Département : ATE 3ème année Licence en Automatique

UEF 3111 : Commande des systèmes linéaires UEF311 Série de TD n°1 (Théorie des matrices)
Exercice n° 1 :
Multiplier les matrices suivantes où 𝒂1 , 𝒂2 , 𝒃1 et 𝒃2 sont des vecteurs colonnes ayant 𝑛 éléments :
3 𝒂1𝑇 𝜆1 0 𝒂1𝑇
𝑖) 1 2 𝑖𝑖𝑖) 𝒃1 𝒃2 𝑣)
4 𝒂𝑇2 0 𝜆2 𝒂𝑇2
1 𝒃1𝑇 𝜆 0
𝑖𝑖) 3 4 𝑖𝑣) 𝒂1 𝒂2 𝑣𝑖) 𝒂1 𝒂2 1
2 𝒃𝑇2 0 𝜆2
Exercice n° 2 :

1 0 0 2
1 2 0 6
1. Calculer le déterminant de la matrice suivante :𝑨 =
1 3 1 8
0 0 0 2
𝑨 𝑩
2. Montrer que 𝑑𝑒𝑡 = det 𝑨 det⁡ (𝑪) où 𝑨 et 𝑪 sont des matrices de dimension (𝑛 × 𝑛) et
0 𝑪
(𝑚 × 𝑚) respectivement.
𝐿1 𝐿1 𝐿1 𝐿1
⋮ ⋮ ⋮ ⋮
3. Soit les matrices 𝐴 = 𝐿𝑘 ; 𝐵 = 𝐿′𝑘 calculez : det⁡ (𝐶) = 𝑑𝑒𝑡 𝛼𝐿𝑘 + 𝛽𝐿′𝑘 , det⁡ (𝐷) = 𝑑𝑒𝑡 𝛼𝐿𝑘
⋮ ⋮ ⋮ ⋮
𝐿𝑛 𝐿𝑛 𝐿𝑛 𝐿𝑛
en fonction de det⁡ (𝐴) et det⁡
(𝐵).
4. Soit la matrice orthogonale 𝑄 tq 𝑄𝑄 𝑇 = 𝑄 𝑇 𝑄 = 𝐼. Trouvez les valeurs possibles de det⁡
(𝑄) et
donnez un exemple ?

Exercice n° 3 :

1. Montrer que le rang d'une matrice 𝑨 de dimension (𝑚 × 𝑛) est égal au nombre maximal de ses
colonnes linéairement indépendantes.
2. Montrer que si dim 𝑨 = (𝑚 × 𝑛) on a : 𝑟𝑎𝑛𝑘 𝑨 = 𝑟𝑎𝑛𝑘 𝑨𝑇 = 𝑟𝑎𝑛𝑘 𝑨𝑇 𝑨 = 𝑟𝑎𝑛𝑘 𝑨𝑨𝑇

Exercice n° 4 :

1 0 −4
1. Calculer les valeurs propres et les vecteurs propres de la matrice 𝑨 =0 3 0
−2 0 −1
1 3/5 −4/5 0 1 0
2. Trouver la forme de Jordan de la matrice 𝐴 = 0 1 0 ; 𝑜𝑢 −1 2 0
0 0 1 1 0 1
𝟐
3. Si une matrice non nulle 𝑷 de dimension (3 × 3) est telle que 𝑷 = 0, trouver sa forme de Jordan 𝑱.

Exercice 5 :

1. Est-ce que la forme quadratique suivante est définie positive : 𝒬 = 𝜉12 + 2ξ1 ξ2 + 4ξ22 + 4ξ2 ξ3 + 2ξ23 .
𝜎 𝜔
2. Soit 𝑨 = ; trouver 𝑒 𝑨𝑡
−𝜔 𝜎
Exercice 6 :

-1-
 1 𝑇
1. Trouver les représentations uniques des vecteurs : 𝑣0 = 1 4 0 𝑇 et 𝑣0 = 𝑠+2 𝑠
2 dans la
1 1 0
base déterminée par 𝒗1 𝒗2 𝒗3 = −1 0 1 ?
0 −1 0
2 1 1 1 0 0
2. Soit deux bases de 𝑅 3 𝒗1 𝒗2 𝒗3 = 1 0 0 ; 𝒗1 𝒗2 𝒗3 = 0 1 1 . Trouver la
0 −1 0 0 −1 1
transformation 𝑇 qui lie les deux bases et représenter le vecteur 𝑒2 = 0 1 0 𝑇 dans les deux
bases ?

Exercice 7 :

Soit un espace de dimension 2 dont la base est donné par les colonnes 𝑏1 , 𝑏2 de la matrice 𝐵 suivante :

𝐵 = 𝑏1 𝑏2 = 1 0
4 2
1. Trouver la base réciproque 𝑅 = 𝑟1 𝑟2 de cette base ?

2. Soit le vecteur 𝑥 dont les coordonnées dans la base euclidiennes sont données par 𝑥𝐸𝑢𝑐 = 1 2 𝑇 .
Trouvez ses coordonnées 𝑥𝐵 dans la base 𝐵 ?

3. Refaites les questions 1 et 2 pour la base 𝐹 = 𝑓1 𝑓2 𝑓3 et le vecteur 𝑦 suivants. Dénotez la base

réciproque de F par 𝑅𝐹 Quel est la projection de y dans le sous espace décrit par les vecteurs {𝑓1 , 𝑓2 }. Quelle
est la projection de 𝑦𝐸𝑢𝑐 dans la base 𝑟𝐹2 , 𝑟𝐹3 .

1 0 0 2
𝐹= 0 1 0 ; 𝑦𝐸𝑢𝑐 = −1
2 3 4 9

-2-
Solution de la série n° 0 Théorie de matrices :
Exercice 1 :

En utilisant la règle de multiplication de matrices 𝐴 = 𝐴𝐵; 𝑎𝑣𝑒𝑐 𝑐𝑖𝑗 = 𝑛𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 et sachant que la
multiplication d'une matrice 𝑘 × 𝑛 𝑝𝑎𝑟 𝑛 × 𝑚 donne une matrice 𝑘 × 𝑚 . Soit 𝑎1 , 𝑎2 , 𝑏1 𝑒𝑡 𝑏2 des
vecteurs colonnes de n éléments :

3 𝑎1𝑇
1. 1 2 = 1 ∗ 3 + 2 ∗ 4 = 11 4. 𝑏1 𝑏2 = 𝑏1 ∗ 𝑎1𝑇 + 𝑏2 𝑎2𝑇
4 𝑎2𝑇
1 1∗3 1∗4 3 4
2. 3 4 = = 𝜆1 0 𝑎1𝑇 𝜆1 𝑎1𝑇
2 2∗3 2∗4 6 8 5. = (multiplier les lignes par 𝜆𝑖 )
0 𝜆2 𝑎2𝑇 𝜆2 𝑎2𝑇
𝑎1𝑇 𝑎1𝑇 𝑏1 𝑎1𝑇 𝑏2
3. 𝑏1 𝑏2 =
𝑎2𝑇 𝑎2𝑇 𝑏1 𝑎2𝑇 𝑏2 𝜆1 0
6. 𝑏1 𝑏2 = 𝜆1 𝑏1 𝜆2 𝑏2 (multiplier les
0 𝜆2
colonnes par 𝜆𝑖 )

Exercice 2 :

Question 1 :

Calcul du déterminant par la méthode de Laplace :

1 0 0 2
1 0 0
1 2 0 6 4+4
𝑑𝑒𝑡 = −1 2 ∗ 𝑑𝑒𝑡 1 2 0 = 2∗1∗2∗1= 4
1 3 1 8
1 3 1
0 0 0 2 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑖𝑟𝑒 𝑖𝑛𝑓 é𝑟𝑖𝑒𝑢𝑟𝑒
𝑑é𝑣𝑒𝑙𝑜𝑝𝑝𝑒𝑟 𝑠𝑒𝑙𝑜𝑛 𝑙𝑖𝑔𝑛𝑒 4

Opérations élémentaires sur matrices :

Les opérations suivantes sont appelées opération élémentaires sur matrices :

1. Echanger deux lignes (ou deux colonnes) (dans ce cas le déterminant sera multiplier par -1).

2. Remplacer une ligne ou une colonne par son multiple par un scalaire 𝛼 (dans ce cas le déterminant sera
multiplié par 𝛼.

3. Remplacer une ligne ou une colonne par sa somme avec le 𝛼 multiple d'une autre (dans ce cas le
déterminant ne change pas).

Question 2 :

𝐴 𝐵
Montrer que 𝑑𝑒𝑡 = det 𝐴 det 𝐶 où 𝐴 𝑒𝑡 𝐵 sont des matrices de tailles respectives 𝑛 × 𝑛 et
0 𝐶
𝑚×𝑚 .

Deux cas sont à étudier, selon que la matrice 𝐴 est singulière ou pas.

-3-
1. Si 𝐴 est singulière, alors det 𝐴 = 0 et les colonnes d 𝐴 sont linéairement dépendants et dans ce cas les
𝐴
colonnes de la matrice sont aussi linéairement dépendants et ils sont aussi des colonnes de la matrice de
0
𝐴 𝐵
départ qui doit avoir dans ce cas un déterminant nulle. Ainsi : 𝑑𝑒𝑡 = 0 = det⁡ (𝐴) ∗ det⁡(𝐶). Alors
0 𝐶
=0
l'expression à démontrer est vérifiée pour ce cas.

2. Si 𝐴 est non singulière alors la matrice de départ peut s'écrire sous la forme (vérifier par déveoppement) :

𝐴 𝐵 𝐴 0 𝐼 𝐴−1 𝐵 𝐴 0 𝐼 0 𝐼 𝐴−1 𝐵
= =
0 𝐶 0 C 0 𝐼 0 I 0 C 0 𝐼
𝐴 𝐵 𝐴 0 𝐼 0 −1
𝑑𝑒𝑡 = 𝑑𝑒𝑡 𝑑𝑒𝑡 𝑑𝑒𝑡 𝐼 𝐴 𝐵 = det 𝐴 det 𝐶
0 𝐶 0 I 0 C 0 𝐼
det 𝐴 det 𝐶 =1

Les deux premiers déterminants sont obtenus en utilisant la méthode de Laplace en faisant la suppression
des lignes et des colonnes de la sous matrice I. Le troisième déterminant est du au faite que la matrice est
triangulaire supérieure.

Exercice 3 :

Question 1 :

1. Montrer que le rang d'une matrice est égal au nombre de ses colonnes linéairement indépendantes.

Par définition le rang d'une matrice est la dimension de son sous espace image : 𝑟𝑎𝑛𝑘 𝐴 = dim 𝐼𝑚 𝐴 .

Supposons qu'il y a seulement r colonnes linéairement indépendantes de A et supposons sans perte de

généralité que ce sont les r premières colonnes (le changement de l'ordre des colonnes d'une matrice ne
change pas son espace image ni son rang). Alors :
𝑟
𝐴 = 𝑎1 𝑎2 ⋯ 𝑎𝑟 𝑎𝑟+1 ⋯ 𝑎𝑛 ; 𝑎𝑖 = 𝛼𝑖𝑗 𝑎𝑖 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑖 = 𝑟 + 1 , … , 𝑛.
𝑖=1

Ainsi :
𝑛 𝑟 𝑛
∀𝑦 ∈ 𝐼𝑚 𝐴 𝑎𝑙𝑜𝑟𝑠 ∃𝑥 ∶ 𝑦 = 𝐴𝑥 = 𝑥𝑖 𝑎𝑖 = 𝑥𝑖 𝑎𝑖 + 𝑎𝑖 𝑥𝑖
𝑖=1 𝑖=1 𝑖=𝑟+1
𝑟 𝑛 𝑟 𝑟 𝑟 𝑟
= 𝑥𝑖 𝑎𝑖 + 𝛼𝑖𝑗 𝑎𝑗 𝑥𝑖 = 𝑥𝑗 𝑎𝑗 + 𝑎𝑗 𝛼𝑖𝑗 𝑥𝑖
𝑖=1 𝑖=𝑟+1 𝑗 =1 𝑗 =1 𝑗 =1 𝑖=(1+1)
𝑟 𝑟
= 𝑥𝑗 + 𝛼𝑖𝑗 𝑥𝑖 𝑎𝑗
𝑗 =1 𝑖=(1+1)

Ainsi tous les vecteurs du sous espace image de A peuvent s'écrire sous forme d'une combinaison linéaire
des vecteurs 𝑎1 , 𝑎2 , … , 𝑎𝑟 en plus ces r vecteurs sont linéairement indépendants, alors ils forment une base
du sous espace image de A. Alors la dimension de ce dernier est r et c'est par conséquent le rang de la
matrice A. C'est à dire que :

𝑟𝑎𝑛𝑘 𝐴 = dim 𝐼𝑚(𝐴) = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝐴 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

Question 2 :

𝑟𝑎𝑛𝑘 𝐴 = 𝑟𝑎𝑛𝑘 𝐴𝑇 = 𝑟𝑎𝑛𝑘 𝐴𝑇 𝐴 = 𝑟𝑎𝑛𝑘 𝐴𝐴𝑇

-4-
Ici, nous utilisons les théorèmes suivants :

Théorème : 𝑟𝑎𝑛𝑘 𝐴 = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

Théorème :

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠 = 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑙𝑖𝑔𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑𝑒𝑝

Théorème : Si dim 𝐴 = (𝑚 × 𝑛) alors 𝑟𝑎𝑛𝑘 𝐴 + dim ker 𝐴 = 𝑛. On a :

𝑟𝑎𝑛𝑘 𝐴 = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

= 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑙𝑖𝑔𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑𝑒𝑝 = 𝑟𝑎𝑛𝑘 𝐴𝑇

Maintenant, soit 𝑥 ∈ ker 𝐴 , alors 𝐴𝑥 = 0 ∴ 𝐴𝐻 𝐴𝑥 = 0 ∴ 𝑥 ∈ ker 𝐴𝐻 𝐴 ∴ ker 𝐴 ⊂ ker 𝐴𝐻 𝐴

2
Soit 𝑧 ∈ ker 𝐴𝐻 𝐴 ∴ 𝐴𝐻 𝐴𝑧 = 0 ∴ 𝑧 𝐻 𝐴𝐻 𝐴𝑧 = 𝐴𝑧 2 = 0 ∴ 𝐴𝑧 = 0 ∴ 𝑧 ∈ ker 𝐴 ∴ ker 𝐴𝐻 𝐴 ⊂
𝑤𝐻 𝑤
𝐻
ker 𝐴 . Par conséquent ker 𝐴 = ker 𝐴 𝐴 .

Nous avons aussi à partir du théorème du rang :

𝑟𝑎𝑛𝑘 𝐴 + dim ker 𝐴 = 𝑛

𝑒𝑡 𝑝𝑢𝑖𝑠𝑞𝑢𝑒 ker 𝐴 = ker 𝐴𝐻 𝐴 𝑎𝑙𝑜𝑟𝑠 𝑟𝑎𝑛𝑘 𝐴 = 𝑟𝑎𝑛𝑘 𝐴𝐻 𝐴
𝑟𝑎𝑛𝑘 𝐴𝐻 𝐴 + dim ker 𝐴𝐻 𝐴 = 𝑛

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

Exercice 4 :

1 0 −4
1. Calcul des valeurs propres et des vecteurs propres de la matrice 𝐴 = 0 3 0
−2 0 −1
Les valeurs propres sont les racines du polynôme caractéristique de la matrice qui est donné par :

𝜆−1 0 4
𝜆−3 0 0 4
det 𝜆𝐼 − 𝐴 = 0 𝜆−3 0 = −1 1+1 + 0 + −1 3+1
0 𝜆+1 𝜆−3 0
2 0 𝜆+1
= 𝜆 − 1 𝜆 − 3 𝜆 + 1 − 2 ∗ 4 𝜆 − 3 = 𝜆2 − 1 − 8 𝜆 − 3 = 𝜆 − 3 2 (𝜆 + 3)

Alors, il y a deux valeurs propres 𝜆1 = 𝜆2 = 3 avec une multiplicité algébrique 𝑚𝑖 = 2 et 𝜆3 = −3 qui est
simple.

Calcul des vecteurs propres : Ce sont es solutions de l'équation :

1 0 −4 𝑣𝑖1 𝑣𝑖1 𝑣𝑖1 + 0𝑣𝑖2 − 4𝑣𝑖3 = 𝜆𝑖 𝑣𝑖1 (1 − 𝜆𝑖 )𝑣𝑖1 = 4𝑣𝑖3

𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ 0 3 0 𝑣𝑖2 = 𝜆𝑖 𝑣𝑖2 ∴ 0𝑣𝑖1 + 3𝑣𝑖2 + 0𝑣𝑖3 = 𝜆𝑖 𝑣𝑖2 ∴ 3 − 𝜆𝑖 𝑣𝑖2 = 0
−2 0 −1 𝑣𝑖3 𝑣𝑖3 −2𝑣𝑖1 + 0𝑣𝑖2 − 1𝑣𝑖3 = 𝜆𝑖 𝑣𝑖3 −2𝑣𝑖1 = 𝜆𝑖 + 1 𝑣𝑖3
1
Si 𝜆 = 3, L'équation 2, donne 𝑣𝑖2 quelconque et les équations 1 et 3 donnent 𝑣𝑖3 = − 2 𝑣𝑖1 , Ainsi :

-5-
 𝑣𝑖1 1
𝑣𝑖2 0
0
𝑣𝑖 = 1 = 𝑣𝑖1 1 + 𝑣𝑖2 1
− 𝑣𝑖1 − 0
2 2 𝑣 2
𝑣1

Cette équation donne deux vecteurs propres linéairement indépendants en prenant 𝑣𝑖1 , 𝑣𝑖2 = (1,0) et
𝑣𝑖1 , 𝑣𝑖2 = (0,1) respectivement.

Pour 𝜆 = −3, l'équation 2 donne 𝑣𝑖2 = 0 et les équations 1 et 3 donnent 𝑣𝑖3 = 𝑣𝑖1 Ainsi :
𝑣𝑖1 1
𝑣3 = 𝑣𝑖1 0 = 𝑣𝑖1 0
𝑣𝑖1 1
Maintenant nous avons les trois vecteurs propres de la matrice A. Juste à titre indicatif si on voulait
connaître s'il faut calculer un vecteur propre généralisé pour la valeur propre 𝜆 = 3 (multiple), il faut
calculer sa multiplicité géométrique (dégénérescence) :

𝑞𝑖 = 𝑛 − 𝑟𝑎𝑛𝑘 𝐴 − 𝜆𝑖 𝐼

Si une valeur propre de multiplicité algébrique 𝑚𝑖 a une multiplicité géométrique 𝑞𝑖 , alors elle a 𝑞𝑖 vecteurs
propres et 𝑚𝑖 − 𝑞𝑖 vecteurs propres généralisés. Pour le cas de 𝜆 = 3 on voit que 𝑞𝑖 = 3 − 1 = 2 = 𝑚𝑖 .
Alors comme prévu, cette valeur propre a deux vecteurs propres et n'a pas de vecteur propre généralisé.

A titre de vérification 𝐴𝑇 = 𝑇J ∴ J = 𝑇 −1 𝐴𝑇 :

2 2
0 − 1 0 1
3 3 1 0 −4 0 1 0 3 0 0
J = 𝑇 −1 𝐴𝑇 = 0 1 0 0 3 0 1 = 0 3 0
1 2 −2 0 −1 − 0 1 0 0 −3
0 2
3 3
𝐽(𝐴) a trois blocs de Jordan.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
3 −4
1 5 5
2) Calcul de la forme de Jordan de la matrice 𝐴 = 0 1 0 :
0 0 1
La forme de Jordan de 𝐴 est donnée par 𝐽 𝐴 = 𝑇 −1 𝐴𝑇. La matrice 𝑇 = 𝑣1 ⋯ 𝑣𝑛 avec 𝑣1 , … , 𝑣𝑛 les
vecteurs propres de la matrice 𝐴. Alors on doit commencer par calculer les valeurs et les vecteur propres de
𝐴.

Les valeurs propres sont les solutions de l'équation caractéristique de la matrice A :

3 −4 3 4
1 0 0 1 𝜆−1 −
𝑑𝑒𝑦 𝜆𝐼 − 𝐴 = det 𝜆 0 1 0 − 5 5 = det 5 5 = 𝜆−1 3
=0
0 1 0 0 𝜆−1 0
0 0 1
0 0 1 0 0 𝜆−1
alors les valeurs propres de la matrice A sont 𝜆 𝐴 = 1,1,1

-6-
Les vecteurs propres sont les solutions du système d'équations 𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 . Mais la matrice A a une seule
valeur propre multiple (multiplicité algébrique = 3). Pour connaître le nombre de vecteurs propres
linéairement indépendant qu'elle a (le nombre de blocs de Jordan aussi), on examine sa multiplicité
géométrique.

3 −4 𝑣 3 4
1 𝑖1 𝑣𝑖1 𝑣𝑖1 + 𝑣𝑖2 − 𝑣𝑖3 = 𝑣𝑖1
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ 5 5 𝑣𝑖2 = 𝜆 𝑣𝑖2 ∴ 5 5
0 1 0 𝑣 𝑣𝑖3 0𝑣𝑖1 + 𝑣𝑖2 + 0𝑣𝑖3 = 𝑣𝑖2
𝑖3
0 0 1 0𝑣𝑖1 + 0𝑣𝑖2 + 𝑣𝑖3 = 𝑣𝑖3
3
La première équation donne 𝑣𝑖3 = 4 𝑣𝑖2 et la deuxième et la troisième équation sont triviales (n'apporte pas
de nouveau). Alors la structure des vecteurs propres de 𝐴 est donnée par :
𝑣𝑖1 0
𝑣𝑖1 1
𝑣𝑖2 1
𝑣
𝑣𝑖 = 𝑖2 = 3 = 𝑣𝑖1 0 + 𝑣𝑖2 3
𝑣𝑖3 𝑣𝑖2 0
4 𝑣
4
1
𝑣2

Ainsi, comme prévu, cous avons obtenu 2 vecteurs propres linéairement indépendants. Par conséquent, le
troisième vecteur qui reste est un vecteur propre généralisé. Les vecteurs propres généralisés sont donnés par
:

𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖
𝐴𝑡1 = 𝜆𝑡1 + 𝑣1
𝐴𝑡2 = 𝜆𝑡2 + 𝑡1
⋮
𝐴𝑡𝑙 = 𝜆𝑡𝑙 + 𝑡𝑙−1

Pour notre cas, le vecteur propre généralisé 𝑡1 est alors donné par : 𝐴𝑡1 = 𝜆𝑡1 + 𝑣𝑖 , cette équation donne :

3 4
3 −4 𝑡 𝑡11 0 𝑡𝑖1 + 𝑡𝑖2 − 𝑡𝑖3 = 𝑡𝑖1 + 𝑣𝑖1
1 11 1 5 5
5 5 𝑡12 = 𝜆 𝑡12 + 𝑣 0 + 𝑣 1
𝐴𝑡1 = 𝜆𝑡1 + 𝑣𝑖 ∴ 𝑖1 𝑖2 3 ∴ 0𝑡𝑖1 + 𝑡𝑖2 + 0𝑡𝑖3 = 𝑡𝑖2 + 𝑣𝑖2
0 1 0 𝑡 𝑡13 3
13 0
0 0 1 𝑣1
4 0𝑡𝑖1 + 0𝑡𝑖2 + 𝑡𝑖3 = 𝑡𝑖3 + 𝑣𝑖2
𝑣2 4

3 5 𝑡11 0 0
𝑡𝑖3 = 𝑡𝑖2 − 𝑣𝑖1 𝑡11 1
4 4 𝑡12 1 0
∴ 𝑡1 = 𝑡12 = 3 5 = 𝑡11 0 + 𝑡12 3 + 𝑣𝑖1 −5
0 = 𝑣𝑖2
𝑡13 𝑡 − 𝑣 0
0 = 𝑣𝑖2 4 12 4 𝑖1 4 4
𝑡1

Dans l'expression 𝐴𝑡1 = 𝜆𝑡1 + 𝑣𝑖 , on ne peut pas remplacer 𝑣𝑖 par un vecteur nul (c'est un vecteur propre).
Alors on ne peut pas prendre 𝑣𝑖1 = 0 car 𝑣𝑖2 est déjà nul 𝑣𝑖2 = 0. Mise à part les valeurs 𝑣𝑖1 = 0, toutes les
combinaisons des paramètres 𝑡11 et 𝑡12 donnent des vecteurs propres généralisés 𝑡1 qui sont valides. Vu que
les deux premiers vecteurs sont les mêmes que 𝑣1 𝑒𝑡 𝑣2 (ne sont pas linéairement dépendant avec eux et ils
ne peuvent pas être pris pour 𝑡1 , alors nous choisissons 𝑡11 = 𝑡12 = 0. Ce qui donne :

0
0
𝑡1 = −5
4
-7-
Maintenant, nous pouvons former la matrice 𝑇 :

1 0 0
0 0 1
𝑇 = 𝑣1 𝑡1 𝑣2 = −5 3
0
4 4
Noter que l'ordre entre 𝑣1 et 𝑡1 sont important. Pour obtenir la forme de Jordan de A, on applique 𝐽 𝐴 =
𝑇 −1 𝐴𝑇 :

−1 2
0 1 0 3 −4 1 0 0 1 0 0 1 1 −
1 3 4 5 1 1 0
0 0 1 5 5 0 0 1
𝐽 𝐴 = −5 3 −5 3 = 0 − 0 0 1 = 0 1 0
0 1 0 5 5 5 3
0 0 0 0 1
4 4 0 0 1 4 4 0 1 0 0 −
4 4
La valeur propre qui est de multiplicité algébrique 𝑚𝑖 = 3 a 𝑞𝑖 = 2 blocs de Jordan.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
3 −4
1 5 5
3. Pour la matrice 𝐴 = 0 1 0 , on abouti à 𝜆 𝐴 = 1,1, −1 et la multiplicité géométrique de 𝜆 = 1
0 0 −1
est 𝑞1 = 1, ce qui signifie qu'elle a un vecteur propre et un vecteur propre généralisé et

2
1 0 1 1 0 − 1 0 1
5 5 3 −4 5
3 1 1 1 0
0 0 −1 5 5 0 0
𝑇 = 𝑣1 𝑡1 𝑣2 = 3 𝑒𝑡 𝐽 𝐴 = 𝑇 𝐴𝑇 = 0 0 3 = 0 1 0
5 5 0 1 0 5 0 0 1
0 0 2 0 0 −1 0 0
2 0 0 2
5
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

3) Si une matrice non nulle 𝑃 de dimension 3 × 3 est telle que 𝑃2 = 0 trouver sa forme de Jordan 𝐽.

Puisque 𝑃 est une matrice 3 × 3 sa forme de Jordan peur être parmi les formes suivantes :

𝜆1 0 0 𝜆1 1 0 𝜆1 0 0 𝜆1 1 0
𝐽1 = 0 𝜆2 0 ; 𝐽2 = 0 𝜆1 0 ; 𝐽3 = 0 𝜆2 1 ; 𝐽4 = 0 𝜆1 1
0 0 𝜆3 0 0 𝜆2 0 0 𝜆2 0 0 𝜆1

On a 𝑃 = 𝑇𝐽𝑖 𝑇 −1 pour une matrice 𝑇 non singulière (Transformation de similarité), ainsi :

𝑃2 = 𝑇𝐽𝑖 𝑇 −1 𝑇𝐽𝑖 𝑇 −1 = 𝑇𝐽𝑖2 𝑇 −1

Alors pour que 𝑃2 soit égale à zéro (𝑃2 = 𝑇𝐽𝑖2 𝑇 −1 = 0) il faut que 𝐽𝑖2 = 03×3 car T est non singulière. On a :

𝜆12 0 0 𝜆12 2𝜆1 0 𝜆12 0 0 𝜆12 2𝜆1 1

𝐽12 = 0 𝜆22 0 ; 𝐽22 = 0 𝜆12 0 ; 𝐽3 = 0 𝜆22 2𝜆2 ; 𝐽4 = 0 𝜆12 2𝜆1
0 0 𝜆23 0 0 𝜆22 0 0 𝜆22 0 0 𝜆12

-8-
Si la forme de Jordan est 𝐽1 , alors 𝑃 serait nulle car 𝐽12 = 0 implique que 𝐽1 = 0. Alors cette forme n'est aps
une forme valide de 𝑃. La forme 𝐽4 n'est pas valide car 𝐽42 ne peut jamais être nul. Les seules forme de
Jordan valides pour 𝑃 sont alors 𝐽2 et 𝐽3 avec des valeurs propres nulles :

0 1 0 0 0 0
𝐽 𝑃 = 𝐽1 = 0 0 0 ; 𝑜𝑢 𝐽 𝑃 = 𝐽3 = 0 0 1
0 0 0 0 0 0
%%%%%%%%%%%%%%%%%%%%%%%

Exercice 5 :

Est ce que la forme quadratique suivante est définie positive ?

𝑞 = 𝜉12 + 2𝜉1 𝜉2 + 4𝜉22 + 4𝜉2 𝜉3 + 2𝜉32

𝑞 𝑒𝑠𝑡 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 ⟺ 𝑞 > 0 ∀𝜉1 , 𝜉2 , 𝜉3 ∈ ℝ

Une façon de démontrer que q est définie positive est de l'écrire sous la forme 𝑞 = 𝑥 𝑇 𝑄𝑥 pour une certaine
matrice symétrique 𝑄 > 0 avec 𝑥 = 𝜉1 𝜉2 𝜉3 𝑇 .

Vue que 𝑄 est symétrique 𝑞𝑖𝑗 = 𝑞𝑗𝑖 et par conséquent 𝑥 𝑇 𝑄𝑥 = 𝑛𝑖=1 𝑛𝑗=1 𝑞𝑖𝑗 𝜉𝑖 𝜉𝑗 . Les éléments 𝑞𝑖𝑗 de la
matrice sont obtenu en identifiant l'expression de 𝑥 𝑇 𝑄𝑥 avec l'expression donnée de q.

𝑞11 = 1; 𝑞22 = 4; 𝑞33 = 2 1 1 0

2 4 ∴ 𝑄= 1 4 2
𝑞21 = 𝑞12 = = 1; 𝑞31 = 𝑞13 = 0; 𝑞23 = 𝑞32 = = 2
2 2 0 2 2

On remarque que tous les mineurs principaux d'entête de Q son positifs 𝑀 1 = 1 > 0; 𝑀 1,2 =
1 1 0
1 1
𝑑𝑒𝑡 = 3 > 0; 𝑀 1,2,3 = 𝑑𝑒𝑡 1 4 2 = 2 > 0. Ceci implique que la matrice 𝑄 est définie
1 4
0 2 2
positive et par conséquent la forme quadratique 𝑞 est aussi définie positive.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
𝜎 𝜔
2) Soit 𝐴 = . Trouvez 𝑒 𝐴𝑡 ?
−𝜔 𝜎
∞
𝑖
𝑥𝑖 ∞
𝑖
𝐴𝑖
𝑓 𝑥 = 𝑓 0 ∴ 𝑓 𝐴 = 𝑓 0
𝑖=0 𝑖! 𝑖=0 𝑖!

On sait que 𝑓 𝑇𝐽𝑇 −1 = 𝑇𝑓 𝐽 𝑇 1 . Cette expression permet d'utiliser 𝑓 𝐽 𝐴 pour calculer 𝑓 𝐴 . Pour ceci,
on calcul les valeurs et les vecteurs propres de 𝐴.

Pour les valeurs propres, l'équation caractéristique de 𝐴 est :

1 0 𝜎 𝜔 𝜆−𝜎 −𝜔 2
det 𝜆𝐼 − 𝐴 = det 𝜆 − = det = 𝜆−𝜎 + 𝜔2 = 0 ∴ 𝜆 − 𝜎
0 1 −𝜔 𝜎 𝜔 𝜆−𝜎
= −𝜔 2 = ±𝑗𝜔

∴ 𝜆−𝜎 = −𝜔 2 = ±𝑗𝜔 ∴ 𝜆1,2 = 𝜎 ± 𝑗𝜔

Calcul des vecteurs propres :

-9-
 𝜆𝑖 − 𝜎
𝜎 𝜔 𝑣𝑖1 𝑣𝑖1 𝜎𝑣𝑖1 + 𝜔𝑣𝑖2 = 𝜆𝑖 𝑣𝑖1 𝑣𝑖2 = 𝑣𝑖1
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ = 𝜆 ∴ ∴ 𝜔
−𝜔 𝜎 𝑣𝑖2 𝑖 𝑣𝑖2 −𝜔𝑣𝑖1 + 𝜎𝑣𝑖2 = 𝜆𝑖 𝑣𝑖2 𝜔
𝑣𝑖2 = 𝑣
𝜎 − 𝜆𝑖 𝑖1
𝑣𝑖1 1
Les vecteurs propres e 𝐴 peuvent s'écrire sous la forme 𝑣𝑖 = 𝜆 𝑖 −𝜎 = 𝑣𝑖1 𝜆 𝑖 −𝜎 . Ainsi :
𝑣𝑖1 𝜔
𝜔

1 1 1 1
𝜆
𝑣1 = 1 − 𝜎 = 𝜎 + 𝑗𝜔 −𝜎 = 1 ; 𝜆
𝑣2 = 2 − 𝜎 = 𝜎 − 𝑗𝜔 −𝜎 = 1
𝑗 −𝑗
𝜔 𝜔 𝜔 𝜔
La matrice de transformation de similarité qui permet de diagonaliser 𝐴 est comme suit :

−𝑗 −1 1 𝑗
1 1 1 1 −1
−𝑗 1 −
𝑇 = 𝑣1 𝑣2 = ; 𝑇 −1 = = = 2 2
𝑗 −𝑗 𝑗 −𝑗 −2𝑗 1 𝑗
2 2
𝜆1 0 𝜎 + 𝑗𝜔 0
𝐽 = 𝑇 −1 𝐴𝑇 = =
0 𝜆2 0 𝜎 − 𝑗𝜔

1 𝑗
𝜎+𝑗𝜔 0
1 1 𝑒 𝜎 +𝑗𝜔 𝑡 −
𝑒 𝐴𝑡 = 𝑇𝑒 𝐽𝑡 𝑇 −1 = 𝑇𝑒 0
𝑡
𝜎−𝑗𝜔 𝑇 −1 = 0 2 2
𝑗 −𝑗 0 𝑒 𝜎 −𝑗𝜔 𝑡 1 𝑗
2 2
1 𝑗
𝜎+𝑗𝜔 𝑡 𝜎−𝑗𝜔 𝑡 − 𝜎𝑡
𝑒 𝜎𝑡 sin 𝜔𝑡
=
𝑒 𝑒 2 2 = 𝑒 cos 𝜔𝑡
𝜎 +𝑗𝜔 𝑡 𝜎 −𝑗𝜔 𝑡
𝑗𝑒 −𝑗𝑒 1 𝑗 −𝑒 𝜎𝑡 sin 𝜔𝑡 𝑒 𝜎𝑡 cos 𝜔𝑡
2 2
Exercice 6 :

1 𝑠+2
Trouvez les représentations uniques de 𝑣0 = 4 ; 𝑣0 = 1/𝑠 dans la base 𝑣1 𝑣2 𝑣3 =
0 2
1 1 0
−1 0 1 ?
0 −1 0
𝛼1
𝑣0 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 = 𝑣1 𝑣2 𝑣3 𝛼2
𝑇 𝛼3

𝛼1 −1
1 1 0 1 1 0 1 1 1
∴ 𝛼2 = 𝑇 −1 𝑣0 = −1 0 1 4 = 0 0 −1 4 = 0
𝛼3 0 −1 0 0 1 1 1 0 5
1 0
On peut vérifier que 𝑣1 + 0𝑣2 + 5𝑣3 = −1 + 5 1 = 𝑣0 .
0 0
de même pour 𝑣0 , on a :

- 10 -
 𝑠+4
𝛽1 𝛽1 1 0 1 𝑠+2 −2
𝑣0 = 𝛽1 𝑣1 + 𝛽2 𝑣2 + 𝛽3 𝑣3 = 𝑣1 𝑣2 𝑣3 𝛽2 ∴ 𝛽2 = 𝑇 −1 𝑣0 = 0 0 −1 1/𝑠 = 𝑠 2 + 4𝑠 + 1
𝑇 𝛽 𝛽 1 1 1 2
𝑠
𝑠 2 +4𝑠+1
On peut vérifier que 𝑠 + 4 𝑣1 + −2 𝑣2 + 𝑣3 = 𝑣0
𝑠

2 1 1 1 0 0
3) Soit deux bases e ℝ 3 𝑣1 𝑣2 𝑣3 = 1 0 0 et 𝑣1 𝑣2 𝑣3 = 0 1 1 Trouver la
0 −1 1 0 −1 1
transformation qui les lie?

Pour trouver une telle transformation, il faut écrire les vecteurs de la base 𝑣1 𝑣2 𝑣3 en fonction de la
base 𝑣1 𝑣2 𝑣3 :

𝑣1 = 𝑡11 𝑣1 + 𝑡21 𝑣2 + 𝑡31 𝑣3 𝑡11 𝑡12 𝑡13

𝑣2 = 𝑡12 𝑣1 + 𝑡22 𝑣2 + 𝑡32 𝑣3 ∴ 𝑣1 𝑣2 𝑣3 = 𝑣1 𝑣2 𝑣3 𝑡21 𝑡22 𝑡23
𝑣3 = 𝑡13 𝑣1 + 𝑡23 𝑣2 + 𝑡33 𝑣3 𝑡22 𝑡32 𝑡33
𝑇

−1
2 1 1 1 0 0 0 1 0 1 0 0
∴ 𝑇 = 𝑣1 𝑣2 𝑣3 −1 𝑣1 𝑣2 𝑣3 = 1 0 0 0 1 1 = 0 0 −1 0 1 1
0 −1 1 0 −1 1 1 −2 1 0 −1 1
0 1 1
∴ 𝑇= 0 1 −1
1 −3 −1
0
4) Représenter le vecteur 𝑒2 = 1 dans les deux bases :
0
𝛼1 0 1 0 0 1
𝑒2 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 ∴ 𝛼2 = 𝑣1 𝑣2 𝑣3 −1
𝑒2 = 0 0 −1 1 = 0
𝛼3 1 −2 1 0 −2
A partir de la représentation de 𝑒2 dans 𝑣1 𝑣2 𝑣3 , on peut tirer sa représentation dans la deuxième base
𝑣1 𝑣2 𝑣3 :

𝛼1 𝛼1 𝛼1 2 1 1 1 0
𝑒2 = 𝑣1 𝑣2 𝑣3 𝛼2 = 𝑣1 𝑣2 𝑣3 𝑇 −1 𝛼2 ∴ 𝛼 = 𝛼2 = 1/2 1/2 0 0 = 0.5
𝛼3 𝛼3 𝛼3 1/2 −1/2 0 −2 0.5
𝛼

Exercice 7 :

Soit un espace de dimension 2 dont la base est donné par les colonnes 𝑏1 , 𝑏2 de la matrice 𝐵 suivante :

𝐵 = 𝑏1 𝑏2 = 1 0
4 2
1. Trouver la base réciproque 𝑅 = 𝑟1 𝑟2 de cette base ?

2. Soit le vecteur 𝑥 dont les coordonnées dans la base euclidiennes sont données par 𝑥𝐸𝑢𝑐 = 1 2 𝑇 .
Trouvez ses coordonnées 𝑥𝐵 dans la base 𝐵 ?

- 11 -
3. Refaites les questions 1 et 2 pour la base 𝐹 = 𝑓1 𝑓2 𝑓3 et le vecteur 𝑦 suivants. Dénotez la base
réciproque de F par 𝑅𝐹 Quel est la projection de y dans le sous espace décrit par les vecteurs {𝑓1 , 𝑓2 }. Quelle
est la projection de 𝑦𝐸𝑢𝑐 dans la base 𝑟𝐹2 , 𝑟𝐹3 .

1 0 0 2
𝐹= 0 1 0 ; 𝑦𝐸𝑢𝑐 = −1
2 3 4 9
Solution de l'exercice 7 :

1. Base réciproque :

La base réciproque d'une base 𝑏1 , 𝑏2 , … , 𝑏𝑛 est donnée par les vecteurs 𝑟1 , 𝑟2 , … , 𝑟𝑛 tels que :

1 𝑠𝑖 𝑖 = 𝑗 𝑟1𝐻
𝑟𝑖 , 𝑏𝑗 = 𝛿𝑖𝑗 = ∴ ⋮ 𝑏1 ⋯ 𝑏𝑛 = 𝑅 𝐻 𝐵 = 𝐼𝑛 ∴ 𝑅 = 𝐵 −𝐻 ∴ 𝐵 𝐻 𝑅 = 𝐼𝑛
0 𝑠𝑖 𝑖 ≠ 𝑗
𝑟𝑛𝐻
𝐻 𝐻
−1 𝐻 2 0 1 0 1 −2
−𝐻 1 0 −4 1
alors 𝑅 = 𝐵 = = = −2 1 = 0 1 =𝑅
4 2 2
2 2

Les vecteurs des deux bases sont représentés sur la figure suivante.

2.

Pour trouver les coordonnées du vecteur 𝑥 dans la base 𝐵 on ne

pourra pas projeter directement sur les vecteurs de cette base car 3
elle n'est pas orthonormée. Pour ceci on doit utiliser sa base
réciproque 𝑅. Supposons que 𝑥 peut s'écrire sous la forme :
3
𝑥 = 𝛽𝑥1 𝑏1 + 𝛽𝑥2 𝑏2

𝑟1 , 𝑥 = 𝛽𝑥1 𝑟1 , 𝑏1 + 𝛽𝑥2 𝑟1 , 𝑏2 = 𝛽𝑥1

=1 =0
∴ 2 𝑏1
𝑟2 , 𝑥 = 𝛽𝑥1 𝑟2 , 𝑏1 + 𝛽𝑥2 𝑟2 , 𝑏2 = 𝛽𝑥2
=0 =1 𝑏2 𝑥
∴ 𝒙𝑩 = 𝑹𝑯 𝒙𝑬𝒖𝒄

1 1
𝛽𝑥1 = 𝑟1 , 𝑥 = 1 0 =1
2 1
1 1 𝑥𝐵 =
𝛽𝑥2 = 𝑟2 , 𝑥 = −2 = −1 −1
𝑟2
2 2 𝑟1
−1 1
−2

−1

−2

- 12 -
3. Refaites les questions 1 et 2 pour la base 𝐹 = 𝑓1 𝑓2 𝑓3 et le vecteur 𝑦 suivants. Dénotez la base
réciproque de F par 𝑅𝐹 Quel est la projection de y dans le sous espace décrit par les vecteurs {𝑓1 , 𝑓2 }. Quelle
est la projection de 𝑦𝐸𝑢𝑐 dans la base 𝑟𝐹2 , 𝑟𝐹3 .

1 0 0 2
𝐹= 0 1 0 ; 𝑦𝐸𝑢𝑐 = −1
2 3 4 9
On dénote la base réciproque de 𝐹 par 𝑅𝐹 alors :
𝐻
4 0 −2 𝑇 1
𝐻
1 0 −
−1 0 4 −3 2
1 0 0 3
𝑅𝐹𝐻 𝐹 = 𝐼 ∴ 𝑅𝐹 = 𝐹 −𝐻 = = 0 0 1 = 0 1
0 1 0 −
4 4
2 3 4
1
0 0
4
Par conséquent les coordonnées de 𝑦 dans la base 𝐹 sont données par :

1 0 0
2 2
0 1 0
𝑦𝐹 = 𝑅𝐹𝐻 𝑦𝐸𝑢𝑐 = 1 3 1 −1 = −1 𝑒𝑡 𝑦𝐹 = 2𝑓1 − 𝑓2 + 2𝑓3
− − 9 2
2 4 4
La projection de 𝑦𝐸𝑢𝑐 dans la base {𝑓1 , 𝑓2 } est donné par :
𝑟𝐻 1 0 2 1 0 2
1 0 0 2
𝑦𝑓1 𝑓2 = 𝑓1 𝑓2 𝐹1 𝐻 𝑦𝐸𝑢𝑐 = 0 1 −1 = 0 1 = −1
𝑟𝐹2 0 1 0 −1
2 3 9 2 3 1
La projection de 𝑦 dans l'espace 𝑟𝐹2 , 𝑟𝐹3 est :

1 1
0 − 0 −
2 2
𝐹2𝐻 3 0 1 2 3 26 −18
3
𝑦𝑟 𝐹2 𝑟 𝐹3 = 𝑟𝐹2 𝑟𝐹3 𝑦 = 1 − −1 = 1 − = −1
𝐹3𝐻 𝐸𝑢𝑐 4 0 0 4 4 36
9 8
1 1
0 0
4 4

- 13 -