Académique Documents
Professionnel Documents
Culture Documents
MATHEMATIQUE GENERALE
(Chapitre Un et Deux)
A l’usage des étudiants de G2 FED
Kinshasa/R.D. Congo
2
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Chapitre Premier
Matrices et déterminants
1
1 2 −3
1 2 3
3 −4 2
; 4 5 6 ; ; (5)
−1 10 0
7 8 9
0 1 4
9
Une matrice est caractérisée, en premier lieu, par sa taille. On repère cette dernière en associant
à la matrice son nombre de lignes et son nombre de colonnes. Le couple de ces deux nombres est
appelé dimension (ou format) de la matrice.
Remarque 1.1.
On donnera toujours le nombre de lignes en premier, puis celui des colonnes.
Exemple 1.2.
Pour les matrices de l’exemple, leurs dimensions respectives sont : (4, 2) ; (3, 3) ; (6, 1) et (1, 1).
Remarque 1.2.
Les matrices de format (1, 1) ne sont rien d’autres que des nombres réels.
D’une manière générale, une matrice de dimension (m, n) s’écrira sous la forme :
a11 a12 . . . a1j . . . a1n
a21 a22 . . . . . . . . . . . .
M = M (m, n) = .
. .. .. .. .. ..
. . . . . .
am1 am2 . . . amj . . . amn
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Notions générales 2
L’élément aij est celui qui se trouve à l’intersection de la ième ligne et de la jème colonne.
On pourra définir la matrice M (m, n) par :
Exemple 1.3.
1 3 −1
Soit A = 4 2 −3 A est une matrice de dimension (3, 3) ; a11 = 1, a23 = −3, a13 = −1,
7 0 8
etc . . .
Exemple 1.4.
1 3 −1
Matrice ligne
Ce sont les matrices de format (1, n), c’est à dire à une ligne. On les appelles aussi les matrices
unilignes.
Matrice carrée
Une matrice est dite carrée lorsque son nombre de lignes est égal à son nombre de colonnes.
Une matrice carrée de format (m, m) est appelée matrice carrée d’ordre m.
Exemple 1.5.
1 2
• est une matrice carrée d’ordre 2.
3 4
1 2 3
• 4 5 6 est une matrice carrée d’ordre 3.
7 8 9
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Notions générales 3
Matrice diagonale
Une matrice carrée d’ordre n est dite diagonale si tous les éléments autres que ceux de sa
diagonale sont nuls.
(A diagonale) ⇔ (aij = 0 pour tout i 6= j).
Exemple 1.6.
1 0 0
A = 0 −1 0
0 0 4
Une matrice diagonale est dite scalaire si tous ses éléments diagonaux sont égaux.
Exemple 1.7.
−2 0 0 0
0 −2 0 0
A= est une matrice scalaire d’ordre 4.
0 0 −2 0
0 0 0 −2
Matrice unité
On appelle unité d’ordre n, toute matrice scalaire dont les éléments diagonaux valent tous 1.
Exemple 1.8.
1 0
• A = 12 = est la matrice unité d’ordre 2.
0 1
1 0 0
• B = 13 = 0 1 0 est la matrice unité d’ordre 3.
0 0 1
Matrice symétrique
Une matrice carrée d’ordre n est dite symétrique si les éléments symétriques par rapport à sa
diagonales sont égaux.
(A symétriques ⇔)aij = aji pour tout i, j ∈ {1, 2, ..., n}.
Exemple 1.9.
Les matrices suivantes sont symétriques
1 −1 4
4 −2 −1 3 5
−2 1
4 5 2
Remarque 1.3.
Une matrice diagonale est par définition symétrique.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Notions générales 4
Matrice triangulaire
Une matrice carrée d’ordre n est dite triangulaire supérieure (resp. inférieure) si tous les
éléments situés en dessous (resp. au dessus) de sa diagonale sont nuls.
1 −2 5
Matrice nulle
Une matrice est dite nulle si tous ses éléments sont nuls.
Exemple 1.10.
1 4 7 1 2 3
A = 2 5 8 alors sa transposée st la matrice tA = 4 5 6
3 6 9 7 8 9
Résultat important
Une matrice est symétrique si et seulement si elle est égale à sa propre transposée.
A symétrique ⇔ A = tA
Exemple 1.11.
1 0 −4 3
1 8 2 1 −4 3
Soit A = 2 1 8 2 . Alors on a : A11 = ; A32 =
−9 7 24 2 8 2
4 −9 7 24
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 5
Exemple 1.12.
1 −1 3 −3
Si A = 2 4 alors 3A = 6 12
0 7 0 21
Exemple 1.13.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 6
1 0
1 2 3 4
1. Si A = 2 5 et B = , alors AB est une matrice de format (3, 4) telle
0 3 5 6
0 4
que :
1 0 1 2 3 4
1 2 3 4
AB = 2 5 × = 2 19 31 38
0 3 5 6
0 4 0 12 20 24
4 −3 16 13 −35
63
12 4 1 −2
2. Si A = 5 1 et B = alors AB = 55 20 2 −1 .
−5 0 −3 9
2 −1 29 8 5 −13
Propriétés
1. Soit A = A(m, n), alors 1m × A = 1m A = A et A × 1n = A1n = A.
2. AB 6= BA.
3. A.(BC) = (AB).C.
4. A.(B + C) = A.B + A.C.
5. (A + B).C = A.C + B.C.
6. A2 = A × A et An = |A × A {z
× ... × A}.
n fois
Matrice en escalier
On appelle matrice en escalier, une matrice dont les zéros sur les lignes formes un escalier de
gauche à droite, c’est à dire une matrice de la forme :
a11 a12 a13 a14 ... a1n
0 a22 a23 a24 ... a2n
0 0 a33 a34 ... a3n
0 0 0 a44 ... a4n
.. .. .. .. .. ..
. . . . . .
0 0 0 0 ... amn
On utilise les transformations élémentaires pour convertir une matrice donnée en une matrice en
escalier.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 7
Exemple 1.14.
1 0 5
Transformer en escalier la matrice A = 0 0 1 .
2 6 0
1 0 5 1 0 5 1 0 5
0 0 1 L2 ↔ L3 2 6 0 L2 = L2 − 2L1 0 6 −10 en escalier.
=⇒ =⇒
2 6 0 0 0 1 0 0 1
Matrice élémentaire
On appelle matrice élémentaire d’ordre n, toute matrice carrée d’ordre n obtenue à partir de
la matrice unité 1n en appliquant l’une des transformations élémentaires.
1 0 0 1 0 0
L = L2 − 2L1
Exemple : 13 = 0 1 0 2 −2 1 0 élémentaire
=⇒
0 0 1 0 0 1
Remarque 1.4.
Appliquer une transformation élémentaire sur une matrice A équivaut à multiplier A à gauche
par la matrice élémentaire correspondant à la transformation effectuée.
Calcul du déterminant
• Matrice carrée d’ordre 1
A = (a), alors det(A) = a.
• Matrice
carrée
d’ordre 2
a b a b
A= alors det(A) = = ad-bc.
c d c d
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 8
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 9
Remarque 1.5.
Il est clair que l’utilisation des propriétés ci-dessus permet de creuser une ligne ou une colonne
afin de reduire l’ordre du déterminant.
1 a a2 L2 = L2 − L1 1 a a2 1 a a2
V3 = 1 b b2 L3 = L3 − L1 0 b − a b2 − a2 = (b − a)(c − a) 0 1 b + a
1 c c2 = 0 c − a c 2 − a2 0 1 c+a
1 b+a
= (b − a)(c − a) = (b − a)(c − a)(c − b).
1 c+a
De même on peut démontrer que
1 a a2 a3
1 b b2 b3
V4 = = (b − a)(c − a)(d − a)(c − b)(d − b)(d − c).
1 c c2 c3
1 d d2 d3
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 10
Exemple 1.18.
−1 3
1. A = . On a : D11 = −1, D12 = −4, D21 = −3 et D22 = 1 ; donc cA =
4 −1
−1 −4
.
−3 1
7 4 2 46 7 12
2. B = 1 2 −5 . On obtient cB =
−20 62 −54 .
−3 6 8 −24 37 10
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Opération sur les matrices 11
2. Appliquer les transformations élémentaires (les mêmes transformations) aux deux matrices
simultanément ;
3. Continuer le processus en 2 jusqu’à réduire la matrice à inverser à une matrice identité ;
4. A la fin de l’étape 3, la matrice obtenue à la place de la matrice identité de depart est la
matrice inverse cherchée.
Exemple 1.20.
1 2 3
Calculer l’inverse de la matrice A = 2 5 7 .
3 7 11
Nous obtenons successivement les matrices suivantes :
1 2 3 1 0 0 L1 = L1 1 2 3 1 0 0
2 5 7 0 1 0 L2 = 2L1 − L2 ⇒ 0 −1 −1 2 −1 0
3 7 11 0 0 1 L3 = 3L1 − L3 0 −1 −2 3 0 −1
L1 = L1 1 2 3 1 0 0 L1 = L1 + 3L2
L2 = L2 ⇒ 0 −1 −1 2 −1 0 L2 = L2 + L3 ⇒
L3 = L2 − L3 0 0 1 −1 −1 1 L3 = L3
1 −1 0 7 −3 0 L1 = L1 − L2 1 0 0 6 −1 −1
0 −1 0 1 −2 1 L2 = −L2 ⇒ 0 1 0 −1 2 −1
0 0 1 −1 −1 1 L3 = L3 0 0 1 −1 −1 1
6 −1 −1
−1
Il en résulte que l’inverse A = −1 2 −1
−1 −1 1
Exercice 2 1 1
−
5 5 5
−2 3 0
1 2 2
On considère les matrices A = 1 2 −1 et B =
15
15 15
0 4 1
4 8 7
− −
15 15 15
1. Calculer les produits A × B et B × A.
2. (a) Calculer le déterminant de la matrice A.
(b) La matrice A est-elle inversible ?
(c) Donner la matrice A−1 , inverse de la matrice A.
3. Calculer l’inverse de A par la méthode de Gauss.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Application aux systèmes linéaires d’équations 12
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Application aux systèmes linéaires d’équations 13
2.
−3x + y = 2 −3 1 2 1 −3 2
, det(A) = = 0; Dx = = 0 et Dy = = 0.
6x − 2y = −4 6 −2 −4 −2 6 −4
−3x + y = 2
Par conséquent ⇔ −3x + y = 2. D’où l’ensemble des solutions est :
6x − 2y = −4
S = {(x, y) ∈ R2 \ − 3x + y = 2}
3.
−3x + y = 2 −3 1 2 1
det(A) = = 0; Dx = = −5 6= 0.
6x − 2y = 1 6 −2 1 −2
Le système n’admet pas donc de solution.
d b c a d c a b d
avec Dx = d0 b0 c0 ; Dy = a0 d0 c0 ; Dz = a0 b 0 d 0
d” b” c” a” d” c” a” b” d”
2. Si det(A)=0 et si l’un des déterminants Dx , Dy ou Dz st non nul alors le système (2) n’admet
pas de solution.
3. Si det(A)=0 et si Dx = Dy = Dz = 0, on ne peut rien conclure : Il faut revenir au système
initial.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Application aux systèmes linéaires d’équations 14
Exemple 1.22.
Resoudre par la méthode matricielle les sytèmes suivants
2x + 3y − z = 24 x − 2y + z = 2
(1) 4x − 2y + 3z = 6 (2) x + y − 2z = 1
6x − y + 2z = 22 2x − y − z = −1
Exercice
On considère le système
x + y + 2z = −1
(S) : x+z =2
x + 2y − z = 1
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Application aux systèmes linéaires d’équations 15
Exemple 1.23.
x + 2y + 2z = 109
Résoudre le système 2x + 2y + 2z = 164
3x + 4y + 5z = 275
En résolvant par la méthode de Gauss, on obtient successivement :
1 2 2 109 L1 = L1 1 2 2 109
2 2 2 164 L2 = 2L1 − L2 ⇒ 0 2 2 54
3 4 5 275 L3 = 3L1 − L3 0 2 1 52
L1 = L1 1 2 2 109
L2 = L2 ⇒ 0 2 2 54
L3 = L2 − L3 0 0 1 2
x + 2y + 2z = 109
Le système devient 2y + 2z = 54 et admet comme solution : x = 55, y = 25 et z = 2.
z = 2
Exercice
Trois personnes jouent ensemble. A la fin de chaque partie, le perdant double l’avoir de chacun des
deux autres joueurs. Après trois parties où chacun a perdu une fois, les trois joueurs se retrouvent
chacun avec un avoir de 24OOF.
On désigne par : x l’avoir initial du joueur J1 ayant perdu la 1ère partie ; y l’avoir initial du
joueur J2 ayant perdu la 2ème partie et z l’avoir initial du joueur J3 ayant perdu la 3ème partie.
1. Déterminer en fonction de x, y et z, l’avoir de chacun des joueurs J1 , J2 et J3 :
(a) à la première partie.
(b) à la deuxième partie.
(c) à la troisième partie.
2. Présenter un système de trois équations linèaires en x, y et z constitué par les résultats
précédents.
−1 2 −3 −5 4 −3
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Application aux systèmes linéaires d’équations 16
(a) Calculer les produits A1 × A2 et A2 × A1 . Que peut-on alors déduire des matrices A1
et A2 ?
(b) Résolver le système (S1 ) par la méthode matricielle.
(c) Résolver le système (S2 ) par la méthode du pivot de GAUSS.
4. Trouver alors les avoirs initiaux des trois joueurs.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Chapitre Deux
2.1 L’ensemble Rn
On connaı̂t l’ensemble R2 des couples de réels (x, y) ; de même l’ensemble R3 des triplets de
nombres réels (x, y, z).
D’une manière générale, pour tout entier naturel non nul n, on définit l’ensemble Rn des
n-uplets de réels (x1 , x2 , ..., xn ).
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Multiplication par un réel et notion d’espace vectoriel 18
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Systèmes générateurs - Dépendance linéaire 19
Exemple 2.1.
Exemple 2.2.
Exemple 2.3.
Tout sous-espace vectoriel d’un espace vectoriel est stable par combinaison linéaire.
Exemple 2.4.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Base d’un espace vectoriel- Dimension 20
La famille S = {e1 = (1, 0), e2 = (0, 1)} est une famille génératrice de R2 .
En effet pour tout X = (x, y) ∈ R2 , on a : X = xe1 + ye2 .
Exercice Soit u = (1, 2) et v = (2, −1) deux vecteurs de R2 . Démontrer que le système
S = {u, v} est un système générateur de R2 .
α1 v1 + α2 v2 + ... + αm vm = 0V ⇒ α1 = α2 = ... = αm = 0.
2. La famille S est dite liée si elle n’est pas libre. Dans ce cas il existe au moins un αj 6= 0 avec
j ∈ {1, 2, ..., m} tel que α1 v1 + α2 v2 + ... + αm vm = 0V .
Exemple 2.5.
On considère dans R2 les vecteurs u1 = (1, 2), u2 = (−2, −4), v1 = (2, 1) et v2 = (3, 5).
Démontrer que S1 = {u1 , u2 } est un système liée et que S2 = {v1 , v2 } est un système libre.
PROPRIETES
1. Tout vecteur d’un système libre est non nul. Inversement tout système contenant un vecteur
nul est lié.
2. Si S est un système lié alors tout système contenant S est aussi lié.
3. Toute famille contenue dans une famille libre est aussi libre.
4. Si S est lié alors il existe au moins un vecteur de S qui soit combinaison linéaire des autres
vecteurs de S.
5. Dans Rn (n ∈ N tel que n ≥ 2) tout système libre contenant exactement n vecteurs est
générateur de Rn . et inversement.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Base d’un espace vectoriel- Dimension 21
Exemple 2.7.
Exemple 2.8.
Déterminer les rangs des systèmes suivants : S1 = {(1, 2); (4, 8); (2, 3)} ; S2 = {(1, 2); (−1, 3); (3, 5)}
et
S3 = {(1, 2, 3); (0, −1, 2); (−2, 1, 6)}.
Exercice 1
Exercice 2
Déterminer suivants les valeurs du paramètre réel α le rang des systèmes suivants :
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Applications linéaires 22
f : R3 −→ R2
(x, y, z) −→ (x + y + z, 2x − 3y − z)
g : R3 −→ R3
(x, y, z) −→ (x + y − z, y + z, −2x + y − 3z)
2.7.2 Propriétés
Soit ϕ une application linéaire de E dans F . On a les propriétés suivantes :
1. ϕ(0E ) = 0F .
2. Si S est un système lié de vecteurs de E alors ϕ(S) est un système lié de vecteurs de F .
Par contre si S est un système libre de vecteurs de E, ϕ(S) n’est pas forcément un système
libre de vecteurs de F .
3. Soit f : E −→ F et g : F −→ G deux applications linéaires. Alors l’application gof est
une application linéaire de E vers G.
4. La composée de deux isomorphismes est un isomorphisme. De même la composée de deux
endomorphismes est un endomorphisme.
5. Si f est une application linéaire bijective de E vers F alors sa réciproque est une application
linéaire de F vers E.
Exercice Déterminer l’application linéaire f og, avec f, g les applications linéaires de l’exemple
ci-dessus.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Applications linéaires 23
Kerf = {u ∈ E, f (u) = 0F } ⊂ E.
Exemple 2.10.
Exercice
f: R3 −→ R3
(x, y, z) 7−→ (2x + 4z, 3x − 4y + 12z, x − 2y + 5z)
g: R3 −→ R2
(x, y, z) 7−→ (x + y + z, 2x − 3y − z).
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Applications linéaires 24
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Applications linéaires 25
Exemple 2.11.
Théorème 2.1.
Soit ϕ une application linéaire de E vers F avec dimE = dimF dont les bases respectives sont
BE et BF . Soit A la matrice de ϕ relativement aux bases BE et BF . Alors ϕ est un isomorphisme
de E vers F si et seulement si det(A) 6= 0.
Exemple 2.12.
2. On désigne par B0 la base canonique de R3 . Soit u = (1, −1, 0), v = (1, 0, −1) et w = (1, 1, 1)
trois éléments de R3 . On montre aisément que B = (u, v, w) est une autre base de R3 . La
matrice de passage de la base B0 à la base B est
1 1 1
P = −1 0 1
0 1 1
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Applications linéaires 26
A = P BP −1 (ou B = P −1 AP ).
Exemple 2.13.
On considére l’application linéaire définie sur R3 par : f (x, y, z) = (2x + 4z, 3x − 4y + 12z, x −
2y + 5z). Soit u = (1, −1, 0), v = (1, 0, −1) et w = (1, 1, 1) trois éléments de R3 .
1. Déterminer la matrice A de f relativement à la base canonique de R3 .
2. Déterminer la matrice de passage de la base canonique à la base B = (u, v, w).
3. En déduire la matrice A0 de f relativement à la base B.
Exercice
→
− → − → −
L’espace R3 est rapporté à sa base canonique ( i , j , k ). On considére les matrices
2 1 1
−
5 5 5
−2 3 0
1 2 2
A = 1 2 −1 et B = 15
15 15
0 4 1
4 8 7
− −
15 15 15
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Vecteurs propres et valeurs propres 27
Définition 2.3.
Soit E un espace vectoriel de dimension n et ϕ un endomorphisme sur E ; soit λ ∈ R. On dit
que λ est une valeur propre de ϕ s’il existe un vecteur u non nul tel que ϕ(u) = λu.
Un vecteur vérifiant cette relation est appelé vecteur propre de ϕ associé à la valeur propre λ.
1. L’ensemble de tous les vecteurs propres associsé à la même valeur propre λ est un sous-espace
vectoriel de E appelé espace propre associé à la valeur propre λ.
2. Ces notions s’appliquent aussi à une matrice carrée A associée à l’endomorphisme ϕ. Ainsi
λ est une valeur propre de ϕ s’il existe un vecteur non nul u tel que Au = λu.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Vecteurs propres et valeurs propres 28
ϕ(u) = λu ⇔ Au = λu
⇔ (A − λI)u = 0E ,
où I est la matrice unité d’ordre n. Cette équation n’admet de solution non triviale que si det(A −
λI) = 0. Le polynôme PA (λ) = det(A − λI) est appelé polynôme caractéristique de ϕ et l’équation
PA (λ) = 0 est l’équation caractéristique de ϕ.
1. Les solutions de l’équation caractéristique sont les valeurs propres de A (ou de ϕ).
2. λi étant une valeur propre de A, l’ensemble des solutions de l’équations (A − λi I)u = 0E est
le sous-espace propre associé à la valeur propre λi .
Exemple 2.14.
Dans l’exemple introductif, le polynôme caractéristique est : P (λ) = −λ(λ − 1)(λ − 2), donc
les valeurs propres sont : 0,1,2.
2.8.3 Propriétés
1. Deux matrices semblables ont le même polynôme caractéristique, donc les mêmes valeurs
propres.
2. Si λ1 , λ2 , · · · , λm sont les valeurs propres d’une matrice carrée d’ordre n A et si le polynôme
caractéristique de A est sous la forme P (λ) = a(λ − λ1 )α1 (λ − λ2 )α2 · · · (λ − λm )αm (avec
m ≤ n) alors on a :
Xm
αi
det(A) = Πm λ
i=1 i et tr(A) = λi
i=1
Ainsi une matrice A est inversible si elle n’a pas de valeur propre nulle.
Le réel αi est appelé ordre de multiplicité de la valeur propre λi . Si αi = 1, on dit que la
valeur propre λi est simple. Si αi = 2, λi est une valeur propre double.
3. Si λ1 , λ2 , · · · , λm sont les valeurs propres d’une matrice carrée d’ordre n alors on a :
2.8.4 Conséquences
1. A est une matrice inversible (régulière) si et seulement si 0 n’est pas une valeur propre de
A.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 29
Théorème 2.3.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 30
c’està-dire ue M est semblable à une matrice diagonale. On dit alors que la matrice M est diago-
nalisable.
Théorème 2.4.
Soit M une matrice carrée d’ordre n. On désigne par λ1 , λ2 , · · · , λp (avec p ≤ n) les valeurs
propres de M et par Eλi l’espace propre associé à la valeur propre λi . Les proprositions suivantes
sont équivalentes :
1. M est diagonalisable
2. Chaque sous-espace propre Eλi a pour dimension égale à l’ordre de multiplicité αi de la
valeur propre λi .
Exercice
Dire si les matrices suivantes sont diagonalisables :
1 −1 2 7 −12 −2
2 0 4
5 3
A= , B = 3 −3 6 , C = 3 −4 0 , D = 3 −4 12
−8 −6
2 −2 4 −2 0 −2 1 −2 5
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Autres exercices d’algèbre linéaire
EXERCICE I
Calculer le déterminant de chacune des matrices suivantes :
0 8 0 0 9
0 0 0 −4
1 0 3 1 0 0 0 0
1 0 0 0
2 3 −2 ; ; 0 −4 0 0 −5
0 1 0 4
−2 −2 −1 0 −4 1 0 −4
0 0 1 0
0 1 0 1 1
EXERCICE II
Résoudre le système différentiel X’=AX, où A est la matrice
3 2 4
A = −1 3 −1
−2 −1 −3
EXERCICE III
Etant donnés quatre nombres réels (u0 , v0 , w0 , x0 ), on définit quatre nouveaux nombres (u1 , v1 , w1 , x1 )
en calculant les moyennes suivantes :
2u0 + v0 + w0 + x0 u0 + 2v0 + w0 + x0 u0 + v0 + 2w0 + x0
u1 = , v1 = , w1 =
5 5 5
u0 + v0 + 2w0 + x0 u0 + v0 + w0 + 2x0
w1 = x1 =
5 5
En itérant ce procédé, on définit quatre suites (un ), (vn ), (wn ) et (xn ) telles que pour tout
n ∈ N, on ait :
un+1 = 15 (2un + vn + wn + xn )
vn+1 = 51 (un + 2vn + wn + xn )
wn+1 = 51 (un + vn + 2wn + xn )
= 51 (un + vn + wn + 2xn )
x
n+1
1. Ecrire cette relation de récurrence sous forme matricielle. On note A la matrice associée à
cette relation. et on pose B = 5A.
2. La matrice B est-elle diagonalisable ?
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 32
3. Sans déterminer les racines du polynômes caractéristique de B, montrer que 1 est valeur
propre de B.
4. Quelle est la dimension du sous-espace V1 associé à cette valeur propre ?
5. Déterminer toutes les valeurs propres de B
6. En déduire un polynôme annulateur de B de degré 2
7. En déduire l’existence de deux nombres réels an et bn , que l’on calculera, tels que B n =
an B + b n I
EXERCICE IV
Soient A et B deux matrices. Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles
sont fausses, et pourquoi ?
1. Si le produit AB est défini, alors le produit BA est défini.
2. Si la somme A + B est définie, alors le produit AB est défini.
3. Si le produit AB est défini, alors le produit tB tA est défini.
4. Si la somme A + B est définie, alors le produit A tB est défini.
5. Si les produits AB et BA sont définis, alors la somme A + B est définie.
6. Si les produits AB et BA sont définis, alors la somme A + tB est définie.
7. Si les produits AB et tBA sont définis, alors la somme A + tA est définie.
8. Si les produits AB et tBA sont définis, alors la somme A + tB est définie
9. Si le produit AB est défini, alors la somme A tA + B tB est définie.
10. Si le produit AB est défini, alors la somme tA A + B tB est définie.
EXERCICE V
Soit A une matrice carrée. On dit que A est diagonale si tous ses coefficients d’ordre (i, j) avec
i 6= j, sont nuls. Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles sont fausses, et
pourquoi ?
1. Si A est inversible alors AtA = tAA.
2. Si A est inversible alors AtA est inversible.
3. Si A est inversible alors A + tA est inversible.
4. Si A est inversible alors A est équivalente à la matrice identité.
5. Si A est inversible alors A est semblable à la matrice identité.
6. Si A est diagonale, alors A est inversible.
7. Si A est diagonale, alors A est symétrique.
8. Si A est diagonale et si tous ses coefficients diagonaux sont non nuls alors A est inversible.
9. Si A est diagonale alors A est semblable à la matrice identité.
10. Si A est diagonale alors A est équivalente à la matrice identité.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 33
EXERCICE VI
Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si une matrice est de rang r alors elle est équivalente à la matrice Ir
2. Une matrice est de rang r si et seulement si la famille de ses vecteurs colonnes est de rang r.
3. Une matrice est de rang r si et seulement si la famille de ses vecteurs lignes est de rang r.
4. Si une matrice A est de rang r alors toute matrice formée de r colonnes parmi les colonnes
de A est de rang r.
5. Si une matrice formée de r colonnes parmi les colonnes de A est de rang r, alors A est de
rang ≥ r.
6. La matrice nulle est la seule matrice de rang 0.
7. Si deux lignes de A ne sont pas proportionnelles alors le rang de A est au plus 2.
8. Si deux lignes de A sont proportionnelles alors le rang de A est strictement inférieur à son
nombre de colonnes.
9. Si une matrice carrée de Mr , extraite de A est inversible, alors A est de rang ≥ r.
10. Si A est de rang r, alors aucune matrice carrée de Mr+1 extraite de A n’est inversible.
11. Si toute matrice carrée de Mr , extraite de A, est de rang r alors A est de rang r.
EXERCICE VII
Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si un système linéaire a plus d’inconnues que d’équations, il a une infinité de solutions.
2. Si un système linéaire a plus d’équations que d’inconnues, il a au plus une solution.
3. Si le rang de la matrice d’un système est égal au nombre d’équations, et strictement inférieur
au nombre d’inconnues, alors le système a une infinité de solutions.
4. Si un système linéaire a une solution unique alors il a autant d’équations que d’inconnues.
5. Si un système linéaire a une solution unique, alors le rang de sa matrice est égal au nombre
d’inconnues.
6. Si un système linéaire n’a pas de solution, alors son second membre est non nul.
7. Si un système linéaire a un second membre nul et si le rang de sa matrice est égal au nombre
d’équations, alors sa solution est unique.
8. Pour m < n, si un système linéaire de m équations à n inconnues a une matrice de rang m,
alors il a une infinité de solutions.
9. Si un système de deux équations à deux inconnues n’a pas de solution, alors les deux
équations sont celles de deux droites parallèles dans le plan.
10. Si un système de deux équations à trois inconnues n’a pas de solution, alors les deux équations
sont celles de deux droites parallèles dans l’espace.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 34
EXERCICE VIII
On
considère
les matricessuivantes.
0 3
1 ......1 −1
0 2
1 0 0 −1 2 3
..... .
0 1 0 2 1 −3
−2 3 −4
1 0 0
0 1 0 , ... 3 1 −3
0 0 1 1 −2 0
0 0 1
0 1 0
1 0 0
1 1 ...... 0
2 1 0
−2 0 1
0 −1 2
– Ecrire la transposée de chacune de ces matrices.
– Etant données deux matrices A, B appartenant à l’ensemble ci-dessus, calculer ceux des
produits A B, tA B, A tB, tA tB qui sont définis.
EXERCICE IX
On considère la matrice
suivante.
0 0 0
A= 1 0 1 .
0 0 1
On note f l’endomorphisme de R3 qui a pour matrice A dans la base canonique de R3 , notée
{ e1 , e2 , e3 }.
1. Montrer que f ◦ f (e1 ) = f (e2 ) = 0. Montrer que f ◦ f (e3 ) = f (e3 ).
2. En déduire A2 . Vérifier en effectuant le produit matriciel.
3. Montrer que A3 = A2 sans effectuer le produit matriciel, puis vérifier en l’effectuant.
4. Donner une base de Ker f et une base de Im f
EXERCICE X
On considère la matrice
suivante.
0 0 1
A= 1 0 0 .
0 1 0
On note f l’endomorphisme de R3 qui a pour matrice A dans la base canonique de R3 , notée
{ e1 , e2 , e3 }.
– Pour i = 1, 2, 3, déterminer f ◦ f (ei ), puis f ◦ f ◦ f (ei ).
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 35
EXERCICE XII
On considère la matrice
suivante.
1 1 1
A= 1 1 1 .
1 1 1
On note f l’endomorphisme de R3 qui a pour matrice A dans la base canonique de R3 , notée
{ e1 , e2 , e3 }.
1. Pour i = 1, 2, 3, déterminer f ◦ f (ei ), en déduire que f ◦ f = 3f .
2. Pour k ∈ N∗ , démontrer par récurrence que f ◦k = 3k−1 f .
3. En déduire l’expression de Ak en fonction de k.
4. Pour k ∈ N∗ , donner une expression de (I3 + A)k en fonction de k. Vérifier votre expression
pour k = 3 en effectuant le produit matriciel.
5. Reprendre la question précédente pour (I3 − A)k , puis pour (3I3 − 2A)k .
EXERCICE XIII
On rappelle qu’une matrice carrée est symétrique si elle est égale à sa transposée. On note Sn
l’ensemble des matrices carrées symétriques. On dit qu’une matrice carrée est antisymétrique
si elle est l’opposée de sa transposée : tA = −A. On note An l’ensemble des matrices carrées
antisymétriques.
1. Montrer que les éléments diagonaux d’une matrice antisymétrique sont nuls.
2. Soit A une matrice carrée quelconque. Montrer que A + tA est symétrique et A − tA est
antisymétrique.
3. Montrer que Sn ⊕ An = Mn .
4. Soit T l’application de Mn dans lui-même qui à une matrice associe sa transposée. Montrer
que T est la symétrie par rapport à Sn , parallèlement à An .
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 36
EXERCICE XIV
On appelle trace d’une matrice carrée la somme de ses éléments diagonaux. On note tr(A) la trace
de A ∈ Mn .
– Soient A B deux matrices de Mn . Montrer que tr(AB) = tr(BA).
– En déduire que deux matrices carrées semblables ont la même trace.
– Soit A une matrice carrée non nulle. Montrer que les traces de A tA et tA A sont strictement
positives.
EXERCICE XV
Soit R2 [X] l’espace vectoriel des polynômes de degré ≤ 2 en la variable X. On considère les
applications linéaires suivantes, de R2 [X] dans lui-même.
• f : P (X) 7−→ f (P )(X) = P 0 (1) + P (1)X • f : P (X) 7−→ f (P )(X) = XP 0 (X) + P (X) •
f : P (X) 7−→ f (P )(X) = XP 0 (X)−P (X) • f : P (X) 7−→ f (P )(X) = (X 2 +1)P 0 (X)−2XP (X)
On considère les deux bases suivantes de R2 [X].
{b1 , b2 , b3 } = {1, X, X 2 } , {c1 , c2 , c3 } = {(X − 1)2 , (X 2 − 1), (X + 1)2 } .
– Déterminer la matrice de passage P de la base {b1 , b2 , b3 } à la base {c1 , c2 , c3 } et calculer
son inverse.
– Calculer l’image par f des 6 vecteurs b1 , b2 , b3 , c1 , c2 , c3 .
– Ecrire la matrice de f dans chacune des deux bases, puis vérifier la formule de changement
de base en effectuant le produit matriciel.
EXERCICE XVI
Déterminer
le rang des
matrices suivantes.
2 −3 −4
3 1 5
−1 0 −1
0 2 4
1 1 2
1 −1 2
2 1 3
0 −1 0
EXERCICE XVII
Résoudre les systèmes linéaires suivants.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 37
x − 2y + 3z = 5
10x + 9y + z = −50
2x − 4y + z = 5 9x + 10y + 5z = 40
x + 2y − z = 5 10x + 9y + z = −50
2x + y + z = 10
9x + 10y + 5z = 41
x + 2z = 0 x + 5y + 9z = 180
x−y−z−t = 3
3x + 4y + z + 2t = 3
2x − z + 3t = 9 6x + 8y + 2z + 5t = 7
x+y−z−t = −1 x − 2y + z + t = −2
x+y+z−t 2x − y − z − t = −1
= 0
x−y−z+t = 2 x+y+z+t = −8
x + 2y − 3z = 4
x + 3y − z
= 11
2x + 5y − 5y + z = 5
x +z = 4
x + y + 2z = 9
−x + y = 1
EXERCICE XVIII
Déterminer, selon les valeurs du paramètre réel λ, l’ensemble des solutions des systèmes linéaires
suivants.
2x + 3y − 2z = 5
2x + λy + 4z = 0
x − 2y + 3z = 2 x + y + 2λz = 0
4x − y + 4y + λz = λ λy + 2z = 1
x + λy − z = −1 λx + y − z
= 0
x+y+z = 2 x − 2y + z = λ
x + 2y − z + t = 1
x + 3y + z − t = 1
y+z+t = −1
x + y + λz + t =
1
x + y + z + λt = −1
EXERCICE XIX
Calculer
l’inversedes
matrices suivantes.
0 1 0 1 2 0
0 0 1 3 −1 1
−2 1 2 0 1 2
EXERCICE XX
Pour
chacune
des
matrices A
suivantes :
2 1 7 5
1 2 −6 −4
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016
Diagonalisation d’une matrice 38
EXERCICE XXI
Pour
chacune desmatrices
A suivantes:
0 1 0 2 −1 1
0 0 1 1 4 −3
−2 1 2 1 1 0
1. Déterminer selon les valeurs de λ le rang de la matrice A − λI3 .
2. On note λ1 , λ2 et λ3 les trois réels tels que le rang de A − λi I3 est 2. Pour i = 1, 2, 3,
x 0
déterminer l’ensemble des solutions du système linéaire (A − λi I3 ) y = 0 . On
z 0
note vi un vecteur non nul solution de ce système.
3. Montrer que {v1 , v2 , v3 } est une base de R3 .
4. Soit P la matrice de passage de la base canonique de R3 à la base {v1 , v2 , v3 }. Calculer P −1 .
λ1 0 0
Montrer que P −1 AP = 0 λ2 0 .
0 0 λ3
5. Montrer que la matrice (A − λ1 I3 )(A − λ2 I3 )(A − λ3 I3 ) est nulle. En déduire une expression
de A−1 en fonction de A2 , A et I3 .
1/λ1 0 0
6. En utilisant l’expression de la question précédente, vérifier que P −1 A−1 P = 0 1/λ2 0
0 0 1/λ3
7. Pour k ∈ N∗ , donner une expression de Ak en fonction de k.
Notes de Cours de Mathématique Générale (G2 FED) Dr. LUNGIAMBUDILA Oscar c UCC 2016