BA1 en sciences économiques

T.P. DE MATHEMATIQUE

MATH-S-1012 - Mathématique générale: algèbre linéaire

Exercices relatifs aux cours des Professeurs M. Gassner, B. De Rock et T. Demuynck

Séances 1 à 12

Année académique 2021-2022

 Table des matières

Séance n° 1: Intégrales

Séance n° 2: Réduction de matrices

Séance n° 3: Systèmes linéaires

Séance n° 4: Discussion de systèmes

Séance n° 5: Inversion de matrices

Séance n° 6: Déterminants

Séance n° 7: Espaces vectoriels I

vecteurs linéairement (in)dépendants - bases de IRnx1

Séance n° 8: Espaces vectoriels II

sous-vectoriels de IRnx1

Séance n° 9: Espaces vectoriels III

vecteurs et valeurs propres

Séance n°10: Espaces vectoriels IV

diagonalisation dans une base orthonormée
formes quadratiques

Séance n°11: Nombres complexes

Séance n°12: Récurrences linéaires

Quelques corrigés des examens des années précédentes sont disponibles sur l'Université
virtuelle.
 Séance n° 1: INTEGRALES

Rappels

A) Primitive d'une fonction - intégrale indéfinie

Définition

Soient f : ( a,b ) → IR : x → f(x)

F : ( a,b ) → IR : x → F(x)

1) F est une primitive de f sur (a,b) ssi

1°) F est dérivable dans (a,b);
2°) ∀ x ∈ (a,b): F'(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.

Intégrale indéfinie de quelques fonctions élémentaires

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

∀ α, β ∈ IR, ∫ (αf(x) + βg(x)) dx = α∫ f(x) dx + β∫ g(x) dx

1-1
 5
Exemple: ∫ (4. e x + 5. x7 ) dx = 4 ∫ e x dx + 5 ∫ x7 dx = 4. e x + x8 + C
8

Deux méthodes d'intégration

a) Intégration par parties

∫ f(x).g'(x)dx = f(x).g(x) - ∫ f '(x).g(x)dx

Exemple: ∫ x sin x dx = - x cos x + ∫ cos x dx = - x cos x + sin x + C.

b) Intégration par changement de variable

Si ∫ f(t) dt = F(t) + C, alors
∫ f(u(x)) u’(x)dx = F(u(x)) + C.

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

1) Si f est continue et positive dans [a,b], alors l'aire de la surface comprise

b
entre la courbe y = f(x), l'axe des x et les verticales x = a et x = b est ∫ a f(x)dx
2) Formule fondamentale
b b
Si F est une primitive de f sur [a,b], alors ∫ a f(x)dx = [F(x)] a = F(b) − F(a) .

2
2(  x2  1  9
Exemple: ∫1 x + 3 ) dx =  + 3x  = (2 + 6) −  + 3  = .
 2 1 2  2

3) Extension: Intégrale généralisée

a) Si f possède une asymptote horizontale en + ∞, alors ∫ a+∞ f(x)dx =

lim ∫ ba f(x)dx = lim F(b) − F(a)

b →∞ b →∞

Si f possède une asymptote horizontale en - ∞, alors ∫ b−∞ f(x)dx =

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

⇒ l'intégrale généralisée converge.

b) Si f possède une asymptote verticale en x = a à droite, alors

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
> >

Si f possède une asymptote verticale en x = b à gauche, alors

b
∫a f(x)dx = lim ∫ av f(x)dx = lim F(v) - F(a) où F(x) est une primitive de f(x).
v →b v →b
< <

Si le résultat existe dans IR, ∫ ba f(x)dx converge. Sinon, elle diverge.

Exemple:

2 1 2 1 2
∫1 dx = lim [ln x − 1 ]a = lim -lna-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

3. Déterminer l'aire de la surface comprise entre l'axe des x, la courbe

d'équation y = f(x) et les verticales indiquées

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.

4. 4.5 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.

Réduction d'une matrice à sa forme échelonnée ligne réduite

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.

Algorithme de réduction: principe

I. i. Amener, par permutation de lignes, un pivot le plus en haut et le
plus à gauche possible.
ii. Par division de la ligne de ce pivot par celui-ci, l'égaler à 1.
iii. Amener des zéros en-dessous de ce pivot.
iv. Considérer la sous-matrice strictement sous et strictement à
droite de ce pivot et lui appliquer la même méthode à partir
de i.
Lorsque la première phase I est terminée
II. amener des zéros au-dessus des pivots.

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 

2. Réduire les matrices suivantes à leur forme échelonnée ligne réduite.

 1 5 2 4 2 
a)  4 0  b) 5
   9 1 

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

1. a) Non. b) Oui. c) Non. d) Non. e) Oui. f) Oui.

Justifiez !

2. Les matrices réduites des matrices données sont respectivement:

 7 
 1 0
19 
1 0 b)  
a)  0 1 0 6 
  1
 19 

 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

Rappel: résolution de systèmes

Les étapes sont les suivantes:

1) Extraire du système sa matrice augmentée.

2) Réduire celle-ci.

3) Le système est compatible ssi il n'y a pas de pivot en dernière

colonne.

4) Déterminer quelles sont les inconnues principales et secondaires.

5) Réécrire le système en négligeant les lignes nulles.

6) Expédier les inconnues secondaires dans le second membre.

7) Pour toutes valeurs données aux inconnues secondaires, ceci permet

de calculer les valeurs correspondantes des inconnues principales

pour obtenir une solution.

8) Ecrire l'ensemble des solutions en fonction des éventuelles

inconnues secondaires.

C'est fini!!!

Exemple

Soit à résoudre le système suivant :

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

Résoudre les systèmes suivants (par réduction de matrice):

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

Ensembles des solutions des systèmes proposés:

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
tw 
  
 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.

Exemple (simple): soit le système

x  y  2

x  y  
x et y étant les inconnues, λ étant un paramètre réel.

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 .

Méthode générale de résolution de systèmes paramétriques

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.

Il est de bon ton de résumer les résultats à la fin !

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.

Premier cas: 1  m2 = 0; il n'est pas pivot. On a m = 1 ou m = -1 (à envisager séparément).

 1 1  1
a) Si m = 1, la matrice du système devient:  
0 0  0 
cette matrice est réduite et l'ensemble des solutions du système, dans ce cas est donné par

 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.

Second cas: 1  m2  0 et est donc pivot.

La réduction de la matrice augmentée du système se poursuit comme d'habitude

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  1m 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

Si m = -1, le système est incompatible.

 1
 x  1  m
Si m  1 et -1, alors la solution est donnée par 
y  1
 1 m

4 -3
Exercices

1. Résoudre et discuter les systèmes suivants:

 mx  3y  m
a)  m  IR
 m  2  x  y  1

 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


2. Déterminer a, b et c pour que le système suivant admette une et une seule

 x  2y  2a

solution : 3x  y  b
2x  2y  c


4 -4
Réponses

1. Résumés des solutions

a) Si m = 3/2, alors le système est incompatible.

 m3
x  2  2m  3 

Si m  3/2, alors, la solution est donnée par 
y   m  3  m
 2  2m  3 

b) Si a = 0, alors, b  IR , la solution est donnée par

 x, y   IR2 : y  0 x  IR 
Si a  0, alors
i) si b = 6, le système est incompatible
 3  b  1
 x  b6
ii) si b  6, la solution est donnée par 
y  5a
 b6

c) Si a = -2, alors le système est incompatible.

Si a = 1, la solution est donnée par {(x,y,z)  IR3 : x = 1 - y - z

( y,z IR )} .
  a  12
x 
 a2
 1
Si a  1 et a  -2, alors la solution est donnée par  y 
 a2

z  a 1

 a2

d) Si a = 1, alors le système est incompatible.

Si a  1, alors la solution est donnée par
  1  2a 1 a 1 
 x   z  t 
 4  1  a3 1  a  a2 1  a  a2 
 x, y,z,t   IR :  z, t  IR 
  2  a2 a 1 a 
 y  3

2
z  t 
  1 a 1 a  a 1  a  a2 

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 

f) Si λ = 1, alors le système est incompatible.

Si   1, alors si   2  2 , le système est incompatible;

et si   2  2 , la solution est donnée par:


x  1

 1
y 
  1
 1
z 
  1

g) Si m  IR \ 0,1 :système incompatible

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 

i) Si λ = 1: a) si μ  1, le système est incompatible;

b) si μ = 1, la solution est donnée par
 3 x  1  z 
 x, y, z   IR :  z  IR 
 y  0 

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

Le rang d'une matrice A est le nombre de lignes non nulles de sa réduite.

Soit A  IRnxn : A est inversible ssi  B, C  IRnxn :A.B = C.A = In

ssi  B  IRnxn : A.B = In

ssi  C  IRnxn : C.A = In

ssi la réduite de A est In

ssi A est de rang maximum

Dans ce cas, il existe , E1 E2 ,..., Em , matrices élémentaires telles que

Em .Em 1....E2 .E1.A  In et donc A 1  Em .Em 1....E2 .E1.In (cf. cours).

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

1) d'entamer la réduction de la matrice [A | In ] de IRnx2n .

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

alors dite régulière) et son inverse est B.

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.

On a (voir cours, propriété 19, p.21):

Un système de Cramer A.X = B possède une et une solution X = A 1 .B.

 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. Quel est le rang des matrices suivantes?

 1 2 1  1 2 3 4
a) A  2 1 1  b) B   4 5 6 2 
   
 4 1 3   7 8 9 1

1 2 0
 2 4 0
 
c) C2 1 4
 
3 3 4
 3 2 4

2. Les matrices suivantes sont-elles inversibles? Si oui, calculer leur inverse

(par réduction).
 1 2  2 5 
a) A  b) B   
3 2   4 10 

 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 

3. En utilisant les résultats de 2., résoudre les systèmes suivants:

2x  4y  z  0
 x  2y  4 
a)  b)  2x  2y  6z  12
3x  2y  6  x
  5y  2z  3

4. Pour quelle(s) valeur(s) de λ, μ  IR les matrices suivantes sont-elles

inversibles? Pour ces valeurs, calculer leur inverse.
1 1 
 5 
a) A  b) B    1
1 4    0 1  

5-3
Réponses

1. a) rang A = 2. b) rang B = 3 c) rang C = 3.

 1 1 
2 2
2. a) A est inversible et A 1  
3 1 
 4 4
b) B est singulière.
 17 13 11
 36 72 36 
 
1  1 5 7 
c) C est inversible et C 
 36 72 36 
 
 1 1 1 
 6 12 6 
d) D est singulière.
 1 4 
1 3 1
3 
 
 1 1 1
1 
 2 2 
e) E est inversible et E1   
 3 5 3 11
2 6 2 6 
 1 1 2 
0
 6 2 3 
f) F est singulière.
 37
  x  12
 x  1 
 17
3. a)  b) y 
y  3  12
 2  1
z 
 2

4. a) Si λ = 1 ou λ = -5, A est singulière.

  4   5 
 2 2
1  5  4   5  4   
Si λ  1 et λ  -5, A est régulière et A 
 1  
 2
 5  4   2 5  4   
b) Si λμ = 1, B est singulière.
 1 0 1 
 2 
   1  2 
1 
Si λμ  1, B est régulière et B  1   1   1   
 
  1  
 1   1   1   


5-4
Séance N 6: DETERMINANTS

Rappels

Définition

Soit A  IRnxn , on a

dét : IRnxn  IR : A  dét(A) ou A

n
où dét(A)   A 11 si n = 1 et dét(A)    A k1.  1k 1 Ak1 si n>1
k 1

avec A k1 le mineur de  A k1 , c'est-à-dire le déterminant de la matrice obtenue à partir de

A, en supprimant sa k e ligne et sa 1e colonne.

On peut démontrer (voir cours) que, si A,B  IRnxn , n  IN0  1 :

n
dét(A)    A kj .  1k  j A kj j  1,..,n et
k 1

n
dét(A)    A ik .  1i k A ik i  1,..,n .
k 1

Egalement, on a dét(A) = dét(A') et dét(A.B) = dét(A).dét(B).

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.

Utilité: faciliter le calcul du déterminant d'une matrice en appliquant successivement des

opérations élémentaires à celle-ci tout en appliquant les modifications correspondantes aux
déterminants des matrices successives obtenues.

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 

que l’on développe suivant la première colonne :

18 19 
= 1.dét(   ) = 18 (-50) – 74 (-19) = 506
74 50 

Calcul de l'inverse d'une matrice

Soit A  IRnxn , n  IN0 \ 1 . On définit Adj(A)  IRnxn de la façon suivante :

i, j,  Adj(A)ij   1i j .A ji

Adj(A) est donc la transposée de la matrice des cofacteurs des éléments de A.

On montre (voir cours) que:

1) A est inversible  dét A  0
1
2) si A inversible, alors A 1  Adj(A)
dét(A)

 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 

éléments de A sont respectivement:

A11  6; A12  4; A13  8; A 21  2; A 22  10; A 23  14; A 31  7; A 32  1; A 33  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

2. Calculer le déterminant des matrices suivantes

 1 2 3 3 9 2 
a) A   4 5 6  b) B   1 0 5 
 7 8 9  5 2 1

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 

4. Pour quelles valeurs réelles de λ, la matrice A est-elle inversible? Pour ces

   1
valeurs, déterminer son inverse : A =  1  1
 2 1  

6-4
Réponses

1. Le déterminant de cette matrice vaut 11.

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) C1   1
0 0 0 
 2
 1
 2 0 1 
 2 

4. A est inversible  λ  IR \ {-1,1} et pour ces valeurs de λ,

 1 1 
 0 
 1  1
 
 2  2  2 1 
A 1  
    1    1
2    1   2  1  2  1 
 1  2   
 
    1    1    1   2  1  2  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 

v11x1 +... v1m xm = 0


ssi le système  M M M n'a pas d'autre solution que la solution triviale.
 v x +... v x = 0
 n1 1 nm m

 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.

La i ième colonne de la matrice de changement de base C

est formée des composantes du nouveau i ième vecteur de
base dans l'"ancienne base".

7- 2
Exercices

2x1
1. Dans IR , les vecteurs suivants sont-ils L.I.? Forment-ils une base de

IR 2x1 ? Si non, peut-on en "extraire" une base de IR 2x1 ?

 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  1 0 1  2  1  −1 0 

 2  0  −1 1  2 −1  1  0 
a)  ,  ,   b)  ,   ,  ,  ,  
 3  0  −1 1  2  1   1  0 
               
 4  0  1 1  2  1   1   1

 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

1  −1 2x1

- dans la base   ,   de IR ?
1  1 
5. Vérifier les résultats du 4. en utilisant la matrice de changement de base.
  0   3  3  
       3x1
6. a) Montrer que  2 , −1 , 0  forme une base de IR .
     
  1  1   1 
      
b) Quelle est la matrice C de changement de base (de la base standard
vers la "nouvelle" base donnée en a))?
2
dont les composantes dans la base standard sont  −1 .
3x1
c) Soit v ∈ IR
 
 5 
Quelles sont ses composantes dans la "nouvelle" base?

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

5. La matrice de changement de base C de la base standard vers la base (par

1  −1  1 −1
exemple)   ,   est C =   (cf.définition de cette matrice).
1  1  1 1 

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 

On peut, par exemple, mais il y a beaucoup de possibilités, prendre x = 1, y = z = 0.

3x1
b) Ces vecteurs sont L.D. et ne constituent donc pas une base de IR . On
3x1
ne peut évidemment pas compléter les vecteurs donnés en une base de IR puisqu’en
ajoutant un ou plusieurs vecteurs aux vecteurs donnés, l'ensemble résultant sera forcément
L.D..

7- 7
Séance N 8: ESPACES VECTORIELS REELS II

Sous-vectoriels de IRnx1

Rappels

1) Un sous-vectoriel de IRnx1 est un sous-ensemble de IRnx1 qui est lui-même

un espace vectoriel.

2) Condition nécessaire et suffisante

Soit W, un sous-ensemble non vide de IRnx1 .

   
W est un sous-vectoriel de IRnx1 ssi  λ,μ  IR,  w1, w 2  W,  w1   w 2  W.

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.

Propriété: VCT(E) est un sous-vectoriel de IRnx1 .

4) Une base de VCT(E) est un ensemble de vecteurs L.I. et qui engendrent

VCT(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.).

Recherche d'une base de VCT(E)

Dans la séance n7, nous avons fait remarquer qu'en "plaçant" des vecteurs en ligne dans
une matrice, 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.
De là, on peut déduire que
- Les lignes d'une matrice et celles de sa réduite engendrent le même
sous-vectoriel.
- Les lignes non nulles de la réduite d'une matrice A forment une base du
vectoriel engendré par les lignes de A.

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  
   

5) La dimension de VCT(E) est le nombre de vecteurs dans une base de

VCT(E).

Exemple: dans l'exemple précédent, VCT(E) est de dimension 2.

6) Vectoriel des solutions d'un système linéaire homogène

0 
Soit A  IR mxn
, O=     IRmx1 .
0 

L'ensemble des solutions du système linéaire homogène A.X = O est un sous- vectoriel de

IRnx1 (à démontrer à titre d'exercice).

Comment déterminer une base de ce sous-vectoriel?

1) Résoudre le système A.X = O (cf.séance n3).

2) Ecrire l'ensemble de ses solutions ( IRnx1 ).

3) En exprimant ces solutions en fonction des inconnues secondaires, on voit
apparaître "naturellement" une base du sous-vectoriel des solutions.

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  
xz     
  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.

2. Même question dans IR 4x1 pour les vecteurs

 1   1   1  1   0 
7 0 2 9   4 
 , , ,  , 
1 1 3  5   8 
         
 1  1  0   2  2

 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 

dans la base déterminée.

4. Déterminer une base du sous-vectoriel des solutions du système

 x  y  z  t 0
 .
3x  y  z  2t  0

5. Déterminer une base du sous-vectoriel des solutions du système

 x  2y  2z  3t  0

 2x  y  4z  t  0 .
3x  4y  10z  5t  0


2  0 
6. Si 3  ,  4  sont deux solutions d'un système linéaire homogène, donner
 1  5 

deux autres solutions de ce système. Justifier.

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 

inversible et les trois vecteurs donnés forment une base de IR3x1 .

2. Etant donné qu'on se trouve en présence de 5 vecteurs de IR 4x1 , ceux-ci ne

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.

6. Comme l'ensemble des solutions d'un système linéaire homogène est un

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

Vecteurs et valeurs propres

1. Rappels (cf. cours théorique)

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.

En termes de composantes, cette définition devient:

soit T une transformation linéaire de IRnx1 et MT sa matrice.

 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 

N.B. Cette relation est équivalente à

 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.

On montre, en développant ce déterminant, que dét( MT - λ.I) est un polynôme de degré n en

la variable λ, appelé polynôme caractéristique de M (ou de T).

Les valeurs propres d'une transformation linéaire T de IRnx1 (ou

de sa matrice M) sont les racines de son polynôme caractéristique

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

Soit M  IRnxn . Elle est diagonalisable dans IR ssi

 C  IRnxn inversible telle que C1.M.C est diagonale.

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!!).

2. Comment rechercher les valeurs et vecteurs propres d'une matrice M 

IRnxn ? Comment déterminer si une matrice est diagonalisable?

a) Déterminer le polynôme caractéristique de M, soit dét(M-λI) et en
calculer les éventuelles racines réelles; celles-ci sont les valeurs propres de M.
b) Pour chacune de ces valeurs  , résoudre le système (M-  I).X = 0;
les solutions (il y en a!) sont les vecteurs propres associés à cette valeur propre.
c) La matrice M sera diagonalisable dans IR ssi il existe une base de

IRnx1 constituée de vecteurs propres de M (c'est-à-dire n vecteurs propres de M qui soient

linéairement indépendants).

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

a) Le polynôme caractéristique de M est

1   2  2
dét 
1 4    = (1-λ)(4-λ) + 2 =   5  6 . Ses racines sont λ = 2 et λ = 3 qui sont
 
donc les valeurs propres de M.

Cherchons à présent les vecteurs propres associés à la valeur propre λ = 2.

1  2 2   x  0 
Il s'agit des solutions du système  .  ,
 1 4  2   y  0 

 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 C1.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.

c) Le polynôme caractéristique de M est

1   0 4 
 2   1     4 1     1      2  2  3 
3
dét 2 1 
 
 1 0 1   

= (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.

e) Le polynôme caractéristique de M est

0   1 1 
dét  1 0 1   3  3  2   1       2  .
2
 
 1 1 0   

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  .
 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
02 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 N10: ESPACES VECTORIELS REELS IV

Diagonalisation dans une base orthonormée

Formes quadratiques

I. Diagonalisation dans une base orthonormée: rappels

 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
   
i1
 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.

Par conséquent, si A est une matrice symétrique:

1. A est diagonalisable (il existe une base de IRnx1 formée de vecteur propres
de A (cf. séance n22));

2. A est diagonalisable dans une base orthonormée (il existe une base

orthonormée de IRnx1 formée de vecteurs propres de A);

 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 

Comment déterminer une base orthonormée de IRnx1 constituée de vecteurs propres

d'une matrice symétrique A donnée?

a. Déterminer les valeurs propres de A (cf. séance n9).

b. Déterminer les vecteurs propres correspondants et une base de chacun des

sous-espaces ainsi déterminés. Leur réunion sera une base de IRnx1 .

c. 1) S'il y a n valeurs propres distinctes, la base trouvée sera
automatiquement constituée de vecteurs orthogonaux deux à deux; il suffira de les normer
pour obtenir la base cherchée.
2) S'il y a moins de n valeurs propres distinctes, certains sous-
espaces de vecteurs propres seront de dimension supérieure à 1.
Pour ceux-là, on doit choisir une base formée de vecteurs orthogonaux (elle existe!). A cette
10 - 2
condition, la réunion des bases des sous-espaces correspondants aux valeurs propres sera

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
 02 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!).

Une base orthonormée de IR3x1 formée de vecteurs propres de A est donc:

  1   1   1 
 2  6  3
     
  1 , 1  , 1  .
 2  6  3

  0   2   1  
 3  
  6  

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

Soit f une forme bilinéaire symétrique sur un vectoriel réel finidimensionnel V.

On appelle forme quadratique dérivant de f, la fonction

    
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 . Mij .x j qui peut se réécrire
i 1 j 1

n n
g(x) =   Mij 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 .

Remarque: M est nécessairement une matrice symétrique.

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

1. Déterminer les valeurs et vecteurs propres des matrices suivantes.

Déterminer, pour chacune d'entre-elles une base orthonormée dans laquelle
elles sont diagonales.

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 

2. Les formes quadratiques suivantes sont-elles définies positives, définies

négatives, semi-définies positives, semi-définies négatives ou indéfinies?

a. g(x,y) = 3x 2  4xy .

b. g(x,y) = x 2  4xy  4y 2 .

c. g(x,y,z) = 4x 2  3y 2  2xy  3z2  2xz .

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
 23 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   

Ses valeurs propres sont donc λ = 0 et λ = 3.

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 
 

Une base orthonormée de IR3x1 formée de vecteurs propres de M est donc:

  1   1 
  1     
 2  6   3 
   1   1 
  1 , ,  .
 2  6   3 
   2   1 
  0     
  6  3  

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

orthonormée de IR3x1 constituée de vecteurs propres de M, il suffit donc de normer ces

 1   1  
     1  
 3  6  
2 
 1   1   
trois vecteurs. On obtient ainsi:   , , 1   .
 3  6  
 2 
 1   2  
      0  
 3  6 

2. a. g(x,y) indéfinie.

b. g(x,y) semi-définie positive.

c. g(x,y,z) définie positive.

10 - 11
Séance N°11: NOMBRES COMPLEXES

Rappels

C = {a + b.i : a,b ∈ IR, i2 = −1}

Règles de calcul dans C :

∀ a+bi, c+di ∈ C : (a+bi) ± (c+di) = (a±c) + (b±d)i

(a+bi) . (c+di) = (ac - bd) + (ad + bc)i

a + bi a + bi c − di ( ac + bd) + ( bc − ad) i
si c+di ≠ 0 = . =
c + di c + di c − di c 2 + d2

Forme "trigonométrique" d'un nombre complexe:

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

trouver θ (argument de z).

Exemple: soit le nombre complexe z = 1 - i. On a a = 1 et b = -1.

 1
cos θ = π
 2
De là, ρ = (1)2 + ( −1)2 = 2 et  d'où θ = − + 2kπ , k ∈ Z .
 sin θ = −1 4
 2

 −π −π 
On a donc 1 - i = 2  cos + i.sin .
 4 4 

11 - 1
Calculs dans C en utilisant la forme trigonométrique:

Si z1 = ρ1 ( cos θ1 + i sin θ1 ) et z2 = ρ2 ( cos θ2 + i sin θ2 ) , on a

z1z2 = ρ1ρ2 ( cos ( θ1 + θ2 ) + i.sin ( θ1 + θ2 ) )

z1 ρ1
=
z 2 ρ2
( cos ( θ1 − θ2 ) + i.sin ( θ1 − θ2 ) ) (si ρ2 ≠ 0)

z1n = ρ1n ( cosnθ1 + i.sinnθ1 ) (formule de de Moivre)

Détermination des (n) racines complexe non nul

Soit à résoudre:

zn = a+bi (avec a+bi ≠ 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

Exemple: calculer les racines cubiques de z = 1 - i.

Ce problème équivaut à résoudre l'équation z3 = 1 - i.

  π  π 
On a vu précédemment que 1 - i = 2  cos  −  + i sin  −   . Les racines cubiques de ce
  4  4 
nombre sont données par:

−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 

les trois solutions du problème posé.

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

A ces équations, on peut ajouter x 2 + y 2 = a2 + b2 (égalité entre modules).

 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

Calculer les racines carrées de 5+12i.

Il est équivalent de résoudre (dans C) l'équation z2 = 5+12i.

 x2 − y2 = 5  x2 − y2 = 5
 
Si on pose z = x+yi, on a  2xy = 12 ⇔ x2 + y2 = 13 .
 2 
 x + y 2 = 13  xy = 6

En additionnant les deux premières équations, on obtient 2x 2 = 18 , d'où x 2 = 9 ou encore x

= ±3. De la troisième équation, on tire y = ±2. Les racines carrées cherchées sont donc
3+2i et -3-2i.

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

2. Mettre les nombres complexes suivants sous forme trigonométrique:

a. z=1+i
b. z = -4i
c. z= 3 -i

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  

d. Les racines carrées sont: 2 2 + 2 i et −2 2 − 2 i

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

Rappels: RECURRENCES LINEAIRES A COEFFICIENTS CONSTANTS (RLACC)

A) RLACC d’ordre 1

Cas général: Yt +1 = a.Yt + bt [1] t ∈ IN,a ≠ 0

On cherche une suite Yt "vérifiant" cette équation.

Proposition

Une telle RLACC possède une et une seule solution de premier terme Y0 donné.

On appelle Yt +1 = aYt la RLACC homogène associée à [1].

Résolution d'une RLACC

On utilise la règle: SGENH = SGEH + SPENH, c'est-à-dire que la solution générale de

l'équation non homogène [1] est donnée par la somme de la solution générale de l'équation
homogène associée [2] et d'une solution particulière de l'équation [1].

La SGEH, est donnée par Yt = at .C t ∈ IN .

Il reste donc à déterminer une SPENH. Elle dépend de bt . Nous n'examinons ici que deux

formes particulières de bt :

si bt = Kc t avec c ≠ a, on "essaie" Yt = W.c t (où K, W = constantes)

avec c = a, on "essaye" Yt = W.t.c t

si bt = Pn ( t ) .c t avec c ≠ a, on "essaie" Yt = Qn ( t ) .c t

avec c = a, on "essaie" Yt = t.Qn ( t ) .c t

où Pn ( t ) et Qn ( t ) sont des polynômes du ne degré en la variable t.

12 - 1
Exemples:

a) Yt + 1 = Yt + 3 [1]

On a a = 1 et b t = 3 ∀ t. La SGEH est ici Yt = C.

Comme a = 1 et bt = 3 = 3.1t , on est dans le cas c = a. On "essaiera" donc comme SPENH

Yt = W.t.1t = W.t . De là, on a Yt +1 = W(t+1). En remplaçant dans [1], on obtient:

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 .

Si le premier terme Y0 est fixé, on a (en remplaçant t par 0) C = Y0 et la solution

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⎠

Si le premier terme Y0 est fixé, on obtient Y0 = C - 20 d'où C = Y0 + 20 et la solution

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

Une RLACC d'ordre 1 Yt +1 = a.Yt + bt ,a ≠ 0 est stable ssi ⏐a⏐ < 1.

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.

Yt +1 = Yt + 1 est une RLACC instable, sans 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

Cas général: Yt + 2 + a.Yt +1 + b.Yt = c t [1] ( t ∈ IN,b ≠ 0 )

Proposition

Une RLACC d'ordre 2 possède une et une seule solution dont les deux premiers termes Y0

et Y1 sont donnés a priori.

On a, comme pour le premier ordre: SGENH = SGEH + SPENH.

Résolution de la RLACC homogène associée

Il s'agit de Yt + 2 + a.Yt +1 + b.Yt = 0 ( avec b ≠ 0 ) [2]

On appelle équation caractéristique de [2], l'équation du second degré

s2 + a.s + b = 0
Si celle-ci possède deux racines réelles distinctes s1 et s2 , alors la SGEH est

Yt = λ.s1t + μ.s2t ∀λ, μ ∈ IR .

Si celle-ci possède une racine réelle double s1 , alors la SGEH est

Yt = λ.s1t + μ.t.s1t ∀λ, μ ∈ IR

Si celle-ci possède une racine complexe (non réelle) de module ρ et d'argument θ , alors la
SGEH est

Yt = λρt cos θt + μρt sin θt ∀λ, μ ∈ IR

12 - 3
Exemples:

a) Soit Yt + 2 − 5.Yt +1 + 6.Yt = 0 . Il s'agit d'une RLACC homogène d'ordre 2.

Son équation caractéristique est s2 - 5 s + 6 = 0.

Celle-ci possède deux solutions réelles: 2 et 3.

La SGEH est donc: Yt = λ.2t + μ.3t ∀λ, μ ∈ IR .

b) Soit Yt + 2 + Yt +1 + Yt = 0 .

Son équation caractéristique est s2 + s + 1 = 0.

Celle-ci possède deux solutions complexes (conjuguées)
−1 + i 3 −1 − i 3
s1 = et s2 = .
2 2
2π
On a, par exemple, ρ1 = 1 et θ1 = (module et argument de s1 ).
3
2π 2π
La SGEH est donc: Yt = λ.1t cos t + μ.1t sin t ∀λ, μ ∈ IR c'est-à-dire,
3 3
2π 2π
Yt = λ.cos t + μ.sin t ∀λ, μ ∈ IR .
3 3

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

1. Résoudre les RLACC d'ordre 1 suivantes (solution générale) et déterminer

la solution de premier terme Y0 donné:

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⎠

Ces équations sont-elles stables? Ont-elles un équilibre?

2. Résoudre les RLACC homogènes d'ordre 2 suivantes:

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

1. a) SGEH: Yt = C.2t . Cette équation étant homogène, on a ainsi sa

solution générale. La solution de premier terme Y0 = 3 donné est alors Yt = 3.2t . L'équation

est instable, mais possède un équilibre.

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.

2. a) SGEH: Yt = λ.1t + μ.t.1t ou Yt = λ + μ.t ∀λ, μ ∈ IR .

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