Académique Documents
Professionnel Documents
Culture Documents
T.P. DE MATHEMATIQUE
Séances 1 à 12
Séance n° 1: Intégrales
Séance n° 6: Déterminants
Quelques corrigés des examens des années précédentes sont disponibles sur l'Université
virtuelle.
Séance n° 1: INTEGRALES
Rappels
Définition
F : ( a,b ) → IR : x → F(x)
2) L'intégrale indéfinie de f, notée ∫ f(x) dx, représente l'ensemble de toutes les primitives
de f.
Si F est une primitive de f, alors ∫ f(x) dx = F(x) + C, où C est une constante réelle arbitraire.
xa +1
∫ xa dx = +C ∀ a ∈ IR \ {-1}, ∀ a ∈ IR, ∀ x ∈ IR , IR0 , IR + ou IR0 +
a +1
∫ x −1 dx = = ln x + C ∀ x ∈ IR0
∫ e x dx = e x + C ∀ x ∈ IR
∫ sin x dx = - cos x + C ∀ x ∈ IR
∫ cos x dx = sin x + C ∀ x ∈ IR
1
∫ cos2 x dx = tg x + C ∀ x ∈ IR \ { π
2 }
+ kπ : k ∈ Z
1
∫ sin2 x dx = - cotg x + C ∀ x ∈ IR \ {k π : k ∈ Z}
Propriété importante
1-1
5
Exemple: ∫ (4. e x + 5. x7 ) dx = 4 ∫ e x dx + 5 ∫ x7 dx = 4. e x + x8 + C
8
2
Exemple: Soit ∫ 2x.e x dx. On pose t = x 2 ⇒ dt = 2x.dx. De là
2 x 2
∫ 2x.e x dx = ∫ et dt = et + C = e + C.
B) Intégrale définie
2
2( x2 1 9
Exemple: ∫1 x + 3 ) dx = + 3x = (2 + 6) − + 3 = .
2 1 2 2
1-2
lim ∫ ba f(x)dx = F(b) − lim F(a)
a →−∞ a →−∞
Si le résultat existe dans IR, l'intégrale généralisée converge. Sinon, elle diverge.
b
+∞ 1 1 −1 1
Exemple : ∫1 dx = lim ∫ 1b dx = lim = lim − + 1 = 1
2 b →+∞ 2 b →+∞ x 1 b →+∞ b
x x
b
∫a f(x)dx = lim ∫ bu f(x)dx = F(b) − lim F(u) où F(x) est une primitive de f(x).
u →a u→a
> >
Exemple:
2 1 2 1 2
∫1 dx = lim [ln x − 1 ]a = lim -lna-1 = +∞.
a →1 ∫ a
dx = lim
x −1 x −1 a →1 a →1
> > >
(car AV à dr. en x = 1)
⇒ l'intégrale généralisée diverge.
1-3
EXERCICES
1. Calculer les intégrales indéfinies suivantes:
a) ∫ ( 3x 2 + x 4 − 5e x ) dx
3
b) ∫ x x − 3 sin x + dx
x
x3 + 6
c) ∫ dx
5x 2
d) ∫ x 2e x dx
e) ∫4 e4x dx
f) ∫ ln x dx
3
g) ∫ x 2e x dx
ln x
h) ∫ dx
x
2. Calculer les intégrales définies suivantes
∫ 1 ( 3x + 2 ) dx
2 2
a)
1 x
b) ∫ 0 2e dx
0 x
c) ∫ − 1 xe dx
a) f(x) = e x verticales x = 0 et x = 2.
b) f(x) = - x 2 , verticales x = -2 et x = 1.
4. Déterminer l'aire de la surface comprise entre les courbes d'équations
y = - x 2 + 4 et y = x + 2 (représenter graphiquement).
5. Etudier la convergence des intégrales généralisées suivantes:
+∞ 1
a) ∫1 x
dx =
1 1
b) ∫0 x
dx =
1
c) ∫ 0 ln xdx = (rappel: ∫ ln x dx = x ln x - x + C).
1-4
RÉPONSES
x5
1. a) x3 + − 5e x + C
5
2 2
b) x x + 3 cos x + 3 ln x + C.
5
x2 6
c) − +C
10 5x
d) e x ( x 2 - 2x + 2) + C.
e) e4x + C.
f) x ln x - x + C.
1 x3
g) e +C
3
ln2 x
h) +C
2
2. a) 9.
b) 2e - 2.
2−e
c)
e
3. a) e2 - 1 unités de surface.
b) 3 unités de surface.
5. a) Divergente.
b) Convergente (valeur = 2).
c) Convergente (valeur = -1).
1-5
Séance N 2: REDUCTION DE MATRICES
Rappels
Le pivot d'une ligne d'une matrice réelle A est le premier élément non nul de cette ligne (à
partir de la gauche).
Une matrice réelle A est sous forme échelonnée ligne réduite ssi:
i) les lignes sans pivot (lignes nulles), s'il y en a sont sous les lignes
avec pivot;
ii) tous les pivots valent 1;
iii) si la ligne i de A est sous la ligne j de A, si i et j ont un pivot,
le pivot de i est à droite du pivot de j;
iv) les pivots sont le seul élément non nul de leur colonne.
Opérations élémentaires
a) Permuter des lignes;
b) multiplier une ligne par un réel non nul;
c) ajouter à une ligne un multiple quelconque d'une autre ligne.
2-1
Exemple
0 2 4 1
Soit, à réduire, la matrice A = 3 6 1 2
4 3 1 0
1 2
3 6 1 2 1 2
1 3 3
Permuter L1 et L 2 : 0 2 4
1 ; L1 L1x :
3 0 2 4 1
4 3 1 0 4
3 1 0
1 2
1 2
3 3
L3 L3 4L1 : 0 2 4 1 : apparition du pivot en position (-1,1) et élimination
1 8
0 5
3 3
des éléments de la première colonne situés en dessous de lui
1 2 1 2
1 2
3 3 1 2
3 3
1 1 1
L2 L2x : 0 1 2 ; L3 L3 5L 2 : 0 1 2 ;
2 2 2
0 1 8 0 29 31
5 0
3 3 3 6
1 2
1 2
3 3
3 1
L 3 L3 x : 0 1 2 : apparition du pivot de la dernière ligne non nulle;
29 2
0 31
0 1
58
49
1 2 0
58
1 33
L1 L1 L3 et L 2 L 2 2L3 : 0 1 0 et finalement :
3 58
0 31
0 1
58
17
1 0 0
58
33
L1 L1 2L 2 : 0 1 0 : forme échelonnée ligne réduite de A.
58
0 31
0 1
58
2-2
Exercices
1. Les matrices suivantes sont-elles sous forme échelonnée ligne réduite? Justifier.
1 5 3 0 5 0 1 0 2
a) 0 1 0 4 2 b) 0 0 1 0
0 0 1 1 1 0 0 0 0
1 1 0 0 1 0 0
c) 2 0 1 0 d) 0 1 0
3 0 0 1 1 0 1
1 1 0 3 0 4
1 2 5 0 3 0
e) f) 0 1 5 0 7
0 0 0 1 7
0 0 0 0 1 4
1 2 3 4 2 1 9
c) 2 0 5 d) 4 6 0 1
0 1 8 1 4 2 7
0 5 2 2 0 1 4 6
0 1 4 2 2 1 0 3
e) f)
0 7 1 3 1 2 2 0
0 2 3 5 1 3 2 3
1 2 1 2
3
2 5 7 3 9 1 3 3 3
g) 1 h)
2 7 0 0 3 2 1 2 2
1 1 1 1
2-3
Réponses
11
1 0 0 7
1 0 0 0 1 0 17
0 1 0 d)
c) 14
0 0 1 0 0 1 2
7
33
1 0 0 8
2
0 1 0
0 9
0 1 f)
0 1 0 2
e) 2
0 0 0
0 0 1 12 27
0 0 0 0 0 0 0 0
1 0 0 0
0 0
1 0 21 6 18 17 1 0
g) 0 h)
1 7 3 9 7 0 0 1 0
0 0 0 1
2-4
Séance N 3: SYSTEMES LINEAIRES
colonne.
7) Pour toutes valeurs données aux inconnues secondaires, ceci permet
inconnues secondaires.
C'est fini!!!
Exemple
3x y 2z 2
x 2y z 1
2x 3y z 1
3 -1
3 1 2 2
La matrice augmentée du système est : 1 2 1 1 , réduisons-la.
2 3 1 1
1 2 1 1 1 2 1 1
L1 L 2 : 3 1 2 2 ; L 2 L 2 3L1 et L3 L3 2L1 : 0
7 1 1 ;
2 3 1 1 0 7 1 1
1 2 1 1
on a L3 L2 donc L3 L3 L 2 : 0 7 1 1 ;
0 0 0 0
5 5
1 2 1 1 1 0
7
7
1 1 1 1
L2 L2 / 7 : 0 1 ; L1 L1 2L2 : 0 1 : d’où
7 7 7 7
0 0 0 0 0 0 0 0
inconnues principales x et y , inconnues secondaire z.
5 5
x z
7
7 d’où la solution est donnée par
Le système devient
y 1 1
z
7 7
5 5
x
7
z
7 z IR .
y 1 1
z
7 7
5 5
3
x
7
z
7
L’ensemble des solutions est donc x,y,z IR : z IR
y 1 1
z
7 7
3 -2
Exercices
2x 3y 5
a)
5x 2y 3
x 2y 1
b)
2x 2y 1
x 5y 2z 3
c) 2x 4y 5z 5
5x 2y z 4
4x 5y 8z 2
d) 2x 3y 2z 1
2x 8y 10z 5
2x 6y 3z 5t 3
e) 6x 2y 7z t 1
2x y z t 1
x 6y z t 9
f) 3x 2y z t 2
x 2y z t 4
2x y 4z 0
3x y 5z 1
g)
x 2y 9z 1
5y 22z 2
x y 2z t w 2
h) 2x 4y z t 3w 0
x 5y z 2t 4w 2
x y z 3
2x y z 2
i) x 2y 2z 1
4x y z 8
2x 5y 5z 10
3 -3
2x y z 0
x y z 1
j)
x 2y 2z 1
2x 7y 7z 4
x y z 4t 3
2x y z t 0
k) x 2y z t 1
2x y 3t 4
x 2y 3t 3
x y z 2
x y z 1
3x y z 0
l) 5x y 3z 1
2x 2z 1
x y 3z 2
7x 5y 9z 1
x y z 2t 2w k 2
m) 2x z t 2w k 3
4y z 11t 16w k 2
3 -4
Réponses
a) {( 1/19, 31/19)}.
b) Système incompatible.
c) {(1,2,3)}.
d) Système incompatible.
3 9z t
4
x 10
e) x,y,z,t IR : z,t IR
y 2 4z 4t
5
f) Système incompatible.
1 z
3
x 5
g) x, y,z IR : z IR
y 2 22z
5
4 3 1 1
x z t w
5
3 2 2 6
h) x, y, z,t, w IR : z,t, w IR
y 2 1 z 1 t 5 w
3 2 2 6
5
3
x 3
i) x, y,z IR : z IR
y 4
z
3
1
x
3 3
j) x, y, z IR : z IR
y 2 z
3
3 -5
11
x 3 3t
4 10
k) x,y,z,t IR : y 3t t IR
3
z 4 2t
5 1
l) 1, ,
2 2
3
x 2
tw
6 1
m) x,y,z,t,w,k IR : y 2t 3w t,w,k IR
2
z 3t 4w k
3 -6
Séance N 4: DISCUSSION DE SYSTEMES
Rappel
Résoudre un système consiste à déterminer les valeurs des inconnues pour lesquelles
toutes les équations du système sont simultanément "vérifiées".
Il arrive parfois qu'on soit amené à résoudre des systèmes paramétriques, c'est-à-dire que
certains coefficients apparaissent sous forme de paramètres réels, dont la valeur détermine
le nombre et la valeur des solutions du système.
Il est évident que ce système sera incompatible pour toutes les valeurs réelles de λ sauf
λ = 2; dans ce cas, l'ensembles de ses solutions est donné par:
x, y IR2 : x 2 y
y IR .
Réduire la matrice augmentée du système comme pour les systèmes linéaires non
paramétriques. La seule différence est qu'un élément de la matrice, s'il dépend des
paramètres, est ou n'est pas un pivot selon que la valeur du paramètre le rende non nul ou
nul, ce qui implique l'étude de cas particuliers. Pour éviter la multiplication de cas
particuliers inutiles, il est préférable (si possible) de choisir un pivot indépendant des
paramètres.
4 -1
Exemple:
Résoudre et discuter, en fonction du paramètre m IR , le système suivant:
mx y 1
x my 1
Matrice augmentée du système:
m 1 1
1 m 1
1 m 1 1 m 1
L1 L 2 : ; L 2 L 2 mL1 : .
m 1 1 0 1 m2 1 m
A présent, le seul élément pouvant servir de pivot est 1 m2 . La suite des opérations se
scinde en deux cas.
x, y IR2 : x 1 y
y IR .
1 1 1
b) Si m = -1, la matrice du système devient:
0 0 2
Cette matrice augmentée a un pivot en dernière colonne. Le système correspondant est
donc incompatible.
1 m 1 1 m 1 1 0 1
L 1 m
; L2 2 2 : ; L L mL :
1 1 2
2
0 1 m 1 m 1m 0 1 1 0 1 1
1 m 1 m
1
x 1 m 1 1
La solution est donnée par ou , .
y 1 1 m 1 m
1 m
4 -2
RESUME DES SOLUTIONS
Si m = 1, l'ensemble des solutions est x, y IR2 : x 1 y
y IR
4 -3
Exercices
ax 3y 3a
b) a,b IR
2ax by a
x y az 1
c) x ay z a a IR
ax y z a2
x ay z t 1
d) 2 a IR
a x y az t 2
x my mz 1
e) m IR
mx y z m
x y z 1
x y z
f) , IR
x y z
x y z 2
mx y 1
g) x my m m IR
mx my m
x y z 2
h) IR
x y z
x y z
i) x y z 1 , IR
x y z 1
4 -4
Réponses
x, y IR2 : y 0 x IR
Si a 0, alors
i) si b = 6, le système est incompatible
3 b 1
x b6
ii) si b 6, la solution est donnée par
y 5a
b6
4 -5
e) m IR , la solution est
2m
x 1 2 z
3 m 1
x, y, z IR : z IR
m2 1
y z
m2 1
x 1
1
y
1
1
z
1
x 0
Si m = 0, la solution est donnée par
y 1
x 1
Si m = 1, la solution est donnée par
y 0
h) IR , la solution est donnée par
3 1 2
x z
3 1 2 1 2
x, y, z IR : z IR
2 2 2
y z
1 2 1 2
4 -6
1 1
x
1 2
1
Si λ 1, la solution est donnée par y
1
2 2
z
1 2
2. Le système est compatible pour toutes les valeurs réelles de a, b, c telles que
16a - 7c + 2b = 0, et alors il n'admet qu'une solution.
4 -7
Séance N 5: INVERSION DE MATRICES
Rappels
Cette remarque permet de déterminer aisément si une matrice donnée A est ou n'est pas
inversible et, dans le premier cas, de calculer son inverse. Il suffit, pour cela
2) Si, lors de cette réduction, il apparaît un pivot dans une colonne à
droite de la ne (ou, de façon équivalente, si une ligne de A devient nulle), alors A n'est pas
inversible (A est alors dite singulière). Ne pas poursuivre la réduction.
Si, au contraire, la réduite de [A | In ] est [ In | B], alors A est inversible (A est
1 2 1
Exemple: soit A =
3 4 . A est-elle inversible? Si oui, calculer A .
1 2 1 0 1 2 1 0
Réduisons [A | In ] = ; L 2 L 2 3L1 : ;
3 4 0 1 0 2 3 1
1 2 1 0 1 0 2 1
L2
L2 : ; L L 2L :
1 1 2
= [ I |B]
n
2 0 1 3 1 0 1 3 1
2 2 2 2
5-1
2 1
A est inversible et A 1 3 1 . Preuve: calculer A.A .
1
2 2
Un système de Cramer est un système linéaire A.X = B tel que A est une matrice carrée
inversible.
x 2y 2 1 2 x 2
Exemple: soit à résoudre le système .
3x 4y 6 3 4 y 6
1 2
On a vu (cf. exemple - inversion de matrices) que la matrice est inversible. On a
3 4
donc un système de Cramer dont la solution est donnée par (cf. propriété 19):
2 1
x 2 2
y 3 1 .
6 0
2 2
x 2
La solution est donc donnée par .
y 0
5-2
Exercices
1 2 0
2 4 0
c) C2 1 4
3 3 4
3 2 4
2 4 1
c) C 2 2 6
1 5 2
1 0 0 2
1 2 3 4 1 2 1
d) D 4 5 6 e) E
0 3 2 1
7 8 9
1 2 2 2
1 2 1 3
4 2 1 2
f) F
1 8 2 11
2 1 9 10
5-3
Réponses
5-4
Séance N 6: DETERMINANTS
Rappels
Définition
Soit A IRnxn , on a
n
dét(A) A ik . 1i k A ik i 1,..,n .
k 1
Propriétés
1. Si on multiplie tous les éléments d'une ligne (colonne) d'une matrice par un
nombre, son déterminant est multiplié par ce nombre.
2. Si on permute deux lignes (colonnes) différentes d'une matrice, son
déterminant change de signe.
3. Si une matrice a deux lignes (colonnes) identiques, son déterminant est nul.
4. Si on ajoute à une ligne (colonne) d'une matrice un multiple d'une autre ligne
(colonne), son déterminant ne change pas de valeur.
6-1
2 2 7
Exemple: calculer dét(A), avec A 3 6 1 .
9 2 4
3 6 1
On a dét(A) = - dét( 2 2 7 ) par permutation des deux premières lignes
9 2 4
3 6 1
= dét( 2 2 7 ) par multiplication de la première ligne par -1
9 2 4
1 8 6
= dét( 2 2 7 ) en remplaçant la ligne 1 par la ligne 1 moins la ligne 2
9 2 4
1 8 6
= dét( 0 18 19 ) par ( L 2 L 2 2L1 et L3 L3 9L1 )
0 74 50
1 3 2
Exemple: soit A 0 2 1 1. On a dét A = 34. A est donc régulière. Les mineurs des
4 2 2
6-2
3 1 7
17 17 34
6 2 7
1 2 5 1
La matrice Adj A est donc: 4 10 1 et A
17 17 34
8 14 2
4 7 1
17 17 17
6-3
Exercices
1. Développer le déterminant de M -selon la deuxième ligne
-selon la troisième colonne
1 1 0 1
0 1 0 2
M=
2 1 3 0
5 4 1 2
1 0 0 1 1 0 0 1
0 1 0 2 0 1 0 2
c) C d) D
2 0 1 0 2 0 1 1
0 0 2 0 0 0 2 0
1 3 0 2
2 3 1 1
e) E
3 2 1 0
1 0 2 1
3. Les matrices suivantes sont-elles inversibles? Si oui, calculer leur inverse par
la "méthode de l'adjointe".
1 0 0 1
2 1 2 0
3 5 1 0 2
a) A b) B 1 4 3 c) C
2 1 2 0 1 1
3 0 1
0 0 2 0
6-4
Réponses
2. a) dét(A) = 0.
b) dét(B) = -260.
c) dét(C) = 4.
d) dét(D) = 2.
e) dét(E) = -1.
1 5
13 13
3. a) A 1
2 3
13 13
4 1 11
42 42 42
1 10 8 4
b) B
42 42 42
12 3 9
42 42 42
1
1 0 1
2
4 1 2 1
c) C1 1
0 0 0
2
1
2 0 1
2
6-5
Séance N° 7: ESPACES VECTORIELS REELS I
Vecteurs linéairement (in)dépendants - Bases de IRnx1
1. Avertissement
Dans le cours théorique, il a été montré que d'un point de vue strictement vectoriel, et
moyennant le choix d'une base, le vectoriel réel donné et le vectoriel des matrices de
composantes sont isomorphes (le "même" à un changement de langage près). A un
nx1
isomorphisme près, il n'existe donc qu'un vectoriel réel de dimension n: IR . Sauf mention
expresse du contraire, dans les exercices nous étudierons donc exclusivement les vectoriels
nx1 IN
réels IR (n ∈ 0 ).
2. Rappels
v11 v1m
1) Les m vecteurs M , …, M sont L.I.
vn1 vnm
v11 L v1m
ssi la matrice M M est de rang m.
vn1 L vnm
n
2) Si m vecteurs de IR sont L.I., alors m ≤ n.
nx1
(Utilité: si m > n, m vecteurs de IR sont nécessairement L.D.)
nx1
3) Un ensemble de vecteurs forme une base de IR
nx1
ssi ces vecteurs sont L.I. et engendrent (sont générateurs de) IR
ssi ces vecteurs sont L.I. et il y en a n.
v11 v1n
Les n vecteurs M , …, M
nx1
4) de IR forment une base de
vn1 vnn
v11 L v1n
IR nx1 ssi la matrice M M est inversible.
vn1 L vnn
7- 1
5) Remarque importante
Une matrice et sa transposée ont le même rang; une matrice carrée et sa transposée sont
inversibles simultanément.
Dans la recherche du rang, et la recherche de l'inversibilité, par les opérations élémentaires,
il est judicieux d'opérer la réduction sur la transposée car les vecteurs donnés apparaissent
alors comme lignes de la matrice.
Dans ces conditions, toute opération élémentaire faite sur les lignes peut être interprétée
comme une combinaison linéaire faite sur les vecteurs: les vecteurs de la matrice
transformée sont des C.L. des vecteurs de la matrice de départ, et inversement puisque les
opérations élémentaires sont inversibles et que leur inverse est une opération élémentaire.
v1
Soient M les anciennes composantes d'un vecteur de IRnx1
vn
v'1
(dans l'" ancienne base "), M ses nouvelles composantes
v'n
(dans la "nouvelle base").
v1 v'1
Alors M = C. M pour une certaine matrice inversible C.
vn v'n
La matrice C sera appelée: matrice de changement de base.
7- 2
Exercices
2x1
1. Dans IR , les vecteurs suivants sont-ils L.I.? Forment-ils une base de
1 3 1 2 1 3
a) 2 , 4 b) 1 , 2 , −3 , −2
1 −1 2
pour les vecteurs 2 , 0 , 2 .
3x1
2. Même question dans IR
3 1 2
4x1
3. Même question dans IR pour
1 2x1
4. Quelles sont les composantes du vecteur de IR
2
2x1
- dans la base standard de IR ?
1 3 2x1
- dans la base , de IR ?
2 4
7- 3
3x1 3x1
7. Les vecteurs suivants de IR forment-ils une base de IR ? Si non,
3x1
peut-on les "compléter" en une base de IR ?
2 0 3 4 1
a) 1 , 2 b) 0 , 1 , 1
0 4 1 0 −1
7- 4
Réponses
1 2
1. a) Comme la matrice (ou sa transposée) est de rang 2
3 4
2x1
(pourquoi?) et que nous avons 2 vecteurs dans IR , les vecteurs donnés sont L.I. et
2x1
forment une base de IR (cf. rappels 1) et 3)).
2x1
b) Comme nous avons 4 vecteurs de IR , ces vecteurs sont forcément L.D.
2x1
(cf.rappel 2)) et ne forment donc pas une base de IR . Cependant, si deux parmi ces
quatre vecteurs sont linéairement indépendants, ils constituent une telle base. C'est le cas,
1 1
par exemple, pour et (pourquoi?).
1 −3
1 2 3 1 0 −1
2. La réduite de la matrice −1 0 1 est 0 1 2 . Cette matrice est donc de rang
2 2 2 0 0 0
2 et les 3 vecteurs donnés sont, par conséquent, L.D. et ne constituent pas une base de
IR3x1 . De ces trois vecteurs, on ne peut "extraire" une base de IR3x1 , puisqu'une telle base
doit comprendre 3 vecteurs L.I..
4x1
3. a) Ces 3 vecteurs de IR sont L.I. (le montrer!) mais ne constituent pas
4x1
une base de IR , puisqu'il n'y en a pas 4 (cf.rappel 3)).
4x1
b) Ces 5 vecteurs ne sont pas L.I. (il y a 5 vecteurs de IR ) et ne constituent
2
4x1 2
donc pas une base de IR . En "enlevant", par exemple, le vecteur , on peut montrer
2
2
(le faire!) que les quatre vecteurs restants sont linéairement indépendants et, comme ils sont
4x1
quatre, forment une base de IR .
1 1
4. Les composantes de dans la base standard sont (trivial). Dans la base
2 2
1 3 1 1 1 3
2 , 4 ses composantes deviennent 0 , puisque 2 = 1. 2 + 0. 4 et que la
représentation d'un vecteur dans une base est unique.
3
1 −1
Dans la base , (il faut le montrer!) les composantes sont 2 . En effet, en
1 1 1
2
7- 5
1 1 −1 1 = α − β
écrivant = α . + β . , on obtient le système qui a comme
2 1 1 2 = α + β
α = 3
2 .
(unique) solution
β = 1
2
α α C−1.
On a donc (cf.cours théorique) C. = ou encore 1
1
β = 2
β 2
3
1 1 2
2 2 α
Comme C−1 = , on a = .
− 1 1 β 1
2 2
2
0 2 1
6. a) il suffit de remarquer que la matrice 3 −1 1 est inversible (le montrer!).
3 0 1
0 3 3
b) La matrice C de changement de base est 2 −1 0 (cf. 5)-rappels).
1 1 1
v1 v '1
c) Etant donné que M = C. M (si les vi représentent les composantes du
vn v 'n
vecteur dans l'"ancienne" base et les v 'i celles du même vecteur dans la "nouvelle" base),
on a
2 x x x 2
−1 = C. y où y sont les composantes cherchées, donc y = C−1 −1 .
5 z z z 5
−1 13
x 3 0 1 2 3
−1 = 29 .
Donc y = −2
z 3 −1 2 5 3
1 1 −2
−9
3x1
7) a) Les deux vecteurs donnés ne forment pas une base de IR puisqu'il faut trois
7- 6
3x1
vecteurs de IR pour en avoir une base. On peut cependant les "compléter" en une base
3x1
de IR . En effet, comme ils sont L.I., il suffit de prendre n'importe quel vecteur
3x1
linéairement indépendant des deux autres et on obtient évidemment une base de IR .
Pour "choisir" judicieusement ce troisième vecteur, on peut, par exemple, le désigner par
x 2 0 x
y et exprimer que 1 , 2 et y sont L.I.,par exemple en imposant que la matrice
z 0 4 z
2 1 0 2 1 0
0 2 4 soit inversible c-à-d dét 0 2 4 ≠ 0 c-à-d 4z + 4x - 8y ≠ 0
x y z x y z
7- 7
Séance N 8: ESPACES VECTORIELS REELS II
Sous-vectoriels de IRnx1
Rappels
3) Soit E ( ) IRnx1 .
VCT(E), le vectoriel engendré par E, est l'ensemble de toutes les combinaisons linéaires
(C.L.) des éléments de E.
N.B. E est un ensemble de vecteurs qui engendrent VCT(E) (par définition) mais ne
constitue pas nécessairement une base de VCT(E) (les vecteurs de E ne sont pas
nécessairement L.I.).
8-1
Ainsi, en plaçant les vecteurs de E en ligne dans une matrice et en réduisant celle-ci, les
lignes non nulles de la réduite forment une base de VCT(E).
1 2 0
Exemple: Soit E = 1 , 1, 3 .
1 2 0
1 1 1 1 1 1 1 1 1
On a 2 1 2 , L 2L : 0 1 0 , .L : 0 1 0 ,
2 1 1 2
0 3 0 0 3 0 0 3 0
1 0 1
L1 L 2 et L3 3L 2 : 0 1 0 .
0 0 0
1 0
Une base de VCT(E) est donc, par exemple, 0 , 1 .
1 0
L'ensemble des solutions du système linéaire homogène A.X = O est un sous- vectoriel de
8-2
x 2y 3z 0
Exemple: Déterminer une base du sous-vectoriel des solutions de .
2x y z 0
1 2 3 0
1 2 3 0 1 2 3 0 L2
On a ,
2 1 1 0 2 L 2L :
1 , :
5 0 1 7 0 ,
0 5 7 0
5
1
1 0 5 0
L1 2L2 : .
0 1 7 0
5
1
x 5
z
Les solutions sont données par z IR.
y 7
z
5
1
x 5
xz
3x1 5
L'ensemble des solutions du système est y IR : ou encore 7 .z : z IR
z y 7z 5 5
1
1
1
5
dont une base est tout naturellement 7 ou, par exemple, 7 .
5 5
1
8-3
Exercices
1 1 0
1. Dans IR 3x1
, les vecteurs 3 , 2 et 5 sont-ils L.I.? Forment-ils
5 0 4
une base de IR3x1 ? Si non, déterminer une base du vectoriel engendré par ces vecteurs
ainsi que sa dimension.
1 1 1
3. Donner une base du sous-vectoriel de IR 3x1
engendré par 3 , 1 , 7 .
5 6 3
4
L e vecteur 18 appartient-il à ce sous-vectoriel? Si oui, déterminer ses composantes
17
2 0
6. Si 3 , 4 sont deux solutions d'un système linéaire homogène, donner
1 5
8-4
Réponses
1 1 0
1. Considérons la matrice 3 2 5 . Les vecteurs donnés forment une
5 0 4
base de IR3x1 ssi elle est inversible ou, de manière équivalente ssi sa transposée est
inversible. Comme il a été rappelé, l'avantage de travailler sur la matrice transposée réside
en le fait que les lignes de la réduite de celle-ci forment une base du sous-vectoriel
engendré par les trois vecteurs donnés.
1 3 5
On considère donc 1 2 0 . Sa réduite étant la matrice identité (à montrer!), elle est
0 5 4
forment certainement pas une base de IR 4x1. Cependant, ils pourraient engendrer ce
vectoriel.
1 7 1 1
1 0 1 1
Pour les mêmes raisons qu'au 1., considérons la matrice suivante: 1 2 3 0 .
1 9 5 2
0 4 8 2
1 0 0 3
4
0 1 0 0
Sa réduite est 0 0 1 1 . Une base du vectoriel engendré par les cinq vecteurs
4
0 0 0 0
0 0 0 0
1 0
0
0 1 0
donnés est donc, par exemple (cf. 4) - rappels)): 0 , , 1
0
3 0 1
4 4
4 0 0
0 1 0
Une autre base du même vectoriel est, par exemple: , , (pourquoi ?).
0 0 4
3 0 1
8-5
La dimension du vectoriel engendré étant 3, les cinq vecteurs donnés n'engendrent pas
IR 4x1 .
13
1 0
1 3 5 2
3. La réduite de la matrice 1 1 6 est 1 . Une base du
0 1
1 7 3 2
0 0 0
sous-vectoriel engendré par les lignes de la première matrice (ou, de façon équivalente par
1 0
2 0
0 1
les vecteurs donnés) est donc , ou encore 0 , 2 .
13 1 13 1
2 2
4
Le vecteur 18 appartient au sous-vectoriel dont il est question ssi il existe α et β IR
17
4 2 0 2 4
tels que 18 = 0 2 c'est-à-dire ssi le système
2 18 possède une
17 13 1 13 17
solution. C'est évidemment le cas:
4 2 0
2
on a α = 2 et β = -9. Les composantes de 18 dans la base 0 , 2 sont alors 9 .
17 13 1
1 3
1 1
4. Réponse: , par exemple.
2 0
0 4
1 2 2 3 0
5. La matrice augmentée de ce système est 2 1 4 1 0 . Sa
3 4 10 5 0
1 0 6 1 0
5 5
réduite est 0 1 8 7 0 . Les solutions du système sont donc données par
5 5
0 0 0 0 0
8-6
6 1
x 5
z
5
t
z,t IR. Le sous-vectoriel des solutions du système peut donc
y 8 7
z t
5 5
6 1
x 5 z 5 t
6 1
x z t
y 5 5 8 7
s'écrire: IR 4x1 : z,t IR ou encore z t : z,t IR =
z y 8
z
7
t 5 5
t 5 5 z
t
6 1
5 5
8 7
.z .t : z,t IR .
5
5
1 0
0 1
6 1
5 5
8 7
Une base de ce sous-vectoriel est alors tout naturellement 5 , 5 par exemple, ou
1 0
0 1
6 1
8 7
encore , . En effet, il est évident que ces vecteurs engendrent le sous-espace en
5 0
0 5
question, et leur indépendance linéaire est tout aussi évidente.
sous- vectoriel d'un IRnx1 (ici de IR3x1 , puisque les vecteurs-solution donnés sont des
vecteurs de IR3x1 ), toute combinaison linéaire de solutions reste une solution. En prenant,
2 0 2 2 0 2
par exemple 3 4 1 et 3 1 4 7 on obtient deux autres solutions du
1 5 6 1 5 4
2 2
système homogène, 1 et 7 .
6 4
8-7
Séance N 9: ESPACES VECTORIELS REELS III
Soit T une transformation linéaire de IRnx1 . Alors λ IR est une valeur propre de T ssi il
existe un vecteur v IRnx1 , v 0 , tel que T( v ) = λ. v . Le vecteur v est alors un vecteur
propre de valeur propre λ.
x1 x1 0
nx1
Alors λ IR est valeur propre de T (ou de MT ) ssi il existe IR , , tel que
xn xn 0
x1 x1
MT . .
xn xn
x1 x1 x1 0
MT . = .I. ou encore ( MT - λ.I). .
xn xn xn 0
Les valeurs λ permettant à ce système d'avoir des solutions non triviales sont donc les
valeurs de λ rendant la matrice MT - λ.I non inversible, donc telles que dét( MT - λ.I) = 0.
9-1
Soit T une transformation linéaire de IRnx1 muni d'une base e1,....,en ,soit MT la
matrice de T. Si les vecteurs de base sont vecteurs propres de T
1
(de valeurs propres 1,..., n ) alors MT est la matrice diagonale
n
Définition
Remarque: c'est dire que dans IRnx1 il existe une base formée de vecteurs propres de la
transformation linéaire dont M est la matrice (à montrer!!).
9-2
Exercices
Déterminer les valeurs et vecteurs propres des matrices suivantes. Sont-elles
diagonalisables dans IR? Justifier.
1 2 2 1
a) M= b) M=
1 4 0 2
1 0 4 1 0 0
c) M = 2 1 2 d) M = 0 3 0
1 0 1 0 1 3
0 1 1 4 1 1
e) M = 1 0 1 f) M = 1 3 0
1 1 0 1 0 3
9-3
Réponses
x 2y 0
c'est-à-dire le système dont les solutions sont données par
x 2y 0
{ x = -2y y IR.
x
Le sous-vectoriel des solutions du système est donc IR2 : x 2y ou encore
y
2y 2
: y IR dont une base est tout naturellement .
y 1
Egalement, les vecteurs propres associés à la valeur propre λ = 3 sont les solutions du
1 3 2 x 0 y
système . . Le sous-vectoriel de ces solutions est : y IR
1 4 3 y 0 y
1
dont une base est .
1
Il est évident que la réunion de ces deux bases fournit une base de IR2x1 .
La matrice donnée est donc diagonalisable dans IR. On vérifiera à
2 1 2 0
titre d'exercice que C1.M.C où C est la matrice donne comme résultat .
1 1 0 3
2 1
b) Le polynôme caractéristique de M est dét = 2 2 . Celui-ci
0 2
n'a comme racine que la valeur λ = 2 qui est donc l'unique valeur propre de M.
Cherchons les vecteurs propres de M associés à cette valeur propre. Il s'agit des solutions
2 2 1 x 0 x
du système . . Le sous-vectoriel de ces solutions est : x IR
0 2 2 y 0 0
9-4
1
dont une base est .
0
Comme M n'a qu'une valeur propre et qu'à celle-ci n'est associé qu'un ensemble de
vecteurs propres de dimension 1, il est évidemment impossible de constituer une base de
IR2x1 constituée de vecteurs propres. Par conséquent, M n'est pas diagonalisable dans IR.
= (1-λ)(λ+1)(λ-3)
valeurs propres de M: λ = 1, λ = -1, λ = 3.
0 0
vecteurs propres associés à λ = 1: y : y IR ; base 1 .
0
0
2z 2
vecteurs propres associés à λ = -1: z : z IR ; base 1 .
1
z
2z 2
vecteurs propres associés à λ = 3: 3z : z IR ; base 3 .
z 1
M est diagonalisable dans IR puisque la réunion des 3 bases données est une base de
IR3x1 (il existe une base de IR3x1 constituée de vecteurs propres de M).
1 0 0
d)
Le polynôme caractéristique de M est dét 0 3 0 =
0 1 3
1 3 2 .
valeurs propres de M: λ = 1, λ = 3.
x 1
vecteurs propres associés à λ = 1: 0 : x IR ; base 0
0 0
0 0
vecteurs propres associés à λ = 3: 0 : z IR ; base 0
1
z
9-5
M n'est pas diagonalisable dans R puisqu'il n'existe pas de base de IR3x1 constituée de
vecteurs propres de M.
x
3x1
Le sous-vectoriel de ces solutions est donc y IR : x y z ou encore
z
y z
y : y,z IR .
z
1 1
Une base de ce sous-vectoriel est alors tout naturellement 1 , 0 .
0 1
Les vecteurs propres associés à la valeur propre λ = 2 sont les solutions du système
0 2 1 1 x 0
1 x z
02 1 y 0 données par z IR .
y z
1 1 0 2 z 0
z
Le sous-vectoriel de ces solutions est donc z : z IR dont une base est, par exemple
z
1
1 . M est diagonalisable dans IR puisque la réunion des 2 bases données est une base
1
de IR3x1 (il existe une base de IR3x1 constituée de vecteurs propres de M).
9-6
4 1 1
f)
Le polynôme caractéristique de M est dét 1 3 0 =
1 0 3
3 2 7 10
valeurs propres: λ = 3, λ = 2, λ = 5.
0 0
vecteurs propres associés à λ = 3: z : z IR ; base 1 .
1
z
z 1
vecteurs propres associés à λ = 2: z : z IR ; base 1 .
z 1
2z 2
vecteurs propres associés à λ = 5: z : z IR ; base 1 .
z 1
M est diagonalisable dans IR puisque la réunion des 3 bases données est une base de
IR3x1 (il existe une base de IR3x1 constituée de vecteurs propres de M).
9-7
Séance N10: ESPACES VECTORIELS REELS IV
Formes quadratiques
v1
a) Dans le vectoriel IR nx1
, le produit scalaire standard de v = et
vn
w1 w1
= n v .w
w = noté < v , w >, vaut v1,..., vn . i i
i1
wn wn
v1
b) Dans le vectoriel IR nx1
, la norme (standard) de v = , notée v ,
vn
n
2
vaut v,v vi .
i 1
c) Le vecteur v est normé ssi v = 1 c-à-d ssi < v , v > = 1.
Remarque: on peut normer un vecteur en le divisant par sa norme.
d) Deux vecteurs v et w sont orthogonaux ssi < v , w > = 0.
Soit V un vectoriel réel à produit scalaire , ,soient e1,...,en
e) n vecteurs non nuls deux à deux orthogonaux: ces vecteurs
sont linéairement indépendants.
f) Dans IRnx1 , e1,....,en est une base orthonormée ssi
ei,e j ij i,j {1,...,n}
10 - 1
Soit V un vectoriel réel finidimensionnel à produit scalaire muni
d'une base orthonormée, soit T une transformation linéaire de
V dont la matrice est symétrique.
g) Alors il existe une base othonormée de V dans laquelle la matrice
de T est diagonale (autrement dit il existe une base orthonormée
de V formée de vecteurs propres de T). La matrice de chan-
gement de base est une matrice orthogonale.
1. A est diagonalisable (il existe une base de IRnx1 formée de vecteur propres
de A (cf. séance n22));
2. A est diagonalisable dans une base orthonormée (il existe une base
1
3. 1
de 1., C inversible telle que C .A.C ;
n
1
4. 1
de g), C orthogonale telle que C .A.C
n
1
C '.A.C
n
une base orthogonale de IRnx1 ; il suffira de normer ces vecteurs pour obtenir la base
cherchée.
On remarquera que la seule difficulté réside dans l'éventuelle nécessité de choisir une base
orthogonale pour un sous-espace donné. Nous illustrons ce cas ci-dessous.
0 1 1 0 1 1
Soit A = 1 0 1 . Le polynôme caractéristique de A est dét 1 0 1 =
1 1 0 1 1 0
2
3 3 2 1 2 . Ses valeurs propres sont donc λ = -1 et λ = 2.
Les vecteurs propres associés à la valeur propre λ = -1 sont les solutions du système
0 1 1 1 x 0
1 0 1 1 . y 0 données par {x = - y - z y,z IR.
1 1 0 1 z 0
x
3x1
Le sous-vectoriel de ces solutions est donc y IR : x y z ou encore:
z
y z
y : y,z IR . Une base de ce sous-vectoriel est alors tout naturellement
z
1 1
1 , 0 . Cependant, ces vecteurs ne sont pas orthogonaux. Il faut donc remplacer cette
0 1
base par une autre dont les vecteurs le sont. Comme la base trouvée ci-dessus engendre le
1
sous-vectoriel considéré, on peut "garder", par exemple, le vecteur 1 comme premier
0
vecteur de la nouvelle base, et chercher un second vecteur non nul v qui soit à la fois dans
le sous-vectoriel et orthogonal à celui-là (les vecteurs trouvés seront automatiquement L.I.
(cf. e) ci-dessus) et, puisque le sous- espace en question est de dimension 2, ils en
formeront une base).
y z
Mathématiquement, ces conditions peuvent s'exprimer de la façon suivante: v = y et
z
10 - 3
y z 1
y , 0 2y z 0 .
1
z 0
1
Si on choisit, par exemple, y = 1, on a z = -2 et v = 1 . Une base orthogonale du
2
1 1
sous-espace considéré est donc 1 , 1 .
0 2
Les vecteurs propres associés à la valeur propre λ = 2 sont les solutions du système
0 2 1 1 x 0
1 x z
02 1 . y 0 données par z IR .
1 1 0 2 z 0 y z
z
Le sous-vectoriel de ces solutions est donc z : z IR dont une base est, par exemple,
z
1
1 . On remarquera que ce vecteur est orthogonal aux deux précédents, si bien qu'en
1
réunissant les trois vecteurs, on obtient une base de IR3x1 constituée de vecteurs propres
de A et qui sont orthogonaux deux à deux. Pour que cette base soit orthonormée, il suffit de
normer chacun des trois vecteurs (ils restent vecteurs propres de A, bien sûr!).
Remarque:
1 1 1
2 6 3 1 0 0
1 1 1 , C '.A.C 0 1 0 .
on vérifiera que si C =
2 6 3
0 0 2
0 2 1
6 3
10 - 4
II. Formes quadratiques - rappels
g : V IR : v g(v) f(v,v) v V .
En ce qui concerne IRnx1 , la forme quadratique g(x) est connue, en fonction des
composantes du vecteur x dans la base choisie, si on connaît la matrice de la forme
bilinéaire symétrique correspondante M dans cette base.
'
x1 x1
On a alors: g(x) = .M. , c’est-à-dire
xn xn
n n
g(x) = xi . Mij .x j qui peut se réécrire
i 1 j 1
n n
g(x) = Mij xi x j en permutant les facteurs (notation classique de la forme quadratique):
i 1 j 1
elle apparaît comme un polynôme homogène du second degré en les variables x1,.., xn .
Définitions
1) Une forme quadratique g( x ) est dite définie positive ssi
g( x ) > 0 x V, x 0 .
2) Une forme quadratique g(x) est dite définie négative ssi
g( x ) < 0 x V, x 0 .
3) Une forme quadratique g(x) est dite semi-définie positive ssi
g( x ) 0 x V.
4) Une forme quadratique g(x) est dite semi-définie négative ssi
g( x ) 0 x V.
5) Une forme quadratique g(x) est dite indéfinie ssi
x V: g( x ) > 0 et y V: g( y ) < 0.
10 - 5
On peut montrer (cf. cours théorique) que
Une forme quadratique est semi-définie positive (resp. négative) ssi toutes les
valeurs propres de sa matrice sont positives (resp. négatives) ou nulles.
Elle est définie positive (resp. négative) ssi toutes ses valeurs propres sont
strictement positives (resp. strictement négatives).
Sa matrice est diagonale dans la base orthonormée des vecteurs propres
correspondants.
Exemple
Soit g(x) = 2x1x 2 x12 x 22 en tant que forme quadratique sur IR2x1 .
1 1 1 1
Sa matrice est . Son polynôme caractéristique est dét . Ses valeurs
1 1 1 1
propres sont 0 et 2, donc la forme quadratique est semi-définie positive.
10 - 6
Exercices
3 2
a. M= .
2 0
1 0 0
b. M = 0 2 1 .
0 1 2
1 1 1
c. M = 1 1 1 .
1 1 1
2 1 1
d. M = 1 2 1 .
1 1 0
a. g(x,y) = 3x 2 4xy .
b. g(x,y) = x 2 4xy 4y 2 .
10 - 7
Réponses
3 2 2
1. a. Le polynôme caractéristique de M est dét
2 0 = 3 4 .
Ses valeurs propres sont donc λ = -1 et λ = 4.
Les vecteurs propres associés à la valeur propre λ = -1 sont les solutions du système
3 1 2 x 0
2
0 1
y
y 0 , solutions données par x 2 y IR . Le sous-vectoriel de ces
y 1
solutions est donc 2 : y IR dont une base est, par exemple .
y 2
Les vecteurs propres associés à la valeur propre λ = 4 sont les solutions du système
3 4 2 x 0
2 données par { x = 2y y IR. Le sous-vectoriel de ces solutions
0 4 y 0
2y 2
est : y IR donc dont une base est, par exemple, .
y 1
La réunion de ces deux bases forme une base de IR2x1 , automatiquement orthogonale
puisque M est symétrique et qu'il y a deux valeurs propres distinctes (dans IR2x1 ). Pour
obtenir une base orthonormée constituée de vecteurs propres de M, il suffit donc de normer
1 2
5 5
ces deux vecteurs. On obtient ainsi: , .
2 1
5 5
1 2
5 5 1 0
N.B. Vérifier que si C = , on a C' .M.C .
2 1 0 4
5 5
1 0 0
b.
Le polynôme caractéristique de M est dét 0 2 1 =
0 1 2
1 2 3 .
Ses valeurs propres sont donc λ = 1 et λ = 3.
Les vecteurs propres associés à la valeur propre λ = 1 sont les solutions du système
1 1 0 0 x 0
0 2 1 1 . y 0 données par
y z x,z IR .
0 1 2 1 z 0
10 - 8
x
3x1
Le sous-vectoriel de ces solutions est donc y IR : y z ou encore
z
x 1 0
z : x,z IR dont une base est, par exemple, 0 , 1 . Il se fait que ces vecteurs sont
z 0 1
orthogonaux; ils conviennent donc pour la constitution d'une base orthonormée de vecteurs
propres de M (il suffira de les normer).
Les vecteurs propres associés à la valeur propre λ = 3 sont les solutions du système
1 3 0 0 x 0
0 x 0
23 1 . y 0 données par z IR .
0 1 2 3 z 0 y z
0
Le sous-vectoriel de ces solutions est donc z : z IR dont une base est, par exemple,
z
0
1 .
1
En réunissant les deux bases déterminées ci-dessus, on obtient une base orthogonale de
IR3x1 constituée de vecteurs propres de M. Il est alors aisé de déterminer une base
1 0 0
orthonormée de IR3x1 constituée de vecteurs propres de M, à savoir: 0 , 1 , 1
0 2 2
1 1
2
2
1 0 0
1 0 0
0 1 1
N.B. Vérifier que si C = 2 2 on a C '.M.C 0 1 0 .
0 1 1 0 0 3
2 2
1 1 1
c.
Le polynôme caractéristique de M est dét 1 1 1 = 2 3 .
1 1 1
10 - 9
Les vecteurs propres associés à la valeur propre λ = 0 sont les solutions du système
1 0 1 1 x 0
1 1 0 1 . y 0 données par {x = -y-z y,z IR.
1 1 1 0 z 0
x
3x1
Le sous-vectoriel de ces solutions est donc y IR : x y z ou encore
z
y z 1 1
y : y, z IR dont une base est, par exemple, 1 , 0 .
z 0 1
Ces vecteurs ne sont pas orthogonaux. Comme dans l'exemple montré précédemment, il
faut donc déterminer une base du sous-vectoriel concerné qui soit orthogonale. Comme il
s'agit du même sous-vectoriel que dans l'exemple (ceci est un hasard!), une telle base est,
1 1
par exemple 1 , 1 .
0 2
Les vecteurs propres associés à la valeur propre λ = 3 sont les solutions du système
1 3 1 1 x 0
1 1 3 x z
1 . y 0 données par z IR .
1 y z
1 1 3 z 0
z
Le sous-vectoriel de ces solutions est donc z : z IR dont une base est,
z
1
par exemple, 1 .
1
10 - 10
1 1 1
2 6 3 0 0 0
1 1 1 , C’.M.C = 0 0 0 .
Remarque: on vérifiera que si C =
2 6 3
0 0 3
0 2 1
6 3
2 1 1
d. Le polynôme caractéristique de M est dét 1 2 1 =
1 1
2 . 2 2 3
valeurs propres de M: λ = 2, λ = -1, λ = 3.
z 1
vecteurs propres associés à λ = 2 : z : z IR , base : 1 .
1
z
z
2 1
vecteurs propres associés à λ = -1: z : z IR , base : 1 .
2 2
z
y 1
vecteurs propres associés à λ = 3; base: y : y IR , base : 1 .
0
0
La réunion de ces trois bases forme une base de IR3x1 , automatiquement orthogonale
puisqu'il y a trois valeurs propres distinctes (dans IR3x1 ). Pour obtenir une base
2. a. g(x,y) indéfinie.
10 - 11
Séance N°11: NOMBRES COMPLEXES
Rappels
a + bi a + bi c − di ( ac + bd) + ( bc − ad) i
si c+di ≠ 0 = . =
c + di c + di c − di c 2 + d2
Un nombre complexe z = a + bi est représenté dans le plan IR2 muni d'un système de
coordonnées cartésiennes, par le point de coordonnées (a,b). En "passant" aux
x = ρ cos θ
coordonnées polaires ( ρ, θ ), on a: ou encore a+bi = ρ ( cos θ + i sin θ )
y = ρ sin θ
a
cos θ = ρ
On a donc ρ = a2 + b2 (module de z) et, si ρ ≠ 0, le système permet de
sin θ = b
ρ
−π −π
On a donc 1 - i = 2 cos + i.sin .
4 4
11 - 1
Calculs dans C en utilisant la forme trigonométrique:
z1 ρ1
=
z 2 ρ2
( cos ( θ1 − θ2 ) + i.sin ( θ1 − θ2 ) ) (si ρ2 ≠ 0)
Si a+bi = ρ ( cos θ + i sin θ ) les (n) solutions de l'équation sont données par
θ + 2kπ
z = ρ ( cos θ + i sin θ ) où ρ = n ρ1 et les n valeurs de θ = 1 avec k = 0, 1,....,n-1.
n
−π + 2kπ
z = 6 2 ( cos θ + i sin θ ) où θ = 4 avec k = 0, 1, 2.
3
On a donc:
π π
z1 = 6 2 cos − + i sin −
12 12
7π 7π
z2 = 6 2 cos + i sin
12 12
5π 5π
z3 = 6 2 cos + i sin
4 4
11 - 2
Cas particulier des racines carrées: méthode algébrique
Pour résoudre l'équation z2 = a+bi, outre la méthode décrite ci-dessus, on peut raisonner de
la façon suivante:
2
soit z = x + iy . On a ( x + iy ) = a + bi ⇔ x 2 − y 2 + 2xyi = a + bi
x 2 − y 2 = a
⇔ .
2xy = b
x2 − y2 = a
Les couples (x,y), solutions du système 2xy = b
x 2 + y 2 = a2 + b2
fournissent les solutions x+iy de l'équation de départ, c'est-à-dire les racines carrées de
a+bi.
Exemple
11 - 3
Exercices
1. Calculer dans C :
a. (2+3i) + (4-5i) =
b. (1-4i).(5-6i) =
c. ( 3 + 2i )2 =
d. (1 − 2i )3 =
1 + 3i
e. =
2 − 3i
3. Déterminer, dans C
a. les racines carrées de 1 + i (méthode trigonométrique)
b. les racines quatrièmes de -4i
c. les racines cubiques de 3 - i.
d. les racines carrées de 6+8i (méthode algébrique)
e. les racines carrées de -8-15i (méthode algébrique)
4. Résoudre dans C :
a. z2 + z + 1 = 0 .
b. z 4 + 5z2 + 6 = 0 .
11 - 4
Réponses
1. a. 6 - 2i.
b. -19 - 26i.
c. 5 + 12i.
d. -11+2i.
−7 + 9i −7 9
e. = + i
13 13 13
π π
2. a. 1+i= 2 cos + i sin
4 4
π π
b. -4i = 4 cos − + i sin −
2 2
π π
c. 3 - i = 2 cos − + i sin −
6 6
π π 9π 9π
3. a. z1 = 4 2 cos + i sin et z2 = 4 2 cos + i sin
8 8 8 8
π π 3π 3π
b. z1 = 2 cos − + i sin − , z2 = 2 cos + i sin
8 8 8 8
7π 7π 11π 11π
z3 = 2 cos + i sin , z 4 = 2 cos + i sin
8 8 8 8
π π 11π 11π
c. z1 = 3 2 cos − + i sin − , z2 = 3 2 cos + i sin
18 18 18 18
23π 23π
et z3 = 3 2 cos + i sin .
18 18
3 5 3 5
e. Les racines carrées sont: − i et − + i
2 2 2 2
1 3 1 3
4. a. z1 = − + i et z2 = − − i
2 2 2 2
b. z1 = 3 i , z2 = − 3 i , z3 = 2 i et z 4 = − 2 i
11 - 5
Séance N°12: RECURRENCES LINEAIRES
A) RLACC d’ordre 1
Proposition
Une telle RLACC possède une et une seule solution de premier terme Y0 donné.
Il reste donc à déterminer une SPENH. Elle dépend de bt . Nous n'examinons ici que deux
formes particulières de bt :
si bt = Pn ( t ) .c t avec c ≠ a, on "essaie" Yt = Qn ( t ) .c t
12 - 1
Exemples:
a) Yt + 1 = Yt + 3 [1]
W.t + W = W.t + 3 ce qui implique W = 3. Une SPENH est Yt = 3.t et la SGENH est donnée
par Yt = C + 3t .
correspondante est Yt = Y0 + 3t
t
1 ⎛ 1⎞
b) Yt +1 = Yt + ⎜ ⎟ [1]
4 ⎝5⎠
t
⎛ 1⎞
On a la SGEH: Yt = ⎜ ⎟ .C
⎝4⎠
t
1 ⎛ 1⎞
Comme a = et bt = ⎜ ⎟ , on a a ≠ c. On "essaiera" une SPENH du type
4 ⎝5⎠
t t +1
⎛ 1⎞ ⎛ 1⎞
Yt = W. ⎜ ⎟ . On a alors Yt +1 = W. ⎜ ⎟ et en remplaçant dans [1], on obtient
⎝5⎠ ⎝5⎠
t +1 t t
⎛ 1⎞ 1 ⎛ 1⎞ ⎛ 1⎞ W W
W. ⎜ ⎟ = W. ⎜ ⎟ + ⎜ ⎟ d’où = + 1 et donc W = -20.
⎝5⎠ 4 ⎝5⎠ ⎝5⎠ 5 4
t t
⎛ 1⎞ ⎛ 1⎞
La SGENH est donc donnée par Yt = C. ⎜ ⎟ − 20. ⎜ ⎟ .
⎝4⎠ ⎝5⎠
t t
⎛ 1⎞ ⎛ 1⎞
correspondante est Yt = ( Y0 + 20 ) . ⎜ ⎟ − 20. ⎜ ⎟ .
⎝4⎠ ⎝5⎠
Définition: une RLACC est stable ssi la différence entre deux solutions différentes tend
toujours vers zéro.
Proposition
12 - 2
Une RLACC possède un équilibre ssi elle possède une solution constante. Si en plus, elle
est stable, toutes ses solutions tendent vers cet équilibre.
t
1 ⎛ 1⎞
Yt +1 = Yt + ⎜ ⎟ est une RLACC stable sans équilibre.
2 ⎝3⎠
1
Yt +1 = Yt + 1 est une RLACC ayant un équilibre stable.
2
Yt +1 = Yt est une RLACC ayant un équilibre instable.
B) RLACC d’ordre 2
Proposition
Une RLACC d'ordre 2 possède une et une seule solution dont les deux premiers termes Y0
s2 + a.s + b = 0
Si celle-ci possède deux racines réelles distinctes s1 et s2 , alors la SGEH est
Si celle-ci possède une racine complexe (non réelle) de module ρ et d'argument θ , alors la
SGEH est
12 - 3
Exemples:
b) Soit Yt + 2 + Yt +1 + Yt = 0 .
Pour la recherche d'une solution particulière de l'équation non homogène, la méthode est
quasi-identique à celle décrite pour le premier ordre.
12 - 4
Exercices
a) Yt +1 = 2.Yt avec Y0 = 3
2
b) Yt +1 = .Yt + 3 avec Y0 = 1
3
t
1 ⎛ 1⎞
c) Yt +1 = .Yt + ⎜ ⎟ avec Y0 = 2
2 ⎝3⎠
t
1 ⎛ 1⎞
d) Yt +1 = .Yt + ⎜ ⎟ avec Y0 = 4
3 ⎝3⎠
1
e) Yt +1 = .Yt + t avec Y0 = 1
2
t
1 ⎛ 1⎞
f) Yt +1 = .Yt + 2t. ⎜ ⎟ avec Y0 = 0
2 ⎝5⎠
a) Yt + 2 − 2.Yt +1 + Yt = 0
b) Yt + 2 + 4.Yt +1 + 3.Yt = 0
c) Yt + 2 + 4.Yt = 0
12 - 5
Réponses
solution générale. La solution de premier terme Y0 = 3 donné est alors Yt = 3.2t . L'équation
t t
⎛2⎞ ⎛2⎞
b) SGEH: Yt = C. ⎜ ⎟ . On a alors la SGENH: Yt = C. ⎜ ⎟ + 9 . La
⎝3⎠ ⎝3⎠
t
⎛2⎞
solution de premier terme Y0 = 1 donné est alors Yt = −8. ⎜ ⎟ + 9 .
⎝3⎠
L'équation est stable et possède un équilibre.
t t t
⎛ 1⎞ ⎛ 1⎞ ⎛ 1⎞
c) SGEH: Yt = C. ⎜ ⎟ . On a alors la SGENH: Yt = C. ⎜ ⎟ − 6 ⎜ ⎟ . La
⎝2⎠ ⎝2⎠ ⎝3⎠
t t
⎛ 1⎞ ⎛ 1⎞
solution de premier terme Y0 = 2 donné est Yt = 8. ⎜ ⎟ − 6 ⎜ ⎟ .
⎝2⎠ ⎝3⎠
L'équation est stable, sans équilibre.
t t t
⎛ 1⎞ ⎛ 1⎞ ⎛ 1⎞
d) SGEH: Yt = C. ⎜ ⎟ . On a alors la SGENH: Yt = C. ⎜ ⎟ + 3.t. ⎜ ⎟ .
⎝3⎠ ⎝3⎠ ⎝3⎠
t t
⎛ 1⎞ ⎛ 1⎞
La solution de premier terme Y0 = 4 donné est Yt = 4. ⎜ ⎟ + 3.t. ⎜ ⎟ .
⎝3⎠ ⎝3⎠
L'équation est stable, sans équilibre.
t t
⎛ 1⎞ ⎛ 1⎞
e) SGEH: Yt = C. ⎜ ⎟ . On a alors la SGENH: Yt = C. ⎜ ⎟ + 2t − 4 .
⎝2⎠ ⎝2⎠
t
⎛ 1⎞
La solution de premier terme Y0 = 1 donné est Yt = 5. ⎜ ⎟ + 2t − 4 .
⎝2⎠
L'équation est stable, sans équilibre.
t
⎛ 1⎞
f) SGEH: Yt = C. ⎜ ⎟ . On a la SGENH:
⎝2⎠
t t
⎛ 1 ⎞ ⎛ 20 40 ⎞ ⎛ 1 ⎞
Yt = C. ⎜ ⎟ + ⎜ − t− ⎟⎜ ⎟ .
⎝2⎠ ⎝ 3 9 ⎠⎝ 5 ⎠
t t
40 ⎛ 1 ⎞ ⎛ 20 40 ⎞ ⎛ 1 ⎞
La solution de premier terme Y0 = 0 donné est alors Yt = .⎜ ⎟ + ⎜ − t− ⎟⎜ ⎟ .
9 ⎝2⎠ ⎝ 3 9 ⎠⎝ 5 ⎠
12 - 6
L'équation est stable, sans équilibre.
t t
b) SGEH: Yt = λ. ( −1) + μ. ( −3 ) ∀λ, μ ∈ IR .
π π
c) SGEH: Yt = λ.2t.cos t + μ.2t.sin t ∀λ, μ ∈ IR .
2 2
12 - 7