𝟔𝟏
− −
𝟓𝟓𝟐 𝟓𝟓𝟐
𝟏 𝟐𝟓 𝟕 𝟓 𝟏 𝟓
= 𝟓 𝟔𝟏 − 𝟐 𝟑 − 𝟏𝟎
𝟓𝟓𝟐𝟐 𝟕 𝟏𝟑 𝟔𝟏 𝟓𝟓𝟐 𝟔𝟏
𝟏 𝟓 𝟏𝟗𝟑
= 𝟓𝟓𝟐 𝟖𝟐𝟖 − − 𝟏𝟎
𝟓𝟓𝟐𝟐 𝟔𝟏 𝟓𝟓𝟐
𝟓𝟑𝟔𝟐𝟖 𝟓𝟕𝟏𝟑
= −
𝟑𝟎𝟒𝟕𝟎𝟒 𝟓𝟓𝟐
𝟑𝟎𝟗𝟗𝟗𝟒𝟖
𝒀𝒏𝒐𝒏 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆 = − ≅ −𝟏𝟎, 𝟏𝟕𝟒
𝟑𝟎𝟒𝟕𝟎𝟒
La valeur de la fonction à la solution contrainte est plus grande que la valeur non contrainte
Institut de Financement du Développement du Maghreb Arabe

CONCOURS DE RECRUTEMENT DE LA XXXVIème PROMOTION (BANQUE)
AOÛT 2016
Exercice 13 : Partie 2 : (5 points : 1+1+1+2)

Énoncé
𝟏 𝜶
𝑶𝒏 𝒄𝒐𝒏𝒔𝒊𝒅è𝒓𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 = 𝒐ù 𝜶 𝒆𝒔𝒕 𝒖𝒏 𝒑𝒂𝒓𝒂𝒎è𝒕𝒓𝒆 𝒊𝒏𝒄𝒐𝒏𝒏𝒖.
𝟏 𝟐
1) 𝑪𝒂𝒍𝒄𝒖𝒍𝒆𝒓 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑩 = 𝑨𝟐 − 𝟑𝑨 + 𝟐 − 𝜶 𝑰 𝒐ù 𝑰 𝒆𝒔𝒕 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒏𝒕𝒊𝒕é . 𝑽é𝒓𝒊𝒇𝒊𝒆𝒓 𝒒𝒖𝒆
𝑩 𝒆𝒔𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒅𝒆 𝜶
2) 𝑪𝒂𝒍𝒄𝒖𝒍𝒆𝒓 𝑨−𝟏 , 𝒍′ 𝒊𝒏𝒗𝒆𝒓𝒔𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒆𝒏 𝒑𝒓é𝒄𝒊𝒔𝒂𝒏𝒕 𝒍𝒂 𝒄𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏 𝒒𝒖′ 𝒊𝒍𝒇𝒂𝒖𝒕 𝒊𝒎𝒑𝒐𝒔𝒆𝒓
𝒔𝒖𝒓 𝜶 𝒑𝒐𝒖𝒓 𝒒𝒖𝒆 𝑨−𝟏 𝒆𝒙𝒊𝒔𝒕𝒆 .
ème
−𝟏
3) 𝑪𝒐𝒎𝒑𝒂𝒓𝒆𝒓 𝑨 à 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑪 𝒅é𝒇𝒊𝒏𝒊𝒆 𝒑𝒂𝒓 ∶ 𝑪 = 𝑨 − 𝟑𝑰 .
4) 𝑶𝒏 𝒔𝒖𝒑𝒑𝒐𝒔𝒆 𝒅𝒂𝒏𝒔 𝒄𝒆𝒕𝒕𝒆 𝒒𝒖𝒆𝒔𝒕𝒊𝒐𝒏 𝒒𝒖𝒆 𝜶 = 𝟐 . 𝑷𝒓𝒐𝒖𝒗𝒆𝒓 𝒒𝒖𝒆 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝒆𝒏𝒕𝒊𝒆𝒓 𝒏
𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓 𝒐𝒖 é𝒈𝒂𝒍 à 𝟏 𝒏 ≥ 𝟏 , 𝒒𝒖𝒆 𝑨𝒏 = 𝝀𝒏 𝑨 , 𝒂𝒗𝒆𝒄 𝝀 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 à 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒆𝒓.
Corrigé
1)
𝟏 𝜶 𝟏 𝜶 𝟏 𝜶
𝑨 = ⇒ 𝑨𝟐 =
𝟏 𝟐 𝟏 𝟐 𝟏 𝟐
𝟏+𝜶 𝟑𝜶
⇒ 𝑨𝟐 =
𝟑 𝟒+𝜶
 𝑩 = 𝑨𝟐 − 𝟑𝑨 + 𝟐 − 𝜶 𝑰
𝟏+𝜶 𝟑𝜶 𝟏 𝜶 𝟏 𝟎
= −𝟑 + 𝟐−𝜶
𝟑 𝟒+𝜶 𝟏 𝟐 𝟎 𝟏
𝟏+𝜶 𝟑𝜶 𝟑 𝟑𝜶 𝟐−𝜶 𝟎
= − +
𝟑 𝟒+𝜶 𝟑 𝟔 𝟎 𝟐−𝜶
𝟏+𝜶−𝟑+𝟐−𝜶 𝟑𝜶 − 𝟑𝜶 + 𝟎
=
𝟑−𝟑+𝟎 𝟒+𝜶−𝟔+𝟐−𝜶
𝟎 𝟎
′ 𝑩= = 𝟎𝟐,𝟐 , 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒖𝒍𝒍𝒆 𝒅𝒆 𝒅𝒊𝒎𝒆𝒏𝒔𝒊𝒐𝒏 𝟐 × 𝟐 , 𝒅𝒐𝒏𝒄 é𝒗𝒊𝒅𝒆𝒎𝒎𝒆𝒏𝒕
𝑫 𝒐ù 𝟎 𝟎
𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒅𝒆 𝜶
2)
𝟏 𝜶
𝒅𝒆𝒕 𝑨 = =𝟐−𝜶
𝟏 𝟐
𝑨 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒔𝒊 𝒆𝒕 𝒔𝒆𝒖𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊 𝒅𝒆𝒕 𝑨 ≠ 𝟎 𝒅𝒐𝒏𝒄 𝒑𝒐𝒖𝒓 𝜶 ≠ 𝟐
𝟏
𝑶𝒏 𝒂 ∶ 𝑨−𝟏 = 𝑪𝒐𝒎 𝑨 ′
𝒅𝒆𝒕 𝑨
𝟐 −𝟏 ′ 𝟐 −𝜶
𝒂𝒗𝒆𝒄 𝑪𝒐𝒎 𝑨 = ⇒ 𝑪𝒐𝒎 𝑨 =
−𝜶 𝟏 −𝟏 𝟏
𝟏 𝟏 𝟐 −𝜶
𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 , ∀𝜶 ≠ 𝟐, 𝑨−𝟏 = 𝑪𝒐𝒎 𝑨 ′
=
𝒅𝒆𝒕 𝑨 𝟐 − 𝜶 −𝟏 𝟏
𝟐 𝜶
𝟏 −
𝟐 −𝜶
∀𝜶 ≠ 𝟐 , 𝑨−𝟏 = = 𝟐−𝜶 𝟐−𝜶
𝟐 − 𝜶 −𝟏 𝟏 𝟏 𝟏
−
𝟐−𝜶 𝟐−𝜶
3)
ème
Méthodes
Annexe ❸ Algèbre Linéaire
Quantitatives
Inverse d'une matrice carrée

𝓕– 𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒐𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆
𝒔′ 𝒊𝒍 𝒆𝒙𝒊𝒔𝒕𝒆 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆, 𝒏𝒐𝒕é𝒆 𝑨−𝟏 𝒅𝒆 𝒎ê𝒎𝒆 𝒇𝒐𝒓𝒎𝒂𝒕 𝒕𝒆𝒍𝒍𝒆 𝒒𝒖𝒆 𝑨𝑨−𝟏 = 𝑨−𝟏 𝑨 = 𝑰𝒏 .
𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝑨−𝟏 , 𝒊𝒏𝒗𝒆𝒓𝒔𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨
𝑶𝒏 𝒂 𝑨𝟐 − 𝟑𝑨 + 𝟐 − 𝜶 𝑰 = 𝟎 ⇔ 𝑨𝟐 − 𝟑𝑨 = − 𝟐 − 𝜶 𝑰
⇔ 𝑨 𝑨 − 𝟑𝑰 = − 𝟐 − 𝜶 𝑰 , 𝒐𝒓 𝑪 = 𝑨 − 𝟑𝑰
−𝟏
𝑨𝒊𝒏𝒔𝒊 , 𝒐𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 ∶ 𝑨𝑪 = − 𝟐 − 𝜶 𝑰 𝒆𝒕 𝒑𝒐𝒖𝒓 𝜶 ≠ 𝟐 𝒐𝒏 𝒂𝒖𝒓𝒂 𝑨 × 𝑪 =𝑰
𝟐−𝜶
𝑶𝒓 𝒑𝒂𝒓 𝒅é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏 𝑨𝑨−𝟏 = 𝑨−𝟏 𝑨 = 𝑰 𝒆𝒕 𝒍′ 𝒊𝒏𝒗𝒆𝒓𝒔𝒆𝒅′ 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒔′ 𝒊𝒍 𝒆𝒙𝒊𝒔𝒕𝒆 𝒊𝒍 𝒆𝒔𝒕
−𝟏
𝒖𝒏𝒊𝒒𝒖𝒆 . 𝑫′ 𝒐ù ∀𝜶 ≠ 𝟐 , 𝑨−𝟏 = 𝑪
𝟐−𝜶
4)
𝑩 = 𝑨𝟐 − 𝟑𝑨
𝜶 é𝒕𝒂𝒏𝒕 é𝒈𝒂𝒍 à 𝟐 , 𝒅𝒐𝒏𝒄 𝒆𝒕 ⇒ 𝑨𝟐 − 𝟑𝑨 = 𝟎
𝑩 = 𝟎 , ∀𝜶 ∈ ℝ
⇒ 𝑨𝟐 = 𝟑𝑨
𝑬𝒏𝒄𝒐𝒓𝒆 𝒖𝒏𝒆 𝒂𝒖𝒕𝒓𝒆 𝒇𝒐𝒊𝒔 𝒏𝒐𝒖𝒔 𝒅𝒆𝒗𝒐𝒏𝒔 𝒓𝒆𝒇𝒐𝒓𝒎𝒖𝒍𝒆𝒓 𝒍𝒂 𝒒𝒖𝒆𝒔𝒕𝒊𝒐𝒏 𝟒) ∶ 𝑷𝒓𝒐𝒖𝒗𝒆𝒓 𝒒𝒖𝒆 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕
𝒆𝒏𝒕𝒊𝒆𝒓 𝒏 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓 𝒐𝒖 é𝒈𝒂𝒍 à 𝟏 𝒏 ≥ 𝟏 , 𝒒𝒖𝒆 𝑨𝒏+𝟏 = 𝝀𝒏 𝑨 , 𝒂𝒗𝒆𝒄 𝝀 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 à 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒆𝒓.
Méthodes Quantitatives Annexe ❶ Analyse
Le symbole ∑
𝓕– 𝟏𝟎 • 𝑷𝒓𝒊𝒏𝒄𝒊𝒑𝒆 𝒅𝒆 𝒓𝒂𝒊𝒔𝒐𝒏𝒏𝒆𝒎𝒆𝒏𝒕 𝒑𝒂𝒓 𝒓é𝒄𝒖𝒓𝒓𝒆𝒏𝒄𝒆 ∶ 𝑺𝒐𝒊𝒕 à 𝒑𝒓𝒐𝒖𝒗𝒆𝒓 𝒖𝒏𝒆 𝒑𝒓𝒐𝒑𝒓𝒊é𝒕é
𝓟𝒏 , 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝒏 ∈ ℕ.
ème
𝑰𝒏𝒊𝒕𝒊𝒂𝒍𝒊𝒔𝒂𝒕𝒊𝒐𝒏 ∶ 𝓟𝟎 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆
𝑺𝒊 ∶
𝑯é𝒓é𝒅𝒊𝒕é ∶ ∀𝒏 ∈ ℕ , 𝒍′ 𝒊𝒎𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏 𝓟𝒏 𝒗𝒓𝒂𝒊𝒆 ⇒ 𝓟𝒏+𝟏 𝒗𝒓𝒂𝒊𝒆 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆
𝑨𝒍𝒐𝒓𝒔 ∀𝒏 ∈ ℕ , 𝓟𝒏 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆
𝑺𝒖𝒈𝒈é𝒓𝒐𝒏𝒔 𝒅𝒐𝒏𝒄 𝒍𝒂 𝒑𝒓𝒐𝒑𝒓𝒊é𝒕é 𝓟𝒏 , 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝒏 ∈ ℕ∗ ∶ 𝑨𝒏+𝟏 = 𝟑𝒏 𝑨
 𝑰𝒏𝒊𝒕𝒊𝒂𝒍𝒊𝒔𝒂𝒕𝒊𝒐𝒏 ∶ 𝑽é𝒓𝒊𝒇𝒊𝒐𝒏𝒔 𝒒𝒖𝒆 𝓟𝟏 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆 ∶
𝟏+𝟐 𝟑×𝟐 𝟑 𝟔 𝟏 𝟐
𝑶𝒏 𝒂 𝑨𝟏+𝟏 = 𝑨𝟐 = = =𝟑 = 𝟑𝟏 𝑨 . 𝓟𝟏 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆
𝟑 𝟒+𝟐 𝟑 𝟔 𝟏 𝟐
 𝑯é𝒓é𝒅𝒊𝒕é ∶ 𝑺𝒖𝒑𝒑𝒐𝒔𝒐𝒏𝒔 𝒒𝒖𝒆 𝓟𝒏 𝒆𝒔𝒕 𝒗𝒓𝒂𝒊𝒆 , 𝒑𝒖𝒊𝒔 𝒅é𝒎𝒐𝒏𝒕𝒓𝒐𝒏𝒔 𝒒𝒖𝒆 𝓟𝒏+𝟏 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 𝒗𝒓𝒂𝒊𝒆 ∶
𝑨 𝒏+𝟏 +𝟏 = 𝑨𝒏+𝟏 𝑨 = 𝟑𝒏 𝑨 𝑨 = 𝟑𝒏 𝑨𝟐 = 𝟑𝒏+𝟏 𝑨 𝒆𝒕 𝓟𝒏+𝟏 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 𝒗𝒓𝒂𝒊𝒆

é𝐠𝐚𝐥 à 𝟑𝒏 𝑨 𝐩𝐚𝐫 𝐡𝐲𝐩𝐨𝐭𝐡è𝐬𝐞 𝟑𝟏 𝑨
𝑫′ 𝒐ù ∀𝒏 ∈ ℕ∗ ∶ 𝑨𝒏+𝟏 = 𝟑𝒏 𝑨
ème

Annexe 3 Algèbre 2017

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Annexe 3 Algèbre 2017

Transféré par

Droits d'auteur :

Formats disponibles

BEN AHMED MOHSEN Téléphone: (+216) 97 619191 / 54 619191

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒂𝒖 𝒅𝒆𝒔𝒔𝒖𝒔 𝒅𝒆 𝒍𝒂 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒔 ∶ 𝒔𝒊 𝒊 < 𝑗 ⇒ 𝒂𝒊𝒋 = 𝟎

𝒔𝒊 𝒔𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒆𝒏 𝒅𝒆𝒔𝒔𝒐𝒖𝒔 𝒅𝒆 𝒍𝒂 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍𝒆 𝒔𝒐𝒏𝒕 𝒏𝒖𝒍𝒔 ∶ 𝒔𝒊 𝒊 > 𝑗 ⇒ 𝒂𝒊𝒋 = 𝟎

𝓐– 𝟖 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒒𝒖𝒊 𝒆𝒔𝒕 𝒕𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒊𝒓𝒆 𝒊𝒏𝒇é𝒓𝒊𝒆𝒖𝒓𝒆 𝒆𝒕 𝒔𝒖𝒑é𝒓𝒊𝒆𝒖𝒓𝒆 à 𝒍𝒂 𝒇𝒐𝒊𝒔

L'addition des matrices

𝒅𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒅𝒆 𝑨 𝒆𝒔𝒕 é𝒈𝒂𝒍 𝒂𝒖 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒍𝒊𝒈𝒏𝒆 𝒅𝒆 𝑩. 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 ∶

𝑨 = 𝒂𝒊𝒋 𝟏≤𝒊≤𝒏 𝒆𝒕 𝑩 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒑 × 𝒒 ∶ 𝑩 = 𝒃𝒊𝒋 𝟏≤𝒊≤𝒑 .

𝑨𝒍𝒐𝒓𝒔 𝒍𝒆 𝒑𝒓𝒐𝒅𝒖𝒊𝒕 𝑪 = 𝑨𝑩 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒒 𝒅𝒐𝒏𝒕 𝒍𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔

𝓒– 𝟐𝟎 • 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒔𝒊 ∀ 𝒓 ∈ ℕ∗ , 𝑴𝒓 = 𝑴

𝓒– 𝟐𝟏 • 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒊𝒍𝒑𝒐𝒕𝒆𝒏𝒕𝒆 𝒔𝒊 ∃ 𝒓 ∈ ℕ, 𝑴𝒓 = 𝟎

𝓓– 𝟒 • 𝑼𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒑 𝒆𝒔𝒕 𝒅𝒊𝒕𝒆 𝒂𝒏𝒕𝒊𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 𝒔𝒊

𝒆𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝒕𝒓𝒂𝒄𝒆 𝑨 𝒍𝒆 𝒏𝒐𝒎𝒃𝒓𝒆 𝒐𝒃𝒕𝒆𝒏𝒖 𝒆𝒏 𝒂𝒅𝒅𝒊𝒕𝒊𝒐𝒏𝒏𝒂𝒏𝒕 𝒍𝒆𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒖𝒙 𝒅𝒆 𝑨 ∶

𝒕𝒓 𝑨 = 𝒂𝟏𝟏 + 𝒂𝟐𝟐 + ⋯ + 𝒂𝒏𝒏 = 𝒂𝒊𝒊

𝓔– 𝟐 • 𝒕𝒓 𝑨 + 𝑩 = 𝒕𝒓 𝑨 + 𝒕𝒓 𝑩 , 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏

𝓔– 𝟔 • 𝒕𝒓 𝑨𝑩𝑪 = 𝒕𝒓 𝑩𝑪𝑨 = 𝒕𝒓 𝑪𝑨𝑩

𝑶𝒓 𝑬 = 𝑫′ 𝑫 = 𝜟𝑫, avec 𝑬 = 𝒆𝒊𝒋 𝟏≤𝒊≤𝒑

𝑨𝒊𝒏𝒔𝒊 𝒆𝒊𝒋 = 𝜹𝒊𝒌 𝒅𝒌𝒋 = 𝒅𝒌𝒊 𝒅𝒌𝒋 𝓒– 𝟏

𝑶𝒏 𝒂 ∶ 𝒕𝒓 𝑬 = 𝒆𝒋𝒋 = 𝒅𝒌𝒋 𝒅𝒌𝒋 = 𝒅𝟐𝒌𝒋 𝓔– 𝟏

Inverse d'une matrice carrée

𝑶𝒏 𝒂𝒑𝒑𝒆𝒍𝒍𝒆 𝑨−𝟏 , 𝒊𝒏𝒗𝒆𝒓𝒔𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨

𝓕– 𝟐 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆. 𝑨𝒍𝒐𝒓𝒔 ∶

𝓕– 𝟐 𝐚 • 𝑨−𝟏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒆𝒕 𝑨−𝟏 −𝟏 = 𝑨

𝓕– 𝟑 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒏 × 𝒏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔. 𝑨𝒍𝒐𝒓𝒔 𝑨𝑩 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆

𝓕– 𝟒 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 , 𝑩 𝒆𝒕 𝑪 𝒕𝒓𝒐𝒊𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒄𝒂𝒓𝒓é𝒆𝒔 𝒏 × 𝒏 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆𝒔.

𝓕– 𝟔 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒐𝒏 𝒅𝒊𝒕 𝒒𝒖𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨

𝒆𝒔𝒕 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒍𝒆, 𝒔𝒊 𝑨−𝟏 = 𝑨′ 𝒐𝒖 𝑨𝑨′ = 𝑰𝒏

𝑷𝒂𝒓 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒇 𝑴−𝟏 = 𝑫−𝟏 𝑴−𝟏 ′ 𝑫−𝟏 = 𝑫−𝟏 𝑴′ −𝟏

𝑺𝒊 𝑰𝒏 − 𝑨𝑩 𝒆𝒔𝒕 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝑰𝒏 − 𝑩𝑨 𝒍′ 𝒆𝒔𝒕 𝒂𝒖𝒔𝒔𝒊 𝒆𝒕 𝑰𝒏 − 𝑩𝑨 −𝟏

𝒏𝒐𝒕é 𝒅𝒆𝒕 𝑨 𝒐𝒖 𝑨 , 𝒆𝒔𝒕 𝒍′ é𝒍é𝒎𝒆𝒏𝒕 𝒅𝒆 ℝ 𝒅é𝒇𝒊𝒏𝒊𝒕 𝒑𝒂𝒓 ∶

• 𝒔𝒊 𝒏 = 𝟏 𝒂𝒍𝒐𝒓𝒔 𝑨 = 𝒂𝟏𝟏 𝒆𝒕 𝒅𝒆𝒕 𝑨 = 𝒂𝟏𝟏

𝒐ù 𝚫𝐢𝟏 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆

𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒊" 𝒆𝒕 𝒍𝒂 𝒑𝒓𝒆𝒎𝒊è𝒓𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆

𝓖– 𝟐 • 𝑶𝒏 𝒐𝒃𝒕𝒊𝒆𝒏𝒕 𝒕𝒐𝒖𝒋𝒐𝒖𝒓𝒔 𝒎ê𝒎𝒆 𝒓é𝒔𝒖𝒍𝒕𝒂𝒕 𝒆𝒏 𝒅é𝒗𝒆𝒍𝒐𝒑𝒑𝒂𝒏𝒕 𝒔𝒆𝒍𝒐𝒏 𝒏′ 𝒊𝒎𝒑𝒐𝒓𝒕𝒆 𝒒𝒖𝒆𝒍𝒍𝒆 𝒍𝒊𝒈𝒏𝒆

𝒐𝒖 𝒔𝒆𝒍𝒐𝒏 𝒏′ 𝒊𝒎𝒑𝒐𝒓𝒕𝒆 𝒒𝒖𝒆𝒍𝒍𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 ∶

𝒐ù 𝚫𝒊𝒍 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆

𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒊" 𝒆𝒕 𝒍𝒂 𝒍 – è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆

𝒐ù 𝚫𝒌𝒋 𝒆𝒔𝒕 𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 − 𝟏 × 𝒏 − 𝟏 𝒐𝒃𝒕𝒆𝒏𝒖𝒆

𝒆𝒏 𝒆𝒏𝒍𝒗𝒂𝒏𝒕 à 𝑨 𝒍𝒂 𝒍𝒊𝒈𝒏𝒆 𝒏𝒐 " 𝒌" 𝒆𝒕 𝒍𝒂 𝒋 – è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆

𝒐ù 𝑨𝒊𝒋 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒃𝒕𝒆𝒏𝒖𝒆 𝒆𝒏 𝒆𝒏𝒍𝒆𝒗𝒂𝒏𝒕 à 𝑨 𝒔𝒂 𝒊– 𝒊è𝒎𝒆 𝒍𝒊𝒈𝒏𝒆 𝒆𝒕 𝒔𝒂 𝒋– 𝒊è𝒎𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆.

𝑳𝒆 𝒕𝒆𝒓𝒎𝒆 𝚫𝒊𝒋 = 𝒅𝒆𝒕 𝑨𝒊𝒋 𝒆𝒔𝒕 𝒂𝒑𝒑𝒆𝒍é 𝒎𝒊𝒏𝒆𝒖𝒓 𝒅𝒖 𝒕𝒆𝒓𝒎𝒆 𝒂𝒊𝒋

𝓖– 𝟕 • 𝒅𝒆𝒕 𝑰𝒏 = 𝟏 , 𝒐ù 𝑰𝒏 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒏𝒕𝒊𝒕é 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏

𝓖– 𝟖 • 𝑺𝒊 𝑨 = 𝟎𝒏×𝒏 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 = 𝟎

𝓖– 𝟗 • 𝑺𝒊 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒊𝒅𝒆𝒎𝒑𝒐𝒕𝒆𝒏𝒕𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑴 ∈ 𝟎, 𝟏

𝓖– 𝟏𝟎 • 𝑺𝒊 𝑴 𝒆𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒏𝒊𝒍𝒑𝒐𝒕𝒆𝒏𝒕𝒆, 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑴 = 𝟎

𝓖– 𝟏𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 ,

𝓖– 𝟏𝟐 • 𝑺𝒐𝒊𝒆𝒏𝒕 𝑨 𝒆𝒕 𝑩 𝒅𝒆𝒖𝒙 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 . 𝑨𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨𝑩 = 𝒅𝒆𝒕 𝑨 𝒅𝒆𝒕 𝑩

𝓖– 𝟏𝟒 • 𝑺𝒊 𝒐𝒏 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒆 𝒍′ 𝒖𝒏𝒆 𝒅𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔 𝒑𝒂𝒓 𝒖𝒏 𝒔𝒄𝒂𝒍𝒂𝒊𝒓𝒆 𝝀 ∈ ℝ , 𝒂𝒍𝒐𝒓𝒔

𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒅𝒆 𝒄𝒆𝒕𝒕𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒆𝒔𝒕 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 𝒍𝒆 𝒎ê𝒎𝒆 é𝒍é𝒎𝒆𝒏𝒕 𝝀 𝒅𝒆 ℝ

𝓖– 𝟏𝟔 • 𝑺𝒊 𝒐𝒏 é𝒄𝒉𝒂𝒏𝒈𝒆 𝒅𝒆𝒖𝒙 𝒍𝒊𝒈𝒏𝒆𝒔 𝒓𝒆𝒔𝒑. 𝒖𝒏𝒆 𝒄𝒐𝒍𝒐𝒏𝒏𝒆 𝒅’𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒄𝒂𝒓𝒓é𝒆,

𝒍𝒆 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒆𝒔𝒕 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒊é 𝒑𝒂𝒓 −𝟏

𝒊𝒅𝒆𝒏𝒕𝒊𝒒𝒖𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.

𝒑𝒓𝒐𝒑𝒐𝒓𝒕𝒊𝒐𝒏𝒏𝒆𝒍𝒍𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.

𝒍𝒊𝒏é𝒂𝒊𝒓𝒆𝒎𝒆𝒏𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆𝒔 𝒆𝒔𝒕 𝒏𝒖𝒍.

𝓖– 𝟐𝟏 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒐𝒏𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝑳𝟏 , 𝑳𝟐 , … , 𝑳𝒏 𝒍𝒆𝒔 𝒍𝒊𝒈𝒏𝒆𝒔.

𝓖– 𝟐𝟐 • 𝑺𝒐𝒊𝒕 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 , 𝒅𝒐𝒏𝒕 𝒐𝒏 𝒏𝒐𝒕𝒆 𝑪𝟏 , 𝑪𝟐 , … , 𝑪𝒏 𝒍𝒆𝒔 𝒄𝒐𝒍𝒐𝒏𝒏𝒆𝒔.

• 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 𝑪𝒋+𝟏 ⋯ 𝑪𝒏 + 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏

• 𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪𝒋 𝑪𝒋+𝟏 ⋯ 𝑪𝒏 + 𝝀𝒅𝒆𝒕 𝑪𝟏 ⋯ 𝑪𝒋−𝟏 𝑪 𝑪𝒋+𝟏 ⋯ 𝑪𝒏

𝝀𝒂𝟏𝟏 𝝀𝒂𝟏𝟐 ⋯ 𝝀𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

𝝀𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝝀𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝝀𝒂𝟏𝒑 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒑

𝓖– 𝟐𝟒 • 𝑺𝒊 𝑨 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒅𝒆 𝒕𝒂𝒊𝒍𝒍𝒆 𝒏 × 𝒏 𝒆𝒕 𝝀 ∈ ℝ 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝝀𝑨 = 𝝀𝒏 𝒅𝒆𝒕 𝑨

𝓖– 𝟐𝟓 • 𝑺𝒊 𝑨 e𝒔𝒕 𝒖𝒏𝒆 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒐𝒓𝒕𝒉𝒐𝒈𝒐𝒏𝒂𝒍𝒆 𝒂𝒍𝒐𝒓𝒔 𝒅𝒆𝒕 𝑨 = ±𝟏