Académique Documents
Professionnel Documents
Culture Documents
1. Equations linéaires
Définition 3.
Equation linéaire en les variables x1, ., xn: a1x1 + a2x2 + . + anxn = b
Une solution de l’équation est un n-uplet (s1, , sn) de réels tels que
a1s1 + a2s2 + . + ansn = b.
Résoudre l’équation c’est rendre apparentes les valeurs (toutes les
valeurs!) que peuvent prendre les inconnues.
Exercice 1. x1-4x2+13x3=5
1
Solution. x1-4x2+13x3=5
x1=4x2-13x3+5; l’ensemble des solutions est {(x1, x2,
x3) ∈ R , x1 = 4x2-13x3+5} ou si vous préférez {(4x2-13x3+5, x2, x3), (x2, x3) ∈ R2}.
3
On ne peut aller plus loin il y a deux variables qui sont « libres » et la troisième,
x1, est déterminée chaque fois que nous avons choisi (x2, x3).
Les solutions sont déterminées par le choix de (x2, x3).
Exercice 2. x1-6x2+3x3-8x4=15
à vous .......
Exemple 5. On désire savoir si deux droites du plan ont un point commun et, si oui, le déterminer
x2
x1
2
a11x1 + a12x2 + . + a1nxn = b1
a21x1 + a22x2 + . + a2nxn = b2
.
a p1x1 + a p2x2 + . + apnxn = b p
x1 − 3x2 + x3 = 1
Exercice 3. Résoudre le système .
−x1 + 4x2 − 3x3 = 9
Solution.
sans méthode nous dépendons de la chance, avec méthode nous dépendons de notre seul travail.
Donc
x1 − 3x2 + x3 = 1
−x1 + 4x2 − 3x3 = 9
x1 − 3x2 + x3 = 1
x2 − 2x3 = 10
.
Recommençons
Ajoutant à la première équation « actuelle » le produit de la seconde par 3; ce sera
encore une opération réversible, donc nous avons un nouveau système qui possède
les mêmes solutions
x1 − 3x2 + x3 = 1
x2 − 2x3 = 10
x1-5x3 = 31
x2 − 2x3 = 10
x1 = 5x3 + 1
x2 = 2x3 + 10
.
Une variable, x3, est « libre », mais pour chaque valeur de x3, les deux autres ont
leur valeur « déterminée ».
3
Définition 8.
Un système d’équations linéaires est dit
consistant lorsqu’il possède au moins une solution
et
incompatible lorsqu’il n’a pas de solution.
x1 + x2 = 1
Exercice 4. Résoudre le système
11x1 + 11x2 = 9
3. La méthode de résolution
mentaires
i) Multiplier une équation par une constante k non nulle: Li kLi.
4
ii) Echanger (permuter) deux équations: Li↔L j
iii) Ajouter un multiple d’une équation à une autre équation: Li
Li + kL j
Théorème 11.
Les opérations élémentaires conservent l’ensemble des solutions du sys-
tème.
x1 + x2 + 2x3 = −1 x1 + x2 + 2x3 = −1
Solution. −x1 − 3x2 − 4x3 = −5 0 − 2x2-2x3 = −6
2x1 − x2 + 2x3 = −5 2x1 − x2 + 2x3 = −5
x1 + x2 + 2x3 = −1 x1 + x2 + 2x3 = −1 x1 + x2 + 2x3 = −1
−2x2-2x3 = −6 x + x3 = 3 x + x3 = 3
2 2
0 − 3x2 − 2x3 = −3 −3x2 − 2x3 = −3 x3 = 6
x1 + x3 = −4 x1 = −10
x + x3 = 3 x = −3 .
2 2
x3 = 6 x3 = 6
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
x + 3x2 + 0x3 − 3x4 = 1
1
0x1 − 7x2 + 3x3 + x4 = −3
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
0x + 5x2-3x3+x4 = -3
1
0x1 − 7x2 + 3x3 + x4 = −3
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
0x + 0x2 +2x3-4x4 = 12
1
0x1 − 7x2 + 3x3 + x4 = −3
5
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
0x + 0x2 +2x3-4x4 = 12
1
0x1 + 0x2-4x3+8x4 = −24
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
0x + 0x2 +x3-2x4 = 6
1
0x1 + 0x2-4x3+8x4 = −24
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
0x + 0x2 +x3-2x4 = 6
1
0x1 + 0x2+0x3+0x4 = 0
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 + 0x3-x4 = 3
0x + 0x2 +x3-2x4 = 6
1
0x1 + 0x2+0x3+0x4 = 0
x − 2x2 + 0x3 + 2x4 = -14 x + 0x2 + 0x3 + 0x4 = -8
1 1
0x1 + x2 + 0x3-x4 = 3 0x1 + x2 + 0x3-x4 = 3
.
0x + 0x2 +x3-2x4 = 6 0x1 + 0x2 +x3-2x4 = 6
1
0x1 + 0x2+0x3+0x4 = 0 0x1 + 0x2+0x3+0x4 = 0
CONCLUSION:
Le système donné est équivalent à
x 1 = -8
x1 = -8
x2-x4 = 3 x2 = 3 + x4
c’est à dire à ,
x3-2x4 = 6
x3=6+2x4
0x1 + 0x2+0x3+0x4 = 0
0x1 + 0x2+0x3+0x4 = 0
on remarquera que x4 est libre et que les autres s’expriment en fonction de x4.
l’ensemble des solutions est {(-8,3+x4,6 + 2x4, x4), x4 libre}.
6
a11x1 + a12x2 + . + a1nxn = b1
a21x1 + a22x2 + . + a2nxn = b2
La Matrice augmentée du système
a p1x1 + a p2x2 + . + apnxn = b p
a1n b1
a11 a12
a21 a22
b2
Ce sera la matrice (le tableau)
apn bp
a p1 a p2
1 1 2 −1
Solution. -1 −3 -4 −5
2 −1 2 −5
1 1 2 −1
-1 −3 -4 −5 L2
1 1
L2 + L1: 0 −2
2 −1
-2 −6 L3
1 1
L3-2L1: 0 −2
2 −1
-2 −6 L2 -1/
2 −1 2 −5 2 −1 2 −5 0 -3 -2 −3
1 1 2 −1 1 1 2 −1 1 1 2 −1
2L2: 0 1 1 3 L3
L3 + 3L2: 0 1 1 3 L2 L2-L3: 0 1 0 -3 L1 L1-2L3:
0 −3 -2 −3 0 0 1 6 0 0 1 6
1 1 0 −13 1 0 0 −10
0 1 0 -3 L1 L1 − L2 0 1 0 -3
0 0 1 6 0 0 1 6
Et là on retourne au système
x1 = -10
x = -3 .
2
x3 = 6
l’ensemble des solutions est {(−10, −3, +6)}
x − 2x2 + 3x3 − 4x4 = 4
1
0x1 + x2 − x3 + x4 = −3
Exemple 13. Résoudre le système en utilisant la matrice augmentée
x + 3x2 + 0x3 − 3x4 = 1
1
0x1 − 7x2 + 3x3 + x4 = −3
7
Solution.
1 −2 3 −4 4
0 1 −1 1 −3
La matrice augmentée du système est 1 3 0 −3 1
0 −7 3 1 −3
1 −2 3 −4 4 1 −2 3 −4 4 1 −2 3 −4 4
0 1 −1 1 −3 0 1 −1 1 −3 0 1 −1 1 −3
1 3
L
0 −3 1 3
L3-L1 0 5 -3 1 -3
L3 L3-5L2 0 0 2 -4 12
L4 L4 +
0 −7 3 1 −3 0 −7 3 1 −3 0 −7 3 1 −3
1 −2 3 −4 4 1 −2 3 −4 4 1 −2 3 −4 4
0 1 −1 1 −3 0 1 −1 1 −3 0 1 −1 1 −3
7L2 0 0 2 -4 12
L3 1/2L3 0 0 1 -2 6
L4 L4 + 4L3 0 0 1 -2 6
L2 L2 +
0 0 -4 8 −24 0 0 -4 8 −24 0 0 0 0 0
1 −2 3 −4 4 1 −2 0 2 -14 1 0 0 0 -8
0 1 0 -1 3 0 1 0 -1 3 0 1 0 -1 3
0 0 1 -2 6 L1-3L3 L1 + 2L2
L3
0
L
0 1 -2 6 1 0 0
1 -2 6
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
la vérification consistera à remplacer dans chacune des équations x1 par -8, x2 par x4+3,
x3 par 2x4+6 et x4 « par lui-même ».
4. Elimination Gaussienne
Exercice 8. Déterminer
parmi lesmatrices
suivante
celles, s’il y en a, qui sont
1 0 0 −3 1 0 1 2
échelonnées et réduites 0 0 1 1 , 0 0 1 1
0 0 0 0 0 0 0 0
8
Théorème 15. Toute matrice peut être transformée par une suite
d’opérations élémentaires en une matrice échelonnée réduite.
1. Déterminer la colonne la plus à gauche M j contenant un élément
non nul, m ij.
2. Si cet élément se trouve dans la première ligne passer à l’étape 3,
sinon, s’il se trouve dans la i-ème ligne, échanger la première et la i-
ème ligne.
3. Si le premier élément non nul de la première ligne est égal à 1 passer
à l’étape 4, s’il est égal à k 1 multiplier la première ligne par 1/k, ce
qui permet d’obtenir un 1 directeur.
4. Ajouter à toutes les lignes se situant au-dessus et au-dessous
un bon multiple de la première ligne pour annuler tous les termes en-
dessous du 1 directeur.
5. Retourner à l’étape 1 pour la matrice restante.
Solution.
0 0 1 3
0 3 0 1
0 3 1 2
0 3 0 1
0 0 0 1
0 3 1 2
0 1 0 1/3
0 0 0 1
0 0 1 2/3
0 1 0 1/3
0 0 1 2/3
0 0 0 1
Exercice 10. Résoudre les systèmes d’équations linéaires dont les matrices
échelonnées réduites sont les suivantes:
9
1 0 0 −2 0 1 3 0 −1
0 1 0 4 ; 0 0 0 1 5
0 0 1 1 0 0 0 0 0
Définition 18.
Un système d’équations linéaires est dit homogène lorsqu’il est de la
a11x1 + a12x2 + . + a1nxn = 0
a21x1 + a22x2 + . + a2nxn = 0
forme .
a p1x1 + a p2x2 + . + apnxn = 0
Théorème 19.
Tout système homogène d’équations linéaires est consistant.
Dans le cas d’un système homogène de p équations linéaires à n incon-
nues, où p<n, l’ ensemble des solutions est infini.
10
Exercice 11. Résoudre le système homogène d’équations linéaires
3x + 3x2 − 2x3 − x5 = 0
1
−x1 − x2 + x3 + 3x4 + x5 = 0
2x + 2x2 − x3 + 2x4 + 2x5 = 0
1
8x4 + 4x5 = 0
Solution.
3 3 -2 0 -1 0 1 1 -2/3 0 -1/3 0
-1 -1 1 3 5 0 -1 -1 1 3 5 0
La matrice augmentée du système est 2 2
-1 2 2
0
2 2 -1 2 2 0
0 0 0 8 4 0 0 0 0 8 4 0
1 1 -2/3 0 -1/3 0 1 1 -2/3 0 -1/3 0 1 1 -2/3 0 -1/3 0
0 0 1/3 3 14/3 0 0 0 1/3 3 14/3 0 0 0 1/3 3 14/3 0
2 2 -1 2 2 0 0 0 1/3 2 8/3 0 0 0 0 -1 -2 0
0 0 0 8 4 0 0 0 0 8 4 0 0 00 8 4 0
1 1 -2/3 0 -1/3 0 1 1 -2/3 0 -1/3 0 1 1 -2/3 0 -1/3 0
0 0 1 9 14 0 0 0 1 9 14 0 0 0 1 0 -4 0
0 0 0 -1 -2 0 0 0 0 1 2 0 0 0 0 1 2 0
0 0 0 8 4 0 0 0 0 8 4 0 0 0 0 8 4 0
1 1 -2/3 0 -1/3 0 1 1 -2/3 0 -1/3 0 1 1 0 0 -3 0
0 0 1 0 -4 0 0 0 1 0 -4 0 0 0 1 0 -4 0
0 0 0 1 2 0 0 0 0 1 2 0 0 0 0 1 2 0
0 0 0 0 -12 0 0 0 0 0 1 0 0 0 0 0 1 0
1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 -4 0 0 0 1 0 0 0 0 0 1 0 0 0
;
0 0 0 1 2 0 0 0 0 1 2 0 0 0 0 1 0 0
0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0
Objectifs:
0) Savoir ce qu’est une solution d’un système d’équations linéaires et savoir vérifier si un n-uplet
est solution.
1) Savoir effectuer de manière efficace l’Elimination Gaussienne.
2) Savoir reconnaître si un système d’équations linéaires possède des solutions.
3) Savoir décrire l’ensemble des solutions d’un système d’équations linéaires.
4) Activités informatiques: néant, il faut d’abord apprendre à manipuler à la main.
Problème 1.
x1 + x2-2x3 = 3
1. Ecrire la matrice échelonnée du système suivant : 2x1 − x2 + 2x3 = 3
−x1 − 3x2 + 6x3 = −5
Problème 2.
11
x1 + x2=1
x1 + x2 + x3 = 4
1. Ecrire la matrice échelonnée du système suivant : x2 + x3 + x4 = -3
x3 + x4 + x5 = 2
x4 + x5 = -1
Travaux Dirigés
Exercice
12. Mettre
les
matrices suivantes
sous forme échelonnée réduite en utilisant des opérations élémen-
1 4 0 −1 0 1 −1 5 −1
taires: 0 1 2 1 *, 0 1 −2 0 3 .*
0 0 1 −3 1 −3 2 0 −1
x1 + x2 + ax3 = 1
Exercice 16. Soit le système x + ax2 + x3 = 1 ; * déterminer la (les) valeur(s) du réel a pour laquelle(
1
ax1 + x2 + x3 = 1
lesquelles) ce système possède des solutions.
x1 + x2 + ax3 = 2
Exercice 17. Soit le système x + ax2 + x3 = -1 ; * déterminer la (les) valeur(s) du réel a pour laquelle(
1
ax1 + x2 + x3 = -1
lesquelles) ce système possède des solutions.
P (0) = 0
Exercice 18. Déterminer le (les) polynômes de degré inférieur ou égal à deux tels que P (1) = 1 *
P (2) = -4
Exercice 19. Montrer qu’il existe un poynôme P(X) de degré inférieur ou égal à 3 tel que
P (1) = 45
′
P (1) = 45
.
P ′′(1) = 45
P ′′′(1) = 45
12
Algèbre linéaire d’un point de vue algorithmique
4 2 3 17 2
1. Le calcul matriciel
0
0
. 0
Définition 5. La matrice nulle de Mpn(R) O pn=
; on voit
0 0
vite que ∀A ∈ Mpn(R), A+O pn=O pn+A=A.
1
Définition 6. Produit d’une matrice par un scalaire (cad un réel)
Soient A ∈ Mpn(R), où A = (aij)(i,j)∈{1, ,p}×{1, ,n} et k ∈ R, alors
kA = (cij)(i,j)∈{1, ,p}×{1, ,n} où ∀(i, j) ∈ {1, , p} × {1, , n}, cij = kaij.
1 2 3 5 10 15 1 2 3 5 10 15
5 −1 −2 −3 = −5 −10 −15 et
de même −1 −2 −3 5 = −5 −10 −15
0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 1
1 0 −1 0 −4 4 0
Exemple 9. 2 0 −2
1 2 −2 1 =
0 −8 8 0
1 4 −4 1
2
a11 a12 a1n c11 c12 c1k c1q
c2k
= cik ciq .
ai1 ai2 . aiq ci1 ci2
a p1 a p2 . apn c p1 c p2 cpk cpq
0
1 0
0 1 0
0 0
Définition 11. La matrice unité de taille n I n= ; on
. 0
0 0 . 1
voit vite que ∀A ∈ Mpn(R), AIn = I pA = A.
1 1 1 1 −1 1 −1
Exercice 1. Calculer le produit AB où A= 1 1 1
et B = 0 2 2 0 .
1 1 1 1 1 1 1
3
1
5
exemple: ∈ M51(R)
−9
6
7
1 0 4
4 −2 6 7
Exemple 14. 4 =
5 3 0
0
1 2 4
7
20
47
15
Remarque 15.
Le système d’équations linéaires
a1n
a11 a12 . x1 b1
a21 a22 a2n x2 b2
se lit = .
a p1 a p2 apn xn bp
Exercice 3.
2 2 2 x −2
1
Résoudre le système
3 0 3 x2 = 21
1 2 −1 x3 −9
2x1 + 2x2 + 2x3 = −2
Le système s’écrit 3x1 + 0x2 + 3x3 = 21
1x1 + 2x2 + −1x3 = −9
2 2 2 −2
pour le résoudre on écrit la matrice augmentée du système 3 0 3 21 .
1 2 −1 −9
4
2
3
2 2 −2
0 3 21
1 1 1 −1
3 0 3 21
1 1
0 -3
1 −1
0 24
1 1 1
0 -3 0
−1
24
1 1 1 −1
0 1 -2 -8
1 2 −1 −9 1 2 −1 −9 1 2 −1 −9 0 1 −2 −8 0 -3 0 24
1 1 1 −1 1 1 1 −1 1 1 1 -1 1 1 1 -1 1 1 0 -1
0 1 -2 -8 0 1 -2 -8 0 1 -2 -8 0 1 0 -8 0 1 0 -8
0 -3 0 24 0 0 -6 0 0 0 1 0 0 0 1 0 0 0 1 0
1 0 0 7
0 1 0 -8 ; d’où x1 = 7, x2=-8, x3=0
0 0 1 0
5
A(BC)=(AB)C (associativité de la multiplication)
A(B+C)=AB+AC; (A+B)C=AC+BC (distributivité de la multiplica-
tion sur l’addition)
A+O=O+A=A
AI=A, IA=A
AO=OA=O
Comme les réels et les complexes
sauf
attention la multiplication n’est pas commutative.
1 −1 1 1 −1 1 0 0 0
Exercice 4. Soit les matrices A= 1 −1 1 , B= 1 −1 2 , C= 1 1 1 ; cal-
1 −1 1 1 −1 1 -1 -1 -1
culer ABC.
1 −1 0
Solution. AB= 1 −1 0 on utilise les lignes de A
1 −1 0
1 −1 0 0 0 0 -1 -1 -1
(AB)C= 1 −1 0 1 1 1 = -1 -1 -1
1 −1 0 -1 -1 -1 -1 -1 -1
1 −1 1 −2 −2 −2 -1 -1 -1
tandis que A(BC)= 1 −1 1
−3 −3 −3 = -1 -1 -1
1 −1 1 −2 −2 −2 -1 -1 -1
4. Matrice inverse
6
Une matrice carrée A ∈ Mnn(R) est dite inversible lorsqu’il existe une
matrice B ∈ Mnn(R) telle que AB = In et BA = In.
0 et B =
a b d −b
2. Soit la matrice A = c d
pour laquelle ad-bc −c a
,
effectuer le produit AB, en déduire l’expression de A−1;
malheureusement ce ne sera pas aussi simple pour des matrices carrées
de taille plus élevée.
Exercice 5.
1 0 0 1 0 0
A= 0 1 0 ; vérifier que 0 1 0 est son inverse
1 0 1 -1 0 1
7
oh! surprise
Donc pour qu’une matrice carrée soit inversible il suffit qu’elle admette
une inverse à gauche ou une inverse à droite.
Question 25.
Et à quoi ça sert ?
1/2 comme suit:
2x=1246 (1/2)2x = (1/2)1246 x = (1/2)1246 x = 623
on multiplie les deux membres par A−1
AX=b A-1 (AX) = A-1 b (A-1 A)X = A-1 b IX=A-1 b
X = A-1 b
et hop! on a trouvé X.
Exercice 7.
8
1 1 0 0
0 1 1 0
Soit A=
0 0 1
1
0 0 0 1
1 -1 1 -1
0 1 -1 1
1. Vérifier que A-1=
0 0 1
-1
0 0 0 1
x + x2 = 4
1
x2 + x3 = 3
2. Trouver l’ensemble des solutions du système
x + x4 = 1
3
x4 = 7
Problème 1.
Soient les quatre matrices
1 0 −1 0 0 0 0 1 0 1 0 0 1/2 0 1/2 0
0 1 0 1 1 0 0 0 0 0 1 0 0 1/2 0 −1/2
A = 1
0 1 0
,B = 0
1 0
,
0
C = 0
0 0
1
D=
−1/2 0 1/2 0
0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 1
Problème 2.
0 0 0 1
1 0 0 0
1 Soit la matrice M =
0 −1 0
;
0
calculer ses puissance successives jusqu’à
0 0 1 0
trouver une puissance égale à I4.
1 −1 2 0 1 −1
1 −1 2 0 1 1
2. Soit la matrice N= 1 −1 2 0 et
les vecteurs V1 =
1 ,
V2 =
1 ,
V3 =
1 −1 2 0 1 1
1 0 0 −1
, V4 = 0 ,V5 = 0 , V6 = 1
−1
1 0 0 1
1 1 0 5
0
0
Trouver parmi ces six vecteurs celui ou ceux qui vérifient NV=
0 .
0
−1 1 0 0
1 −1 0 0
3. Soit P= 1 −1 0 0 ,
calculer NP et PN.
1 −1 0 1
9
Travaux Dirigés
0 0 0 1 -1 0 0 0 0 1 0 0
0 0 1 0 0 -1 0 0 1 0 0 0
Exercice 8. Soient les matrices A =
0 1 0
,
0
B =
0 0 -1 0 ,
C =
0 0 0
;
1
calculer leurs carrés.
1 0 0 0 0 0 0 -1 0 0 1 0
Exercice 9. Soit les matrices A = (i, j)∈{1, , p}×{1, ,n} et B = (j ,k)∈{1, ,n}×{1, , q }.
aij bjk
a. Montrer que si la 1ère colonne de B est nulle, il en est de même pour la 1ère colonne du produit AB
b. Montrer que si la kième colonne de B est nulle, il en est de même pour la kième colonne du produit AB
c. Enoncer et prouver une condition suffisante sur une ligne de A pour que le 1ère ligne de AB soit nulle.
0 -1 0 1 -1 0 0 0
0 0 1 0 0 1 0 1
Cette condition est-elle nécessaire ? penser à A =
0 1 0 0 ,
B =
0
.
1 -1 0
1 0 0 0 0 1 0 1
1 3
Exercice 10. Déterminer si la matrice M = 2 0
est inversible et , si oui, calculer son inverse en vous aidant
du cours.
1 0 5 0
1 0 4 1
Exercice 11. Soit la matrice N =
1 0 3
,
0
en vous aidant de résultats d’un exercice au-dessus montrer
2 0 2 0
qu’elle n’est pas inversible.
1 0 1 0
0 1 0 1
Exercice 12. Soit la matrice 1 0 −1 0 ,
Q= calculer Q2 en déduire si Q est inversible et si oui déterminer
0 1 0 −1
son inverse.
1 1 1 1
1 1 1 1
Exercice 13. Soit la matrice A =
1 1 1
.
1
1 1 1 1
LE THEOREME DU CARRE
11
α11 α12 α1n
ce qui permet de récupérer −1
A = .
αi1 αi2 . αiq
αn1 αn2 . αnn
Solution.
2 3 4 x1 y1
On pose le système 1 2 3 x2 = y2 .
1 1 2 x3 y3
2
1
3 4 y1
2 3 y2
1 3/2 2 y1/2
1 2 3 y2
1 3/2 2 y1/2
0 1/2 1 y2-y1/2
1 3/2 2 y1/2
0 1/2 1 y2-y1/2
1 1 2 y3 1 1 2 y3 1 1 2 y3 0 -1/2 0 y3-y1/2
1 3/2 2 y1/2 1 3/2 2 y1/2 1 0 -1 2y1-3y2
0 1 2 2y2-y1 0 1 2 2y2-y1 0 1 2 2y2-y1
0 -1/2 0 y3-y1/2 0 0 1 -y1+y2+y3 0 0 1 -y1+y2+y3
1 0 0 y1-2y2+y3
1 0 0 y1-2y2+y3 0 1 0 y1-2y3
0 0 1 -y1+y2+y3 .
0 1 2 2y2-y1
0 0 1 -y1+y2+y3
1 -2 1
−1
D’où A = 1 0 -2
-1 1 1
1 -2 1 2 3 4
On vérifie 1 0 -2 1 2 3 =
-1 1 1 1 1 2
12
Avertissement 28. syntaxe de maxima
(%i1) a:matrix([1,2,3],[4,5,6]; déclare une matrice à 2 lignes et 3 colonnes
1 1 1 1
1 0 1 1
Soit la matrice A =
1 1 0
(4
1
lignes et 4 colonnes).
1 1 1 0
1. Vous allez réaliser à la main des opérations élémentaires successives sur A pour la transformer
en une matrice échelonnée, si possible réduite.
2. Faites calculer par Maxima la matrice A−1.
x1 + x2 + x3 + x4 = 4
x1 + x3 + x4 = 6
3. Déterminer gràce à la question 2. si l’équation possède des solutions;
x1 + x2 + x4 = 7
x1 + x2 + x3 = 0
si oui les trouver à l’aide du 2.
x1 + x2 + x3 + x4 = 0
x1 + x3 + x4 = 0
4. Déterminer gràce à la question 2. si l’équation possède des solutions;
x1 + x2 + x4 = 0
x1 + x2 + x3 = 0
si oui les trouver à l’aide du 2.
5. A l’aide de Maxima calculer A2, expliquer pourquoi elle est inversible.
Sans aucun calcul expliquer quelles sont les solutions de A2X=(0).
6. A l’aide de Maxima calculer B=A2+A; à l’aide de Maxima déterminer si B est inversible.
Expliquer sans calcul si l’équation BX=(0) a des solutions ou pas; si une seule ou plus.
Résoudre à la main.
7. A l’aide de Maxima calculer C=A2-A et son inverse; en vous aidant du théorème du carré
trouver sans calcul supplémentaire les solutions du système CX=(0).
6. Matrices triangulaires
13
a11 a12 a13
0 a22 a23
cad 0 a33
A = , les aij indiqués par des lettres peuvent aussi
0
0 0
être (ou ne pas être) nuls.
Exemple 30.
5 32 1 0
0 0 3 25
A=
0 0 2 0
0 0 0 3
7 0 0 0
0 0 0 0
B=
5 0 2
0
0 56 0 3
5 32 1 0
0 0 3 25
C=
0 0 2 0
7 0 0 3
Remarque 31.
La somme de deux matrices triangulaires supérieures (resp. inférieures)
est triangulaire supérieure (resp. inférieure).
Exemple 32.
1 4 8 17 5 63
0 2 9 + 0 25 36
0 0 15 0 0 -15
14
Le produit de deux matrices triangulaires supérieures (resp. inférieures)
est triangulaire supérieure (resp. inférieure).
12 25 6 5 1 -2
Exemple 33. 0 2 5 0 2 4
0 0 1 0 0 8
Question 34.
Quand une matrice triangulaire supérieure est-elle inversible ?
2 2 6
Exemple 35. A = 0 1 5
0 0 -1/2
1/2 -1 -4
A −1 = 0 1 10
0 0 -2
2 25 -6
Exemple 36. A = 0 3 5
0 0 0
A −1 =
15
Théorème 37. Une matrice triangulaire est inversible si et seulement
si les termes de sa diagonale sont tous non nuls.
Objectifs:
1. Savoir additionner et multiplier des matrices rapidement et juste.
2. Comprendre et savoir utiliser le lien entre le système AX=b et la matrice A: existence et nombre
de solutions et l’inversibilité éventuelle de A.
3. Savoir trouver l’inverse d’un produit.
4. Savoir trouver à la main l’inverse d’une matrice de petite taille.
5. Comprendre les particularités de l’addition et de la multiplication de matrices triangulaires.
16
a11 a12 a1j a1n
ai1 ai2 aij. aiq
A =
∈Mpn(R) et
a p1 ap2 . apn
ap1
a11 a21
t
apj
A=
a1j a2j . ∈ Mnp(R)
anp
a1n a2n .
Exemple 39.
1 2 3
A = 4 5 6
7 -8 9
1 4 7
t
A = 2 5 -8
3 6 9
Exercice 16. Calculer tAA et AtA, tBB et BtB . (avec A et B comme au-dessus)
17
1 2 3 1 4 3 14 26 10
t
Solution. AA = 4 5 4 2 5 2 = 26 57 26
3 2 1 3 4 1 10 26 14
1 4 3 1 2 3 26 28 22
t
tandis que A A= 2 5 2
4 5 4 = 28 31 28
3 4 1 3 2 1 22 28 26
Exemple 42.
1 4 2
la trace de 2 0 5 est 1+0+(-1)=0
3 1 -1
1 2 3 4
la trace de 2 0 2 64 est ......
3 2 -1 124
18
1 −2 1 −1
Exercice 17. Soit A = 2 1
et B = 1 −1
, calculer AB et BA, comparer
leurs traces et comparer trace(AB) avec le produit trace(A)trace(B).
Exercice 18.
a p u 0 3 4
A= b q v
et B= 1 -1 0
c r t 2 0 5
a. Calculer AB et t(AB)
b. Calculer tBtA
c. Conclure sur cet exemple
(on admettra que ce résultat est toujours vrai).
Exercice 19.
−1 0 1 0 −1/2 0 1/2 0
0 1 0 1 0 1 0 −1
Sachant que A= a pour inverse U= , déterminer sans calcul l’inverse de
1 0 1 0 1/2 0 1/2 0
0 0 0 1 0 0 0 1
t A.
Proposition 45.
i) Si A et B sont symétriques et de mêmes tailles, A+B aussi.
ii) Si k est un scalaire et A symétrique , kA aussi.
iii) ∀A ∈ Mpn(R), tAA et AtA sont symétriques.
Exercice 20.
1 2 3 0 1 0
Soient A = 2 5 7 et B= 1 5 1 .
3 7 0 0 1 4
19
Que pensez-vous du produit AB ?
a b
Exercice 21. Soit A = c d
∈ M22(R), calculer AtA et montrer l’implication
suivante
trace(AtA)=0 A = 0.
Solution.
Exercice 22.
Soit une matrice symétrique et inversible S, est-ce que son inverse est symétrique?
−1 0 1 0
0 −1 0 1
exemple: A= 1 0 1 0
0 1 0 1
Exercice 23.
1 5 4
Soit M= 4 0 6 ;
la décomposer en la somme d’une matrice symétrique et d’une
7 9 5
matrice symétrique
Objectifs:
1. Savoir additionner et multiplier des matrices rapidement et juste.
2. Comprendre et savoir utiliser le lien entre le système AX=b et la matrice A: existence et nombre
de solutions et l’inversibilité éventuelle de A.
3. Savoir trouver l’inverse d’un produit, d’une transposée.
4. Savoir trouver à la main l’inverse d’une matrice de petite taille.
5. Comprendre les particularités de l’addition et de la multiplication de matrices triangulaires.
6. Savoir ce qu’est la trace d’une matrice et ses propriétés.
7. Savoir ce qu’est une matrice symétrique, une matrice antisymétrique; savoir décomposer une
matrice en la somme d’une matrice symétrique et d’une matrice antisymétrique.
20
Travaux Dirigés
2 3 4 5
3 3 4 5
Exercice 24. Soit T = , déterminer, en utilisant le « calcul réaliste » de l’inverse, si elle est inversible
4 4 4 5
5 5 5 5
et si oui trouver son inverse. *
1 5 8 4
2 6 7 3
Exercice 25. Soit U =
3 7 6
,
2
la décomposer en la somme d’une matrice symétrique et d’une matrice
4 8 5 1
antisymétrique.
Exercice 26. Soit M=(mij)(i, j)∈{1, ,n}2 une matrice antisymétrique, déterminer sa trace.
p 3 4 5
0 q 4 5
Exercice 27. Soit T =
0 0 r
.*
5
0 0 0 s
a. En vous aidant du théorème sur l’inversibilité et du système TX=b, montrer qu’elle est inversible si et
seulement si p,q,r et s sont non nuls.
b. Dans le cas où T est inversible montrer, en vous aidant du « calcul réaliste », que son inverse est triangulaire
supérieure.
4 0 0 0
0 15 0 0
c. Soit W = ; montrer sans calculs que W est inversible.
0 23 −89 0
51 652 273 0.64
0
0 1 0
0 0
1
0
Exercice 28. Soit la matrice triangulaire supérieure T = appartenant à Mnn (R), que
0
0
. 1
0 0 0 0
l’on notera (tij).
1. Ecrire l’expression du réel tij suivant les valeurs de i et j.
2. On notera T2=(uij), déterminer T2.
11. Archives
21
3. Résoudre le système d’équations linéaires
2x1 + x2 + 4x3 + x4 = 0
3x1 + 2x2 − x3 − 6x4 = 0 .
7x1 + 4x2 + 6x3 − 5x4 = 0
x +8x + 7x = 9
1 3 4
4. Question:
2 1 4 1
3 2 −1 −6
En vous aidant du théorème adéquat déterminer si la matrice A =
7 4 6 −5 est
inversible.
1 0 8 7
Si elle l’est trouver son inverse, si elle ne l’est pas justifier votre réponse.
a. Déterminer B −1.
1
0
b. Déterminer l’ensemble des solutions du système d’équations linéaires −1 .
BX =
1 0 9 8 0
0 1 0 9 8 0
1 −14 −15 0 0 1 −14 −15 0
duit à ; effectuons maintenant L3 −L3 d’où , qui après
0 0 −1 −1 0
0 0 1 1 0
0 0 −1 −1 0
0 0 −1 −1 0
1 0 9 8 0
0 1 −14 −15 0 L1 ← L1 − 9L3
l’opération L4 ← L4 + L3 devient ; maintenant effectuons ce
0 0 1 1 0
L ← L2 + 14L3
0 0 0 0 0
2
1 0 0 −1 0
0 1 0 −1 0
qui transforme la matrice augmentée comme suit
0 0 1 1 0
; ; d’où l’ensemble des solutions
0 0 0 0 0
{(x4, x4, −x4, x4), x4 ∈ R} et ON VERIFIE !!
22
2. Résoudre le système d’équations linéaires
2x1 + x2 + 4x3 + x4 = 6
3x1 + 2x2 − x3 − 6x4 = 2 .
7x1 + 4x2 + 6x3 − 5x4 = 13
x +8x + 7x = 9
1 3 4
2 1 4 1 6 −1 −1 5 7 4
3 2 −1 −6 2
La matrice augmentée du système est ; L1 ← L1 − L2 donne 3 2 −1 −6 2 ;
7 4 6 −5 13 7 4 6 −5 13
1 0 8 7 9 1 0 8 7 9
L2 ← L2 − 3L1
1 1 −5 −7 −4
3 2 −1 −6 2
l’ opération L1 ← −L1 donne 7 4 6 −5 13
; les opérations
L3 ← L3 − 7L1 donnent
L4 ← L4 − L1
1 0 8 7 9
L3 ← L3 + 3L2
1 1 −5 −7 −4 1 1 −5 −7 −4
0 −1 14 15 14
;puis
0 1 −14 −15 −14
L2 ← −L2 donne ; d’où L4 ← L4 + L2 nous
0 −3 41 44 41 0 −3 41 44 41
L1 ← L1 − L2
0 −1 13 14 13 0 −1 13 14 13
1 0 9 8 10
0 1 −14 −15 −14 1 0 9 8 10
0 1 −14 −15 −14
conduit à 0 0 −1 −1 −1 ; effectuons maintenant L3 −L3 d’où ,
0 0 1 1 1
0 0 −1 −1 −1
1 0 9 8 10 0 0 −1 −1 −1
0 1 −14 −15 −14
qui après l’opération L4 ← L4 + L3 devient ; maintenant effectuons
0 0 1 1 1
0 0 0 0 0
1 0 0 −1 1
L1 ← L1 − 9L3
0 1 0 −1 0
ce qui transforme la matrice augmentée comme suit ; ; d’où
L ← L2 + 14L3 0 0 1 1 1
2
0 0 0 0 0
D’où l’ensemble des solutions {(x4 + 1, x4, −x4 + 1, x4, x4), x4 ∈ R}.
ON VERIFIE !!
Même chose
2 1 4 1 0 −1 −1 5 7 0
3 2 −1 −6 0 3 2 −1 −6 0
La matrice augmentée du système est
7 4 6 −5
;
0
L1 ← L1 − L2 donne
7 4 6 −5 0
;
1 0 8 7 9 1 0 8 7 9
L2 ← L2 − 3L1
1 1 −5 −7 0
3 2 −1 −6 0
l’ opération L1 ← −L1 donne ; les opérations L3 ← L3 − 7L1 donnent
7 4 6 −5 0
L4 ← L4 − L1
1 0 8 7 9
L3 ← L3 + 3L2
1 1 −5 −7 0 1 1 −5 −7 0
0 −1 14 15 0
;puis
0 1 −14 −15 0
L2 ← −L2 donne ; d’où L4 ← L4 + L2 nous con-
0 −3 41 44 0 0 −3 41 44 0
L1 ← L1 − L2
0 −1 13 14 9 0 −1 13 14 9
1 0 9 8 0
0 1 0 9 8 0
1 −14 −15 0 0 1 −14 −15 0
duit à ; effectuons maintenant L3 −L3 d’où , qui après
0 0 −1 −1 0
0 0 1 1 0
0 0 −1 −1 9
1 0 9 8 0 0 0 −1 −1 9
0 1 −14 −15 0
l’opération L4 ← L4 + L3 devient ; ce qui met en évidence une 4ième équa-
0 0 1 1 0
0 0 0 0 9
23
4. Question:
D’après le théorème 25 du chapitre II, si la matrice A était inversible, le système AX=b aurait une
solution unique quel que soit le vecteur colonne b; les trois exercices précédents suffisent, chacun
séparément, pour conclure que ce n’est pas vrai, donc par contraposée A n’est pas inversible.
0 0 -1 1
1
0
b. Déterminer l’ensemble des solutions du système d’équations linéaires BX =
−1 .
0
1 1
0 0
D’après le th25
(i) comme B est inversible BX = X = B
−1
=
−1 −1
0 1 0 −1 1 0 0 0
1 −1 0 0 0 1
= .
0 0 1 0 −1 -1
0 0 -1 1 0 1
ON VERIFIE .
24
Algèbre linéaire d’un point de vue algorithmique
chapIII. DETERMINANTS
(2 séances cours; 2 séances td)
1
1. Le déterminant d’une matrice carrée.
Définition 2.
1. Le déterminant de A ∈ M2,2(R):
a11 a12
Soit A = a21 a22
, det(A)= a11a22-a 12a21
2
Définition 3. Le Déterminant d’une matrice CARREE de taille n
AVANT TOUT
1. Si A possède une ligne ou une colonne nulle det(A)=0.
2. Si Q A est triangulaire supérieure ou inférieure
det(A)= i=1 n aii .
i∈{1, ,n}
3
si en route on trouve une ligne nulle, on peut s’arrêter, det(A)=0
si on aboutit à une matrice triangulaire son déterminant est immédiat
Exercice 3.
Calculer les déterminants suivants
1 1 0 −1
1 2 1 0
1 3 2 1
1 4 3 2
1 0 1 25
−1 1 4 21
1 0 1 25
−1 1 23 0
.
Exercice 4.
1 3 −2 4
2 6 −4 8
1. Soit B = 3 9 1 5
; déterminer à l’aide de son déterminant si B est inversible
1 1 4 8
2 0 0 0
1 2 0 0
2. Soit
5 1 2
;
0
déterminer à l’aide de son déterminant si T est inversible
0 5 1 2
3. Si l’une de ces deux matrices est inversible, que feriez-vous pour la calculer ?
Exercice 5.
4
Soient les deux matrices
0 1 0 0 2 0 0 0
0 0 1 0 0 3 0 0
A= 0
0 0
1
et B= 0
0 −3 0
1 0 0 0 0 0 0 −2
Exercice 6.
4 8 5 0
2 4 4 0
1. M=
1 2 3 0
; prouver que det(M)=0.
0 0 2 15
1 1 3 10
1 1 2 8
2. N=
1 1 1 4
; choisir une valeur de a pour que det(N)=0
0 a 0 2
5
si on aboutit à une matrice triangulaire son déterminant est immédiat
Exercice 7.
1 1 4 2
2 1 8 4
6 7 24 11 ;
R= calculer det(R).
0 2 1 1
Problème 1.
1 3 −2 4
2 6 −4 8
1. Soit B =
3 9 1 5 ;
montrer par un minimum de calculs que det(B)=0.
1 1 4 8
1 0 1 25
1 4 21
2. Calculer .
−1
1 0 1 25
−1 1 23 0
Problème 2.
1 0 1 0
0 1 0 1
1. Calculer
1 0 1 0
0 1 0 1
1 0 1 0
0 1 1 1
2. Calculer
1 0 1 1
0 1 0 1
Travaux Dirigés
0 0 0 0 1 0 −1 0 0 0
1 0 0 0 0 0 0 −1 0 0
Exercice 8. Soit les matrices M= 0 1 0 et N = 0 0 0 −1 0 calculer det(M) et det(N).
0 0
0 0 1 0 0 0 0 0 0 −1
0 0 0 1 0 −1 0 0 0 0
a. Ecrire sa transposée.
b. Dans la transposée soustraire la troisième ligne de la quatrième ligne puis la première de la deuxième ligne.
c. Conclure.
Exercice 11. Soient les matrices de Mnn(R) A et B; on suppose que le déterminant de la matrice produit AB
est nul, montrer que l’une au moins n’est pas inversible.
Exercice
12. Trouver
le déterminant de la matrice suivante en effectuant une suite d’ opérations élémentaires:
1 2 −2 0
2 3 −4 1
A=
−1 −2 0 2
.
0 2 5 3
Exercice 13. Soit une matrice A ∈ Mnn (R), montrer que le déterminant de tAA est positif.
6
Exercice 14. Soit les matrices (A, B , M )∈Mnn(R)3, où M est inversible; on suppose que A=M −1BM, comparer
det(A) et det(B).
3. Mineurs et Cofacteurs
Exemple 11.
1 −1 0
A= 2 −2 5
3 −3 0
mineur de a11: M11= −2 5
= 15; cofacteur de a11: C11=(−1)1+1 −2 5
=
−3 0 −3 0
15
7
mineur de a12: M12= 23 5
= −15; cofacteur de a12: C12=(−1)1+2 23 5
=
0 0
−15
mineur de a13: M13= 23 −2 = 0; cofacteur de 1+3 2 −2
a13: C13=(−1) 3 −3 =0
−3
mineur de a31: M31= −1 0 = −5; cofacteur de 3+1 −1 0
a13: C13=(−1) −2 5 =
−2 5
−5
etc..
1 2 0 1
4 2 1 0
Exercice 15. Soit A =
0 1 1
;
1
calculer det(A) en développant
1 0 2 0
suivant une ligne ou une colonne, choisie parce qu’elle contient beau-
coup de 0.
8
4. Systèmes de Cramer, formules de Cramer
Définition 13.
Soit A ∈ Mnn(R), où A = (aij)(i,j)∈{1, ,n}×{1, ,n} , B ∈ Mn1(R), où
B = (b j ) j ∈{1, ,n} et le système AX=B.
On désignera pour tout j par A j la matrice A, modifiée en remplaçant
la j-ième colonne par la colonne B.
Exercice
16. Appliquer le résultat au-dessus au système
2x1 + 3x2 = 5
101x1 − 52x2 − 32x3 = 49 .
46x1 + 42x2 + 23x3 = 111
Problème 3.
x1 + x2 + x3 + x4 = 4
x1 + x3 = 2
1. Le système suivant est-il de Cramer pour résoudre le système ?
x2 − x4 = −2
x1 + x4 = 4
9
x1 + x2 + x3 + x4 = 4
x1 + x4 = 2
2. Et celui-ci ? (soyez paresseux) ?
x2 − x4 = −2
x1 − x3 = 4
1 1 1 1
1 2 3 5
1. A l’aide de Maxima calculer
1 4 9 25
1 8 27 125
1 1 1 1
1 2 3 5
2. Déterminer si la matrice 1 4 9 25 est
M= inversible
1 8 27 125
0 0 0 1
1 0 0 −1
3. A l’aide de Maxima calculer det(A)= , déterminer si A est inversible
0 1 0 1
0 0 1 −1
Objectifs:
1. Savoir calculer immédiatement le déterminant d’une matrice triangulaire.
2. Savoir que le déterminant est nul lorsqu’une ligne ou une colonne est nulle, ou deux lignes (ou
colonnes) sont égales.
3. Connaître et savoir utiliser les propriétés du déterminant (produit, inverse, transposée).
4. Savoir ce que sont les mineurs, les cofacteurs.
5. Connaître, comprendre et appliquer les formules de développement d’un déterminant suivant
une ligne ou une colonne pour effectuer des calculs de déterminants.
6. Connaître la caractérisation des matrices carrées inversibles par le déterminant; savoir ce qu’est
l’adjointe d’une matrice carrée, comprendre pourquoi l’inverse d’une matrice carrée inversible à
droite est le même qu’à gauche.
7. Savoir reconnaître un système de Cramer; connaître les formules de Cramer et savoir les utiliser
(en basse dimension).
Travaux Dirigés
10
a. Calculer det(A2)
b. Calculer det(A3)
c. Calculer det(A4)
Exercice 20. Soit une matrice A dont les termes sont des entiers et dont le déterminant est égal à -1, montrer
que A −1 existe et ses termes sont des entiers.
2 1 0 . . . . 0
1 2 1 0 . . . 0
0 1 2 1 0 . . 0
. . 1 2 1 0 . 0
Exercice 21. Soit An= .
. . . . . . . .
0 0 . . . . . 0
0 . . . . 1 2 1
0 . . . . 0 1 2
b. En développant det(An+2) suivant la première ligne (ou la première colonne) et en répétant l’opération,
déterminer une relation exprimant det(An+2) en fonction de det(An+1) et det(An).
b. En développant det(An+2) suivant la première ligne (ou la première colonne) et en répétant l’opération,
déterminer une relation exprimant det(An+2) en fonction de det(An+1) et det(An).
11
2x − x2 = 1
1
−x 1 + 2x2 − x3 = 1
−x2 + 2x3 − x4 = 1
2. Résoudre le système d’équations linéaires . avec Maxima bien sûr
−x8 + 2x9 − x10 = 1
−x9 + x10 = 1
2 −1
−1 2 −1
. .
0 −1 2
3. Etudier sur des exemples l’inversion de la matrice . avec Maxima
0 −1
2 −1
0 0 −1 1
6. Archives
CE Algèbre Linéaire 2014
a. Calculer A2.
2x − 2x2 + 2x3 − 2x4 = 2
1
−2x1 + 2x2 − 2x3 + 2x4 = −2
b. Résoudre le système d’équations linéaires .
2x3 − 2x4 = 0
−2x3 + 2x4 = 0
2 −2 2 −2
−2 2 −2 2
c. On pose B=
0 0
;
2 −2
B est-elle inversible ? Justifier votre réponse
0 0 −2 2
Exercice 25.
a. En vous aidant des résultats de l’exercice 1 et d’un théorème du cours que l’on détaillera déterminer le
déterminant de la matrice B. (3 pts)
12
b. En vous aidant des techniques du cours calculer le déterminant de la matrice C. (4 pts)
2 −2 2 −2 2 1 −1 1 −1 1 1 −1 1 −1 1 1 −1 1 −1 1
−2 2 −2 2 −2 −2 2 −2 2 −2 0 0 0 0 0 0 0 −2 2 0
mentée: 0 0 2 −2 0
0 0 2 −2 0
0 0
2 −2 0
0 0
2 −2 0
0 0 −2 2 0 0 0 −2 2 0 0 0 −2 2 0 0 0 0 0 0
1 −1 1 −1 1 1 −1 1 −1 1 1 −1 0 0 1
0 0 1 −1 0 0 0 1 −1 0 0 0 1 −1 0
; d’où l’ensemble des solutions {(x2 + 1, x2, x4, x4),
0 0 2 −2 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
(x2, x4) ∈ R2}. 2 points
2 −2 2 −2 2
−2 2 −2 2
c. On pose B= ; comme nous avons montré au b. que l’équation BX = possède plus
−2
0 0 2 −2 0
0 0 −2 2 0
d’une solution la matrice B n’est pas inversible (théorème de caractérisation des matrices inversibles). 2 points
d. Nous savons que si A est inversible alors B = A2 l’est aussi; comme B ne l’est pas, A non plus. 2points
a. Pour montrer que C est inversible on peut soit étudier le système CX=(0), soit calculer son
déterminant, soit faire des opérations élémentaires.
1 −1 1 1 1 −1 1 1 1 −1 1 1 1 −1 1 1
1 1 −1 1 0 2 −2 0 0 1 −1 0 0 1 0 0
1 1 1 −1 0 2 0 −2 0 1 0 −1 0 1 0 −1
1 1 1 1 0 2 0 0 0 1 0 0 0 1 −1 0
1 0 1 1 1 0 1 1 1 0 1 1 1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0
.
0 0 0 −1 0 0 −1 0 0 0 1 0 0 0 1 0 0 0 1 0
0 0 −1 0 0 0 0 −1 0 0 0 −1 0 0 0 −1 0 0 0 1
C est équivalente par lignes à la matrice unité donc elle est inversible (th de caractérisation) 2 points
(sinon son déterminant)
x − x2 + x3 + x4 = 0
1
x1 + x2 − x3 + x4 = 0
b. Par suite le système d’équations linéaires possède une solution unique
x + x2 + x3 − x4 = 0
1
x1 + x2 + x3 + x4 = 0
(0,0,0,0). 2 points
x − x2 + x3 + x4 = y1
1
x1 + x2 − x3 + x4 = y2
c. Pour déterminer C résolvons le système
−1
.
x + x2 + x3 − x4 = y3
1
x1 + x2 + x3 + x4 = y4
13
1 −1 1 1 y1
1 −1 1 1 y1 1 −1 1 1 y1 y2 − y1
1 1 −1 1 y2 0 2 −2 0 y2 − y1 0 1 −1 0
2
y −y
1 1 1 −1 y3 0 2 0 −2 y3 − y1 0 1 0 −1 3 2 1
1 1 1 1 y4 0 2 0 0 y4 − y1
y4 − y1
0 1 0 0 2
y4 + y1 y4 + y1
1 −1 1 1 y1 1 0 1 1 2 1 0 1 1 2
y4 − y1
0 1 0 0
0 1 0 0
y4 − y1
0 1 0 0
y4 − y1
2 2
2
y3 − y1
0 1 0
y3 − y4 y2 − y4
0 0 0 0 0 −1 0
−1
2 −1 2
2
y2 − y1
0 1 −1 0 2 0 0 −1 0
y2 − y4
0 0 0 −1 3 2 4
y −y
2
y4 + y1 y1 + y2 y1 + y2
1 0 1 1 2 1 0 0 1 2 1 0 0 1 2
y4 − y1 y4 − y1
0 1 0 0 y4 − y1
0 1 0 0 0 1 0 0
2 2 2
−y2 + y4 −y2 + y4 −y2 + y4
0 0 1 0 0 0 1 0 0 0 1 0
2
2
2
y3 − y4 y3 − y4 y4 − y3
0 0 0 −1 2
0 0 0 −1 2
0 0 0 1 2
y1 + y2 y −y
1 0 0 0 + 32 4
2
y4 − y1
1/2 1/2 1/2 −1/2 1 1 1 −1
0 1 0 0 0 0 1/2 −1 0 0 1
c’est à dire C −1 = =1/2 .
−1/2
2
−y2 + y4 0 0 1/2 0 −1 0 1
0 0 1 0
−1/2
2
y4 − y3
0 0 −1/2 1/2 0 0 −1 1
0 0 0 1 2
2 points
1
1
d. Comme la matrice C est inversible alors ( théorème
de caractérisation) le système CX =
1
x − x2 + x3 + x4 = 1 1
1
x1 + x2 − x3 + x4 = 1
a une solution unique; sachant que le système possède comme solution le
x + x2 + x3 − x4 = 1
1
x1 + x2 + x3 + x4 = 1
quadruplet (1,0,0,0) celle-ci sera la seule. 2 points
Exercice 28.
a. En vous aidant des résultats de l’exercice 1 et d’un théorème du cours que l’on détaillera déterminer le
déterminant de la matrice B.
B n’est pas inversible ( exercice 1) donc (théorème sur le déterminant) son déterminant est nul. 3 points
( 2 points seulement si l’étudiant a choisi le calcul du déterminant)
4 points
14
Algèbre linéaire d’un point de vue algorithmique
1. Espaces de dimension n
la droite, qui représente l’ensemble R des réels,
Nous connaissons
nous dirons que c’est un espace de dimension 1.
Nousconnaissons le plan où les points sont définis par des couples
a1
a2
de réels, nous le noterons R2 et nous dirons que c’est un
espace de dimension 2.
Nous connaissons l’espace « usuel » de dimension
3, que nous note-
a1
rons R3, il est constitué des triplets a2 .
a3
a1
On remarquera qu’un couple a2
peut représenter aussi bien un point A du plan
que le vecteur OA.
a1
De même un triplet a2 pourra représenter aussi bien un point A de l’espace usuel
a3
que le vecteur OA dans l’espace.
a1
a2
On notera Rn l’ensemble des n-uplets de réels .
an
« c’est pas des maths c’est le monde des données »
1
u1 + v1
u2 + v2
1. Leur somme u+v
est définie comme le vecteur
un +vn
ku1
ku2
2. Le produit ku est
défini comme le vecteur ku =
Q
kun
0
−un
1 0
0 1
εQ1=
0 0
On appelle base standard de Rn les vecteurs , ε2= , ...,
0 0
0 0
0 0
Q Q
0 0
εk = ,..,εn = .
1
0
0 1
2
Proposition 4. A quoi sert la base standard ?
1 0 0 0
u1 0 1 0 0
Q Q .+
u2
0 0 0
Tout vecteur u= de Rn s’écrit u1 +u2 +u k +..,+u n 0 =u1ε1 +
1
0
un
0 0 0 1
ukεQk + . + unεQn .
Exercice 1.
4
3
1. Ecrire le vecteur
21 à l’aide de la base standard.
1
2. Calculer dans 2εQ1 + 5εQ2 − 10εQ3 + 30εQ4 -5(εQ1 + εQ2 + 4εQ3 + 6εQ4).
données
= ensemble source
processus
= application
résultats
=ensemble cible
2. Applications linéaires
Définition 5. Définition des applications linéaires
Une application f : Rp Rn est linéaire si et seulement si ∀(k,
Qu , Qv )∈R × Rp × Rp,
3
Q + Qv)=f(uQ )+f(vQ )
f(u
Q )=kf(uQ ).
f(ku
Exercice 2.
Déterminer parmi les applications suivantes de R3 vers R3 celles qui
sont des applications linéaires
y1 = x1 + x2 + x3
i) f :(x1, x2, x3) (y1, y2, y3) tel que y2 = 4x1 + 4x2 + 4x3 .
y3 = x21 + x22 + x23
y1 = x1 + x2 + x3
ii) g:(x1, x2, x3) (y1, y2, y3) tel que y = x1 + 4x2 + 16x3
2
y3 = x1-x2 + 7x3
y1 = x1 +x3
iii h:(x1, x2, x3) (y1, y2, y3) tel que y = x1 +x3
2
y3 = x1 -2x3
4
Existe-t-il une manière compactée de représenter les applica-
tions linéaires ?
,
f (ε1) = ,
f (ε2) = ,
, f (εk) = , f (ε p) =
an1 an2 ank anp
5
Exemple 11.
On veut définir une application linéaire f: R2 R3
On désigne
par (εQ1
, εQ2) la base standard de R2; on décide
1 1
f(εQ1) = 1 et f(εQ2) = −1 .
0 10
1 1
Alors M(f)= 1 −1 .
0 10
1 1 9
Q Q
f(4ε1 + 5ε2)= 1 −1 45 = −1
0 10 50
1 1 5
Q Q
7
f(7ε1 − 2ε2) = 1 −1 −2 = 9 .
0 10 −20
On désigne
par (u1, u2, u3, u4) la base standard de R4 et la matrice standard de f est M(f)=
1 2 0 0
2 1 0 1
.
3 0 0 1
4 5 1 0
1. Que valent f u1 , f (u2), f (u3), f (u4) ?
2. Que vaut f Q0 ?
L’application nulle, dont la matrice standard sera 0n.
x
La réflexion
par rapport à l’axe Oy: f : R2 R2, f : y
-x 0
y
, dont la matrice standard sera -10 1
.
6
La réflexion
R2, f : xy
par
y
rapport à la droite d’équation y=x:
f : R2
, dont la matrice standard sera 01 10 .
x
La réflexion
dans
l’espace par rapport au plan Oxy:
f : R3
x x 1 0 0
R3, f : y y , dont la matrice standard sera 0 1 0 .
z -z 0 0 -1
2
La projection
orthogonale sur l’axe Ox (dans R
): f: R2 R2,
f : xy x
, dont la matrice standard sera 10 00 .
La projection
orthogonale sur le plan Oxy (dans R3): f : R3
x x 1 0 0
R3, f : y y , dont la matrice standard sera 0 1 0 .
z 0 0 0 0
x x
Le glisser de côté dans R2: f : R
2
R2, f : y y+x
, dont
la matrice standard sera 11 01 .
Solution.
Attention à ne pas confondre les lignes et les colonnes
−2 5 2 −7
A = 4 2 −3 3
7 −3 0 4
7
Théorème 12. Composition d’applications linéaires
et f B : Rn
Soient deux applications linéaires f A: Rp Rn, de matrice A,
Rq, de matrice B, alors f B◦fA: Rp
application linéaire, de matrice BA; f B◦fA = fBA.
Rq est une
Solution.
2 5 −8 4 −1
matrice standard de f :A = −1 1 3
; matrice standard de g: B= 1 3
4 −1 2 5 −8 9 19 −35
matrice standard de g ◦ f : BA= 1 3 −1 1 3
= −1 2 1
x1 x
9 19 −35 1
9x1 + 19x2 − 35x3
pour tout x = x2 g ◦ f (x) = −1 2 1
x2 =
−x1 + 2x2 + x3
x3 x3
8
Exercice 7.
y1 = x1-x2 + x3 + x4
Soit f: R4 R3 définie par y2 = 2x1-x2 + x3 + 2x4
y3 = x1 + 2x2-2x3 + x4
On désigne par (ε1, ε2, ε3, ε4) la base standard de R4 et par (ϕ1, ϕ2, ϕ3)
la base standard de R3.
Solution.
Les images des vecteurs de la base standard sont
f (ε1) = ϕ1 + 2ϕ2 + ϕ3
f (ε2) = -ϕ1-ϕ2 + 2ϕ3
f (ε3) = ϕ1 + ϕ2-2ϕ3
f (ε4) = ϕ1 + 2ϕ2 + ϕ3
1 −1 1 1
2. La matrice standard de f est 2 −1 1 2
1 2 −2 1
anp
an1 an2
Rp Rn
9
i) f A est injective si et seulement si la matrice échelonnée
réduite de A montre p VARIABLES DIRECTRICES ( c’est
à dire AUCUNE VARIABLE LIBRE).
ii) f A est surjective si et seulement si la matrice échelonnée
réduite de A montre n VARIABLES DIRECTRICES.
i) si n<p f ne peut être injective
ii) si n>p f ne peut être surjective
Remarque 14.
à mon humble avis on ne peut retenir ce résultat « par coeur
» sans risque de se tromper; il faut l’avoir compris, pour le
retenir, pour le retrouver !!
(à bon entendeur salut !)
10
Théorème 15. Propriétés des applications linéaires de Rn
Rn
ATTENTION CAS PARTICULIER CAR n ET n.
1. Soit A∈Mn,n(R), les propriétés suivantes sont équivalentes:
i) A est inversible
ii) ∀w ∈ Mn,1(R),
∃x ∈ Mn,1(R), Ax = w
iii) ∀w ∈ Mn,1(R),
∃!x ∈ Mn,1(R), Ax = w
2. Soit A∈Mn,n(R) et l’application linéaire associée f A: Rn
Rn, les propriétés suivantes sont équivalentes:
i) f A: Rn Rn
est surjective
ii) f A: Rn Rn
est injective
ii) f A: Rn Rn
est bijective
Exercice 8.
Soient les applications linéaires f: R3 R2 et g: R2 R2 définies dans
cet ordre par
y1 = 2x1 + 5x2 − 8x3 z = 4y1 − y2
i) et ii) 1
y2 = −x1 + x2 + 3x3 z2 = y1 + 3y2
i) Déterminer au moyen de leurs matrices si f et (ou) g sont inversi-
bles.
ii) Déterminer alors la (ou les) matrice(s) inverse(s).
iii) En déduire l’expression de f −1 et (ou) de g−1.
11
Solution.
2 5 −8
b. A = −1 1 3
n’est pas carrée donc pas de déterminant; par ailleurs
2 5 −8 -1 1 3 1 -1 -3 1 -1 -3 1 -1 -3
−1 1 3 2 5 -8 2 5 -8 0 7 -2 0 1 -2/7
1 0 -23/7
0 1 -2/7
; la troisième colonne montre que A n’est pas inversible.
1
3 1
ii) L’inverse A-1 est 13 -1
4
iii) donc seule f−1 existe, a pour matrice A-1, c’est donc f −1: y1
y2
1 1
3 1
13 -1 4
y1
y
= 13 3y 1 + y2
y +4y
2 1 2
Problème 1.
1 1 1 0 0
1 0 1 1 1
1. Soit la matrice A= et l’application linéaire fA de R? vers R? associée; déterminer
1 0 0 1 0
1 1 0 1 1
si fA est injective, surjective.
1 1 1 1
1 0 0 1
2. Soit la matrice B= et l’application linéaire gA de R? vers R? associée; déterminer
1 1 0 0
0 1 1 1
0 1 0 1
si gA est injective, surjective.
Problème 2. Soient (εQ1, εQ2, εQ3, εQ4) la base standard de R4 et (α1, α2, α3) la base standard de R3 et
les matrices
1 0 0
0 1 1 0 0 1 0 0 1
0
P=
0 0
,
1
Q= 1 1 1 , R= 0 1 0 1
1 2 2 0 0 1 0
0 0 0
1. Déterminer laquelle est la matrice standard d’une application linéaire de R3 vers R4, cette
application sera désignée par h.
2. Déterminer h(α1 − α2 + α3) , que l’on exprimera comme combinaison linéaire des vecteurs
(εQ1, εQ2, εQ3, εQ4)
3. Déterminer laquelle est la matrice standard d’une application linéaire de R4 vers R3, cette
application sera désignée par ϕ.
Travaux Dirigés
Exercice 9. Déterminer les valeurs de
12
1 −1 0 1 1 −2 1 0 0
0 0 1 1
= 2
1 1 0
; *
1 +
+ +
0 +
+ +
−2
−1 0 1 1 1 −2 1
0 0 1 1 2 0 0 1 −2
Exercice 10.
On définit les applications
y = x2
1
x1 y1
x2 y2 y2 = x3
i) f : R4 R4 définie par tels que
x3 y3
y = x4
3
x4 y4
y4 = x1
y = x1 + 2x2
1
x1 y1
x2 y2 y2 = x2 + 3x3
ii) g: R4 R4 définie par tels que
x3 y3
y3 = x3-2x4
x4 y4
y4 = x3-4x4
y = x1.x2
1
x1 y1
x2 y2 y 2 = x2 + sin (x3)
iii) h: R4 R4 définie par
y3 tels que
x3
y3 = x3-2x4
x4 y4
y4 = x1-4x4
y = x1 + x2 + x3
1
x1 y1
x2 y2 y2 = x 2 + x 3 + x 4
iv) k: R4 R4 définie par tels que
x3 y3
y = x1 + x3 + x4
3
x4 y4
y4 = x1+x2+x4
y = x1 + x2 + x3+x4
1
x1 y1
x2 y2 y2 = x1 + x2 + x3+x4
v) m: R4 R4 définie par tels que
x3 y3 y = x1 + x2 + x3+x4
3
x4 y4
y4 = x1 + x2 + x3+x4
y = x1-x2 + x3-x4
1
x1 y1
x2 y2 y2 = -x1 + x2 + x3-x4
vi) n: R4 R4 définie par tels que
x3 y3 y = x1-x2-x3+x4
3
x4 y4
y4 = x1 + x2-x3-x4
Déterminer celles qui sont des applications linéaires. *
Exercice 12. *
a. Déterminer s’il existe une application linéaire f de R4 R4 telle que f (ε1) = ε1 + 2ε2 + 3ε3-ε4;
f (ε2) = -ε1 + 2ε2 + 3ε3+ε4; f (ε3) = ε3; f (ε4) = ε1-2ε2-3ε3-ε4.
b. Si non, terminé; si oui déterminer sa matrice standard.
c. Et dans ce cas déterminer si f est une bijection de R4 R4.
Exercice 13. *
Soit f une application linéaire non injective de R4 R4
a. Montrer qu’il existe un vecteur z 0, tel que f(z)=0.
b. Montrer qu’il existe b∈R4 tel que l’équation f(x)=b n’ait pas de solution.
c. Soit c∈R4 tel que l’équation f(x)=c ait (au moins) une solution x0, montrer qu’alors
f (x0 + z)=c.
d. Avec les mêmes hypothèses qu’au c. montrer que {x ∈ R4, f (x) = c} = {x0 + z, f (z) = 0}. *
Exercice 14. *
1 −1 4 1
0 1 0 −1
Soit f l’application linéaire de R4 R4 dont la matrice standard est A =
1 −1 4 1
0 1 0 −1
13
a. Est-elle injective ?
b. Est-elle surjective ?
d. Si le chapitre suivant est assez avancé montrer que cet ensemble est un espace vectoriel.
1
0
e. Déterminer l’ensemble des x de R4 tels que f(x)=
1 .
0
1
1
f. Déterminer l’ensemble des x de R4 tels que f(x)=
1
0
g. Si le chapitre suivant est assez avancé montrer que l’ensemble des y de R4 tels qu’il existe x
de R4 tel que f(x)=y est un espace vectoriel.
1 −1 1
0 1 0
Exercice 15. Soit f l’application linéaire de R3 R4 dont la matrice standard est A =
1 −1
1
0 1 0
a. Est-elle injective ?
b. Est-elle surjective ?
d. Si le chapitre suivant est assez avancé montrer que cet ensemble est un espace vectoriel.
1
0
e. Déterminer l’ensemble des x de R3 tels que f(x)=
1 .
0
1
f. Déterminer l’ensemble des x de R3 tels que f(x)= 1
−1
1
g. Si le chapitre suivant est assez avancé montrer que l’ensemble des y de R4 tels qu’il existe x
de R3 tel que f(x)=y est un espace vectoriel.
a. Est-elle injective ?
b. Est-elle surjective ?
d. Si le chapitre suivant est assez avancé montrer que cet ensemble est un espace vectoriel.
1
e. Déterminer l’ensemble des x de R4 tels que f(x)= 0 .
1
1
f. Déterminer l’ensemble des x de R4 tels que f(x)= 1
1
g. Si le chapitre suivant est assez avancé montrer que l’ensemble des y de R4 tels qu’il existe x
de R3 tel que f(x)=y est un espace vectoriel.
Objectifs:
1. Savoir additionner des vecteurs dans Rn, multiplier des vecteurs par des scalaires.
2. Savoir reconnaître une application linéaire et déterminer sa matrice standard.
3. Connaître des exemples d’applications linéaires et savoir reconnaître une applica-
tion linéaire.
4. Comprendre le lien entre la matrice standard d’une application linéaire et la base
standard
14
5. Connaître la matrice standard de la composée de deux applications linéaires.
6. Savoir et comprendre le problème de l’injectivité et de la surjectivité d’applications
linéaires de R p vers Rn
7. Connaître et comprendre le lien entre injectivité, surjectivité, bijectivité d’appli-
cations linéaires de Rn vers Rn.
8. Connaître la base standard de Rn.
Exercice 17.
1
0 1
1 0 .
Pour tout entier n on pose An= .
1 1
1
1 1 0
1. Après des essais informatiques déterminer son déterminant en fonction de n.
3. Déterminer fA
−1
n
(εk) pour chacun des vecteurs de la base standard (Maxima); vérifier.
Exercice 18.
2. A l’aide du déterminant trouver pour quelles valeurs de a f est une bijection de R5 sur R5
4. Archives
Deuxième devoir d’Algèbre linéaire
Il est conseillé de traiter les questions dans l’ordre car certains questions utilisent des résultats de
questions précédentes.
0 1 1 1
1 0 1 1
I. On désigne par A la matrice
1 1 0
.
1
1 1 1 0
1. Calculer A2.
2. Déterminer deux réels (u,v) tels que A2=uI+vA.
3. On sait que M4(R) est un espace vectoriel et on désigne par F le sous-espace vectoriel Vect(I,A),
montrer que I et A en constituent une base.
15
II. Calculer le déterminant de A
(il est conseillé de commencer par ajouter à la première ligne, l’une après l’autre, les trois autres
et d’observer la matrice obtenue afin de développer son déterminant).
III. Montrer que A est inversible et déterminer son inverse.
IV. On désigne par f l’application linéaire de R4 vers lui-même dont la matrice standard est M=A-
3I4.
a. Montrer que f n’est pas bijective.
La suite relève des chapitres 5 et 6
b. Déterminer le noyau de f et montrer qu’il possède une base formée d’un vecteur, on en choisira
un que l’on appellera v.
c. Déterminer le rang de M.
d. Déterminer trois vecteurs colonnes de M linéairement indépendants, on les désignera par
(w1, w2, w3)
e. Montrer que B ′ = (v, w1, w2, w3) constitue une base de R4 .
V. Exprimer les quatre vecteurs (ε1, ε2, ε3, ε4) de la base standard relativement à la nouvelle base B’.
0 1 1 1
1 0 1 1
I. On désigne par A la matrice
1 1 0
.
1
1 1 1 0
0 1 1 1 0 1 1 1 3 2 2 2
1 0 1 1 1 0 1 1 2 3 2 2
1. A2 = =
1 1 0 1 1 1 0 1 2 2 3 2
1 1 1 0 1 1 1 0 2 2 2 3
2. Pour déterminer
deux
réels (u,v) tels que A2=uI+vA
(et même vérifier
s’il y en a) on pose
3 2 2 2 u 0 0 0 0 v v v
3=u
2 3 2 2 0 u 0 0 v 0 v v
2 2 3 2 = 0 0 u 0 + v v 0 v , ce qui équivaut à
l’équation .
2=v
2 2 2 3 0 0 0 u v v v 0
3. On sait que M4(R) est un espace vectoriel et on désigne par F le sous-espace vectoriel Vect(I,A),
montrer que I et A en constituent une base.
La définition de f en fait un espace vectoriel, engendré par I et A; pour montrer qu’ils en forment
une base ilsuffit
de montrer
la liberté
de cettefamille; pour
cela on pose
xI + yA = 0, d’où
x 0 0 0 0 y y y 0 0 0 0 x y y y 0 0 0 0
0 x 0 0 0
y y = 0 0
y 0 0 0 0 0 0
y x y y
+ , par suite = et x=y=0.
0 0 x 0 y y 0 y 0 0 0 0 y y x y 0 0 0 0
0 0 0 x y y y 0 0 0 0 0 y y y x 0 0 0 0
III. Son déterminant est non nul donc A est inversible. et déterminer son inverse.
Le plus simple c’est d’exploiter le résultat de I.2. A2=3I+2A, d’où A(A − 2I) = 3I et donc
−2/3 2/3 2/3 2/3
2/3 −2/3 2/3 2/3
A((1/3)A − (2/3)I) = I; donc A−1 = 1/3(A − 2I) =
2/3 2/3 −2/3 2/3
. On vérifie.
2/3 2/3 2/3 −2/3
16
IV. On désigne par f l’application linéaire de R4 vers lui-même dont la matrice standard est M=A-
3I4.
−3 1 1 1
−3 1 1 1
1 −3 1 1 1 −3 1 1
a. Ecrivons la matrice standard de f M= , donc |M | = =
1 1 −3 1 1 1 −3 1
0 0 0 0 1 1 1 −3
1 1 1 −3
1 −3 1 1
=0, donc f n’est pas bijective.
1 1 −3 1
1 1 1 −3
Voir chapitres 5 et 6
b. Pour déterminer le noyau de f on résoud lesystème f(x)=0 d’où
la matrice augmentée
−3 1 1 1 0 1 -3 1 1 0 1 -3 1 1 0 1 -3 1 1 0
1 −3 1 1 0 -3 1 1 1 0 0 -8 4 4 0 0 -2 1 1 0
1 1 −3 1 0 1 1 −3 1 0 0 4 −4 0 0 0 1 −1 0 0
1 1 1 −3 0 1 1 1 −3 0 0 4 0 −4 0 0 1 0 −1 0
1 -3 1 1 0 1 0 -2 1 0 1 0 0 -1 0
0 1 0 -1 0 0 1 0 -1 0 0 1 0 -1 0
0 0 −1 1 0 , d’où Ker(A)={(x4, x4, x4, x4), x4 ∈
0 1 −1 0 0 0 0 −1 1 0
0 -2 1 1 0 0 0 1 -1 0 0 0 0 0 0
R} = Vect(1, 1, 1, 1) = Vect(ε1 + ε2 + ε3 + ε4) ; il possède une base formée de ε1 + ε2 + ε3 + ε4=v.
c. Le rang de M est donc égal à 4-1=3
d. Montrons que les trois premiers vecteurs colonnes de M sont linéairement indépendants:
−3 1 1 0 1 -3 1 0 1 -3 1 0 1 -3 1 0 1 -3 1 0
1 −3 1 0 -3 1 1 0 0 -8 4 0 0 -2 1 0 0 1 0 0
1 1 −3 0 1 1 −3 0 0 4 −4 0 0 1 −1 0 0 1 −1 0
1 1 1 0 1 1 1 0 0 4 0 0 0 1 0 0 0 -2 1 0
1 0 -2 0 1 0 0 0
0 1 0 0 0 1 0 0
, d’où 3 »1 » directeurs, donc une soluion unique 0,0,0, donc famille
0 0 −1 0 0 0 −1 0
0 0 1 0 0 0 0 0
libre.
On posera ω1 = -3ε1 + ε2 + ε3 + ε4, ω2 = ε1-3ε2 + ε3 + ε4, ω3 = ε1 + ε2-3ε3 + ε4.
e. Pour montrer
que B ′ = (v, w1, w2, w
3
) constitue une
base
de R4 , considérons la matrice
1 −3 1 1 1 −3 1 1 x1 0
1 1 −3 1 1 1 −3 1 x2 0
, montrons que l’équation = n’a que la solution nulle.
1 1 1 −3 1 1 1 −3 x3 0
1 1 1 1 1 1 1 1 x4 0
1 -3 1 1
1 -3 1 1
1 -3 -2 1
1 -2 1
1 -2 0
1 1 -3 1 0 4 -4 0 0 4 0 0
Calculons le déterminant: = = = 4 1 2 -3 = 4 1 2 -4 =
1 1 1 -3
1 1 1 -3
1 1 2 -3
1 2 1 1 2 0
1 1 1 1 1 1 1 1 1 1 2 1
16 11 -2 = 64
2
V. Exprimer les quatre vecteurs (ε1, ε2, ε3, ε4) de la base standard relativement à la nouvelle base B’.
Pour exprimer ε1 dans la base B ′ = (v, w1, w2, w3) on cherche (a,b,c,d)
tq ε =av + bw1 + cw2 + dw3,
1
1 −3 1 1 a 1
1 1 −3 1 b 0
ce qui conduit à un système d’équations linéaires = ; d’où la résolution :
1 1 1 −3 c 0
1 1 1 1 d 0
1 −3 1 1 1 1 −3 1 1 1 1 −3 1 1 1 1 −3 1 1 1
1 1 −3 1 0 0 4 −4 0 -1 0 1 −1 0 -1/4 0 1 −1 0 -1/4
1 1 1 −3 0 0 4 0 −4 -1 0 4 0 −4 -1 0 0 4 −4 0
1 1 1 1 0 0 4 0 0 -1 0 4 0 0 -1 0 0 4 0 0
1 0 -2 1 1/4 1 0 -2 1 1/4 1 0 0 -1 1/4 1 0 0 -1 1/4
0 1 −1 0 -1/4 0 1 −1 0 -1/4 0 1 0 -1 -1/4 0 1 0 -1 -1/4
0 0 4 −4 0 0 0 1 −1 0 0 0 1 −1 0 0 0 1 −1 0
0 0 4 0 0 0 0 4 0 0 0 0 0 4 0 0 0 0 4 0
1 0 0 -1 1/4
0 1 0 -1 -1/4
; donc ε1=1/4v-1/4w1.
0 0 1 −1 0
0 0 0 1 0
17
Pour exprimer ε2 dans la base B ′ = (v, w1, w2, w3) on cherche (a,b,c,d)
tq ε =av + bw1 + cw2 + dw3,
2
1 −3 1 1 a 0
1 1 −3 1 b 1
ce qui conduit à un système d’équations linéaires = ; d’où la résolution :
1 1 1 −3 c 0
1 1 1 1 d 0
1 −3 1 1 0 1 −3 1 1 0 1 −3 1 1 0 1 0 -2 1 3/4
1 1 −3 1 1 0 4 −4 0 1 0 1 −1 0 1/4 0 1 −1 0 1/4
1 1 1 −3 0 0 4 0 −4 0 0 4 0 −4 0 0 0 4 −4 −1
1 1 1 1 0 0 4 0 0 0 0 4 0 0 0 0 0 4 0 −1
1 0 -2 1 3/4 1 0 0 -1 1/4 1 0 0 -1 1/4
0 1 −1 0 1/4 0 1 0 -1 0 0 1 0 -1 0
0 0 1 −1 −1/4 ; d’où ε2=1/4v-1/4w2
0 0 1 −1 −1/4 0 0 1 −1 −1/4
0 0 4 0 −1 0 0 0 4 0 0 0 0 1 0
Pour exprimer ε3 dans la base B ′ = (v, w1, w2, w3) on cherche (a,b,c,d)
tq ε =av + bw1 + cw2 + dw3,
3
1 −3 1 1 a 0
1 1 −3 1 b 0
ce qui conduit à un système d’équations linéaires = ; d’où la résolution :
1 1 1 −3 c 1
1 1 1 1 d 0
1 −3 1 1 0 1 −3 1 1 0 1 −3 1 1 0 1 0 -2 1 0
1 1 −3 1 0 0 4 −4 0 0 0 1 −1 0 0 0 1 −1 0 0
1 1 1 −3 1 0 4 0 −4 1 0 4 0 −4 1 0 0 4 −4 1
1 1 1 1 0 0 4 0 0 0 0 4 0 0 0 0 0 4 0 0
1 0 -2 1 0 1 0 0 -1 1/2 1 0 0 -1 1/2
0 1 −1 0 0 0 1 0 -1 0 0 1 0 -1 0 ; d’où ε3=1/4v-1/4w3.
0 0 1 −1 1/4 0 0 1 −1 1/4 0 0 1 −1 0
0 0 4 0 0 0 0 0 4 −1 0 0 0 1 −1/4
1 −3 1 1 0 1 −3 1 1 0 1 −3 1 1 0 1 0 -2 1 0
1 1 −3 1 0 0 4 −4 0 0 0 1 −1 0 0 0 1 −1 0 0
1 1 1 −3 0 0 4 0 −4 0 0 4 0 −4 0 0 0 4 −4 0
1 1 1 1 1 0 4 0 0 1 0 4 0 0 1 0 0 4 0 1
1 0 -2 1 0 1 0 0 -1 1/2 1 0 0 -1 0
0 1 −1 0 0 0 1 0 -1 0 0 1 0 -1 0
0 0 1 −1 0 ; d’où ε4=1/4v + 1/4w1 + 1/4w2 +
0 0 1 −1 0 0 0 1 −1 0
0 0 4 0 1 0 0 0 4 1 0 0 0 1 1/4
1/4w3.
En désignant par B la base standard et par B’ la base (v, w1, w2, w3)
1/4 1/4 1/4 1/4 1 −3 1 1
−1/4 0 0 1/4 1 1 −3 1
PB ,B ′ =
0 −1/4 0
tandis
1/4
que PB ′,B =
1 1
(ne
1 −3
pas les confondre !!)
0 0 −1/4 1/4 1 1 1 1
18
Algèbre linéaire d’un point de vue algorithmique
1. Définitions
cation par les scalaires
Q Q Q Q
V ×V V
(u,v) u +v
Q Q
R×V V
(k,u) ku
sera appelée « espace vectoriel » si il existe un élément 0 de V et si pour
tout (k,p)∈R2 et pour tout (u,v,w)∈V × V × V
1. Qu+v
Q =vQ +uQ
Q +vQ )+wQ = Qu+(vQ +wQ )
2. (u
3. Q0 +u
Q =uQ +0Q =uQ
Q dans V, Qu+−u=0Q
4. Il existe -u
Q +vQ )=kuQ +kvQ
5. k(u
Q =kuQ +puQ
6. (k+p)u
Q )=(kp)uQ
7.k(pu
Q =uQ .
8.1u
1
L’ensemble des fonctions continues de R vers R
L’ensemble des polynômes à coefficients réels R[X]
2
2. Sous-espaces vectoriels
i) Q0 ∈ W
Q , Qv ) ∈ W × W , Qu + Qv ∈ W
ii) ∀(u
iii) ∀(k, Qu ) ∈ R × W , ku
Q ∈W
Exercice 3. Soit R[X] et l’ensemble des polynômes de degré 3; expliquer pourquoi ce n’est pas un sous-espace
vectoriel de R[X].
3
3. Combinaison linéaire
Définition 6. Combinaison linéaire
Dans un espace vectoriel un vecteur w est appelé combinaison linéaire
des vecteurs (v1, , vt) lorsqu’il existe des scalaires (λ1, , λt) tels que
w = λ1v1 + + λtvt.
4
Solution. posons le système x1Qt1 + x2Qt2 + x3Qt3 + x4Qt4 = Qv et cherchons s’il a des
solutions pour tous les seconds membres Qv possibles
1 1 1 0
écrivons la matrice du système 1 0 1 0
1 1 1 0
0 -1 0 0
1 1 1 0
0 1 0 0
1 1 0 -1 0 0 -1 -1 0 0 -1 -1
1 0 1 0 1 0 1 0 1 0 0 -1
0 1 0 0 0 1 0 0 0 1 0 0 ; il y a trois « 1 directeurs »
0 0 -1 -1 0 0 1 1 0 0 1 1
donc quel que soit v le système a des solutions; donc c’est une famille génératrice
de R3
5
Solution. posons le système x1zQ1 + x2zQ2 + x3zQ3 + x4zQ4 = Qv et cherchons s’il a des
solutions quel que soit le second membre Qv
écrivons la matrice du
1 1 2 0
système 1 0 1 -2
1 1 2 0
1 1 2 0
0 -1 -1 -2
0 0 0 0
1 1 2 0
0 1 1 2 ;
0 0 0 0
il n’y a
3 « 1 directeurs » donc
on voit il y aura des cas où le système n’a pas de solutions donc ce n’est pas une
famille génératrice de R3
Q Q
Vect(vQ1, , vQt ) = Vect v1, , vs si et seulement si tout vecteur de S
′ ′
6
4. Indépendance linéaire
7
système x1vQ 1 + x2vQ2 + x3vQ3= Q0, c’est à dire , sous
Solution. on pose
donc le
1 1 0 0 1 1 0 0 1 1 0 0
forme matricielle 1 0 1 0 ; échelonnons 1 0 1 0 0 -1 1 0 déjà qu’il n’y
1 1 0 0 1 1 0 0 0 0 0 0
aura pas trois « 1 directeurs », donc le système, qui a forcément la solution nulle
(x1 = x2 = x3 = 0) n’aura pas de solution unique, donc la famille est liée.
Remarque 11. Une famille qui contient le vecteur nul n’est pas linéai-
rement indépendante (on dira aussi qu’elle est liée).
Q
1 1 0
3
Exercice 7. Soient dans R les vecteurs w1 = 1 ,
w2 = -10 ,
w3 = 1 ;
1 1 1
déterminer s’ils forment une famille libre ou liée.
Q
Solution. on pose le système on pose
donc le système
x1w1 + x2w2 + x3w
3 = 0,
1 1 0 0 1 1 0 0
c’est à dire , sous forme matricielle 1 -10 1 0 ; échelonnons 0 -11 1 0
1 1 1 0 0 0 1 0
1 1 0 0
0 1 -1/11 0 ; trois « 1 directeurs », donc solution unique x1 = x2 = x3 = 0; la famille
0 0 1 0
est libre.
8
Théorème 13. Interprétation géométrique de la dépendance linéaire
dans Rn
v11
v21
Soit dansRn une
famille de vecteurs S = (v1, , vt) où Q ,
v1 =
v12
v1k
v1t
v22 v2k v2t vn1
Q ,..,
v2 =
Q
vk =
Q
,..,vt .
=
D’où
5. Bases et dimension
Définition 15. Base d’un espace vectoriel
Soit un espace vectoriel V et la famille de vecteurs S = (vQ1, , vQt ).
On dit que S est une base de V lorsque S est libre et génératrice de
V (cad Vect(S)=V).
9
A QUOI SERVENT LES BASES ?
Théorème 16.
Soit un espace vectoriel V et S = (vQ1, , vQt ) une famille de vecteurs de V.
Tout vecteur wQ de V s’exprime de manière unique comme combinaison
Q =λ1vQ1 + + λtvQt si et seulement si S est une
linéaire d’éléments de S: w
base de V.
Exercice 8.
1 1 0
Q 1 =
Soient dans R3 les vecteurs w 1 , w2 = -10 , w3 = 1 ; nous avons déjà vu qu’elle est libre
1 1 1
10
0
3. Même question pour Qy = 2
0
Théorème 20.
Soit un espace vectoriel V de dimension finie et S=(vQ1, , vQt ) une base
de V.
1) Toute famille de V qui possède plus de t éléments est liée.
2. Aucun sous-ensemble de moins de t éléments ne peut engendrer V.
Donc toutes les bases de V ont le même nombre d’éléments.
Exercice 10. On désigne par Rn[X] l’espace vectoriel des polynômes de degré
inférieur ou égal à n; montrer que (1, X , X 2, , X n) en constitue une base et
donc déterminer sa dimension.
11
Note 23. (entre nous)
La dimension d’un espace vectoriel c’est le
nombre d’informations indépendantes néces-
saires pour y connaître un élément)
12
Théorème 26.
Comment reconnaître une base ?
v11 v12
vnk vnn
v11 v1n
v21
C’est à dire si et seulement si le déterminant
0.
.
vn1 vnn
Solution.
a. 4
b. soient (x0, x1, x2, x3) tels que x0P 0 + x1P 1 + x2P 2 + x3P 3 = 0 alors, en particulier,
(x0P 0 + x1P 1 + x2P 2 + x3P 3)(0) = 0 , d’où , en calculant, x0(0-1)(0-2)(0-3)+ 0+
0+0=0; d’où -6x0 = 0 donc x0 = 0
13
(x0P 0 + x1P 1 + x2P 2 + x3P 3)(1) = 0 , d’où, en calculant, 0+ x1(1)(1-2)(1-3)
+0+0=0; d’où 2x1=0, donc x1=0
(x0P 0 + x1P 1 + x2P 2 + x3P 3)(2) = 0 , d’où, en calculant, 0+0+x2(2)(2-1)(2-3)+0=0;
d’où -2x2=0, donc x2=0
(x0P 0 + x1P 1 + x2P 2 + x3P 3)(3) = 0 , d’où, en calculant, 0+0+0+x3(3)(3-1)(3-2)=0;
d’où 6x3 = 0, donc x3=0.
la famille est donc libre.
c. voir « caractérisation des bases des espaces vectoriels de dimension finie »
Si elle liée, c’est fini, mais si elle est libre, la compléter en une base de R4.
1 1 0 1
4 1 0 1 0
13. Soit dans R la famille
Exercice u1 =
1 , u2 =
, u3 =
1 , u4 =
,
0 0
0 1 1 1 0
0
u5 = 0
.
1
a. Si elle est libre passer à b, mais si elle est liée, la rétrécir en une famille libre
puis passer à b.
b. Et maintenant est-elle une base de R4?
14
1 0 1 0
étudions le système x2u2 + x3u3 + x4u4 + x5u5 = (0) : det 0
1 0 0
= 1(-
0 1 0 0
1 1 0 1
1 0 1
4+4 =0
1) 0 1 0
0 1 0
et si on continue à retirer il y aura une famille de 3 vecteurs qui ne peut pas engendrer
R4.
D’où
15
1 1
Le polynôme X=0P0+ 2 P1 − P2 + 2 P3; ses coordonnées dans cette base sont (0, 1/2, −1, 1/2)
Exemple: E = R4, B = (ε1, ε2, ., ε4) est la base standard et ε1′ = ε1 + ε2, ε2′ = ε2 − ε3, ε3′ = ε3 + ε4,
ε4′ = ε1 + 5ε4.
1 0 0 1
On admet que B ′ = (ε1′ , ε2′ , ., ε4′ ) est une base
1 1 0 0
PBB = 0 −1
′
1
0
0 0 1 5
Théorème 32. Comment changent les coordonnées d’un vecteur lorsqu’on change de base ?
Soit un espace vectoriel E et deux bases différentes B = (e1, e2, ., en) et B ′ = (e1′ , e2′ , ., en′ ).
Soit un vecteur v de E
On désigne par v B le vecteur colonne des coordonnées de v dans la base B
on désigne par v B ′ le vecteur colonne des coordonnées de v dans la base B’
alors v B=PBB ′v B’
1 1 0 0 1 1
3 1 1 0 0 2
Vérifions la formule
−2 =
0 −1 1 0 0
0 0 0 1 5 0
Problème 1.
1 0 0 0
On considère l’espace vectoriel R4 et sa base standard εQ1 = εQ2 = εQ3 = εQ4 =
0 1 0 0
, , , .
0 0 1 0
0 0 0 1
16
1 0 0 0
1 1 0 0
1. Montrer que les vecteurs α1 = 0
, α2 = 1
, α3 = 1
, α4 = 0
forment une base que l’on désignera
0 0 1 1
par A.
1 0 0 1
0 1 0 1
2. Montrer que les vecteurs β1 =
1 ,
β2 =
0 ,
β3 =
1 ,
β4 =
2 ne
forment pas une base.
0 1 0 1
Problème 2.
On considère l’espace vectoriel R3[X] dont on admettra que les polynômes (1,X,X2, X3) forment une base que
l’on désignera par C.
1. Montrer que les polynômes (1 + X , X + X 2, X 2 + X 3, X 3) en forment une base de R3[X] que l’on désignera
par D.
2. Montrer que les polynômes (1 + X 2, X + X 3, X 2, 1 + X + 2X 2 + X 3) ne forment pas une base de R3[X].
Travaux Dirigés
Exercice 14. Soit A∈ M3,4(R), montrer que l’ensemble K = {B ∈ M4,4(R), AB = 0}, muni de l’addition des
matrices et du produit des scalaires par les matrices, est un espace vectoriel.
1 2 1
−1 −2 0
Exercice 15. Soit dans R4 la famille constituée par les vecteurs v1 = 1 ,
v2 =
,
1
v3 =
,
0
0 −1 −1 −1
−1
v4 =
1 ,
que feriez-vous pour montrer qu’elle n’est pas génératrice de R4 ?
0
Exercice 17. Soit dans Rn une famille libre (v1, , v p), montrer que la famille (v1, , v p −1) est aussi libre.
Exercice 18. Soit dans Rn une famille génératrice (v1, , v p) et un vecteur w tel que w=λ1v1 +
λ2v2 + λ p−1vp −1 + v p, montrer que la famille (v1, , v p −1, w) est aussi génératrice.
1 1
0 −1
Exercice 19. Soit dans R4 la famille constituée par les vecteurs v1 = 1 , v2 = .
1
−1 −1
On voit vite qu’elle est libre dans R4, la compléter en une base de R4.
Exercice 20. Soit dans R4 l’ensemble E={x = x1ε1 + x2ε2 + x3ε3 + x4ε4, x1 + 2x2 + x3 + 4x4 = 0}
a. Montrer que E est un espace vectoriel.
b. Déterminer une base et la dimension de E.
1 −1 1
Exercice 21. Soit A = 1 1 −1
−1 −1 1
a. On pose F = {X ∈ M3,1(R), AX = 0}; on voit vite que F est un espace vectoriel„ déterminer une base de F
et sa dimension.
Rappeler comment il est dénommé dans le cours.
b. On pose G = {M ∈ M3,2(R), AM = 0}; on voit vite que G est un espace vectoriel, déterminer une base de G
et sa dimension.
Rappeler comment il est désigné dans le cours.
Exercice 22. Soit E=R4 et B =(ε1, ε2, ε3, ε4) la base standard
17
On pose ε1′ = ε1 + ε3, ε2′ = ε2+ε4, ε3′ = ε4 + ε1, ε4′ = ε3 + ε4;
1. Montrer qu’ils forment une base que l’on désignera par B ′
2. Déterminer PBB ′
3. Soit v=2ε2′ + 3ε3′ − 2ε4′ , déterminer le vecteur colonne de ses coordonnées dans B ′, puis, en utilisant la bonne
formule, dans B.
REVISION
Exercice 23.
0 0 0 0 0 0
1 0 0 0 0 0
0 1 0 0 0 0
Soit la matrice A= et l’application linéaire fA : R6 R6.
0 0 1 0 0 −1
0 0 0 1 0 1
0 0 0 0 1 −1
a. Montrer que ces vecteurs forment une base que l’on notera B ′.
b. Déterminer la matrice de passage PBB ′.
c. Déterminer la matrice de passage PB ′B.
d. Le vecteur v a pour expression ε1 + 2ε2 − 2ε3 + ε4; déterminer son expression dans la base B ′.
e. Le vecteur w a pour expression 3ω1 + 4ω2 − 5ω3 + ω4; déterminer son expression dans la base B ′.
Objectifs:
1. Connaître la définition d’espace vectoriel et savoir déterminer si un ensemble est (ou n’est pas)
un espace vectoriel.
2. Savoir ce qu’est un sous-espace vectoriel d’un espace vectoriel, utiliser cette notion pour recon-
naître des espaces vectoriels.
3. Savoir ce qu’est une combinaison linéaire de vecteurs d’un espace vectoriel, savoir déterminer si
un vecteur est combinaison linéaire de vecteurs donnés.
4. Savoir ce qu’est le sous-espace vectoriel engendré par une famille de vecteurs; savoir déterminer
si une famille de vecteurs de V est génératrice de V.
5. Savoir ce qu’est une famille libre de vecteurs d’un espace vectoriel, savoir déterminer si une
famille de vecteurs est libre.
6. Savoir ce qu’est une base, savoir ce qu’est la dimension d’un espace vectoriel de dimension finie;
savoir utiliser l’inclusion et la dimension.
18
7. Savoir déterminer si une famille de vecteurs de V est une base, en utilisant éventuellement les
informations: nombre d’éléments, liberté, génératrice.
8. Savoir ce que sont les coordonnées d’un vecteur dans une base
9. Savoir ce qu’est la matrice de passage d’une base à une autre; savoir la trouver.
19
9. Problèmes de révision
Ce premier problème a pour objectif de montrer que les connaissances du cours permettent parfois
d’éviter de longs calculs.
Exercice 26.
Soit l’espace vectoriel R4 muni de sa base standard B = (ε1, ε2, ε3, ε4) et l’application linéaire f de R4 vers R4
définie par les données suivantes:
f (ε1)=ε2 ,f (ε2)= ε1+ ε3, f (ε3)=ε2+ε4, f (ε4)=ε3.
a. Déterminer la matrice standard de f , que l’on désignera par M.
b. Déterminer le déterminant de M.
c. Déterminer ( si possible sans calcul) le noyau de M .
d. Montrer (si possible sans nouveau calcul) que les vecteurs colonnes de M sont linéairement indépendants.
e. Montrer (si possible sans calcul) que les vecteurs v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3 forment une base
de R4 que l’on désignera par B ′.
f. Déterminer la matrice de passage PBB ′.
g. Exprimer ε1, ε2, ε3, ε4 en fonction de v1, v2, v3, v4.
h. En déduire PB ′B.
i. Déterminer si M est inversible, et si oui déterminer (si possible sans calcul) M −1.
1
2
j. Soit 3 ,
b= justifier l’existence (ou la non-existence) d’un vecteur X de R4 tel que MX=b.
4
Solution.
a. La matrice standard de f est celle dont les colonnes contiennent les images des vecteurs de la base standard
0 1 0 0
1 0 1 0
donc M=
0 1 0
.
1
0 0 1 0
b. Nous allons développer det(M) suivant la première colonne ( car il n ’ y a qu’un terme non nul):
1 0 0 1 0 0
0 1
det(M)=1(-1)3 1 0 1 ; on continue suivant la première ligne 1 0 1 = 1 = −1; d’où det(M)=(-1)×(−1) = 1.
0 1 0 0 1 0 1 0
c. Dans ce cas M est inversible, donc injective, d’où Ker(M)={X , MX= (0)} ne contient qu’un élément le vecteur nul.
d. Pour savoir si les vecteurs colonnes de M, que je désignerai par M1,M2,M3,M4 , sont
liées
ou pas on considère des
a
b
scalaires
(a,b,c,d)
tels que aM1 + bM2+cM3+dM4=(0). Or aM1 +bM2+cM +dM4=M
3
;
c
donc nus avons supposé
a 0 a 0 d
b 0 b 0
que M
c = 0 ,
mais comme M est injective il en découle que
c = 0 ,
d’où ces vecteurs colonnes sont libres.
d 0 d 0
e. Les vecteurs v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3 sont justement les vecteurs colonnes de M, nous venons de
montrer qu’ils sont libres, il s’agit de quatre vecteurs libres dans R4, qui est de dimension 4, donc c’est une base de R4.
f. La matrice de passage PBB ′ est la matrice dont les colonnes représentent dans la base B les vecteurs de la base
B ′, donc c’est exactement la matrice M.
g. Nous savons que v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3, ce qui nous donne déjà ε2 = v1 et ε3=v4; pour les deux
autres il suffit d’éliminer ε3 entre les deux égalités : v2=ε1+ ε3 et ε3=v4, d’où ε1 = v2-v4 et, de même, ε4 = −v1 + v3.
h. Pour construire PB ′B il suffit de savoir exprimer les vecteurs de B en fonction de ceux de B ′, c’est juste ce que
nous venons de faire:
20
0 1 0 −1
1 0 0 0
ε1 = v2-v4, ε2 = v1, ε3=v4, ε4 = −v1 + v3; donc nous connaissons les colonnes de PB ′B: donc PB ′B =
0 0 0 1
.
−1 0 1 0
Exercice 27.
Toutes les matrices considérées sont dans M3(R).
Définition 34. Une matrice M=(aij )∈M3(R) est dite magique lorsque les huit sommes suivantes sont égales:
a11 + a12 + a13
a21 + a22 + a23
a + a32 + a33
31
a11 + a21 + a31
sont égales.
a + a22 + a32
12
a13 + a23 + a33
a11 + a22 + a33
a31 + a22 + a13
Une matrice M=(aij )∈M3(R) est symétrique lorsque M = tM et antisymétrique lorsque M = −tM.
−1 2 −1 1 1 1
On définit les trois matrices: A = 0 0 0 , B =t A et C = 1 1 1 .
1 −2 1 1 1 1
21
5. Montrer que les matrices qui sont à la fois magiques et symétriques et dont la trace est nulle forment un
espace vectoriel de dimension 1 dont vous déterminerez une base que l’on désignera par S.
a b −a − b
Soit M magique et symétrique et de trace nulle, elle a nécessairement l’air suivant : b 2a + 2b −2a − 3b , ce
−a − b a −3a − 2b
a −a 0
qui vérifie 6 conditions et il faut
en plus que -6a-6b=0, -3a-3b=0, d’où il faut b=-a; c’est à dire −a 0 a =
0
1 −1 0 1 −1 0 a −a
a −1 0 1 ; on posera S = −1 0 1 .
0 1 −1 0 1 −1
6. Soit une matrice M, magique et symétrique, dont la trace est égale à t, montrer qu’elle est la somme d’un
multiple de S et d’un multiple de C.
M=(M-tC/3)+tC/3 et (M-tC/3) vérifie les hyppothèses du 5 donc c’est un multiple de S.
7. En déduire une base B de l’espace vectoriel MAG et sa dimension.
synthèse du 2,3,4 et du 6
Si M est magique , elle est la somme d’une symétrique M’ et d’une antisymétrique M” (2), celles-ci sont
magiques (3), la première est une combinaison linéaire de S et C, la seconde est un multiple de A, donc M est
une combinaison linéaire de ces trois matrices; donc elles forment une famille génératrice de MAG.
Soient (a,c,s) telles que aC+cC+sS=(0) alors (0) est la somme d’une symétrique aC+sS et d’une antitymé-
trique aA; or (0)=(0)+(0), et la décomposition entre symétrique et antisymétrique est unique donc aA=(0) et
cC+sS=(0), d’où a=0
c c c s −s 0 c+s c−s c
pour le reste on a cC+sS= c c c + −s 0 s = c − s c c + s , si cette matrice est nulle, c est nul,
c c c 0 s −s c c+s c −s
et alors s aussi
nous avons donc une base de MAG: A, C, S.
et donc sa dimension :3.
8. Montrer que (A,B,C) forment une base B ′ de MAG; comme la dimension de MAG est 3, il suffit de montrer
que cette famille est génératrice, et pour cela qu’elle engendre A, B, C:
Or
A = (1/2)A − (1/2)B + 0C
S = (−1/2)A + (−1/2)B + 0C
C = 1C
9. Déterminer les deux matrices de passage PBB ′ et PB ′B.
1/2 −1/2 0 1 −1 0
PBB ′ = −1/2 −1/2 0 et PB ′B est son inverse −1 −1 0
0 0 1 0 0 1
22
Algèbre linéaire d’un point de vue algorithmique
1. Les vecteurs Ql1 = (a11, , a1p), Ql2 = (a21, , a2p), .., lQi = (ai1, ,
aip),..,lQn = (an1, , anp) sont appelés vecteurs-lignes de A.
a11 a1j a1p
Q Q Q
Les vecteurs c1 = , ..,c j = ,..,c p = sont appelés
ai1 aij aip
an1 anj anp
vecteurs-colonnes de A.
2. Le sous-espace de Rp engendré par les vecteurs-lignes de A
est appelé espace des lignes de A.
Le sous-espace de Rn engendré par les vecteurs-colonnes de A
est appelé espace des colonnes de A (noté col(A)).
1
Définition 2. Noyau d’une application linéaire
Soit f une application linéaire de matrice standard A ∈ Mnp(R),
on appelle noyau de f, noté Ker(f), l’espace des solutions de
Q )=0Q , c’est à dire du système d’équations AX=0,
l’équation f(x
c’est un sous-espace vectoriel de Rp.
1 −2 1 0
1 −2 1 0
Exercice 1. Soit A =
1 −2 1 0 et f de matrice standard A.
0 0 0 1
Solution.
a. on résoud f(x)=(0):
1 −2 1 0 0 1 −2 1 0 0
1 −2 1 0 0 0 0 0 0 0
1 −2 1 0
0
0 0 0 0 0
donc Ker(f)={(2x2-x3,x2, x3, 0), (x2, x3) ∈ R2} =
0 0 0 1 0 0 0 0 1 0
{x2(2, 1, 0, 0, 0) + x3(0, 0, 1, 0, 0), (x2, x3 ) ∈ R2} = x2(2ε1 + ε2) + x3ε3,
(x2, x3) ∈ R2 =Vect(2ε1 + ε2, ε3); d’où
une famille génératrice de Ker(f):(2ε1 + ε2, ε3)
b. Pour savoir si cette famille est une base il reste à vérifier si elle est libre.
c. les 3 premières colonnes sont des multiples de la première; la première
et la quatrième sont linéairement indépendantes.
Remarque 3.
2
Lorsqu’on écrit que Ker(f)=Vect(2ε1 + ε2, ε3) cela signifie que Ker(f) est l’ensemble de
TOUS LES VECTEURS de la forme {a(2ε1 + ε2) + bε3}.
Ne pas confondre l’ensemble de ces vecteurs avec la simple liste de sa base
Avertissement 5.
Ce qui suit concerne l’injectivité, la surjecti-
vité , la bijectivité
si vous ne savez pas , vous êtes mal
très mal
3
Question 6.
Soit une application f de A vers B
lire la suite de propositions
i) tout élément y de B possède au moins un
antécédent
ii) si deux éléments x et x’ de A ont la
même image f(x)=f(x’) ils sont forcément
égaux
iii) si deux éléments x et x’ de A sont égaux
alors leurs images f(x) et f(x’) sont égales
4
iv) tout élément x de A possède une seule
image f(x)
v) tout élément y de B possède un et un seul
antécédent x dans A
5
i) tout élément y de B possède au moins un antécé-
dent SURJECTIVITE
ii) si deux éléments x et x’ de A ont la même image
f(x)=f(x’) ils sont forcément égaux INJECTIVITE
iii) si deux éléments x et x’ de A sont égaux alors
leurs images f(x) et f(x’) sont égales banalité
iv) tout élément x de A possède une seule image f(x)
banalité
v) tout élément y de B possède un et un seul antécé-
dent x dans A BIJECTIVITE
Théorème 7.
Soit A ∈ Mnp(R) et f l’application linéaire de Rp vers Rn dont
la matrice standard est A alors
1. L’espace des colonnes de A est égal à Rn si et seulement si
f est surjective.
2. Le noyau Ker(f) est égal à {0} si et seulement si f est inje-
ctive.
3. AX=b admet une solution (au moins) si et seulement si b
appartient à l’espace des colonnes de A.
4. Lorsque f n’est pas injective la résolution du système AX=0
permet d’obtenir une base du noyau de f.
5. Soit x0 un vecteur solution du système AX=b et (vQ1, , vQt )
une base de Ker(f A), alors l’ensemble des solutions du système
AX=b est {x0 + λ1vQ1 + , λtvQt , (λ1, , λt) réels}.
6
6. L’image de f, Im(f), est engendrée par les vecteurs colonnes
de la matrice A
1 −2 1 0
1 −2 1 0
Exercice 2. Soit A =
1 −2 1 0 et l’application linéaire f: R4 R4
0 0 0 1
dont la matrice standard est A.
On désigne ici par (ε1, ε2, ε3, ε4) la base standard de R4
a. Déterminer si f est surjective .
b. Déterminer si f est injective .
c. Déterminer un vecteur b tel que le système AX = b possède des
solutions et un vecteur b tel que ce système n’en possède pas.
1
1
d. Soit le système AX = ;
1 déterminer une solution et en vous
1
aidant des résultats de l’exercice précédent déterminer l’ensemble des
solutions.
Solution.
1 −2 1 0 1 −2 1 0
1 −2 1 0 0 0 0 0
a. échelonnons la matrice
1 −2 1
0 0 0 0 0 on
voit que le système
0 0 0 1 0 0 0 1
associé n’a pas toujours de solutions, donc pas surjective.
7
Q )=f(e3
b. On voit immédiatement sur les colonnes 1 et 3 que f(e1 Q ), donc
f n’est pas injective.
1 −2 1 0 x1 0
1 −2 1 0 x2 0
Le noyau de f se trouve en résolvant = ; on obtient
1 −2 1 0 x3 0
0 0 0 1 x4 0
ker(f)=Vect(2ε1+ε2,ε1 −ε3).
c. Aidons-nous de la première colonne f(ε1)=ε1 + ε2 + ε3.
Si on regarde bien les colonnes de la matrice on voit que les colonnes A2
et A3 sont des multiples de A1 donc les colonnes sont des combinaisons
linéaires de A1 et de A4.
Donc les images sont des combinaisons linéaires de ε1 + ε2 + ε3 et de ε4.
8
Théorème 8. « les lignes »
Soit une matrice A et l’application linéaire f.
Les opérations élémentaires sur les lignes ne changent pas le
noyau de l’application f;
Les opérations élémentaires sur les lignes ne changent pas
l’espace des lignes de la matrice.
Les lignes non nulles de la matrice échelonnée réduite forment
une base de l’espace des lignes de A.
Théorème 9.
Soit A ∈ Mnp(R) alors la dimension de l’espace des lignes de A
est égale à la dimension de l’espace des colonnes de A; cette
dimension sera appelée le rang de A et notée rg(A); c’est aussi
la dimension de Im(f); on la note alors aussi rang(f).
9
1 0 1 0
0 1 1 0
Exercice 3. Soit A=
1 1 2
.
0
On désigne par f l’application linéaire
-1 1 1 1
de R4
vers R4 dont la matrice standard est A.
On désigne par (ε1, ε2, ε3, ε4) la base standard de R4.
a. Déterminer le noyau de f.
b. En déduire le rang de f.
c. Déterminer une base de col(A).
Solution.
1 0 1 0 x1 0
0 1 1 0 x2 0
a. Il s’agit de résoudre le système = , de matrice
1 1 2 0 x3 0
1 0 1 0 0 -1 1 1 1 x4 0
0 1 1 0 0
associée
1 1 2 0
;
0
réduisons:
-1 1 1 1 0
1 0 1 0 0 1 0 1 0 0 1 0 1 0 0 1 0 0 -1 0
0 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 0 -1 0
; d’où le noyau
1 1 2 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0
-1 1 1 1 0 0 1 2 1 0 0 0 1 1 0 0 0 1 1 0
{(x4, x4, -x4,x4)} = Vect(1, 1, -1,1) = Vect((ε1 + ε2−ε3 + ε4) ); donc le noyau est
de dimension 1
b. Par suite le rang est 4-1=3
c. Une base de col(A) est formée par les 3 premiers vecteurs colonnes,
puisqu’ils sont indépendants.
Une base de Im(f) est donc (ε1 + ε3 − ε4, ε2 +ε3 + ε4, ε1 + ε2+2ε3 + ε4).
Questions:
1. Comment montrer facilement que f n’est pas surjective ?
2. Comment montrer facilement que ε4 est dans Im(f) ?
3. Comment tester si ε1 + ε3 est dans Im(f) ?
4. Comment montrer facilement que ε1 + ε3 n’est pas dans Ker(f) ?
10
Théorème 12. Le cas des matrices carrées
Soit A ∈ Mnn(R), alors les affirmations suivantes sont équiva-
lentes
1. A est inversible
2. rg(A)=n
3. null(f A)=0
0 1 1 1 1 1
1 0 1 1 1 1
1 1 0 1 1 1
Exercice 4. Soit A= . (n>1).
1 1 1 0 1 1
1 1 1 1 0 1
1 1 1 1 1 0
Solution.
1 1 1 1 1 1
1 1 1 1 1
1
1 1 1 1 1 1
a. A=J-I, où =J = et I est la matrice unité; donc AX=(0)
1 1 1 1 1
1
1 1 1 1 1 1
1 1 1 1 1 1
x1 + x2 + x3 + . + x6
x1 + x2 + x3 + . + x6
équivaut à JX=X; mais JX= , donc JX=X entraine x1 =
x1 + x2 + x3 + . + x6
x2 = x3 = . = x6. Désignons par u cette valeur commune
11
u nu
X= et
nu
JX=
, donc AX=(0) entraîne que u=6u, d’où u=0, et par
u nu
suite X=(0)
b. Donc rang(A)=6.
c. col(A) est un sous-ev de dimension 6 dans R6, c’est donc R6.
Problème 1.
1 2 1
1 0 −1
Soit A=
1 2 1 et
l’application linéaire f de R3 vers R4 de matrice standard A; on désigne par
2 5 3
(ε1, ε2, ε3) la base standard de R3 et par (α1, α2, α3, α4) la base standard de R4.
a. Déterminer le noyau de f.
b. En déduire le rang de f.
c. Déterminer une base de Im(f).
Problème 2.
1 0 1 0 1
0 1 0 1 0
Soit A=
1 0 1 0
1
et l’application linéaire f de R5 vers R4 de matrice standard A; on désigne
0 1 0 1 0
par (ε1, ε2, , ε5) la base standard de R4 et par (α1, α2, α3, α4) la base standard de R4.
a. Déterminer le noyau de f.
b. En déduire le rang de f.
2. Changements de bases
12
Soit V un espace vectoriel de dimension n et une base B = (vQ1, ,
vQt ).
Un vecteur Qv ∈ V s’écrit de manière unique Qv = λ1vQ1 + λnvQn , les
réels (λ1, , λn) sont
appelés
les coordonnées de Qv dans la base
λ1
B, on note Q
(v )B =
.
λn
base »)
Q Q
u 1 , u2 , , u Q ′n ,
′ ′
On désigne par P B,B ′ la matrice
B B B
appelée « matrice de passage de B à B’).
bien sûr ε4 = ε4
0 0 0
0 0 0
δ3 =
−1 =−
+ 2 =−γ3 + 2ε4 =
1 0
1 1 1
0 0 0 0
−1 1 0 0
δ2 =
1 =− + 2 − 2 = −γ2 + 2γ3 − 2ε4
1 1 0
0 0 1 1
13
−1 1 0 0 0
1 1 1 0 0
δ1 =
0 =−
+ 2 − 2 + 2 = −γ1 + 2γ2 − 2γ3 + 2ε4
0 1 1 0
0 0 0 1 1
−1 0 0 0
2 −1 0 0
D’où PCD =
−2 2 −1 0
2 −2 2 1
Solution.
1 1 1 0
3 1 1 0
1 1 1 0
1 1 1 0
1 1 0 1 3 1 0 1 1 1 0 1 0 0 -1 1
a. On calcule le déterminant = = 3 = 3 =
1 0 1 1
3 0 1 1
1 0 1 1
0 -1 0 1
0 -1 1
0 -1
0 1 1 1 3 1 1 1 1 1 1 1 0 0 0 1
3 -1 0 1 = 3 -1 = 3.
0 0 1 1
1 1 1 0
1 1 0 1
b. PB ,B ′= 1
0 1
1
0 1 1 1
Proposition 17.
Soit V un espace vectoriel de dimension n et deux bases B =
(uQ 1, , uQn ) et B ′ = Qu ′1, , u
Q ′n .
P B ,B ′P B ′,B=I n.
14
Solution.
1 1 1 0
1 1 0 1
P ′ est
B ,B
l’inverse de PB ,B ′= 1
′
0 1
;
1
pour la trouver on pose le système
1 1 1 0 x x 0 1 1 1
1 1 0 1 y y′
= .
1 0 1 1 z z ′
0 1 1 1 t t′
1 1 1 -2
1 1 1 -2 1
D’où PB ′,B = 3
1 -2 1
1
-2 1 1 1
Proposition 18.
Soit V un espace vectoriel de dimension n et trois bases B =
Q ′1, , uQn′ et B ′′ = uQ ′′1, , uQn′′
(uQ 1, , uQn ), B ′ = u
15
1 1 1 1 -2 1 7/3
4 1 1 1 -2 1 4 4/3
Solution. PB ′,B
0 ; c’est à dire = .
3 1 -2 1 1 0 -8/3
-1 -2 1 1 1 -1 1/3
16
1 1 1 0
On désigne par B’ la base Q 1
v1 =
1 , v2 =
Q 1
, v =
0 3
Q 0
Q
, v =
1 4
1
.
1
0 1 1 1
Nous verrons dans le chapitre sur la diagonalisation quel est l’usage réel de ces chan-
gements de base.
Problème 3.
1 0 0 0
0 1 0 0
Soit R4, avec la base standard B formée de ε1 =
0 ,
β2 =
0 ,
ε3 =
0 ,
ε4 =
0
0 0 1 1
1 0 0 0
1 1 0 0
et la base C formée de γ1 = 0
, γ2 = 1
, γ3 = 1
, ε4 = 0
0 0 1 1
1 0 0 0
−1 1 0 0
et la base D formée de δ1 = 0
,
,
δ2 = −1 δ3 = −1
, ε4 = 0
0 0 1 1
Q )D .
Calculer ses coordonnées dans la base D c’est à dire (v
Problème 4.
3. Soit l’application
linéaire f de R4 vers R4 dont la matrice, relativement à la base standard B
0 0 0 1
1 0 0 0
est A=
0 1 0
;
0
poser les opérations nécessaires pour calculer la matrice de f relativement à
0 0 1 0
la base C.
17
Faire exécuter par maxima.
Travaux Dirigés
Exercice 10.
0 0 0 0 0 0
1 0 0 0 0 0
0 1 0 0 0 0
Soit la matrice A= et l’application linéaire fA : R6 R6.
0 0 1 0 0 −1
0 0 0 1 0 1
0 0 0 0 1 −1
Exercice 11.
On considère l’espace vectoriel R4, sa base
standard
B= (ε1, ε2,
ε3,
ε4) et la famille de vecteurs
1 1 0 1
0 1 0 0
(ω1, ω2, ω3, ω4), définie par ω1 =
,
1
ω2 =
,
1
ω3 =
,
0
ω4 =
.
0
0 0 1 1
a. Montrer que ces vecteurs forment une base que l’on notera B ′.
b. Déterminer la matrice de passage PBB ′.
c. Déterminer la matrice de passage PB ′B.
d. Le vecteur v a pour expression ε1 + 2ε2 − 2ε3 + ε4; déterminer son expression dans la base B ′.
e. Le vecteur w a pour expression 3ω1 + 4ω2 − 5ω3 + ω4; déterminer son expression dans la base B.
1 −1 0 1
2 −2 0 2
f. L’application linéaire f a pour matrice dans la base standard la matrice A=
1 −1 0
;
1
ce qui
2 −2 0 2
signifie que l’image z d’un vecteur v s’exprime dans la base B comme suit: zB = AvB ; comment
s’expriment les coordonnées zB ′ de z dans la base B’ en fonction des coordonnées vB ′ de v dans
la base B’ ?
On trouvera une matrice que l’on désignera sous le nom de matrice de f dans la base B’; si on la
nomme A’ exprimer A’ en fonction de A.
Exercice 12.
On considère l’espace vectoriel R4, sa
base standard
B = (ε1, ε2, ε3, ε4) et l’ application linéaire de
1 −1 1 1
1 −1 −1 1
R4 vers R4 de matrice standard A=
1 −1 0 1
.
1 −1 0 1
18
2. Déterminer la dimension du noyau de f.
3. En déduire la dimension de l’image et une base de celle-ci.
4. Montrer que la concaténation de ces deux bases donne une base de R4 , que vous appellerez B ′.
5. Déterminer la matrice de passage de B à B ′.
6. Calculer (éventuellement par Maxima ) la matrice PB ′B.
7. Déterminer, sans utiliser la formule du cours, la matrice de f relativement à la base B ′
(vous penserez à la signification des colonnes de la matrice d’une application relativement à une
base)
8. Résoudre la question au moyen de la formule du cours (éventuellement avec Maxima).
Exercice 13.
On considère l’espace vectoriel R4, sa
base standard
B = (ε1, ε2, ε3, ε4) et l’ application linéaire de
1 −1 1 1
1 −1 1 1
R4 vers R4 de matrice standard A=
1 −1 0
.
1
1 −1 0 1
Objectifs:
1. Savoir ce qu’est l’espace des lignes, l’espace des colonnes d’une matrice.
2. Savoir la signification des colonnes d’une matrice représentant une application
linéaire relativement à une base de l’espace de départ et une base de l’espace d’arrivée.
3. Savoir ce qu’est le noyau d’une application linéaire, savoir que le noyau est un sous-
espace vectoriel de l’espace de départ.
4. Savoir ce qu’est l’image d’une application linéaire, savoir que c’est un sous-espace
de l’espace d’arrivée.
5. Savoir ce qu’est le rang d’une application linéaire, savoir ce qu’est la nullité d’une
application linéaire.
6. Connaître le théorème du rang et savoir l’utiliser pour découvrir le rang ou la
nullité.
7. Savoir ce qu’est la matrice de passage d’une base à une autre.
8. Savoir ce que sont les coordonnées d’un vecteur dans une base.
9. Savoir que les matrices de passage sont inversibles.
10. Savoir déterminer les coordonnées d’un vecteur dans une nouvelle base à partir
des anciennes et de la matrice de passage.
11. Savoir déterminer la matrice d’une application linéaire dans une nouvelle base à
partir de la matrice dans l’ancienne et de la matrice de passage.
19
8. Activité informatique Maxima
le rang d’une matrice M s’obtient avec « rank(M) »
le noyau de la matrice M s’obtient avec « nullspace(M) »
l’espace des colonnes de M s’obtient avec « columnspace(M) »
Exercice 14.
Soit l’espace E=R6 et sa base standard B = (ε1, ε2, ε3, ε4, ε5, ε6)
0 1 0 −1 0 1
2 0 −2 0 2 0
−1 1 1 −1 1 1
On considère l’application linéaire f de R6 vers R6 de matrice standard A =
0 −1 0 1 0 1
−1 0 1 0 1 0
2 −1 −2 1 2 −1
a. Avec Maxima étudier les rangs de f,f2,, ..., jusqu’à être sûr que ces valeurs sont stationnaires
b. (raisonnement) Montrer que les images de ces applications linéaires sont incluses les unes dans
les autres
c. (raisonnement) Montrer que les noyaux forment une suite de sous-espaces vectoriels inclus les
uns dans les autres.
9. Problèmes de révision
Ce premier problème a pour objectif de montrer que les connaissances du cours permettent parfois
d’éviter de longs calculs.
Exercice 15.
Soit l’espace vectoriel R4 muni de sa base standard B = (ε1, ε2, ε3, ε4) et l’application linéaire f de R4 vers R4
définie par les données suivantes:
f (ε1)=ε2 ,f (ε2)= ε1+ ε3, f (ε3)=ε2+ε4, f (ε4)=ε3.
a. Déterminer la matrice standard de f , que l’on désignera par M.
b. Déterminer le déterminant de M.
c. Déterminer ( si possible sans calcul) le noyau de M .
d. Montrer (si possible sans nouveau calcul) que les vecteurs colonnes de M sont linéairement indépendants.
e. Montrer (si possible sans calcul) que les vecteurs v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3 forment une base
de R4 que l’on désignera par B ′.
f. Déterminer la matrice de passage PBB ′.
g. Exprimer ε1, ε2, ε3, ε4 en fonction de v1, v2, v3, v4.
h. En déduire PB ′B.
i. Déterminer si M est inversible, et si oui déterminer (si possible sans calcul) M −1.
1
2
j. Soit b= 3
, justifier l’existence (ou la non-existence) d’un vecteur X de R4 tel que MX=b.
4
Solution.
a. La matrice standard de f est celle dont les colonnes contiennent les images des vecteurs de la base standard
0 1 0 0
1 0 1 0
donc M=
0 1 0
.
1
0 0 1 0
b. Nous allons développer det(M) suivant la première colonne ( car il n ’ y a qu’un terme non nul):
20
1 0 0 1 0 0
0 1
det(M)=1(-1)3 1 0 1 ; on continue suivant la première ligne 1 0 1 = 1 = −1; d’où det(M)=(-1)×(−1) = 1.
0 1 0 0 1 0 1 0
c. Dans ce cas M est inversible, donc injective, d’où Ker(M)={X , MX= (0)} ne contient qu’un élément le vecteur nul.
d. Pour savoir si les vecteurs colonnes de M, que je désignerai par M1,M2,M3,M4 , sont
liées
ou pas on considère des
a
b
scalaires
(a,b,c,d)
tels que aM1 + bM2+cM3+dM4=(0). Or aM1 +bM2+cM +dM4=M
3
;
c
donc nus avons supposé
a 0 a 0 d
b 0 b 0
que M
c = 0 ,
mais comme M est injective il en découle que
c = 0 ,
d’où ces vecteurs colonnes sont libres.
d 0 d 0
e. Les vecteurs v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3 sont justement les vecteurs colonnes de M, nous venons de
montrer qu’ils sont libres, il s’agit de quatre vecteurs libres dans R4, qui est de dimension 4, donc c’est une base de R4.
f. La matrice de passage PBB ′ est la matrice dont les colonnes représentent dans la base B les vecteurs de la base
B ′, donc c’est exactement la matrice M.
g. Nous savons que v1 = ε2 , v2=ε1+ ε3, v3=ε2+ε4, v4 = ε3, ce qui nous donne déjà ε2 = v1 et ε3=v4; pour les deux
autres il suffit d’éliminer ε3 entre les deux égalités : v2=ε1+ ε3 et ε3=v4, d’où ε1 = v2-v4 et, de même, ε4 = −v1 + v3.
h. Pour construire PB ′B il suffit de savoir exprimer les vecteurs de B en fonction de ceux de B ′, c’est juste ce que
nous venons de faire:
0 1 0 −1
1 0 0 0
ε1 = v2-v4, ε2 = v1, ε3=v4, ε4 = −v1 + v3; donc nous connaissons les colonnes de PB ′B: donc PB ′B =
0 0 0 1
.
−1 0 1 0
Exercice 16.
Toutes les matrices considérées sont dans M3(R).
Définition 20. Une matrice M=(aij )∈M3(R) est dite magique lorsque les huit sommes suivantes sont égales:
a + a12 + a13
11
a21 + a22 + a23
a + a32 + a33
31
a11 + a21 + a31
sont égales.
a12 + a22 + a32
a + a23 + a33
13
a + a22 + a33
11
a31 + a22 + a13
Une matrice M=(aij )∈M3(R) est symétrique lorsque M = tM et antisymétrique lorsque M = −tM.
−1 2 −1 1 1 1
On définit les trois matrices: A = 0 0 0 , B =t A et C = 1 1 1 .
1 −2 1 1 1 1
21
t t
ii. l’unicité ? Si M=S+A, où S est symétrique et A antisymétrique, alors tM=S-A, d’où 2S=M+ M et 2A=M- M
donc S=M’ et A=M”, ce qui établit l’unictié
3. Soit MAG l’ensemble des matrices magiques, montrer que
i) MAG est un espace vectoriel
voir caractérisation des sous ev
ii) la transposée d’une matrice magique est une matrice magique
voir def des matrices magiques et faire un schéma pour se convaincre
iii) si M ∈ MAG il en est de même pour M ′ et M” (définies au dessus).
découle du i)
4. Montrer que les matrices qui sont à la fois magiques et antisymétriques forment un espace vectoriel de
dimension 1 dont vous déterminerez une base, que l’on désignera par A .
0 −a a 0 −1 1
Soit M magique
et antisymétrique
elle a nécessairement l’air suivant : a 0 −a =a 1 0 −1 , d’où on
0 −1 1 −a a 0 −1 1 0
prend A = 1 0 −1 .
−1 1 0
5. Montrer que les matrices qui sont à la fois magiques et symétriques et dont la trace est nulle forment un
espace vectoriel de dimension 1 dont vous déterminerez une base que l’on désignera par S.
a b −a − b
Soit M magique et symétrique et de trace nulle, elle a nécessairement l’air suivant : b 2a + 2b −2a − 3b , ce
−a − b a −3a − 2b
a −a 0
qui
vérifie 6 conditions
et il faut
en plus que -6a-6b=0,
-3a-3b=0, d’où il faut b=-a; c’est à dire −a 0 a =
1 −1 0 1 −1 0 0 a −a
a −1 0 1 ; on posera S = −1 0 1 .
0 1 −1 0 1 −1
6. Soit une matrice M, magique et symétrique, dont la trace est égale à t, montrer qu’elle est la somme d’un
multiple de S et d’un multiple de C.
M=(M-tC/3)+tC/3 et (M-tC/3) vérifie les hyppothèses du 5 donc c’est un multiple de S.
7. En déduire une base B de l’espace vectoriel MAG et sa dimension.
synthèse du 2,3,4 et du 6
Si M est magique , elle est la somme d’une symétrique M’ et d’une antisymétrique M” (2), celles-ci sont
magiques (3), la première est une combinaison linéaire de S et C, la seconde est un multiple de A, donc M est
une combinaison linéaire de ces trois matrices; donc elles forment une famille génératrice de MAG.
Soient (a,c,s) telles que aC+cC+sS=(0) alors (0) est la somme d’une symétrique aC+sS et d’une antitymé-
trique aA; or (0)=(0)+(0), et la décomposition entre symétrique et antisymétrique est unique donc aA=(0) et
cC+sS=(0), d’où a=0
c c c s −s 0 c+s c−s c
pour le reste on a cC+sS= c c c + −s 0 s = c − s c c + s ,
si cette matrice est nulle, c est nul,
c c c 0 s −s c c+s c −s
et alors s aussi
nous avons donc une base de MAG: A, C, S.
et donc sa dimension :3.
8. Montrer que (A,B,C) forment une base B ′ de MAG; comme la dimension de MAG est 3, il suffit de montrer
que cette famille est génératrice, et pour cela qu’elle engendre A, B, C:
Or
A = (1/2)A − (1/2)B + 0C
S = (−1/2)A + (−1/2)B + 0C
C = 1C
9. Déterminer les deux matrices de passage PBB ′ et PB ′B.
1/2 −1/2 0 1 −1 0
PBB ′ = −1/2 −1/2 0 et PB ′B est son inverse −1 −1 0
0 0 1 0 0 1
22
Algèbre linéaire d’un point de vue algorithmique
OUI, mais
?????????
1
Mais comment savoir si il existe une base B ′
dans laquelle f sera représentée par une matrice diagonale ?
cela veut dire que f (ε ′1)=d1ε ′1, f (ε ′2) = d2ε ′2, ., f (ε ′n) = dnε ′n
2
1. Vecteurs propres et valeurs propres
Définition 2. Vecteur propre, valeur propre d’une matrice carrée
Soit A∈Mnn(R)
On dit qu’un vecteur colonne X (0) est un vecteur propre pour A
lorsqu’il existe λ ∈ R tel que AX=λX.
On dit alors que λ une valeur propre de A et que X est un vecteur propre
associé à la valeur propre λ.
1 a 1
Exercice 1. Soit A= 1 b 1
1 c 1
1 1 1
a. Déterminer pour quelles valeurs de a, b et c les vecteurs 1 , 0 , −1 sont vecteurs propres pour A.
1 −1 0
Solution.
a. Il suffit de calculer les images de ces vecteurs
1 a 1 1 1+a+1 1
1 b 1 1 = 1 + b + 1 , le vecteur 1 est propre si et seulement si il est colinéaire à son image, cad si et
1 c 1 1 1+c+1 1
seulement si a=b=c;
1 a 1 1 0 1
1 b 1 0 = 0 , le vecteur 0 est propre et associé à la valeur propre 0.
1 c 1 −1 0 −1
1 a 1 1 1−a 1
1 b 1 −1 = 1 − b , le vecteur −1 est propre si et seulement 1-c=0 et 1-a=-(1-b)
1 c 1 0 1−c 0
Proposition 3.
λ une valeur propre de A si et seulement si det(λIn − A)=0.
3
Définition 4. Le polynôme caractéristique de la matrice A
Soit A∈Mnn(R) on appelle polynôme caractéristique de A le polynôme
P (λ) = det (λI − A).
Il est de degré n, son terme de plus degré est λn, son terme constant est
(−1)ndet(A).
3 2 −2
Exercice 2. Soit B = −1 0 1 .
1 −1 6
Solution.
−2 −2 2
a. Observons la matrice I-B= 1 1 −1 , comme ses deux premières lignes sont colinéaires son déterminant est
−1 1 −5
nul.
λ − 3 −2 2 λ − 3 −2 0
λ λ−1 1 λ−1
b. Le polynôme caractéristique de B est = = (λ − 3) +2 =
1 λ −1 1 λ λ−1
1 λ−5 −1 λ − 5
−1 1 λ−6 −1 1 λ−5
Théorème 6.
Les valeurs propres d’une matrice triangulaire sont les éléments de sa
diagonale.
4
On trouve les vecteurs propres associés à λ en résolvant le système
(λI − A)X = 0.
Remarque 8.
Soit A∈Mnn(R) , A est inversible si et seulement si 0 n’est pas valeur
propre de A.
1 −1 0
Exercice 3. Soit C = −1 1 1 ;
déterminer les valeurs propres de C et les sous-espaces propres associés.
0 0 3
Solution.
λ−1 1 0 λ−1 1 0
λ−1
1
λI − C = λ − 1 −1 , donc det(λI − C)= = (λ − 3) = (λ − 3)(λ2 − 2λ) =
1 1 λ − 1 −1
1 λ−1
0 0 λ−3 0 0 λ−3
(λ − 3)λ(λ − 2), donc trois valeurs propres 0,2,3.
2. Diagonalisation
Définition 9. Diagonalisabilité d’une matrice carrée
Soit A∈Mnn(R), on dit qu’elle est diagonalisable lorsqu’il existe une base de Rn formée de vecteurs
propres pour A.
Solution.
1 1 1
0.
1 1
a. Soit la famille (e1 + e2,e1 − 2e2 − 3e3,e1 − e2); elle forme une base car 1 −2 −1 = 3 = −6
0 −3 0 1 −1
1 1 1
b. Appelons B ′ la base (e1 + e2,e1 − 2e2 − 3e3,e1 − e2) et B = e1, e2, e3 la base standard, alors PB,B ′ =
1 −2 −1
0 −3 0
et
5
0 0 0
PB−1
,B ′APB ,B ′ sera la matrice diagonale
0 3 0 .
0 0 2
3 3 −1
c. Le calcul de PB−1
,B ′ donne 0 0 −2 .
3 −3 3
1 1 1 −1
1 1 −1 1
Exercice 5. Soit la matrice M= .
1 −1 1 1
−1 1 1 1
1. Calculer le polynôme caractéristique de P en essayant avant tout de l’obtenir sous forme facto-
risée.
6
λ − 1/3 0 −1/3 −1/3 λ−1 0 −1/3 −1/3 1 0 −1/3 −1/3
0 λ − 1/3 −1/3 −1/3 =
λ − 1 λ − 1/3 −1/3 −1/3
= (λ − 1) 1 λ − 1/3 −1/3 −1/3 =(λ −
−1/3 −1/3 λ −1/3 λ − 1 −1/3 λ −1/3 1 −1/3 λ −1/3
−1/3 −1/3 −1/3 λ λ − 1 −1/3 −1/3 λ 1 −1/3 −1/3 λ
1 0 −1/3 −1/3
λ − 1/3 0 0
1) 00 λ−1/3
− 1/3 0 0 = (λ − 1) −1/3 λ + 1/3 = (λ − 1)(λ + 1/3) λ − 1/3 0 =(λ −
−λ
λ + 1/3 −λ −1/3 λ + 1/3
0
0 0 λ + 1/3
0 0 λ + 1/3
2
1)(λ + 1/3)(λ − 1/3)(λ + 1/3) .
2. On résoud les systèmes
(A + 1/3I)X = (0); base de l’ensemble des solutions −ε1/2 − ε2/2 + ε4, −ε1/2 − ε2/2 + ε3
(A − 1/3I)X = (0); base de l’ensemble des solutions −ε1 + ε2
(A − I)X = (0); base de l’ensemble des solutions ε1/2 + ε2 + ε3 + ε4
4=2+1+1 donc diagonalisabilité
3. D’où à l’aide de la formule de changement de base
-1/2 -1/2 -1 1 −1
-1/2 -1/2 -1 1 -1/3 0 0 0
-1/2 -1/2 1 1
A -1/2 -1/2 1 1 = 0 -1/3 0 0 .
0 1 0 1 0 1 0 1 0 0 1/3 0
1 0 0 1 1 0 0 1 0 0 0 1
-1
-1/2 -1/2 -1 1 -1/3 0 0 0 -1/2 -1/2 -1 1
-1/2 -1/2 1 1 0 -1/3 0 0
D’où A= -1/2 -1/2 1 1 =
0 1 0 1 0 0 1/3 0 0 1 0 1
1 0 0 1 0 0 0 1 1 0 0 1
-1/2 -1/2 -1 1 -1/3 0 0 0 -1/4 -1/4 -1/4 3/4
-1/2 -1/2 1 1 0 -1/3 0 0 -1/4 -1/4 3/4 -1/4
.
0 1 0 1 0 0 1/3 0 -1/2 1/2 0 0
1 0 0 1 0 0 0 1 1/4 1/4 1/4 1/4
n
-1/2 -1/2 -1 1 -1/3 0 0 0 -1/4 -1/4 -1/4 3/4 -1/2 -1/2 -1 1 (-1/3)n 0 0
n -1/2 -1/2 1 1 0 -1/3 0 0 -1/4 -1/4 3/4 -1/4
X(0)= -1/2 -1/2 1 1 0 (-1/3)n 0
4. Par suite A = 0
1 0 1 0 0 1/3 0 -1/2 1/2 0 0 0 1 0 1 0 0 (1/3
1 0 0 1 0 0 0 1 1/4 1/4 1/4 1/4 1 0 0 1 0 0 0
Ne vous laissez pas impressionner par ces nombres et calculez combien de multiplications vous
auriez dû faire pour obtenir P n sinon:
P 2 = P , P 3 = P 2∗P , P 4 = P 3∗P , ..., P n = P n-1∗P
n-1 fois 4*4*4= 64(n-1)
alors qu’ici 16 !!!!!
6. Souvent on s’intéresse à ce qui se passe « au bout d’un temps très long », ce que les Mathéma-
ticiens (ou plutôt les Informaticiens) appelleraient l’infini
(-1/3)n 0 0 0 0 0 0 0
0 (-1/3)n 0 0 0 0 0 0
Lorsque n tend vers l’infini, tend vers
0 0 (1/3)n 0 0 0 0 0
0 0 0 1 0 0 0 1
-1/2 -1/2 -1 1 0 0 0 0 -1/4 -1/4 -1/4 3/4 -1/2 -1/2 -1 1 0 0 0 0 1/4 1/4 1
-1/2 -1/2 1 1 0 0 0 0 -1/4 -1/4 3/4 -1/4
= -1/2 -1/2 1 1 0 0 0 0 = 1/4 1/4 1
d’où An tend vers
0 1 0 1 0 0 0 0 -1/2 1/2 0 0 0 1 0 1 0 0 0 0 1/4 1/4 1
1 0 0 1 0 0 0 1 1/4 1/4 1/4 1/4 1 0 0 1 1/4 1/4 1/4 1/4 1/4 1/4 1
7
4.2.1 Diagonalisation éventuelle ( calculs idem)
1. Le polynôme caractéristique est (λ-1/2)2(λ-1)3
2. La résolution des systèmes linéaires donne comme base de l’espace propre pour 1/2: −ε2 + ε3,
−ε1 + ε2
et comme base de l’espace propre associé à 1: ε5, ε3 + ε4, ε1 + ε2
2+3=5 donc diagonalisabilité
3. D’où par application de la formule de changement de base pour les matrices
-1
0 -1 0 0 1 0 -1 0 0 1 1/2 0 0 0 0
0 1 0 0 1 0 1 0 0 1 0 1/2 0 0 0
A = .
-1
0 0 1 0 -1 0 0 1 0 0 0 1 0 0
1 0 0 1 0 1 0 0 1 0 0 0 0 1 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0 1
-1
0 -1 0 0 1 1/2 0 0 0 0 0 -1 0 0 1 0 -1 0 0 1 1/2 0 0 0 0 0 0 -1/2 1/2 0
0 1 0 0 1 0 1/2 0 0 0 0 1 0 0 1 0 1 0 0 1 0 1/2 0 0 0 -1/2 1/2 0 0 0
4. D’où A= -1 =
0 0 1 0
0 0 1 0 0 -1
0 0 1 0 -1 0 0 1 0
0 0 1 0 0 0
0 0 0 1
1 0 0 1 0 0 0 0 1 0 1 0 0 1 0 1 0 0 1 0 0 0 0 1 0 0 0 1/2 1/2 0
0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 1/2 1/2 0 0 0
0 -1 0 0 1 (1/2)n 0 0 0 0 0 0 -1/2 1/2 0
0 1 0 0 1 0 (1/2)n 0 0 0 -1/2 1/2 0 0 0
5. Donc An=
-1 0 0 1 0
0 0 1 0 0 0
0 0 0 1
1 0 0 1 0 0 0 0 1 0 0 0 1/2 1/2 0
0 0 1 0 0 0 0 0 0 1 1/2 1/2 0 0 0
1/2 0 1/2 0
8
(−1) 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0
Ici la suite An n’a pas de limite et prend alternativement les valeurs et .
0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 1
1 5 5
Exercice 6. Soit la matrice A= 2 −2 −2
3 3 3
a. Déterminer les réesl x tels que rang(A-xI)<3 (on remarquera que toutes les colonnes de la matrice A-xI ont
la même somme).
b. Pour chacun des réels trouvés au-dessus déterminer une base de Ker(A-xI).
c. Montrer que la concaténation de ces bases est une base B ′=(υ1, v2, v3) de R3.
d. Déterminer la matrice de passage PBB ′ , où B désigne la base standard (ε1, ε2, ε3) de R3
1 1 0
e. En vous servant dela formule dechangement de base montrer que ?PBB ′ 0 = APBB ′ 0 , ??PBB ′ 1 =
0 0 0
0 0 0
APBB ′ 1 , ???PBB ′ 0 = APBB ′ 0 , où les ? représentent des réels que vous trouverez.
0 1 1
−1
f. Montrer que PBB ′APBB ′ est une matrice diagonale que l’on notera D.
Solution.
1-x 5 5 6-x 6-x 6-x 1 1 1
a. On sait que rang(A-xI)<3 det (A-xI) = 0; = =(6-x) 2 -2-x -2 = (6-
2 -2-x -2 2 -2-x -2
1
3 3 3-x 3 3 3-x 3 3 3-x
0 0
x) 2 -4-x -4 =(6-x)(1) -4-x -4 =(6-x)x(4+x); d’où A-xI est de rang inférieur à 3 si et seulement si x=0, x=6
0 -x
3 0 -x
ou x=-4.
b1. Ker(A) ? Il suffit de regarder les deux dernières colonnes de A , on en déduit que ε2-ε3 appartient au noyau de A.
1 5 5 0
D’autre part pour connaître « tout » Ker(A) on résoud AX=(0), cad sous forme matricielle
2 −2 −2 0
1 5 5 0
1 5 5 0
1 0 0 0
3 3 3 0
0 −12 −12 0 0 1 1 0 0 1 1 0 d’où AX=(0) x1 = 0, x2 = -x3, donc Ker(A)={x3(0, -1,1),
0 -12 -12 0 0 -12 -12 0 0 0 0 0
x3 ∈ R} = Vect(0, -1, 1) = Vect(ε3-ε2).
b2. Ker(A-6I) ?
-5 5 5 0 1 -1 -1 0
Ce qui nous conduit à poser le système de matrice augmentée
2 −8 −2 0 1 −4 −1 0
1 -1 -1 0
1 -1 -1 0
1 0 -1 0
3 3 -3 0 1 1 -1 0
0 −3 0 0 0 1 0 0 0 1 0 0 ; d’où Ker(A-6I)=Vect(1,0,1)=Vect(ε1 + ε3).
0 2 0 0 0 1 0 0 0 0 0 0
b3. Ker(A+4I) ?
5 5 5 0 1 1 1 0 1 -1 -1 0
Ce qui nous conduit à poser le système de matrice augmentée
2 2 −2 0 1 1 −1 0 0 0 2 0
1 -1 -1 0
1 1 0 0
3 3 7 0 3 3 7 0 0 0 4 0
0 0 1 0 0 0 1 0 ; Ker(A+4I)=Vect(1,-1,0)=Vect(ε1-ε2).
0 0 4 0 0 0 0 0
c. Pour découvrir si la famille ε3-ε2, ε1 + ε3, ε1-ε2 est libre considérons (a, b, c) tq a(ε3-ε2 )+b(ε1 + ε3)+c(ε1-ε2)=0
b+c=0
d’où (b+c)ε1-(a+c)ε2+(a+b)ε3=0, et comme ε1,ε2,ε3 est libre on en déduit a + c = 0 ; résolvons ce système
a +b=0
0 1 1 0 1 0 1 0 1 0 1 0 1 0 1 0
1 0 1 0 0 1 1 0 0 1 1 0 0 1 1 0 ; il y aura 3 « un » directeurs docnsolution unique et
1 1 0 0 1 1 0 0 0 1 -1 0 0 0 -2 0
ce sera 0,0,0, donc cette famille est libre; elle possède 3 vecteurs (= dimension de l’espace c’est donc une base de R3.
d. par def PBB ′ , la matrice de passage de B à B’ est la matrice dont les colonnes décrivent les vecteurs de la
NOUVELLE BASE B’ relativement à l’ANCIENNE BASE B
cad
9
0 1 1
PBB ′= -1 0 -1 .
1 1 0
1
e. D’après le formule de changement de base P BB ′ 0 décrit les coordonnées , dans B, du premier vecteur de la
0
1 1
base B’, celui qui engendre Ker(A), donc son image par A est 0 fois lui même, cad APBB ′ 0 = 0PBB ′ 0 .
0 0
0
De même PBB ′ 1 décrit les coordonnées , dans B, du deuxième vecteur de la base B’, celui qui engendre Ker(A-
0
0 0
6I), donc son image par A est 6 fois lui-même, cad APBB ′ 1 =6PBB ′ 1 .
0 0
0 0
Et de même APBB ′ 0 = -4PBB ′ 0 .
1 1
1 0 0 0 0 0 0 0 0
f. D’où APBB ′ 0 1 0 = PBB ′ 0 6 0 , c’est à dire APBB ′ = PBB ′ 0 6 0 , et comme PBB ′ est inversible ,
0 0 1 0 0 -4 0 0 -4
0 0 0 0 0 0
PBB ′-1 APBB ′ = 0 6 0 , ou si on veut PBB ′ 0 6 0 P -1 ′ = A.
BB
0 0 -4 0 0 -4
0 0 0 0 0 0
g. D’où A1000 = PBB ′ 0 6 0 P -1 ′......PBB ′ 0 6 0 P -1 ′, 1000 fois; et comme il y aura télescopage de PBB ′
BB BB
0 0 -4 0 0 -4
et de son inverse on obtient finalement
0 0 0 0 1 1 0 0 0 -1/2 −1/2 1/2
-1
A1000 = PBB ′
0 61000 0 PBB ′= -1 0 -1 0 61000
0 1/2
1/2 1/2 , ce qui est bien plus simple.
0 0 (-4)1000 1 1 0 0 0 (-4)1000 1/2 -1/2 -1/2
Objectifs:
1. Comprendre ce qu’est un vecteur propre d’une matrice carrée A, savoir vérifier si un vecteur
donné est (ou pas) propre.
2. Comprendre ce qu’est une valeur propre d’une matrice carrée, savoir vérifier si un réel est (ou
pas) valeur propre.
3. Comprendre ce qu’est le polynôme caractéristique d’une matrice carrée et pourquoi ses racines
réelles sont les valeurs propres.
4. Savoir ce que sont les sous-espaces propres, savoir en déterminer les dimensions, savoir en
déterminer une base.
5. Savoir comment on construit une base de vecteurs propres pour A.
6. Comprendre l’algorithme de diagonalisation d’une matrice carrée.
7. Savoir appliquer la diagonalisation pour calculer les puissances d’une matrice diagonalisable.
8. Savoir déterminer l’expression du terme général d’une suite vérifiant une relation de récurrence
linéaire d’ordre 2.
6. Archives
DE ALGEBRE LINEAIRE MAI 2014
Tous documents, machines,téléphones, interdits
On indiquera clairement les numéros des exercices qui seront rédigés séparément.
Toutes les réponses devront être justifiées, soit par un calcul, soit par un résultat du cours que l’on
énoncera.
Les résultats seront encadrés.
10
Travaillez méthodiquement, il n’est pas nécessaire d’avoir répondu à toutes les questions
pour avoir la note maximale.
a. Calculer A2 -A − 2I3.
b. Montrer que les matrices (I3, A, A2) sont liées dans M33 (R).
Soit l’application linéaire g de R3 vers lui-même de matrice standard J et on désigne par (ε1, ε2, ε3) la base
standard B de R3.
a. Déterminer une base B1 et la dimension de Ker(J).
b. Déterminer la dimension et une base B2 de col(J).
c. Déterminer l’ensemble U = {y ∈ R3, ∃x ∈ R3, y = g(x)}.
g. En déduire l’expression de M1000 sous la forme d’un produit de 3 matrices (on détaillera ces matrices, mais
on ne calculera pas le résultat).
11
Travaillez méthodiquement, il n’est pas nécessaire d’avoir répondu à toutes les questions
pour avoir la note maximale.
1=x
J=xI3+yA 1 = -y , qui n’a pas de solution.. (2 points)
1=y
1 0 2 1-x 0 2
Ker(M − xI) {0}
a. M= 0 1 0 donc =0 (1-x)3-4(1-x)=0 (1-x)(-1-x)(3-x) = 0
0 1-x 0
2 0 1 2 0 1-x
x ∈ {1,+1,3} ( 2 points)
2 0 2 x 0
b. Ker(M + I): on résoud 0 2 0 y = 0 ; on trouve Vect(ε1-ε3)
2 0 2 z 0
12
0 0 2 x 0
Ker(M -I): on résoud 0 0 0 y = 0 ; on trouve Vect(ε2)
2 0 0 z 0
-2 0 2 x 0
Ker(M -3I): on résoud 0 -2 0 y = 0 ; on trouve Vect(ε1+ε3) (2 points)
2 0 -2 z 0
c. Montrer
que la concaténation de ces bases fournit une base B ′ de R3: par exemple on calcule le déterminant
1 0 1
0 1 0 (développement suivant 2 ème ligne) : 2, donc cette famille est libre, vu son cardinal c’est une base
-1 0 1
B ′ de R3. (2 points)
1 0 1
d. La matrice de changement de base PBB ′ est donc 0 1 0 (1 point)
-1 0 1
1/2 0 -1/2
−1
e. D’où son inverse PBB ′ = 0 1 0 ( 1 point)
1/2 0 1/2
f. Comme dans l’exercice vu en TD la formule de changement de base appliquée pour exprimer chacun des
vecteurs de B’, nous donne
1 1 0 0 0 0
PBB ′ 0 = -1MPBB ′ 0 , PBB ′ 1 = 1MPBB ′ 1 , PBB ′ 0 = 3MPBB ′ 0
0 0 0 0 1 1
-1 0 0 1 0 0
et en concaténant les trois colonnes PBB ′ 0 1 0 = MPBB ′ 0 1 0 .
0 0 3 0 0 1
-1 0 0
-1
D’où PBB ′ 0 1 0 PBB ′ = M ( 2 points)
0 0 3
(-1)1000 0 0
g. D’où M1000 =PBB ′
0 1 1000 -1
0 PBB ′ . (1 point)
0 0 31000
Exercice 15.
0 1 1 1 1 0 0 0 1 1 1 1
1 0 1 1 0 1 0 0 1 1 1 1
Soient les matrices A=
1 1 0
,
1
I=
0 0 1
,
0
J =
1 1 1
1
1 1 1 0 0 0 0 1 1 1 1 1
i. Déterminer les valeurs des réels x pour lesquels A+xI n’est pas inversible (2 pts)
1 −1 0 −1
1 0 −1 −1
Exercice 16. Soit la matrice M=
1 0
et
0 −1
l’application linéaire f de R4 vers R4, de matrice standard
1 0 0 −1
M (c’est à dire: représentée dans la base canonique par M)
On notera (ε1, ε2, ε3, ε4) la base standard de R4 (les élèves de L2 diront peut-être base canonique)
a. M appartient-elle à F ? (1 pt)
0
0
b. Résoudre le système d’équations linéaires MX =
.
0
(2 pts)
0
13
c. Déterminer le noyau de M ( de f ) et une base de celui-ci. (2 pts)
d. Déterminer la dimension de l’espace engendré par les colonnes de M et une base de col(M) ( c’est à dire :
Im(f)). (2 pts)
e. Déterminer, si possible sans calcul, la valeur du déterminant de M. (2 pts)
f. Soit l’application linéaire f de R4 vers R4, de matrice standard M; en vous aidant éventuellement de la base
que vous avez obtenue déterminer au plus vite parmi les vecteurs suivants
1 1 1 1
1 1 0 0
Y1 = 1
, Y2 = 0
, Y3 = 0
, Y4 = 1
ceux qui ont (au moins) un antécédent par f. (2 pts)
1 1 1 1
g. On désigne par B = (ε1, ε2, ε3, ε4 ) la base standard ( c’est à dire: la base canonique) et on considère la
famille constituée (dans cet ordre) par la base définie au c. concaténée avec celle définie au d.; montrer qu’elle
forme une base B ′ de R4. (1 pt)
h. Déterminer la matrice de passage de la base B à la base B ′ , notée PBB ′. (1 pt)
i. Déterminer les coordonnées dans la base B du vecteur qui s’écrit (1,1,1,1) dans la base B ′. (2 pts)
j. Déterminer les coordonnées dans la base B ’du vecteur qui s’écrit (1,1,1,1) dans la base B. (2 pts)
Exercice 19 corrigé
0 1 1 1 1 0 0 0 1 1 1 1
1 0 1 1 0 1 0 0 1 1 1 1
Soient les matrices A=
1 1 0
,
1
I=
0 0 1
,
0
J =
1 1 1
1
1 1 1 0 0 0 0 1 1 1 1 1
Corrgié de l’exercice 20
14
1 −1 0 −1
1 0 −1 −1
Soit la matrice M=
1 0
0 −1
et l’application linéaire f de R4 vers R4, de matrice standard
1 0 0 −1
M (c’est à dire: représentée dans la base canonique par M )
1 −1 0 −1 0 1 0 -1 −1 0 1 0 -1 −1 0 1 0 0 −1 0
0 1 −1 0 0 0 1 −1 0 0 0 1 −1 0 0 0 1 0 0 0 , d’où les solu-
0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
tions {(x4, 0, 0, x4), x4 ∈ R}
c. Déterminer le noyau de M ( de f ) et une base de celui-ci. (2 pts)
Donc le noyau est Vect(ε1 + ε4)
d. Déterminer la dimension de l’espace engendré par les colonnes de M et une base de col(M) (
c’est à dire : Im(f)). (2 pts)
D’après le théorème du rang la dimension de col(M) est 3=4-1; de plus col(M) est engendré par
les colonnes, comme les colonnes 1 et 4 sont colinéaires col(M) est engendré par les colonnes 1,2,3;
comme il est de dimension 3 cela en est une base: col(M) a pour base ε1 + ε2 + ε3 + ε4, -ε1, -ε2 ou
ce qui est plus léger ε1 + ε2 + ε3 + ε4, ε1, ε2.
e. Déterminer, si possible sans calcul, la valeur du déterminant de M. (2 pts) le noyau est non nul,
donc M n’est pas injective, donc det(M)=0.
f. Soit l’application linéaire f de R4 vers R4, de matrice standard M; en vous aidant éventuellement
de la base que vous avez obtenue déterminer au plus vite parmi les vecteurs suivants
1 1 1 1
1 1 0 0
Y1 =
1 ,
Y2 =
0 ,
Y3 =
0 ,
Y4 =
1 ceux qui ont (au moins) un antécédent par f. (2 pts).
1 1 1 1
1 −1 0 −1 1 1 −1 0 −1 1 1 0 -1 −1 1
1 0 −1 −1 1 0 1 −1 0 0 0 1 −1 0 0
que nous allons réduire
1 0 0 −1 0 0 1 0 0 −1 0 0 1 0 −1
1 0 0 −1 1 0 1 0 0 0 0 0 1 0 0
1 0 -1 −1 1
0 1 −1 0 0 ; la dernière ligne montre que le système est inconsistant donc Y2 n’a pas d’anté-
0 0 1 0 −1
0 0 0 0 1
cédent; de même pour Y3:
il faut essayer de résoudre le système MX=Y3, de matrice enrichie
1 −1 0 −1 1 1 −1 0 −1 1 1 0 -1 −1 0
1 0 −1 −1 0 0 1 −1 0 −1 0 1 −1 0 −1
1 0
0 −1 0
que nous allons réduire
0 1 0
0 −1
0 0 1
0 −1
1 0 0 −1 1 0 1 0 0 0 0 0 1 0 0
1 0 -1 −1 0
0 1 −1 0 −1
; la dernière ligne montre aussi un système inconsistant.
0 0 1 0 −1
0 0 0 0 1
15
g. On désigne par B = (ε1, ε2, ε3, ε4 ) la base standard ( c’est à dire: la base canonique) et on
considère la famille constituée (dans cet ordre) par la base définie au c. concaténée avec celle
définie au d.; montrer qu’elle forme une base B ′ de R4. (1 pt)
Il s’agit de (v1,v2,v3,v4)=(ε1 + ε4,ε1 + ε2 + ε3 + ε4, ε1, ε2); c’est une famille de 4 vecteurs dans
un espace de dimension 4 ce sera une base si et seulement si elle est libre.
1 1 1 0
1 1 1 0
0 1 0 1 0 1 0 1
Etudions pour cela la matrice , son déterminant est égal à = 1 × (−
0 1 0 0 0 1 0 0
1 1 0 0 1 1 0 0
1 1 1
1)6 0 1 0 = 1 × 1 × (−1)4 × 01 11 = −1; donc ces quatre vecteurs forment une base nommée B ′
1 1 0
1 1 1 0
′ 0 1 0 1
h. Déterminer la matrice de passage de la base B à la base B , notée PBB ′. (1 pt) c’est
0 1 0
.
0
1 1 0 0
i. Déterminer les coordonnées dans la base B du vecteur qui s’écrit (1,1,1,1) dans la base B ′. (2 pts)
1 1 1 0 1 3
0 1 0 1 1 2
=
0 1 0 0 1 1
1 1 0 0 1 2
j. Déterminer les coordonnées dans la base B ’du vecteur qui s’écrit (1,1,1,1) dans la base B. (2 pts)
Ici il faut la matrice inverse ou bien remarquer qu’il s’agit du vecteur ε1 + ε2 + ε3 + ε4 qui s’écrit
v2 donc ses coordonnées s=dans la base B’ sont (0,1,0,0).
16