Documente Academic
Documente Profesional
Documente Cultură
THÉORIE ET PROBLÈMES
RÉSOLUS D’ALGÈBRE
LINÉAIRE
VOLUME 1 ESPACES EUCLIDIENS
1
Théorie et Problèmes Résolus d’Algèbre Linéaire: Volume 1 Espaces Euclidiens
1e édition
© 2017 Marianna Euler, Norbert Euler & bookboon.com
ISBN 978-87-403-1867-8
Evaluation par : Professor Adrian Constantin, Universität Wien, Österreich/King’s College
London, UK and Professor Denis Blackmore, New Jersey Institute of Technology, USA
2
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Contenu
CONTENU
1 Vecteurs, droites et plans dans R3 9
1.1 Opérations sur les vecteurs et le produit scalaire 9
1.2 Le produit vectoriel 17
1.3 Les plans et leurs équations 22
1.4 Les droites et leur paramétrisation 29
1.5 Supplément sur les droites et les plans 39
1.6 Exercices 56
Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.
aea.se/blimedlem
3
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Contenu
4
5
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Préface
Préface
Ce livre est le premier d’une série de trois ouvrages intitulés Théorie et Problèmes
Résolus d’algèbre linéaire. Cette première partie traite des vecteurs en espace euclidien,
des matrices ainsi que de leur algèbre, et des systèmes d’équations linéaires. Nous résolvons
des systèmes linéaires en utilisant, entre autres, la méthode du pivot de Gauss et étudions
les propriétés de ces systèmes à l’aide des vecteurs et des matrices. De plus, nous nous
intéressons aux applications linéaires de la forme T : Rn → Rm et calculons la matrices
canonique les décrivant.
La seconde partie de cette série est intitulée Espaces Vectoriels (pas encore disponible
en français). Dans celle-ci nous définissons les concepts d’espace vectoriel, de base, de
dimension et de coordonnées dans ces espaces. Ce qui nous amène aux applications linéaires
entre espaces vectoriels et euclidiens. Nous étudions aussi plusieurs espaces euclidiens,
par exemple l’espace nul, l’espace colonne ainsi que l’espace propre des matrices. Nous
utilisons ensuite les vecteurs propres et des transformations similaires afin de diagonaliser
les matrices carrées.
Dans la troisième partie, intitulée Espaces préhilbertiens (pas encore disponible en
français), nous incluons le produit scalaire de deux vecteurs aux espaces vectoriels. Ceci
rend possible les définitions des bases orthogonales et orthonormées, des espaces orthogo-
naux ainsi que des projections orthogonales des vecteurs sur des sous espaces de dimension
finie. La méthode dite des moindres carrés est introduite comme la meilleure approxima-
tion des systèmes linéaires incompatibles Ax = b.
Le but de cette série est de fournir aux étudiants un ensemble structuré de problèmes
résolus soigneusement choisis ainsi qu’une opportunité d’approfondir leurs connaissances
acquises en cours d’algèbre linéaire. Chaque chapitre comporte un bref résumé des notions
théoriques importantes dans les Notes théoriques. Elles sont suivies par une sélection
de Problèmes en rapport avec ces concepts, puis pour chacun une Solution détaillée est
fournie. Enfin, à la fin de chaque chapitre se trouve une liste d’exercices liés aux problèmes
(avec solutions). Cette structure est commune à tous les ouvrages de la série.
Cette architecture particulière fait que ces livres ne sont pas des manuels traditionnels
d’un cours d’algèbre linéaire. Nous pensons au contraire qu’il peuvent être utiles en tant
que support à un manuel classique. Nous cherchons à guider les étudiants, en particulier
ceux venant des filières techniques et scientifiques, en leur fournissant les outils afin qu’ils
acquièrent une meilleure compréhension des notions abstraites d’algèbre linéaire. Cette
série peut aussi servir au développement et à l’amélioration des techniques de résolution
de problèmes. Nous prévoyons que les étudiants trouveront ici des méthodes alternatives,
ainsi que des exercices allant au delà de ce qui est classiquement proposé en algèbre linéaire,
et nous espérons que ceci augmentera leur intérêt pour le sujet.
5
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Note aux etudiants
6
Nous suggérons que vous vous attaquiez d’abord aux Problèmes par vous même, avec
l’aide fournie par les Notes théoriques ci nécessaire, avant de lire les Solutions pro-
posées. Nous pensons que cette façon d’étudier l’algèbre linéaire vous sera utile car elle
devrait vous permettre de faire de nouvelles connexions entre les différents concepts et
possiblement d’apprendre des méthodes alternatives à la résolution de problèmes.
Chaque sous partie de chaque chapitre de ce livre (qui constitue la première partie de cette
série sur l’algèbre linéaire) est généralement auto consistante, vous devriez donc pouvoir
travailler sur les problèmes dans l’ordre que vous préférez. Par conséquent si vous voulez
étudier le dernier chapitre, vous n’avez pas besoin de traiter tous les chapitres précédents.
Afin de faciliter la lecture du livre nous avons, en plus de la table des matières et de l’index
présents au début et à la fin, utilisé les couleurs pour indiquer les Notes théoriques,
Problèmes et Solutions.
Ce livre comprend plus de 100 problèmes résolus et plus de 100 exercices avec solu-
tions. Bonne lecture !
6
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Notations
7
Notations
7
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Notations (suite)
8
Notations (suite)
T −1 : L’application réciproque de T .
Remerciements
Nous tenons à remercier chaleureusement nos collègues Dr. Stefan Ericsson et Dr. Johan
Byström pour leur lecture de la Première Edition et leurs remarques précieuses. Nous
remercions aussi Dr. Ove Edlund pour ses remarques utiles concernant l’annexe de cette
Seconde Edition.
8
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
Chapitre 1
Le but de ce chapitre :
Nous considérons les vecteurs de l’espace euclidien R3 et utilisons les opérations usuelles
de l’addition de vecteurs, la multiplication de vecteurs par des scalaires (nombres réels), le
produit scalaire, et le produit vectoriel de deux vecteurs afin de calculer des longueurs, des
aires, des volumes et les projections orthogonales d’un vecteur sur un autre vecteur (ou
sur une droite). Nous nous servons de ces vecteurs pour paramétrer les droites et trouver
les équations de plan dans R3 . Nous montrons comment calculer les distances entre un
point et une droite, un point et un plan, entre deux plans, une droite et un plan, mais
aussi entre deux droites dans R3 .
Le vecteur position u associé au point P ayant pour coordonnées (u1 , u2 , u3 ) est montré à la
figure 1.1. Afin d’alléger les notations, nous désignerons par P : (u1 , u2 , u3 ) les coordonnées
du point P . L’addition de deux vecteurs u et v, notée u + v, est le vecteur de R3 s’écrivant
u + v = (u1 + v1 , u2 + v2 , u3 + v3 ).
9
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
10 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Une illustration est donnée figure 1.2. Considérant un troisième vecteur w ∈ R3 la pro-
priété suivante est satisfaite
(u + v) + w = u + (v + w).
La multiplication de u par un nombre réel (ou scalaire), notée ru, est le vecteur de R3
défini par
ru = (ru1 , ru2 , ru3 ).
Le vecteur ru est aussi appelé dilatation de u. Nous avons
Propriétés :
0u = 0 = (0, 0, 0) le vecteur nul
u − v = u + (−1)v = (u1 − v1 , u2 − v2 , u3 − v3 )
u − u = 0.
Le produit scalaire de u et v, noté u · v, est le nombre réel donné par :
u · v = u1 v1 + u2 v2 + u3 v3 ∈ R.
La norme de u, notée u, est la longueur de u définie selon
√
u = u · u ≥ 0.
10
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE SUR LES
1.1. OPÉRATIONS Vecteurs,
VECTEURS ET LE PRODUIT droites et plans 11
SCALAIRE dans R3
Figure 1.2 – Addition des vecteurs u et v, ainsi que quelques dilatations du vecteur u.
11
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
12 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3
où û est le vecteur directeur de proju w et |w · û| est la longueur de proju w (| | indique
la valeur absolue). Une illustration est donnée à la figure 1.4.
12
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.1. OPÉRATIONS SUR LES VECTEURS ET LE PRODUIT SCALAIRE 13
Problème 1.1.1.
Considérons les vecteurs suivants dans R3 : u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).
a) Trouver la longueur du vecteur u, ainsi que le vecteur unitaire donnant sa direction.
b) Trouver l’angle entre u et v.
c) Projeter orthogonalement w sur le vecteur v.
d) Trouver le vecteur qui est la réflexion de w par rapport à v.
eLibrary
13
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
14 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.1.1.
√ √
a) La longueur de u = (1, 2, 3) est u = 12 + 22 + 32 = 14. La direction de
u = (1, 2, 3) est donnée par le vecteur unitaire û, défini par
u (1, 2, 3) 1 2 3
û = = √ = ( √ , √ , √ ).
u 14 14 14 14
On remarquera que û = 1.
14
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE SUR LES
1.1. OPÉRATIONS Vecteurs,
VECTEURS ET LE PRODUIT droites et plans 15
SCALAIRE dans R3
Calculons,
12 6
projv w = ( , 0, )
5 5
12 6 9 12
w∗ = 2( , 0, ) − (3, 1, 0) = ( , −1, ).
5 5 5 5
Problème 1.1.2.
Considérons les deux vecteurs de R3 : u = (u1 , u2 , u3 ) et v = (v1 , v2 , v3 ).
a) Trouver la projection orthogonale de u dans le plan xy.
b) Trouver la projection orthogonale de u dans le plan yz.
c) Trouver le vecteur correspondant à la réflexion de u par rapport au plan xz.
d) Trouver le vecteur résultant le la réflexion de u par rapport aux plans xy puis xz.
Solution 1.1.2.
a) La projection orthogonale de u = (u1 , u2 , u3 ) dans le plan xy est le vecteur uxy dont
la coordonnée suivant z est nulle et les coordonnées suivant x et y sont les mêmes
que celles de u. Donc (voir la figure 1.7)
uxy = (u1 , u2 , 0).
b) La projection orthogonale de u = (u1 , u2 , u3 ) dans le plan yz est le vecteur uyz
donné par
uyz = (0, u2 , u3 ).
c) Le vecteur u∗ xz , qui est la réflexion de u = (u1 , u2 , u3 ) par rapport au plan xz, a les
mêmes coordonnées que u suivant x et z, mais une coordonnée suivant y opposée à
15
THÉORIE ET PROBLÈMES RÉSOLUS
16
D’ALGÈBRE LINÉAIRE
CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Vecteurs, droites et plans dans R3
celle de u. D’où
u∗ xz = (u1 , −u2 , u3 ).
d) Le vecteur u = (u1 , u2 , u3 ) est d’abord réfléchi par rapport au plan xy afin d’obtenir
u∗ xy = (u1 , u2 , −u3 ), celui-ci est ensuite réfléchi par rapport au plan xz, ce qui donne
(u1 , −u2 , −u3 ).
Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.
16
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.2. LE PRODUIT VECTORIEL 17
Propriétés :
a) u × v = −v × u.
b) La norme u × v est l’aire du parallélogramme défini par u et v.
17
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
18 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
18
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.2. LE PRODUIT VECTORIEL 19
Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?
karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden
19
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
20 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Problème 1.2.1.
Considérons les trois vecteurs suivants dans R3 :
Solution 1.2.1.
a) Le vecteur q = u × v est orthogonal à u = (1, 2, 3) et v = (2, 0, 1) (voir la figure
1.10) et ce produit vectoriel
peut s’exprimer selon le déterminant
e1 e2 e3
q = 1 2 3 = 2e1 + 5e2 − 4e3 = (2, 5, −4).
2 0 1
Avec {e1 , e2 , e3 } la base canonique de R3 .
20
THÉORIE ET PROBLÈMES RÉSOLUS
1.2. LE PRODUIT
D’ALGÈBRE LINÉAIRE VECTORIEL Vecteurs, droites et plans 21
dans R3
Problème 1.2.2.
Considérons les trois vecteurs de R3 :
Solution 1.2.2.
a) Le volume du parallélépipède
est V = |u1 · (u2 × u3 )| et nous imposons V = 1. D’où
a 2 −1
V = | 4 1 0 | = | − 2a − 3| = 1,
1 5 −2
nous en déduisons a = −1 ou a = −2.
b) L’aire de chaque face du parallélépipède peut être calculée comme suit (voir la figure
1.12) :
Aire face 1 = u1 × u3 , Aire face 2 = u2 × u3 , Aire face 3 = u1 × u2 ,
unités.
Avec
e1 e2 e3
u1 × u3 = 0 2 −1 = e1 − e2 − 2e3
1 5 −2
e1 e2 e3
u2 × u3 = 4 1 0 = −2e1 + 8e2 + 19e3
1 5 −2
e1 e2 e3
u1 × u2 = 0 2 −1 = e1 − 4e2 − 8e3 ,
4 1 0
21
22
THÉORIE CHAPITRE
ET PROBLÈMES RÉSOLUS 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
tels que √
Aire face 1 = 12 + (−1)2 + (−2)2 = 6 unités
√
Aire face 2 = (−2)2 + 82 + 192 = 429 unités
Aire face 3 = 12 + (−4)2 + (−8)2 = 9 unités.
22
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 23
Problème 1.3.1.
Considérons les trois points suivants dans R3 :
Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized
23
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
24 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.3.1.
Notons A, B et C les points de coordonnées respectives (1, 2, 3), (2, 0, 1) and (3, 1, 0).
Supposons que ces points appartiennent au plan Π et notons P : (x, y, z, ) un point
arbitraire du plan. Considérons maintenant les vecteurs
−−→ −→ −→
AB = (1, −2, −2), AC = (2, −1, −3), AP = (x − 1, y − 2, z − 3).
Alors
−→ −−→ −→
n = AC × AB et n · AP = 0,
donc
e1 e2 e3
n = 2 −1 −3 = −4e1 + e2 − 3e3 = (−4, 1, −3).
1 −2 −2
ou encore 4x − y + 3z = 11.
Problème 1.3.2.
Considérons quatre points de R3 de coordonnées respectives
(1, 1, 1), (0, 1, k), (2, −1, −1) and (−2, −1, 1),
avec k un nombre réel arbitraire. Trouver la(les) valeur(s) de k, telle(s) que ces quatre
points appartiennent au même plan.
24
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 25
Solution 1.3.2.
Supposons que les quatre points
appartiennent au même plan de R3 comme illustré à la figure 1.14. Comme ces points
avec
−−→ −→ −−→
AD = (−3, −2, 0), AC = (1, −2, −2), AB = (−1, 0, k − 1)
et
−3 −2 0
−−→ −→ −−→
AD · (AC × AB) = 1 −2 −2 = 0.
−1 0 k−1
Problème 1.3.3.
Trouver l’équation du plan de R3 passant par le point (1, 3, 1) et parallèle au plan défini
par
x + y − z = 1.
25
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
26 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.3.3.
Notons ce plan Π1 , i.e.
Π1 : x + y − z = 1,
et Π2 le plan dont nous cherchons l’équation. La figure 1.15 montre ces deux plans. Un
vecteur normal de Π1 est
n1 = (1, 1, −1)
et, comme Π2 est parallèle à Π1 , leurs vecteurs normaux doivent être parallèles. C’est
pourquoi nous pouvons définir n2 , un vecteur normal de Π2 , comme le même que celui de
Π1 ,
n2 = (1, 1, −1).
26
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.3. LES PLANS ET LEURS ÉQUATIONS 27
−−→
Après calcul du produit scalaire AB · n2 , nous obtenons
Π2 : x + y − z = 3.
27
THÉORIE
28 ET PROBLÈMES RÉSOLUS
CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
Problème 1.3.4.
Trouver l’équation du plan de R3 passant par les points (1, 3, 1) et (−1, 0, 4) et orthogonal
au plan
x − y + 2z = 3.
Solution 1.3.4.
Notons Π1 le plan
Π1 : x − y + 2z = 3
de vecteur normal
n1 = (1, −1, 2)
et Π2 le plan que nous recherchons. Ces deux plans sont représentés en figure 1.16. Nous
connaissons deux points de Π2 ,
A : (1, 3, 1), B : (−1, 0, 4).
Pour trouver l’équation de Π2 nous avons besoin de déterminer d’abord son vecteur normal
n2 . Comme Π1 et Π2 sont orthogonaux, le vecteur normal n2 de Π2 est orthogonal à
−−→
n’importe quel vecteur parallèle à Π2 , par exemple AB, et n2 est orthogonal à n1 . Donc
−−→
n2 = n1 × AB,
avec
−−→
AB = (−2, −3, 3).
D’où
e1 e2 e3
n2 = 1 −1 2 = 3e1 − 7e2 − 5e3 = (3, −7, −5).
−2 −3 3
Notons C un point quelconque de Π2 , i.e.
C : (x, y, z).
−→
Le vecteur AC est orthogonal au vecteur normal n2 , donc
−→
n2 · AC = 0,
avec
−→
AC = (x − 1, y − 3, z − 1).
−→
Le calcul du produit scalaire n2 · AC nous donne
3(x − 1) − 7(y − 3) − 5(z − 1) = 0,
et nous en déduisons l’équation du plan Π2
3x − 7y − 5z = −23.
28
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 29
29
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
30 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
où (x1 , y1 , z1 ) est un point situé sur la droite et v = (a, b, c) est un vecteur parallèle à
comme illustré à la figure 1.17. Ici t est un paramètre pouvant prendre n’importe quelle
valeur réelle. Ce qui veut dire que pour tout point (x, y, z) appartenant à la droite , il
existe une unique valeur de t telle que
(x, y, z) = (at + x1 , bt + y1 , ct + x1 ).
30
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 31
Problème 1.4.1.
Trouver l’équation paramétrique de la droite dans R3 , contenant les points (−1, 1, 3) et
(2, 3, 7).
a) Parmi ces trois points, déterminer s’il en a qui appartiennent à :
1
(−4, −1, −1); (−1, 2, 3); ( , 2, 5)
2
b) Le vecteur w = (−6, −4, −8) est-il parallèle à la droite ? Justifier.
Solution 1.4.1.
Nous connaissons deux points de la droite , que nous nommerons P1 : (−1, 1, 3) et P2 :
−−−→
(2, 3, 7). Alors le vecteur P1 P2 est parallèle à et ses coordonnées sont :
−−−→
P1 P2 = (3, 2, 4).
Nous avons donc trouvé un vecteur v parallèle à :
−−−→
v = P1 P2 = (3, 2, 4).
Notons P : (x, y, z) un point quelconque de . Alors
−−→
P1 P = tv ou (x + 1, y − 1, z − 3) = t(3, 2, 4) pour tout t ∈ R.
En identifiant les coordonnées suivant x, y et z de cette équation vectorielle nous en
déduisons
x + 1 = 3t, y − 1 = 2t, z − 3 = 4t,
respectivement. L’équation paramétrique de est donc
x = 3t − 1
: y = 2t + 1
z = 4t + 3 pour tout t ∈ R.
a) Pour déterminer si le point (−4, −1, −1) se trouve sur la droite , nous devons
résoudre l’équation paramétrique obtenue à la question précédente pour t. t doit
donc satisfaire les relations
−4 = 3t − 1, −1 = 2t + 1, −1 = 4t + 3.
Qui ne peuvent être résolues simultanément que pour une unique valeur de t, t = −1.
Le point (−4, −1, −1) appartient donc à .
31
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
32 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Problème 1.4.2.
Trouver l’équation paramétrique de la droite dans R3 passant par le point (1, −1, 2) et
orthogonale aux droites 1 et 2 , dont les équations paramétriques sont
x = 2t
x = −3t + 1
1 : y=t 2 : y = 2t
z = t − 1 pour tout t ∈ R,
z = 4t − 1 pour tout t ∈ R.
Ingenjörer
till Göteborgs Stad
Vårt jobb är att skapa en bra vardag för alla göteborgare och att utveckla Göteborg för
framtiden. I Göteborgs Stad finns 48 000 medarbetare i 100 olika yrken. Du kan välja
många intressanta jobb och ta nya utmaningar på en stor intern arbetsmarknad.
Hitta jobben på goteborg.se/ledigajobb
32
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 33
Solution 1.4.2.
Les vecteurs v1 = (2, 1, 1) et v2 = (−3, 2, 4) sont respectivement parallèles à 1 , et 2 . Un
vecteur orthogonal à ces derniers est donc
v = v1 × v2
Problème 1.4.3.
v = (a, b, c)
33
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
34 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.4.3.
a) Nous cherchons
à calculer la distance entre le point P0 (x0 , y0 , z0 ) et la droite , où
x = at + x1
: y = bt + y1
z = ct + z pour tout t ∈ R.
1
−−−→
Ici P1 : (x , y
1 1 1, z ) est un point sur la droite . Notons s = P0 P2 la distance entre
P0 et , où P2 est un point inconnu de . Considérons le triangle orienté P1 P2 P0
représenté à la figure 1.18.
Alors s s’exprime
−−−→ −−−→
s = P0 P2 = P1 P0 sin θ. (1.4.1)
D’autre part, la définition du produit vectoriel nous donne
−−−→ −−−→
P1 P0 × v = P1 P0 v sin θ. (1.4.2)
−−−→
En résolvant ||P1 P0 || sin θ depuis (1.4.2) et en insérant la solution dans (1.4.1), nous
obtenons la formule suivante pour la distance :
−−−→
P1 P0 × v
s= .
v
b) La droite passe par le point P1 : (1, −4, 2) et est parallèle au vecteur v = (1, 3, 5).
Donc, pour le point P0 : (−2, 1, 3), nous avons
−−−→
P1 P0 = (−3, 5, 1)
et
−−−→ e1 e2 e3
P1 P0 × v = −3 5 1 = 22e1 + 16e2 − 14e3 = (22, 16, −14).
1 3 5
34
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 35
−−−→
Nous pouvons donc calculer les normes des vecteurs P√1 P0 × v et v
−−−→
P1 P0 × v = (22)2 + (16)2 + (−14)2 = 6 26
√
v = 12 + 32 + 52 = 35,
et enfin obtenir la distance entre le point P0 et la droite :
−−−→ √
P1 P0 × v 6 26
s= = √ .
v 35
Problème 1.4.4.
Trouver la formule donnant la distance entre deux droites dans R3 et l’utiliser afin de
calculer la distance entre les deux droites :
x = 2t + 1
x=t
1 : y =t−1 2 : y = 2t + 2
z = 3t + 1 pour tout t ∈ R,
z = 1 pour tout t ∈ R.
35
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
36 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.4.4.
Supposons que P1 : (x1 , y1 , z1 ) soit un point appartenant à la droite 1 et que P2 :
(x2 , y2 , z2 ) soit un point de 2 . Notons v1 et v2 les vecteurs directeurs parallèles res-
pectivement aux droites 1 et 2 (comme illustré à la figure 1.19). Alors v = v1 × v2 est un
vecteur orthogonal à la fois à v1 et v2 , par conséquent v est aussi orthogonal aux droites
−−−→
1 et 2 . Pour trouver la distance s entre 1 et 2 , nous projetons P1 P2 orthogonalement
sur le vecteur v. Nous avons donc
−−−→ −−−→
−−−→ |P1 P2 · v| |P1 P2 · (v1 × v2 )|
s = projv P1 P2 = = .
v v1 × v2
Pour les droites données 1 et 2 , nous avons respectivement v1 = (2, 1, 3), v2 = (1, 2, 0)
et des points P1 : (1, −1, 1) ∈ 1 et P2 : (0, 2, 1) ∈ 2 . Alors
e1 e2 e3
−−−→
P1 P2 = (−1, 3, 0), v1 × v2 = 2 1 3 = −6e1 + 3e2 + 3e3 = (−6, 3, 3).
1 2 0
36
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.4. LES DROITES ET LEUR PARAMÉTRISATION 37
Problème 1.4.5.
Considérons les vecteurs suivants de R3 :
Notons la droite dans R3 contenant le point (2, −1, 4) et le vecteur nul 0 = (0, 0, 0).
a) Trouver la projection orthogonale du vecteur u sur la droite , i.e. calculer
proj u.
Solution 1.4.5.
a) Nous cherchons à calculer le vecteur w qui n’est d’autre que la projection orthogo-
nale du vecteur u sur la droite , i.e. w =proj u. Ceci peut être réalisé en projetant
u sur n’importe quel vecteur position se trouvant sur la droite , par exemple le
vecteur v comme représenté à la figure 1.20. Donc
37
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
38 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
38
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 39
Remarque : Deux plans de R3 dont l’intersection est vide sont forcément parallèles.
39
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
40 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Problème 1.5.1.
Soient un plan ax + by + cz = d et un point P0 : (x0 , y0 , z0 ), tels que P0 n’appartienne pas
au plan.
a) Trouver la formule de la distance entre le point P0 : (x0 , y0 , z0 ) et le point ax + by +
cz = d.
b) Trouver la distance entre le point (1, 2, 2) et le plan passant par l’origine (0, 0, 0),
ainsi que les points (1, 1, −1) and (0, 2, 1).
Solution 1.5.1.
a) Considérons le plan
Π : ax + by + cz = d
et le point
P0 : (x0 , y0 , z0 ) ∈
/ Π.
40
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 41
avec n̂ = n/n, et
−−→
P P0 = (x0 − x, y0 − y, z0 − z)
−−→
P P0 · n = a(x0 − x) + b(y0 − y) + c(z0 − z)
−→ −−→
Considérons les vecteurs OA et OB représentés en figure 1.23. Alors un vecteur
normal n de Π est
−→ −−→
n = OA × OB,
avec
−→ −−→
OA = (1, 1, −1), OB = (0, 2, 1).
Le calcul de
ce produit vectoriel
nous donne
e1 e2 e3
n = 1 1 −1 = 3e1 − e2 + 2e3 = (3, −1, 2).
0 2 1
Comme le plan Π passe par O : (0, 0, 0), nous en déduisons son équation,
3x − y + 2z = 0,
ainsi que la distance s entre ce plan et le point P0 : (1, 2, 2),
|(3)(1) + (−1)(2) + (2)(2)| 5
s= √ =√ .
9+1+4 14
41
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
42 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Problème 1.5.2.
Trouver la distance entre les plans Π1 : 2x − 3y + 4z = 5 et Π2 : 4x − 6y + 8z = 16.
Solution 1.5.2.
Nous avons deux plans, Π1 : 2x − 3y + 4z = 5 et Π2 : 4x − 6y + 8z = 16. En divisant
l’équation du plan Π2 par 2 nous obtenons 2x − 3y + 4z = 8. Le vecteur normal n des
deux plans est donc
nous pouvons donc en conclure que ces deux plans sont parallèles. Choisissons un point
quelconque de Π1 , noté P0 : (x0 , y0 , z0 ), et calculons la distance s entre P0 et Π2 /2. Pour
cela utilisons la formule (1.5.1),
|ax0 + by0 + cz0 − d|
s= √
a 2 + b2 + c 2
établie au problème 1.5.1 a) et donnée dans la note théorique 1.5. Pour Π2 nous avons
a = 2, b = −3, c = 4 et d = 8. Afin de trouver un point P0 appartenant à Π1 fixons x = 1
et y = 0, et insérons ces valeurs dans l’équation de Π1 pour en déduire z. Nous avons donc
3
2(1) − 3(0) + 4z = 5, d’où z = .
4
3
Nous en déduisons P0 : (1, 0, ), et pouvons enfin calculer s,
4
|(2)(1) − (3)(0) + (4)(3/4) − 8| | − 3| 3
s= = √ =√ .
2 2
2 + (−3) + 4 2 29 29
Une autre façon de procéder est d’utiliser la formule s = |d1 − d2 |/n avec d1 = 5 et
d2 = 8, donnée dans la note théorique 1.5.
Problème 1.5.3.
Considérons la droite dans R3 :
x = 2t + 1
: y = −2t + 1
z = 6t − 6 pour tout t ∈ R.
Trouver toutes les valeurs du paramètre b, telles que tout point de appartienne au plan
2 1
x + by + z = 1.
3 9
42
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 43
Solution 1.5.3.
Comme tout point de doit aussi appartenir au plan donné dans l’énoncé, insérons les
expressions de x, y et z, données par l’équation paramétrique de , dans l’équation du
plan. Nous obtenons donc
2 1
(2t + 1) + b(−2t + 1) + (6t − 6) = 1.
3 9
Après simplification et regroupement des termes nous avons
Ce qui implique
18 − 18b = 0 and 9b − 9 = 0,
dont la seule solution est b = 1. Donc chaque point de appartient au plan si et seulement
si ce dernier a pour équation
2 1
x + y + z = 1, ou, de manière équivalente, 6x + 9y + z = 9.
3 9
43
44
THÉORIE CHAPITRE
ET PROBLÈMES RÉSOLUS 1. VECTEURS, DROITES ET PLANS DANS R3
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
Problème 1.5.4.
Solution 1.5.4.
a) Trouvons l’intersection entre la droite et le plan Π :
Un point arbitraire Pt appartenant à a pour coordonnées
Pt : (t + 1, 2t + 1, 2t + 2),
pour tout t ∈ R. Pour trouver l’intersection de avec Π, insérons
x = t + 1, y = 2t + 1, z = 2t + 2
dans l’équation de Π. Ce qui donne l’équation suivante
(t + 1) + (2t + 1) − (2t + 2) = −3,
à partir de laquelle nous obtenons t = −3. Par conséquent, le point P appartenant
à la fois à et Π a pour coordonnées (voir la figure 1.24 pour une illustration) :
P : (−2, −5, −4).
Afin de trouver la direction de , ˆ définie comme la projection orthogonale de sur
Π, choisissons un point quelconque Q de (different de P ), par exemple
Q : (1, 1, 2).
−−→
Alors P Q = (3, 6, 6) et comme représenté en figure 1.24, nous avons
−−→ −−→ −−→
P M = P Q − M Q,
−−→ −−→ −−→
où P M est la projection orthogonale de P Q sur ˆ et donc P M est la projection
−−→ −−→ −−→
orthogonale de P Q sur Π. Pour trouver M Q projetons P Q orthogonalement sur le
vecteur normal n de Π, avec n = (1, 1, −1). D’où
−−→
−−→ −−→ −−→ PQ · n
M Q = projn P Q = (P Q · n̂) n̂ = n
n·n
−−→
Le calcul de cette projection orthogonale nous donne M Q = (1, 1 − 1), et nous en
déduisons
−−→
P M = (3, 6, 6) − (1, 1, −1) = (2, 5, 7).
44
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 45
−−→
Comme la droite ˆ passe par le point P : (−2, −5, −4) et a pour direction P M , son
équation paramétrique est
x = 2t − 2
ˆ : y = 5t − 5
z = 7t − 4 pour tout t ∈ R.
b) Au problème 1.5.1 nous avons établi une formule donnant la distance s entre un
point P0 : (x0 , y0 , z0 ) et un plan ax + by + cz = d,
|ax0 + by0 + cz0 − d|
s= √ .
a 2 + b2 + c 2
Un point quelconque St de a pour coordonnées
St : (t + 1, 2t + 1, 2t + 2)
avec t ∈ R. Nous pouvons donc calculer la distance s du point St au plan Π :
x + y − z = −3 en utilisant cette formule. Nous obtenons
|1(t + 1) + 1(2t + 1) − 1(2t + 2) − (−3)| |t + 3|
s= √ = √ .
1+1+1 √3
Nous cherchons maintenant les points St , tels que s = 2 3. Ce qui équivaut à
|t + 3| √
√ = 2 3 ou |t + 3| = 6.
3
D’où t = 3 ou t = −9. Ces deux valeurs de t, insérées dans les√coordonnées de St ,
nous donnent les deux points de qui sont à une distance de 2 3 de Π :
(4, 7, 8) and (−8, −17, −16).
c) Nous devons trouver l’équation paramétrique de la droite ∗ , réflexion de par
rapport au plan Π. De manière évidente, ∗ est aussi la réflexion de par rapport
ˆ qui a déjà été obtenue à la partie a) ci-dessus. Remarquons que nous
à la droite ,
45
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
46 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
46
1.5. SUPPL
THÉORIE ÉMENT SUR
ET PROBLÈMES LES
RÉSOLUS DROITES ET LES PLANS 47
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
Problème 1.5.5.
Soient le plan Π : 2x + y + z = 5 et la droite
x=t+2
: y = −5t + 1
z = 3t + 3 pour tout t ∈ R,
@jobba_i_malmostad
www.facebook.com/jobbaimalmostad
47
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
48 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Solution 1.5.5.
a) Nous cherchons
à déterminer la projection orthogonale de la droite ,
x=t+2
: y = −5t + 1
z = 3t + 3 pour tout t ∈ R
ˆ
sur le plan Π : 2x + y + z = 5, notée .
48
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 49
Donc −−→
−−→ −−→ Q0 P · n
Q0 Q = proj n Q0 P = n
n·n
2(2 − x0 ) + 1(1 − y0 ) + 1(3 − z0 )
= (2, 1, 1)
4+1+1
8 − (2x0 + y0 + z0 )
= (2, 1, 1).
6
Q0 appartenant à Π, ses coordonnées satisfont l’équation de plan
2x0 + y0 + z0 = 5,
il vient
−−→ 8−5 1 1
proj n Q0 P = (2, 1, 1) = (1, , ).
6 2 2
d’où
1 1
(3 − x0 , −4 − y0 , 6 − z0 ) = (1, , ),
2 2
finalement en comparant les coordonnées x, y et z nous obtenons
9 11 9 11
x0 = 2, y0 = − , z0 = , i.e. Q0 : (2, − , ).
2 2 2 2
Q0 appartient évidemment à , ˆ de plus ˆ a le même vecteur directeur v que ,
v = (1, −5, 3).
Une équation paramétrique pour ˆ est donc
x=t+2
9
ˆ : y = −5t −
2
11
z = 3t + pour tout t ∈ R.
2
b) Nous cherchons maintenant la droite ∗ qui est la réflexion de ,
x=t+2
: y = −5t + 1
z = 3t + 3 pour tout t ∈ R
par rapport au plan Π : 2x + y + z = 5.
Il nous faut trouver les coordonnées du point Q∗ , défini à la figure 1.27. Notons
(x∗ , y ∗ , z ∗ ) ses coordonnées. A la question a) nous avons calculé les coordonnées de
−−−→ −−→
Q : (3, −4, 6) et Q0 : (2, −9/2, 11/2). Comme Q0 Q∗ = QQ0 , nous avons
−−−→∗ 1 1
Q0 Q = (−1, − , − ).
2 2
Or, nous savons aussi que
−−−→∗ 9 11
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ),
2 2
par conséquent
−−−→∗ 9 11 1 1
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ) = (−1, − , − )
2 2 2 2
ce qui nous donne les relations x∗ = 1, y ∗ = −5 et z ∗ = 5. Ainsi nous avons obtenu
les coordonnées de Q∗ ,
Q∗ : (1, −5, 5).
49
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites
50 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3 et plans dans R3
∗ passe par le point point Q∗ et possède aussi le même vecteur directeur que ,
v = (1, −5, ∗
3). Une équation paramétrique de est donc
x=t+1
∗ : y = −5t − 5
z = 3t + 5 pour tout t ∈ R.
50
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANS 51
Problème 1.5.6.
Considérons le plan Π : x − y + z = 7, ainsi que le triangle de sommets A : (1, 2, 2),
B : (3, 1, 2) et C : (1, 1, 1). On remarquera que ce triangle n’appartient pas au plan Π.
a) Projeter orthogonalement ce triangle sur le plan Π et donner les coordonnées des
sommets du triangle projeté.
b) Déterminer sa réflexion par rapport à Π et donner les coordonnées des sommets du
triangle réfléchi.
Solution 1.5.6.
a) Projetons orthogonalement le triangle ABC de sommets A : (1, 2, 2), B : (3, 1, 2)
et C : (1, 1, 1) sur le plan Π : x − y + z = 7 et décrivons le triangle projeté
AΠ BΠ CΠ en terme de ses sommets, de coordonnées AΠ , BΠ et CΠ , comme illustré
en figure 1.28.
Supposons que les coordonnées de AΠ , BΠ et CΠ s’écrivent
AΠ : (x1 , y1 , z1 ), BΠ : (x2 , y2 , z2 ), CΠ : (x3 , y3 , z3 ).
−−−→ −−−→
Le vecteur AAΠ peut être obtenu
−−−→en projetant
orthogonalement ABΠ sur n,
−−−→ −−−→ ABΠ · n
AAΠ = proj n ABΠ = n,
n·n
avec
−−−→ −−−→
AAΠ = (x1 − 1, y1 − 2, z1 − 2), ABΠ = (x2 − 1, y2 − 2, z2 − 2), n = (1, −1, 1).
51
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
52 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3
52
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
1.5. SUPPLLINÉAIRE
ÉMENT SUR LES Vecteurs, droites et plans 53
DROITES ET LES PLANS dans R3
53
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
54 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
Nous obtenons
−−−→ −−−→
CCΠ = proj n CBΠ = (2, −2.2)
−−−→
et après comparaison avec CCΠ = (x3 − 1, y3 − 1, z3 − 1), nous en déduisons
CΠ : (3, −1, 3).
et avons donc déterminé tous les sommets de AΠ BΠ CΠ .
54
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
1.5. SUPPLÉMENT SUR LES DROITES ET LES PLANSVecteurs, droites et plans
55 dans R3
9,),116'b5'80,167$1$5'(7 Där det byggs tunnlar finns ofta Sandvik. Koncernen har de verktyg
och maskiner som behövs för att snabbt och effektivt ta sig igenom de hårdaste berg. Det kan gälla
tunnlar för vattenkraft i USA, vägtunnlar i Kina eller järnvägstunnlar i Schweiz.
Du hittar också resultatet av vårt kunnande i mobiltelefoner, i flygplan, på havets botten och på
många andra ställen. Men även om inte du tänker på var Sandvik finns, så gör kunderna det.
För våra produkter ökar både deras produktivitet och lönsamhet.
Gå in på www.sandvik.se. Där finns mer än du anar!
55
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
56 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
1.6 Exercices
1 1
[Réponse : projv u = ( , − , 1). ]
2 2
e) Trouver le vecteur résultant des réflexions de u par rapport au plan xy puis par
rapport au plan yz-plane. Ce vecteur est-il différent si u est d’abord réfléchi par
rapport au plan yz puis par rapport au plan xy ?
56
THÉORIE ET PROBLÈMES RÉSOLUS
1.6. EXERCICES
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans 57
dans R3
8−c
[Réponse : b= pour tout c ∈ R\{14}. ]
c − 14
5. Soit la droite dans R3 passant par les points P1 : (1, −2, −1) et P2 : (3, −1, 1).
a) Trouver l’équation paramétrique de .
[Réponse
:
x = 2t + 1
: y =t−2
z = 2t − 1 pour tout t ∈ R. ]
57
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE
58 LINÉAIRE CHAPITRE Vecteurs,
1. VECTEURS, DROITES ET droites plans R
PLANSetDANS 3
dans R3
21
[Réponse : .]
5
1√
[Réponse : 21. ]
2
58
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.6. EXERCICES 59
14
[Réponse : k=− .]
3
15
[Réponse : √ .]
29
1
[Réponse : Les coordonnées de l’intersection sont (−9k + 28, −9k − 57, 12k + 11)
3k + 14
14
pour tout k ∈ R\{− }. ]
3
7 8
[Réponse : Les points de coordonnées ( , −1, − ) et (1, 3, 4). ]
3 3
59
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
60 CHAPITRE 1. VECTEURS, DROITES ET PLANS DANS R3
[Réponse :
x = −5t + 4
ˆ : y = −4t − 3
z = −t + 7 pour tout t ∈ R. ]
b) Trouver l’équation paramétrique de la droite ∗ , réflexion de par rapport à Π.
[Réponse:
x = 2t + 4
∗ : y = −11t − 3
z = 7t + 13 pour tout t ∈ R. ]
c) Trouver tous les points√de , tels que la distance la plus courte entre ces points
et le plan Π soit de 3/ 14.
11 8 19 13 10 23
[Réponse : Les points ( , − , ) et ( , − , ). ]
3 3 3 3 3 3
12. Soient le plan Π : 3x + 4y − 5z = 11 et la droite d’équation paramétrique
x=t+4
: y = −2t + 1
z = −t + 3 pour tout t ∈ R,
ˆ définie comme la projection orthogonale
où est parallèle à Π. Trouver la droite ,
de sur Π.
[Réponse :
28
x=t+ 5
ˆ : y = −2t −
1
5
z = −t + 1 pour tout t ∈ R. ]
60
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Vecteurs, droites et plans dans R3
1.6. EXERCICES 61
Π2 : ax + by + cz = d2 ,
est donnée par
|d1 − d2 |
s= ,
n
où n = (a, b, c) est le vecteur normal aux deux plans (voir la note théorique 1.5).
61
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
Chapitre 2
Le but de ce chapitre :
u = (u1 , u2 , . . . , un ).
Où u1 , u2 , . . . , un sont des nombres (réels ou complexes, bien que nous n’utilisons
que des réels dans ce livre). Tout n-uplet désigne un point ou vecteur unique dans
63
63
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
64 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Propriétés :
• u + v = (u1 + v1 , u2 + u2 , . . . , un + vn ) = v + u
• (u + v) + w = u + (v + w)
• r u = (ru1 , ru2 , . . . , run ) = u r pour tout r ∈ R.
• 0u = 0 = (0, 0, . . . , 0) nommé le vecteur nul de Rn .
2. L’addition et la multiplication par des réels de matrices :
Remarque : Dans certains cas il peut être pratique de noter la matrice A comme
suit :
A = [aij ] ou A = [a1 a2 . . . an ], avec aj ∈ Rm .
L’addition de matrices :
A + B = [aij + bij ].
La multiplication par un réel :
rA = [raij ] = Ar pour tout r ∈ R
64
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.1. L’ADDITION ET LA MULTIPLICATION DE MATRICES 65
Propriétés :
Soient A, B et C des matrices de taille m × n, soient r et s des nombres réels. Alors
• A+B =B+A
• (A + B) + C = A + (B + C)
• A + 0mn = A
• r(A + B) = rA + rB
• (r + s)A = rA + sA
• r(sA) = (rs)A.
vi gör papper
i toppklass
Snygga trycksaker kräver riktigt bra papper. Vi på Arctic Paper ARCTIC PAPER GRYCKSBO
BOX 1, 790 20 GRYCKSBO
Grycksbo tillverkar några av Europas bästa bestrukna finpapper. Vi TFN: 023- 680 00
info.gr ycksbo@arc ticpaper.com,
är en modern processindustri där ena foten står stadig i de lokala Läs mer på www.arcticpaper.com
65
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
66 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Soient la matrice m × n A,
A = [a1 a2 . . . an ], aj ∈ R m ,
et le vecteur x ∈ Rn
x1
x2
x = . .
..
xn
Le produit de la matrice A par le vecteur x est un vecteur de Rm défini par :
Ax = x1 a1 + x2 a2 + · · · + xn an .
Soient A une matrice m × n, u et v deux vecteurs de Rn et r un nombre réel. Alors
Propriétés :
• A(u + v) = Au + Av
• rA(u) = A(ru).
4. La multiplication de matrices :
Propriétés :
• A(BC) = (AB)C
• A(B + C) = AB + AC
• (A + B)C = AC + BC
• r(AB) = (rA)B = A(rB).
La matrice identité n × n , notée In , est :
1 0 ··· 0
0 1 ··· 0
In = . . . = [e1 e2 · · · en ],
.. .. · · · ..
0 0 ··· 1
où {e1 , e2 , · · · , en } est la base canonique de Rn ,
e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), ..., en = (0, 0, . . . , 1).
Soit A une matrice m × n et u ∈ Rn . Alors
66
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.1. L’ADDITION ET LA MULTIPLICATION DE MATRICES 67
• AIn = A = Im A.
• In u = u.
• Inp = In pour tout p ∈ N.
Remarque : Soient A une matrice m × n et B une matrice n × m. Alors le produit
AB = 0mm ,
où 0mm désigne la matrice nulle m × m, n’implique pas que A ou B soit nulle. Par
exemple,
1 1 1 1 0 0
= .
1 1 −1 −1 0 0
Problème 2.1.1.
Considérons les trois matrices :
a 2 1 2 a 0 1 1 1
A= , B= , C= ,
1 0 a 0 1 2a2 1 1 1
où a est un paramètre réel non spécifié. Trouver toutes les valeurs de a telles que
A + B = C.
Solution 2.1.1.
Nous additionnons les matrices A et B et comparons les coefficients de la matrice résultante
avec ceux de C :
a+2 2+a 1 1 1 1
= .
1 1 a + 2a2 1 1 1
Nous obtenons
a + 2 = 1, 2 + a = 1, a + 2a2 = 1,
où a = −1 est la seule solution qui satisfasse les trois équations simultanément.
Problème 2.1.2.
Soient les deux matrices :
a b 1 2
A= , B= ,
1 2 1 0
avec a et b deux paramètres réels non spécifiés. Trouver toutes les valeurs de a et b, telles
que
AB = BA.
67
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
68 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.1.2.
Nous multiplions les matrices A et B dans l’ordre AB :
a b 1 2 a + b 2a
AB = = .
1 2 1 0 3 2
Pour la multiplication dans l’ordre BA, nous avons
1 2 a b a+2 b+4
BA = = .
1 0 1 2 a b
Nous déduisons de la comparaisons des coefficients de AB avec ceux de BA
a + b = a + 2, 2a = b + 4, a = 3, b = 2.
68
2.1. L’ADDITION
THÉORIE ETRÉSOLUS
ET PROBLÈMES LA MULTIPLICATION DE MATRICES 69
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
Problème 2.1.3.
Considérons la matrice
0 b
A= ,
c 0
où b et c sont deux paramètres réels non spécifiés. Trouver toutes les valeurs de b et c telles
que
A 2 = I2 ,
Solution 2.1.3.
Calculons A2 :
2 0 b 0 b bc 0
A = = .
c 0 c 0 0 bc
La matrice identité 2 × 2 I2 s’écrit
1 0
I2 = .
0 1
bc = 1.
En conclusion, la matrice
0 b
A= 1 .
0
b
satisfait la relation A2 = I2 pour tout b ∈ R\{0}.
69
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
70 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Propriétés :
• det(AB) = (det A)(det B)
• det(Am ) = (det A)m pour tout m ∈ N.
• det AT = det A.
Remarque : La transposée d’une matrice m×n quelconque B est une matrice
n × m B T , où les colonnes de B sont les lignes de B T .
• det(cA) = cn det A pour tout nombre c.
• Le déterminant d’une matrice diagonale est donné par le produit de tous ses
coefficients diagonaux.
• Le déterminant d’une matrice triangulaire inférieure ou d’une matrice triangu-
laire supérieure est donné par le produit de tous ses coefficients diagonaux.
70
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 71
Problème 2.2.1.
Calculer le déterminant des matrices suivantes :
1 −1 0 1
1 −2 2
1 4 2 1 2 −1
A= , B= 3 1 1 , C=
3
.
2 3 0 1 2
−1 −2 1
−1 4 1 2
71
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
72 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.2.1.
Nous calculons ces déterminants en effectuant un développement en cofacteur des matrices
par rapport à leur première ligne.
1 4
det A = = a11 C11 + a12 C12 = a11 (−1)1+1 det A11 + a12 (−1)1+2 det A12
2 3
= 3 − 8 = −5.
1 −2 2
det B = 3 1 1 = 1 1 1 − (−2) 3 1 + 2 3 1
−2 1 −1 1 −1 −2
−1 −2 1
= −12
Dans certains cas il est plus simple de trouver la matrice l-équivalente triangulaire supérieure
et s’en servir pour évaluer le déterminant. Reprenons ainsi le calcul de det C :
1 −1 0 1 1 −1 0 1 1 −1 0 1
0 3 2 −3 0 3 2 −3 0 3 2 −3
det C = = =
0 3 1 −1 0 0 −1 2 0 0 −1 2
0 3 1 3 0 0 −1 6 0 0 0 4
= (1)(3)(−1)(4) = −12.
Problème 2.2.2.
Considérons la matrice C du problème 2.2.1, calculer :
72
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 73
Solution 2.2.2.
det(C 4 ) = (det C)4 = (−12)4 = 20736,
Problème 2.2.3.
Soit la matrice
−2 1 2
A = −1 0 1 .
−2 1 2
73
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
74 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.2.3.
Déterminons A2 et A3 :
−1 0 1 0 0 0
2
A = 0 0 0 et A3 = 0 0 0 .
−1 0 1 0 0 0
D’où
0 0 0
Ap = 0 0 0 pour tout entier naturel p ≥ 3.
0 0 0
Problème 2.2.4.
Considérons l’équation
X 2 − 2X + I2 = 022 , (2.2.1)
où X est une matrice 2 × 2, I2 est la matrice identité 2 × 2 et 022 est la matrice nulle 2 × 2.
a) Montrer que
2 1/2
X= .
−2 0
est une solution de (2.2.1) et en trouver une autre solution en factorisant cette
équation matricielle.
b) Montrer que det X = 1 pour une solution X de (2.2.1), même dans le cas où X est
une matrice n × n.
c) Montrer que (2.2.1) admet en fait une infinité de solutions.
Solution 2.2.4.
a) Le calcul
de
2 1/2 2 1/2 2 1/2 1 0
−2 +
−2 0 −2 0 −2 0 0 1
donne la matrice nulle. L’équation matricielle (2.2.1) peut donc se factoriser comme
(X − I2 )2 = 022 , (2.2.2)
donc X = I2 est une autre solution de (2.2.1).
b) Il est évident de la forme factorisée (2.2.2) reste valide même si X est une matrice
n × n pour tout n, donc X = In est une solution. Alors det X = det In = 1.
c) Notons
a b a b a b 0 0
X − I2 = , il faut alors résoudre = .
c d c d c d 0 0
Ce qui nous donne les quatre conditions suivantes :
a2 + bc = 0, b(a + d) = 0, c(a + d) = 0, cb + d2 = 0. (2.2.3)
74
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.2. LE DÉTERMINANT DE MATRICES CARRÉES 75
75
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
76 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
A−1 A = AA−1 = In .
Soient A et B des matrices inversibles n × n. Alors les propriétés suivantes sont vérifiées
Propriétés :
• (A−1 )−1 = A
• (cA)−1 = c−1 A−1 pour c un nombre non nul.
• (AT )−1 = (A−1 )T , où AT est la transposée de A.
• (AB)−1 = B −1 A−1
1
• det(A−1 ) = .
det A
76
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.3. LES MATRICES CARRÉES INVERSIBLES 77
Problème 2.3.1.
Considérons trois matrices n×n, notées A, B et C, avec A et B inversibles, et qui satisfont
l’équation suivante :
A2 B + A = AC.
Exprimer A en fonction de B et C.
This e-book
is made with SETASIGN
SetaPDF
www.setasign.com
77
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
78 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.3.1.
Multiplions cette équation à gauche par A−1 , nous obtenons
donc
AB + In = C.
ABB −1 + In B −1 = CB −1 ,
A = CB −1 − B −1 .
Problème 2.3.2.
Soient X, A et B trois matrices n × n, où A et X sont inversibles, satisfaisant
BX −1 + 2A = BAX −1 .
a) Exprimer X en fonction de A et B.
b) Trouver X,telle que
1 2 1 2
A= , B= .
3 2 4 3
Solution 2.3.2.
a) Multiplions cette équation à droite par X afin d’obtenir
1 1
B + 2AX = BA ou AX = BA − B.
2 2
Nous multiplions −1
maintenantl’equation précédente à gauche par A et avons
1 1 1
X = A−1 BA − B ou X = A−1 B (A − In ) .
2 2 2
b) Pour
1 2 1 2
A= et B =
3 2 4 3
nous avons
0 1 −1 −1/2 1/2
A − I2 = et A = .
3 1 3/4 −1/4
1
En remplaçant ces résultats dans l’équation donnant X : X = A−1 B(A − I2 ), nous
2
obtenons
3/4 1
X= .
9/8 1/4
78
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.3. LES MATRICES CARRÉES INVERSIBLES 79
Problème 2.3.3.
Calculer l’inverse de la matrice suivante :
1 −1 0 1
0 1 1 1
A= .
−1 0 1 0
−1 1 1 1
79
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
80 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.3.3.
Pour déterminer l’inverse de la matrice A, calculons la forme échelonnée réduite de [A I4 ].
Nous avons
1 −1 0 1 | 1 0 0 0
0 1 1 1 | 0 1 0 0
[A I4 ] =
−1
0 1 0 | 0 0 1 0
−1 1 1 1 | 0 0 0 1
1 −1 0 1 | 1 0 0 0
0 1 1 1 | 0 1 0 0
∼
0 −1 1 1 |
1 0 1 0
0 0 1 2 | 1 0 0 1
1 −1 0 1 | 1 0 0 0
0 1 1 1 | 0 1 0 0
∼
0
0 1 2 | 1 0 0 1
0 0 2 2 | 1 1 1 0
1 −1 0 1 | 1 0 0 0
0 1 1 1 | 0 1 0 0
∼
0
0 1 2 | 1 0 0 1
0 0 0 1 | 1/2 −1/2 −1/2 1
1 −1 0 0 | 1/2 1/2 1/2 −1
0 1 1 0 | −1/2 3/2 1/2 −1
∼
0
0 1 0 | 0 1 1 −1
0 0 0 1 | 1/2 −1/2 −1/2 1
1 −1 0 0 | 1/2 1/2 1/2 −1
0 1 0 0 | −1/2 1/2 −1/2 0
∼
0
0 1 0 | 0 1 1 −1
0 0 0 1 | 1/2 −1/2 −1/2 1
1 0 0 0 | 0 1 0 −1
0 1 0 0 | −1/2 1/2 −1/2 0
∼
0
.
0 1 0 | 0 1 1 −1
0 0 0 1 | 1/2 −1/2 −1/2 1
80
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES81
Problème 2.3.4.
Trouver toutes les valeurs de k telles que la matrice A est inversible puis calculer son
inverse pour une certaine valeur de k :
k 1 2
A = 2 1 k .
k 0 1
Solution 2.3.4.
En premier lieu déterminons toutes les valeurs de k pour lesquelles A est singulière. C’est
à dire, trouvons k tel que
k 1 2
det A = 0, où 2 1 k = k 2 − k − 2 et donc (k + 1)(k − 2) = 0.
k 0 1
Donc A est singulière pour k = −1 ou k = 2, et par conséquent A est inversible pour tout
k ∈ R\{−1, 2}. Nous choisissons la valeur k = 0, calculons l’inverse de A :
0 1 2 | 1 0 0 1 1/2 0 | 0 1/2 0
[A I3 ] = 2 1 0 | 0 1 0 ∼ 0 1 2 | 1 0 0
0 0 1 | 0 0 1 0 0 1 | 0 0 1
1 0 0 | −1/2 1/2 1
∼ 0 1 0 | 1 0 −2 .
0 0 1 | 0 0 1
81
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
82 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
A x = b, (2.4.1)
où A est une matrice m × n formée des coefficients du système, b est un vecteur de Rm et
x1
x2
x = . ∈ Rn .
. .
xn
1. On dit que l’équation matricielle (2.4.1) est compatible, si elle admet au moins
une solution x ∈ Rn . Si au contraire aucun x ∈ Rn ne la satisfait, on dit qu’elle est
incompatible.
2. Toute équation matricielle compatible (2.4.1) admet soit une solution unique
x ∈ Rn , ou une infinité de solutions x ∈ Rn .
3. Toutes les solutions x ∈ Rn de (2.4.1) peuvent-être obtenues par la méthode du
pivot de Gauss, qui se résume par les quatre étapes suivantes :
Etape I. Ecrire la matrice augmentée [A b] de (2.4.1).
Etape II. Appliquer des opérations élémentaires sur les lignes de [A b] afin
d’obtenir des matrices l-équivalentes à [A b].
Etape III. Appliquer l’étape II. jusqu’à ce que [A b] soit sous son unique forme
échelonnée réduite, que nous notons [B c]. L’équation matricielle
Bx = c, c ∈ Rm (2.4.2)
est alors la forme la plus simple du système original Ax = b. Le système (2.4.2)
a les mêmes solutions que (2.4.1).
Etape IV. Résoudre l’équation (2.4.2). Les colonnes de la matrice B ne comportant
qu’une seule fois le chiffre 1 sont appelées les pivots de la matrice A. Toute
colonne j de A qui n’est pas un pivot implique que xj sera un paramètre libre
de la solution x = (x1 , x2 , . . . , xj , . . . , xn ) de (2.4.1). Si la dernière colonne de la
matrice [B c] est un pivot, alors le système (2.4.1) est incompatible.
Problème 2.4.1.
Trouver toutes les solutions x ∈ R5 du système d’équations linéaire donné par Ax = b, où
0 1 2 −1 0 1
A = 1 0 −1 0 3 , b = −4 .
2 0 1 3 9 −5
82
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES83
Solution 2.4.1.
La matrice augmentée [A b] de ce système est
0 1 2 −1 0 1
[A b] = 1 0 −1 0 3 −4 .
2 0 1 3 9 −5
En appliquant des opérations élémentaires sur ses lignes, nous écrivons [A b] sous son
unique forme échelonnée réduite :
1 0 −1 0 3 −4
[A b] ∼ 0 1 2 −1 0 1
2 0 1 3 9 −5
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1
0 0 3 3 3 3
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1
0 0 1 1 1 1
1 −3 0 10 10 0
∼ 0 1 0 −3 −2 −1
0 0 1 1 1 1
1 0 0 1 4 −3
∼ 0 1 0 −3 −2 −1 .
0 0 1 1 1 1
Pour x = (x1 , x2 , x3 , x4 , x5 ) le système linéaire simplifié, mais équivalent, prend la forme
x1 + x4 + 4x5 = −3
x2 − 3x4 − 2x5 = −1
x3 + x4 + x5 = 1.
Nous pouvons conclure à partir de la forme échelonnée réduite de [A b] que les 4ème et
5ème colonnes de A ne sont pas des pivots. Par conséquent nous en déduisons que x4 et
x5 sont des paramètres libres de la solution. Notons x4 = t et x5 = s, donc
x1 = −t − 4s − 3, x2 = 3t + 2s − 1, x3 = −t − s + 1.
83
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
84 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Problème 2.4.2.
Considérons le système d’équations linéaires Ax = b avec
1 2 k 2 1
A= 3 k 18 6 , b= 5 ,
1 1 6 2 1
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k pour lesquelles ce système est compatible puis en
donner toutes les solutions.
b) Existe-t-il des valeurs de k pour lesquelles le système a une solution unique ?
84
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.4. LA MÉTHODE DU PIVOT DE GAUSS POUR LES SYSTÈMES D’ÉQUATIONS LINÉAIRES85
Solution 2.4.2.
a) La matrice augmentée
de ce système
linéaire est
1 2 k 2 1
[A b] = 3 k 18 6 5
1 1 6 2 1
En effectuant des opérations élémentaires sur les lignes de celle-ci nous obtenons la
matrice l-équivalente
suivante :
1 2 k 2 1
[A b] ∼ 0 k − 6 −3(k − 6) 0 2
0 1 k−6 0 0
1 2 k 2 1
∼ 0 1 (k − 6) 0 0
0 k − 6 −3(k − 6) 0 2
1 2 k 2 1
∼ 0 1 (k − 6) 0 0 .
0 0 −(k − 6)(k − 3) 0 2
A partir de cette forme échelonnée de [A b] il est clair que le système Ax = b
est compatible pour tout k ∈ R\{3, 6}. Il est par conséquent incompatible si et
seulement si k = 3 or k = 6. Nous résolvons à présent ce système en ne considérant
que les valeurs de k pour lesquelles il est compatible. Nous avons le système simplifié
de Ax = b avec x = (x1 , x2 , x3 , x4 ) :
x1 + 2x2 + kx3 + 2x4 = 1
x2 + (k − 6)x3 = 0
−(k − 6)(k − 3)x3 = 2.
Comme la 4ème colonne de A n’est pas un pivot, nous savons que x4 comme un
paramètre libre, x4 = t. Nous avons
2(12 − k) 2 2
x1 = − 2t + 1, x2 = , x3 = − ,
(k − 6)(k − 3) k−3 (k − 6)(k − 3)
donc les
solutions
de ce système
sont
−2 k 2 − 11k + 42
0 1 2(k − 6)
x = t
0 + (k − 6)(k − 3)
pour tous t ∈ R et k ∈ R\{3, 6}.
−2
1 0
b) Nous avons montré à partir de la forme échelonnée de [A b] ci-dessus que la 4ème
colonne de A n’est pas un pivot, et ce quelque soient les valeurs de k. Donc pour
tout k le système Ax = b ne peut pas admettre de solution unique.
Problème 2.4.3.
Prouver que tout système compatible, Ax = b avec A une matrice m × n et b ∈ Rm ,
admet soit exactement une solution x ∈ Rn soit une infinité.
85
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
86 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.4.3.
Supposons que x1 ∈ Rn et x2 ∈ Rn soient deux solutions distinctes de Ax = b. C’est à
dire,
Ax1 = b, Ax2 = b.
x0 = x1 − x2 = 0.
pour k quelconque. Nous en déduisons que x1 + kx0 fournit une infinité de solutions
différentes de Ax = b puisqu’il y en a une pour n’importe quel choix de k ∈ R. Par
conséquent, si un système linéaire de la forme Ax = b admet plus d’une solution, alors il
en admet une infinité.
A x = b, (2.5.1)
86
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 87
La règle de Cramer :
Si det A = 0 alors l’unique solution x = (x1 , x2 , . . . xn ) de (2.5.1) est donnée par la
formule
det Aj (b)
xj = , j = 1, 2, . . . , n,
det A
où A (b) est la matrice obtenue à partir de A en remplaçant sa j ème colonne par
j
le vecteur b. Dans le cas où det A = 0, la règle de Cramer dit :
Si det A = 0 et det Aj (b) = 0 pour au moins une valeur de j, alors le système (2.5.1)
est incompatible. Si det A = 0 et det Aj (b) = 0 pour tout j = 1, 2, . . . , n, alors le
système (2.5.1) admet une infinité de solutions.
RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM
87
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
88 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Problème 2.5.1.
Considérons le système d’équations linéaires carré Ax = b avec
k 1 2 1 x1
A = 2 1 k , b = −7 , x = x2 ,
k 0 1 3 x3
Solution 2.5.1.
a) Nous rappelons que le système linéaire carré Ax = b admet une solution unique si
et seulement si det A = 0 et donc si A est inversible. Le calcul du déterminant de
A nous donne
k 1 2
det A = 2 1 k = (k + 1)(k − 2).
k 0 1
Donc ce système linéaire a une solution unique pour tout k ∈ R\{−1, 2}, et cette
solution s’écrit
x = A−1 b
pour tout k ∈ R\{−1, 2}.
b) Pour trouver les valeurs de k telles que le système linéaire Ax = b admette une infi-
nité de solutions, il nous faut étudier les deux valeurs de k annulant le déterminant
de A, k = −1 et k = 2.
88
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 89
En conclusion, ce système linéaire carré admet une unique solution pour tout k ∈
R\{−1, 2} et qu’il est incompatible pour k = −1 ainsi que k = 2. Par conséquent,
il n’existe pas de valeur réelle de k telle que ce système admette une infinité de
solutions.
Problème 2.5.2.
Considérons le système linéaire suivant :
1 k 1 x1 k
k 1 1 x2 = 2 ,
−3 0 −1 x3 −2
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que ce système admette une unique solution
et la déterminer à l’aide de la règle de Cramer.
b) Trouver toutes les valeurs de k telles que le système soit incompatible ainsi que
toutes les valeurs de k telles qu’il admette une infinité de solutions, dans ce dernier
cas déterminer toutes les solutions.
Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.
aea.se/blimedlem
89
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
90 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.5.2.
90
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 91
Problème 2.5.3.
Soit la matrice 4 × 4 :
1 1 0 k
2k 1 1 0
A= 0 0 −1
,
1
1 1 1 −2
avec k un paramètre réel non spécifié.
a) Considérons le système linéaire homogène
Ax = 0,
où x ∈ R4 . Trouver toutes les valeurs de k telles que ce système admette seulement
la solution triviale (donnée par le vecteur nul), ainsi que toutes les valeurs de k pour
lesquelles le système admet une infinité de solutions.
b) Considérons le système linéaire
non homogène
1
0
Ax = b, b= 1 .
0
Trouver toutes les valeurs de k pour lesquelles le système admet une infinité de
solutions x ∈ R4 et déterminer ces solutions. Trouver aussi les valeurs de k telles que
le système admette une solution unique, et celles pour lesquelles il est incompatible.
91
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
92 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.5.3.
= −2k2 − k + 1
= −(k + 1)(2k − 1).
Nous en déduisons que Ax = 0 admet seulement la solution nulle pour tout k ∈
R\{−1, 1/2} et que le système admet une infinité de solutions pour k = −1 et
k = 1/2.
b) Comme A est inversible pour tout k ∈ R\{−1, 1/2}, le système admet une solution
unique pour toutes ces valeurs de k et cette solution est donnée par
x = A−1 b.
Comme det A = 0 pour k = −1 et k = 1/2, nous devons étudier le système Ax = b
dans ces cas
là. Notons
x1
x2
x= x3 .
x4
Pour k= −1 la matrice augmentée
et sa forme réduite échelonnée
sont :
1 1 0 −1 1 1 0 0 −2/3 0
−2 1 0 0 1
1 ∼ 0 1 0 −1/3 .
0 0 −1 1 1 0 0 1 −1 −1
1 1 1 −2 0 0 0 0 0 0
comme la quatrième colonne de cette matrice n’est pas un pivot nous notons x4 = t,
où t est un paramètre
arbitraire.
Les solutions s’écrivent alors
2 0
t 1
+ 1 pour tout t ∈ R.
x=
3 3 −1
3 0
Pour k= 1/2 la matrice augmentée
et sa forme réduite échelonnée sont :
1 1 0 1/2 1 1 1 0 0 1
1 1 0 0
1 ∼ 0 0 1 0 −1 .
0 0 −1 1 1 0 0 0 1 0
1 1 1 −2 0 0 0 0 0 0
Comme la seconde colonne de cette matrice augmentée n’est pas un pivot nous
92
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.5. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES CARRÉS 93
eLibrary
93
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
94 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
ax + by + cz = d, (2.6.1)
où a, b, c et d sont des nombres réels donnés. Tous les points (x, y, z) dans R3 appartenant
au plan doivent donc satisfaire l’équation (2.6.1). Considérons maintenant m plans de R3
respectivement décrits par le système de m équations suivant :
Ax = d, (2.6.2)
où
a11 a12 a13 d1
a21 a22 a23 d2 x
A= .. .. .. , d= .. , x = y .
. . . .
z
am1 am2 am3 dm
1. Etant donné que nous avons un nombre fini de plans dans R3 il existe seulement
quatre possibilités pour ce qui est de leur intersection,
a) tous les plans se croisent en un point unique ;
b) tous les plans se croisent sur sur une droite commune ;
c) tous les plans ne se croisent pas en un point unique ou sur une droite commune ;
d) tous les plans coincident.
Remarque : Si nous avons seulement deux plans (m = 2), alors le cas a) est
impossible.
2. A ces quatre possibilités pour l’intersection des m plans correspondent les solutions
suivantes x ∈ R3 du système (2.6.2) :
94
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 95
a) si tous les plans de croisent en un point unique alors le système (2.6.2) admet
une solution unique ;
b) si tous les plans se croisent sur une droite commune, alors le système (2.6.2)
admet une infinité de solutions avec un seul paramètre libre ;
c) si tous les plans ne se croisent pas en un point unique ou sur une droite commune,
alors le système (2.6.2) est incompatible et n’admet pas de solution ;
d) si tous les plans coincident, alors le système (2.6.2) admet une infinité de solu-
tions avec deux paramètres libres.
Remarque : Si nous avons seulement deux plans, alors le système (2.6.2) avec
m = 2 a soit aucune solution (pas d’intersection), soit une infinité de solutions
avec un paramètre libre (intersection sur une droite), ou une infinité de solution
avec deux paramètres libres (les deux plans coincident).
Problème 2.6.1.
Considérons les trois plans de R3 suivants :
x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k,
Solution 2.6.1.
Ecrivons d’abord les trois équations
x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k
95
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
96 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
1 5
x = − t + 1, y = t, z=t pour tout t ∈ R.
3 3
Donc, pout k = −2, les trois plans se croisent sur une droite commune , donnée par
l’équation paramétrique
1
x=− t+1
3
: 5
y= t
3
z = t pour tout t ∈ R.
La figure 2.1 montre l’intersection des trois plans le long de la droite pour k = −2.
Figure 2.1 – L’intersection des plans du problème 2.6 a) le long de la droite pour
k = −2.
Pour toutes les valeurs k ∈ R\{−2}, le système est incompatible. La figure 2.2 montre les
trois plans dans le cas k = 6 et nous voyons qu’ils ne se croisent pas en un point unique
ou sur une droite commune.
96
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
Nous en déduisons qu’il n’existe pas de valeur de k pour laquelle le système admet une
unique solution. En d’autres mots, il n’existe pas de valeur de k telle que les trois plans
se croisent en un unique point.
Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.
97
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
98 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Problème 2.6.2.
Soient les quatre plans de R3 :
x+y =2
y+z =2
x+z =2
ax + by + cz = 0,
Solution 2.6.2.
a) Ecrivons les équations
x+y =2
y+z =2
x+z =2
ax + by + cz = 0,
sour la forme d’un système
matriciel
1 1 0 2
0 1 1 x 2
Ax = b, où A = 1 0 1 , x =
y , b = .
2
z
a b c 0
La matrice augmentée
est
1 1 0 2
0 1 1 2
[A b] = 1 0 1 2 .
a b c 0
Afin d’écrire cette matrice sous sa forme échelonnée réduite, il est pratique de
d’abord effectuer les opérations élémentaires sur les trois premières lignes de [A b]
puis de
se charger dela quatrième
colonne.
Nous obtenons
1 1 0 2 1 0 0 1 1 0 0 1
0 1 1 2 0 1 0 1 0 1 0 1
.
1 0 1 2 ∼ 0 0 1 1 ∼ 0 0 1 1
a b c 0 a b c 0 0 0 0 a+b+c
A partir de la quatrième ligne de cette matrice, nous concluons que le système
Ax = b est compatible si et seulement si la condition suivante est satisfaite :
a+b+c=0
98
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 99
b) Le système Ax = b, tel qu’il est décrit ci-dessus, n’est pas compatible quelque soient
a, b et c, tels que
a + b + c = 0.
Ce qui signifie que pour toutes ces valeurs de a, b et c les quatre plans ne se croisent
ni en un point commun, si sur une même droite.
c) Comme démontré aux questions précédents, le système admet une solution unique
pour toutes les valeurs de a, b et c satisfaisant la condition a + b + c = 0 et il est
inconsistant si cette condition n’est pas satisfaite. Il n’existe donc pas de valeur de
a, b et c permettant au système d’admettre une infinité de solutions, il n’existe donc
pas de valeurs pour lesquelles les quatre plans se croisent sur une droite commune.
Problème 2.6.3.
Considérons les quatre plans de R3 :
Π1 : 2x + 4y + 2z = 12s
Π2 : 2x + 12y + 7z = 12s + 7
Π3 : x + 10y + 6z = 7s + 8
Π4 : x + 2y + 3z = −1,
où s est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de s telles que les trois plans Π1 , Π2 and Π3 se croient
sur une droite commune et déterminer l’équation paramétrique de cette droite.
b) Trouver le point d’intersection des quatre plans Π1 , Π2 , Π3 and Π4 , si un tel point
existe.
Solution 2.6.3.
a) Les plans Π 1 , Π2 et Π3 peuvent s’écrire
sous
la forme Ax
= b, où
2 4 2 12s x
A = 2 12 7 , b = 12s + 7 , x = y .
1 10 6 7s + 8 z
Ecrivons maintenant
la matrice augmentée
[A b] dans sa forme échelonnée
réduite :
2 4 2 12s 1 0 −1/4 (24s − 7)/4
[A b] = 2 12 7 12s + 7 ∼ 0 1 5/8 7/8 .
1 10 6 7s + 8 0 0 0 s+1
Nous en déduisons que le système est compatible si et seulement si s = −1. Alors il
s’écrit
5 7 1 31
y+ z = , x− z =− .
8 8 4 4
z étant clairement un paramètre arbitraire, notons z = t. La solution est alors
1 31 5 7
x = t − , y = − t + , z = t pour tout t ∈ R.
4 4 8 8
99
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
100 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?
karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden
100
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 101
Figure 2.3 – L’intersection des quatre plans du problème 2.6 c) pour s = −1.
Problème 2.6.4.
Considérons les six plans format un parallélépipède à leur intersection comme représentés
à la figure 2.4 :
Π1 : x + y − 4z = −10
Π2 : x + y − 4z = −6
Π3 : y − 2z = −2
Π4 : y − 2z = −3
Π5 : x − 3y + 8z = 18
Π6 : x − 3y + 8z = 14.
101
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
102 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Solution 2.6.4.
Les équations des plans Πj ainsi que les vecteurs normaux correspondants nj (j = 1, 2, . . . , 6)
décrivant les six faces du parallélépipède de la figure 2.5 sont :
Π1 : x + y − 4z = −10, n1 = (1, 1, −4)
Π2 : x + y − 4z = −6 n2 = (1, 1, −4)
Π3 : y − 2z = −2, n3 = (0, 1, −2)
Π4 : y − 2z = −3 n4 = (0, 1, −2)
Π5 : x − 3y + 8z = 18, n5 = (1, −3, 8)
Π6 : x − 3y + 8z = 14, n6 = (1, −3, 8).
Les coordonnées du sommet P1 : (x1 , y1 , z1 ) sont données par l’intersection des plans Π1 ,
Π4 et Π6 (voir la figure 2.5). Nous écrivons
P1 : Π1 ∩ Π4 ∩ Π6 .
Elles correspondent à la solution unique du système linéaire
A1 x1 = b1 ,
où
1 1 −4 −10
A1 = 0 1 −2 , b1 = −3 .
1 −3 8 14
102
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 103
Nous remarquons que det A1 = 4 qui assure l’existence d’une solution unique au système
linéaire ci-dessus : x1 = A−1
1 b1 . Nous obtenons
−1
x1 = 3 .
3
Les coordonnées du sommet P2 : (x2 , y2 , z2 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P2 : Π1 ∩ Π4 ∩ Π5 .
Et donc par la solution unique du système linéaire
A2 x2 = b2 ,
où
1 1 −4 −10
A2 = 0 1 −2 , b2 = −3 .
1 −3 8 18
det A2 = 4, qui assure une nouvelle fois l’existence de la solution unique. Nous avons
1
x2 = 5 .
4
Les coordonnées du sommet P3 : (x3 , y3 , z3 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P3 : Π1 ∩ Π3 ∩ Π5 .
103
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
104 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
104
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.6. LES SYSTÈMES D’ÉQUATIONS LINÉAIRES DANS R3 105
Les coordonnées du sommet P6 : (x6 , y6 , z6 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P6 : Π2 ∩ Π4 ∩ Π5 .
Qui correspondent à la solution du système linéaire
A6 x6 = b6 ,
où
1 1 −4 −6
A6 = 0 1 −2 , b6 = −3 .
1 −3 8 18
Avec det A6 = 4 et donc la solution unique
3
x6 = 3 .
3
Les coordonnées du sommet P7 : (x7 , y7 , z7 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P7 : Π2 ∩ Π3 ∩ Π5 .
Il faut donc résoudre le système linéaire
A7 x7 = b7 ,
où
1 1 −4 −6
A7 = 0 1 −2 , b7 = −2 .
1 −3 8 18
Avec det A7 = 4 qui nous garantit une solution unique, donnée par
4
x7 = 6 .
4
Les coordonnées du sommet P8 : (x8 , y8 , z8 ) sont données par l’intersection des plans
suivants (voir la figure 2.5) :
P8 : Π2 ∩ Π3 ∩ Π6 .
Il faut donc résoudre le système linéaire
A8 x8 = b8 ,
où
1 1 −4 −6
A8 = 0 1 −2 , b8 = −2 .
1 −3 8 14
105
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
106 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Avec det A7 = 4 qui nous garantit une solution unique, donnée par
2
x8 = 4 .
3
Résumons : les coordonnées des sommets du parallélépipède sont (voir le figure 2.5) :
P1 : (−1, 3, 3) P2 : (1, 5, 4), P3 : (2, 8, 5), P4 : (0, 6, 4)
106
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.7. INTERSECTION DES DROITES DANS R3 107
Remarque : Si nous avons plus de deux droites dans R3 , alors les possibilités pour leur
intersection sont les mêmes que celles listées ci-dessus pour deux droites.
Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized
107
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
108 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
Problème 2.7.1.
Considérons les deux droites de R3 suivantes :
x = 2t + 3
x = −s
1 : y = −4t + 1 2 : y = bs + 3
z = 2t + 2
z = −s − 1
pour tous t ∈ R et s ∈ R, et où b est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de b telles que les droites 1 et 2 se croisent.
b) Les droites se croisent-elles pour b = 1 ? Si tel est le cas, déterminer leur intersection.
Solution 2.7.1.
a) En tout point où 1 et 2 se croisent, il doit exister des valeurs des paramètres t et
s satisfaisant les coordonnées du point d’intersection. Afin de calculer ces points,
considérons
x = 2t + 3 = −s
y = −4t + 1 = bs + 3
z = 2t + 2 = −s − 1.
Nous avons
2t + 3 = −s
−4t + 1 = bs + 3
2t + 2 = −s − 1
que nous
pouvons réécrire sous
formematricielle
2 1 −3
−4 −b t = 2 .
s
2 1 −3
La matrice
augmentée correspondante est
2 1 −3
−4 −b 2 .
2 1 −3
Nous effectuons maintenant deux opérations élémentaires sur les lignes de cette
matrice,
1 : multiplier la première ligne par 2 and et ajouter le résultat à la seconde ligne ;
2 : multiplier la première ligne par −1 et ajouter le résultat à la troisième ligne.
Ce quinous donne la forme échelonnée suivante :
2 1 −3
0 2 − b −4 .
0 0 0
A partir de cette forme échelonnée, nous concluons que le système admet une solu-
tion pour t et s si et seulement si
b = 2.
108
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.7. INTERSECTION DES DROITES DANS R3 109
Problème 2.7.2.
Considérons les trois droites de R3 :
x = −t + 3
x = 3s + 3
x = −4p + 8
1 : y = 2t + 1 2 : y = −6s + 1 3 : y =p+2
z = −t + 2
z = 3s + 2
z = 2p − 1
pour tous t ∈ R, s ∈ R et p ∈ R.
a) Find the Trouver le(s) point(s) s’intersection des droites 1 et 2 , si ces droites se
croisent.
b) Find the Trouver le(s) point(s) s’intersection des droites 1 , 2 et 3 , si ces droites
se croisent.
Solution 2.7.2.
a) Pour déterminer le point d’intersection de 1 et 2 , considérons
x = −t + 3 = 3s + 3
y = 2t + 1 = −6s + 1
z = −t + 2 = 3s + 2,
donc
−t − 3s = 0
2t + 6s = 0
−t − 3s = 0.
Ce quinous donne,
en forme matricielle,
−1 −3 0
2 t
6 = 0 .
s
−1 −3 0
109
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
110 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
110
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.8. EXERCISES 111
2.8 Exercises
−2/17 −5/17
[Réponse : X= .]
−1/17 6/17
2. Considérons l’équation
2X + AX = 3B,
où
1 3
A=
−1 −2
et X est une matrice non spécifiée.
a) Pour cette
équation, supposons que
3 1
B= ,
−3 2
trouver alors X.
9 −6
[Réponse : X= .]
−6 7
111
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
112 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
[Réponse : X = B(A−1 − In ). ]
b) Résoudre cette
équation
pour X,quand A
et B prennent les formes suivantes :
1 −1 2 1
A= , B= .
1 0 1 1
−3 2
[Réponse : X= .]
−2 1
5. Soit la matrice :
a 2 3
A= 1 0 −1 ,
−1 3 a + 6
où a est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de a, telles que la matrice A soit inversible.
[Réponse : a ∈ R\{1}. ]
112
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE 113Gauss
Algébre matricielle et pivot de
[Réponse : Les solutions forment la droite de R3 passant par le point (3/2, 0, 1/2)
et parallèle au vecteur (1, 1, −1), il y a donc une infinité de solutions s’écrivant
1 3/2
x = t 1 + 0 pour tout t ∈ R. ]
−1 1/2
1 −1 2 1
c) A = , b= .
−2 2 −4 −2
113
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
114 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
[Réponse : Ces plans ne se croisent sur une droite commune que si et seule-
ment si k= −2, de plus est donnée par
x1 = −t/5 + 1
: x2 = t
x = 3t/5
3 pour tout t ∈ R. ]
x1 −6 0 −3
x2 1 0 0
[Réponse :
x3 = t 0 + s −2
+
1
x4 0 −5 2
x5 0 1 0
pour tous t ∈ R et s ∈ R. ]
114
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE
115
Algébre matricielle et pivot de Gauss
[Réponse : k ∈ R\{−7}. ]
b) Trouver toutes les valeurs de k, telles que ce système ait une infinité de solutions.
[Réponse : k = −7. ]
d) Trouver toutes les valeurs de k, telles que la matrice associée au système soit
singulière.
[Réponse : k = −7. ]
b) Trouver toutes les valeurs de k et une condition sur a, b et c telles que le système
soit compatible.
[Réponse : A partir de la question a), nous savons que le système admet une
solution unique (et qu’il est donc compatible) pour tout k ∈ R\{1, 3} et tous
réels a, b et c. Pour k = 1 le système admet une infinité de solutions (et est
compatible) si et seulement si c = a pour tout c ∈ R. Pour k = 3 le système
115
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
116
THÉORIE ET PROBLÈMES
admet uneCHAPITRE RÉSOLUS
infinité 2. ALG(et
de solutions ÈBRE MATRICIELLE
est compatible) ET PIVOT
si et seulement si cDE GAUSS
= 3a−2b/3
116
D’ALGÈBRE admet
LINÉAIRE une CHAPITRE
infinité de 2. ALG(et
solutions ÈBRE
est MATRICIELLE
compatible) si et ET matricielle
PIVOT
seulement
Algébre si cDE
= GAUSS
3a−2b/3
et pivot de Gauss
pour
admet tous
une ∈ R etde
ainfinité b∈ R. ]
solutions (et est compatible) si et seulement si c = 3a−2b/3
116 pour tous CHAPITRE
a ∈ R et b ∈ 2.
R. ALG
] ÈBRE MATRICIELLE ET PIVOT DE GAUSS
admettous
pour uneainfinité
∈ R etde b∈solutions
R. ] (et est compatible) si et seulement si c = 3a−2b/3
admettous
pour ∈ R etde
uneainfinité b∈ R. ]
solutions (et est compatible) si et seulement si c = 3a−2b/3
13. Soitadmet
l’équation
une matricielle
R
infinité de :R. ]
solutions
pour tous
13. Soit l’équation a ∈ et
:
matricielle b ∈ est
(et compatible) si et seulement si c = 3a−2b/3
13. Soitpour
l’équation
1R
tous1a matricielle
∈ et b ∈0:R. ] 1 1 2
X 1 matricielle
13. Soit l’équation 11 − α0: −α1 X = −1 1 2 ,
X −11 matricielle
13. Soit l’équation 1 − 0: 1 X = 1 3 2 ,
X −11 11 − α0 −α1 X = −1 1 3 2 ,
estune
où Xl’équation
13. Soit X −1matrice 1 −2×α2: non
matricielle X = Déterminer
−α spécifiée. −1 3 , toutes les valeurs de α, telles
où Xcette
estune −1 1matrice
1 2×α02 non −α1 spécifiée. −1 1 23
où X X
que est uneéquation
matrice −2une
ait ×α02solution
non
X = Déterminer
unique
spécifiée. pour X. , toutes
Déterminer
les valeurs de α, telles
que cette −1 1
équation 1 ait une −α 1
solution unique −1
pour1 3 2X. toutes les valeurs de α, telles
où X X
est une
que cette équation matrice − 2 × 2 non X =
spécifiée. Déterminer , toutes les valeurs de α, telles
où Xcette
est une −1matrice1 ait 2une solution unique pour
−α spécifiée.
×α2solution
non −1 3X. toutes les valeurs de α, telles
Déterminer
que équation
[Réponse : α ∈ R\{−2}. ] ait une unique pour X.
où Xcette
que
[Réponseest une : matrice
équation ait 2une
α ∈ R\{−2}. × 2solution
non
] spécifiée.
uniqueDéterminer
pour X. toutes les valeurs de α, telles
[Réponse
14. que
a) Soit : α ∈ R\{−2}.
cettelaéquation
fonction ait une ]
solution unique pour X.
14. [Réponse
a) Soit laf (x) : = α∈
fonction ax R\{−2}.
3
+ bx 2 ]
+ cx + d,
14. a) Soit laf (x) fonction ∈ R\{−2}.
3 2 ]
14. [Réponse
a) où
Soita,lafb,(x): c et
αd
=
fonction
= 3 + bx
axsont
axsont + bxdes2 + cx + d, réels non spécifiés. Trouver les valeurs de ces
paramètres
+
où
[Réponse
14. a) où
Soit a,la b,
paramètres
f :
(x)c et
α
=
fonction d
∈
pour
ax R\{−2}.
3
+ des
bx + ] cx + d, réels non spécifiés. Trouver les valeurs de ces
2 paramètres
lesquelles cxla+courbe
d, réelsd’équation y = f (x) passe les
parvaleurs
les points du
a, b, c et d sont des paramètres non spécifiés. Trouver de ces
paramètres
où
plan a, xy
14. a) paramètres b,
f (x)c et
= pour
suivants
Soit la fonction dax 3 lesquelles
sont:+ des
bx
{(1, 2
+
1), cxla
(−1,+ courbe
paramètresd,
1), (2,d’équation
réels
2), non
(−2, y
12)}.= f
spécifiés. (x) passe
Trouver
Utiliser Maplepar
les les
afin points
valeurs
de de du
ces
tracer
pour3 lesquelles la courbe d’équation y = f (x) passe par les points du
plan
où
la a, xyb,
f
paramètres
fonction suivants
(x)c et
= dax
pour sont
obtenue :+ {(1,
des
bx 21),
lesquelles
dans + (−1,
paramètres
cxla+ 1),
d,
courbe (2, 2),
réels (−2,
non
d’équation 12)}.
y = Utiliser
spécifiés.
f Trouver
(x) Maple
passe les
par afin de
valeurs
les tracer
de
points ces
du
plan xy suivants : {(1, 1), le(−1,plan
1), xy(2,(voir
2), (−2, l’annexe A pour Maple
12)}. Utiliser plus d’informations
afin de tracer
la
où
plan
sur fonction
a, xyb,
paramètres c et obtenue
suivants d
pour sont dans
des
lesquelles
: {(1, 1), lela
(−1,plan
paramètres
courbe
1), xy
(2, (voir
réels non l’annexe
d’équation
2), (−2, y
12)}.
Maple). obtenue dans le plan xy (voir l’annexe A pour plus d’informations = A
spécifiés.
f pour
Trouver
(x) plus
passe
Utiliser les
Maple d’informations
par valeurs
les
afin de
points
de ces
du
tracer
la fonction
sur
plan Maple).
paramètres
xy
la fonction pour
suivants lesquelles
: {(1, 1), la
(−1, courbe
1), (2,d’équation
2), (−2, y
12)}.= f (x) passe
Utiliser Maplepar les
afin points
de du
tracer
sur Maple). obtenue dans le plan xy (voir l’annexe A pour plus d’informations
plan
la xy
fonction suivants
obtenue : {(1, 1),
dans (−1,
le
sur Maple).: a = −5/6, b = 2, c = 5/6, d = −1. ]
[Réponse 1),
plan (2,
xy 2),
(voir (−2, 12)}.
l’annexe Utiliser
A pour Maple
plus afin de tracer
d’informations
[Réponse
Maple).:obtenue
la fonction
sur a = −5/6, dans ble=plan 2, c xy= 5/6, = −1. ] A pour plus d’informations
(voirdl’annexe
[Réponse : a = −5/6, b = 2, c = 5/6, d = −1. ]
sur Maple).: laafonction
[Réponse
b) Considérons = −5/6, b = 2, c = 5/6, d = −1. ]
b) Considérons
[Réponse f (x) =: laa fonction
= −5/6,
acos(2x) + b(πb =−2,x)c cos(2x)
= 5/6, + d= cx−1.
sin(π] − x),
b) Considérons la fonction+ −2,x)c cos(2x)
b) où a, ff b(x)
[Réponse
Considérons et =: c asont
laa
(x)et=c asont
cos(2x)
=
fonction
cos(2x) des
−5/6, b(π
paramètres
b = =
b(π − x) cos(2x)
+paramètres réels
5/6, +
+non
d =cx−1.
sin(π
cx sin(π ] −
spécifiés.x),Trouver les valeurs de
− x),Trouver
où
ces a, b
paramètres pour des réels non spécifiés. = f (x) les valeurs de
b) où f b(x)et=cla
Considérons
a, asont
cos(2x)
fonctiondeslesquelles
b(π − x)lacos(2x)
+paramètres courbe
réels + d’équation
noncx sin(π
spécifiés. y Trouver
− x), passe
les par les
valeurs de
ces
où paramètres
a, b(x)etplan
=cla asontpour lesquelles
deslesquelles
+paramètres la courbe
réels d’équation
non spécifiés. y = f (x) passe par les
points
b) ces fdu
Considérons
paramètres cos(2x)
xy suivants
fonction
pour b(π − x)lacos(2x)
: {(−π/2, −3π),+
courbe cx sin(π
(π/2,
d’équation y Trouver
0), −(3π/2,
x), = 5π)}. les valeurs
f (x) Utiliser
passe de
Maple
par les
points
où
ces
afin a, f du
b(x)etplan
paramètres
de =
tracer xypour
c asont
cos(2x)
la suivants
fonction : {(−π/2,
deslesquelles
+ paramètres
b(π −
obtenuex)la −3π),
réels
cos(2x)
courbe
dans +
le (π/2,
noncx
plan 0), −
sin(π
d’équation
xy (3π/2,
spécifiés.x),
y
(voir = 5π)}.
Trouver
f (x)
l’annexe Utiliser
les
passe
A Maple
valeurs
par
pour de
les
plus
points du plan xy suivants : {(−π/2, −3π), (π/2, 0), (3π/2, 5π)}. Utiliser Maple
afin
où
ces
points dedu
a, btracer
etplan
paramètres la
c sont
xy fonction
poursuivants obtenue
deslesquelles
paramètres la dans
: {(−π/2, réels
courbe
−3π), lenon
plan xy
0), (voir
spécifiés.
d’équation l’annexe
y Trouver
= A valeurs
les pour
f (x) Utiliser
passe parplus
de
les
d’informations
afin de tracer sur
la Maple).
fonction obtenue dans le (π/2,
plan xy (3π/2,
(voir 5π)}.
l’annexe A pourMaple
plus
d’informations
ces
points
afin paramètres
de du plan la
tracer sur
xy pour Maple).
lesquelles
suivants
fonction obtenue la dans
: {(−π/2, courbe
−3π), le d’équation
(π/2,
plan 0), (voir
xy y =
(3π/2, f (x) Utiliser
5π)}.
l’annexe passe
A par
pour les
Maple
plus
d’informations sur Maple).
points
afin dedu
d’informations
[Réponse plan
tracer: ala xy suivants
=fonction
sur Maple).
−2π, b= : {(−π/2,
obtenue
3, c = dans−3π),
−1. ] le (π/2,
plan xy 0), (voir
(3π/2, 5π)}. Utiliser
l’annexe A pourMaple
plus
[Réponse
afin de tracer
d’informations : ala sur −2π,
=fonction
Maple). b= −1. ] le plan xy (voir l’annexe A pour plus
3, c = dans
obtenue
[Réponse : a = −2π, b = 3, c = −1. ]
d’informations
[Réponse : asur = −2π,Maple). b = 3, c = −1. ]
[Réponse : a = −2π, b = 3, c = −1. ]
[Réponse : a = −2π, b = 3, c = −1. ]
Ingenjörer
till Göteborgs Stad
Vårt jobb är att skapa en bra vardag för alla göteborgare och att utveckla Göteborg för
framtiden. I Göteborgs Stad finns 48 000 medarbetare i 100 olika yrken. Du kan välja
många intressanta jobb och ta nya utmaningar på en stor intern arbetsmarknad.
Hitta jobben på goteborg.se/ledigajobb
116
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
2.8. EXERCISES 117
1 b 1 2b
[Réponse : a= + , c=− + pour tout b ∈ R. ]
3 3 9 9
[Réponse : b ∈ R\{2}. ]
b) Ces droites se croisent-elles pour b = 1 ? Si tel est le cas, déterminer leur point
d’intersection.
[Réponse : Oui, les coordonnées du point d’intersection sont (4, −1, 3). ]
117
THÉORIE ET PROBLÈMES RÉSOLUS
118
D’ALGÈBRE LINÉAIRE CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT et
Algébre matricielle DEpivot
GAUSS
de Gauss
18. Considérons les six plans suivants dont les intersections définissent un parallélépipède :
Π1 : x + 2y − z = 1
Π2 : 2x + 4y − 2z = 0
Π3 : −3x − y + 2z = 1
Π4 : −9x − 3y + 6z = 1
Π5 : y + z = −1
Π6 : −2y − 2z = 3.
Trouver les sommets, le volume et le centre de ce parallélépipède, ainsi que sa
hauteur lorsque sa base est donnée par Π2 .
5 1 17
P8 : (− , − , − )
4 12 12
Le volume du parallélépipède est 1/18 unités cubiques. Les coordonnées de son
centre Q sont
29 11 101
Q : (− , , − ).
24 72 72
√
Sa hauteur lorsque sa base est Π2 est 1/ 6 unités. ]
118
THÉORIE ET PROBLÈMES RÉSOLUS
2.8. EXERCISES
D’ALGÈBRE LINÉAIRE 119Gauss
Algébre matricielle et pivot de
[Réponse : Le système admet une solution unique pour tout k ∈ R\{−2, 2, 3}.
]
b) Trouver toutes les valeurs de k telles que le système admette une infinité de
solutions, tout comme toutes les valeurs de k pour lesquelles il est incompatible.
[Réponse
: Pour k =−2 le système admet une infinité de solutions,
2 −1
x = t 0 + 1 pour tout t ∈ R. Pour k = 2 et k = 3 le système est
1 0
incompatible. ]
x = −δ + 6
3 : y = −2δ + 7
z = 3δ − 4 pour tout δ ∈ R.
√
[Réponse : L’aire du triangle est 5 6 unités carrées. ]
119
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Algébre matricielle et pivot de Gauss
120 CHAPITRE 2. ALGÈBRE MATRICIELLE ET PIVOT DE GAUSS
4 7
[Réponse : Pour tout k ∈ R\{ , } le système admet seulement la solution
3 5
triviale x = (0, 0, 0, 0). La matrice A est inversible pour ces valeurs de k. ]
b) Trouver toutes les valeurs de k telles que le système admette une infinité de
solutions.
4 7
[Réponse : Pour k = ou k = le système admet une infinité de solution.]
3 5
120
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
Chapitre 3
Le but de ce chapitre :
Dans ce chapitre, nous introduisons les définitions et concepts suivants pour des fa-
milles finies de vecteurs de Rn : combinaisons linéaires de vecteurs, familles génératrices
et familles linéairement indépendantes. Nous appliquons ces notions à la description, par
exemple, des plans et des droites de R3 . Elles nous permettrons aussi d’acquérir une
meilleure compréhension des systèmes linéaires.
S = {u1 , u2 , . . . , up },
où uj ∈ Rn pour j = 1, 2, . . . , p.
1. Une combinaison linéaire des vecteurs de la famille S est un autre vecteur de Rn ,
s’écrivant
c1 u 1 + c 2 u 2 + · · · + c p u p ∈ R n
pour un choix arbitraire des p coefficients de la combinaison linéaire c1 , c2 , . . ., cp .
On dit donc que v ∈ Rn est une combinaison linéaire des vecteurs de la famille S
s’il existe des coefficients c1 , c2 , . . . , cp , tels que
v = c1 u 1 + c 2 u 2 + · · · + c p u p .
121
121
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
122 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
Problème 3.1.1.
Considérons la famille de cinq vecteurs de R3 :
S = {u1 , u2 , u3 , u4 , u5 },
où
1 1 1
u1 = 0 , u2 = 1 , u3 = −1
1 0 3
2 1
u4 = −1 , u5 = 3 .
0 4
Soit le vecteur
1
v = 2 .
1
a) Montrer que v est une combinaison linéaire des vecteurs de la famille S et donner
explicitement cette combinaison.
b) v est-il une combinaison linéaire de la famille {u1 , u2 } ? Justifier votre réponse.
122
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 123
3 × 3inconnue telle
c) Soit A une matrice que
1 2 3
Au1 = 2 , Au2 = 1 , Au3 = 1
−1 0 3
−8 22
Au4 = 11 , Au5 = −13 .
−18 32
Trouver Av explicitement.
123
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
124 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
Solution 3.1.1.
a) Nous devons montrer qu’il existe des constantes réelles (les coefficients), c1 , c2 , c3 ,
c4 et c5 , tels que
v = c1 u1 + c2 u2 + c3 u3 + c4 u4 + c5 u5 .
Ecrivons cette équation sous une forme matricielle,
[u1 u2 u3 u4 u5 ] c = v,
avec
c1
c2
c=
c3 ∈ R .
5
c4
c5
En remplaçant par l’expression des vecteurs uj , nous avons
c1
1 1 1 2 1 c2
1
0 1 −1 −1 3 c3 = 2
1 0 3 0 4 c4 1
c5
et la matrice
augmentée correspondante
est
1 1 1 2 1 1
0 1 −1 −1 3 2 .
1 0 3 0 4 1
En appliquant plusieurs opérations élémentaires sur les lignes de cette matrice nous
obtenons
son unique forme réduiteéchelonnée,
1 0 0 9 −14 −5
0 1 0 −4 9 4 .
0 0 1 −3 6 2
Nous en déduisons que les constantes c4 et c5 peuvent être choisies arbitrairement,
nous notons
c4 = t, c5 = s,
avec t et s des paramètres réels. A partir de la forme échelonnée réduite ci-dessus,
nous avons
c1 = −9t + 14s − 5
c2 = 4t − 9s + 4
c3 = 3t − 6s + 2,
donc
−9t + 14s − 5
4t − 9s + 4
c= 3t − 6s + 2 .
t
s
Nous obtenons ainsi les coefficients de la combinaison linéaire
v = (−9t + 14s − 5) u1 + (4t − 9s + 4) u2 + (3t − 6s + 2) u3 + t u4 + s u5
pour tous t ∈ R et s ∈ R. La combinaison linéaire la plus simple est donnée par
t = s = 0 et ainsi :
v = −5u1 + 4u2 + 2u3 .
124
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 125
pour tous t ∈ R et s ∈ R.
En choisissant t = s = 0, nous trouvons la combinaison la plus simple
v = −5u1 + 4u2 + 2u3 .
Par conséquent
Av = A (−5u1 + 4u2 + 2u3 )
125
THÉORIE ET PROBLÈMES RÉSOLUS
126
D’ALGÈBRE CHAPITRE 3.
LINÉAIRE FAMILLES GÉNÉRATRICES ET FAMILLES
Familles génératrices LIBRESlibres
et familles
126
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.1. COMBINAISONS LINÉAIRES DE VECTEURS 127
Problème 3.1.2.
Soit le vecteur
k
4
v= 2
∈ R4
2
et la famille de vecteurs de R4 :
S = {u1 , u2 , u3 },
avec
1 1 1
k 1 1
u1 =
1 , u2 =
k , u3 =
1 .
1 1 k
Ici k est un paramètre réel non spécifié. Déterminer toutes les valeurs de k pour lesquelles
v est une combinaison linéaire des vecteurs de la famille S.
Solution 3.1.2.
Supposons que v soit une combinaison linéaire des vecteurs u1 , u2 et u3 , nous avons
v = c1 u1 + c2 u2 + c3 u3
ou, sous forme matricielle,
k
4 c 1
= [u1 u2 u3 ] c2 . Et donc
2
c3
2
k 1 1 1
4 k c1
= 1 1
2 1 c2 .
k 1
c3
2 1 1 k
Nous cherchons toutes les valeurs de k ∈ R telles que ce système soit compatible, i.e. telles
qu’il existe des valeurs réelles de c1 , c2 et c3 satisfaisant ce système. La matrice augmentée
associée est
1 1 1 k 1 1 1 k 1 1 1 k
k 1 1 4 0 1 − k 1 − k 4 − k2 0 1 − k 1 − k 4 − k2
∼ ∼ .
1 k 1 2 0 k−1 0 2−k 0 0 1 − k −(k − 2)(k + 3)
1 1 k 2 0 0 k−1 2−k 0 0 0 −(k − 2)(k + 4).
La dernière ligne de cette forme échelonnée nous donne
c1 0 + c2 0 + c3 0 = −(k − 2)(k + 4)
donc le système est compatible si et seulement si k = 2 ou k = −4. Par conséquent, v est
une combinaison linéaire de u1 , u2 et u3 si et seulement si k = 2 ou k = −4.
127
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
128 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
S = {u1 , u2 , . . . , up },
où uj ∈ Rn pour j = 1, 2, . . . , p.
1. L’ensemble de toutes les combinaisons linéaires des vecteurs de S, noté Vect {S},
est un sous ensemble de Rn , noté W , dont on dit qu’il est engendré par S. Nous
écrivons
W = Vect {u1 , u2 , . . . , up }, ou simplement W = Vect {S}.
On dit que S est une famille génératrice de W . Donc Vect {S} contient toutes
les combinaisons linéaires des vecteurs de S, i.e.
c1 u1 + c2 u2 + · · · + cp up ∈ W
pour n’importe quel choix des coefficients c1 , c2 , . . . , cp . Nous notons
W = Vect {S} = {c1 u1 + c2 u2 + · · · + cp up pour tous c1 ∈ R, c2 ∈ R, . . . , cp ∈ R}.
2. Dans le langage des familles génératrices nous pouvons réinterpréter la compatibilité
d’une famille de vecteurs comme suit :
Le système linéaire
Ax = b,
est compatible si et seulement si
b ∈ Vect {a1 , a2 , . . . , an },
où A est une matrice m × n donnée par A = [a1 a2 · · · an ], aj ∈ Rm et b ∈ Rm .
Problème 3.2.1.
Considérons les trois vecteurs de R3 suivants :
1 −1 k
u=
−2 , v =
1 , w= 6 ,
3 4 2
où k est une constante réelle non spécifiée. Trouver toutes les valeurs de k telles que
128
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.2. FAMILLES GÉNÉRATRICES 129
@jobba_i_malmostad
www.facebook.com/jobbaimalmostad
129
130 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
Solution 3.2.1.
a) Si le vecteur w est un élément de Vect {u, v} alors il doit s’écrire comme une
combinaison linéaire des vecteurs u et v. Donc, il doit exister des coefficients (réels),
c1 et c2 , tels que
w = c1 u + c2 v.
Sous la forme d’une équation matricielle,
nous avons
1 −1 k
c1
−2 1 = 6
c2
3 4 2
tel quela matrice augmentée
associée et une deses formes échelonnées s’écrivent
1 −1 k 1 −1 k
−2 1 6 ∼ 0 −1 2k + 6 .
3 4 2 0 0 11k + 44
Nous en concluons que le système est compatible si et seulement si k = −4.
Par conséquent w ∈ Vect {u, v} si et seulement si k = −4.
b) Si u appartient à Vect {v, w}, alors il doit s’écrire comme une combinaison linéaire
de v et w. Mais à partir de la question a) nous savons déjà que w est une combinaison
linéaire de u et v, ce qui veut dire qu’il existe des réels c1 et c2 tels que
w = c1 u + c2 v.
Donc, nous avons
c2 1
u = − v + w,
c1 c1
et nous concluons que u ∈ Vect {v, w} si et seulement si k = −4, i.e. la réponse
est la même qu’à la question a) ci dessus.
c) Le vecteur nul, 0 ∈ R3 , appartient à tout espace engendré de R3 car il correspond
à une combinaison linéaire des vecteurs de la famille qui engendre l’espace où tous
les coefficients sont nuls. Par exemple dans le cas de Vect {u, v} nous avons
0 = 0u + 0v.
d) On remarque que
x1
[u v]x = x1 u + x2 v, où x = .
x2
Donc le système
k
[u v]x = 6
2
k
est compatible si et seulement si 6 ∈ Vect {u, v}. A la question a) ci-dessus,
2
nous avons déjà établi que w ∈ Vect {u, v} si et seulement si k = −4. Donc le
système
2
[u v]x = 6
2
130
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.2. FAMILLES GÉNÉRATRICES 131
est incompatible,
alorsque le système
−4
[u v]x = 6
2
l’est. De la même
manière, le système homogène
0
[u v]x = 0
0
est aussi compatible.
e) Le système homogène
0
[v w]x = 0
0
tout k ∈ R comme
est compatible pour
0
x= 0
0
en est toujours une solution (la solution triviale).
Problème 3.2.2.
Considérons les trois vecteurs de R4 suivants :
1 0 1
0 0 1
u1 =
2 , u2 = 4 , u3 = −3
−3 7 1
W = Vect {u1 , u2 , u3 }.
131
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
132 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
Solution 3.2.2.
Afin de savoir si v1 ∈ Vect {u1 , u2 , u3 }, nous devons chercher des coefficients c1 , c2 et
c3 tels que v1 s’écrive comme une combinaison linéaire de u1 , u2 , u3 , i.e.
v 1 = c1 u 1 + c 2 u 2 + c 3 u 3
L’équation matricielle correspondante est
1 0 1 −5
0 0 c1
1
c2 = −3
2 4 −3 9
c3
−3 7 1 10
et la matrice augmentée associée est
1 0 1 −5
0 0 1 −3
.
2 4 −3 9
−3 7 1 10
Après avoir appliqué plusieurs opérations élémentaires sur ses lignes, nous obtenons la
forme échelonnée réduite suivante :
1 0 0 −2
0 1 0 1
0 0 1 −3
0 0 0 0
à partir de laquelle nous déduisons v1 ∈ Vect {u1 , u2 , u3 }, avec
v1 = −2u1 + u2 − 3u3 .
Nous utilisons la même méthode afin de déterminer si v2 ∈ Vect {u1 , u2 , u3 }. Nous avons
la matrice augmentée
1 0 0 1
0 0 1 0
2 4 −3 1
−3 7 1 0
ainsi que sa forme échelonnée réduite
1 0 0 1
0 1 0 −1/4
.
0 0 1 0
0 0 0 19/28
Nous en concluons que v2 n’appartient pas à Vect {u1 , u2 , u3 } car ne pouvant pas s’écrire
comme une combinaison linéaire des vecteurs u1 , u2 and u3 .
132
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 133
On dit que la famille S de Rn est libre (ou que les vecteurs de S sont linéairement
indépendants) si l’équation vectorielle
c 1 u 1 + c2 u 2 + · · · + cp u p = 0
peut seulement être satisfaite si tous ses coefficients sont nuls, i.e. c1 = 0, c2 = 0, . . . , cp =
0. S’il existe un ou plusieurs coefficients non nuls pour lesquels l’équation ci-dessus est
satisfaite, alors on dit que la famille S est liée.
Pour les familles libres et liées nous avons les propriétés suivantes
Propriétés :
a) Si S est une famille libre. Alors toute sous famille de vecteurs de S est aussi une
famille libre de Rn .
b) Si S est une famille liée. Alors il peut exister des sous familles de S de deux vecteurs
ou plus qui sont libres.
c) Si S est une famille de p vecteurs de Rn et que p > n, alors S est liée.
d) Soit Q une famille de n vecteurs de Rn ,
Q = {a1 , a2 , . . . , an },
où aj ∈ Rn pour tout j = 1, 2, . . . , n et A la matrice n × n
A = [a1 a2 · · · an ].
Alors les propriétés suivantes sont vérifiées :
i) La famille Q est libre si et seulement si la forme échelonnée réduite de A est la
matrice identité In , i.e. A et In sont l-équivalentes
A ∼ In .
133
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
134 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
ii) La famille Q est libre si et seulement si le déterminant de A est non nul, i.e.
det A = 0,
et si et seulement si A est inversible.
iii) La famille Q est libre si et seulement si Ax = b admet une solution unique
x ∈ Rn pour tout b ∈ Rn .
e) Soit la famille Q2 formée de deux vecteurs non nuls de R3 ,
Q2 = {u1 , u2 }.
Alors Vect {Q2 } engendre un plan Π dans R3 contenant l’origine (0, 0, 0), si et
seulement si Q2 est libre. Ce qui veut alors dire que tout vecteur de Π peut s’écrire
comme une combinaison linéaire des vecteurs u1 et u2 .
f) Soit la famille Q3 formée de trois vecteurs non nuls de R3 ,
Q3 = {u1 , u2 , u3 }.
Alors Vect {Q3 } engendre R3 si et seulement si Q3 est libre. Ce qui veut alors sire
que tout vecteur de R3 peut s’écrire comme une combinaison linéaire de u1 , u2
et u3 . De plus, si Q3 est liée et admet une sous famille libre d’exactement deux
vecteurs, alors Vect {Q3 } engendre un plan passant par (0, 0, 0) (bien sûr cela est
vrai pour toute famille finie de vecteurs contenant une sous famille libre de deux
vecteurs exactement). On remarquera qu’une droite passant par (0, 0, 0) peut
s’écrire comme l’espace engendré par un vecteur non nul (dont les coordonnées
satisfont l’équation de ).
134
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 135
Problème 3.3.1.
Considérons les deux vecteurs de R3 :
1 k
u = 2 , v = −4 ,
−1 2
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que la famille S = {u, v} soit libre, de même
que toutes les valeurs de k pour lesquelles elle est liée.
b) Trouver toutes les valeurs de k pour lesquelles u et v engendrent un plan dans R3
et donner l’équation de ce plan.
c) Trouver toutes les valeurs de k telles que u et v engendrent une droite dans R3 et
donner l’équation paramétrique de cette droite.
135
136 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
Solution 3.3.1.
a) Afin de déterminer si la famille S = {u, v} et libre (ou liée), nous étudions l’équation
vectorielle
c1 u + c2 v = 0.
Qui s’écrit,
sous forme
matricielle,
1 k
2 −4 c1 =
0
.
c2 0
−1 2
Comme le système est homogène, nous pouvons seulement étudier la matrice afin
de déterminer
s’il
est compatible.
Nousavons
1 k 1 k 1 k
2 −4 ∼ 0 −2k − 4 ∼ 0 k + 2 .
−1 2 0 k+2 0 0
Le système réduit est donc
c1 + c2 k = 0
c2 (k + 2) = 0.
Par conséquent le système admet la solution triviale, i.e. c1 = 0 and c2 = 0, si
et seulement si k ∈ R\{−2}. Nous en concluons que la famille S est libre pour
k ∈ R\{−2} et liée pour k = −2.
b) La famille de deux vecteurs S = {u, v} engendrera un plan dans R3 si et seulement
si elle est libre, i.e. pour tout k ∈ R\{−2} comme démontré à la question précédente.
Ce plan contient l’origine (0, 0, 0) et toutes les combinaisons linéaires de u et v pour
tout k ∈ R\{−2}. Afin de trouver l’équation du plan engendré par S, nous calculons
son vecteur normal n à l’aide du produit vectoriel (voir les Notes théoriques 1.2
et 1.3). Nous avons
e1 e2 e3
n = u × v = 1 2 −1 = −(k + 2)e2 − (2k + 4)e3 .
k −4 2
Ensuite nous calculons le produit scalaire de n et d’un point arbitraire du plan, par
exemple (x, y, z), qui doit être nul si (x, y, z) appartient au plan. Donc
n · (x, y, z) = (0, −k − 2, −2k − 4) · (x, y, z) = −(k + 2)y − (2k + 4)z = 0.
Donc l’équation du plan engendré par S est
−(k + 2)y − (2k + 4)z = 0 pour tout k ∈ R\{−2}.
On remarquera que cette équation dépend de k.
c) La famille de deux vecteurs S = {u, v} engendrera une droite dans R3 si et
seulement si elle est liée, i.e. pour k = −2, comme démontré à la question a). Nous
avons alors
1 −2
u = 2 et v = −4 ,
−1 2
qui appartiennent à la droite . passe évidemment par l’origine (0, 0, 0). Pour
trouver l’équation de , il suffit de multiplier un vecteur quelconque de non nul
par un paramètre t, par exemple le vecteur u. Donc une équation paramétrique de
136
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 137
cette droite
est
x=t
: y = 2t
z = −1t pour tout t ∈ R.
137
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
138 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
Problème 3.3.2.
Considérons la famille S = {u1 , u2 , u3 } avec
1 0 2
u1 = 0 , u2 = 1 , u3 = 3 ,
1 2 k
Solution 3.3.2.
a) Afin de déterminer si la famille S = {u1 , u2 , u3 } est libre ou liée, nous devons
étudier l’équation vectorielle
c1 u1 + c2 u2 + c3 u3 = 0.
Sous une
forme matricielle
nousavons
1 0 2 c1 0
0 1 3 c2 = 0 ,
1 2 k c3 0
et donc
1 0 2 1 0 2 1 0 2
0 1 3 ∼ 0 1 3 ∼ 0 1 3 .
1 2 k 0 2 k−2 0 0 k−8
Donc il existe des c1 , c2 et c3 solutions non tous nuls si et seulement si k − 8 = 0.
Par conséquent la famille S est libre pour tout k ∈ R\{8} et liée pour k = 8.
Comme la matrice est carrée, nous pouvons aussi faire cette démonstration en cal-
culant son déterminant. Notons cette matrice A, nous avons det A = k − 8. Les
colonnes de A forment une famille libre si et seulement si det A = 0, et donc nous
retrouvons le même résultat.
b) Pour déterminer si u3 ∈ Vect{u1 , u2 } = W , nous devons étudier la compatibilité du
système non homogène suivant c1 u1 + c2 u2 = u3 . Ce système ne peut évidemment
être compatible que si la famille S = {u1 , u2 , u3 } est libre, alors u3 ∈ W . Nous
138
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 139
avons déjà démontré ci dessus que la famille S est liée pour k = 8. D’où u3 ∈ W
pour k = 8.
c) Afin d’engendrer un plan dans R3 il nous faut exactement deux vecteurs libres. La
famille {u1 , u2 } est libre, car
u1 = αu2 pour tout α ∈ R.
Donc pour engendrer un plan Π dans R3 à partir des trois vecteurs de la famille
S = {u1 , u2 , u3 }, il faut que S soit liée. Nous avons déjà démontré que S est liée
pour k = 8. Donc
1 0 2
Π = Vect { 0 , 1 , 3 }.
1 2 8
Le même plan Π est aussi engendré par toute sous famille libre de deux vecteurs de
S. Nous avons
1 0 1 2 0 2
Π = Vect { 0 , 1 } = Vect { 0 , 3 } = Vect { 1 , 3 }.
1 2 1 8 2 8
Pour trouver l’équation de Π nous pouvons nous servir de n’importe laquelle de
ces famille génératrices. Nous utiliserons Π = Vect {u1 , u2 }. Calculons le vecteur
normal au plan n et ensuite son produit scalaire avec un vecteur arbitraire (x, y, z)
du plan. (voir les Notes théoriques 1.2 et 1.3). Nous avons
e1 e2 e3
n = u1 × u2 = 1 0 1 = −e1 − 2e2 + e3 = (−1, −2, 1).
0 1 2
Puis
n · (x, y, z) = (−1, −2, 1) · (x, y, z) = −x − 2y + z = 0.
Donc l’équation du plan Π est
−x − 2y + z = 0.
9,),116'b5'80,167$1$5'(7 Där det byggs tunnlar finns ofta Sandvik. Koncernen har de verktyg
och maskiner som behövs för att snabbt och effektivt ta sig igenom de hårdaste berg. Det kan gälla
tunnlar för vattenkraft i USA, vägtunnlar i Kina eller järnvägstunnlar i Schweiz.
Du hittar också resultatet av vårt kunnande i mobiltelefoner, i flygplan, på havets botten och på
många andra ställen. Men även om inte du tänker på var Sandvik finns, så gör kunderna det.
För våra produkter ökar både deras produktivitet och lönsamhet.
Gå in på www.sandvik.se. Där finns mer än du anar!
139
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
140 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
d) Afin d’engendrer R3 il faut une famille S de trois vecteurs de R3 telle que tout vecteur
de R3 puisse s’écrire comme une combinaison linéaire des vecteurs de S. Cela ne peut
être possible que si S est libre. Nous avons déjà démontré que S = {u1 , u2 , u3 }
est libre pour toutk ∈ R\{8}.
Donc
1 0 2
3
R = Vect { 0 ,
1 , 3 } pour tout k ∈ R\{8}.
1 2 k
e) Nous ne pouvons pas engendre de droite dans R3 à l’aide de la famille S = {u1 , u2 , u3 }
car la sous famille {u1 , u2 } est libre (et engendre donc un plan comme montré à
la question c) ci-dessus).
f) La matrice A = [u1 u2 u3 ] est l-équivalente à I3 si et seulement si det A = 0 et
donc si et seulement
si A est inversible. Nous avons
1 0 2
det A = 0 1 3 = k − 8.
1 2 k
Donc A ∼ I3 si et seulement si k ∈ R\{8}. De plus A−1 existe si et seulement si
k ∈ R\{8}.
g) Le système Ax = b, avec
A = [u1 u2 u3 ],
admet une solution unique pout tout b ∈ R3 si et seulement si A est inversible.
Donc, ce système admet une solution unique si et seulement si det A = 0. A la
question f) nous avons démontré que cela était le cas pour tout k ∈ R\{8}. D’où,
Ax = b admet une solution unique pour tout k ∈ R\{8}.
Problème 3.3.3.
Considérons la famille S = {u1 , u2 , u3 , u4 } dans R4 avec
1 −1 −1 k
1 −9 3 −10
u1 =
−2 , u2 =
, u3 = , u4 =
−4 ,
k 1
−3 11 −1 6
où k est un paramètre réel non spécifié.
a) Trouver toutes les valeurs de k telles que S soit libre.
b) Trouver toutes les valeurs de k pour lesquelles S soit liée et lister toutes les possibles
sous familles libres de trois vecteurs de S avec les valeurs de k correspondantes.
Solution 3.3.3.
a) Pour savoir si S est libre, nous étudions la matrice A dont les colonnes sont les
vecteurs deS :
1 −1 −1 k
1 −9 3 −10
A= .
−2 k 1 −4
−3 11 −1 6
140
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.3. LES FAMILLES LIBRES ET LIÉES 141
−3 11 −1 6
Si k = 4, alors
1 −1 −1 4
0 4 −2 7
A∼ 0
.
0 0 1
0 0 0 0
Nous en concluons qu’il existe deux sous familles libres de S comprenant trois vec-
teurs avec k = 4. Notons les S3 et S4 ,
S3 = {u1 , u2 , u4 } or S4 = {u1 , u3 , u4 },
avec
1 −1 −1 4
1
u1 = , u2 = −9 , u3 = 3 , u4 = −10 .
−2 4 1 −4
−3 11 −1 6
141
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
142 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
3.4 Exercices
[Réponse : S est une famille libre pour tout k ∈ R\{−1, 2} et S est liée pour
k = −1 or k = 2. ]
[Réponse : S est une famille libre pour tout k ∈ R et donc S n’est jamais liée
quelque soit k. ]
[Réponse : Pour k ∈ R\{6} toute sous famille de S est libre (comme S dans
ce cas là S est libre).
Pour k = 6 la famille S est liée et possède cinq sous familles libres toutes
composées de deux vecteurs :
S1 = {u1 , u3 }, S2 = {u1 , u4 }, S3 = {u2 , u3 }, S4 = {u2 , u4 },
S5 = {u3 , u4 }. ]
142
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
3.4. EXERCICES 143
[Réponse : S est une famille libre pour tout k ∈ R\{−4} et S est liée pour
k = −4. ]
[Réponse : Pour k ∈ R\{−4} toute sous famille de S est libre (comme S dans
ce cas là S est libre).
Pour k = −4 la famille S est liée et possède cinq sous familles libres toutes
composées de deux vecteurs :
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }, S4 = {u2 , u3 },
S5 = {u2 , u4 }. ]
b) Trouver toutes les valeurs de k, telles que les vecteurs de S engendrent R3 , i.e.
R3 = Vect {S}.
143
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
144 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
S = {u1 , u2 , u3 }
a) Trouver toutes les valeurs des paramètres a, b et c telles que S soit libre.
b) Trouver toutes les valeurs des paramètres a, b et c telles que S engendre une
droite dans R3 et donner l’équation paramétrique de cette droite.
où k est un paramètre réel non spécifié. Notons S la famille composée de ces trois
vecteurs :
S = {u1 , u2 , u3 }.
a) Trouver toutes les valeurs de k telles que la famille S engendre un plan W dans
R3 . Donc, trouver toutes les valeurs de k ∈ R telles que
W = Vect{S}.
144
THÉORIE ET PROBLÈMES RÉSOLUS
3.4. EXERCICES
D’ALGÈBRE LINÉAIRE 145libres
Familles génératrices et familles
[u1 u2 u3 ] x = b
[u1 u3 ] x = c
[u1 u2 u3 ] x = c
e) Le système
[u1 u2 ] x = c
est-il compatible ?
145
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Familles génératrices et familles libres
146 CHAPITRE 3. FAMILLES GÉNÉRATRICES ET FAMILLES LIBRES
c) Trouver toutes
les valeurs du paramètre α telles que le vecteur
8
v= 6
α
appartienne au plan Π engendré par les vecteurs de la famille S.
b) Trouver toutes les valeurs de k pour lesquelles S est liée et lister toutes les
possibles sous familles libres de S composées de deux vecteurs en fonction de k.
[Réponse : S est une famille liée pour k = 2 et pour cette valeur de k il existe
trois sous familles libres de S :
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }. ]
c) Existe-t-il des valeurs de k pour lesquelles il existe une sous famille libre de S
contenant trois vecteur ?
[Réponse : Non. ]
146
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
Chapitre 4
Le but de ce chapitre :
Nous étudions les applications linéaires agissants sur un espace euclidien Rn à valeurs
dans Rm ainsi que leur relation avec les systèmes d’équations linéaires. Nous introduisons
la représentation matricielle de telles applications, qui en donne une description unique
et complète. Au travers de plusieurs exemples, nous montrons comment calculer la ma-
trice d’une application linéaire et comment composer plusieurs applications. Enfin, nous
présentons les applications injectives et surjectives, puis étudions les applications inver-
sibles dans le cas où les deux espaces euclidiens sont les mêmes.
147
147
THÉORIE ET PROBLÈMES RÉSOLUS
148 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens
148
THÉORIE ET PROBLÈMES RÉSOLUS
4.1. APPLICATIONS
D’ALGÈBRE LINÉAIRE LINÉAIRES : ENSEMBLE DE DÉFINITION
Applications linéaires ET ENSEMBLE
entre IMAGE149
espaces euclidiens
Propriétés :
a) Le vecteur nul 0n de Rn a pour image le vecteur nul 0m de Rm . En d’autres
termes, T (0n ) = 0m .
Problème 4.1.1.
Considérons l’application T : R2 → R3 telle que
149
150 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
Solution 4.1.1.
= T (x + y).
Pour la seconde condition nous avons
T (c x) = (c x1 + c x2 , 3c x1 + c x2 , c x1 − c x2 )
= c (x1 + x2 , 3x1 + x2 , x1 − x2 )
150
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.1. APPLICATIONS LINÉAIRES : ENSEMBLE DE DÉFINITION ET ENSEMBLE IMAGE151
La matrice
augmentée associée
et certaines deses
formes l-équivalentes sont
1 1 b1 1 1 b1 1 1 b1
3 1 b2 ∼ 0 −2 b2 − 3b1 ∼ 0 −2 b2 − 3b1 .
1 −1 b3 0 −2 b3 − b1 0 0 2b1 − b2 + b3
Nous concluons partir de la forme échelonnée ci-dessus que le système Ax = b est
compatible si et seulement si
2b1 − b2 + b3 = 0.
Notons b2 = t et b3 = s,où t et
s sontdeux paramètres
réels. Alors nous avons
t/2 − s/2 1/2 −1/2
b= t = t 1 + s 0 pour tous t, s ∈ R.
s 0 1
Par conséquent tous les vecteurs de R étant images de x par T appartiennent à
3
l’espace engendré
{v1 , v2 },où
Vect
1/2 −1/2
v1 = 1 , v2 = 0
0 1
Donc l’ensemble image RT de T est un sous ensemble de R3 , en particulier
RT = Vect {v1 , v2 }.
vi gör papper
i toppklass
Snygga trycksaker kräver riktigt bra papper. Vi på Arctic Paper ARCTIC PAPER GRYCKSBO
BOX 1, 790 20 GRYCKSBO
Grycksbo tillverkar några av Europas bästa bestrukna finpapper. Vi TFN: 023- 680 00
info.gr ycksbo@arc ticpaper.com,
är en modern processindustri där ena foten står stadig i de lokala Läs mer på www.arcticpaper.com
151
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
152 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.1.2.
Considérons l’application T : R3 → R2 telle que
T : (x1 , x2 , x3 ) → (3x1 , 2x2 + x3 + 1) pour tous x1 , x2 , x3 ∈ R.
T est-elle une application linéaire ? Justifier votre réponse.
Solution 4.1.2.
Problème 4.1.3.
Soit l’application T : Rn → Rm telle que
T : x → T (x) = Ax pour tout x ∈ Rn ,
où A est une matrice m × n quelconque. Montrer que T est une application linéaire.
Solution 4.1.3.
= Ax + Ay
= T (x) + T (y).
152
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.1. APPLICATIONS LINÉAIRES : ENSEMBLE DE DÉFINITION ET ENSEMBLE IMAGE153
De plus,
T (c x) = A(c x)
= c (Ax)
Nous en concluons que T est une application linéaire pour toute matrice m × n A.
153
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
154 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
1. La matrice canonique de T :
T2 : y → z = T2 (y) = A2 y ∈ Rp ,
où y est l’image de x par T1 et z est l’image de y par T2 . Donc z est l’image de x
par une nouvelle application linéaire T , qui est l’application composée des deux
applications linéaires T1 puis T2 . On écrit alors
T = T 2 ◦ T 1 : R n → Rp ,
154
4.2. MATRICES
THÉORIE CANONIQUES
ET PROBLÈMES RÉSOLUS ET APPLICATIONS COMPOSÉES 155
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
Problème 4.2.1.
Considérons les applications linéaires de R2 suivantes :
L’application T2 : R2 → R2 qui applique aux vecteurs de R2 une rotation d’un angle π/3
par rapport à l’origine (0, 0) et dans le sens anti-horaire.
a) Trouver la matrice canonique de T1 .
b) Trouver la matrice canonique de T2 .
c) Trouver les matrices canoniques de applications composées suivantes :
T 2 ◦ T 1 , T1 ◦ T 2 , T1 ◦ T 1 , T2 ◦ T 2 .
Solution 4.2.1.
155
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
156 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
avec
1 0
A1 = [T1 (e1 ) T1 (e2 )], e1 = , e2 = .
0 1
En premier lieu, déterminons la réflexion de e1 par rapport à la droite y = 4x, i.e.
calculons T1 (e1 ) :
156
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 157
Donc
−−→ 1 1 2 1
BA = (1, 0) − (1, 4) = (16, −4) et T1 (e1 ) = (1, 0) − (16, −4) = (−15, 8),
17 17 17 17
ou, sous une écriture
en colonne
1 −15
T1 (e1 ) = .
17 8
Trouvons à présent la réflexion de e2 par rapport à y = 4x, i.e. calculons T1 (e2 ) :
157
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
158 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Donc
−−→ e2 · v
OB = projv e2 = v
v·v
(0)(1) + (1)(4)
= (1, 4)
12 + 42
4
= (1, 4)
17
et
−−→ 4 1
AB = (1, 4) − (0, 1) = (4, −1),
17 17
tel que
2 1
T1 (e2 ) = (0, 1) + (4, −1) = (8, 15).
17 17
En notation en colonne,
nous avons donc
1 8
T1 (e2 ) = .
17 15
La matrice canonique
A1 pour
T1 est ainsi
1 −15 8
A1 = .
17 8 15
158
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 159
Figure 4.6 – Rotation par rapport à (0, 0) d’un angle ϕ dans le sens anti-horaire de e1
et e2 .
D’après la figure
4.6 nous avons
cos ϕ − sin ϕ
T2 (e1 ) = , T2 (e2 ) = .
sin ϕ cos ϕ
Par conséquent la matrice canonique de T2 pour la rotation anti-horaire d’un angle
ϕ par rapport à (0, 0) est
cos ϕ − sin ϕ
A2 = .
sin ϕ cos ϕ
Pour l’angleϕ = π/3 nous √ avons donc
1/2 − 3/2
A2 = √ .
3/2 1/2
159
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
160 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.2.2.
Soit l’application linéaire T : R2 → R2 qui projette orthogonalement tout vecteur de R2
sur la droite y = k x, avec k ∈ R.
a) Trouver la matrice canonique de T .
b) On note k = −1/2, i.e. nous considérons la droite y = −x/2, trouver l’image du
point (1, 2) par T . En d’autres termes, déterminer T (1, 2).
160
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 161
Solution 4.2.2.
a) Remarque : Il est conseillé de revoir les problèmes du Chapitre 1 qui traitent de
la projection des vecteurs sur d’autres vecteurs.
161
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
162 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
4/5 −2/5
A= .
−2/5 1/5
Alors
1 1 4/5 −2/5 1 0
T (1, 2) : → A = = .
2 2 −2/5 1/5 2 0
Problème 4.2.3.
Soit l’application linéaire T : R3 → R3 , réfléchissant les vecteurs de R3 par rapport à la
droite définie par
x = 2t
: y=t
z = −t pour tout t ∈ R.
162
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 163
Solution 4.2.3.
163
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
164 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
avec
−−→ −−→
AB = OB − e1
et
−−→ e1 · v
OB = projv e1 = v.
v2
Donc
T (e1 ) = 2 projv e1 − e1
e1 · v
=2 v − e1
v2
1
1
= 2 .
3
−2
Nous calculons de la même manière T (e
2 ) et
T (e3 ) et obtenons
2
1
T (e2 ) = 2 projv e2 − e2 = −2
3
−1
−2
1
T (e3 ) = 2 projv e3 − e3 = −1 .
3
−2
La matrice canonique
A de T est
donc
1 2 −2
1
A = 2 −2 −1 .
3
−2 −1 −2
Un vecteur de coordonnées
(x,y, z) est
par conséquenttransformé
par T selon
x x 1 2 −2 x x + 2y − 2z
1 1
T (x, y, z) : y → A y = 2 −2 −1 y = 2x − 2y − z .
3 3
z z −2 −1 −2 z −2x − y − 2z
b) En utilisantle résultat
de
la question
a) ci-dessus, nous
avons
1 1 1 2 −2 1 1
1 1
T (1, 2, 3) : 2 → A 2 = 2 −2 −1 2 = − 5 .
3 3
3 3 −2 −1 −2 3 10
Problème 4.2.4.
Soit une droite de R3 passant par l’origine (0, 0, 0). Considérons l’application T1 : R3 →
R3 projetant orthogonalement les vecteurs x ∈ R3 sur ainsi que l’application T2 : R3 → R3
réfléchissant les vecteurs x ∈ R3 par rapport à cette même droite. Dériver une relation
liant les matrices canoniques des applications T1 et T2 .
164
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 165
Solution 4.2.4.
This e-book
is made with SETASIGN
SetaPDF
www.setasign.com
165
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS
166 CHAPITRE LINApplications
ÉAIRES ENTRElinéaires entreEUCLIDIENS
ESPACES espaces euclidiens
Comme d’habitude nous nous intéressons à la façon dont les vecteurs de la base canonique
{e1 , e2 , e3 } sont transformés. En se basant sur la figure 4.9, nous avons par addition des
vecteurs
−−−→ −−−→
e1 + P1 Q1 = T1 (e1 ) et e1 + 2P1 Q1 = T2 (e1 ).
Donc nous obtenons la relation
T2 (e1 ) = 2 T1 (e1 ) − e1 .
D’après la figure 4.10 nous avons
−−−→ −−−→
e2 + P2 Q2 = T1 (e2 ) et e2 + 2P2 Q2 = T2 (e2 ),
qui nous fournit la relation
T2 (e2 ) = 2 T1 (e2 ) − e2 .
La figure 4.11 nous donne
−−−→ −−−→
e3 + P3 Q3 = T1 (e3 ) et e3 + 2P3 Q3 = T2 (e3 ),
et donc la relation
T2 (e3 ) = 2 T1 (e3 ) − e3 .
166
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRECANONIQUES
4.2. MATRICES Applications
ET APPLICATIONS linéaires
COMPOS entre espaces euclidiens
ÉES 167
et celle de T2 est
A2 = 2 A1 − I3 ,
167
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
168 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.2.5.
Notons
√
1/2 1/2 1/ 2
√
A=
1/2 −5/6 1/(3 2)
√ √
1/ 2 1/(3 2) −2/3
168
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 169
Solution 4.2.5.
où v = (a, b, c) donne la direction de et lui appartient donc. Nous devons trouver les
paramètres a, b et c, tels que T , défini par la matrice A, réfléchisse tout vecteur x ∈ R3
par rapport à . En considérant la base canonique {e1 , e2 , e3 }, nous avons
donc
√
1/2 1/2 1/ 2
√
T (e1 ) =
1/2 , T (e2 ) =
−5/6 , T (e3 ) =
1/(3 2)
.
√ √
1/ 2 1/(3 2) −2/3
D’après la figure 4.12 nous avons
Et donc
e · v
T (e2 ) · v 2
v= v ou T (e2 ) · v = e2 · v.
v·v v·v
Avec les expressions de T (e2 ) et v = (a, b, c) nous avons
√
1 5 1 11 2
a − b + √ c = b ou a − b + c = 0.
2 6 3 2 3 3
D’après la figure 4.14 nous avons
169
THÉORIE ET PROBLÈMES RÉSOLUS
170 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens
Donc
e · v
T (e3 ) · v 3
v= v ou T (e3 ) · v = e3 · v.
v·v v·v
En remplaçant par les expressions de T (e3 ) et v = (a, b, c) nous obtenons
√
1 1 2 1 5 2
√ a + √ b − c = c ou a + b − c = 0.
2 3 2 3 3 3
Nous avons donc trois relations entre les paramètres a, b et c,
√
a − b − 2c = 0
√
11 2
a− b+ c=0
3 3
√
1 5 2
a+ b− c = 0,
3 3
ou, sous forme matricielle,
√
1 −1 − 2 a 0
√
1 −11/3 2/3
b = 0 .
√
1 1/3 −5 2/3 c 0
170
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 171
171
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
172 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
172
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 173
Problème 4.2.6.
Déterminer la matrice canonique de l’application T : R3 → R3 , où T est l’application
projetant orthogonalement les vecteurs de R3 sur le plan xy.
Solution 4.2.6.
où {e1 , e2 , e3 } est la base canonique de R3 . A partir de la figure 4.15, il est trivial que
1 0 0
T (e1 ) = 0 , T (e2 ) = 1 , T (e3 ) = 0 .
0 0 0
173
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
174 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.2.7.
Trouver la matrice canonique de l’application T : Rn → Rn , telle que
T : x → k x
pour tous x ∈ Rn et k ∈ R.
174
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 175
Solution 4.2.7.
T : x → Ax = k x
Problème 4.2.8.
Trouver la matrice canonique de T : R2 → R4 , telle que
Solution 4.2.8.
175
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
176 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.2.9.
Soient les applications linéaires T1 , T2 et T3 transformant les vecteurs de R3 dans R3
comme suit :
T1 fait tourner les vecteurs de R3 d’un angle θ1 par rapport à l’axe z dans le sens anti-
horaire ;
T2 fait tourner les vecteurs de R3 d’un angle θ2 par rapport à l’axe y dans le sens horaire ;
T3 fait tourner les vecteurs de R3 d’un angle θ3 par rapport à l’axe x dans le sens anti-
horaire.
a) Trouver les matrices canoniques de T1 , T2 et T3 .
b) Trouver la matrice canonique de l’application composée T = T3 ◦ T2 ◦ T1 .
c) Soit un vecteur u = (x, y, z) où (x, y, z) est un point de la sphere de centre (0, 0, 0)
et de rayon a > 0. Calculer T (u), où T est l’application composée de la question b)
et montrer que T (u) est un vecteur pointant sur la même sphere.
Solution 4.2.9.
176
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 177
Donc la matrice
canonique de T2 est
cos θ2 0 − sin θ2
A2 = 0 1 0 .
sin θ2 0 cos θ2
T3 : x → A3 x est l’application qui opère une rotation des vecteurs x ∈ R3 par
rapport à l’axe x d’un angle θ3 dans le sens anti-horaire. Alors
A3 = [T3 (e1 ) T3 (e2 ) T3 (e3 )],
où
1 0 0
T3 (e1 ) = 0 , T3 (e2 ) = cos θ3 , T3 (e3 ) = − sin θ3 .
0 sin θ3 cos θ3
Donc la matrice
canonique de T est
3
1 0 0
A3 = 0 cos θ3 − sin θ3 .
0 sin θ3 cos θ3
b) La matrice canonique A de l’application composée
T = T3 ◦ T2 ◦ T1 , T : x → Ax
est donnée par
A = A3 A2 A1 ,
A1 , A2 et A3 ont été calculées
où à la question a). Donc
1 0 0 cos θ2 0 − sin θ2 cos θ1 − sin θ1 0
A = 0 cos θ3 − sin θ3 0 1 0 sin θ1 cos θ1 0
0 sin θ3 cos θ3 sin θ2 0 cos θ2 0 0 1
cos θ1 cos θ2 − sin θ1 cos θ2 − sin θ2
= sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 − cos θ2 sin θ3 .
sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 cos θ2 cos θ3
c) Soit u un vecteur pointant sur la sphere de rayon a > 0, définie par l’équation
x2 + y 2 + z 2 = a 2 .
Alors u possède les coordonnées suivantes :
u = (x, y, a2 − x2 − y 2 ).
Appliquons maintenant T = T3 ◦ T2 ◦ T1 à u, i.e.
T : u → T (u) = Au,
où A est la matrice canonique calculée à la question b). On a donc
Au = w = (w1 , w2 , w3 ),
où
w1 = x cos θ1 cos θ2 − y sin θ1 cos θ2 − a2 − x2 − y 2 sin θ2
w2 = x (sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 ) + y (cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 )
− a2 − x2 − y 2 cos θ2 sin θ3
w3 = x (sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 ) + y (cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 )
+ a2 − x2 − y 2 cos θ2 cos θ3 .
177
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
178 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.2.10.
a) Considérons l’application linéaire T : R3 → R3 , projetant orthogonalement les vec-
teurs x ∈ R3 sur le plan
Π : ax + by + cz = 0.
Calculer la matrice canonique de T .
ˆ où ˆ est la projection orthogonale
b) Trouver l’équation paramétrique de la droite ,
de la droite
x=t+2
: y = −t + 1
z = 3t − 1 pour tout t ∈ R
sur le plan
Π : x + 2y − 3z = 0.
RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM
178
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 179
Solution 4.2.10.
−−−→
T (e1 ) + Q1 P1 = e1 ,
où
a
−−−→ e1 · n a
Q1 P1 = projn e1 = n= 2 b .
n·n a + b2 + c 2
c
Donc 2
1 a b + c2
a 1
T (e1 ) = 0 − 2 b = −ab .
a + b2 + c 2 a 2 + b2 + c 2
0 c −ac
D’après la figure 4.17 nous avons
−−−→
T (e2 ) + Q2 P2 = e2 ,
179
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
180 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
où
e · n a
−−−→ 2 b b .
Q2 P2 = projn e2 = n= 2
n·n a + b2 + c 2
c
Donc
0 a −ab
b 1
T (e2 ) = 1 − 2 2 2
b = a 2 + c2 .
a +b +c a + b2 + c 2
2
0 c −bc
D’après la figure 4.18 nous avons
−−−→
T (e3 ) + Q3 P3 = e3 ,
où
e · n a
−−−→ 3 c b .
Q3 P3 = projn e3 = n= 2
n·n a + b2 + c 2
c
Donc
0 a −ac
c 1
T (e3 ) = 0 − 2 b = −bc .
a + b2 + c 2 a 2 + b2 + c 2
1 c a 2 + b2
180
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.2. MATRICES CANONIQUES ET APPLICATIONS COMPOSÉES 181
181
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
182 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
et
13 −2 3 3 45
−−→ 1 1
OQ1 = −2 10 6 0 = 6 .
14 14
3 6 5 2 19
−−−→
Nous avons donc calculé le vecteur P1 Q1 ,
−−−→ 45 3 3 19 1 12 3 6
P1 Q1 = ( − , − 0, − ) = ( , , ).
−−−→14 2 7 14 2 7 7 7
Le vecteur P1 Q1 donne la direction de la droite ˆ et, en utilisant le point P1 , nous
obtenonsl’équation paramétrique suivante pour la droite ˆ :
12 3
x= t+
7 2
ˆ 3
: y= t
7
6
z = t + 1 pour tout t ∈ R.
7 2
182
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 183
Propriétés :
a) T est injective sur son ensemble image RT si et seulement si le système
Ax = 0
admet pour unique solution x = 0.
b) T est injective sur son ensemble image RT si et seulement si les colonnes de A
forment une famille libre de n vecteurs dans Rm . Alors
Ax = b
admet une solution unique x ∈ Rn .
c) T est surjective dans Rm l’ensemble d’arrivée de T , Rm , est l’ensemble image
RT de T , i.e. si et seulement si RT = Rm .
d) Si T est injective sur un ensemble, alors T est surjective sur cet ensemble.
Remarque : Toute application linéaire T : Rn → Rm représentée par la matrice
A = [a1 a2 · · · an ] est toujours surjective sur son ensemble image RT ⊆ Rm et
ainsi
RT = Vect {a1 , a2 , · · · , an }.
S’il existe des vecteurs de l’ensemble image Rm n’appartenant par à RT , alors RT =
Rm et donc T n’est évidemment pas surjective sur Rm .
4. Supposons que T : Rn → Rn soit une application linéaire injective sur Rn représentée
par la matrice n × n A. Supposons maintenant qu’il existe une autre application
linéaire injective T −1 : Rn → Rn , telle que
T −1 ◦ T (x) = T ◦ T −1 (x) = x pour tout x ∈ Rn .
183
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
184 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.3.1.
Soit l’application linéaire T : R2 → R2 représentée par la matrice
1 0
A= .
1 0
Akademikernas a-kassa
För alla akademiker. Hela arbetslivet.
aea.se/blimedlem
184
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 185
Solution 4.3.1.
a) Nous considérons
l’application
linéaire T : R2 → R2 de matrice canonique
1 0
A= .
1 0
Donc
x x 1 0 x x
T: → A = =
y y 1 0 y x
pour tous x ∈ R et y ∈ R. Voir la figure 4.20.
x
DT = { pour tous x, y ∈ R}
y
1 0
= Vect { , } = R2 .
0 1
L’ensemble image RT de T est donné par tous les vecteurs de R2 appartenant à la
droite y = x, i.e
k
RT = { pour tout k ∈ R}
k
1
= Vect { } ⊂ R2 .
1
b) L’application est surjective sur son ensemble image RT (la droite y = x) car tout
vecteur de RT est l’image d’au moins un vecteur de l’ensemble de définition DT =
R2 . Cependant, T n’est pas injective, en effet il existe un vecteur de RT . peut avoir
plus d’un antécédent dans R2 . En l’occurence il existe une infinité de vecteurs de
R2 ayant la même image dans RT , et ce pour chaque vecteur de RT . Par exemple,
les deux vecteurs (1, 2) et (1, 3) ont la même image par T , le vecteur (1, 1). De plus,
les vecteurs (1, k) ont eux aussi pour unique image (1, 1) quelque soit k ∈ R.
185
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
186 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
Problème 4.3.2.
Considérons l’application T : R3 → R3 telle que
eLibrary
186
THÉORIE
4.3. LESETAPPLICATIONS
PROBLÈMES RÉSOLUS
LINÉAIRES INVERSIBLES 187
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
Solution 4.3.2.
a) Montronsque l’application
T , donnée par
x1 x1 − x2 + 5x3
T : x2 → x1 + 2x2 − 4x3 ,
x3 2x1 + 3x2 − 5x3
est linéaire. Soient les deux vecteurs de R3 , x = (x1 , x2 , x3 ) et y = (y1 , y2 , y3 ).
Alors
x1 − x2 + 5x3 y1 − y2 + 5y3
T (x) = x1 + 2x2 − 4x3 , T (y) = y1 + 2y2 − 4y3 .
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3
Nous voulons montrer que T (x + y) = T (x) + T (y) et T (c x) = c T (x) pour tous x
et y dans R3 et c ∈ R.Nous avons
x1 + y1 − (x2 + y2 ) + 5(x3 + y3 )
T (x + y) = x1 + y1 + 2(x2 + y2 ) − 4(x3 + y3 )
2(x1 + y1 ) + 3(x2 + y2 ) − 5(x3 + y3 )
x1 − x2 + 5x3 y1 − y2 + 5y3
= x1 + 2x2 − 4x3 + y1 + 2y2 − 4y3
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3
= T (x) + T (y).
De plus,
cx1 − cx2 + 5cx3 x1 − x2 + 5x3
T (c x) = cx1 + 2cx2 − 4cx3 = c x1 + 2x2 − 4x3 = c T (x) pour tout c ∈ R.
2cx1 + 3cx2 − 5cx3 2x1 + 3x2 − 5x3
Comme x et y sont des vecteurs arbitraires de R3 , les propriétés de T exposées
ci-dessus sont valables pour tout vecteur de R3 . Ce qui montre que T est une appli-
cation linéaire.
b) La matrice canonique
de
T estune matrice 3 × 3 A, telle
que
x1 x1 x1 − x2 + 5x3
T : x2 → A x2 = x1 + 2x2 − 4x3 .
x3 x3 2x1 + 3x2 − 5x3
Cette matrice
est donc
1 −1 5
A= 1 2 −4 .
2 3 −5
c) L’ensemble de définition DT de T est formé par tous les vecteurs de R3 , comme T
peut prendre en argument tout vecteur dans R3 . Donc,
DT = Vect {e1 , e2 , e3 },
où {e1 , e2 , e3 } est la base canonique de R3 .
Afin d’établir l’ensemble image RT de T nous devons trouver tous les vecteurs
b ∈ R3 , tels que le système
Ax = b
187
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
188 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
soit compatible.
Ici A est
bien sûr la matrice canonique de T ,
1 −1 5
A= 1 2 −4 .
2 3 −5
Notons
b1
b = b2 .
b3
Alors la matrice
augmentée associée à ce système est
1 −1 5 b1
[A b] = 1 2 −4 b2 .
2 3 −5 b3
En applicant des opérations élémentaires sur les lignes de cette matrice, nous obte-
nons la matrice
l-équivalente
suivante
:
1 −1 5 b1 1 −1 5 b1
1 2 −4 b2 ∼ 0 3 −9 b2 − b1
2 3 −5 b3 0 5 −15 b3 − 2b1
1 −1 5 b1
∼ 0 1 −3 b2 /3 − b1 /3
0 0 0 −5b2 /3 − b1 /3 + b3
A partir de la troisième ligne de cette matrice l-équivalente, nous en concluons que
ce système linéaire est compatible si et seulement si −5b2 /3 − b1 /3 + b3 = 0, ou
en multipliant cette équation par 3, nous obtenons la condition suivante sur les
coordonnées du vecteur b :
−5b2 − b1 + 3b3 = 0.
Donc
−5b2 + 3b3 −5 3
b= b2 = b2 1 + b3 0 pour tous b2 ∈ R et b3 ∈ R.
b3 0 1
Par conséquent l’ensemble image de T est un plan de R3 passant par l’origine (0, 0, 0)
et engendré par lesvecteurs
:
−5 3
RT = Vect { 1 , 0 }.
0 1
d) L’application T n’est pas surjective dans R3 , car tout vecteur de R3 n’est pas une
image par T . En effet, tout vecteur de R3 n’appartenant pas au plan défini par RT
à la question c) n’est pas une image par T .
e) L’application T n’est pas injective dans RT , car pour chaque vecteur b ∈ RT il
existe plus d’un (en fait une infinité) antécédent x ∈ R3 ayant pour image b. Nous
le savons car le système Ax = b possède une infinité de solutions x, avec x3 un
paramètre libre pour toutb ∈ RT , donc pour tout vecteur b s’écrivant
−5b2 + 3b3
b= b2 pour tout réels b2 et b3 .
b3
188
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 189
Problème 4.3.3.
Considérons l’application linéaire T : R3 → R3 définie par la matrice canonique
1 −1 2
A= 2 0 2 .
−3 −2 4
1
a) Trouver tous les vecteur x ∈ R3 , tels que T (x) = 2 .
7
b) L’application T est-elle inversible ? Si oui, trouver la matrice canonique de T −1 .
Solution 4.3.3.
a) Soit
x1
x = x2
x3
Cherchons x tel que
1
T : x → Ax = 2
7
Nous devons donc résoudre
le système
linéaire
1 −1 2 x1 1
2 0 2 x2 = 2 .
−3 −2 4 x3 7
La matrice augmentée correspondante, ainsi que quelques unes de ses matrices l-
équivalentes,
sont
1 −1 2 1 1 −1 2 1 1 −1 2 1
2 0 2 2 ∼ 0 2 −2 0 ∼ 0 1 −1 0
−3 −2 4 7 0 −5 10 10 0 0 1 2
1 0 0 −1
∼ 0 1 0 2 .
0 0 1 2
La dernière matrice l-équivalente ci-dessus est la forme échelonnée réduite de A.
Donc ce système
admet une solution
unique,
−1 1
x = 2 pour T (x) = 2 .
2 7
b) Comme
det A = 10
nous savons que la matrice A est inversible, et par conséquent que T est une appli-
cation injective sur l’espace RT = R3 . Ce qui signifie que T est inversible sur R3 , et
189
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
190 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
que la matrice canonique de sa réciproque, notée T −1 , est A−1 . Nous devons donc
calculer A−1 . Pour cela, considérons [A I3 ], où I3 est la matrice identité 3 × 3. Nous
obtenons
1 0 0 2/5 0 −1/5
[A I3 ] ∼ 0 1 0 −7/5 1 1/5 .
0 0 1 −2/5 1/2 1/5
Donc la matrice
inverse de A est
2/5 0 −1/5
−1
A = −7/5 1 1/5 ,
−2/5 1/2 1/5
donc
T −1 : x → A−1 x pour tout x ∈ R3 .
Problème 4.3.4.
Soit l’application linéaire T : R3 → R3 telle que :
1 5 1 0 1 10
T : 0 → 10 , T : 2 → −5 , T : 3 → 15 .
−1 4 0 5 −2 4
Engineering
Your Future Bombardier Transportation is the global
leader in the rail equipment manufacturing
and servicing industry and is represented in
over 60 countries.
190
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.3. LES APPLICATIONS LINÉAIRES INVERSIBLES 191
Solution 4.3.4.
191
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
192 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
4.4 Exercices
k1 0 1
[Réponse : A= .]
0 k2 −1
192
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 193
de R . Déterminer la matrice
où {e1 , e2 , e3 } sont les vecteurs de la base canonique 3
3
canonique A de T et calculer T (x), où x = 1 .
4
1 −1 0 2
[Réponse : A= , T (x) = .]
5 −2 1 17
[Réponse : T n’est pas inversible, comme det A = 0. C’est aussi évident d’un
point de vue géométrique, comme il y existe une infinité de vecteurs étant pro-
jetés orthogonalement sur un même point de la droite y = −3x, et ce pour
chaque point de y = −3x. ]
193
THÉORIE ET PROBLÈMES RÉSOLUS
194 CHAPITRE
D’ALGÈBRE LINÉAIRE 4. APPLICATIONS LINApplications
ÉAIRES ENTRE ESPACES
linéaires entreEUCLIDIENS
espaces euclidiens
[Réponse : Comme T décrit une réflexion par rapport à une droite, il est
géométriquement évident que T est injective et inversible sur R2 . Ce qui peut
aussi être établi via le calcul du déterminant de A. Nous obtenons det A = −1.
Donc A est une matrice inversible et la matrice −1 −1
de T est A , qui est la même
1 −4 3
que la matrice standard de T , i.e. A−1 = .]
5 3 4
7. Soient les deux applications linéaires T1 et T2 transformant toutes les deux des
vecteurs de R2 . En particulier, T1 tourne les vecteurs de R2 par rapport à l’origine
(0, 0) d’un angle π/3 dans le sens anti horaire et T2 transforme les vecteurs x =
(x1 , x2 ) comme suit :
x1 x1 + x2
T2 : → pour tous x1 ∈ R et x2 ∈ R.
x2 x2
a) Trouver les matrices canoniques A1 de T1 et A2 de T2 . T1 et T2 sont-elles inver-
sibles ? Justifier.
√
1
[Réponse : A1 = √1 − 3 , A2 =
1 1
. T1 et T2 sont inver-
2 3 1 0 1
sibles. ]
1 0 −1
[Réponse : La matrice canonique A de T est A = 0 1 0 . Comme
1 0 1
1 0 1
1
det A = 2, T est inversible et la matrice de T −1 est A−1 = 0 2 0 . ]
2
−1 0 1
194
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 195
[Réponse
:
x = −2t
: y=t
z=t pour tout t ∈ R. ]
Har du växtkraft?
Frigör den hos oss.
Ansvar skapar växtkraft
Våra medarbetare får stort eget ansvar, vilket skapar
växtkraft. Kraft att utveckla våra kunders, de dyna-
miska ägarledda företagens, affärer. Men också kraft
att driva på sin egen utveckling och hjälpa kollegor
att växa. Vi arbetar i en företagskultur där vi tar
ansvar, stöttar varandra och samarbetar i team.
Låter det som en plats där du skulle trivas och växa?
karriar.grantthornton.se
LinkedIn: Grant Thornton Sweden
195
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
196 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
10. Soient les trois applications linéaires, T1 , T2 et T3 , toutes transforment des vecteurs
de R3 . En particulier T1 projette orthogonalement les vecteurs de R3 sur la droite
, définie par l’équation paramétrique suivante :
x = 2t
: y = −t
z = 3t pour tout t ∈ R,
T2 réfléchit les vecteurs de R3 par rapport à l’axe z, et T3 réfléchit les vecteurs de
R3 par rapport à l’axe x.
a) Trouver la matrice canonique de l’application composée T3 ◦ T2 ◦ T1 .
−4 2 −6
1
[Réponse : Cette matrice est −2 1 −3 . ]
14
−6 3 −9
[Réponse : L’ensemble image est donnée par l’ensemble Vect {u}, avec u =
(2, 1, 3). Donc tous les vecteurs appartenant à la droite ∗ définie par l’équation
paramétrique
:
x = 2s
∗ : y=s
z = 3s pour tout s ∈ R. ]
11. Soit l’application linéaire T : R3 → R3 telle que :
1 −2 1
T (e1 ) =
0 , T (e2 ) = k , T (e3 ) = 1 ,
1 0 k
où k est un paramètre réel non spécifié et {e1 , e2 , e3 } sont les vecteurs de la base
canonique de R3 .
a) Donner la matrice
canonique de T et calculer T (x), où
1
x = 2 .
3
1 −2 1
[Réponse : La matrice canonique est A = 0 k 1 . Alors T (x) =
1 0 k
196
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 197
0
2k + 3 . ]
3k + 1
197
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
198 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
a) Trouver toutes les valeurs de α telles que T soit injective sur R3 , ainsi que toutes
celles pour lesquelles T est inversible.
Vi växer snabbt och är en av Nordens stora teknikkonsulter. Vi letar alltid efter nya talanger!
Hos oss arbetar du tillsammans med specialiserade ingenjörer som har bredd, spets och inte minst energi
som skapar resultat! Vi kallar det Energized Engineering – det finns hos Rejlers. rejlers.se/energized
198
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 199
15. Soit l’application linéaire T : R3 → R3 , où T réfléchit les vecteurs x ∈ R3 par rapport
au plan Π : ax + by + cz = 0.
a) Trouver la matrice canonique A de T .
−a2 + b2 + c2 −2ab −2ac
1 .
[Réponse : A= 2 −2ab a2 − b 2 + c 2 −2bc
a + b2 + c 2 2 2 2
−2ac −2bc a +b −c
]
[Réponse:
5
x = 8t +
3
∗ 2
: y = −7t +
3
z = −2t + 4 pour tout t ∈ R. ]
3
c) Trouver l’équation de la sphère étant la réflexion de la sphère
(x − 1)2 + (y + 2)2 + (z − 1)2 = 4
par rapport au plan x + y − z = 0.
2
7 2 2 1 2
[Réponse : x− + y− + z− = 4. ]
3 3 3
2
a − b2 − c 2 2ab 2ac
1 . ]
[Réponse : A= 2 2ab −a2 + b2 − c2 2bc
a + b2 + c 2 2 2 2
2ac 2bc −a − b + c
199
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
200 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
[Réponse :
x=t
1
: y=− t
2
3
z = t pour tout t ∈ R. ]
2
[Réponse :
− cos θ2 sin θ2 sin θ3 cos θ3 sin θ2
A= 0 − cos θ3 sin θ3 . ]
sin θ2 cos θ2 sin θ3 cos θ2 cos θ3
200
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 201
d) Soit la droite
, définie par l’équation paramétrique
x = −2t + 1
: y = 3t − 2
z = t + 4 pour tout t ∈ R.
Utiliser l’application linéaire T obtenue à la question b) afin de déterminer
l’équation paramétrique de la droite ∗ image de par T . En d’autres termes,
trouver ∗ telle que
T : → ∗ .
[Réponse: √
7 3 1 √
x = + t − 3+1
4 4
√
3 3 √
∗
: y= − t+2 3+1
2 2
√
3 5 √
t + 3 − 1 pour tout t ∈ R. ]
z= 4
+
4
201
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
202 CHAPITRE 4. APPLICATIONS LINÉAIRES ENTRE ESPACES EUCLIDIENS
e) Soit le plan
Π : 2x − 3y + z = 4.
Utiliser l’application linéaire T obtenue à la question b) afin de déterminer
l’équation du plan Π∗ , image de Π par T . En d’autres termes, trouver Π∗ tel que
T : Π → Π∗ .
Utiliser Maple pour représenter Π et Π∗ (voir l’annexe A pour plus d’informa-
tions sur Maple).
√ √ √
[Réponse : Π∗ : (7 3 − 1)x − 2( 3 + 3)y − ( 3 − 5)z = −16. ]
[Réponse
:
0 0 1
√
1 3
0
A= − . ]
√2 2
3 1
− − 0
2 2
[Réponse : La matrice de T −1 est donnée par A−1 , où A est la matrice cano-
nique de T . Donc
√
1 3
0 −2 − 2
√
A−1 = 3 1 . ]
0 −
2 2
1 0 0
202
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE Applications linéaires entre espaces euclidiens
4.4. EXERCICES 203
[Réponse
: √
x = (− 3 + 1)s − 1
√ √
: y = −( 3 + 1)s + 3
z = 6s − 1 pour tout s ∈ R. ]
203
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
Annexe A
Maple est un logiciel commercial de calcul formel développé et vendu par Maplesoft,
une société informatique basée à Waterloo au Canada. Il a été développé à ses débuts en
1980 par le Groupe de Calcul Symbolique de l’université de Waterloo. Le logiciel Maple est
écrit en languages de programmation C et Java. Dans cette annexe nous présentons les
commandes principales pour les calculs vectoriel et matriciel sous Maple.
Pour tout calcul vectoriel ou matriciel, il nous faut d’abord charger le paquet LinearAlgebra
(algèbre linéaire). Ce qui se fait via la commande
with(LinearAlgebra)
205
205
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
206 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE
> with(LinearAlgebra) :
Remarque : dans les lignes qui vont suivre le signe renvoie à un commentaire. On re-
marquera aussi qu’une aide ainsi que des exemples sont disponibles pour une fonction
particulière de Maple en pointant le curseur sur un mot dans la feuille de calcul, par
exemple Matrix, tout en appuyant du la touche F2 du clavier.
Nous montrons maintenant comment effectuer quelques opérations élémentaires sur les
matrices et le vecteurs
> u :=< 4 , −1 , −1 > Le vecteur u de coordonnées (4, −1, −1) est défini.
4
u := −1
−1
206
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
207
1
θ := π
3
207
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
208 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE
208
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
209
Pour représenter des figures dans R3 nous utilisons la fonction plot3d. Considérons par
exemple le plan
5 19 4
x− y−z =− .
7 21 7
Représentons ce plan sur les intervalles [0, 8] selon x et [0, 20] selon y. Comme nous
voulons voir les axes x, y et z, nous utilisons la commande suivante :
5 19 4
> plot3d x− y+ , x = 0..8, y = 0..20, axes = boxed
7 21 7
209
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
210 ANNEXE A. LE CALCUL MATRICIEL AVEC MAPLE
> with(LinearAlgebra)
5 19 19 4
> A :=< ,− ,1| − , − , 1 | − 1 , −1 , −1 >
7 26 21 13
5 19
− −1
7 21
A :=
−
19
−
4
−1
26 13
1 1 −1
4 3
> b :=< − , − , 0 >
7 26
4
−
7
b :=
−
3
26
0
210
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE
Le calcul matriciel avec Maple
211
Nous représentons maintenant l’intersection de ces plans sur les intervalles [−8, 8] selon
x et [−20, 20]. selon y. La commande plotlist=true étant nécessaire lorsque l’on veut
représenter plus de deux plans sur le même graphe. Le signe ( :) à la fin d’une ligne
d’entrée cache l’affichage en sortie.
5 19 4 19 4 3
> P 1 := x − y + : P 2 := − x− y+ : P 3 := x + y :
7 21 7 26 13 26
> plot3d ([P 1, P 2, P 3] , x = −8..8, y = −20..20, plotlist = true, color = [blue, red, green])
211
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE INDEX
Index
212
212
THÉORIE ET PROBLÈMES RÉSOLUS
D’ALGÈBRE LINÉAIRE INDEX
INDEX 213
parallélépipède, 18
pivots, 81
point final d’un vecteur, 9
point initial d’un vecteur, 9
produit mixte, 18
produit scalaire, 10
produit vectoriel, 17
projection orthogonale, 11
projection orthogonale d’une droite sur un
plan dans R3 , 45
vecteur directeur, 11
vecteur normal à un plan, 24
vecteur nul, 64
vecteur unitaire, 11
vecteurs de Rn , 63
vecteurs de la base canonique de R3 , 11
vecteurs de la base canonique de Rn , 151
vecteurs position, 9
213