ALGÈBRE LINÉAIRE:

QUESTIONS DE THÉORIES

NOMBRES COMPLEXES

I. Définir les termes suivants :

- Plan complexe : Plan muni d’un repère orthonormé où les points sont
marqués par des nombres complexes.
- Affixe et point image : Le complexe z qui correspond au point Z du
plan est appelé son affixe et Z est le point image de Z.
- Axe réel et axe imaginaire : L’axe Ox est appelé axe réel et l’axe Oy,
axe imaginaire.

II. Soit !" ∈ $ fixé. Décrire géométriquement les transformations du plan de Gauss
correspondant aux transformations suivantes de $: ! → !" +
! ; ! → !" . !
- Pour +, fixé, l’addition de +, à tout autre complexe
s’interprète dans le plan de Gauss comme la translation de
vecteur -.,

- Pour +, fixé, la multiplication par +, dans / s’interprète dans

le plan de Gauss comme la similitude directe de centre O, de
rapport +, et d’angle arg(+, )

III. Définir le conjugué d’un nombre complexe et en mentionner quelques propriétés.

L’interpréter géométriquement.
- Le conjugué du nombre complexe + = 1 + 23 est + = 1 − 23. Dans le plan de Gauss,
ils ont la même abscisse mais des ordonnées opposées.
• Quelques propriétés :

1
IV. Définir module, argument, forme trigonométrique d’un nombre complexe. Interpréter
géométriquement ces notions. Mentionner quelques propriétés du module.
- Le module du nombre complexe + = 1 + 23 est + = 1 5 + 3 5 et s’interprète dans
le plan de Gauss comme la distance de l’origine au point Z.
o Quelques propriétés :

- L’argument de z est l’angle formé par la partie positive de l’axe réel et le segment qui
joint l’origine au point Z.

Géométriquement, le module (r) et l’argument (6) sont les

coordonnées polaires du point image Z de z, alors on appellera
+ = 7(cos 6 + 2<2=(6)), la forme trigonométrique de z.

V. Enoncer et justifier la propriété de l’argument d’un produit et d’un quotient.

VI. Énoncer et justifier la construction du point-image du produit de deux nombres

complexes.

2
VII. Énoncer le théorème fondamental de l’algèbre ; énoncer et démontrer un de ses
corollaires.
- TFA : Tout polynôme non constant à coefficients complexes admet au moins une racine.

VIII. Définir la multiplicité d’une racine d’un polynôme ; en mentionner une caractérisation
équivalente. Donner des exemples.

IX. Énoncer et justifier une propriété des racines complexes d’un polynôme à coefficients
réels.

X. Énoncer le résultat concernant la factorisation en facteurs irréductibles d’un polynôme

à coefficients réels.

3
CALCUL VECTORIEL

I. Définir vecteur lié et vecteur libre.

- Vecteur lié : Segment orienté (un couple de point(P,Q)), il est impossible de
calculer avec ce type de vecteurs.

- Vecteur libre :

II. Définir la multiplication scalaire et l’addition des vecteurs. En citer quelques propriétés.

4
III. Définir le produit scalaire de deux vecteurs + propriétés

IV. Justifier la commutativité du produit scalaire

5
V. Expliquer et justifier la décomposition d’un vecteur en sa composante parallèle et sa
composante orthogonale à un vecteur non nul.

VI. Énoncer et justifier l’inégalité de Cauchy-Schwarz. Définir l’angle de deux vecteurs non
nuls.

6
VII. Définir, en précisant le contexte, le produit vectoriel de deux vecteurs et en
citer quelques propriétés.

VIII. Énoncer et commenter la formule du double produit vectoriel.

7
IX. Définir le produit mixte de trois vecteurs ; en citer quelques propriétés et l’interpréter
géométriquement.

La valeur absolue du produit mixte est égale au volume du

parallélépipède construit sur les trois facteurs.

X. En justifiant leur équivalence, donner plusieurs définitions de la notion de famille libre

de vecteurs.

XI. Définir les notions de famille génératrice de vecteurs et de base.

8
XII. Définir les bases orthogonales, orthonormées et orthonormées directes.

XIII. Donner, en la justifiant, l’expression du produit scalaire de deux vecteurs en

fonction de leurs coordonnées ; préciser quelle(s) propriété(s) la base doit avoir.

9
10
XIV. Présenter l’algorithme de Gram-Schmidt : objectif et formules mises en œuvre.

11
SYSTEMES D’EQUATIONS LINEAIRES

I. Définir l’équivalence de deux systèmes d’équations.

Deux systèmes d’équations sont équivalents s’ils ont le même ensemble de
solutions.

II. Définir les différents types d’opérations élémentaires sur les équations d’un
système et justifier qu’elles transforment un système en un système équivalent.

III. Définir les tableaux échelonnés et réduits. Donner des exemples ainsi que des
contrexemples.

12
IV. Décrire les différents types de tableaux qui peuvent représenter les systèmes
d’équations après utilisation de l’algorithme d’élimination. Indiquer les
conclusions qu’on en tire quant aux solutions du système.

13
CALCUL MATRICIEL

I. Définir les termes suivants : matrice ; rangée ; ligne ; colonne ; dimensions

d’une matrice ; sous-matrice. Définir l’égalité de deux matrices.

II. Définir les termes suivants : matrice ligne ; matrice colonne ; matrice carrée ;
ordre d’une matrice carrée.

III. Définir les termes suivants : diagonale principale ; matrice triangulaire

supérieure ; matrice triangulaire inférieure ; matrice diagonale ; matrice unité ;
matrice nulle.

14
IV. Définir les termes suivants : transposée d’une matrice ; matrice symétrique ;
matrice antisymétrique.

15
V. Définir la somme de deux matrices ainsi que le produit d’une matrice par un
scalaire. Mentionner quelques propriétés de ces deux opérations.

VI. Définir le produit de deux matrices. En mentionner quelques propriétés.

Non propriétés :

16
VII. Énoncer et démontrer la propriété concernant la transposée d’un produit de
deux matrices.

17
VIII. Définir : matrice régulière, matrice singulière, inverse d’une matrice.
Commenter ces définitions.

IX. Exposer les différents éléments du modèle entrée-sortie de Leontief.

X. Dans le modèle entrée-sortie de Leontief, calculer la production qui assure une

certaine demande finale.

18
XI. Dans le modèle entrée-sortie de Leontief, énoncer et justifier la propriété de la
plus-value.

19
ESPACES VECTORIELS

I. Définir la notion de corps commutatif. En donner des exemples.

II. Définir la notion d’espace vectoriel sur un corps commutatif K. En donner

plusieurs exemples, de natures aussi variées que possible.

III. Déduire quelques propriétés simples des axiomes d’espace vectoriel.

IV. Définir, dans un espace vectoriel : combinaison linéaire ; combinaison linéaire

triviale.

20
V. Définir la notion de sous-espace vectoriel et en donner, en la justifiant, une
définition alternative.

VI. Définir la notion de sous-espace vectoriel. Illustrer cette définition par des
exemples.

VII. Définir le sous-espace engendré par une partie d’un espace vectoriel et en citer
une propriété.

21
VIII. Définir une partie ou une liste génératrice d’un espace vectoriel. Illustrer cette
définition par des exemples.

IX. Énoncer et démontrer une propriété des listes génératrices d’un espace
vectoriel.

X. Définir un espace vectoriel de dimension finie.

XI. Définir la notion de partie libre d’un espace vectoriel de trois manières
différentes.

22
XII. Définir la notion de partie libre d’un espace vectoriel. Illustrer cette définition
par des exemples.

XIII. Dans un espace vectoriel, définir les notions de vecteurs linéairement

dépendants et de vecteurs linéairement indépendants.

Voir question XII.

XIV. Dans un espace vectoriel, montrer que si une liste de vecteurs est liée, l’un de
ses éléments est combinaison linéaire des vecteurs précédents.
XV. Définir la notion de base d’un espace vectoriel. Illustrer cette définition par des
exemples.

23
XVI. Énoncer plusieurs propriétés concernant les notions de base, de liste
génératrice et de liste libre d’un espace vectoriel.

XVII. Après avoir rappelé la propriété qui la fonde, donner la définition de la

dimension d’un espace vectoriel.

XVIII. Définir la notion d’application linéaire d’un espace vectoriel dans un autre.
Illustrer cette définition par des exemples.

XIX. Définir la notion de transformation linéaire d’un espace vectoriel. Illustrer cette
définition par des exemples.

Voir question XVIII

XX. Expliquer la correspondance entre matrices et applications linéaires de Kn dans

Km.

24
XXI. Démontrer que la composée de deux applications linéaires est encore linéaire.

25
XXII. Définir le noyau d’une application linéaire. Illustrer cette définition par des
exemples. Justifier que le noyau est un sous-espace vectoriel.

XXIII. Caractériser l’injectivité d’une application linéaire au moyen de son noyau.

Justifier.

Montrer que ?est injective équivaut à démontrer que le noyau de ?est réduit à 0.
Soit donc 1 un élément du noyau de ? . Comme (@A , @5 , … , @D )est une base de E,
Il existe des scalaires 1A, 15 , 1D uniques, tels que 1 = FGD
FGA 1F @F, .
L'égalité ? 1 = 0 entraîne donc (comme ? est linéaire) l'égalité :
1A ? @A + 15 ? @5 + ⋯ + 1D ? @D = 0.

XXIV. Définir l’image d’une application linéaire. Illustrer cette définition par des
exemples. Justifier que l’image est un sous-espace vectoriel.

Voir question XXII, prop b)

26
XXV. Dans Rn, définir le produit scalaire de deux vecteurs, ainsi que la norme d’un
vecteur. Quand deux vecteurs sont-ils déclarés orthogonaux ? Quand un
vecteur est-il dit normé ? Définir les notions de liste orthogonale, orthonormée.

XXVI. Énoncer l’inégalité de Cauchy-Schwarz dans Rn et en étudier les cas particuliers.

Justifier.

27
XXVII. Définir l’angle de deux vecteurs non nuls dans Rn.
Voir question XXVI

XXVIII. Démontrer qu’une liste orthogonale de vecteurs non nuls de Rn est libre.

28
XXIX. Décrire l’algorithme de Gram-Schmidt (dans Rn).

XXX. Expliquer ce qu’est la colonne des coordonnées d’un vecteur d’un espace
vectoriel dans une base et la matrice d’une application linéaire relative à deux
bases. Montrer comment se calcule la colonne des coordonnées de l’image d’un
vecteur par une application linéaire.

29
XXXI. Formuler et justifier la règle concernant la matrice de la composée de deux
applications linéaires.

XXXII. Expliquer ce qu’est une matrice de changement de coordonnées et prouver

quelques unes de ses propriétés.

30
RANG

I. Définir l’espace des lignes et l’espace des colonnes d’une matrice.

II. Énoncer les résultats concernant l’effet d’une transformation élémentaire sur
l’espace des lignes et sur l’espace des colonnes d’une matrice.

31
III. Énoncer le résultat indiquant une base de l’espace des lignes et une base de
l’espace des colonnes d’une matrice échelonnée.

32
33
IV. Définir le rang d’une application linéaire, ainsi que le rang d’une matrice.
Donner une description alternative de ce dernier, se déduisant directement de
la définition.

V. Énoncer et démontrer quelques propriétés du rang d’une matrice.

VI. Énoncer et démontrer la propriété concernant le rang d’un produit.

34
DETERMINANT

I. Expliquer comment se détermine le signe d’une permutation des nombres de 1

à n.

II. Énoncer deux propriétés du signe d’une permutation.

III. Donner la définition du déterminant d’une matrice carrée.

IV. Énoncer et justifier la propriété du déterminant de la transposée d’une matrice.

35
V. Énoncer et justifier la propriété du déterminant d’une matrice triangulaire.

VI. Énoncer et justifier la propriété du déterminant d’une matrice dans laquelle une
rangée est multipliée par un scalaire.

VII. Déduire deux corollaires de la propriété du déterminant d’une matrice dans

laquelle une rangée est multipliée par un scalaire.

VIII. Énoncer et justifier la propriété du déterminant d’une matrice dans laquelle une
rangée se décompose en somme de deux rangées.

36
IX. Énoncer et justifier la propriété du déterminant d’une matrice dans laquelle
deux rangées parallèles sont interverties.

37
X. Énoncer et justifier la propriété du déterminant d’une matrice possédant deux
rangées parallèles proportionnelles.

XI. Montrer que le déterminant d’une matrice n’est pas modifié si, à une rangée
d’une matrice, on ajoute une combinaison linéaire des rangées parallèles.

XII. Énoncer la propriété du déterminant du produit de deux matrices et en déduire

les propriétés du déterminant d’une matrice régulière.

38
XIII. Définir le cofacteur d’un élément d’une matrice carrée, ainsi que la matrice des
cofacteurs d’une telle matrice.

XIV. Qu’appelle-t-on développement du déterminant d’une matrice carrée selon une

de ses rangées ?

39
XV. Énoncer et justifier la propriété concernant la somme des produits des éléments
d’une rangée par les cofacteurs des éléments d’une rangée parallèle.

XVI. Énoncer et justifier la propriété liant matrice inverse et matrice des cofacteurs.

XVII. Définir un système cramérien. Établir les formules de Cramer.

40
VALEURS ET VECTEURS PROPRES

I. Définir les notions de vecteur propre, valeur propre, espace propre d’une
transformation linéaire. Illustrer ces définitions par des exemples.

II. Justifier que les espaces propres d’une transformation linéaire sont des sous-
espaces vectoriels. Définir la multiplicité géométrique d’une valeur propre.

voir question II.

41
III. Démontrer que des vecteurs propres d’une transformation linéaire, associés à
des valeurs propres distinctes, sont linéairement indépendants.

42
IV. Définir le polynôme caractéristique d’une transformation linéaire. Expliquer son
lien avec les valeurs propres. Expliquer dans quel cas on le dit scindé. Définir la
multiplicité algébrique d’une valeur propre.

V. Définir et comparer les notions de multiplicité géométrique et de multiplicité

algébrique d’une valeur propre.

Voir question I et IV.

VI. Énoncer les propriétés concernant la somme et le produit des valeurs propres
d’une matrice.

VII. Définir la notion de matrice semblable à une autre et en énoncer deux

propriétés.

43
VIII. Énoncer et démontrer deux propriétés concernant valeurs et vecteurs propres
de deux matrices semblables.

IX. Définir ce que signifie diagonaliser une matrice. Expliquer les diverses notions
apparentées.

X. Énoncer et démontrer le théorème de diagonalisabilité d’une matrice.

44
XI. Justifier qu’une matrice d’ordre n ayant n valeurs propres distinctes est
diagonalisable.
Si A possède n valeurs propres distinctes, elle est forcément diagonalisable. En effet dans
ce cas, le polynôme caractéristique est scindé, et chaque JK (LM) vaut 1.
Or comme 1 ≤ JP (LM) ≤ JK (LM) , cela entraine JP LM = 1. Multiplicité algébrique et
multiplicité géométrique coïncident pour chaque valeur propre.

XII. Définir : matrice symétrique, matrice orthogonale. Donner des exemples.

Énoncer et démontrer une propriété des vecteurs propres d’une matrice
symétrique.

45
XIII. Démontrer que le polynome caractéristique d’une matrice symétrique est
scindé.

XIV. Démontrer qu’une matrice diagonalisable au moyen d’une matrice orthogonale

est nécessairement symétrique.

46
XV. Définir ce qu’est une forme quadratique ; indiquer comment on lui associe une
matrice symétrique.

XVI. Définir les différentes classes de formes quadratiques.

47
XVII. Définir la notion de forme quadratique réduite ; préciser la particularité de la
matrice symétrique qui correspond à une telle forme ; montrer que la

détermination de sa classe est aisée.

XVIII. Énoncer et justifier le critère des valeurs propres.

48
XIX. Expliquer la notion de restriction d’une forme quadratique à un sous-espace
vectoriel. Indiquer différentes situations où la classe de la forme quadratique de
départ permet ou non de connaitre a priori celle de ses restrictions. Illustrer ces
considérations par des exemples.

XX. Définir la matrice bordée correspondant à la restriction d’une forme

quadratique à un sous-espace vectoriel et exposer les grandes lignes de l’un des
critères de classification qui l’utilisent.

49
PROGRAMMATION LINEAIRE

I. Présenter, de manière générale, ce qu’est un problème de programmation

linéaire.
Un problème d’optimisation linéaire consiste à minimiser ou maximiser une fonction du
premier degré de plusieurs variables réelles soumises à des contraintes (égalités ou
inégalités), elles aussi du premier degré.

II. Définir la forme canonique d’un problème de programmation linéaire et

montrer comment il est possible d’y ramener tout problème.

III.
IV.

50