Département : ATE 3ème année Licence en Automatique

UEF 3111 : Commande des systèmes linéaires UEF311 Série de TD n°1 (Théorie des matrices)
Exercice n° 1 :
Multiplier les matrices suivantes où 𝒂1 , 𝒂2 , 𝒃1 et 𝒃2 sont des vecteurs colonnes ayant 𝑛 éléments :
3 𝒂1𝑇 𝜆1 0 𝒂1𝑇
𝑖)[1 2] [ ] 𝑖𝑖𝑖) [ ] [𝒃1 𝒃2 ] 𝑣) [ ][ ]
4 𝒂𝑇2 0 𝜆2 𝒂𝑇2
1 𝒃𝑇 𝜆 0
𝑖𝑖) [ ] [3 4] 𝑖𝑣) [𝒂1 𝒂2 ] [ 1𝑇 ] 𝑣𝑖) [𝒂1 𝒂2 ] [ 1 ]
2 𝒃2 0 𝜆2
Exercice n° 2 :

1 0 0 2
1 2 0 6
1. Calculer le déterminant de la matrice suivante :𝑨 = [ ]
1 3 1 8
0 0 0 2
𝑨 𝑩
2. Montrer que 𝑑𝑒𝑡 [ ] = det(𝑨) det(𝑪) où 𝑨 et 𝑪 sont des matrices de dimension (𝑛 × 𝑛) et
0 𝑪
(𝑚 × 𝑚) respectivement.
3. Soit la matrice orthogonale 𝑄 tq 𝑄𝑄 𝑇 = 𝑄𝑇 𝑄 = 𝐼. Trouvez les valeurs possibles de det(𝑄) et
donnez un exemple ?

Exercice n° 3 (Optionnel à ne pas faire durant le TD) :

1. Montrer que le rang d'une matrice 𝑨 de dimension (𝑚 × 𝑛) est égal au nombre maximal de ses
colonnes linéairement indépendantes.
2. Montrer que si dim(𝑨) = (𝑚 × 𝑛) on a : 𝑟𝑎𝑛𝑘(𝑨) = 𝑟𝑎𝑛𝑘(𝑨𝑇 ) = 𝑟𝑎𝑛𝑘(𝑨𝑇 𝑨) = 𝑟𝑎𝑛𝑘(𝑨𝑨𝑇 )

Exercice n° 4 :

1 0 −4
1. Calculer les valeurs propres et les vecteurs propres de la matrice 𝑨 = [ 0 3 0 ]
−2 0 −1
1 3/5 −4/5 1 3/5 −4/5
2. Trouver la forme de Jordan de la matrice 𝐴 = [0 1 0 ] ; 𝑜𝑢 [0 1 0 ]
0 0 1 0 0 −1
3. Si une matrice non nulle 𝑷 de dimension (3 × 3) est telle que 𝑷𝟐 = 0, trouver sa forme de Jordan 𝑱.

Exercice 5 :

1. Est-ce que la forme quadratique suivante est définie positive : 𝑞 = 𝜉12 + 2ξ1 ξ2 + 4ξ22 + 4ξ2 ξ3 + 2ξ23 .
𝜎 𝜔
2. Soit 𝑨 = [ ]; trouver 𝑒 𝑨𝑡
−𝜔 𝜎
Exercice 6 :

1 𝑇
1. Trouver les représentations uniques des vecteurs : 𝑣0 = [1 4 0]𝑇 et 𝑣̂0 = [𝑠 + 2 𝑠
2] dans la
1 1 0
(𝒗 |𝒗 |𝒗 )
base déterminée par 1 2 3 = [−1 0 1]?
0 −1 0

-1-
 2 1 1 1 0 0
2. Soit deux bases de 𝑅3 (𝒗1 |𝒗2 |𝒗3 ) = [1 0 0]; (𝒗 ̂1 |𝒗
̂2 |𝒗
̂3 ) = [0 1 1]. Trouver la
0 −1 0 0 −1 1
transformation 𝑇 qui lie les deux bases et représenter le vecteur 𝑒2 = [0 1 0]𝑇 dans les deux
bases ?

-2-
Solution de la série n° 0 Théorie de matrices :
Exercice 1 :

En utilisant la règle de multiplication de matrices 𝐴 = 𝐴𝐵; 𝑎𝑣𝑒𝑐 𝑐𝑖𝑗 = ∑𝑛𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 et sachant que la
multiplication d'une matrice (𝑘 × 𝑛) 𝑝𝑎𝑟 (𝑛 × 𝑚) donne une matrice (𝑘 × 𝑚). Soit 𝑎1 , 𝑎2 , 𝑏1 𝑒𝑡 𝑏2 des
vecteurs colonnes de n éléments :

3 𝑎𝑇
1. [1 2] [ ] = 1 ∗ 3 + 2 ∗ 4 = 11 4. [𝑏1 𝑏2 ] [ 1𝑇 ] = 𝑏1 ∗ 𝑎1𝑇 + 𝑏2 𝑎2𝑇
4 𝑎2
1 1∗3 1∗4 3 4
2. [ ] [3 4] = [ ]=[ ] 𝜆1 0 𝑎1𝑇 𝜆 𝑎𝑇
2 2∗3 2∗4 6 8 5. [ ] [ 𝑇 ] = [ 1 1𝑇 ] (multiplier les lignes par 𝜆𝑖 )
0 𝜆 2 𝑎2 𝜆 2 𝑎2
𝑎1𝑇 𝑎𝑇 𝑏1 𝑎1𝑇 𝑏2
3. [ ] [𝑏1 𝑏2 ] = [ 1𝑇 ]
𝑎2𝑇 𝑎2 𝑏1 𝑎2𝑇 𝑏2 𝜆 0
6. 𝑏2 ] [ 1
[𝑏1 ] = [𝜆1 𝑏1 𝜆2 𝑏2 ] (multiplier les
0 𝜆2
colonnes par 𝜆𝑖 )

Exercice 2 :

Question 1 :

Calcul du déterminant par la méthode de Laplace :

1 0 0 2
1 0 0
1 2 0 6
𝑑𝑒𝑡 [ ] = (−1)4+4 2 ∗ 𝑑𝑒𝑡 [1 2 0] =2∗1∗2∗1=4
1 3 1 8 ⏟1 3 1
⏟ 0 0 0 2 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑖𝑟𝑒 𝑖𝑛𝑓é𝑟𝑖𝑒𝑢𝑟𝑒
𝑑é𝑣𝑒𝑙𝑜𝑝𝑝𝑒𝑟 𝑠𝑒𝑙𝑜𝑛 𝑙𝑖𝑔𝑛𝑒 4

Opérations élémentaires sur matrices :

Les opérations suivantes sont appelées opération élémentaires sur matrices :

1. Echanger deux lignes (ou deux colonnes) (dans ce cas le déterminant sera multiplier par -1).

2. Remplacer une ligne ou une colonne par son multiple par un scalaire 𝛼 (dans ce cas le déterminant sera
multiplié par 𝛼.

3. Remplacer une ligne ou une colonne par sa somme avec le 𝛼 multiple d'une autre (dans ce cas le
déterminant ne change pas).

Question 2 :

𝐴 𝐵
Montrer que 𝑑𝑒𝑡 [ ] = det(𝐴) det(𝐶) où 𝐴 𝑒𝑡 𝐵 sont des matrices de tailles respectives (𝑛 × 𝑛) et
0 𝐶
(𝑚 × 𝑚).

Deux cas sont à étudier, selon que la matrice 𝐴 est singulière ou pas.

-3-
1. Si 𝐴 est singulière, alors det(𝐴) = 0 et les colonnes de 𝐴 sont linéairement dépendants et dans ce cas les
𝐴
colonnes de la matrice [ ] sont aussi linéairement dépendants et ils sont aussi des colonnes de la matrice de
0
𝐴 𝐵
départ qui doit avoir dans ce cas un déterminant nulle. Ainsi : 𝑑𝑒𝑡 [ ] = 0 = det
⏟ (𝐴) ∗ det(𝐶). Alors
0 𝐶
=0
l'expression à démontrer est vérifiée pour ce cas.

2. Si 𝐴 est non singulière alors la matrice de départ peut s'écrire sous la forme (vérifier par développement) :

𝐴 𝐵 𝐴 0 𝐼 𝐴−1 𝐵 𝐴 0 𝐼 0 𝐼 𝐴−1 𝐵]
[ ]=[ ][ ]=[ ][ ][
0 𝐶 0 C 0 𝐼 0 I 0 C 0 𝐼

∴ 𝑑𝑒𝑡 [
𝐴 𝐵
] = 𝑑𝑒𝑡 [
𝐴 0
] 𝑑𝑒𝑡 [
𝐼 0
] 𝑑𝑒𝑡 [ 𝐼 𝐴−1 𝐵] = det(𝐴) det(𝐶)
0 𝐶 ⏟ 0 I ⏟ 0 C ⏟ 0 𝐼
det(𝐴) det(𝐶) =1

Le premier déterminant est obtenu en le développant selon la méthode de Laplace selon les dernières
colonnes (ou les dernières lignes) qui contienne un 1 seulement dans la dernière position et on continue de la
même façon jusqu’à ce que l’on a le déterminant de la sous matrice A. exemple :

1 2 0 0
1 2 0
𝐴 0 3 4 0 0
𝑑𝑒𝑡 [ ]= det ([ ]) = (−1)4+4 ∗ 1 ∗ det ([3 4 0])
0 I 0 0 1 0 ⏟ 0 0 1
⏟ 0 0 0 1 𝑠𝑒𝑙𝑜𝑛 𝑙𝑎 𝑑𝑒𝑟𝑛𝑖è𝑟𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒
𝑑é𝑣𝑒𝑙𝑜𝑝𝑝é 𝑠𝑒𝑙𝑜𝑛 𝑙𝑎 𝑑𝑒𝑟𝑛𝑖è𝑟𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒
1 2
= (−1)4+4 ∗ 1 ∗ (−1)3+3 ∗ 1 ∗ det ([ ]) = −2
3 4
𝐼 0
Pour det ([ ]), on procède de la même façon. Seulement la matrice I a changée de position. Exemple :
0 C
1 0 0 0
0 1 0 0 1 2
det ([ ]) = (−1)4+4 ∗ 1 ∗ (−1)3+3 ∗ 1 ∗ det ([ ]) = −2
0 0 1 2 3 4
0 0 3 4

Le troisième déterminant est due au faite que la matrice est triangulaire supérieure. Exemple :

1 0 | 1 2
0 1 | 3 4
det ([ 𝐼 𝐴−1 𝐵]) = det − − − − + − − − − = 1
0 𝐼 0 0 | 1 0
[ 0
⏟ 0 | 0 1 ]
( 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑖𝑟𝑒 𝑖𝑛𝑓é𝑟𝑖𝑒𝑢𝑟𝑒 )

Exercice 3 :

Question 1 :

1. Montrer que le rang d'une matrice est égal au nombre de ses colonnes linéairement indépendantes.

Par définition le rang d'une matrice est la dimension de son sous espace image : 𝑟𝑎𝑛𝑘(𝐴) = dim[𝐼𝑚(𝐴)].

-4-
Supposons qu'il y a seulement r colonnes linéairement indépendantes de A et supposons sans perte de
généralité que ce sont les r premières colonnes (le changement de l'ordre des colonnes d'une matrice ne
change pas son espace image ni son rang). Alors :
𝑟
𝐴 = [𝑎1 𝑎2 ⋯ 𝑎𝑟 𝑎𝑟+1 ⋯ 𝑎𝑛 ]; 𝑎𝑖 = ∑ 𝛼𝑖𝑗 𝑎𝑖 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑖 = (𝑟 + 1), … , 𝑛.
𝑖=1

Ainsi :
𝑛 𝑟 𝑛
∀𝑦 ∈ 𝐼𝑚(𝐴) 𝑎𝑙𝑜𝑟𝑠 ∃𝑥 ∶ 𝑦 = 𝐴𝑥 = ∑ 𝑥𝑖 𝑎𝑖 = ∑ 𝑥𝑖 𝑎𝑖 + ∑ 𝑎𝑖 𝑥𝑖
𝑖=1 𝑖=1 𝑖=𝑟+1
𝑟 𝑛 𝑟 𝑟 𝑟 𝑟
=∑ 𝑥𝑖 𝑎𝑖 + ∑ (∑ 𝛼𝑖𝑗 𝑎𝑗 ) 𝑥𝑖 = ∑ 𝑥𝑗 𝑎𝑗 + ∑ 𝑎𝑗 (∑ 𝛼𝑖𝑗 𝑥𝑖 )
𝑖=1 𝑖=𝑟+1 𝑗=1 𝑗=1 𝑗=1 𝑖=(1+1)
𝑟 𝑟
=∑ {𝑥𝑗 + (∑ 𝛼𝑖𝑗 𝑥𝑖 )} 𝑎𝑗
𝑗=1 𝑖=(1+1)

Ainsi tous les vecteurs du sous espace image de A peuvent s'écrire sous forme d'une combinaison linéaire
des vecteurs {𝑎1 , 𝑎2 , … , 𝑎𝑟 } en plus ces r vecteurs sont linéairement indépendants, alors ils forment une base
du sous espace image de A. Alors la dimension de ce dernier est r et c'est par conséquent le rang de la
matrice A. C'est à dire que :

𝑟𝑎𝑛𝑘(𝐴) = dim[𝐼𝑚(𝐴)] = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝐴 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

Question 2 :

𝑟𝑎𝑛𝑘(𝐴) = 𝑟𝑎𝑛𝑘(𝐴𝑇 ) = 𝑟𝑎𝑛𝑘(𝐴𝑇 𝐴) = 𝑟𝑎𝑛𝑘(𝐴𝐴𝑇 )

Ici, nous utilisons les théorèmes suivants :

Théorème : 𝑟𝑎𝑛𝑘(𝐴) = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

Théorème :

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠 = 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑙𝑖𝑔𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑𝑒𝑝

Théorème : Si dim[𝐴] = (𝑚 × 𝑛) alors 𝑟𝑎𝑛𝑘(𝐴) + dim[ker(𝐴)] = 𝑛. On a :

𝑟𝑎𝑛𝑘(𝐴) = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

= 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑙𝑖𝑔𝑛𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛𝑑𝑒𝑝 = 𝑟𝑎𝑛𝑘(𝐴𝑇 )

Maintenant, soit 𝑥 ∈ ker[𝐴], alors 𝐴𝑥 = 0 ∴ 𝐴𝐻 𝐴𝑥 = 0 ∴ 𝑥 ∈ ker[𝐴𝐻 𝐴] ∴ ker[𝐴] ⊂ ker[𝐴𝐻 𝐴]

⏟ = ‖𝐴𝑧‖22 = 0 ∴ 𝐴𝑧 = 0 ∴ 𝑧 ∈ ker[𝐴] ∴ ker[𝐴𝐻 𝐴] ⊂

Soit 𝑧 ∈ ker[𝐴𝐻 𝐴] ∴ 𝐴𝐻 𝐴𝑧 = 0 ∴ 𝑧⏟𝐻 𝐴𝐻 𝐴𝑧
𝑤𝐻 𝑤
𝐻
ker[𝐴] . Par conséquent ker[𝐴] = ker[𝐴 𝐴].

Nous avons aussi à partir du théorème du rang :

𝑟𝑎𝑛𝑘(𝐴) + dim[ker(𝐴)] = 𝑛
𝑒𝑡 𝑝𝑢𝑖𝑠𝑞𝑢𝑒 ker[𝐴] = ker[𝐴𝐻 𝐴] 𝑎𝑙𝑜𝑟𝑠 𝑟𝑎𝑛𝑘(𝐴) = 𝑟𝑎𝑛𝑘(𝐴𝐻 𝐴)
𝑟𝑎𝑛𝑘(𝐴𝐻 𝐴) + dim[ker(𝐴𝐻 𝐴)] = 𝑛

Exercice 4 :

Calcul des valeurs propres et des vecteurs propres :

-5-
Pour une matrice carrée A, les valeurs et les vecteurs propres sont les paires (𝑣𝑖 , 𝜆𝑖 ) solutions de l'équation
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 .

%%%%%%%%%%%%%%%

Pour une valeur propre 𝜆, un bloc de Jordan de taille 𝑘 avec valeur propre 𝜆 est une matrice de dimension
(𝑘 × 𝑘) ayant tous les éléments de la diagonale égaux à 𝜆 et tous les élément de la première diagonale
supérieure égaux à 1 et tous les autres éléments nuls.

𝜆 1 0 ⋯ 0
0 𝜆 0 ⋱ ⋮
𝐽𝑘 (𝜆) = ⋮ ⋱ ⋱ ⋱ 0
0 ⋯ 0 𝜆 1
[0 ⋯ ⋯ 0 𝜆]
Une matrice de Jordan 𝐽 (ou matrice dans la forme canonique de Jordan) est une matrice bloc diagonale
ayant comme éléments de sa diagonale des blocs de Jordan. C’est-à-dire :

𝐽𝑘1 (𝜆1 ) 0𝑘1 ×𝑘2 ⋯ 0𝑘1×𝑘𝑟

0 𝐽𝑘2 (𝜆1 ) ⋱ ⋮
𝐽 = 𝑘2 ×𝑘1
⋮ ⋱ ⋱ 0
[ 0𝑘1 ×𝑘𝑟 ⋯ 0 𝐽𝑘𝑟 (𝜆1 )]

La forme canonique de Jordan d'une matrice 𝐴 est une matrice de Jordan similaire à la matrice A (∃𝑇 ∶ 𝐽𝐴 =
𝑇 −1 𝐴𝑇).

1 0 −4
1. Calcul des valeurs propres et des vecteurs propres de la matrice 𝐴 = [ 0 3 0]
−2 0 −1
Les valeurs propres sont les racines du polynôme caractéristique de la matrice qui est donné par :

𝜆−1 0 4
𝜆−3 0 0 4
det(𝜆𝐼 − 𝐴) = [ 0 𝜆−3 0 ] = (−1)1+1 | | + 0 + (−1)3+1 | |
0 𝜆+1 𝜆−3 0
2 0 𝜆+1
= (𝜆 − 1)(𝜆 − 3)(𝜆 + 1) − 2 ∗ 4(𝜆 − 3) = (𝜆2 − 1 − 8)(𝜆 − 3) = (𝜆 − 3)2 (𝜆 + 3)

Alors, il y a deux valeurs propres 𝜆1 = 𝜆2 = 3 avec une multiplicité algébrique 𝑚𝑖 = 2 et 𝜆3 = −3 qui est
simple.

Calcul des vecteurs propres : Ce sont les solutions de l'équation :

1 0 −4 𝑣𝑖1 𝑣𝑖1 𝑣𝑖1 + 0𝑣𝑖2 − 4𝑣𝑖3 = 𝜆𝑖 𝑣𝑖1 (1 − 𝜆𝑖 )𝑣𝑖1 = 4𝑣𝑖3

𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ [ 0 3 𝑣
0 ] [ 𝑖2 ] = 𝜆 𝑣
𝑖 [ 𝑖2 ] ∴ { 0𝑣𝑖1 + 3𝑣𝑖2 + 0𝑣𝑖3 = 𝜆 𝑣
𝑖 𝑖2 ∴ { (3 − 𝜆𝑖 )𝑣𝑖2 = 0
−2 0 −1 𝑣𝑖3 𝑣𝑖3 −2𝑣𝑖1 + 0𝑣𝑖2 − 1𝑣𝑖3 = 𝜆𝑖 𝑣𝑖3 −2𝑣𝑖1 = (𝜆𝑖 + 1)𝑣𝑖3
1
Si 𝜆 = 3, L'équation 2, donne 𝑣𝑖2 quelconque et les équations 1 et 3 donnent 𝑣𝑖3 = − 𝑣𝑖1 , Ainsi :
2

-6-
 𝑣𝑖1 1
𝑣𝑖2 0
0
𝑣𝑖 = [ 1 ] = 𝑣𝑖1 [ 1] + 𝑣𝑖2 [1]
− 𝑣𝑖1 − ⏟0
2 ⏟ 2 𝑣2
𝑣1

Cette équation donne deux vecteurs propres linéairement indépendants en prenant (𝑣𝑖1 , 𝑣𝑖2 ) = (1,0) et
(𝑣𝑖1 , 𝑣𝑖2 ) = (0,1) respectivement.

Pour 𝜆 = −3, l'équation 2 donne 𝑣𝑖2 = 0 et les équations 1 et 3 donnent 𝑣𝑖3 = 𝑣𝑖1 Ainsi :
𝑣𝑖1 1
𝑣3 = 𝑣𝑖1 [ 0 ] = 𝑣𝑖1 [0]
𝑣𝑖1 1
Maintenant nous avons les trois vecteurs propres de la matrice A. Juste à titre indicatif si on voulait
connaître s'il faut calculer un vecteur propre généralisé pour la valeur propre 𝜆 = 3 (multiple), il faut
calculer sa multiplicité géométrique (dégénérescence) :

𝑞𝑖 = 𝑛 − 𝑟𝑎𝑛𝑘(𝐴 − 𝜆𝑖 𝐼)

Si une valeur propre de multiplicité algébrique 𝑚𝑖 a une multiplicité géométrique 𝑞𝑖 , alors elle a 𝑞𝑖 vecteurs
propres et 𝑚𝑖 − 𝑞𝑖 vecteurs propres généralisés. Pour le cas de 𝜆 = 3 on voit que 𝑞𝑖 = 3 − 1 = 2 = 𝑚𝑖 .
Alors comme prévu, cette valeur propre a deux vecteurs propres et n'a pas de vecteur propre généralisé.

A titre de vérification, la matrice de transformation 𝑇 qui lie la matrice 𝐴 à sa forme de Jordan 𝐽(𝐴) et
donnée par :

𝑇 = [𝑣1 𝑣2 𝑣3 ] 𝑒𝑡 𝑜𝑛 𝑎 ∶ 𝐴𝑇 = 𝑇J ∴ JA = 𝑇 −1 𝐴𝑇

Application numérique :

2 2
0 − 1 0 1
3 3 1 0 −4
0 1 0
3 0 0
J = 𝑇 −1 𝐴𝑇 = 0 1 0 [0 3 0 ][ 1 ] = [0 3 0]
1 2 −2 0 −1 − 0 1 0 0 −3
[3 0 2
3 ]
𝐽(𝐴) a trois blocs de Jordan.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
3 −4
1
5 5
2) Calcul de la forme de Jordan de la matrice 𝐴 = [0 1 0] :
0 0 1
La forme de Jordan de 𝐴 est donnée par 𝐽(𝐴) = 𝑇 −1 𝐴𝑇. La matrice 𝑇 = [𝑣1 ⋯ 𝑣𝑛 ] avec (𝑣1 , … , 𝑣𝑛 ) les
vecteurs propres de la matrice 𝐴. Alors on doit commencer par calculer les valeurs et les vecteur propres de
𝐴.

Les valeurs propres sont les solutions de l'équation caractéristique de la matrice A :

-7-
 3 −4 3 4
1 0 0 1 𝜆−1 −
𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = det (𝜆 [0 1 0] − [ 5 5 ]) = det ([ 5 5 ]) = (𝜆 − 1)3 = 0
0 1 0 0 𝜆−1 0
0 0 1
0 0 1 0 0 𝜆−1
alors les valeurs propres de la matrice A sont 𝜆(𝐴) = {1,1,1}

Les vecteurs propres sont les solutions du système d'équations 𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 . Mais la matrice A a une seule
valeur propre multiple (multiplicité algébrique = 3). Pour connaître le nombre de vecteurs propres
linéairement indépendant qu'elle a (le nombre de blocs de Jordan aussi), on examine sa multiplicité
géométrique.

3 −4 3 −4
1−𝜆 0
𝑞𝜆 = 𝑛 − 𝑟𝑎𝑛𝑘(𝐴 − 𝜆𝑖 𝐼) = 3 − 𝑟𝑎𝑛𝑘 ([ 5 5 ]) = 3 − 𝑟𝑎𝑛𝑘 [ 5 5]
0 1−𝜆 0 0 0 0
0 0 1−𝜆 ⏟0 0 0
(𝑢𝑛𝑒 𝑠𝑒𝑢𝑙𝑒 𝑙𝑖𝑔𝑛𝑒 𝑛𝑜𝑛 𝑛𝑢𝑙𝑙𝑒)
=3−1=2

La valeur propre 𝜆 = 3 a une multiplicité algébrique 𝑚𝜆 = 3 et une multiplicité géométrique 𝑞𝜆 = 2. La

valeur de 𝑞𝜆 implique que cette valeur propre a seulement deux vecteurs propres linéairement indépendants
et le vecteur qui reste est un vecteur propre généralisé.

Calcul des vecteurs propres :

3 −4 𝑣 3 4
1 𝑖1 𝑣𝑖1 𝑣𝑖1 + 𝑣𝑖2 − 𝑣𝑖3 = 𝑣𝑖1
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ [ 5 5 ] [𝑣𝑖2 ] = 𝜆 [𝑣𝑖2 ] ∴ { 5 5
0 1 0 𝑣 𝑣𝑖3 0𝑣𝑖1 + 𝑣𝑖2 + 0𝑣𝑖3 = 𝑣𝑖2
𝑖3
0 0 1 0𝑣𝑖1 + 0𝑣𝑖2 + 𝑣𝑖3 = 𝑣𝑖3
3
La première équation donne 𝑣𝑖3 = 𝑣𝑖2 et la deuxième et la troisième équation sont triviales (n'apporte pas
4
de nouveau). Alors la structure des vecteurs propres de 𝐴 est donnée par :
𝑣𝑖1 0
𝑣𝑖1 1
𝑣𝑖2 1
𝑣𝑖 = [𝑣𝑖2 ] = [3 ] = 𝑣𝑖1 [0] + 𝑣𝑖2 [3]
𝑣𝑖3 𝑣 ⏟0
4 𝑖2 𝑣1
⏟4
𝑣2

Ainsi, comme prévu, cous avons obtenu 2 vecteurs propres linéairement indépendants. Par conséquent, le
troisième vecteur qui reste est un vecteur propre généralisé. Les vecteurs propres généralisés sont donnés par
:

𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖
𝐴𝑡1 = 𝜆𝑡1 + 𝑣1
𝐴𝑡2 = 𝜆𝑡2 + 𝑡1
⋮
𝐴𝑡𝑙 = 𝜆𝑡𝑙 + 𝑡𝑙−1

Pour notre cas, le vecteur propre généralisé 𝑡1 est alors donné par : 𝐴𝑡1 = 𝜆𝑡1 + 𝑣𝑖 . Puisque on ne sait pas
pour le moment si le vecteur propre généralisé 𝑡1 est enchaîné à 𝑣1 ou à 𝑣2 alors on remplace 𝑣𝑖 par 𝛼1 𝑣1 +
𝛼2 𝑣2 où (𝛼1 , 𝛼2 ) ∈ {(1,0), (0,1)} et on résout le système d’équation. Si 𝛼1 est nul ceci signifie que 𝑡1 est
enchaîné à 𝑣2 et si 𝛼2 est nul ceci signifie que 𝑡1 est enchaîné à 𝑣1 .
-8-
L’équation 𝐴𝑡1 = 𝜆𝑡1 + 𝛼1 𝑣1 + 𝛼2 𝑣2 donne :

3 −4 𝑡 𝑡11 0
1 11 1
𝐴𝑡1 = 𝜆𝑡1 + 𝛼1 𝑣1 + 𝛼2 𝑣2 ∴ [ 5 5 ] [𝑡12 ] = 𝜆 [𝑡12 ] + 𝛼 [0] + 𝛼 [1]
1 2 3
0 1 0 𝑡 𝑡 ⏟
13 13 0
0 0 1 𝑣
⏟
4
1
𝑣2
3 4
𝑡𝑖1 + 𝑡𝑖2 − 𝑡𝑖3 = 𝑡𝑖1 + 𝛼1
5 5
∴ 0𝑡𝑖1 + 𝑡𝑖2 + 0𝑡𝑖3 = 𝑡𝑖2 + 𝛼2
3
{0𝑡𝑖1 + 0𝑡𝑖2 + 𝑡𝑖3 = 𝑡𝑖3 + 4 𝛼2

3 5 𝑡11 0 0
𝑡𝑖3 = 𝑡𝑖2 − 𝛼1 𝑡11 1
4 4 𝑡12 1 0
∴{ 𝑡1 = [𝑡12 ] = [3 5 ] = 𝑡11 [0] + 𝑡12 [3] + 𝛼1 [−5]
0 = 𝛼2 𝑡13 𝑡 − 𝛼 0
0 = 𝛼2 4 12 4 1 4 ⏟4
𝑡1

Dans l’expression du vecteur 𝑡1 , la partie multiplié par 𝑡11 est tout simplement 𝑣1 et la parte multipliée par
𝑡12 est tout simplement 𝑣2 . Le vecteur multiplié par 𝛼1 est linéairement indépendant avec les autres alors on
peut le prendre comme étant le vecteur 𝑡1 (en fixant 𝑡11 = 𝑡12 = 0 car ce sont des paramètres libres de
l’équation et 𝛼1 = 1 car 𝛼2 = 0). Ainsi :

0
0
𝑡1 = [−5]
4
Maintenant, nous pouvons former la matrice 𝑇 :

1 0 0
𝑇 = [𝑣1 𝑡1 𝑣2 ] = [0 0 1
−5 3]
0
4 4
Noter que l'ordre entre 𝑣1 et 𝑡1 sont important. Pour obtenir la forme de Jordan de A, on applique 𝐽(𝐴) =
𝑇 −1 𝐴𝑇 :

2
1 0 0 −1 3 −4 1 0 0 1 0 0 1 1 −
1 3 4 5 1 1 0
0 0 1 5 5 ] [0 0 1
𝐽(𝐴) = [ −5 3 ] [ −5 3] = [0 − ] 0 0 1 = [0 1 0]
0 1 0 5 5 5 3
0 0 0 0 1
4 4 0 0 1 4 4 0 1 0 0 −
[ 4 4 ]

Notez que la forme de Jordan à deux blocs de Jordan (car la multiplicité géométrique est 𝑞𝜆 = 2) qui
correspondent à la mêmes valeur propre 𝜆 = 1.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

-9-
 3 −4
1
5 5
3. Pour la matrice 𝐴 = [0 1 0 ], on abouti à 𝜆(𝐴) = {1,1, −1} et la multiplicité géométrique de 𝜆 = 1
0 0 −1
est 𝑞1 = 1, ce qui signifie qu'elle a un vecteur propre et un vecteur propre généralisé. La solution de
l’équation
3 −4 𝑣 3 4
1 𝑖1 𝑣𝑖1 𝑣𝑖1 + 𝑣𝑖2 − 𝑣𝑖3 = 𝜆𝑣𝑖1
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ [ 5 5 ] [𝑣𝑖2 ] = 𝜆 [𝑣𝑖2 ] ∴ { 5 5
0 1 0 𝑣 𝑣𝑖3 0𝑣𝑖1 + 𝑣𝑖2 + 0𝑣𝑖3 = 𝜆𝑣𝑖2
𝑖3
0 0 −1 0𝑣𝑖1 + 0𝑣𝑖2 − 𝑣𝑖3 = 𝜆𝑣𝑖3

Donne pour 𝜆 = 1 :

3 4 3
𝑣𝑖1 + 𝑣𝑖2 − 𝑣𝑖3 = 𝑣𝑖1 𝑣𝑖2 = 0 𝑣𝑖1 1
{ 5 5 ∴ {5 ∴ 𝑣 = 0 = 𝑣
0𝑣𝑖1 + 𝑣𝑖2 + 0𝑣𝑖3 = 𝑣𝑖2 𝑣𝑖2 = 𝑣𝑖2 1 [ ] 𝑖1 0] 𝑜𝑛 𝑝𝑟𝑒𝑛𝑑 𝑣𝑖1 = 1
[
0 0
0𝑣𝑖1 + 0𝑣𝑖2 − 𝑣𝑖3 = 𝑣𝑖3 𝑣𝑖3 = 0

Pour 𝜆 = −1 :

3 4 4 𝑣𝑖1 1
𝑣𝑖1 + 𝑣𝑖2 − 𝑣𝑖3 = −𝑣𝑖1 2𝑣𝑖1 = 𝑣𝑖3 0
5 5 5 0
{ ∴ { ∴ 𝑣2 = [5 ] = 𝑣𝑖1 [5] 𝑜𝑛 𝑝𝑟𝑒𝑛𝑑 𝑣𝑖1 = 1
0𝑣𝑖1 + 𝑣𝑖2 + 0𝑣𝑖3 = −𝑣𝑖2 𝑣𝑖2 = 0
𝑣
0𝑣𝑖1 + 0𝑣𝑖2 − 𝑣𝑖3 = −𝑣𝑖3 𝑣𝑖3 = 𝑣𝑖3 2 𝑖1 2

Le vecteur propre généralisé est obtenu à partir de l’équation

3 −4 𝑡 3 4
1 𝑖1 𝑡𝑖1 𝑣𝑖1 𝑡11 + 𝑡21 − 𝑡31 = 𝜆𝑡11 + 𝑣𝑖1
𝐴𝑡1 = 𝜆1 𝑡1 + 𝑣1 ∴ [ 5 5 ] [𝑡𝑖2 ] = 𝜆 [𝑡𝑖2 ] + [𝑣𝑖2 ] ∴ { 5 5
1
0 1 0 𝑡 𝑣𝑖3 0𝑡11 + 𝑡21 + 0𝑡31 = 𝜆𝑡21 + 𝑣𝑖2
𝑖3 𝑡𝑖3
0 0 −1 0𝑡11 + 0𝑡21 − 𝑡31 = 𝜆𝑡31 + 𝑣𝑖3

3 4 5 1
𝑡11 + 𝑡21 − 𝑡31 = 𝑡11 + 1 𝑡21 = 5
∴ { 5 5 ∴ { 3 𝑡1 = [ ]
0𝑡11 + 𝑡21 + 0𝑡31 = 𝑡21 + 0 𝑡21 = 𝑡21 3
0𝑡11 + 0𝑡21 − 𝑡31 = 𝑡31 + 0 𝑡31 = 0 0

Par conséquent, la matrice de transformation 𝑇 est donnée par :

2
10 1 1 0 − 1 0 1
5 5 3 −4 5
0 0 3 1
𝑇 = [𝑣1 𝑡1 𝑣2 ] = 3 𝑒𝑡 𝐽(𝐴) = 𝑇 −1 𝐴𝑇 = 0 0 [ 5 5] 0 3
0
5 5 0 1 0 5
0 0 2 0 0 −1 [0 0
[ 2] 2]
[0 0 5 ]
1 1 0
= [0 1 0 ]
0 0 −1
Notez que la forme de Jordan pour ce cas contient deux blocs de Jordan : un de taille 2 car la valeur propre
𝜆 = 1 est répétée 2 fois mais elle a une multiplicité géométrique égale à 1 et l’autre est de taille 1.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

3) Si une matrice non nulle 𝑃 de dimension (3 × 3) est telle que 𝑃2 = 0 trouver sa forme de Jordan 𝐽.
- 10 -
Puisque 𝑃 est une matrice (3 × 3) sa forme de Jordan peur être parmi les formes suivantes :

𝜆1 0 0 𝜆1 1 0 𝜆1 0 0 𝜆1 1 0
𝐽1 = [ 0 𝜆2 0 ] ; 𝐽2 = [ 0 𝜆1 0 ] ; 𝐽3 = [ 0 𝜆2 1 ] ; 𝐽4 = [ 0 𝜆1 1]
0 0 𝜆3 0 0 𝜆2 0 0 𝜆2 0 0 𝜆1

On a 𝑃 = 𝑇𝐽𝑖 𝑇 −1 pour une matrice 𝑇 non singulière (Transformation de similarité), ainsi :

𝑃2 = 𝑇𝐽𝑖 𝑇 −1 𝑇𝐽𝑖 𝑇 −1 = 𝑇𝐽𝑖2 𝑇 −1

Alors pour que 𝑃2 soit égale à zéro (𝑃2 = 𝑇𝐽𝑖2 𝑇 −1 = 0) il faut que 𝐽𝑖2 = 03×3 car T est non singulière. On a :

𝜆12 0 0 𝜆12 2𝜆1 0 𝜆12 0 0 𝜆12 2𝜆1 1

𝐽12 = [ 0 𝜆22 0 ] ; 𝐽22 = [ 0 𝜆12 0 ] ; 𝐽3 = [ 0 𝜆22 2𝜆2 ] ; 𝐽4 = [ 0 𝜆12 2𝜆1 ]
0 0 𝜆23 0 0 𝜆22 0 0 𝜆22 0 0 𝜆12

Si la forme de Jordan est 𝐽1 , alors 𝑃 serait nulle car 𝐽12 = 0 implique que 𝐽1 = 0. Alors cette forme n'est aps
une forme valide de 𝑃. La forme 𝐽4 n'est pas valide car 𝐽42 ne peut jamais être nul. Les seules forme de
Jordan valides pour 𝑃 sont alors 𝐽2 et 𝐽3 avec des valeurs propres nulles :

0 1 0 0 0 0
𝐽(𝑃) = 𝐽1 = [0 0 0] ; 𝑜𝑢 𝐽(𝑃) = 𝐽3 = [0 0 1]
0 0 0 0 0 0
%%%%%%%%%%%%%%%%%%%%%%%

Exercice 5 :

Est ce que la forme quadratique suivante est définie positive ?

𝑞 = 𝜉12 + 2𝜉1 𝜉2 + 4𝜉22 + 4𝜉2 𝜉3 + 2𝜉32

{𝑞 𝑒𝑠𝑡 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒} ⟺ {𝑞 > 0 ∀𝜉1 , 𝜉2 , 𝜉3 ∈ ℝ}

Une façon de démontrer que q est définie positive est de l'écrire sous la forme 𝑞 = 𝑥 𝑇 𝑄𝑥 pour une certaine
matrice symétrique 𝑄 > 0 avec 𝑥 = [𝜉1 𝜉2 𝜉3 ]𝑇 .

Vue que 𝑄 est symétrique 𝑞𝑖𝑗 = 𝑞𝑗𝑖 et par conséquent 𝑥 𝑇 𝑄𝑥 = ∑𝑛𝑖=1 ∑𝑛𝑗=1 𝑞𝑖𝑗 𝜉𝑖 𝜉𝑗 . Les éléments 𝑞𝑖𝑗 de la
matrice sont obtenu en identifiant l'expression de 𝑥 𝑇 𝑄𝑥 avec l'expression donnée de q.

𝑞11 = 1; 𝑞22 = 4; 𝑞33 = 2 1 1 0

2 4 ∴ 𝑄 = [1 4 2]
𝑞21 = 𝑞12 = = 1; 𝑞31 = 𝑞13 = 0; 𝑞23 = 𝑞32 = = 2
2 2 0 2 2

On remarque que tous les mineurs principaux d'entête de Q sont positifs 𝑀{1} = 1 > 0; 𝑀{1,2} =
1 1 0
1 1
𝑑𝑒𝑡 [ ] = 3 > 0; 𝑀{1,2,3} = 𝑑𝑒𝑡 [1 4 2] = 2 > 0. Ceci implique que la matrice 𝑄 est définie
1 4
0 2 2
positive et par conséquent la forme quadratique 𝑞 est aussi définie positive.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
𝜎 𝜔
2) Soit 𝐴 = [ ]. Trouvez 𝑒 𝐴𝑡 ?
−𝜔 𝜎

- 11 -
Ici on veut calculer l’exponentiel de (𝐴𝑡). On sait que pour une fonction de matrice 𝑓(. ) on a, si 𝐽𝐴 est la
forme de Jordan de A :

𝑓(𝐴) = 𝑓(𝑇𝐽𝐴 𝑇 −1 ) = 𝑇𝑓(𝐽𝐴 )𝑇 −1

Cette expression permet d'utiliser 𝑓(𝐽𝐴 ) pour calculer 𝑓(𝐴). Pour ceci, on calcul les valeurs et les vecteurs
propres de 𝐴.

Pour les valeurs propres, l'équation caractéristique de 𝐴 est :

1 0 𝜎 𝜔 𝜆−𝜎 −𝜔
det(𝜆𝐼 − 𝐴) = det (𝜆 [ ]−[ ]) = det ([ ]) = (𝜆 − 𝜎)2 + 𝜔2 = 0 ∴ (𝜆 − 𝜎)
0 1 −𝜔 𝜎 𝜔 𝜆−𝜎
= √−𝜔 = ±𝑗𝜔
2

∴ (𝜆 − 𝜎) = √−𝜔 2 = ±𝑗𝜔 ∴ 𝜆1,2 = 𝜎 ± 𝑗𝜔

Calcul des vecteurs propres :

𝜆𝑖 − 𝜎
𝜎 𝜔 𝑣𝑖1 𝑣𝑖1 𝜎𝑣𝑖1 + 𝜔𝑣𝑖2 = 𝜆𝑖 𝑣𝑖1 𝑣𝑖2 = 𝑣𝑖1
𝐴𝑣𝑖 = 𝜆𝑖 𝑣𝑖 ∴ [ ] [𝑣 ] = 𝜆𝑖 [𝑣 ] ∴ { ∴ { 𝜔
−𝜔 𝜎 𝑖2 𝑖2 −𝜔𝑣𝑖1 + 𝜎𝑣𝑖2 = 𝜆𝑖 𝑣𝑖2 𝜔
𝑣𝑖2 = 𝑣
𝜎 − 𝜆𝑖 𝑖1
𝑣𝑖1 1
Les vecteurs propres de 𝐴 peuvent s'écrire sous la forme 𝑣𝑖 = [𝜆𝑖 −𝜎 ] = 𝑣𝑖1 [𝜆𝑖 −𝜎]. Ainsi :
𝑣𝑖1 𝜔
𝜔

1 1 1 1
1 1
𝑣1 = [𝜆1 − 𝜎] = [𝜎 + 𝑗𝜔 − 𝜎] = [ ] ; 𝑣2 = [𝜆2 − 𝜎] = [𝜎 − 𝑗𝜔 − 𝜎 ] = [ ]
𝑗 −𝑗
𝜔 𝜔 𝜔 𝜔
La matrice de transformation de similarité qui permet de diagonaliser 𝐴 est comme suit :

−𝑗 −1 1 𝑗
−1 [ ] −
−𝑗 1
𝑇 = [𝑣1 𝑣2 ] = [1 1
]; 𝑇 −1 = [
1 1
] = = [2 2]
𝑗 −𝑗 𝑗 −𝑗 −2𝑗 1 𝑗
2 2
𝜆1 0 𝜎 + 𝑗𝜔 0
𝐽 = 𝑇 −1 𝐴𝑇 = [ ]=[ ]
0 𝜆2 0 𝜎 − 𝑗𝜔

1 𝑗
𝜎+𝑗𝜔 0
1 1 𝑒 (𝜎+𝑗𝜔)𝑡 −
𝑒 𝐴𝑡 = 𝑇𝑒 𝐽𝐴 𝑡 𝑇 −1 =
[
𝑇𝑒 0
]𝑡
𝜎−𝑗𝜔 𝑇 −1 =[ ][ 0 ] [2 2]
𝑗 −𝑗 0 𝑒 (𝜎−𝑗𝜔)𝑡 1 𝑗
2 2
1 𝑗
(𝜎+𝑗𝜔)𝑡 (𝜎−𝑗𝜔)𝑡 − 𝜎𝑡
𝑒 𝜎𝑡 sin(𝜔𝑡)
𝑒
= [ (𝜎+𝑗𝜔)𝑡
𝑒
] [ 2 2] = [ 𝑒 cos(𝜔𝑡) ]
𝑗𝑒 −𝑗𝑒 (𝜎−𝑗𝜔)𝑡 1 𝑗 −𝑒 𝜎𝑡 sin(𝜔𝑡) 𝑒 𝜎𝑡 cos(𝜔𝑡)
2 2
Exercice 6 :

- 12 -
 1 𝑠+2
Trouvez les représentations uniques de 𝑣0 = [4] ; 𝑣̂0 = [ 1/𝑠 ] dans la base [𝑣1 𝑣2 𝑣3 ] =
0 2
1 1 0
[−1 0 1]?
0 −1 0
𝛼1
[𝑣1
𝑣0 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 = ⏟ 𝑣2 𝑣3 ] [𝛼2 ]
𝑇 𝛼3

𝛼1 1 1 0 −1 1 1 0 1 1 1
∴ [𝛼2 ] = 𝑇 −1 𝑣0 = [−1 0 1] [4] = [0 0 −1] [4] = [0]
𝛼3 0 −1 0 0 1 1 1 0 5
1 0
On peut vérifier que 𝑣1 + 0𝑣2 + 5𝑣3 = [−1] + 5 [1] = 𝑣0 .
0 0
de même pour 𝑣̂0 , on a :

𝑠+4
𝛽1 𝛽1 1 0 1 𝑠+2 −2
[𝑣1
𝑣̂0 = 𝛽1 𝑣1 + 𝛽2 𝑣2 + 𝛽3 𝑣3 = ⏟ 𝑣2 𝑣3 ] [𝛽2 ] ∴ [𝛽2 ] = 𝑇 −1 𝑣̂0 = [0 0 −1] [ 1/𝑠 ] = [𝑠 2 + 4𝑠 + 1]
𝑇 𝛽 𝛽 1 1 1 2
𝑠
𝑠 2 +4𝑠+1
On peut vérifier que (𝑠 + 4)𝑣1 + (−2)𝑣2 + 𝑣3 = 𝑣̂0
𝑠

2 1 1 1 0 0
3) Soit deux bases e ℝ3 [𝑣1 𝑣2 𝑣3 ] = [1 0 0] et [𝑣̂1 𝑣̂2 𝑣̂3 ] = [0 1 1]Trouver la
0 −1 1 0 −1 1
transformation qui les lie?

Pour trouver une telle transformation, il faut écrire les vecteurs de la base [𝑣̂1 𝑣̂2 𝑣̂3 ] en fonction de la
base [𝑣1 𝑣2 𝑣3 ] :

𝑣̂1 = 𝑡11 𝑣1 + 𝑡21 𝑣2 + 𝑡31 𝑣3 𝑡11 𝑡12 𝑡13

{𝑣̂2 = 𝑡12 𝑣1 + 𝑡22 𝑣2 + 𝑡32 𝑣3 ∴ [𝑣̂1 𝑣̂2 𝑣̂3 ] = [𝑣1 𝑣2 𝑣3 ] [𝑡21 𝑡22 𝑡23 ]
𝑣̂3 = 𝑡13 𝑣1 + 𝑡23 𝑣2 + 𝑡33 𝑣3 ⏟𝑡22 𝑡32 𝑡33
𝑇

2 1 1 −1 1 0 0 0 1 0 1 0 0
∴ 𝑇 = [𝑣1 𝑣2 𝑣3 ]−1 [𝑣̂1 𝑣̂2 𝑣̂3 ] = [1 0 0] [0 1 1] = [0 0 −1] [0 1 1]
0 −1 1 0 −1 1 1 −2 1 0 −1 1
0 1 1
∴ 𝑇 = [0 1 −1]
1 −3 −1
0
4) Représenter le vecteur 𝑒2 = [1] dans les deux bases :
0
𝛼1 0 1 0 0 1
𝑒2 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 ∴ 𝛼
[ 2 ] = [𝑣1 𝑣2 𝑣3 ]−1 𝑒2 = [0 0 −1] [1] = [ 0 ]
𝛼3 1 −2 1 0 −2
- 13 -
A partir de la représentation de 𝑒2 dans [𝑣1 𝑣2 𝑣3 ], on peut tirer sa représentation dans la deuxième base
[𝑣̂1 𝑣̂2 𝑣̂3 ] :

𝛼1 𝛼1 𝛼̂1 2 1 1 1 0
𝑒2 = [𝑣1 𝑣2 𝑣3 ] [𝛼2 ] = [𝑣̂1 𝑣̂2 𝑣̂3 ] 𝑇 [𝛼2 ]
−1
∴ 𝛼̂ = [𝛼̂2 ] = [1/2 1/2 0] [ 0 ] = [0.5]
𝛼3 ⏟ 𝛼3 𝛼̂3 1/2 −1/2 0 −2 0.5
̂
𝛼

Exercice 7 (Supplémentaire et optionnel) :

Soit un espace de dimension 2 dont la base est donné par les colonnes {𝑏1 , 𝑏2 } de la matrice 𝐵 suivante :

𝐵 = [𝑏1 𝑏2 ] = [1 0
]
4 2
1. Trouver la base réciproque 𝑅 = [𝑟1 𝑟2 ] de cette base ?

2. Soit le vecteur 𝑥 dont les coordonnées dans la base euclidiennes sont données par 𝑥𝐸𝑢𝑐 = [1 2]𝑇 .
Trouvez ses coordonnées 𝑥𝐵 dans la base 𝐵 ?

3. Refaites les questions 1 et 2 pour la base 𝐹 = [𝑓1 𝑓2 𝑓3 ] et le vecteur 𝑦 suivants. Dénotez la base
réciproque de F par 𝑅𝐹 Quel est la projection de y dans le sous espace décrit par les vecteurs {𝑓1 , 𝑓2 }. Quelle
est la projection de 𝑦𝐸𝑢𝑐 dans la base {𝑟𝐹2 , 𝑟𝐹3 }.

1 0 0 2
𝐹 = [0 1 0] ; 𝑦𝐸𝑢𝑐 = [−1]
2 3 4 9
Solution de l'exercice 7 :

1. Base réciproque :

La base réciproque d'une base {𝑏1 , 𝑏2 , … , 𝑏𝑛 } est donnée par les vecteurs {𝑟1 , 𝑟2 , … , 𝑟𝑛 } tels que :
𝐻
1 𝑠𝑖 𝑖 = 𝑗 𝑟1
〈𝑟𝑖 , 𝑏𝑗 〉 = 𝛿𝑖𝑗 = { ∴ [ ⋮ ] [𝑏1 ⋯ 𝑏𝑛 ] = 𝑅𝐻 𝐵 = 𝐼𝑛 ∴ 𝑅 = 𝐵−𝐻 ∴ 𝐵𝐻 𝑅 = 𝐼𝑛
0 𝑠𝑖 𝑖 ≠ 𝑗
𝑟𝑛𝐻

𝐻 2 0 𝐻 1 0 𝐻
1 −2
1 0 −1 [ ]
alors 𝑅 = 𝐵 −𝐻
= ([ ] ) = ( −4 1
) = [−2 1] = [0 1 ]=𝑅
4 2 2
2 2

Les vecteurs des deux bases sont représentés sur la figure suivante.

2.

- 14 -
Pour trouver les coordonnées du vecteur 𝑥 dans la base 𝐵 on ne
pourra pas projeter directement sur les vecteurs de cette base car 3
elle n'est pas orthonormée. Pour ceci on doit utiliser sa base
réciproque 𝑅. Supposons que 𝑥 peut s'écrire sous la forme :

𝑥 = 𝛽𝑥1 𝑏1 + 𝛽𝑥2 𝑏2 3

〈𝑟1 , 𝑥〉 = 𝛽𝑥1 〈𝑟
⏟1 , 𝑏1 〉 + 𝛽𝑥2 〈𝑟
⏟1 , 𝑏2 〉 = 𝛽𝑥1
=1 =0
∴ 2
〈𝑟2 , 𝑥〉 = 𝛽𝑥1 〈𝑟
⏟2 , 𝑏1 〉 + 𝛽𝑥2 〈𝑟
⏟2 , 𝑏2 〉 = 𝛽𝑥2 𝑏1
=0 =1 𝑏2 𝑥
∴ 𝒙𝑩 = 𝑹𝑯 𝒙𝑬𝒖𝒄

1 1
𝛽𝑥1 = 〈𝑟1 , 𝑥〉 = [1 0] [ ] = 1
2 1
1 1 𝑥𝐵 = [ ]
𝛽𝑥2 = 〈𝑟2 , 𝑥〉 = [−2 ] [ ] = −1 −1
𝑟2
2 2
𝑟1
−1 1
−2

−1

−2

3. Refaites les questions 1 et 2 pour la base 𝐹 = [𝑓1 𝑓2 𝑓3 ] et le vecteur 𝑦 suivants. Dénotez la base
réciproque de F par 𝑅𝐹 Quel est la projection de y dans le sous espace décrit par les vecteurs {𝑓1 , 𝑓2 }. Quelle
est la projection de 𝑦𝐸𝑢𝑐 dans la base {𝑟𝐹2 , 𝑟𝐹3 }.

1 0 0 2
𝐹 = [0 1 0] ; 𝑦𝐸𝑢𝑐 = [−1]
2 3 4 9
On dénote la base réciproque de 𝐹 par 𝑅𝐹 alors :
𝐻
4 0 −2 𝑇 1
𝐻
1 0 −
[0 4 −3] 2
1 0 0 −1 3
𝑅𝐹𝐻 𝐹 = 𝐼 ∴ 𝑅𝐹 = 𝐹 −𝐻 = ([0 0 0 1
1 0] ) = = 0 1 −
4 4
2 3 4
1
( ) [0 0
4 ]
Par conséquent les coordonnées de 𝑦 dans la base 𝐹 sont données par :

1 0 0
2 2
0 1 0
𝑦𝐹 = 𝑅𝐹𝐻 𝑦𝐸𝑢𝑐 =[ 1 3 1 ] [−1 ] = [ −1 ] 𝑒𝑡 𝑦𝐹 = 2𝑓1 − 𝑓2 + 2𝑓3
− − 9 2
2 4 4

- 15 -
 𝐻
𝑟𝐹1
La projection de 𝑦𝐸𝑢𝑐 dans la base {𝑓1 , 𝑓2 } est donné par : 𝑦𝑓1 𝑓2 = [𝑓1 𝑓2 ] [ 𝐻 ] 𝑦𝐸𝑢𝑐 =
𝑟𝐹2
1 0 2 1 0 2
1 0 0 2
[0 1] [ ] [−1] = [0 1] [ ] = [−1]
0 1 0 −1
2 3 9 2 3 1
La projection de 𝑦 dans l'espace {𝑟𝐹2 , 𝑟𝐹3 } est :

1 1
0 − 0 −
2 2
𝐹2𝐻 3 0 2 3 26 −18
1 3
𝑦𝑟𝐹2 𝑟𝐹3 = [𝑟𝐹2 𝑟𝐹3 ] [ ]𝑦 = 1 − [ ] [−1] = 1 − [ ] = [ −1 ]
𝐹3𝐻 𝐸𝑢𝑐 4 0 0 4 4 36
9 8
1 1
[0 4 ] [0 4 ]

- 16 -