Chapitre 1 - Algèbre Linéaire

MT09-Analyse numrique lmentaire
Chapitre 1 : Rvisions dalgbre linaire

quipe de Mathmatiques Appliques
UTC
Avril 2006
Sommaire
Concepts
Exemples
Exercices
Documents
suivant
2
Chapitre I
Algbre linaire - rvisions
I.1 Espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
I.2 Applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
I.3 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
I.4 Dterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
I.5 Systmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
I.6 Valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Documents du chapitre I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Exercices du chapitre I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Sommaire
Concepts
Exemples
Exercices
Documents
chapitre section suivante
3
I.1 Espace vectoriel
I.1.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
I.1.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
I.1.3 Famille libre, famille gnratrice . . . . . . . . . . . . . . . . . . . . . . 7
I.1.4 Base dun espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
4
I.1.1 Gnralits
Exercices :
Exercice I.1
Exercice I.2
Exercice I.3
Documents :
Document I.1
La dnition prcise dun espace vectoriel est donn dans le document rfrenc. Puisque
les principales applications que vous rencontrerez ne feront appel qu IR
n
(ou C
n
) et P
n
(les
polynmes de degr infrieur ou gal n), nous allons illustrer la dnition dans ces deux cas
particuliers.
Commenons par tudier lespace IR
3
des vecteurs x que vous pouvez identier
OM dans
un repre orthonorm (voir gure I.1.1). Vous connaissez la somme des vecteurs et vous
vrierez en exercice quelle est associative, commutative, quil existe un lment neutre
(
0) et que tout vecteur (x) admet un symtrique (x). Cest la loi de composition interne de
lespace vectoriel IR
3
.
Vous savez multiplier un vecteur par un nombre rel (homothtie de rapport ), cest la
deuxime loi de lespace vectoriel dont il est facile de montrer quelle possde les bonnes
proprits.
Lensemble P
n
(polynmes de degr infrieur ou gal n coefcients rels) est muni
aussi dune addition associative, commutative, ayant un lment neutre (le polynme nul)
et telle que tout polynme p a un symtrique p. Vous savez aussi multiplier un polynme
par un nombre rel (il suft de multiplier tous ses coefcients par ) et ce produit possde
aussi les bonnes proprits pour faire de P
n
un espace vectoriel.
Dans les deux exemples prcdents la deuxime loi est constitue du produit dun lment
de lensemble par un nombre rel. On dit donc que les deux ensembles IR
3
et P
n
sont des espaces
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
5
Gnralits
O
M
x
1
x
2
x
3
FIG. I.1.1: Espace
vectoriels sur IR.
Remarque - Considrons maintenant lensemble C des nombres complexes. La loi de com-
position interne est laddition des nombres complexes. Pour la deuxime loi, il y a deux choix
possibles. Si lon considre le produit dun nombre complexe par un nombre rel on obtient
alors un espace vectoriel sur IR, mais, si lon considre le produit dun nombre complexe par un
nombre complexe, on obtient alors un espace vectoriel sur C.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
6
I.1.2 Sous-espace vectoriel
Exercices :
Exercice I.4
Exercice I.5
Exercice I.6
Cours :
Espace vectoriel - Gnralits
Soit E un espace vectoriel sur K (o K reprsente IR ou C), on peut alors dnir un sous-
espace vectoriel de E.
Dnition I.1.1. On appelle sous espace vectoriel F de E un sous ensemble non vide de E qui
reste stable pour les oprations sur E (que lon notera s.e.v. en abrg), cest--dire
x F, y F, x +y F,
K, x F, x F.
Cette dnition est parfois donne sous la forme synthtique suivante
x F, y F, K, K, x +y F.
Par exemple, dans IR
2
, les droites de vecteur directeur x sont des sous-espaces vectoriels (F =
{x, IR}).
Dans IR
3
, les plans engendrs par deux vecteurs x et y non proportionnels sont des sous-
espaces vectoriels (F = {x +y, IR, IR}).
Lespace des polynmes P
k
est un sous-espace vectoriel de P
n
si k n.
Sommaire
Concepts
Exemples
Exercices
Documents
7
I.1.3 Famille libre, famille gnratrice
Exercices :
Exercice I.7
Exercice I.8
Dnition I.1.2. On dit que la famille {x
1
, . . . , x
p
} de vecteurs dun espace vectoriel E est lie
sil existe
1
, ...,
p
K non tous nuls tels que
1
x
1
+
2
x
2
+... +
p
x
p
=
0.
Dans le cas o la famille possde plus de deux vecteurs, cette dnition quivaut dire quil
existe un des vecteurs de la famille qui est combinaison linaire des autres.
Dnition I.1.3. Une famille qui nest pas lie est appele famille libre , dans ce cas on a
{
1
x
1
+
2
x
2
+... +
p
x
p
=
0} {
1
=
2
= ... =
p
= 0}.
Ainsi la famille de vecteurs de IR
2
{x
1
, x
2
, x
3
} = {(1, 0), (0, 1), (1, 2)} est lie puisque x
3
=
x
1
+ 2x
2
. Par contre la famille {x
1
, x
2
} = {(1, 0), (0, 1)} est libre (le dmontrer).
Dnition I.1.4. On dit que la famille {x
1
, . . . , x
p
} de vecteurs dun espace vectoriel E est g-
nratrice si tout vecteur x de E est combinaison linaire de x
1
, x
2
, . . ., x
p
, cest--dire sil existe
1
, ...,
p
K tels que
x =
1
x
1
+
2
x
2
+... +
p
x
p
.
On dit alors que E est engendr par la famille {x
1
, . . . , x
p
} et on note
E = vect < x
1
, . . . , x
p
> .
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
8
I.1.4 Base dun espace vectoriel
Exercices :
Exercice I.9
Exercice I.10
Exercice I.11
Cours :
Famille libre, famille gnratrice
Nous considrons un espace vectoriel E qui admet une famille gnratrice avec un nombre
ni dlments. Par exemple {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est une famille gnratrice de IR
3
et {1, x,
x
2
, . . . , x
n
} est une famille gnratrice de P
n
. Certains espaces vectoriels, par exemple les fonc-
tions continues relles, nont pas de famille gnratrice avec un nombre ni dlments, mais ce
nest pas lobjet de ce cours.
Dnition I.1.5. Une base B = {e
1
, . . . , e
n
} dun espace vectoriel E est une famille libre et
gnratrice.
Un vecteur x de E est une combinaison linaire dlments de B puisque B est une famille
gnratrice et on peut montrer que cette dcomposition est unique (voir exercice I.10 ).
Dnition I.1.6. Un espace vectoriel de dimension nie E est un espace vectoriel qui admet une
base ayant un nombre ni dlments : ce nombre est appel la dimension de E.
Remarquons que, pour un espace vectoriel donn de dimension nie, on peut montrer que
toutes les bases ont le mme nombre dlments, ce qui justie la dnition de la dimension
dun espace vectoriel.
Par exemple, on dnit le vecteur e
i
de IR
n
dont toutes les composantes sont nulles sauf la
ime composante qui vaut 1, alors la famille {e
1
, . . . , e
n
} est une base de IR
n
, ce qui signie que
IR
n
est un espace vectoriel de dimension n. De mme la famille {1, x, x
2
, . . . , x
n
} est une base de
P
n
, donc la dimension de lespace vectoriel P
n
est gale n + 1.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
9
Base dun
espace
vectoriel
Un rsultat intressant (non dmontr), car il simplie les dmonstrations est le suivant :
Proposition I.1.1. Soit E un espace vectoriel de dimension n, alors
- toute famille libre de n vecteurs est une base,
- toute famille gnratrice de n vecteurs est une base.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
10
I.2 Applications linaires
I.2.1 Dnition de lapplication linaire . . . . . . . . . . . . . . . . . . . . . 11
I.2.2 Composition et rciproque des applications linaires . . . . . . . . . . 13
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
11
I.2.1 Dnition de lapplication linaire
Exercices :
Exercice I.12
Exercice I.13
On considre deux espaces vectoriels E et F dnis tous les deux soit sur K = IR, soit sur
K = C. On dnit alors lapplication linaire :
Dnition I.2.1. On appelle application linaire u : E F, une application possdant les
proprits suivantes :
u(x +y) = u(x) +u(y) , x E, y E ,
u(x) = u(x) , x E, K .
Lapplication de IR dans IR qui x associe e
x
nest pas linaire, par contre celle qui x associe
3x est linaire.
Notons que limage par u du vecteur nul de E est le vecteur nul de F (il suft de prendre
= 0 dans la dnition).
Dnition I.2.2. On appelle noyau de u le sous espace vectoriel de E not Ker u tel que :
x Ker u u(x) =
0.
On appelle image de u le sous espace vectoriel de F not Im u form des lments u(x), quand
x parcourt lespace E, soit
y Im u x E , y = u(x).
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
12
Dnition de
lapplication
linaire
Par exemple, si u est lapplication linaire de IR
3
dans R dnie par u(x) = x
1
+ 3x
2
+ 5x
3
o
x = (x
1
, x
2
, x
3
), alors Ker u est le plan x
1
+ 3x
2
+ 5x
3
= 0 et Im u est IR.
Il existe une relation entre les dimensions de ces sous-espaces vectoriels qui est donne par
la proposition (non dmontre) suivante :
Proposition I.2.1. Soit u : E F une application linaire, alors
dim E = dim (Ker u) + dim (Im u).
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
13
I.2.2 Composition et rciproque des applications linaires
Exercices :
Exercice I.14
Documents :
Document I.2
On considre trois espaces vectoriels E, F et G dnis sur le mme corps K (IR ou C).
Dnition I.2.3. Soient f : E F et g : F G deux applications linaires, la compose (g f)
de f et g est une application linaire dnie par
g f : E G
x g[f(x)].
La compose est, en effet une application linaire puisque
(g f)(x +y) = g[f(x +y)] = g[f(x) +f(y)] = g[f(x)] +g[f(y)] = (g f)(x) + (g f)(y),
(g f)(x) = g[f(x)] = g[f(x)] = g[f(x)]] = (g f)(x).
Rappelons que linverse dune application (non ncessairement linaire) se dnit par composi-
tion :
Dnition I.2.4. Soit f une application de E dans F, elle est inversible sil existe une application
de F dans E note f
1
telle que
f
1
f = i
E
et f f
1
= i
F
, (i
E
est lidentit de E dans E).
Lapplication f
1
est appele application rciproque (ou inverse) de f.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
14
Composition
et rciproque
des
applications
linaires
Rappelons aussi quune application est inversible si et seulement si elle est injective et sur-
jective, cest--dire bijective (voir le document rfrenc pour les dnitions) et alors f
1
est
aussi bijective. Dans le cas des applications linaires, on a une caractrisation de linjectivit
par le noyau (la dmonstration est donne dans le document rfrenc) :
Proposition I.2.2. Lapplication linaire u est injective si et seulement si
Ker u = {
0}.
Pour les applications linaires u bijectives, on dmontre que lapplication rciproque u
1
est
aussi linaire.
Sommaire
Concepts
Exemples
Exercices
Documents
15
I.3 Matrices
I.3.1 Dnition des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
I.3.2 Somme et produit de matrices . . . . . . . . . . . . . . . . . . . . . . . 18
I.3.3 Inverse et transpose dune matrice . . . . . . . . . . . . . . . . . . . . 20
I.3.4 Dnition dun changement de base . . . . . . . . . . . . . . . . . . . . 22
I.3.5 Rang dune application linaire, dune matrice . . . . . . . . . . . . . . 24
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
16
I.3.1 Dnition des matrices
Exercices :
Exercice I.15
Exercice I.16
Cours :
Application linaire, noyau, image
On considre deux espaces vectoriels E et F dnis sur le mme corps K (IR ou C) et tels que
dimE = n et dimF = m.
Dnition I.3.1. Soit u : E F une application linaire, on appelle matrice associe u dans
les bases E = {e
1
,e
2
, ..., e
n
} et F = {
f
1
,

f
2
, ...,

f
m
} le tableau A de scalaires (cest--dire dlments
de K) m lignes et n colonnes construit de la faon suivante : la jme colonne de A est constitue
par les composantes dans la base de F du vecteur u(e
j
). Autrement dit si on note a
ij
llment du
tableau A situ la ime ligne et la jme colonne, on a
u(e
j
) =
m
i=1
a
ij

f
i
, 1 j n.
La matrice A est donc reprsente par
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1j
a
1n
a
21
a
22
a
23
a
2j
a
2n
a
31
a
32
a
33
a
3j
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
i3
a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mj
a
mn
_
_
_
_
_
_
_
_
_
_
_
_
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
17
Dnition des
matrices
On dit que la matrice A est de format (m, n), ou de type (m, n) si elle a m lignes et n co-
lonnes et on appellera M
mn
lensemble de telles matrices. (On pourra prciser le corps K si
cest ncessaire.)
Si m = n la matrice est dite carre.
Si m = 1, la matrice est une matrice ligne ou encore un vecteur ligne.
Si n = 1, la matrice est une matrice colonne ou encore un vecteur colonne.
Si m = n et a
ij
= 0 pour i = j, la matrice est diagonale.
Si m = n, si a
ij
= 0 pour i = j et si a
ii
= 1, la matrice est la matrice identit.
Si m = n et a
ij
= 0 pour i < j, la matrice est triangulaire infrieure.
Si m = n et a
ij
= 0 pour i > j, la matrice est triangulaire suprieure.
Par exemple, dans le plan E on peut crire la matrice dune rotation dangle en prenant un
repre orthonorm (on aura F = E, F = E = {e
1
, e
2
}). On a alors :
u(e
1
) = cos e
1
+ sin e
2
, u(e
2
) = sin e
1
+ cos e
2
,
ce qui donne la matrice
A =
_
cos sin
sin cos
_
.
Enn, on notera dans la suite A
j
, 1 j n, la jme colonne de A et A
i
, 1 i m, la ime
ligne de A.
Sommaire
Concepts
Exemples
Exercices
Documents
18
I.3.2 Somme et produit de matrices
Exercices :
Exercice I.17
Exercice I.18
Exercice I.19
Exercice I.20
Cours :
Matrices - dnition
Une matrice se prsente donc comme un tableau de nombres (de IR ou C), mais on ne peut
raisonnablement rien dmontrer sur les matrices sans faire rfrence aux applications linaires
quelles peuvent reprsenter. Nous ferons un usage constant de cette rfrence en considrant
que toute matrice mlignes et n colonnes peut tre considre comme la matrice de lapplication
linaire u : IR
n
IR
m
( ou u : C
n
C
m
) dnie par
u(e
j
) =
m
i=1
a
ij

f
i
, 1 j n
o {e
1
, . . . , e
n
} et {
f
1
, . . . ,

f
m
} sont respectivement les bases de E et F.
On peut ainsi dnir la somme de deux matrices et le produit dune matrice par un scalaire.
Dnition I.3.2. Soient deux matrices A et B de mme format (m, n), on dnit A+B , somme
de A et B comme tant le matrice C, galement de format (m, n), dont le coefcient c
ij
est donn
par
c
ij
= a
ij
+b
ij
, 1 i m 1 j n,
(C est la matrice de lapplication linaire somme des applications linaires reprsentes par A
et B). De mme le produit du scalaire par la matrice A est la matrice, note A obtenue en
multipliant chaque coefcient de A par .
Sommaire
Concepts
Exemples
Exercices
Documents
19
Somme et
produit de
matrices
Soient trois espaces vectoriels E, F et G tels que
dimE = n, dimF = m et dimG = q.
Dnition I.3.3. Soient u : F G et v : E F, on pose w = u v on a donc w : E G.
Soit A la matrice de u dans les bases F et G et B la matrice de v dans les bases E et F. Alors, par
dnition, la matrice de w dans les bases E et G est gale au produit de A par B not AB.
v u
E F G
E B F A G
w = u v
E G
E C = AB G
On peut dmontrer le rsultat suivant :
Proposition I.3.1. Le produit C = AB des deux matrices est donn par la formule suivante :
c
ij
=
m
k=1
a
ik
b
kj
, i = 1, ..., q , j = 1, ..., n.
Proposition I.3.2. Soit u une application linaire de E dans F , on note y = u(x), soient E et
F deux bases respectives de E et F, soient x
1
, x
2
, ..., x
n
(resp y
1
, y
2
, ..., y
p
) les composantes de x
(resp y) dans la base E (resp F) on note
X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
et Y =
_
_
_
_
_
y
1
y
2
.
.
.
y
p
_
_
_
_
_
.
Si A est la matrice associe u dans les bases E et F , on a alors : Y = AX.
La dmonstration est propose en exercice.
Sommaire
Concepts
Exemples
Exercices
Documents
20
I.3.3 Inverse et transpose dune matrice
Exercices :
Exercice I.21
Exercice I.22
Exercice I.23
Cours :
Matrices - somme et produit
Soit u une application linaire et bijective de E dans E, alors elle est inversible et la matrice
A qui lui correspond est carre. La matrice qui corespond u
1
est note A
1
et vrie
AA
1
= A
1
A = I,
do la dnition.
Dnition I.3.4. Soit A une matrice carre, la matrice inverse de A note A
1
, si elle existe, est
dnie par
AA
1
= A
1
A = I.
Linverse dune matrice, sil existe est unique (voir exercice I.22 ). Dautre part, puisque
ABB
1
A
1
= B
1
A
1
AB = I
on en dduit que
(AB)
1
= B
1
A
1
.
Dnition I.3.5. Soit A M
mn
, on appelle transpose de A la matrice note A
T
appartenant
M
nm
obtenue en changeant les lignes et les colonnes de A, on a donc
(A
T
)
ij
= a
ji
, i = 1, . . . , n, j = 1, . . . , m.
Sommaire
Concepts
Exemples
Exercices
Documents
21
Inverse et
transpose
dune matrice
On peut dmontrer trs facilement les proprits suivantes :
(A
T
)
T
= A, (A+B)
T
= A
T
+B
T
, (A)
T
= A
T
.
Si X et Y sont deux vecteurs colonnes alors X
T
Y = Y
T
X est un scalaire de K (IR ou C) et plus
prcisment on a : X
T
Y = Y
T
X =
m
i=1
x
i
y
i
.
Lorsque le produit AB existe, alors on a (AB)
T
= B
T
A
T
. Cela se dmontre aisment en
comparant les lments des deux matrices.
Sommaire
Concepts
Exemples
Exercices
Documents
22
I.3.4 Dnition dun changement de base
Exercices :
Exercice I.24
Exercice I.25
Dnition I.3.6. Soit E = {e
1
, e
2
, . . . , e
n
} et E
= {
1
,
2
, . . . ,
n
} deux bases de E, on appelle
matrice de passage de la base E la base E
la matrice P dnie par :

P =
1

e
2
. . .

e
j
. . .

e
n
_
_
_
_
_
_
_
_
p
11
p
12
. . . p
1j
. . . p
1n
p
21
p
22
. . . p
2j
. . . p
2n
. . . . . . . . . . . . . . . . . .
p
i1
p
i2
. . . p
ij
. . . p
in
. . . . . . . . . . . . . . . . . .
p
n1
p
n2
. . . p
nj
. . . p
nn
_
_
_
_
_
_
_
_
e
1
e
2
. . .
e
i
. . .
e
n
qui est donc obtenue en mettant en colonnes les composantes, dans "lancienne base" E des vec-
teurs de la "nouvelle base" E
.
La matrice P est inversible et son inverse P
1
est la matrice de passage de E
E. Les rsul-
tats suivants (voir le chapitre 2 de MT23) permettent de calculer les composantes dun vecteur
(resp. la matrice dune application linaire u) dans la nouvelle base partir des composantes
(resp. la matrice de u) dans lancienne base.
Proposition I.3.3. - Transformation des composantes par changement de base - Soit
x E et soit (x
1
, x
2
, . . . , x
n
) et (x
1
, x
2
, . . . , x
n
) les composantes de x dans les bases E et E
, alors
Sommaire
Concepts
Exemples
Exercices
Documents
23
Dnition
dun
changement
de base
on a
X = PX
ou encore X
= P
1
X, avec X =
_
_
_
x
1
.
.
.
x
n
_
_
_ et X
=
_
_
_
x
1
.
.
.
x
n
_
_
_.
Thorme I.3.1. - Transformation des matrices par changement de base - Soit u
L(E; E), A et A
les matrices reprsentant u dans les bases E et E
, alors si P est la matrice de

passage de E E
, on a la relation
A
= P
1
AP.
(A et A
sont dites semblables.)

Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
24
I.3.5 Rang dune application linaire, dune matrice
Exercices :
Exercice I.26
Cours :
Application linaire, noyau, image
Dnition I.3.7. Soit u une application linaire de E dans F, on appelle rang de u et on note
rang (u) la dimension de Im u (image de u).
Puisque Im u est un sous-espace vectoriel de F, on a rang (u) dim F avec galit si u est
surjective. Dautre part, on a vu que
dim E = dim (Ker u) + dim (Im u)
donc on a aussi rang (u) dim E.
mn
, on appellera Im A, le sous espace vectoriel constitu des vec-
teurs colonnes qui scrivent Y = AX.
Im A est le sous-espace vectoriel engendr par les colonnes de A, notes A
1
, A
2
, . . . , A
n
,
puisque
Y Im A Y = AX Y =
n
i=1
x
i
A
i
.
On peut aussi dnir le noyau Ker A dune matrice A de la faon suivante :
Dnition I.3.9. On appelle noyau dune matrice A le sous espace vectoriel not Ker A, dni
par :
Ker A = {X M
n1
, AX = 0}.
On a le rsultat suivant (dj nonc dans le paragraphe rfrenc pour les applications
linaires) :
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
25
Rang dune
application
linaire,
dune matrice
Thorme I.3.2. Soit A M
mn
, alors dim [Ker A] + dim [Im A] = n.
mn
, on appelle rang de A et on note rang (A), la dimension du
sous-espace vectoriel Im A.
Les rsultats suivants sont dmontrs dans le chapitre 2 de MT23 :
Soit u L(E; F) et A une matrice reprsentant u (dans des bases arbitraires de E et F)
alors rang (u) = rang (A).
A et A
T
ont le mme rang.
Calcul pratique du rang dune matrice Il rsulte de la dnition et des rsultats prcdents
que le calcul pratique du rang dune matrice se ramne au calcul du nombre de colonnes linai-
rement indpendantes ou du nombre de lignes linairement indpendantes suivant que lun se
calcule plus facilement que lautre.
On peut aussi dduire le rang dune matrice partir du rang de lapplication linaire u associe
si celui-ci est connu.
On verra dans le paragraphe sur les dterminants une autre faon de calculer le rang dun
matrice.
Sommaire
Concepts
Exemples
Exercices
Documents
26
I.4 Dterminants
I.4.1 Dnition du dterminant par rcurrence . . . . . . . . . . . . . . . . . 27
I.4.2 Le dterminant et les colonnes . . . . . . . . . . . . . . . . . . . . . . . 29
I.4.3 Proprits essentielles du dterminant . . . . . . . . . . . . . . . . . . 31
I.4.4 Proprits lies au rang . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
27
I.4.1 Dnition du dterminant par rcurrence
Exercices :
Exercice I.27
Exercice I.28
Comme vous allez le comprendre ds la dnition, la notion de dterminant ne peut tre
introduite que pour les matrices carres.
n,n
, on dnit par rcurrence une application :
dt : M
n,n
K
A dt A
de la manire suivante :
si n = 1, A = (a), on pose dt A = a,
si n > 1, notons A
|i,j|
la matrice obtenue partir de A en supprimant la i
e
ligne et la j
e
colonne, on pose alors
dt A = a
11
dt A
|1,1|
+. . . + (1)
k+1
a
1k
dt A
|1,k|
+. . . + (1)
n+1
a
1n
dt A
|1,n|
. (I.4.1)
Le scalaire dt A est dit dterminant de A et on le note habituellement
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
.
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
28
Dnition du
dterminant
par
rcurrence
Ainsi,
a
11
a
12
a
21
a
22
= a
11
a
22
a
12
a
21
et
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
= a
11
a
22
a
23
a
32
a
33
a
12
a
21
a
23
a
31
a
33
+a
13
a
21
a
22
a
31
a
32
,
ce qui donne
dt A = a
11
a
22
a
33
a
11
a
23
a
32
a
12
a
21
a
33
+a
12
a
31
a
23
+a
13
a
21
a
32
a
13
a
22
a
31
.
Proposition I.4.1. La dnition permet dobtenir immdiatement les proprits suivantes :
1. Le dterminant dune matrice triangulaire infrieure est gal au produit des termes diago-
naux.
2. Le dterminant dune matrice diagonale est gal au produit des termes diagonaux. En par-
ticulier le dterminant de la matrice identit est gal 1.
3. Si A est la matrice dont les termes sont les conjugus de ceux de A alors
dt A = dt A.
Sommaire
Concepts
Exemples
Exercices
Documents
29
I.4.2 Le dterminant et les colonnes
Exercices :
Exercice I.29
Exercice I.30
Exercice I.31
Une illustration du thorme suivant a t donne dans lexercice I.27 (pour la dmonstra-
tion voir le chapitre 3 de MT23).
Thorme I.4.1. Le dterminant est une fonction linaire de chaque colonne, donc une appli-
cation multi-linaire de lensemble des colonnes, cest dire
dt (A
1
, . . . , A
k1
, A
k
, A
k+1
, . . . , A
n
) = dt (A
1
, . . . , A
k1
, A
k
, A
k+1
, . . . , A
n
) (I.4.2)
dt (A
1
, . . . , A
k1
, B +C, A
k+1
, . . . , A
n
) = dt (A
1
, . . . , A
k1
, B, A
k+1
, . . . , A
n
)
+dt (A
1
, . . . , A
k1
, C, A
k+1
, . . . , A
n
).
(I.4.3)
( K, B et C sont des vecteurs colonnes).
En consquence, si A M
n,n
, on a
dt (A) = dt (A
1
, . . . , A
n
) =
n
dt A
puisque "on sort un par colonne" et
dt (A
1
, . . . , A
k1
, 0, A
k+1
, . . . , A
n
) = 0
puisque une colonne nulle peut tre considre comme le produit du rel 0 par une colonne
quelconque. Le rsultat important suivant a aussi t dmontr dans le chapitre 3 de MT23 :
Sommaire
Concepts
Exemples
Exercices
Documents
30
Le
dterminant
et les
colonnes
n,n
.
1. Si deux colonnes sont gales, le dterminant est nul.
2. Si on change entre elles deux colonnes de la matrice, le dterminant change de signe.
3. Le dterminant dune matrice ne change pas si une colonne on ajoute une combinaison
linaire des autres colonnes.
Sommaire
Concepts
Exemples
Exercices
Documents
31
I.4.3 Proprits essentielles du dterminant
Exercices :
Exercice I.32
Exercice I.33
Exercice I.34
Cours :
Dterminant et colonnes
Les rsultats de ce paragraphe sont la base de la thorie des systmes linaires et ne seront
pas dmontrs.
n,n
, alors dt A = dt A
T
.
Ce rsultat permet dtendre de manire vidente aux lignes les proprits du dterminant
lies aux colonnes de la matrice. En particulier
1. le dterminant est une fonction multilinaire de chacune des lignes,
2. si une matrice a deux lignes gales, le dterminant est nul,
3. si lon change deux lignes de A, le dterminant change de signe,
4. le dterminant dune matrice ne change pas si une ligne, on ajoute une combinaison
linaire des autres lignes.
Les proprits prcdentes permettent de calculer pratiquement le dterminant par rcurrence
partir de nimporte quelle ligne ou nimporte quelle colonne :
Thorme I.4.4. On a les formules suivantes :
(i) Dveloppement suivant la i
e
ligne
dt A = a
i1
cof(a
i1
) +a
i2
cof(a
i2
) +. . . +a
in
cof(a
in
). (I.4.4)
Sommaire
Concepts
Exemples
Exercices
Documents
32
Proprits
essentielles
du
dterminant
(ii) Dveloppement suivant la j
e
colonne
dt A = a
1j
cof(a
1j
) +a
2j
cof(a
2j
) +. . . +a
nj
cof(a
nj
). (I.4.5)
o
cof(a
ij
) = (1)
i+j
dt A
|i,j|
sappelle le cofacteur de llment a
ij
.
Le thorme suivant est lun des plus utiliss de lalgbre linaire :
Thorme I.4.5.
A est inversible dt A = 0.
Le dterminant dun produit est donn par le thorme suivant
Thorme I.4.6. Soient A, B M
n,n
alors dt (AB) = dt A dt B.
De ce thorme on peut dduire que si une matrice est inversible, alors
dt (AA
1
) = dt A dt A
1
= dt I = 1.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
33
I.4.4 Proprits lies au rang
Exercices :
Exercice I.35
Cours :
Rang
La notion de rang est essentielle dans la rsolution des problmes de lissage (dits aussi
problmes de moindres carrs) que nous traiterons par la suite.
m,n
, on appelle matrice extraite de A une matrice obtenue en
slectionnant des lignes et des colonnes de A. On peut donc se dnir une matrice extraite par
deux ensembles dindices
I = {i
1
, i
2
, . . . , i
p
} {1, 2, . . . , m}, J = {j
1
, j
2
, . . . , j
q
} {1, 2, . . . , n},
les lments de la matrice extraite

A M
p,q
sont alors a
kl
= a
i
k
,j
l
.
Par exemple si I = {1, 3}, J = {2, 3, 5}
A =
_
_
1 7 5 6 8
3 4 8 1 6
7 5 4 3 2
_
_
, alors

A =
_
7 5 8
5 4 2
_
.
Notation. En relation avec cette notion de matrice extraite on peut dnir une matrice par
"blocs", par exemple
A =
_
A
11
A
12
A
21
A
22
_
o A
ij
M
m
i
,n
j
, on a donc A M
m,n
avec m = m
1
+m
2
et n = n
1
+n
2
.
m,n
alors le rang de A est le plus grand entier r tel quil existe une
matrice carre inversible

A M
r,r
extraite de A.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
34
Proprits
lies au rang
Ce thorme sert parfois dterminer le rang dune matrice mais plutt, si on connat le
rang r de A, on sait quil est possible dextraire de A une matrice r r inversible. Ce thorme
sert aussi dmontrer la proposition qui avait dj t nonce dans le paragraphe rfrenc.
Proposition I.4.2. On a rang (A) = rang (A
T
).
Dmonstration. Si

A est une matrice carre inversible extraite de A alors

A
T
est une ma-
trice carre inversible extraite de A
T
et donc le rsultat est une consquence du thorme pr-
cdent.
On peut alors caractriser linversibilit dune matrice par son rang.
Proposition I.4.3. Soit A M
n,n
,
A est inversible dt A = 0 Ker A = {0} rang A = n.
Sommaire
Concepts
Exemples
Exercices
Documents
35
I.5 Systmes linaires
I.5.1 Systmes linaires matrice carre . . . . . . . . . . . . . . . . . . . . 36
I.5.2 Systmes linaires de dimension quelconque . . . . . . . . . . . . . . . 38
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
36
I.5.1 Systmes linaires matrice carre
Exercices :
Exercice I.36
Dans la rsolution des systmes linaires on a lhabitude de noter x et non pas X le vecteur
des inconnues dont les composantes sont (x
1
, . . . , x
n
) et b le second membre dont les composantes
sont (b
1
, . . . , b
n
). De la dnition de limage de A, on dduit que, si A M
nn
, le systme Ax = b
admet une solution si et seulement si b Im A. Mais ce rsultat thorique est difcilement
vriable ! Le thorme suivant, par contre, est essentiel.
nn
, le systme Ax = b admet une solution unique si et seulement si
dtA = 0
Dmonstration. Si dt A = 0, A est inversible et on constate alors que x = A
1
b est lunique
solution de Ax = b.
Rciproquement, si dt A = 0, A nest pas inversible et Ker A nest pas rduit 0. Donc il existe
un x
non nul vriant Ax
= 0 et le systme Ax = b ne peut admettre une solution unique

puisque, si x est solution, x +x
est une autre solution.

Le thorme suivant donne la solution "thorique" dun systme matrice carre, encore dit
systme de Cramer et la dmonstration de ce systme est donne dans le chapitre 3 du cours
de MT23.
n,n
et soit le systme Ax = b. Alors pour tout j = 1, 2, . . . , n, on a la
formule de Cramer :
dt (A
1
, A
2
, . . . , A
i1
, b, A
i+1
, . . . , A
n
) = x
i
dt A. (I.5.1)
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
37
Systmes
linaires
matrice
carre
Ceci permet aussi de calculer linverse dune matrice A, puisque chaque colonne X
i
de A
1
est solution de AX
i
= I
i
o I
i
est la ime colonne de I.
Thorme I.5.3. Linverse de A est donne par
A
1
=
1
dt A
(co(A))
T
, (I.5.2)
o
co(A)
ij
= cof(a
ij
) = (1)
i+j
dt A
|i,j|
.
(La matrice co(A) sappelle co-matrice de A.)
Comme pour les systmes linaires, les formules de Cramer ne sont pas utilises pour calcu-
ler numriquement linverse, on leur prfre des mthodes plus conomiques par exemple des
mthodes numriques. En revanche les formules de Cramer sont utilises pour le calcul formel.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
38
I.5.2 Systmes linaires de dimension quelconque
Exercices :
Exercice I.37
Exercice I.38
Cours :
Rang
On veut rsoudre un systme linaire de n quations p inconnues (A M
n,p
) :
Ax = b x IR
p
b IR
n
.
b = 0 - On dit que le systme est homogne. On est donc amen chercher les vecteurs x
tels que Ax = 0 ce qui correspond au noyau de A. Ce systme a donc au moins toujours
la solution nulle. La rsolution pratique utilise la mthode dlimination de Gauss pour
rsoudre Ax = 0.
On va traiter maintenant en dtail lexemple suivant :
_
_
x
1
+x
2
+x
3
= 0
x
1
+2x
2
x
3
= 0
x
1
+3x
3
= 0
2x
1
+x
2
+4x
3
= 0
_
x
1
+x
2
+x
3
= 0
+x
2
2x
3
= 0
x
2
+2x
3
= 0
x
2
+2x
3
= 0
_
x
1
+x
2
+x
3
= 0
+x
2
2x
3
= 0

_
x
2
= 2x
3
x
1
= 3x
3
x = x
3
_
_
3
2
1
_
_
On a donc obtenu lensemble des vecteurs de Ker A, qui sont solutions de Ax = 0. On voit
que la dimension de Ker A est 1, donc on obtient le rang de A savoir (3 1). En fait cest
de cette faon que trs souvent on dtermine le rang de A.
b = 0 - On dit que le systme est inhomogne. Cette fois il ny a plus de solution vidente
et il est possible quil nexiste aucune solution. La mthode consiste utiliser la mthode
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
39
Systmes
linaires de
dimension
quelconque
dlimination de Gauss pour rsoudre Ax = b et voir sil nexiste pas dquations incom-
patibles (cest--dire avec le mme premier membre mais des seconds membres diffrents).
Regardons sur un exemple :
_
_
x
1
+x
2
+x
3
= 1
x
1
+2x
2
x
3
= 1
x
1
+3x
3
= 3
2x
1
+x
2
+4x
3
= 4
_
x
1
+x
2
+x
3
= 1
+x
2
2x
3
= 2
x
2
+2x
3
= 2
x
2
+2x
3
= 2
_
x
1
+x
2
+x
3
= 1
+x
2
2x
3
= 2

_
x
2
= 2x
3
2
x
1
= 3x
3
+ 3
x =
_
_
3x
3
+ 3
2x
3
2
x
3
_
_
= x
3
_
_
3
2
1
_
_
+
_
_
3
2
0
_
_
.
On trouve donc les solutions du systme Ax = b en sommant les solutions du systme
homogne et une solution particulire du systme non homogne. Par contre le systme
suivant na pas de solution (voir lexercice I.38 ) :
_
_
x
1
+x
2
+x
3
= 1
x
1
+2x
2
x
3
= 1
x
1
+3x
3
= 3
2x
1
+x
2
+4x
3
= 2
Sommaire
Concepts
Exemples
Exercices
Documents
40
I.6 Valeurs propres
I.6.1 Valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
I.6.2 Valeurs propres et matrices semblables . . . . . . . . . . . . . . . . . . 43
I.6.3 Diagonalisation des matrices . . . . . . . . . . . . . . . . . . . . . . . . 45
I.6.4 Valeurs propres et matrices dnies positives . . . . . . . . . . . . . . 47
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
41
I.6.1 Valeurs propres
Exercices :
Exercice I.39
Exercice I.40
Dnition I.6.1. On dit que K est une valeur propre de A M
n,n
sil existe un vecteur
Y M
n,1
, Y = 0 tel que
AY = Y. (I.6.1)
Dans ce cas on dit que Y est un vecteur propre associ la valeur propre et que (, Y ) est un
couple propre de A.
Dnition I.6.2. On appelle polynme caractristique de A le polynme
A
(s) = dt (sI A).
Proposition I.6.1. Une condition ncessaire et sufsante pour que soit valeur propre de A est
quelle soit racine du polynme caractristique, cest dire :
dt (I A) = 0. (I.6.2)
Dmonstration. Si lon crit la dnition, on a :
est valeur propre deA Y = 0 | (I A)Y = 0
(I A) nest pas inversible dt (I A) = 0.
Pratiquement, les valeurs propres dune matrice A sont les racines du polynme dt (AsI) (qui
a videmment les mmes racines que le polynme caracatristique). La recherche des vecteurs
propres se fait en rsolvant alors le systme AY
i
=
i
Y
i
.
On a les proprits suivantes :
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
42
Valeurs
propres
Les valeurs propres dune matrice triangulaire sont ses termes diagonaux.
A non inversible 0 est valeur propre de A.
A et A
T
ont les mmes valeurs propres mais pas les mmes vecteurs propres.
Proposition I.6.2. Une matrice A M
nn
admet n valeurs propres complexes comptes avec
leur ordre de multiplicit.
Si on appelle
1
, ...,
n
ces valeurs propres (distinctes ou confondues), on a
trace (A) =
n
i=1
i
, dt A =
n
i=1
i
Sommaire
Concepts
Exemples
Exercices
Documents
43
I.6.2 Valeurs propres et matrices semblables
Exercices :
Exercice I.41
Dnition I.6.3. Deux matrices A M
n,n
et B M
n,n
sont dites semblables, sil existe une
matrice inversible P M
n,n
telle que B = P
1
AP.
Il est vident que deux matrices semblables ont le mme dterminant. Par contre, la r-
ciproque est fausse cest--dire que deux matrices qui ont le mme dterminant ne sont pas
toujours semblables.
Proposition I.6.3. Deux matrices semblables ont le mme polynme caractristique et en parti-
culier les mmes valeurs propres.
Dmonstration - Si A et B sont des matrices semblables, alors
sI B = sI P
1
AP = sP
1
P P
1
AP = P
1
(sI A)P
et donc
dt (sI B) = dt (P
1
(sI A)P) = dt P
1
dt (sI A)dt (P) = dt (sI A),
cest--dire
A
=
B
.
Attention! Si A et B sont semblables, elles ont bien les mmes valeurs propres mais pas les
mmes vecteurs propres, cependant nous allons exhiber une relation entre les deux. En effet si
(, Y ) est un couple propre de A, on a
AY = Y = PBP
1
Y = Y = BP
1
Y = P
1
Y
Sommaire
Concepts
Exemples
Exercices
Documents
44
Valeurs
propres et
matrices
semblables
donc Z = P
1
Y est un vecteur propre de B associ la valeur propre (ce qui, au passage,
constitue une autre dmonstration de la proposition prcdente).
Remarquons que la mthode dlimination de Gauss transforme un systme Ax = b en un
systme quivalent Ux = c qui a la mme solution et dont la matrice U est triangulaire sup-
rieure. Malheureusement les matrices A et U ne sont pas semblables et llimination de Gauss
ne permet pas de calculer les valeurs propres de A.
Sommaire
Concepts
Exemples
Exercices
Documents
45
I.6.3 Diagonalisation des matrices
Exercices :
Exercice I.42
On a souvent lhabitude de ne considrer que des matrices coefcients rels. Mais elles ne
sont que des cas particuliers des matrices coefcients complexes. Ce paragraphe a pour but de
savoir dans quel cas on peut trouver une matrice diagonale D semblable une matrice donne
A. Les lments de la diagonale de D seront alors les valeurs propres de Aqui sont intressantes
connatre, en particulier dans de nombreuses applications de la physique, mme si elles sont
complexes.
Dnition I.6.4. On dit que la matrice A M
n,n
est diagonalisable dans IR (resp. dans C) si
elle est semblable une matrice D M
n,n
(IR) (resp. D M
n,n
(C)) diagonale.
Puisque A et D sont semblables, il existe une matrice P telle que
D = P
1
AP AP = PD,
ce qui est quivalent AY
i
=
i
Y
i
(o Y
1
, . . . , Y
n
sont les colonnes de P et
1
, ...,
n
sont les
termes diagonaux de D). Donc la diagonale de D est constitue des valeurs propres de A et les
colonnes de P sont les vecteurs propres correspondants.
Les rsultats suivants, utiles mais dlicats dmontrer, se trouvent dans le chapitre 5 de
MT23 :
nn
(IR) une matrice symtrique, alors
1. A a toutes ses valeurs propres relles,
Sommaire
Concepts
Exemples
Exercices
Documents
46
Diagonalisation
des matrices
2. il existe une base orthonorme de IR
n
constitue de vecteurs propres de A (on utilise le
produit scalaire usuel de IR
n
),
3. A est diagonalisable dans IR. Plus prcisment, il existe une matrice P orthogonale telle que
D = P
T
AP soit une matrice diagonale.
On rappelle que :
le produit scalaire usuel de IR
n
est celui qui deux vecteurs x et y fait correspondre le
rel x
T
y =
n
i=1
x
i
y
i
. A ce produit scalaire on associe la norme euclidienne dnie par :
(||x|| =

x
T
x =
_
n
i=1
x
2
i
).
Deux vecteurs sont orthogonaux si et seulement si leur produit scalaire est nul.
Une base orthonorme de vecteur est telle que les vecteurs sont orthogonaux deux deux
et que la norme de chacun deux est gale 1.
Une matrice Q M
nn
(IR) est orthogonale si et seulement si Q
T
Q = I.
Si Q est orthogonale, alors ses colonnes Q
i
sont des vecteurs orthonorms de IR
n
(la notion
de matrice orthogonale sera reprise dans le chapitre sur les moindres carrs).
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
47
I.6.4 Valeurs propres et matrices dnies positives
Exercices :
Exercice I.43
Exercice I.44
Cours :
Diagonalisation des matrices
Dnition I.6.5. On dit quune matrice A M
nn
(IR) symtrique est semi-dnie positive si
x
T
Ax 0 x IR
n
.
On dit quelle est dnie positive si de plus
x
T
Ax = 0 x = 0.
Si B M
mn
(IR), alors les matrices BB
T
M
mm
(IR) et B
T
B M
nn
(IR) sont symtriques.
Proposition I.6.4. Soit B M
mn
(IR), alors
B
T
B est semi-dnie positive,
supposons n m et B de rang n, alors B
T
B est dnie positive.
La dmonstration est laisse en exercice.
Proposition I.6.5. Soit A M
nn
(IR) une matrice symtrique. Alors A est dnie positive (resp.
semi-dnie positive) si et seulement si ses valeurs propres sont strictement positives (resp. posi-
tives ou nulles).
Dmonstration - La dmonstration se fait en deux parties :
Supposons que A soit dnie positive (resp. semi-dnie positive) et soit (, Y ) un couple
propre de A, cest--dire
AY = Y Y
T
AY = Y
T
Y.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
48
Valeurs
propres et
matrices
dnies
positives
Puisque Y est un vecteur propre, ce nest pas un vecteur nul et donc on a Y
T
AY > 0 (resp.
Y
T
AY 0) et Y
T
Y > 0, ce qui donne > 0 (resp. 0).
Rciproque : Supposons que les valeurs propres de A soient strictement positives (resp.
positives ou nulles). Puisque A est symtrique, il existe une base orthonorme de vecteurs
propres (voir le paragraphe rfrenc) que lon note {Y
1
, . . . , Y
n
}. Considrons un vecteur
x quelconque de IR
n
, alors
x =
n
i=1
i
Y
i
x
T
Ax =
_
n
i=1
i
Y
T
i
_
A
_
_
n
j=1
j
Y
j
_
_
=
n
i=1
2
i
i
.
Et donc, x
T
Ax 0 pour tout x IR
n
et, si les valeurs propres sont strictement positives,
x
T
Ax = 0
2
i
= 0 x = 0.
Remarquons quune matrice symtrique dnie positive na pas de valeur propre nulle, elle est
donc inversible.
Sommaire
Concepts
Exemples
Exercices
Documents
49
Documents du chapitre I
I.1 Dnition de lespace vectoriel . . . . . . . . . . . . . . . . . . . . . . . 50
I.2 Injectivit, surjectivit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
50
Document I.1 Dnition de lespace vectoriel
Dnition I.6.6. Un espace vectoriel sur K (K = IR ou C) est un ensemble E (dont on appelle
vecteurs les lments ) possdant les deux lois suivantes :
laddition de vecteurs (loi interne qui donne E une structure de groupe commutatif),cest
dire que, pour tout x, y, z de E, :
associativit : (x +y) +z = x + (y +z),
existence dun lment neutre e E : x +e = e +x = x
tout lment x E a un symtrique x
E : x +x
= x
+x = e,
commutativit : x +y = y +x.
le produit dun vecteur par un lment de K (loi externe dont le rsultat est une vecteur de
E) qui possde les proprits suivantes :
, K, x, y E :
()x = (x)
( +)x = x +x
(x +y) = x +y
1x = x (1 lment unit de K ).
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
51
Document I.2 Injectivit, surjectivit
Par dnition une application f : E F est surjective si Imf = F. Elle est injective si
x E, y E f(x) = f(y) x = y,
ce qui veut dire que deux lments distincts ont des images distinctes.
Pour les applications linaires, on a la caractrisation suivante de linjectivit :
Proposition I.6.6.
Une application linaire u est injective si et seulement si ker u = {
0}.
Dmonstration - - Supposons que u est injective et soit x ker u, alors on a
u(x) =
0 et u(
0) =
0
do x =
0 par injectivit et ker u = {
0}.
- Rciproquement, soient x et x
deux vecteurs tels que u(x) = u(x
), alors, par linarit, on

a u(x x
) =
0 et comme ker u = {
0}, x x
0, do u est injective.
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre
52
Exercices du chapitre I
I.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
I.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
I.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
I.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
I.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
I.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
I.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
I.8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
I.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
I.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
I.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
I.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
I.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
I.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
I.15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
I.16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
I.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
I.18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
I.19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
I.20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
I.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
I.22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
I.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
I.24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
I.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre
53
I.26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
I.27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
I.28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
I.29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
I.30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
I.31 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
I.32 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
I.33 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
I.34 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
I.35 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
I.36 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
I.37 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
I.38 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
I.39 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
I.40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
I.41 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
I.42 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
I.43 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
I.44 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
54
Exercice I.1
Montrer que la somme de vecteurs et le produit dun vecteur par un nombre rel donnent
IR
3
une structure despace vectoriel sur IR.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
55
Exercice I.2
Montrer que la somme de polynmes et le produit dun polynme par un nombre rel donnent
P
n
(polynmes de degr infrieur ou gal n coefcients rels) une structure despace vecto-
riel sur IR.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
56
Exercice I.3
Montrer que lensemble des polynmes de degr exactement gal n nest pas un espace
vectoriel.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
57
Exercice I.4
Montrer que si x est un vecteur de IR
2
, alors F = {x, IR} est un sous-espace vectoriel
de IR
2
.
Montrer que si x et y sont deux vecteurs de IR
3
, alors F = {x + y, , IR} est un
sous-espace vectoriel de IR
3
.
Montrer que lespace des polynmes P
k
est un sous-espace vectoriel de P
n
si k n.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
58
Exercice I.5
Montrer que si F et G sont deux sous-espaces vectoriels de E alors F G est un sous-espace
vectoriel de E alors que F G ne lest pas (en gnral).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
59
Exercice I.6
Soient F et G deux sous-espaces vectoriels de E et soit
H = {x = y +z, y F, z G}.
On note alors H = F +G et on appelle H la somme de F et G.
Reprsenter graphiquement un lment de H lorsque E = IR
3
, F est un plan vectoriel et
G une droite vectorielle (non contenue dans le plan).
Montrer que H est un sous-espace vectoriel de E.
Que vaut H dans le cas particulier de la premire question? Que vaut F G dans ce mme
cas ?
Montrer que si F G = {
0}, y et z sont uniques pour un x donn. On dit alors que F + G

est une somme directe et on note F G.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
60
Exercice I.7
Donner une famille lie de vecteurs de IR
3
(donner les vecteurs par leurs composantes).
Montrer que la famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de vecteurs de IR
3
donns par leurs com-
posantes est libre. Montrer quelle est aussi gnratrice.
En vous inspirant de la question prcdente, donner une famille libre et gnratrice de
IR
n
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
61
Exercice I.8
La famille S = {(1, 1, 1), (1, 1, 1), (
2,
2, 3)} est-elle lie ?

retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
62
Exercice I.9
Montrer que la famille {1, x, x
2
, . . . , x
n
} de polynmes de P
n
est une base de P
n
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
63
Exercice I.10
Soit B = {e
1
, . . . , e
n
} une base de lespace vectoriel E et soit x E. En raisonnant par
labsurde, montrer que la dcomposition de x sur B est unique, cest--dire quil existe
1
,
2
,. . .
,
n
uniques tels que
x =
1
e
1
+. . . +
n
e
n
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
64
Exercice I.11
partir des vecteurs x = (1, 1, 1) et y = (1, 1, 1) de IR
3
, trouver une vecteur z tel que la
famille {x, y, z} soit une base de IR
3
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
65
Exercice I.12
Vrier rapidement que les applications suivantes sont linaires. Calculer leur noyau et leur
image.
1. u
1
: IR
n
IR, dnie par
u
1
(x) = a
1
x
1
+a
2
x
2
+. . . +a
n
x
n
o a
1
, a
2
, . . . , a
n
sont des rels donns.
2. u
2
: P
k
P
k1
, dnie par
u
2
(p) = p
,
o p
est la drive du polynme p.

retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
66
Exercice I.13
Soit F et G deux sous-espaces vectoriels de E tels que E = F + G et F G = {
0} (voir
lexercice I.6 ). On a montr que si x E, alors il existe deux vecteurs uniques y F et z G
tels que x = y +z. Soit lapplication
u : E F, telle que u(x) = y.
1. Montrer que u est une application linaire.
2. Calculer le noyau et limage de u.
3. Donner leur dimension et vrier le rsultat
dim E = dim Ker (u) + dim Im (u).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
67
Exercice I.14
On note u la rotation dun angle dans IR
2
, utiliser les proprits gomtriques pour traiter
lexercice :
1. Montrer que lapplication u est linaire.
2. Quel est son noyau, quelle est son image ?
3. Montrer quelle est bijective.
4. Donner lapplication inverse et en dduire quelle est linaire et bijective.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
68
Exercice I.15
Montrer que la matrice de lapplication i
E
: E E est la matrice identit I lorsque lon
munit E de la mme base.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
69
Exercice I.16
On suppose que E = F = P
2
, on munit P
2
de la base canonique {1, x, x
2
} et on dnit u telle
que u(p) = p
. Dterminer alors la matrice de u.

retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
70
Exercice I.17
Calculer le produit AB ( et BA lorsque cela est possible) dans les cas suivants :
1. A =
_
0 1
0 0
_
, B =
_
1 0
0 0
_
.
2. A =
_
_
1 2 1
0 1 1
1 1 0
_
_
, B =
_
_
1 0
1 1
1 1
_
_
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
71
Exercice I.18
Montrer, en utilisant le produit de matrices, que la compose de deux rotations planes
dangles
1
et
2
est une rotation plane dangle
1
+
2
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
72
Exercice I.19
Montrer la proposition I.3.2. Pour cela on calculera la dcomposition de u(x) dans la base de
F et on la comparera la dcomposition de y dans la mme base.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
73
Exercice I.20
Soit la matrice A =
_
3 4 5
1 2 6
_
, u est lapplication linaire de IR
3
dans IR
2
dont la matrice
est A lorsque lon munit IR
3
et IR
2
de leur base canonique. Calculer u(x) pour x = (1, 1, 2).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
74
Exercice I.21
On a montr, dans lexercice I.14 que la rotation plane dangle est bijective. Donner la
matrice inverse de la matrice de cette rotation.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
75
Exercice I.22
Montrer que la matrice inverse dune matrice, si elle existe, est unique.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
76
Exercice I.23
Soient X et Y deux vecteurs colonnes, les produits X
T
Y et XY
T
Existent-ils ? et, si oui,sont-
ils gaux ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
77
Exercice I.24
Soit E un espace vectoriel muni dune base E = {e
1
, e
2
}. On dnit les vecteurs

e
1
= e
1
+e
2
,
2
= 2e
1
e
2
dune nouvelle base E
= {
1
,
2
}. Donner P, matrice de passage de E dans E
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
78
Exercice I.25
On reprend les donnes de lexercice I.24 . On dnit u L(E; E) par
u(e
1
) = e
1
+ 3e
2
, u(e
2
) = 2e
1
e
2
Quelle est la matrice A de u dans la base E ?
Exprimer u(
1
), u(
2
) en fonction de e
1
et e
2
.
En dduire u(
1
),u(
2
) en fonction de

e
1
et

e
2
.
En dduire A
.
Calculer P
1
AP.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
79
Exercice I.26
Dterminer le rang des matrices A suivantes :
A est la matrice de la rotation dans le plan.
A =
_
_
1 1 1
1 0 0
3 1 1
_
_
.
A =
_
_
1 3 5 1
2 2 6 2
1 2 4 0
_
_
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
80
Exercice I.27
Calculer les dterminants suivants :
a c
b d
3a c
3b d
4 2 3
0 3 4
0 0 5
4 2 3
0 1 2
4 1 2
4 3 2
0 2 1
4 2 1
1 2 2
3 1 1
4 1 1
4 2 3
0 1 2
4 1 2
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
81
Exercice I.28
Calculer les dterminants suivants :
cos sin
sin cos
cos sin
sin cos
cos sin 0
sin cos 0
0 0 1
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
82
Exercice I.29
1. Considrons une matrice A M
n,n
triangulaire infrieure (a
ij
= 0 pour i < j), en utilisant
la dnition du dterminant montrer que dt A =
n
i=1
a
ii
.
2. En dduire que :
pour les matrices diagonales (a
ij
= 0 pour i = j) on a aussi dtA =
n
i=1
a
ii
,
la matrice identit a pour dterminant dt I = 1.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
83
Exercice I.30
Montrer par un exemple que, en gnral, dt (A+B) = dt (A) + dt (B).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
84
Exercice I.31
Calculer
1 0 0 1
0 1 0 1
0 0 2 2
2 1 1 1
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
85
Exercice I.32
Montrer que le dterminant dune matrice triangulaire suprieure est gal au produit de ses
termes diagonaux.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
86
Exercice I.33
Montrer que deux matrices semblables ont mme dterminant.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
87
Exercice I.34
Calculer nouveau le dterminant de la matrice de lexercice I.31 , en dveloppant par
rapport une ligne ou une colonne de votre choix.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
88
Exercice I.35
Quel est le rang de la matrice
A =
_
_
1 3 5 1
2 2 6 2
1 2 4 0
_
_
?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
89
Exercice I.36
Calculer linverse de A =
_
_
2 1 2
1 2 3
3 1 2
_
_
en utilisant les co-facteurs.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
90
Exercice I.37
Rsoudre le systme linaire Ax = 0 o
A =
_
_
_
_
1 1 1
1 2 1
1 0 3
2 1 4
_
_
_
_
.
En dduire le rang de la matrice A.
Un systme Ax = 0, dont la matrice A M
n,p
est telle que n > p, a-t-il toujours une solution?
si oui est-elle unique ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
91
Exercice I.38
Rsoudre le systme linaire
_
_
x
1
+x
2
+x
3
= 1
x
1
+2x
2
x
3
= 1
x
1
+3x
3
= 3
2x
1
+x
2
+4x
3
= 2
Ce systme a-t-il une solution?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
92
Exercice I.39
Calculer les valeurs propres et les vecteurs propres de la matrice A =
_
5 2
2 2
_
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
93
Exercice I.40
Montrer que :
Les valeurs propres dune matrice triangulaire sont ses termes diagonaux.
A non inversible 0 est valeur propre de A.
A et A
T
ont les mmes valeurs propres mais pas les mmes vecteurs propres.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
94
Exercice I.41
Montrer que deux matrices semblables ont le mme dterminant et que la rciproque est
fausse.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
95
Exercice I.42
Montrer que si A = PDP
1
o la matrice D est diagonale, alors les colonnes de P sont
vecteurs propres de A, les valeurs propres tant les lments de la diagonale de D.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
96
Exercice I.43
Soit B M
mn
(IR), montrer que B
T
B est symtrique et semi-dnie positive.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
97
Exercice I.44
Soit B M
mn
(IR), avec n m et rang B = n, montrer que B
T
B est symtrique et dnie
positive.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent
98
Annexe A
Exercices
A.1 Exercices de TD du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Sommaire
Concepts
Exemples
Exercices
Documents
chapitre
99
A.1 Exercices de TD du chapitre 1
A.1.1 TD1-Exercice1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
A.1.2 TD1-Exercice2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.1.3 TD1-Exercice3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
A.1.4 TD1-Exercice4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
A.1.5 TD1-Exercice5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
A.1.6 TD1-Exercice6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
A.1.7 TD1-Exercice7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
A.1.8 TD1-Exercice8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
A.1.9 TD1-Exercice9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
A.1.10 TD1-Exercice10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
A.1.11 TD1-Exercice11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
A.1.12 TD1-Exercice12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
A.1.13 TD1-Exercice13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
A.1.14 TD1-Exercice14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
100
Exercice A.1.1 TD1-Exercice1
Donner un exemple de sous-espace vectoriels F et G tels que
F G = F +G.
Sommaire
Concepts
Exemples
Exercices
Documents
101
Montrer les proprits suivantes :
1. Si deux vecteurs dune famille S = { x
1
, x
2
, . . . , x
p
} sont gaux (par ex. x
1
= x
2
), alors la
famille S est lie.
2. Si lun quelconque des vecteur de S est nul, alors S est lie.
3. Toute sur-famille dune famille lie est lie.
4. Toute sous-famille dune famille libre est libre.
Sommaire
Concepts
Exemples
Exercices
Documents
102
1. Dans le IR-espace vectoriel IR
3
, on considre les vecteurs

f
1
,

f
2
et

f
3
dnis par
f
1
=
_
_
0
1
1
_
_
,

f
2
=
_
_
2
1
0
_
_
,

f
3
=
_
_
1
0
1
_
_
.
Montrer que IR
3
= vect <

f
1
,

f
2
> vect <

f
3
>. (Pour les dnitions de la somme directe,
voir lexercice I.6 .)
2. Soient les vecteurs
v
1
=
_
_
1
2
1
_
_
et v
2
=
_
_
m
4
2
_
_
.
Dterminer les valeurs de m pour que { v
1
, v
2
} soit libre. Complter cette famille pour
obtenir une base de IR
3
.
Sommaire
Concepts
Exemples
Exercices
Documents
103
Soit E lensemble des polynmes de degr infrieur ou gal 3. On dnit les polynmes p
0
,
p
1
, p
2
et p
3
par
p
0
(x) = 1, p
1
(x) = x, p
2
(x) = x(x 1), p
3
(x) = x(x 1)(x 2) , x IR.
1. Montrer quils forment une base de E.
2. Quelles sont, en fonction de a, b, c et d les coordonnes dans cette base dun polynme p de
E qui scrit p = ax
3
+bx
2
+cx +d.
Sommaire
Concepts
Exemples
Exercices
Documents
104
On considre les 3 vecteurs de IR
4
suivants
a =
_
_
_
_
0
1
2
3
_
_
_
_
,

b =
_
_
_
_
1
1
1
1
_
_
_
_
, c =
_
_
_
_
1
1
1
4
_
_
_
_
et le sous-ensemble de IR
4
P =
_
(x, y, z, t) IR
4
; x +y +z +t = 0
_
.
1. Est-ce que c vect <a,
b >?
2. Montrer que P est un sous-espace vectoriel de IR
4
. Quelle est sa dimension?
3. Montrer que IR
4
= P + vect <a,
b > mais que P vect <a,
b >= IR
4
.
4. P et vect <a,
b > sont-ils supplmentaires dans IR

4
?
5. La famille {a,
b, c} est-elle libre ? gnratrice de IR

4
?
Sommaire
Concepts
Exemples
Exercices
Documents
105
Soit P
n
lespace vectoriel des polynmes coefcients rels de degr infrieur ou gal n.
On considre lapplication drivation
: P
n
P
n
p p
1. Montrer que est une application linaire.

2. Dterminer Ker et Im (on donnera une base).
3. Quel est le rang de ?
4. Ecrire la matrice de relativement la base canonique de P
n
.
5. Lapplication est-elle injective ? surjective ? bijective ?
6. Si la rponse est ngative lune au moins des interrogations de la question prcdente,
quelles modications pourrait-on apporter pour modier cette rponse (si cest possible) ?
Sommaire
Concepts
Exemples
Exercices
Documents
106
Pour tout m IR on considre lapplication
f
m
: IR
3
IR
4
_
_
x
y
z
_
_

_
_
_
_
x y +z
mx 2y +mz
x +y
mx +my mz
_
_
_
_
1. Montrer que f
m
est linaire.
2. Dterminer la matrice de f
m
(dans les bases canoniques de IR
3
et IR
4
).
3. (a) Dterminer une base de Ker f
m
(b) Pour quelles valeurs de m lapplication f
m
est-elle injective ?
(c) f
m
est-elle bijective ?
4. Dterminer une base de Im f
m
.
Sommaire
Concepts
Exemples
Exercices
Documents
107
Soit B = {e
1
, e
2
, e
3
} une base de IR
3
et e
1
= e
1
+e
2
e
3
, e
2
= e
1
e
2
+e
3
, e
3
= e
1
+e
2
+e
3
.
Montrer que B
= {e
1
, e
2
, e
3
} est une base de IR
3
. Soit f lendomorphisme de IR
3
qui dans la base
B est represent par la matrice
A =
1
2
_
_
a b a +c c b
b a c a b +c
a +b a c b c
_
_
.
Calculer la matrice de f dans la base B
.
Sommaire
Concepts
Exemples
Exercices
Documents
108
On se place dans IR
3
. On rappelle que le produit scalaire de x par y est donn par :
si x =
_
_
x
1
x
2
x
3
_
_
et y =
_
_
y
1
y
2
y
3
_
_
, alors x. y = x
1
y
1
+x
2
y
2
+x
3
y
3
.
On note (e
1
, e
2
, e
3
) la base canonique et ( , ) la rotation dangle autour du vecteur =
(0, 1, 1).
1. On pose

e
1
= e
1
,
2
= , dterminer

e
3
tel que la base (
1
,
2
,
3
) soit orthogonale directe.
2. crivez la matrice R
de la rotation ( , ) dans la base (
1
,
2
,
3
).
3. Donnez la matrice de passage de la base (e
1
, e
2
, e
3
) la base (
1
,
2
,
3
).
4. crivez la matrice R de la rotation ( , ) dans la base (e
1
, e
2
, e
3
).
Sommaire
Concepts
Exemples
Exercices
Documents
109
1. Soit A une matrice appartenant M
n,m
, y IR
n
et z IR
m
.
Quel est la taille de la matrice Az ? y
A?
Que valent leurs coefcients ?
n,m
. Soit {e
1
, e
2
, . . . , e
m
} la base canonique de IR
m
et
{f
1
, f
2
, . . . , f
n
} la base canonique de IR
n
.
Que valent Ae
i
(1 i m) ?
Que valent (f
j
)
A, (1 j n) ?
3. Soit y et z IR
n
. Quelle est la taille de la matrice y
z ?
4. Soit y IR
n
et z IR
m
. Quelle est la taille de la matrice yz
?
n,m
et B une matrice appartenant M
m,p
on note
B
1
, . . . , B
p
les colonnes de B. Sous quelle forme peut-on crire le produit AB?
n,m
et B une matrice appartenant M
m,p
on note
A
1
, . . . A
n
, les lignes de A. Sous quelle forme peut-on crire le produit AB?
7. Soit une matrice diagonale appartenant M
n,n
, soit A une matrice appartenant M
n,m
et soit B une matrice appartenant M
m,n
. Quelles sont les termes des matrices Aet B?
n,n
rgulire (inversible). Montrer que linversion de
A se ramne la rsolution de n systmes linaires de la forme Ax = b.
9. Soit y IR
n
et soit P la matrice appartenant M
n,n
suivante :
P = I
yy
y
.
Calculer P
2
et P
T
.
Sommaire
Concepts
Exemples
Exercices
Documents
110
Exercice
A.1.10
TD1-
Exercice10
On prend n = 3. Quelle est lapplication associe P quand on munit IR
3
de la base
canonique et que lon prend y = e
3
?
10. Soit y IR
n
et soit P la matrice appartenant M
n,n
suivante :
P = I 2
yy
y
.
Calculer P
2
et P
T
.
On prend n = 3. Quelle est lapplication associe P quand on munit IR
3
de la base
canonique et que lon prend y = e
3
?
Question 1 Aide 1 Aide 2
Question 2 Aide 1 Aide 2
Question 3 Aide 1
Question 4 Aide 1
Question 5 Aide 1
Question 6 Aide 1
Question 7 Aide 1
Question 8 Aide 1 Aide 2 Aide 3
Question 9 Aide 1 Aide 2 Aide 3 Aide 4 Aide 5 Aide 6 Aide 7
Sommaire
Concepts
Exemples
Exercices
Documents
111
1. Montrer que le produit de deux matrices carres triangulaires infrieures (resp. triangu-
laires suprieures) est une matrice triangulaire infrieure (resp. triangulaire suprieure).
2. Donner lexpression du dterminant dune matrice triangulaire.
3. (a) Soit L M
nn
(IR) une matrice rgulire, triangulaire infrieure, et soit b IR
n
tel que
b
i
= 0 pour i < k. Montrer que la solution x de lquation Lx = b est telle que
_
_
_
x
i
= 0 pour i < k,
x
k
=
b
k
l
kk
.
(b) En dduire que linverse de L est triangulaire infrieure et que ses lments diago-
naux sont les inverses des lments diagonaux de L.
Question 1 Aide 1 Aide 2 Aide 3 Aide 4 Aide 5
Question 2 Aide 1
Question 3a Aide 1
Question 3b Aide 1 Aide 2
Sommaire
Concepts
Exemples
Exercices
Documents
112
1. Soit A et B deux matrices dcomposes en blocs de la manire suivante :
A =
_
A
11
A
12
A
21
A
22
_
o A
ij
M
n
i
,p
j
(IR), i = 1, 2, j = 1, 2
B =
_
B
11
B
12
B
13
B
21
B
22
B
23
_
o B
ij
M
m
i
,q
j
(IR), i = 1, 2, j = 1, 2, 3
(a) A quelles conditions sur les tailles des blocs, est-il possible deffectuer le produit par
blocs de A par B? Expliciter alors ce produit. Est-il possible deffectuer le produit par
blocs de B par A?
(b) A quelle condition est-il possible deffectuer le produit par blocs de A par elle mme ?
2. Soit A une matrice carre rgulire dnie par blocs :
A =
_
_
_
_
_
_
A
11
0 . . . 0
0 A
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 A
pp
_
_
_
_
_
_
o A
ii
M
n
i
,n
i
(IR), i = 1, . . . , p
Calculer linverse et le dterminant de A . Pour le dterminant, on pourra utiliser la fac-
torisation par blocs suivante :
_
A 0
0 B
_
=
_
I 0
0 B
__
A 0
0 I
_
.
Sommaire
Concepts
Exemples
Exercices
Documents
113
Exercice
A.1.12
TD1-
Exercice12
Application : Calculer linverse et le dterminant de la matrice
M =
_
_
_
_
1 1 0 0
0 1 0 0
0 0 1 0
0 0 1 1
_
_
_
_
Question 1a Aide 1
Question 1b Aide 1
Question 2 Aide 1
Aide 1
Sommaire
Concepts
Exemples
Exercices
Documents
114
On appelle matrice bande une matrice A telle que a
ij
= 0 pour j > i + L ou j < i L. L est
appel la demi-largeur de bande de la matrice A.
Montrer que le produit de 2 matrices bande est encore une matrice bande dont la demi-
largeur de bande est gale la somme des deux demi-largeurs de bande.
Aide 1 Aide 2 Aide 3 Aide 4
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
115
Soient A M
np
(IR) et B M
nn
(IR).
1. B est dite semi-dnie positive si x
Bx 0, x IR
n
.
Montrer que A
A et AA
sont symtriques et semi-dnies positives.

2. B est dite dnie positive si x
Bx > 0, x IR
n
, x = 0.
(a) Montrer quune matrice dnie positive est inversible.
(b) On suppose n = p. A quelle condition A
A et AA
sont-elles dnies positives ?

(c) On suppose n < p, les matrices A
A et AA
peuvent-elles tre dnies positives ? Si

oui quelle condition?
Question 2a Aide 1 Aide 2 Aide 3
Question 2b Aide 1 Aide 2 Aide 3 Aide 4
Question 2c Aide 1 Aide 2 Aide 3 Aide 4 Aide 5
Sommaire
Concepts
Exemples
Exercices
Documents
116
Index des concepts
Le gras indique un grain o le concept est d-
ni ; litalique indique un renvoi un exercice ou un
exemple, le gras italique un document, et le ro-
main un grain o le concept est mentionn.
A
Application linaire, noyau, image . . 11, 16, 24
Applications linaires - composition, inverse13
B
Base - dimension. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
D
Dterminant - dnition par rcurrence. . . . 27
Dterminant - produit,inverse, calcul pratique
31
Dterminant et colonnes . . . . . . . . . . . . . . . . 29, 31
Diagonalisation des matrices . . . . . . . . . . . 45, 47
E
Espace vectoriel - Gnralits . . . . . . . . . . . . . 4, 6
F
Famille libre, famille gnratrice . . . . . . . . . . 7, 8
M
Matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . 22
Matrices - dnition . . . . . . . . . . . . . . . . . . . . 16, 18
Matrices - inverse et transpose . . . . . . . . . . . . 20
Matrices - somme et produit . . . . . . . . . . . . 18, 20
R
Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24, 33, 38
Rang et dterminant. . . . . . . . . . . . . . . . . . . . . . . . 33
Sommaire
Concepts
Exemples
Exercices
Documents
117
S
Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 6
Systmes linaires - Matrice carre . . . . . . . . 36
Systmes linaires - Matrice non carre . . . . 38
V
Valeurs propres - dnition. . . . . . . . . . . . . . . . . 41
Valeurs propres - matrices dnies positives47
Valeurs propres - matrices semblables. . . . . . 43
Solution de lexercice I.1
Prendre la dnition prcise du document I.1 et vrier tous ses lments en utilisant les proprits connues des
nombres rels.
Retour lexercice
Prendre la dnition prcise du document I.1 et vrier toutes ses lments en utilisant les proprits connues des
nombres rels.
Retour lexercice
Cet ensemble na pas dlment nul pour laddition puisque le polynme nul nest pas de degr n.
Retour lexercice
Il est facile de montrer que la somme de deux lments de F est un lment de F et que le produit dun nombre rel
par un lment de F est un lment de F. Ainsi, pour le deuxime exemple, on a :
(
1
x +
1
y) + (
2
x +
2
y) = (
1
+
2
)x + (
1
+
2
)y,
(x +y) = x +y.
Retour lexercice
Pour F G, il suft de se rappeler la dnition de F G = {x E, x F et x G} et dutiliser le fait que F et G sont
des sous-espaces vectoriels.
Pour F G, il faut exhiber un contre-exemple. Par exemple, si F = {(0, 1), IR} et G = {(1, 0), IR},
F G = {x E, x F ou x G} nest pas un sous-espace vectoriel car la somme de deux vecteurs de F G tels que
(0, 1) et (1, 0) nest pas dans F G.
Retour lexercice
Ces questions ne posent pas de difcult. En ce qui concerne la troisime question, H = IR
3
et F G nest que la
runion des vecteurs de la droite et des vecteurs du plan. Pour lunicit de la dcomposition de la dernire question
(comme pour toute dmonstration dunicit), on part de deux dcompositions et on dmontre quelles sont gales.
Retour lexercice
Pour donner une famille lie, on peut prendre deux vecteurs dont lun est un scalaire fois le premier, mais il y a une
innit dexemples simples possibles...
Pour montrer que la famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est libre et gnratrice, il suft dappliquer les dnitions, ce
qui correspond au cas particulier n = 3 de la dernire question.
Retour lexercice
(1, 1, 1) +(1, 1, 1) +(
2,
2, 3) = 0
_
+ +
2 = 0
+ +3 = 0

_
+ +
2 = 0
+2 +(3 +
2) = 0
Il existe des coefcients non tous nuls, par exemple = 1, = (
2 3)/2, = (
2 + 3)/2, donc la famille est lie.

Retour lexercice
On montre que la famille {x
0
, x, x
2
, . . . , x
n
} est libre et gnratrice, en utilisant en particulier la dnition dun poly-
nme et plus particulirement celle du polynme nul.
Retour lexercice
On considre deux dcompositions et on utilise le fait que la famille B est libre.
Retour lexercice
On choisit un vecteur dont les deux premires composantes sont diffrentes par exemple z = (1, 0, 0), puis on vrie
que les trois vecteurs de la famille ainsi obtenue sont linairement indpendants. Cela suft alors puisque lon connat
la dimension de IR
3
, qui est gale trois.
Retour lexercice
1. Ker u
1
= {x IR
n
, a
1
x
1
+a
2
x
2
+. . . +a
n
x
n
= 0}, Imu
1
= IR.
2. Ker u
2
= P
1
, lensemble des polynmes constants, et Imu
2
= P
k1
.
Retour lexercice
Vrier les proprits de lapplication linaire, puis montrer que Ker u = G et Imu = F, ce qui donne le rsultat de la
dernire question.
Retour lexercice
Aidez-vous dune gure et tout est vident.
u(
V +

V
) = u(
V ) +u(
), u(
V ) = u(
V ), Ker u = {
0}, Im u = IR
2
.
Lapplication inverse dune rotation dangle est un rotation dangle , cest donc une application linaire bijective,
puisque vous venez de le dmontrer pour la rotation dangle .
Retour lexercice
Soit {e
1
, . . . , e
n
} la base de E. Par dnition dune matrice associe une application linaire, la jme colonne de la
matrice associe i
E
est constitue des composantes de i
E
(e
j
) = e
j
dans la base {e
1
, . . . , e
n
}. Les lments de cette
jme colonne sont donc tous nuls sauf le jme lment qui vaut 1. Cette matrice est donc bien la matrice identit.
Retour lexercice
u(1) = 0, u(x) = 1 et u(x
2
) = 2x. La matrice est donc
A =
_
_
0 1 0
0 0 2
0 0 0
_
_
.
Retour lexercice
1. AB =
_
0 0
0 0
_
, BA =
_
0 1
0 0
_
.
2. AB =
_
_
2 3
0 0
2 1
_
_
et le produit BA est impossible car le nombre de colonnes de B est diffrent du nombre de
lignes de A.
Retour lexercice
Vous effectuez le produit et vous utilisez les formules trigonomtriques bien connues :
cos(
1
+
2
) = cos(
1
) cos(
2
) sin(
1
) sin(
2
),
sin(
1
+
2
) = sin(
1
) cos(
2
) + cos(
1
) sin(
2
).
Retour lexercice
u(x) = u(
x
j
e
j
) =
x
j
u(e
j
) =
j
x
j
(
i
a
ij

f
i
) =
i
(
j
a
ij
x
j
)
f
i
=
i
y
i
f
i
,
et lunicit de la dcomposition dun vecteur sur une base donne
y
i
=
j
a
ij
x
j
soit Y = AX.
Retour lexercice
En appliquant la proposition I.3.2, les composantes de u(x) dans la base canonique de IR
2
sont donnes par le produit
_
3 4 5
1 2 6
_
_
_
1
1
2
_
_
=
_
9
11
_
soit u(x) = (9, 11).
Retour lexercice
On a montr aussi dans cet exercice que son inverse est la rotation dangle . La matrice inverse est la matrice
associe lapplication linaire inverse, soit
A =
_
cos sin
sin cos
_
.
Retour lexercice
Pour montrer lunicit, on suppose que la matrice possde deux inverses B et C, qui vrient donc
AC = CA = I , AB = BA = I.
Calculons alors le produit BAC de deux manires diffrentes
BAC = B(AC) = BI = B, BAC = (BA)C = IC = C,
ce qui donne B = C.
Retour lexercice
Pour que ces produits existent, il faut videmment que X et Y aient le mme nombre n de composantes. Dans ce cas
X
T
Y est une matrice une ligne et une colonne, cest donc un scalaire, plus prcisment vous reconnaissez le produit
scalaire de deux vecteurs dont les composantes seraient donnes par les lments de X et Y . Par contre XY
T
est une
matrice n lignes et n colonnes. Les deux matrices X
T
Y et XY
T
tant de type diffrent, elles ne peuvent pas tre
gales !
Retour lexercice
Par dnition de la matrice de passage (voir le paragraphe Matrice de passage ), on a
P =
_
1 2
1 1
_
.
Retour lexercice
A =
_
1 2
3 1
_
.
u(
1
) = u(e
1
+e
2
) = u(e
1
) +u(e
2
) = e
1
+ 3e
2
+ 2e
1
e
2
= 3e
1
+ 2e
2
.
De mme
u(
2
) = 7e
2
.
Vous calculez e
1
et e
2
en fonction de

e
1
et

e
2
, ce qui donne
e
1
=
1
3
_
1
+

e
2
_
, e
2
=
1
3
_
2
1

e
2
_
.
Il suft alors de remplacer dans le calcul de u(
1
) et u(
2
) de la question prcdente.
Les composantes de u(
1
) et u(
2
) sur

e
1
et

e
2
obtenues dans la question prcdente vous donnent les colonnes
de A
.
Inversez la matrice P calcule dans lexercice I.24 , vous pouvez alors calculer P
1
AP, ce qui doit vous redonner
la matrice A
.
Retour lexercice
le rang de la matrice de la rotation dans le plan est 2 puisque cette matrice est inversible et de dimension 2.
Le rang de A est 2, puisque les deux premires colonnes sont linairement indpendantes et que la troisime
colonne est identique la deuxime.
Le rang de A est 2 puisque les deux premires colonnes sont linairement indpendantes et que les colonnes 3
et 4 sont des combinaisons linaires des deux premires colonnes (lesquelles ?).
Retour lexercice
Ce sont ds calculs vidents que vous pouvez vrier avec scilab lorsque les matrices sont numriques. Pour le dernier
dterminant, vous pouvez "sortir" (pourquoi ? ).
Retour lexercice
Les rsultats sont : 1, , 1.
Retour lexercice
On itre la dnition du dterminant sur des matrices dont la dimension diminue jusqu ce que lon arrive sur un
scalaire. Il est noter quune matrice diagonale est un cas particulier des matrices triangulaires.
Retour lexercice
On peut prendre par exemple A = I et B =
_
1 1
0 1
_
.
Retour lexercice
La rponse est 6. et sobtient en dveloppant par rapport une ligne qui a plusieurs 0.
Retour lexercice
Le dterminant dune matrice tant gal au dterminant de sa transpose, on peut appliquer les rsultats de lexercice
I.29 .
Retour lexercice
Si deux matrices A et B sont semblables, alors il existe une matrice inversible P telle que
B = P
1
AP.
Il suft alors de calculer les dterminants des deux membres et dutiliser les rgles sur le produit et sur linverse des
dterminants.
Retour lexercice
La rponse est toujours 6 ! et sobtient en dveloppant par rapport une ligne (ou une colonne) qui a plusieurs 0.
Retour lexercice
Le rang de la matrice est au moins gal 2 car
1 3
2 2
= 0. Pour montrer que le rang de A est gal 3, il faut trouver

un dterminant 3 lignes et 3 colonnes non nul. Or les 4 dterminants de ce type sont nuls (les calculer). Le rang est
donc dnitivement 2.
Retour lexercice
Le dterminant de A est gal 13. Alors linverse de A est donn par
A
1
=
1
13
B
T
,
o
B =
_
_
7 11 5
4 10 1
1 4 3
_
_
Retour lexercice
x Ker A
_
_
x
1
+x
2
+x
3
= 0
x
1
+2x
2
x
3
= 0
x
1
+3x
3
= 0
2x
1
+x
2
+4x
3
= 0
_
x
1
+x
2
+x
3
= 0
x
2
2x
3
= 0
x
2
+2x
3
= 0
x
2
+2x
3
= 0
_
x
1
+x
2
+x
3
= 0
x
2
2x
3
= 0
0 = 0
0 = 0
_
x
1
= 3x
3
x
2
= 2x
3
x = x
3
_
_
3
2
1
_
_
La dimension du noyau de A est donc gal 1 ( une base de ce noyau est
_
_
_
_
_
3
2
1
_
_
_
_
_
). Or
3 = rang A+ dim (ker A),
ce qui donne rang A = 2.
Nous venons de dmontrer par lexemple prcdent, que la solution dun systme Ax = 0, dont la matrice A
M
n,p
est telle que n > p, peut avoir une solution non unique. Il est clair que ce systme qui a plus dquations que
dinconnues na pas toujours une solution (il est facile de construire des contre-exemples 3 quations et 2 inconnues).
Retour lexercice
On transforme ce systme en un systme quivalent
_
_
x
1
+x
2
+x
3
= 1
x
2
2x
3
= 2
x
2
+2x
3
= 2
x
2
+2x
3
= 0
qui na videmment aucune solution.
Retour lexercice
sI A =
_
s 5 2
2 s 2
_
donc
A
(s) = dt (sI A) = (s 5)(s 2) 4 = s
2
7s + 6 = (s 1)(s 6).
On obtient donc 2 valeurs propres relles = 1 et = 6, on dtermine les vecteurs propres associs :
= 1,
(AI)Y = 0
_
4y
1
+ 2y
2
= 0
2y
1
+y
2
= 0
y
2
= 2y
1

_
_
_
Y =
_
1
2
_
IR
= 6,
(AI)Y = 0
_
y
1
+ 2y
2
= 0
2y
1
4y
2
= 0
y
1
= 2y
2

_
_
_
Y =
_
2
1
_
IR
Retour lexercice
Si une matrice est triangulaire, son dterminant est le produit de ses lments diagonaux, donc
dt (sI A) = (s a
11
)(s a
22
)...(s a
nn
).
A non inversible dt A = 0 0 est valeur propre de A.
Si B M
n,n
, alors dt B = dt B
T
et donc det(sI A) = dt (sI A)
T
= dt (sI A
T
). Il est facile dexhiber un
contre-exemple pour les vecteurs propres.
Retour lexercice
Si deux matrices A et B sont semblables, il existe une matrice P telle que B = P
1
AP, ce qui donne
dt B = dt P
1
AP = dt P1dt Adt P = (dt P)
1
dt Adt P = dt A.
Si lon se place dans M
2,2
, la matrice identit et la matrice triangulaire A =
_
1 1
0 1
_
ont le mme dterminant mais
ne sont pas semblables. Pour le vrier, montrer quil est impossible de trouver une matrice inversible P telle que
PI = AP.
Retour lexercice
A = PDP
1
AP = PD AP
i
= PD
i
= d
ii
P
i
.
Ce que lon vient dcrire dcoule uniquement des proprits du produit matriciel, pour lequel on a bien sr utilis le
fait que D est diagonale.
On obtient donc que P
i
(ime colonne de P) est vecteur propre de A associ la valeur propre d
ii
.
Retour lexercice
(B
T
B) = B
T
B, ce qui prouve que B est symtrique.
x
T
B
T
Bx = (Bx)
T
Bx = ||Bx|| 0, ce qui montre que B
T
B est semi-dnie positive.
Retour lexercice
Daprs lexercice prcdent, B
T
B est symtrique et semi-dnie positive.
x
T
B
T
Bx = 0 ||Bx|| = 0 Bx = 0,
et puisque B est de rang n, son noyau est rduit au vecteur nul et donc x = 0. La matrice B
T
B est donc dnie positive.
Retour lexercice
Aide 1, Question 1, Exercice A.1.10
Az est un vecteur colonne appartenant M
n1
,
y
A est un vecteur ligne appartenant M

1m
.
Retour lexercice
Az = z
1
A
1
+z
2
A
2
+... +z
m
A
m
=
_
_
_
_
A
1
z
A
2
z
...
A
n
z
_
_
_
_
.
y
A = y
1
A
1
+y
2
A
2
+... +y
n
A
n
= (y
A
1
y
A
2
...y
A
m
).
Retour lexercice
En utilisant ce qui prcde
Ae
i
= A
i
.
Retour lexercice
En utilisant ce qui prcde
(f
j
)
A = A
j
Retour lexercice
y
z est un scalaire, plus prcisment

y
z =
n
i=1
y
i
z
i
= z
y.
Retour lexercice
yz
est une matrice appartenant M

nm
, plus prcisment
yz
=
_
z
1
y z
2
y ... z
m
y
_
=
_
_
_
_
y
1
z
y
2
z
...
y
n
z
_
_
_
_
.
Attention la matrice yz
nest pas gale la matrice zy
, ces deux matrices nont mme pas la mme taille si n et m

sont diffrents.
Retour lexercice
La ime colonne de AB est gale A multiplie par la ime colonne de B, cest dire (AB)
i
= AB
i
.
Retour lexercice
La ime ligne de AB est gale la ime ligne de A multiplie par B, cest dire AB
i
= A
i
B.
Retour lexercice
Si lon note d
1
, d
2
, ..., d
n
les termes diagonaux de , on aura :
A =
_
_
_
_
d
1
A
1
d
2
A
2
...
d
n
A
n
_
_
_
_
B =
_
d
1
B
1
d
2
B
2
... d
n
B
n
_
Retour lexercice
Chercher linverse de A revient chercher une matrice B telle que AB = I
Retour lexercice
On peut dterminer la matrice inconnue B, vriant AB = I, colonne par colonne.
Retour lexercice
AB = I AB
j
= I
j
pour j = 1, ..., n,
donc pour dterminer la colonne B
j
on doit rsoudre un systme dont la matrice est A et le second membre est I
j
.
Retour lexercice
P
2
= PP,
pensez la distributivit de la multiplication par rapport laddition,
souvenez-vous que
1
y
y
est un scalaire.
Que vaut la transpose dune somme, dun produit ?
Retour lexercice
Notons =
1
y
y
P
2
=
_
I yy
_ _
I yy
_
= I 2yy
+
2
(yy
yy
)
On peut utiliser lassociativit du produit matriciel pour calculer yy
yy
.
Pour calculer P
, noubliez pas que (yy
= yy
.
Retour lexercice
yy
yy
= y(y
y)y
=
1
yy
Donc
P
2
= I 2yy
+yy
= I yy
= P.
Dautre part on obtient P
T
= P.
Retour lexercice
Calculez limage des vecteurs e
1
, e
2
, e
3
, cest dire Pe
1
, Pe
2
, Pe
3
Retour lexercice
On a Pe
1
= e
1
e
3
e
3
e
1
, Pe
3
= e
3
e
3
e
3
e
3
On peut encore utiliser lassociativit du produit matriciel.
Retour lexercice
On a e
3
e
1
= 0, e
3
e
3
= 1, donc Pe
1
= e
1
, Pe
3
= 0
On obtiendrait Pe
2
= e
2
.
Quelle est lapplication correspondante ?
Retour lexercice
P est donc la matrice de la projection sur le plan engendr par e
1
, e
2
paralllement au vecteur e
3
: cest la projection
orthogonale.
Retour lexercice
Aprs un calcul similaire au calcul prcdent, on trouve P
2
= I, P
T
= P
Retour lexercice
On obtient Pe
1
= e
1
, Pe
2
= e
2
, Pe
3
= e
3
. Quelle est lapplication?
Retour lexercice
Il sagit de la symtrie par rapport au plan engendr par e
1
et e
2
.
Retour lexercice
Si A et B sont triangulaires infrieures, on a a
ij
= b
ij
= 0 pour j > i, montrer que cette proprit est valable encore
pour la matrice C = AB. Explicitez les termes de C.
Retour lexercice
c
ij
=
n
k=1
a
ik
b
kj
Montrez si i < j tous les termes de cette somme sont nuls
Retour lexercice
On suppose que i < j,
c
ij
=
i
k=1
a
ik
b
kj
+
n
k=i+1
a
ik
b
kj
Les termes b
kj
de la premire somme sont nuls car k i < j,
les termes a
ik
de la deuxime somme sont nuls car i < k,
donc c
ij
= 0.
Pour une matrice triangulaire suprieure, on pourrait faire un raisonnement similaire, mais on peut galement
utiliser directement le rsultat prcdent, voyez-vous comment ?
Retour lexercice
La transpose dune matrice triangulaire infrieure est une matrice triangulaire suprieure.
Retour lexercice
On suppose que A et B sont triangulaires suprieures, donc A
T
et B
T
sont triangulaires infrieures.
Si on pose C = AB, alors C
T
= B
T
A
T
est une matrice triangulaire infrieure, donc C est une matrice triangulaire
suprieure.
Retour lexercice
Le dterminant dune matrice triangulaire est gal au produit de ses termes diagonaux. Pour dmontrer ce rsultat,
il suft de dvelopper le dterminant par rapport la premire ligne pour une matrice triangulaire infrieure et par
rapport la premire colonne pour une matrice triangulaire suprieure.
Retour lexercice
Aide 1, Question 3a, Exercice A.1.11
La matrice L est rgulire ce qui signie inversible, donc les termes diagonaux de L sont non nuls.
On peut montrer que x
i
= 0 pour i = 1, 2, ..., k 1 par rcurrence.
On a l
11
x
1
= b
1
= 0 donc x
1
= 0.
Si x
1
= x
2
= ... = x
j
= 0, alors pour obtenir x
j+1
, on doit rsoudre l
j+1j+1
x
j+1
= b
j+1
= 0 donc x
j+1
= 0.
Pour obtenir x
k
, on doit rsoudre l
kk
x
k
= b
k
donc x
k
=
b
k
l
kk
.
Retour lexercice
Aide 1, Question 3b, Exercice A.1.11
On rappelle que chercher la matrice N = L
1
revient dterminer les colonnes de N en rsolvant LN
k
= I
k
.
Retour lexercice
I
k
est un vecteur dont toutes les composantes sont nulles pour i < k, la kme composante vaut 1, en utilisant la
question prcdente, les composantes de N
k
sont donc nulles pour i < k et la kme vaut
1
l
kk
.
La matrice N est donc triangulaire infrieure et ses termes diagonaux valent
1
l
kk
.
Retour lexercice
Pour pouvoir effectuer le produit par blocs (avec les blocs proposs), il faut que p
1
= m
1
, p
2
= m
2
, on a alors :
AB =
_
A
11
B
11
+A
12
B
21
A
11
B
12
+A
12
B
22
A
11
B
13
+A
12
B
23
A
21
B
11
+A
22
B
21
A
21
B
12
+A
22
B
22
A
21
B
13
+A
22
B
23
_
Il nest pas possible deffectuer le produit par blocs de B par A avec les blocs tels quils sont dnis ici, par contre
si q
1
+q
2
+q
3
= n
1
+n
2
, condition de faire un dcoupage cohrent, il est possible de faire un produit par blocs.
Retour lexercice
Avec le dcoupage propos, il faut que n
1
= p
1
, n
2
= p
2
.
Retour lexercice
Le dterminant de la matrice
_
I 0
0 B
_
est gal dt B, pour dmontrer ce rsultat, il suft par exemple de dvelop-
per par rapport la premire ligne.
Le dterminant de la matrice
_
A 0
0 I
_
est gal dt A, pour dmontrer ce rsultat, il suft par exemple de
dvelopper par rapport la dernire ligne.
Donc le dterminant de la matrice
_
A 0
0 B
_
est gal au produit dt Adt B.
Ce rsultat se gnralise un nombre de blocs quelconques, par exemple pour trois :
A 0 0
0 B 0
0 0 C
A 0
0 B
dt C = dt Adt Bdt C.
On montrerait par rcurence pour un nombre de blocs quelconques.
Une consquence immdiate est :
La matrice A est inversible si et seulement si les matrices A
ii
sont inversibles.
Dans le cas o les matrices A
ii
sont inversibles, on montre facilement (il suft de faire le produit) que
A
1
=
_
_
_
_
_
_
A
1
11
0 . . . 0
0 A
1
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 A
1
pp
_
_
_
_
_
_
Retour lexercice
Aide 1, Exercice A.1.12
Si on note A =
_
1 1
0 1
_
, B =
_
1 0
1 1
_
, on a M =
_
A 0
0 B
_
On a dt A = dt B = 1, A
1
=
_
1 1
0 1
_
, B
1
=
_
1 0
1 1
_
donc dt M = 1, M
1
=
_
A
1
0
0 B
1
_
=
_
_
_
_
1 1 0 0
0 1 0 0
0 0 1 0
0 0 1 1
_
_
_
_
Retour lexercice
Faites un raisonnement similaire celui crit pour le produit des matrices triangulaires infrieures.
Retour lexercice
Si A a L
1
pour largeur de bande, on a a
ij
= 0 pour i j > L
1
ou i j < L
1
,
si B a L
2
pour largeur de bande, on a b
ij
= 0 pour i j > L
2
ou i j < L
2
,
si on dnit C = AB,
montrons qualors c
ij
= 0 pour i j > L
1
+L
2
ou i j < L
1
L
2
.
Explicitez c
ij
.
Retour lexercice
c
ij
=
n
k=1
a
ik
b
kj
On suppose i j > L
1
+L
2
, montrez qualors tous les termes de la somme sont nuls.
Retour lexercice
c
ij
=
iL
1
1
k=1
a
ik
b
kj
+
n
k=iL
1
a
ik
b
kj
On suppose i j > L
1
+L
2
.
Les termes a
ik
de la premire somme sont nuls car k i < L
1
,
les termes b
kj
de la deuxime somme sont nuls car on a i j > L
1
+L
2
, donc
k i L
1
> j +L
1
+L
2
L
1
= j +L
2
k j > L
2
,
donc c
ij
= 0 pour i j > L
1
+L
2
.
On montrerait de mme que c
ij
= 0 pour i j < L
1
L
2
Retour lexercice
Pour montrer la symtrie pensez la transpose.
Pour dnie-positive utilisez la dnition et pensez au produit scalaire.
Retour lexercice
(AA
T
)
T
= AA
T
, (A
T
A)
T
= A
T
A donc les matrices sont symtriques.
x
T
AA
T
x = (A
T
x)
T
A
T
x = y
T
y si on pose y = A
T
x.
Donc on peut conclure ?
Retour lexercice
y = A
T
x appartient M
p1
, on reconnait le produit scalaire usuel
x
T
AA
T
x = y
T
y =
p
i=1
y
2
i
0,
ce qui termine de dmontrer le fait que AA
T
est semi dnie positive.
Faites un raisonnement similaire avec A
T
A.
Retour lexercice
On peut montrer par exemple que Ker B = {0}, ce qui est quivalent puisque B est carre B inversible.
Retour lexercice
x Ker B Bx = 0 x
T
Bx = 0.
Peut-on conclure ?
Retour lexercice
On sait que si x = 0 alors x
T
Bx > 0, donc
x
T
Bx = 0 x = 0.
On a donc
x Ker B x
T
Bx = 0 x = 0,
donc Ker B = {0}, donc B est inversible.
Retour lexercice
On a dj montr que ces matrices sont semi-dnies positives.
Par exemple pour AA
T
on sait que x, x
T
AA
T
x 0, il reste donc montrer que
x
T
AA
T
x = 0 x = 0.
Retour lexercice
On peut nouveau poser y = A
T
x, on a donc
x
T
AA
T
x = 0 y
T
y = 0 y = 0.
Savez-vous conclure ?
Retour lexercice
On devrait donc avoir y = 0 x = 0, or y = A
T
x.
Quelle est la condition imposer sur A?
Retour lexercice
On doit avoir Ker A
T
= {0}, or puisque A
T
est carre, ceci est quivalent A
T
inversible encore quivalent A
inversible.
On montrerait de faon similaire que la matrice A
T
A est dnie positive si et seulement si A est inversible.
Remarque : lorsque A est carre les matrices A
T
A et AA
T
ont la mme taille.
Retour lexercice
Aide 1, Question 2c, Exercice A.1.14
Etudions AA
, on pose y = A
x, on a encore
x
T
AA
x = 0 y
T
y = 0 y = 0 x Ker A
.
Peut-on avoir Ker A
= {0} ? Si oui quelle condition?

Retour lexercice
Rappelez-vous la relation entre la dimension du noyau et le rang dune matrice.
Retour lexercice
dim Ker A
+RangA
= n
Donc
Ker A
= {0} dim Ker A
= 0 RangA
= n RangA = n
La matrice AA
est donc dnie positive si et seulement si RangA = n, cest dire la matrice A est de rang
maximal.
Etudiez maintenant la matrice A
A
Retour lexercice
On pose z = Ax, on a encore
x
T
A
Ax = 0 z
T
z = 0 z = 0 x Ker A.
Retour lexercice
On sait que dim Ker A + RangA = p, donc il nest pas possible que Ker A = 0, car alors on aurait RangA = p, ce qui
est impossible puisque n < p.
Donc il existe des vecteurs x non nuls appartenant Ker A,
puisque lon a x
T
A
Ax = 0 x Ker A., il existe des vecteurs x non nuls tels que x

T
A
Ax = 0, donc la matrice
A
A ne peut pas tre dnie positive.

Si on avait la condition p < n, cest AA
qui ne pourrait pas tre dnie positive, alors que A
A le serait condition
que RangA = p, cest dire A de rang maximal.
Remarque : lorsque A nest pas carre, les matrices AA
et A
A sont carres, mais elles nont pas la mme taille.

Retour lexercice

Chapitre 1 - Algèbre Linéaire

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapitre 1 - Algèbre Linéaire

Diunggah oleh

Hak Cipta:

Format Tersedia

MT09-Analyse numrique lmentaire

Chapitre 1 : Rvisions dalgbre linaire

la matrice P dnie par :

les matrices reprsentant u dans les bases E et E

, alors si P est la matrice de

sont dites semblables.)

non nul vriant Ax

= 0 et le systme Ax = b ne peut admettre une solution unique

est une autre solution.

0 par injectivit et ker u = {

deux vecteurs tels que u(x) = u(x

), alors, par linarit, on

0}, y et z sont uniques pour un x donn. On dit alors que F + G

2, 3)} est-elle lie ?

est la drive du polynme p.

. Dterminer alors la matrice de u.

b > mais que P vect <a,

b > sont-ils supplmentaires dans IR

b, c} est-elle libre ? gnratrice de IR

1. Montrer que est une application linaire.

de la rotation ( , ) dans la base (

sont symtriques et semi-dnies positives.

sont-elles dnies positives ?

peuvent-elles tre dnies positives ? Si

2 + 3)/2, donc la famille est lie.

= 0. Pour montrer que le rang de A est gal 3, il faut trouver

A est un vecteur ligne appartenant M

z est un scalaire, plus prcisment

est une matrice appartenant M

nest pas gale la matrice zy

, ces deux matrices nont mme pas la mme taille si n et m

, noubliez pas que (yy

= {0} ? Si oui quelle condition?

= {0} dim Ker A

Ax = 0 x Ker A., il existe des vecteurs x non nuls tels que x

A ne peut pas tre dnie positive.

qui ne pourrait pas tre dnie positive, alors que A

A sont carres, mais elles nont pas la mme taille.

Anda mungkin juga menyukai