Académique Documents
Professionnel Documents
Culture Documents
Département de Mathématiques
Janvier 2021
Table des matières
Note introductive 5
2 Calcul de déterminants 20
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Déterminants d’ordres 2 et 3 . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 Déterminants d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Déterminants d’ordre 3 . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Déterminants d’ordre quelconque . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Déterminant des matrices diagonales et triangulaires . . . . . . 22
2.3.2 Développement suivant une ligne ou une colonne . . . . . . . . . 22
2.3.3 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . 24
2.3.4 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Application à l’inversion d’une matrice . . . . . . . . . . . . . . . . . . 26
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2
Table des matières 3
4 Calcul vectoriel 46
4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.1 Définition d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.2 Repère orthonormé du plan . . . . . . . . . . . . . . . . . . . . 47
4.1.3 Repère orthonormé de l’espace . . . . . . . . . . . . . . . . . . . 47
4.1.4 Opérations sur les vecteurs . . . . . . . . . . . . . . . . . . . . . 48
4.2 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3 Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3.3 Calcul pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3.4 Exemples d’application du produit vectoriel . . . . . . . . . . . 52
4.4 Produit mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.2 Exemples d’application du produit mixte . . . . . . . . . . . . . 53
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Références bibliographiques 62
Note introductive
Chaque chapitre contient des exercices d’application dont la plupart sont corrigés.
Il est vivement conseillé au lecteur de résister à la tentation de lire directement le
corrigé proposé pour un exercice sans avoir au prélable essayé de traiter le plus sérieu-
sement et le plus rigoureusement possible ledit exercice. Cela lui évitera l’impression
d’avoir compris alors qu’il n’en est rien. Chaque chapitre finit par des exercices de
travaux dirigés (TD) non corrigés et dont certains seront corrigés en séance de TD.
Les auteurs
5
Chapitre 1
Objectifs spécifiques
1.1 Introduction
Les matrices sont un outil mathématique de premier choix pour organiser et stocker
des données. Le calcul matriciel fournit des outils et méthodes incontournables pour
la modélisation dans de nombreux domaines dont les sciences naturelles. Entre autres
exemples d’applications :
— l’étude de la dynamique des populations : évolution dans le temps de
populations biologiques (humaines, animales, végétales, ou microbiennes),
— l’analyse des données statistiques en sciences naturelles
— la résolution des systèmes différentiels linéaires : type de système servant
à modéliser la dynamique de deux quantités évoluant avec le temps, non pas de
façon indépendante mais en interaction.
— etc . . .
6
1.2. Notion de matrice 7
— Les nombres a11 , . . . , anm sont appelés les éléments de la matrice A où aij désigne
l’élément situé à l’intersection de la ligne i et de la colonne j.
— L’ensemble des matrices réelles d’ordre (n, m) est noté Mn,m (R).
La matrice A définie par la notation (1.1) peut être aussi notée A = (aij ) 16i6n ou
16j6m
A = (aij ).
−1
! 1 −1
−2 5 5 10 1
A= ; B = 0 0 ; C = .
0 0 3 −5 0
5 2
2
La matrice A est d’ordre (2, 4), la matrice B est d’ordre (3, 2) et la matrice C est
d’ordre (4, 1).
Définition 1.2 Soient n et m deux entiers naturels. Une matrice d’ordre (n, 1) est
appelée matrice colonne ou un vecteur colonne et une matrice d’ordre (1, m) est appelée
matrice ligne ou un vecteur ligne.
Exemple 1.2 !
0 0 0
02,3 = .
0 0 0
— Une matrice A est dite matrice carrée d’ordre n si elle a n lignes et n colonnes.
— L’ensemble des matrices réelles carrées d’ordre n est noté Mn (R).
— Les éléments a11 , . . . , ann d’une matrice carrée A d’ordre n, sont appelés les
éléments diagonaux de A et le vecteur (a11 , . . . , ann ) est appelé la diagonale de
A, notée diag(A).
7 2 −5
est une matrice carrée d’ordre 3 et ses éléments diagonaux de sont −1, 0 et −5.
∀i, j = 1, . . . , n, i 6= j =⇒ aij = 0.
2 0 0 0 0 4 2 −2 1
1 0 0 0 0 0
D = 0 −2 0
, E = 0 0 0
.
0 0 0 0 0 0
Pour chacune de ces matrices, le tableau suivant indique si elle est : triangulaire supé-
rieure, triangulaire inférieure ou diagonale :
0 ... 0 1
Elle est simplement notée I lorsqu’il n’y a pas de confusion possible sur son ordre.
Exemple 1.5
! 1 0 0
1 0
I2 = ; I3 = 0 1 0 .
0 1
0 0 1
10 Chapitre 1. Généralités sur les matrices
! ! !
1 3 7 −1 −2 −3 0 2 8
A+B = , −A = , 2B = ,
7 −3 7 −4 −5 −6 6 −16 2
!
−1 0 5
2B − A = .
2 −21 −4
Définition 1.7 Soient A une matrice d’ordre (n, m) et B une matrice d’ordre (m, p)
telles que le nombre de colonnes de A est égal au nombre de lignes de B.
Le produit C = AB est une matrice d’ordre (n, p) dont le terme cij est défini pour
i = 1, . . . , n et j = 1, . . . , m par :
Exemple 1.7
1 −2 !
4 1
A= 3 7, B=
6 −5
−4 6
A est d’ordre (3, 2) et B est d’ordre (2, 2) donc AB existe et est d’ordre (3, 2). La
matrice AB est donc de la forme
x y
AB = z t .
u v
1.3. Opérations sur les matrices 11
Pour obtenir l’élément x de AB, on remarque que x se trouve sur la ligne 1 et la colonne
1 de AB. Donc on prendra la ligne 1 de A et la colonne 1 de B qu’on multipliera terme
à terme après quoi on somme. Cela correspond au processus suivant :
1 −2 ! 1 × 4 + (−2) × 6 · −8 ·
4 ·
· · −→
· ·
−→ AB = ·
·
6 ·
· · · · · ·
c’est-à-dire x = 8.
Pour obtenir y, on cherche donc à calculer l’élément se trouvant sur la ligne 1
et la colonne 2 de AB. Donc on prendra la ligne 1 de A et la colonne 2 de B qu’on
multipliera terme à terme après quoi on somme. Cela correspond au processus suivant :
1 −2 ! · 1 × 1 + (−2) × (−5) · · 11
· 1
· · −→ · · −→ AB = · ·
· −5
· · · · · ·
c’est-à-dire y = 11.
En procédant ainsi pour tous les éléments, on obtient
1 · 4 + (−2) · 6 1 · 1 + (−2) · (−5) −8 11
AB = 3 · 4 + 7 · 6 3 · 1 + 7 · (−5) = 54 −32
(−4) · 4 + 6 · 6 (−4) · 1 + 6 · (−5) 20 −34
Remarque 1.1 Dans l’exemple 1.7, le produit BA n’existe pas car B a 2 colonnes et
A a 3 lignes.
Parmi les produits suivants, effectuer ceux qui sont possibles : AB, BA, AC et C 2 .
Remarque 1.2
— Si A est une matrice carrée d’ordre n alors AIn = In A = A.
— Le produit de matrices n’est pas commutatif : l’existence de AB n’assure pas
celle de BA et, en général, même si elles existent, les matrices AB et BA ne
sont pas égales.
Définition 1.8 (Puissances d’une matrice) Soit A une matrice carrée d’ordre n.
On définit les puissances successives de A par A0 = In et Ap+1 = Ap × A pour tout
p ∈ N. Autrement dit, Ap = |A × A × {z
· · · × A}.
p facteurs
Le théorème suivant est très utile dans le calcul des puissances d’une matrice.
Théorème 1.1 (Formule du binôme de Newton) Si A et B ∈ Mn (R) telles que
AB = BA, alors, pour tout p ∈ N,
p p
(A + B)p = Cpk Ak B p−k = Cpk Ap−k B k
X X
(1.2)
k=0 k=0
où A0 = B 0 = In .
Définition 1.9 Soit A ∈ Mn,m (R). La transposée de A est la matrice d’ordre (m, n)
obtenue en échangeant les lignes et les colonnes de A. Elle est notée tA ou AT et définie
par :
(AT )ij = aji , pour i = 1, . . . , m, et j = 1, . . . , n.
1.4. Exemples d’application 13
1 4 !
1 2 3
Exemple 1.9 La transposée de la matrice A = est AT =
2 5.
4 5 6
3 6
Définition 1.10 Soit A une matrice carrée d’ordre n. La trace de A, notée tr(A), est
la somme de ses éléments diagonaux :
n
X
tr(A) = aii = a11 + a22 + · · · + ann .
i=1
7 8 9
Exemple 1.11 ([7]) Considérons une population de rongeurs, en limitant les obser-
vations aux femelles. Supposons :
— qu’elles vivent au maximum 3 ans, avec un taux de survie de 60% la première
année et 25% la deuxième année
— que chaque femelle donne naissance à 4 femelles au cours de sa deuxième année
et à 5 femelles au cours de sa troisième année.
— cette population est subdivisée en trois classes d’âges : bébés (1ère année), jeunes
(2ème année) et adultes (3ème année) d’effectifs respectifs bn , jn et an l’année
n.
14 Chapitre 1. Généralités sur les matrices
bn
On note Xn = jn le vecteur des effectifs par catégories d’âge l’année n. Détermi-
an
nons la matrice L (appelée matrice de Leslie ou matrice de projection de la
population) telle que Xn+1 = LXn .
donc
0 4 5
L = 0.6 0 0
0 0.25 0
Remarque 1.3 La matrice de Leslie porte le nom du statisticien anglais Sir Patrick
Holt Leslie (1900-1972) qui a développé, en 1945, un modèle mathématique pour
décrire l’évolution temporelle du nombre de femelles dans des populations de souris et
de rats. Cette étude tire sa motivation du fait que pendant la seconde guerre mondiale,
la prolifération de ces rongeurs était un véritable souci en raison des dégâts qu’ils
pouvaient occasionner au niveau des réserves alimentaires de la population anglaise.
Le modèle mathématique mis au point par Leslie tient compte de la structuration de
la population selon plusieurs classes d’âges. C’est un modèle discret car le temps y est
considéré à intervalles réguliers et ne prend que des valeurs entières. Leslie a montré
la pertinence de son modèle en l’appliquant à des données observées sur des rats, mais
aussi sur d’autres populations animales. De nos jours, ce modèle est adopté par de
nombreux biologistes.
X1 = LX0
X2 = LX1 = L2 X0
X3 = LX2 = L3 X0
..
.
Xn = Ln X0 .
Proposition 1.1 Soit L une matrice de Leslie modélisant la dynamique d’une popu-
lation structurée en classes d’âge telle que Xn représente le vecteur des effectifs au
temps n et X0 représente le vecteur des effectifs au temps initial (temps n = 0). Pour
tout n ∈ N, on a :
Xn = Ln X0 .
Exercice d’application 1.2 Reprenons l’exemple 1.11. Si l’on suppose que la popu-
lation initiale en 2018 (n = 0) compte 10 femelles dans chaque classe d’âge, combien
y en aura-t-il en 2019 ? en 2020 ?
III Indications :
10
— L’année 2018 correspond à n = 0 et donc à X0 = 10.
10
— L’année 2019 correspond à n = 1 et donc à
0 4 5 10 90
X1 = LX0 = 0.6 0 0 10 = 6 .
0 0.25 0 10 2.5
Remarque 1.4 Une présentation rigoureuse des CMH nécessite des notions de théorie
de probabilités dépassant largement le cadre de ce cours et qui seront simplement
admises. Nous nous concentrerons donc plutôt sur l’aspect appliqué. Afin de faciliter
la compréhension au lecteur, nous adopterons des notations légèrement différentes de
celles habituellement utilisées pour les chaînes de Markov.
Exemple 1.12 Une épidémie se propage dans un troupeau de boeufs. Malgré l’ad-
ministration d’un remède expérimental, on constate que chaque semaine, 25% des
animaux malades guérissent tandis que 25% des malades meurent et 25% des animaux
en bonne santé deviennent malades. On peut représenter la situation à l’aide d’une
CMH à trois états : bien portant (1), malade (2) et mort (3).
On peut représenter le passage entre les trois états par le diagramme suivant :
0.75 0.5 1
0.25
1 0.25 2 0.25 3
0 0.25 1
appelée matrice de transition telle que pour tous i, j ∈ {1, 2, 3}, pij repré-
sente la probabilité de passage de l’état j à l’état i et la somme de chaque
colonne vaut 1 ;
— et d’une répartition initiale
(0)
π
1(0)
π (0) =
π2
(0)
π3
(0)
appelée vecteur d’états initial où πi représente la proportion initiale des
(0)
animaux se trouvant dans l’état i et 3i=1 πi = 1.
P
Au bout de n semaines, la répartition des animaux suivant les états est alors définie
par
π (n) = P n π (0) .
Supposons qu’au départ tous les animaux sont bien portants c’est-à-dire
1
(0)
π = 0 .
Les répartitions au bout d’une semaine puis deux semaines sont respectivement don-
nées par
0.75 0.25 0 1 0.75
π (1) = P π (0) = 0.25 0.5 0 0 = 0.25
0 0.25 1 0 0
1.5. Exercices 17
et
0.625 0.3125 0 1 0.625
π (2) = P 2 π (0) = 0.3125 0.3125 0 0 = 0.3125 .
1.5 Exercices
1 1 1 c a 1
1 1 −1
2) Démontrer que ∀n ∈ N, Xn = M n X0 .
3) Déterminer la matrice B telle que M = I2 + B.
4) Vérifier que B 2 = 0.
5) Calculer alors M n en utilisant la formule du binome de Newton et en déduire les
expressions de un et vn en fonction de n, u0 et v0 .
1 1 0
1) Calculer A2 et trouver deux réels α et β tels que A2 = αA + βI3 .
2) Trouver, sans calculer explicitement ces matrices, des décompositions analogues de
A3 puis A4 en fonction de A et I3 .
3) En déduire que pour tout n ∈ N, il existe deux réels αn et βn tels que An =
αn A + βn I3 et utiliser l’expression de An+1 pour montrer que
(
αn+1 = 2αn + βn
βn+1 = −αn
1 1 0
Exercice 1.5 Soit A = 0 1 1 et soit B = A − I3 .
0 0 1
1) Calculer B 2 , B 3 et en déduire l’expression de B n pour tout entier n ∈ N.
2) Développer (B + I3 )n par la formule du binome et simplifier.
3) En déduire An Pour tout entier n ∈ N.
Exercice 1.6 Pour une certaine espèce d’insectes, on a fait les observations suivantes
chez les femelles :
— Les insectes vivent au maximum trois ans.
— La moitié d’entre elles meurent à la fin de la première année de vie et parmi
celles qui survivent, les 2/3 meurent à la fin de la deuxième année de vie.
— Dans leur troisième année de vie, chaque femelle donne naissance en moyenne
à 6 individus femelles de la même espèce.
1.5. Exercices 19
xn
L’année 2019+n (avec n ∈ N), on note Xn = yn le vecteur des nombres d’individus
zn
respectivement dans leur première année de vie, dans leur deuxième année de vie et
dans leur troisième année de vie.
1) Déterminez la matrice de Leslie L telle que Xn+1 = LXn .
2) Soit n ∈ N. Exprimer Xn en fonction de L et X0 .
3) Calculer L2 et L3 . Que peut-on dire sur l’évolution de la population de ces insectes ?
Exercice 1.7 On considère une population de rongeurs qui ont une durée de vie de
trois ans. On note respectivement xn , yn et zn le nombre de femelles en première,
deuxième et troisième année de vie dans l’année 2019 + n (n ∈ N). Les femelles ne
sont pas fécondes la première année et chacune des femelles en vie donne 5 femelles
durant sa deuxième année et 9 durant sa troisième année. Le taux de survie est de 40
% la première année et de 65 % la deuxième année.
1) Etablir la matrice de Leslie M des femelles.
2) On suppose que la population initiale de femelles est constituée de 50 jeunes, 30
de deux ans et de 45 de trois ans. Calculer l’effectif des différentes classes d’âge de
femelles au cours des deux ans à venir, ainsi que l’effectif total.
Exercice 1.8 Dans une certaine ville, le temps est soit beau (état 1), indifférent (état
2) ou mauvais (état 3). Si le temps est beau un jour donné, il y a 40% de chance qu’il
soit beau le lendemain et 30% de chance qu’il soit indifférent. Si le temps est indifférent
un jour donné, il a 50% de chance qu’il soit beau le lendemain et 20% de chance qu’il
soit indifférent. Enfin, si le temps est mauvais un jour donné, il y a 30% de chance
qu’il soit bon le lendemain et 40% qu’il soit indifférent.
1) Ecrire la matrice de transition P associée à cette situation.
2) La météo estime qu’aujourd’hui il y a 60% de chance que le temps soit indifférent
et 40% qu’il pleuve. Quelles sont les chances que le temps soit beau dans 2 jours ?
Exercice 1.9 Chaque année, on estime que 15% des habitants d’une ville (état 1) se
déplacent vers la banlieue environnante (état 2) et 8% de la population de la banlieue se
déplace vers la ville. Actuellement, il y a au total 2 millions d’habitants dont 1.4 million
en ville et 600 000 en banlieue. On suppose négligeables les décès et les naissances et
que la migration se fait uniquement entre la ville et la banlieue.
1) Ecrire la matrice de transition P et le vecteur d’états initial π (0) de la chaîne de
Markov décrivant ce modèle de migration.
2) Calculer la répartition attendue de la population au bout de 3 ans.
Chapitre 2
Calcul de déterminants
Objectifs spécifiques
2.1 Introduction
Soit A une matrice carrée d’ordre n. Il est souvent utile de déterminer (voir chapitre
3) une matrice B ∈ Mn (R) telle que
AB = BA = In .
Si une telle matrice B existe, elle est unique et on dit alors que A est inversible. La
matrice B est alors notée B = A−1 et appelée inverse de A.
20
2.2. Déterminants d’ordres 2 et 3 21
1 2
Exemple 2.1 On a : = 4 − (−6) = 10.
−3 4
Règle de Sarrus.
Elle se décline en deux étapes décrites ci-après :
1) Ecrire les 3 colonnes du déterminant puis répéter à droite les deux premières co-
lonnes
2) Effectuer le produit des termes pour chacune des 6 diagonales qui apparaissent puis
les ajouter en affectant du signe + si la diagonale est descendante et du signe − si
elle est ascendante.
affectés du signe −
a b c a b
d e f d e
g h i g h
affectés du signe +
On obtient donc :
a b c
d
e f = aei + bf g + cdh − gec − hf a − idb.
g h i
22 Chapitre 2. Calcul de déterminants
0 −1
2
−2 2 −3 −2 2
−1 1 3 −1 1
2 0 −1 2 0
Exemple 2.3
−3 0 0 1 0 0
∆1 = 0
−1 0 = 12 ; ∆2 = 3
2 0 = −8.
−1 0 −4
0 0 4
a1,1 ... a1,j−1 a1,j a1,j+1 ... a1,n
. .. .. .. ..
..
. . . .
ai−1,1 . . . ai−1,j−1 ai−1,j ai−1,j+1 ... ai−1,n
∆ij = ai,1 . . . ai,j−1 ai,j ai,j+1 ... ai,n
ai+1,1 . . . ai+1,j−1 ai+1,j ai+1,j+1 ... ai+1,n
. .. .. .. ..
.
. . . . .
a . . . an,j−1 an,j an,j+1 ... a
n,1 n,n
2 0 −1
est
1 3
1+1 1+1
cof(a11 ) = cof(−2) = (−1) ∆11 = (−1) = −1.
0 −1
Les formules (2.1) et (2.2) traduisent le fait que pour calculer un déterminant ∆, on
peut choisir une ligne ou une colonne de ∆ et obtenir la valeur de ∆ comme la somme
des produits de chaque élément (de la ligne ou colonne choisie) par son cofacteur. Afin
de simplifier les calculs, il est préférable de choisir s’il y en a, les lignes ou colonnes
qui contiennent beaucoup de 0.
24 Chapitre 2. Calcul de déterminants
Exemple 2.5
−2 2 −3
∆= −1 1 3
0 −1
2
=2·1·9+0+0
= 18.
= 2 · (−1) · (−5) + 1 · 1 · 8 + 0
= 18.
Définition 2.3 Une opération élémentaire est une des trois manipulations sui-
vantes :
— échange de deux colonnes (resp. lignes),
— multiplication d’une colonne (resp. ligne) par un nombre non nul,
— ajout à une colonne (resp. ligne) d’une combinaison linéaire des autres colonnes
(resp. lignes).
0 −1
2
2.3. Déterminants d’ordre quelconque 25
−2 2 −3
Multiplier la ligne 2 par −3 L2 ← −3L2 ∆1 = 3
-3 -9
2 0 −1
0
2 −3
Ajouter la colonne 2 à la colonne 1 C1 ← C1 + C2 ∆2 = 0
1 3
2 0 −1
2 0 -1
Echange des première et troisième L1 ↔ L3 ∆3 = −1
1 3
lignes
−2 2 −3
2) Opération élémentaire : L1 ↔ L2
3 4
∆2 = = 2 = −∆.
1 2
2.3.4 Propriétés
Proposition 2.2 Soient A, B ∈ Mn (R) et α ∈ R. Alors :
1) det(AT ) = det(A).
2) det(αA) = αn det(A).
3) det(AB) = det(A)det(B).
2 1 −3
est inversible et calculer A−1 .
2.4. Application à l’inversion d’une matrice 27
— Ligne 1, colonne 2
1 0
cof(a12 ) = cof(2) = (−1)1+2 = 3.
2 −3
— Ligne 1, colonne 3
1+3 1 1
cof(a13 ) = cof(−2) = (−1) = −1.
2 1
— Ligne 2, colonne 1
2+1 2
−2
cof(a21 ) = cof(1) = (−1) = 4.
1 −3
— Ligne 2, colonne 2
2+2 1
−2
cof(a22 ) = cof(1) = (−1) = 1.
2 −3
— Ligne 2, colonne 3
1 2
cof(a23 ) = cof(0) = (−1)2+3 = 3.
2 1
— Ligne 3, colonne 1
3+1 2
−2
cof(a31 ) = cof(2) = (−1) = 2.
1 0
— Ligne 3, colonne 2
3+2 1
−2
cof(a32 ) = cof(1) = (−1) = −2.
1 0
— Ligne 3, colonne 3
1 2
cof(a33 ) = cof(−3) = (−1)3+3 = −1.
1 1
On donc a
−3 3 −1
com(A) = 4 1 3
2 −2 −1
d’où
−3 4 2
1
A−1 = 3 1 −2 .
5
−1 3 −1
♦
28 Chapitre 2. Calcul de déterminants
2.5 Exercices
Exercice 2.1
1) Calculer les déterminants suivants :
1 3 1 1 0 0 1 0 3 1 2 3
∆1 = 0
−1 4 , ∆2 = 3
2 0 , ∆3 = 2
0 4 , ∆4 = 4
5 6 .
0 −2 −1 1
0 0 5 1 3 7 8 9
0 1 2 5 3 4
−1 x x x 1 2
(a) 2
−1 2 = 27 ; (b) 3
x −1 = 2.
2 −1 x −2
2 4
1 a a2
A = 1 b b2
.
1 c c2
Exercice 2.8 Calculer les déterminants suivants en utilisant des opérations élémen-
taires sur les lignes et les colonnes (a, b, c et d désignent des nombres réels donnés) :
1 1 1 1 1 1 1 a a a a a
1 −1 1 1 1 1 a 1 a b b b
∆1 =
; ∆2 =
; ∆3 =
;
1 1 −1 1 1 a 1 1 a b c c
1 1 1 −1 a 1 1 1 a b c d
1 + a a a a
a 1+a a a
∆4 = .
a a 1+a a
a a a 1 + a
Chapitre 3
Objectifs spécifiques
30
3.2. Généralités 31
3.2 Généralités
3.2.1 Définitions
Définition 3.1
— On appelle équation linéaire de variables (ou inconnues) x1 , . . . , xp , toute rela-
tion de la forme
a1 x 1 + · · · + ap x p = b
où a1 , . . . , ap et b sont des nombres réels.
— Soit n, p ∈ N∗ , on appelle système linéaire de n équations à p inconnues
x1 , . . . , xp tout système du type :
x − y
=2
Exemple 3.1 L’écriture matricielle du système est
x − 2y = −3
! ! !
1 −1 x 2
= .
1 −2 y −3
Exemple 3.2 (
x+y = 3
— Le système n’a pas de solution.
x+y = 2
(
x+y = 3
— Le système a une unique solution qui est (2, 1).
x−y = 1
(
x+y = 3
— Le système a une infinité de couples solutions de la forme
2x + 2y = 6
(x, 3 − x), où x ∈ R (la deuxième équation n’apporte aucune nouvelle informa-
tion sur les inconnues).
A−1 AX = A−1 B
soit
X = A−1 B.
Exemple 3.3 On considère dans R3 , le système linéaire suivant :
x + 2y + 2z = −1
2x − y + 2z = 9 (3.2)
3x + 2y + 5z = 7
3.3. Méthodes de résolution 33
3 2 5 z 7
det(A) = −3 6= 0 donc A est inversible et
−9 −4 7 9 6 −6
1 1 1
A−1 = T
com(A) = − −6 −1 4 = 4
1 −2.
det(A) 3 3
6 2 −5 −7 −4 5
Le système admet une unique solution
9 6 −6 −1 1
−1 1
X=A B= 4 1 −2 9 = −3
.
3
−7 −4 5 7 2
soit
−1 −1 −1
x= × (−3), y= × 9, z= × (−6)
3 3 3
soit encore (x, y, z) = (1, −3, 2).
Remarque 3.1 Si la matrice A du système est carrée mais non inversible (i.e. det(A) =
0), alors le système peut ne posséder aucune solution ou peut posséder une infinité
de solutions. Il est plus pratique d’utiliser la méthode (du pivot) de Gauss (présentée
ci-après).
Définition 3.2 On appelle opération élémentaire sur les lignes d’un système d’équa-
tions linéaires, une des trois opérations suivantes :
— Multiplication par un scalaire λ 6= 0 : Li ← λLi
— Permutation de deux lignes : Li ↔ Lj
— Ajout à une ligne, d’un multiple d’une autre ligne : Li ← Li + λLj (λ ∈ R).
Exemple 3.5 Résolvons à nouveau le système (3.2), mais cette fois par la méthode
de Gauss :
x + 2y + 2z = −1
2x − y + 2z = 9
3x + 2y + 5z = 7
— On fait L2 ← L2 − 2L1 et L3 ← L3 − 3L1
x + 2y + 2z = −1
− 5y − 2z = 11
− 4y − z = 10
— L3 ← 5L3 − 4L2
x + 2y + 2z = −1
− 5y − 2z = 11
3z = 6
3.3. Méthodes de résolution 35
1) Montrons que le système ne peut être résolu ni par inversion ni par la méthode de
Cramer. La matrice du système
1 2
A= 2 3
−4 −5
36 Chapitre 3. Systèmes d’équations linéaires
n’est pas carrée donc le système ne peut être résolu ni par inversion ni par la
méthode de Cramer.
2) Résolution par la méthode de Gauss.
— L2 ← L2 − 2L1 et L3 ← L3 + 4L1 :
x + 2y = −3
− y = 2
13y = −7
— L3 ← L3 + 13L2 :
x + 2y = −3
− y = 2
0 = 19
— L’égalité 0 = 19 n’a pas de sens. Elle nous indique que la troisième équation est
en contradiction avec les deux premières.
— L’ensemble solution est donc vide :
S = ∅.
Méthodes Remarques
— Nombre d’équations = Nombre d’inconnues
Inversion matricielle — Nécessite que la matrice A du système soit
inversible (det(A) 6= 0)
Cramer — Pas très pratique lorsque l’ordre de A dépasse
3
— Aucune restriction
Gauss — Très pratique indépendamment du nombre
d’équations et du nombre d’inconnues
Equilibrer cette équation puis déterminer les plus petites valeurs possibles des coeffi-
cients.
Définition 3.3 Une matrice de transition P est dite régulière s’il existe un entier
r ∈ N∗ tel que tous les éléments de la matrice P r soient strictement positifs.
π = Pπ
Exemple 3.8 ([4]) Considérons une CMH à trois états notés 1, 2 et 3 dont la matrice
de transition est donnée par :
0.75 0.25 0.2
P = 0.15 0.45 0.4 .
La matrice P est régulière (ici r = 1 car tous les éléments de P sont strictement
positifs) donc il existe un vecteur d’équilibre π = (π1 , π2 , π3 )T tel que
Pπ = π et π1 + π2 + π3 = 1.
On a
0.75 0.25 0.2 π1 π1
P π = π =⇒
0.15 0.45 0.4 π
2 = π2
soit
−0.45π1 + 0.05π2 = −0.2
−0.25π1 − 0.95π2 = −0.4
0.7π1 + 0.9π2 = 0.6
soit encore
0.45π1 − 0.05π2 = 0.2
0.25π1 + 0.95π2 = 0.4
0.7π1 + 0.9π2 = 0.6
40 Chapitre 3. Systèmes d’équations linéaires
La troisième équation étant la somme des deux premières, on peut écrire plus simple-
ment (
0.45π1 − 0.05π2 = 0.2
0.25π1 + 0.95π2 = 0.4
π3 = 1 − π1 − π2 ≈ 0.228
0.228
Ce qui signifie qu’à long terme, quelque soit la répartition initiale π (0) , on aura ap-
proximativement 47.7% de la population sera dans l’état 1, 29.5% dans l’état 2 et
22.8% dans l’état 3.
Pour illustrer cette notion de convergence, nous considérons trois (3) valeurs pos-
sibles pour le vecteur d’états initial π (0) et nous calculons les valeurs successives du
(n) (n) (n)
vecteur d’états π (n) = (π1 , π2 , π3 )T pour n variant de 1 à 10. Les valeurs de π (0)
correspondent aux trois cas suivants :
— Cas 1 : π (0) = (0.5, 0.5, 0)T
— Cas 2 : π (0) = (0.7, 0, 0.3)T
— Cas 3 : π (0) = (0.4, 0.3, 0.3)T
Les figures 3.1, 3.2 et 3.3 donnent les évolutions respectives des composantes de π (n)
en fonction du temps n. Pour tout i = 1, 2, 3, on remarque que pour tous les choix de
(0) (n)
πi , πi converge vers πi .
Remarque 3.2 La condition de régularité du théorème 3.2 est suffisante mais pas
nécessaire. C’est-à-dire que si la matrice de transition n’est pas régulière, l’on ne peut
rien dire.
3.4. Exemples d’application 41
2 4 6 8 10
Temps n
(n)
Figure 3.1 – Evolution de π1 en fonction de n. On constate la convergence vers π1 ≈ 0.477
(en pointillés rouges)
0.30
0.28
0.26
0.24
2 4 6 8 10
Temps n
(n)
Figure 3.2 – Evolution de π2 en fonction de n. On constate la convergence vers π2 ≈ 0.295
(en pointillés rouges)
42 Chapitre 3. Systèmes d’équations linéaires
2 4 6 8 10
Temps n
(n)
Figure 3.3 – Evolution de π3 en fonction de n. On constate la convergence vers π3 ≈ 0.228
(en pointillés rouges)
3.5 Exercices
Exercice 3.1 Résoudre chacun des systèmes suivants par les trois méthodes vues au
cours (inversion matricielle, méthode de Cramer, méthode de Gauss) :
x+y−z = 9
x + 2y − 3z = 14
(S1 ) : 3x + 2y + z = 14 ; (S2 ) : 2x + 3y + 2z = 9
4x − y + 2z = 13
3x + 4y + z = 16
Exercice 3.2 Résoudre les systèmes linéaires suivants par la méthode de Gauss :
( 3x + 2y = 4
3x + 2y = 4
(S1 ) : (S2 ) : x−y = 1 ;
x−y = 1
4x + y = 3
3x + 2y = 4 ( x + 3y = 1
x−y = 1
(S3 ) : x − y = 1 (S4 ) : (S5 ) : x + 2y = 4
2x − 2y = 2
4x + y = 5
3x + 10y = 0
x−y+z = 0
x−y = 1
(S6 ) : 3x + 2y = 2 (S7 ) : y−z = 2
z−x = 3
4x + y + z = 2
3.5. Exercices 43
x + 2y + 3z = 6
−x + 2z = 0
(S8 ) : 2x − 3y − 8z = 19 (S9 ) : 2x − y − 3z = 0
3x + y − z = −2 2x − 3y − z = 0
Exercice 3.3 Résoudre chacun des systèmes linéaires suivants par la méthode de
votre choix :
x−y+z = 1
2x + 3y + z = 4
(S1 ) : 2x + y − z = 2 , (S2 ) : −x + y + 2z = 3 ,
x − 2y + 3z = 0
7x + 3y − 5z = 2
−3x + y + z + t
= 0
−x + y = 1
x − 3y + z + t
= 0
(S3 ) : 2x + y + z = 3 , (S4 ) : .
x + y − 3z + t = 0
x+z = 1
x + y + z − 3t = 0
Exercice 3.4 Résoudre le système suivant en discutant suivant les valeurs des réels
a, b et c :
x+y+z = a
(S) : x−y−z = b
−3x + y + 3z = c
Exercice 3.5 Dans une cage, on a une population de 100 souris. Elle est composée
de mâles et de femelles. On laisse la population se développer pendant un mois. A la
fin de l’expérience, on dénombre 284 souris. Le nombre de mâles a été multiplié par
2 et le nombre de femelles par 3. Il n’y a pas eu de mort au cours de l’expérience.
Déterminer le nombre de mâles et le nombre de femelles en début d’expérience.
Exercice 3.6 Les résultats de trois candidats à un concours de recrutement sont don-
nés par le tableau suivant où les codes MTH, ANG et INF représentent respectivement
Mathématiques, Anglais et Informatique :
Candidat MTH ANG INF Moyenne
A 7 12 6 8
B 11 6 10 9
C 11 16 14 14
Retrouver le poids de chaque matière dans le calcul de la moyenne.
Exercice 3.7 On désire constituer un mélange nutritif pour bestiaux à partir de trois
produits A, B, C, dont la teneur en sucre, protéines et féculents est donnée ci-dessous :
44 Chapitre 3. Systèmes d’équations linéaires
Exercice 3.9 Déterminer les coefficients adéquats pour équilibrer l’équation suivante :
On suppose qu’il a une vitesse de 20 km/h (km par heure), en terrain plat, de 16
km/h en montée et de 24 km/h en descente. Ce cycliste met 5 heures 20 minutes pour
parcourir la route dans le sens de A vers B et 5 heures pour la parcourir dans le sens
de B vers A. Déterminer les longueurs de terrain plat, de montée et de descente de A
vers B respectivement notées p, m et d.
3.5. Exercices 45
Exercice 3.12 Un grand immeuble de plusieurs étages doit être construit en utilisant
des techniques de construction modulaires. L’agencement des appartements par étage
doit être choisi parmi trois plans d’étage. Le plan A compte 18 appartements par étage,
dont 3 appartements de trois chambres, 7 appartements de deux chambres et 8 appar-
tements d’une chambre. Chaque étage du plan B comprend 4 appartements de trois
chambres, 4 appartements de deux chambres et 8 appartements d’une chambre. Chaque
étage du plan C comprend 5 appartements de trois chambres, 3 appartements de deux
chambres et 9 appartements d’une chambre. Supposons que le bâtiment contienne un
total de x étages du plan A, y étages du plan B et z étages du plan C. Serait-il pos-
sible de concevoir l’immeuble avec exactement 66 appartements de trois chambres, 74
appartements de deux chambres et 136 appartements d’une chambre ? Si oui, y a-t-il
plus d’une façon de le faire ? Expliquez votre réponse.
Exercice 3.13 On considère une CMH à trois états dont la matrice de transition est
donnée par :
0 0.25 0.25
P = 0.5 0.5
0.25.
0.5 0.25 0.5
On suppose que la matrice P est régulière. Déterminer le vecteur d’équilibre π =
(π1 , π2 , π3 )T .
Chapitre 4
Calcul vectoriel
Objectifs spécifiques
A la fin de ce cours, l’apprenant devra être capable de calculer des aires et des
volumes d’objets simples.
4.1 Généralités
4.1.1 Définition d’un vecteur
−u
→ B
Le vecteur →
−u a pour
— direction : la droite (AB) et toutes les droites qui lui sont parallèles
— sens : A vers B
−→
— norme : la distance AB encore notée kABk.
Définition 4.2
— Un vecteur → −
u est dit unitaire (ou normé) si k→ −u k = 1.
— Deux vecteurs sont dits orthogonaux si leurs directions sont perpendiculaires.
— Deux vecteurs → −u et →
−
v sont colinéaires s’ils ont même direction c’est-à-dire s’il
existe λ ∈ R tel que
→
−
u = λ→ −v.
46
4.1. Généralités 47
— Les vecteurs →
−
u1 , . . . , −
→ sont coplanaires s’ils sont parallèles à un même plan.
u n
— Tout vecteur →
−
u de R2 s’écrit de façon unique →
−
u = x→
−ı + y →
− et se note
!
→
− x →
−
u ou u (x, y)
y
— A tout point M du plan, on peut associer un unique couple de réels (x, y) tel
−−→
que OM = x→ −ı + y →− . Ce couple de réels s’appelle coordonnées du point M
dans le repère (O, →
−ı , →
− ) et on note
!
x
M ou M (x, y).
y
La base (→ − , →
−ı , → −
k ) est dite directe (resp. indirecte) si un homme, traversé par le
→
−
vecteur k des pieds à la tête et regardant → −ı , a le vecteur →
− à sa gauche (resp. à sa
droite).
48 Chapitre 4. Calcul vectoriel
La règle du bonhomme d’Ampère est illustré dans les deux cas comme suit :
→
− Base directe Base indirecte →
−
k k
D , G D , G
→
− −→
−
O O
→
→
−
−
ı
ı
4.1.3.2 Propriétés
— Tout vecteur →
−
u de R3 s’écrit de façon unique →
−
u = x→ − + z →
−ı + y → −
k et se note
x
→
−
u y
ou →
−
u (x, y, z)
z
Définition 4.4
1) Addition de deux vecteurs
— Dans le plan : → −
u (x, y) + →
−
v (x0 , y 0 ) donne le vecteur →
−
u +→
−
v (x + x0 , y + y 0 ).
— Dans l’espace : u (x, y, z) + v (x , y , z ) donne le vecteur →
→
− →
− 0 0 0 −
u +→ −v (x + x0 , y +
y 0 , z + z 0 ).
2) Multiplication d’un vecteur par un réel λ :
— Dans le plan : λ · →
−
u (x, y) donne le vecteur λ→−
u = (λx, λy).
— Dans l’espace : λ · u (x, y, z) donne le vecteur λ→
→
− −
u = (λx, λy, λz).
4.2. Produit scalaire 49
A B
et
k→
−
q
uk= x2 + y 2 .
et
k→
−
q
uk= x2 + y 2 + z 2 .
III Indications :
1) — →
−
u ·→
−
v =2+5−3q
=4
√− → √
— k→
−
uk= →
u ·−
u = 12 + (−1)2 + 32 = 11
50 Chapitre 4. Calcul vectoriel
√
— k→
−
q
vk= 22 + (−5)2 + (−1)2 = 30.
√
2) |→
−
u ·→
−
v | = 4 et k→
−
u k × k→
−
v k = 330 ' 18.1659 donc on a bien
|→
−
u ·→
−
v | 6 k→
−
u k × k→
−
v k.
k→
−
u ∧→
−
v k = k→
−
u k × k→
−
v k × | sin θ|
→
−
Remarque 4.1 (Cas particulier) Si →
−
u et →
−
v sont colinéaires, alors →
−
u ∧→
−
v = 0.
→ − = →
−ı ∧ → −
k, − ∧ →
→ −
k =→
−ı , →
− →
k ∧ −ı = →
− .
4.3. Produit vectoriel 51
4.3.2 Propriétés
Proposition 4.3 Soient →−
u, →−v,→−
w trois vecteurs de R3 et α ∈ R.
— Le produit vectoriel est antisymétrique :
→
−
v ∧→
−
u = −→
−
u ∧→
−
v.
x x0
i
j
y y 0
z z0
k
1 −2
cof(k) = (−1)4 =5
4 −3
donc on a : →
−
u ∧→
−
v (−2, 3, 5). ♦
1 −→ −→
A = kAB ∧ ACk u.a.
2
−→ −−→
A = kAB ∧ ADk u.a.
[→
−
u ,→
−
v ,→
−
w ] = (→
−
u ∧→
−
v)·→
−
w.
Soient →
−
u (x, y, z), →
−
v (x0 , y 0 , z 0 ) et →
−
w (x00 , y 00 , z 00 ).
4.4. Produit mixte 53
yz 0 − zy 0 x00
→
− →
− →
− →
− →
− →
− 0 0 00
[ u , v , w ] = ( u ∧ v ) · w = zx − xz · y
xy 0 − yx0 z 00
= x00 (yz 0 − zy 0 ) + y 00 (zx0 − xz 0 ) + z 00 (xy 0 − yx0 )
x0 x00
x
= y 0 y 00 (développement suivant C3 )
y
z 0 z 00
z
[→
−
u ,→
−
v ,→
−
w ] = det(→
−u ,→
−
v ,→ −
w ).
III Indications :
2 2 −2
[→
−
u,→
−
v ,→
−
w ] = −1 5 −3 = −8.
3 −4 1
[→
−
u ,→
−
v ,→
−
w ] = −[→
−
v ,→
−
u ,→
−
w ] = −[→
−
w,→
−
v ,→
−
u ] = −[→
−
u ,→
−
w,→
−
v ].
— Une permutation circulaire des trois vecteurs laissé inchangé le produit mixte :
[→
−
u ,→
−
v ,→
−
w ] = [→
−
v ,→
−
w,→
−
u ] = [→
−
w,→
−
u ,→
−
v ].
E F
D C
A B
54 Chapitre 4. Calcul vectoriel
−→ −−→ −→
V = [AB, AD, AE] u.v.
A B
1 −→ −→ −−→
V= [AB, AC, AD] u.v.
6
4.5 Exercices
Calculer (→
−
u ∧→
−
v)∧→
−
w , puis →
−
u ∧ (→
−
v ∧→
−
w ) et conclure.
Exercice 4.5 Montrer la formule suivante (identité de Lagrange), pour tous vecteurs
~u, ~v de l’espace :
k→−
u ∧→ −
v k2 + (→
−
u ·→−
v )2 = k→−
u k2 k→
−
v k2 .
Exercice 4.7 Dans l’espace, on considère les points A(2, 2, −1), B(−3, 2, 1), C(3, 2, 5)
et D(4, 1, 0).
1) Montrer que ces quatre points n’appartiennent pas tous à un même plan.
2) Calculer le volume du tétraèdre ABCD.
Chapitre 5
Objectifs spécifiques
ax + by + cz + d = 0
où (a, b, c) 6= (0, 0, 0). Une telle équation est appelée équation cartésienne de (P ).
56
5.1. Le plan dans l’espace 57
→
−
n
N
•
M
(P )
−−−→ →
M0 M · −
n =0
C
• M
(P ) A • B
−−→ −→ −→
Un point M (x, y, z) appartient à (P ) si les vecteurs AM , AB et AC sont coplanaires
c’est-à-dire
−−→ −→ −→
det(AM , AB, AC) = 0
→
−
n
•
H
(P )
→
− →− →−
Exercice d’application 5.1 Dans R3 muni du RON (O, i , j , k ), on considère le
point A(2, 1, −3) et le vecteur →
−
n (1, 1, 2).
1) Ecrire l’équation du plan (P ) passant par A et de vecteur normal →
−
n.
2) Calculer la distance du point M (1, 0, 1) à (P ).
III Indications :
−−→ −−→ −
1) Soit M (x, y, z) ∈ (P ). On a AM (x − 2, y − 1, z + 3) et AM · →
n = 0 soit
(x − 2) + (y − 1) + 2(z + 3) = 0
d’où l’équation de (P ) :
(P ) : x + y + 2z + 3 = 0.
2)
|1 + 0 + 2 + 3| 6 √
d(M, (P )) = √ = √ = 6.
2 2
1 +1 +2 2 6
♦
5.2. La droite dans l’espace 59
−u
→
•
• M
A
Soient →−
n (a, b, c) et →
−
m(a0 , b0 , c0 ) les vecteurs normaux respectifs de (P ) et (P 0 ). Le
vecteur
→
−
u =→ −n ∧→−
m
est un vecteur directeur de (D), ce qui permet de trouver une représentation paramé-
trique de (D).
M
•
→
−
u
• (D)
• H
A
d(M, (D)) = M H
d’où
−−→ − −−→
kAM ∧ →
u k = kHM k × k→
−
u k × | sin 90◦ | = M H × k→
−
u k.
On obtient la proposition suivante :
III Indications : La droite (D) passe par A(1, 1, 1) (pour λ = 0) et a pour vecteur directeur
→
−
u (2, −2, 1). On a
0 2 −3
−−→ → −
AM ∧ u = −1 ∧ −2 = −2
−1 1 2
d’où √
−−→ −
kAM ∧ →uk 17
d(M, (D)) = = .
k→
−
uk 3
♦
5.3. Exercices 61
5.3 Exercices
Exercice 5.1
1) Déterminer l’équation cartésienne du plan (P ) passant par le point A(1, 0, −2) et
de vecteur normal →
−n (1, −1, 1).
2) Déterminer une représentation paramétrique de la droite (D) passant par le point
B(3, −1, 1) et de vecteur directeur →
−
u (1, 1, 2).
3) Déterminer l’intersection de (P ) et (D).
Exercice 5.2 On considère les trois points suivants de l’espace : A(1, 0, 3), B(1, 3, 2)
et C(0, 2, 4).
1) Montrer que A, B et C ne sont pas alignés puis déterminer une équation cartésienne
du plan (P ) formé par ces trois points.
2) Calculer la distance du point M (4, 0, −1) à (P ).
Exercice 5.3 Soient A(1, 3, 1) et B(1, 9, 5) deux points de l’espace. Déterminer l’équa-
tion cartésienne du plan médiateur (P ) du segment [AB] c’est-à-dire le plan (P ) pas-
sant par le milieu I de [AB] et orthogonal à la droite (AB).
y = 1 − 2λ
z =1+λ
Exercice 5.5 On considère la famille de plans (Pm )m∈R définis par les équations car-
tésiennes :
(Pm ) : m2 x + (2m − 1)y + mz = 3.
1) Déterminer les valeurs de m dans chacun des cas suivants :
(a) A(1, 1, 1) ∈ Pm
(b) B(−1, 0, 1) ∈ Pm
(c) →
−
u (1, 1, −2) est un vecteur directeur de Pm
→
−
(d) n (0, 1, 0) est normal à Pm
[6] D. C. Lay – Linear algebra and its applications, 4ème éd., Pearson, 2012.
62