Вы находитесь на странице: 1из 8

Université de Genève Semestre d’hiver

Mathématiques générales 2005 / 2006

Corrigé de la série 4

Exercice 1
     
1 1 2 0 1 u 3 1 + 2v u + 1
a. A · B = 0 1 1 · 1 0 1  = 2 v 1 .
0 0 1 1 v 0 1 v 0
Comme le déterminant de A vaut 1 (produit des éléments diagonaux dans le
cas d’une matrice triangulaire), la matrice inverse existe. Pour calculer A−1 , il
y a plusieurs solutions. On peut utiliser la formule vue au cours, mais dans ce
cas précis, comme la matrice A est triangulaire, on peut utiliser directement
la définition de la matrice inverse pour trouver A−1 . En effet, par définition,
A−1 est la matrice telle que lorsque on la multiplie par A on obtient la matrice
identité. Posons  
a b c
A−1 = d e f 
g h i
On doit avoir
   
1 1 2 a b c
A · A−1 = 0 1 1 · d e f 
0 0 1 g h i
   
a + d + 2g b + e + 2h c + f + 2i 1 0 0
!
=  d+g e+h f + i  0 1 0
=
g h i 0 0 1

Comme une égalité entre matrice implique une égalité entre toutes les compo-
santes, on en déduit déjà de la dernière ligne que g = 0, h = 0, i = 1. Et donc
si on substitue déjà ces résultats, on obtient
   
a+d b+e c+f +2 1 0 0
 d !
e f + 1  0 1 0
=
0 0 1 0 0 1

Cette fois-ci la deuxième ligne nous informe que d = 0, e = 1, f = −1. Intro-


duisons ces nouvelles valeurs, il reste :
   
a b+1 c+1 1 0 0
0 !
1 0  0 1 0
=
0 0 1 0 0 1
Et on trouve nos dernières inconnues a = 1, b = −1, c = −1, et donc
   
a b c 1 −1 −1
A−1 = d e f  = 0 1 −1
g h i 0 0 1

On vérifie que A−1 · A donne aussi la matrice identité. (En effet, rien n’assure
en général que A · B = B · A.)
b. Le déterminant de B est relativement facile à calculer notamment grâce à la
présence des zéros dans la diagonale. det(B) = 1+uv. Une matrice est inversible
si, et seulement si son déterminant est différent de zéro. Donc la matrice B est
donc toujours inversible sauf lorsque 1 + uv = 0.
Pour délimiter les zones où det(B) > 0 ou det(B) < 0, il faut d’abord com-
prendre l’équation det(B) = 0. Nous allons exprimer v en fonction de u à l’aide
de cette équation :
1 + uv = 0
⇐⇒ uv = −1
⇐⇒ v = − u1
La fonction v(u) est représentée par deux branches d’hyperboles qui ”découpent”
le plan R2 en trois zones. Dans chacune de ces zones on aura soit det(B) > 0,
soit det(B) < 0. En effet, le déterminant étant une fonction continue, il ne
peut passer d’un nombre négatif à un nombre positif sans franchir la ”barrière”
det(B) = 0. Pour savoir quelle zone correspond à quel signe, il suffit d’évaluer en
un point de la zone. Par exemple en l’origine : det(B) = 1+uv = 1+0·0 = 1 > 0,
donc la zone du milieu est positive. En évaluant en des points quelconques des
deux zones ”extérieures”, on voit que la valeur du déterminant y est négative.

Enfin, les lignes de la matrice B seront linéairement indépendantes exactement


lorsque le déterminant sera différent de zéro, et donc lorsque uv 6= −1.
c. Si on fait le calcul, on se rend compte que (CD)−1 6= C −1 D−1 , alors quelle est
la bonne formule. Par définition, si E = (CD)−1 , on doit avoir
E · (CD) = (CD) · E = I2
(où I2 désigne la matrice identité 2x2). Ce qui serait bien, c’est que E soit
donné par un produit de matrices, qui ”annulent” successivement C et D pour
retrouver l’identité. Supposons E = E1 ·E2 . Est-il possible d’avoir E2 ”annulant”
C (c’est-à-dire que E2 · C = I2 ) de sorte que
E · (CD) = (E1 E2 ) · (CD) = E1 (E2 · C)D = E1 I2 D = E1 D
et il ne reste plus qu’à choisir E1 telle que E1 D = I2 . Mais de telles matrices
E1 et E2 existent, il suffit de prendre E1 = D−1 et E2 = C −1 . On vérifie que

(CD) · E = (CD) · D−1 C −1 = C(D · D−1 )C −1 = CI2 C −1 = CC −1 = I2

et donc la matrice inverse de CD est donnée par D−1 C −1 .


d. Calculons successivement les puissances de la matrice D et essayons de voir ce
qui se passe :
 
0 −1
D =
1 0
 
2 −1 0
D =
0 −1
 
3 0 1
D =
−1 0
 
4 1 0
D =
0 1

On voit que D4 redonne la matrice identité. Donc si on veut calculer D21 , c’est
assez facile :

D21 = DDD . . . D
= (DDDD)(DDDD)(DDDD)(DDDD)(DDDD)D
= D4 D4 D4 D4 D4 D
= IIIIID = D

On sait que pour n’importe quelles matrices A et B on a

det(AB) = det(A) · det(B)

(attention : ce n’est pas vrai pour la somme : det(A + B) 6= det(A) + det(B)).


Donc
det(Dn ) = (det(D))n = 1n = 1
 
0 1 u
e. Comme B = 1 0 1 , nous allons essayer de nous ramener à une matrice
1 v 0
triangulaire. Il y a probablement plusieurs façons d’y arriver, en voici une. Dans
un premier temps nous allons permuter les colonnes (propriété 2.2.2) de la façon
suivante :
     
0 1 u 1 0 u 1 u 0
(1)y(2) (2)y(3)
B = 1 0 1  −−−−→ 0 1 1  −−−−→ 0 1 1 =: B e
1 v 0 v 1 0 v 0 1

Comme nous avons dû recourir à deux transpositions (une transposition est une
permutation de lignes ou de colonnes adjacentes), le signe du déterminant n’est
e = (−1)2 det(B) = det(B). Nous avons presque obtenu une
pas modifié : det(B)
matrice triangulaire, mais nous aimerions pouvoir éliminer l’élément en bas à
gauche (le v). Pour ce faire nous allons additionner les colonnes entre elles et si
nous le faisons correctement nous savons par la propriété 2.2.1 que cela n’affecte
pas le déterminant :
     
1 u 0 1 u 0 1 + uv u 0
(1)←(1)−v·(3) (1)←(1)+v·(2)
0 1 1 − −−−−−−−→ −v 1 1 −−−−−−−−→  0 1 1
v 0 1 0 0 1 0 0 1

Après avoir éliminé le v en bas en gauche en additionnant la première colonne


avec −v fois la dernière, il en est apparu un à la deuxième ligne, nous l’avons
fait disparaı̂tre en ajoutant à la première colonne v fois la deuxième colonne.
Cette opération ne modifie pas le déterminant. Nous avons maintenant obtenu
une matrice triangulaire, pour laquelle le déterminant est simplement le produit
des éléments sur la diagonale :
   
0 1 u 1 + uv u 0
det(B) = det 1 0 1  = det  0 1 1 = 1 + uv
1 v 0 0 0 1

Ce qui est le résultat que nous avions obtenu au point (b).

Exercice 2

Il faut voir que le système peut s’écrire de manière manière matricielle Ax = b :


    
2 1 5 1 x1 0
1 1 −3 −4 x2  −1
3 6 −2 1  x3  =  8 
    

2 2 2 −3 x4 2

Si on arrive à inverser la matrice A, alors on a la solution, en effet

Ax = b ⇒ A−1 Ax = A−1 b ⇒ x = A−1 b.

Il faut donc calculer l’inverse de cette matrice 4x4. Il y a plusieurs façons de le faire,
par exemple en utilisant la formule vue au cours, et finalement on trouve :
 
−120 −120 0 120
−1  69 73 −17 80 
A−1 = 
120  15 35 5 −40
−24 −8 −8 40

Pour résoudre l’équation, il ne nous reste plus qu’à effectuer le produit A−1 b :
      
x1 −120 −120 0 120 0 −120
  = −1  69 73 −17 80   −1 = 1  123 
x2      
x3  120  15 35 5 −40  8  40  25 
x4 −24 −8 −8 40 2 −8
Exercice 3
a. Il y a plusieurs façons de vérifier que trois vecteurs forment une base de R3 . La
première manière consiste à vérifier qu’ils sont linéairement indépendants, ce qui
est vrai si et seulement si la matrice formée de ces vecteurs a un déterminant
non nul. Calculons donc ce déterminant :
 
1 1 0
det(a1 | a2 | a3 ) = det 1 0 1 = −2 6= 0
1 2 1

Le déterminant est différent de 0, les trois vecteurs a1 , a2 et a3 sont linéairement


indépendants. Comme la dimension de R3 est 3, ils forment une base.
Une autre façon de le voir est de vérifier qu’ils engendrent n’importe quel vec-
teur. Pour tout vecteur (x, y, z) quelconque de R3 , peut-on écrire ce vecteur
comme combinaison linéaire de a1 , a2 et a3 ?
          
x 1 1 1 1 1 0 λ1
y  = λ1 1 + λ2 0 + λ3 2 = 1 0 1 λ2 
z 1 1 1 1 2 1 λ3

On peut certainement trouver de tels λi si on peut inverser la matrice, ce qui


est le cas si le déterminant de la matrice est différent de 0, et c’est d’ailleurs
exactement ce que nous dit la formule 2.24 du polycopié : les coefficients λi
seront donnés par (x, y et z sont connus !) :
   −1  
λ1 1 1 0 x
λ2  = 1 0 1 y 
λ3 1 2 1 z

b. Comme vu au point (a), nous devons calculer l’inverse de la matrice A := (a1 |


a2 | a3 ).  
2 1 −1
1
A−1 =  0 −1 1 
2
−2 1 1
et donc les coordonnées dans la nouvelle base sont données par
    
2 1 −1 3 4
1
0 −1 1   1  = −1
2
−2 1 1 −1 −3

c. Le volume du parallèlipipède est donné par le déterminant de la matrice (2a1 |


a2 | −a3 ). Mais comme on a déjà calculé le déterminant de (a1 | a2 | a3 ) on peut
utiliser la propriété 2.2.3 et en déduire

V ol = |det(2a1 | a2 | −a3 ))| = |−2 · det(a1 | a2 | a3 )| = |−2 · (−2)| = 4


Exercice 4

On va considérer le polynôme caractéristique de la matrice :



1 − λ −3 3

Pf (λ) = 3 −5 − λ 3
6 −6 4 − λ

Si on développe le déterminant, on trouve

Pf (λ) = (1 − λ)(−5 − λ)(4 − λ) − 54 − 54 − 18(−5 − λ) + 18(1 − λ) + 9(4 − λ)


= (−5 + 4λ + λ2 )(4 − λ) − 108 + 90 + 18λ + 18 − 18λ + 36 − 9λ
= (−20 + 16λ + 4λ2 + 5λ − 4λ2 − λ3 ) + 36 − 9λ
= −λ3 + 12λ + 16

Il faut résoudre Pf (λ) = 0.

Pf (λ) =0
3
⇐⇒ −λ + 12λ + 16 =0
⇐⇒ λ(λ2 − 12) = 16
⇐⇒ λ(λ2 − 12) =2·2·2·2

Donc si on suppose qu’il y a au moins une solution entière, il est logique d’essayer avec
des multiples de 2. On trouve par exemple une première solution λ = −2. Ensuite on
trouve facilement (−λ3 + 12λ + 16)/(λ + 2) = −λ2 + 2λ + 8, d’où l’on déduit

Pf (λ) = −λ3 + 12λ + 16 = −(λ + 2)2 (λ − 4).

On a donc la valeur propre double λ = −2 et une autre valeur propre λ = 4.

Maintenant que l’on connaı̂t les valeurs propres, il est relativement facile de trouver
les vecteurs propres. Commençons par chercher le vecteur propre associé à la valeur
propre 4. On cherche v = (v1 , v2 , v3 ) tel que
    
1−λ −3 3 v1 v1
 3 −5 − λ 3  v 2  = 4 v 2 
6 −6 4−λ v3 v3

On doit donc résoudre le système (après avoir tout passé à gauche) :

−3v1 − 3v2 + 3v3 = 0


3v1 − 9v2 + 3v3 = 0
6v1 − 6v2 = 0

De la dernière équation on tire que v1 = v2 et en substituant dans la première ou la


deuxième équation, on en déduit 2v1 = v3 . Donc par exemple le vecteur v = (1, 1, 2)
est un vecteur propre associé à la valeur propre 4.

Lorsque on résout un tel système pour trouver les vecteurs propres, on ne trouvera
(presque) jamais des valeurs explicites pour les vi , on trouve en général des conditions
sur les composantes de v pour qu’il soit un vecteur propre. Ici on a trouvé v1 = v2 et
2v1 = v3 . La raison pour laquelle cela suffit à définir le vecteur propre, c’est que si v
est un vecteur propre, alors s · v en sera aussi pour n’importe quel nombre réel s 6= 0.

La valeur propre -2 est double, cela signifie que si on a de la chance on va pouvoir


trouver deux vecteurs propres linéairement indépendants. Essayons de résoudre le
système, on trouve (après avoir tout passé à gauche)

3v1 − 3v2 + 3v3 = 0


3v1 − 3v2 + 3v3 = 0
6v1 − 6v2 + 6v3 = 0

On voit que les trois équations sont en fait les mêmes. Elles définissent une seule
condition sur les composantes de v. Dans ces cas-là on peut choisir soi-même des
valeurs pour certaines des composantes. Par exemple si on fixe v1 = 1, et v2 = 1,
l’équation se ramène à v3 = 0, donc le vecteur (1, 1, 0) un vecteur propre asocié à -2.
Pour en trouver un autre linéairement indépendant, on peut poser v1 = 1 et v2 = 0,
dans ce cas là, on a v3 = −1 et on obtient un autre vecteur (1, 0, −1) qui est également
un vecteur propre associé à -2.
3
Il faudrait encore vérifier que (1, 1, 2), (1, 1, 0) et (1, 0, −1) forment
 une basede R ,
4 0 0
mais c’est assez facile à voir. Dans cette base, la matrice s’écrit 0 −2 0 .
0 0 −2

Exercice 5

 
0 1 1 1
1 0 1 1
M := 
1

1 0 1
1 1 1 0
a. Il suffit d’effectuer la multiplication :
      
0 1 1 1 1 3 1
1 0 1 1 1 3 1
1 1 0 1 1 = 3 = 3 1
      

1 1 1 0 1 3 1

Le vecteur (1, 1, 1, 1) est donc un vecteur propre associé à la valeur propre 3.


b. Soit le vecteur (x, y, z, t) tel que x + y + z + t = 0. Si on multiplie un tel vecteur
par M , on obtient
        
0 1 1 1 x y+z+t −x x
1 0 1 1 y   x + z + t  −y  y 
1 1 0 1 z  =  x + y + t  = −z  = −1 z 
        

1 1 1 0 t x+y+z −t t
Un tel vecteur est donc un vecteur propre associé à la valeur propre -1.
c. Le premier vecteur propre nous est donné par le point (a), il s’agit de (1, 1, 1, 1).
Pour avoir une base de R4 , il nous faut encore 3 vecteurs propres linéairement
indépendants. Nous savons que les vecteurs (x, y, z, t) tels que x + y + z + t = 0
sont des vecteurs propres. Il suffit d’en trouver trois qui sont linéairement
indépendants (et qui sont indépendants de (1, 1, 1, 1)). Par exemple (1, 0, 0, −1),(0, 1, 0, −1)
et (0, 0, 1, −1).

Exercice 6

Il y a plusieurs façons de résoudre cet exercice. La méthode la plus brutale est de


partir de la définition. Soit A une matrice 2x2 symétrique. λ est une valeur propre
de A si et seulement si il existe un vecteur v non nul tel que Av = λv. Essayons de
montrer que l’on a toujours une solution réelle à cette équation.

On cherche λ tel que     


a c x x

c b y y
avec au moins une des composantes x ou y non nulle. Dans la suite, nous supposons
que x 6= 0. Si x = 0, alors y 6= 0 et le raisonnement est parfaitement identique en y.
On a donc les deux équations (l’inconnue est λ) :
ax + cy = λx
cx + by = λy
Si on isole cy dans la première équation et que l’on multiplie la deuxième par c on
trouve
cy = (λ − a)x
c2 x + bcy = λcy
On peut donc substituer cy dans la seconde et on obtient
c2 x + b(λ − a)x = λ(λ − a)x
Commençons par diviser par x (x 6= 0 par hypothèse) et réordonnons les termes pour
obtenir une équation quadratique en λ (qui est notre inconnue).
λ2 + λ(−a − b) + (ab − c2 ) = 0
Pour savoir si cette équation a toujours des solutions réelles, il suffit de calculer son
discriminant :
∆ = (−a − b)2 − 4(ab − c2 )
= a2 + 2ab + b2 − 4ab + 4c2
= (a − b)2 + 4c2
C’est une somme de deux carrés, donc ∆ ≥ 0, et pour avoir ∆ = 0, il faut a = b
et
 c =0. Donc il y a toujours deux solutions réelles, sauf dans le cas de la matrice
a 0
qui a trivialement une solutions double (la seule valeur propre est λ = a).
0 a