Académique Documents
Professionnel Documents
Culture Documents
com
Faculté polydiciplinaire
Tetouan
Professeur
1
www.tifawt.com
www.tifawt.com
1. Espaces vectoriels et systèmes linéaires :
a. Espaces vectoriels. Sous espaces vectoriels .
b. Independence linéaire. Base et dimension, Combinaison linéaire, Somme directe.
Coordonnés.
c. Résolution des systèmes linéaires.
2. Application linéaire :
a. Type de matrice important. Rang, déterminant, matrice inverse.
b. Application linéaire. Application linéaire et indépendance linéaire.
c. Isomorphismes et coordonnés. Représentation matricielle d’une application linéaire,
changement de base.
3. Espace muni d’un produit scalaire
a. Produit scalaire, Norme, Orthogonalité.
b. Projection orthogonal.
c. Base orthonormale, Méthode de Gram Schmidt changement de base orthonormales.
d. Diagonalisation orthogonal. Matrice symétrique.
2
www.tifawt.com
Chapitre 1 : Espace vectoriels et systèmes linéaires.
I Espaces vectoriels. Sous espaces vectoriels
A) Espace vectoriel
1 –Définition
Soit V un ensemble muni de deux lois : +, .
Exemple
V = ℜ 2 ; ℜ ² = ℜ × ℜ = {( x, y ) : x, y ∈ ℜ }
V est un espace vectoriel muni des lois + , .
+ : ( x, y ) + ( z , w ) = ( x + z , y + w )
. : k . ( x , y ) = (k . x , k . y )
De plus, l’espace vectoriel vérifie une série de propriétés.
3) u + v = v + u ∀ u , v ∈ V
4) ∃ 0 ∈ V ; 0 + u = u + 0 = u ∀u ∈ V .
5) ∀u ∈ V , ∃w ∈ V (on la note aussi − u ), tel que u + w = 0
6) (u + v ) + w = u + (v + w ); ∀u , v, w ∈ V
7) (a ∗ b ).v = a .(b .v ) ∀ a , b ∈ ℜ ; v ∈ V
8) a.(u + v ) = a.u + a.v ∀a ∈ ℜ , u , v ∈ V
9) ( a + b ).u = a.u + b.u ∀a; b ∈ ℜ, u ∈ V
10) 1.u = u ∀u ∈ V
3
www.tifawt.com
Exemple :
I. ( )
ℜ , + ′ ,. munis des lois interne et externe définis a continuation, est‐il un
2
espace vectoriel ?
+ ′ : (x , y ) + ′ (z , w ) = (x − z , y + w )
. : a .( x , y ) = (ax , ay )
‐ Vérifiez les autres propriétés.
II. On définit l’ensemble
⎧⎛ a b⎞
M 2 = ⎨ ⎜⎜ ⎟ : a, b, c, d ∈ ℜ } .
⎩⎝ c d ⎟⎠
On vérifie que (M 2 , + ,. ) est un espace vectoriel.
⎛a b⎞ ⎛ e f ⎞ ⎛ a + e b+ f ⎞
+ : ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ = ⎜⎜ ⎟
d + h ⎟⎠
1)
⎝ c d ⎠ ⎝ g h ⎠ ⎝c + g
⎛ a b ⎞ ⎛ k .a k .b ⎞
2) . : k ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ c d ⎠ ⎝ k .c k . d ⎠
‐ Vérifions les autres propriétés :
3) u + v = v + u?
⎛a b ⎞ ⎛ e f ⎞ ⎛ a + e b + f ⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ c d ⎠ ⎝ g h ⎠ ⎝ c + g d + h ⎠
⎛ e + a f + b⎞ ⎛ e f ⎞ ⎛a b ⎞
= ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ g + c h + d ⎠ ⎝ g h ⎠ ⎝ c d ⎠
4) Existe t – il l’élément neutre ( ∃ ? 0 ) tel que 0 + u = u + 0
⎛0 0⎞ ⎛ a b ⎞ ⎛a b ⎞ ⎛0 0⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟=⎜ ⎟+⎜ ⎟
⎝ 0 0 ⎠ ⎝c d ⎟⎠ ⎜⎝ c d ⎟⎠ ⎜⎝ 0 0 ⎟⎠
5) u + ( −u ) = 0
4
www.tifawt.com
⎛a b ⎞ ⎛− a − b ⎞ ⎛0 0⎞
⎜⎜ ⎟+⎜ ⎟=⎜ ⎟
⎝c d ⎟⎠ ⎜⎝ − c − d ⎟⎠ ⎜⎝ 0 0 ⎟⎠
6) (u + v ) + w = u + ( v + w )
⎛ a + e b + f ⎞ ⎛ i j⎞ ⎛a b ⎞ ⎛ e + i b + j⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ c + g d + h ⎠ ⎝ j l ⎠ ⎝ c d ⎠ ⎝ g + k h + l ⎠
⎛ a +e+i b+ f + j⎞
= ⎜⎜ ⎟⎟
⎝ c + g + k d + h + l ⎠
7) ( a × b ). v = a .( b . v )
⎛a b1 ⎞ ⎛ ( a × b ).a1 ( a × b ).b1 ⎞ ⎛ a.( b.a1 ) a.( b.b1 ) ⎞
a × b ⎜⎜ 1 ⎟=⎜ ⎟=⎜ ⎟
⎝ c1 d1 ⎟⎠ ⎜⎝ ( a × b ).c1 ( a × b ).d1 ⎟⎠ ⎜⎝ a.( b.c1 ) a.(b.d1 ) ⎟⎠
⎛ b .a 1 b .b 1 ⎞
= a . ⎜⎜ ⎟
⎝ b .c 1 b . d 1 ⎟⎠
⎡⎛ a b⎞ ⎛e f ⎞⎤ ⎛a b⎞ ⎛e f⎞
a.⎢⎜⎜ ⎟+⎜ ⎟⎟ ⎥ = a.⎜⎜ ⎟⎟ + a.⎜⎜ ⎟
8)
⎣⎝ c d ⎟⎠ ⎜⎝ g h ⎠⎦ ⎝c d⎠ ⎝g h ⎟⎠
⎛ a1 b1 ⎞ ⎛a b1 ⎞ ⎛a b1 ⎞
9) (a + b ).⎜
⎜ ⎟⎟ = a.⎜⎜ 1 ⎟⎟ + b.⎜⎜ 1 ⎟
⎝ c1 d1 ⎠ ⎝ c1 d1 ⎠ ⎝ c1 d1 ⎟⎠
⎛a b ⎞ ⎛a b⎞
10) ⎜
1 .⎜c ⎟=⎜ ⎟
⎝ d ⎟⎠ ⎜⎝ c d ⎟⎠
Exercice :
′ ⎧⎛ 1 b ⎞
On considère l’ensemble 2 = ⎨⎜⎜
M ⎟⎟ : b, c, d ∈ ℜ } et on définit la loi interne
⎩⎝ c d ⎠
⎛1 b⎞ ⎛1 f⎞ ⎛ 2 bf ⎞
par ⎜⎜
+ : ⎟+⎜ ⎟=⎜ ⎟
⎝c d ⎟⎠ ⎜⎝ g h ⎟⎠ ⎜⎝ cg hd ⎟⎠
5
www.tifawt.com
⎛ ′
Vérifiez que ⎜ M , + ,. ⎞⎟ est un espace vectoriel
⎝ 2
⎠
B) Sous espaces vectoriels
Définition
Soit V un espace vectoriel. W Un ensemble inclus dans E ( W ⊂ V ).
W est un sous espace vectoriel de V si seulement si :
∀u, v ∈ W , u + v ∈W
∀a ∈ ℜ, v ∈ W , a .v ∈ W
Remarque
Les propriétés 3‐10 sont satisfaites du fait que W ⊆ V
Exemple : u + v = v + u car u , v ∈ W ⊂ V .
Exemple
1) V = ℜ , W = {x;1}: x ∈ ℜ ).
2
W est un sous espace vectoriel.
2) V = ℜ , W = {( x,1) : x ∈ ℜ}
2
6
www.tifawt.com
II Independence linéaire. Base et dimension
A) Combinaison linéaire
Définition
Soient u1 , u 2 ,......, u n ∈ V et a1 , a 2 ,......, a n ∈ ℜ .
On appelle v = a1u1 , a2u 2 ,......, an u n combinaison linéaire de u1 , u 2 ,......, u n .
Exemple 1 :
Le vecteur (1,2,4 ) Est‐il une combinaison linéaire de (1,1,1) et (0,1,3) ?
On doit trouver a1 , a 2 ∈ ℜ tel que :
⎧ a1 = 1
⇒ ⎨
⎩a1 + a 2 = 2 ⇒ a2 = 1
Exemple 2 :
B) Independence linéaire
Définition
7
www.tifawt.com
Exemple :
⎧4 a1 + 2 a3 = 0 ⎧ 2 1
⎪a1 = − a3 = − a3
⇒⎨ ⇒⎨ 4 2
⎩ a + 3 a = 0 ⎪ = −
2 3
⎩ a 2 3 a 3
a3 = 2
a1 = −1
a 2 = −3
Donc (4 , 0 ), (0 ,1 ), (2 , 3 ) sont linéairement dépendant.
C) Système générateur.
Définition
8
www.tifawt.com
Exemple :
9
www.tifawt.com
⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞ ⎛0 0⎞
x
o ⎜ ⎜ ⎟
⎟ + y ⎜⎜ ⎟⎟ + z ⎜⎜ ⎟⎟ + t ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠ ⎝ 0 0 ⎠
⎧x = 0
⎪y = 0
⎪
⇒⎨
⎪z = 0
⎪⎩ t = 0
⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞
Donc ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟ sont linéairement indépendants.
⎝ 0 0 ⎠⎝ 0 0 ⎠⎝ 1 0 ⎠⎝ 0 1 ⎠
⎧⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎛ 0 0 ⎞ ⎫
Finalement, ⎨⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟ ⎬ alors est une base de M 2 , et on
⎩⎝ 0 0 ⎠⎝ 0 0 ⎠⎝ 1 0 ⎠⎝ 0 1 ⎠⎭
a dim( M 2 )=4.
Définition
Exemple :
⎧ ⎧ ⎧ x+ y
⎪⎪ a + b = x ⎪2 a = x + y ⎪ a =
⇒⎨ ⇒⎨ 2
⎨ x− y
⎪a − b = y ⎪ 2b = x − y ⎪b =
⎪⎩ ⎩ ⎩ 2
x+ y
Ainsi, ( x , y ) = (1,1 ) + x − y (1, − 1 ) .
2 2
Conclusion :
{(1 , 1 ), (1 , − 1 )} est un système générateur.
10
www.tifawt.com
⎧a + b = 0
On suppose que a (1,1 ) + b (1, − 1) = (0 , 0 ) ⇒ ⎨ ⇒ a = b = 0 .
⎩ a − b = 0
Par suite (1 , 1 ), (1 , − 1 ) sont linéairement indépendants.
⎧⎛ a b⎞
Considérons 4 ⎨⎜⎜
M = ⎟ : a , b, c, d ∈ ℜ}
⎩⎝ c d ⎟⎠
⎛a b⎞ ⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞
⎜⎜ ⎟⎟ = a ⎜⎜ ⎟⎟ + b⎜⎜ ⎟⎟ + c⎜⎜ ⎟⎟ + d ⎜⎜ ⎟⎟ .
⎝c d⎠ ⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠
⎛ a b ⎞
Les coordonnés de ⎜⎜ ⎟⎟ dans la base
⎝ c d ⎠
⎧ ⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎛ 0 0 ⎞⎫
⎨ ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ ⎬
⎩ ⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠⎭
sont (a , b , c , d ) .
Remarque :
Tout espace vectoriel de dimension n est « équivalent » à ℜ .
n
Exemple 1 :
Dim ℜ = 2.
2
Soit V un espace vectoriel de dimension n, donc il admet une base
B = {u1 , u 2 ,.....u n } . Donc
∀v ∈ V , v = x1u1 + x 2 u 2 + .... + x n u n .
On considère ℜ et y un vecteur x ∈ ℜ .
n n
= ( x1 , x2 ,....., xn ) .
11
www.tifawt.com
Donc on peut identifier V avec ℜ .
n
Exemple 2 :
⎛ a b ⎞ ⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞
o V = M 2 , v = ⎜⎜ ⎟⎟ = a⎜⎜ ⎟⎟ + b⎜⎜ ⎟⎟ + c⎜⎜ ⎟⎟ + d⎜⎜ ⎟⎟
⎝ c d ⎠ ⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠
o x ∈ ℜ 4
x = (a, b, c, d ) = a(1,0,0,0) + b(0,1,0,0) + c(0,0,1,0) + d (0,0,0,1)
⎛ 2a 2b ⎞
2v = ⎜⎜ ⎟
⎝ 2c 2 d ⎟⎠
⎛ 2a 2b ⎞
2 x = 2(a, b, c, d)= (2a, 2b, 2c, 2d) ⇔ 2v = ⎜⎜ ⎟
⎝ 2c 2 d ⎟⎠
Définition :
Soient w1 , w2 deux sous espaces vectoriels de V. la somme directe :
w1 ⊕ w2 = {v ∈ V : v = V1 + V2 / v1 ∈ w1 ; v2 ∈ w2 }
Exemple :
V = ℜ3
{ } { }
w1 = ( x,0,0 ) ∈ ℜ 3 ; w2 = (0,0, z ) ∈ ℜ 3 ;
Remarque :
w1 ⊕ w2 ≠ w1 ∪ w2
Définition :
12
www.tifawt.com
o (1,0), (0,1) sont deux vecteurs indépendants
o (1,0), (0,1), (1,1) sont dépendants.
Exemple :
⎧ ⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 1 1 ⎞ ⎛ 2 2 ⎞ ⎫
S = ⎨ ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ ⎬
⎩ ⎝ 0 1 ⎠ ⎝ 0 1 ⎠ ⎝ 1 0 ⎠ ⎝ 2 1 ⎠ ⎭
On peut vérifier que rang(S)=3.
Remarque :
Définition :
et (Les colonnes sont vues comme m‐vecteurs de ℜ
m
).
Exemple :
⎛ 1 0 ⎞
⎜ ⎟
A = ⎜ 0 1 ⎟
⎜ 1 1 ⎟⎠
⎝
3 vecteur de ℜ ; 2 vecteur de ℜ
3 2
Rang A ≤ min {n , m } = 2
13
www.tifawt.com
Rang (A)=2
2‐
⎛1 0⎞
⎜ ⎟
A = ⎜0 0 ⎟ Rang (A)=1.
⎜0 0 ⎟⎠
⎝
3‐ METHODE DE GAUSS :
⎛ − u1 − ⎞ ⎛ − u1 − ⎞
⎜ ⎟ ⎜ ⎟
A1 = ⎜ − u 2 − ⎟ ≈≈ A2 = ⎜ − u 2 + α 2 × u1 − ⎟ ,
⎜ − − ⎟⎠ ⎜ − + α × u1 − ⎟⎠
⎝ u n ⎝ u n n
Rg (A 1 ) = Rg (A 2 )
C) Résolution des systèmes linéaires.
Un système de n‐équations et m‐variables inconnues, est un ensemble des équations
de la forme
Les systèmes sont classifiés de la manière suivante :
‐ Système incompatible : s’il n’admet pas de solution.
‐ Systèmes compatible : s’il admet au moins une solution.
14
www.tifawt.com
Compatible déterminé : s’il admet un nombre fini de solution.
Compatible indéterminé : s’il admet un nombre infini de solution.
Exprimons le système sous sa forme matricielle:
Le système antérieur peut être écrit sous la forme matricielle suivante :
Théorème de Rouche‐Frobenius :
Le système AX=B est compatible ⇔ Rg ( A ) = Rg (A B )
De plus si le système est compatible, et soient r = Rg ( A ) = Rg (A B ) , m le
nombre de variable inconnues, alors
1‐ Si r=m ⇒ le système est compatible et déterminé.
2‐ Si r <m ⇒ le système est compatible et indéterminé, c.‐à‐d. qu’il admet un
nombre infini de solutions dépendant de (m‐r) paramètres.
Méthode de Gauss :
Si dans un système des équations linéaire,
‐ On inter change l’ordre des équations,
‐ On multiplie une équation par un scalaire non‐nul,
15
www.tifawt.com
‐ On ajoute à une équation une combinaison linéaire des équations restante ;
alors on obtient un système équivalent au système initial (les deux systèmes
ont les mêmes solutions). Sur ces propriétés se base la méthode de Gauss.
Exemple 1:
⎧ x + y + z = 3 ⎛ 1 1 1 3 ⎞ ⎛1 1 1 3 ⎞
⎪ ⎜ ⎟ ⎜ ⎟
⎨ 2 x − y − z = 0 → ⎜ 2 − 1 − 1 0 ⎟ ≈ ⎜ 0 − 3 − 3 − 6 ⎟
⎪− x + 2 y + z = 2 ⎜ − 1 2 1 2 ⎟ ⎜0 3 5 ⎟⎠
⎩ ⎝ ⎠ ⎝ 2
⎛1 1 1 3 ⎞ ⎧ x+ y + z = 3 ⎧x =1
⎜ ⎟ ⎪ ⎪
≈ ⎜0 −3 − 3− 6 ⎟ → ⎨− 3 y − 3 z = −6 → ⎨ y = 1
⎜ − 1 − 1 ⎟⎠ ⎪ − z = −1 ⎪z =1
⎝ 0 ⎩ ⎩
Exemple 2 :
⎧ x + y + z = 1 ⎛ 1 − 1 11 ⎞ ⎛ 1 − 1 1 1 ⎞
⎪ ⎜ ⎟ ⎜ ⎟
⎪ x − z = 0 ⎜ 0 1 − 2 − 1⎟ ⎜ 0 1 − 2 − 1 ⎟
⎨ → ⎜ →
⎪2 x + 2 y − z = 3 0 4 − 3 1 ⎟ ⎜ 0 0 1 1 ⎟
⎜ ⎟ ⎜ ⎟
⎪⎩ x + y + az = 3 ⎜ a − 1 2 ⎟⎠ ⎜ 0 0 a + 3 4 ⎟
⎝ 0 2 ⎝ ⎠
⎛ 1 1 − 1 ⎞1
⎜ ⎟
⎜ 0 1 − 2 − 1 ⎟
→ ⎜ ⎟
0 0 1 1
⎜ ⎟
⎜ 0 1 − a ⎟⎠
⎝ 0 0
i) Si a=1 ( r = Rg ( A ) = Rg (A B )= 3 ) le système admet une seule
solution.
⎧ rg ( A ) = 3
ii) Si a ≠ 1 ⎨ → le système est incompatible et il
⎩ rg ( B ) = 4
n’admet pas de solution.
16
www.tifawt.com
Chapitre 2 Application linéaire
I‐ Type de matrice
• : matrice triangulaire supérieure.
• : matrice triangulaire inférieure.
⎛1 0⎞
• ⎜⎜ ⎟⎟ : matrice identité.
⎝0 1⎠
⎛ 1 2⎞
• Si A = AT : A est symétrique. Exemple : A= ⎜⎜ ⎟⎟ .
⎝ 2 3⎠
⎛ 0 1⎞
• Si A = − AT : A est antisymétrique. Exemple : A= ⎜⎜ ⎟⎟
⎝ −1 0⎠
1 ⎛1 − 1⎞
• Si A * AT : I : A orthogonal. Exemple : A= ⎜⎜ ⎟⎟
2 ⎝1 1 ⎠
• A est une matrice nilpotente d’indice n si A ≠ 0 , A 2 ≠ 0 ,……, A n−1 ≠ 0 , A n = 0 .
⎛0 1⎞
Exemple A = ⎜⎜ ⎟⎟
⎝0 0⎠
• Rang de A :
Rang(A) : le nombre maximal de ligne ou colonnes linéairement indépendants.
• Déterminant :
Pour calculer le déterminant,
⎛a a12 ⎞
→ det⎜⎜ 11 ⎟ = a11 a12 − a 21 a12
⎝ a 21 a 22 ⎟⎠
Règlement de Sarrus :
⎛ a11 a12 a13 ⎞
⎜ ⎟
det⎜ a 21 a 22 a 23 ⎟ = a11 a 22 a33 + a13 a 21 a32 + a12 a 23 a31 − a11 a 23 a32
⎜a a33 ⎟⎠
⎝ 31 a32
Développer selon une ligne ou une colonne.
En utilisant la règle de Gauss
17
www.tifawt.com
Propriété 1
Si deux lignes ou colonnes sont égaux ou proportionnels donc det(A)=0.
Propriété 2.
⎛U 1 + U ⎞ ⎛ U1 ⎞ ⎛U ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ U2 ⎟ ⎜U 2 ⎟ ⎜U 2 ⎟
det ⎜ . ⎟ = det . + det⎜ . ⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟
⎜ U ⎟ ⎜U ⎟ ⎜U ⎟
⎝ n ⎠ ⎝ n⎠ ⎝ n⎠
Exemples :
⎛1 2 ⎞ ⎛ 2 3⎞ ⎛3 5⎞
a) det⎜⎜ ⎟⎟ + det⎜⎜ ⎟⎟ = det⎜⎜ ⎟⎟ = 1
⎝1 2 ⎠ ⎝1 2⎠ ⎝1 2⎠
⎛ U1 ⎞ ⎛ U1 ⎞
⎜ ⎟ ⎜ ⎟
⎜U 2 ⎟ ⎜ U 2 + αU 1 ⎟
b) det⎜ . ⎟ = det⎜ . ⎟
⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟
⎜U ⎟ ⎜ U ⎟
⎝ n⎠ ⎝ n ⎠
Proposition 3.
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
det⎜ ⎟ = det⎜ ⎟ = Produit des éléments de la diagonal.
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
Exemple :
⎛ ⎞
⎛ − 1 2 3⎞ ⎛ − 1 2 3 ⎞ ⎜−1 2 3 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎛−4⎞
⎜ 2 1 1 ⎟ ≈ ⎜ 0 − 3 − 5 ⎟ ≈ ⎜ 0 − 3 − 5 ⎟ = (− 1)(
. − 3).⎜ ⎟ = 4.
⎜ 1 0 1⎟ ⎜ 0 − 2 − 2⎟ ⎜ 0 − 6 ⎝ 5 ⎠
⎝ ⎠ ⎝ ⎠ 0 ⎟
⎝ 3 ⎠
Si A ∈ M n ,n ;
• Rg ( A) = n ⇔ det( A) ≠ 0
• Rg ( A)〈 n ⇔ det( A) = 0 .
18
www.tifawt.com
II‐ Application linéaire
v f(v)
Aaaa f
Définition :
Soient V et W deux espaces vectoriels. L’application
f :V → W
est une application linéaire si :
v → w = f ( w)
⎧∀ α ∈ ℜ , f (α . v ) = α . f ( v )
⎨
⎩ ∀ v 1 , v 2 ∈ V , f (v 1 + v 2 ) = f ( v 1 ) + f ( v 2 )
Exemple :
V = ℜ 2 , W = ℜ 3
f : ℜ 2 → ℜ 3
(x, y ) → ( y, x, x + y ) = f ( x, y)
f est une application linéaire.
En effet,
f (α ( x, y )) = f (αx, αy ) = (αy, αx, αx + αy ) = α ( y, x, x + y ) = αf ( x, y )
f (( x, y ) + ( z, w)) = f (x + z, y + w) = ( y + w, u + z, x + z, y + w)
= ( y, x, x + y ) + (z, w, z + w) = f (x, y ) + f (z, w)
Exemple 2 :
V = ℜ 2 , W = ℜ 3
ℜ 2 → ℜ3
g :
(x, y ) → ( yx, x, y ) = f ( x, y )
g n’est pas une application linéaire .
19
www.tifawt.com
Définition (Kerf)
Définition
Ker(f) = {v ∈ V : f (v ) = 0}
V W
Définition
Im( f ) = {w ∈ W , ∃ v ∈ V ; f (v ) = w }
Proposition
Ker(f) est un sous espace vectoriel de W.
Démonstration
Exemple
ℜ3 → ℜ2
f :
(x, y , z ) → (x + y , y + z , z − x )
ker ( f ) = {( x , y , z )∈ ℜ 3
: (x + y , y + z , z − x ) = (0 , 0 , 0 )}
20
www.tifawt.com
⎧ x + y = 0 ⎧ x
⎪ ⎪
⎨ y + z = 0 → ⎨ y = − x
⎪ z − x = 0 ⎪ z = x
⎩ ⎩
Exemple
ℜ3 → ℜ2
f :
( x , y , z ) → ( x + y ,0 )
Im ( f ) = {(u , v ) ∈ ℜ 2
: (u , v ) = ( x + y ,0 ) / (x , y , z )∈ ℜ }
= {(u,0) : u ∈ ℜ}
Proposition
f : V → W est une application linéaire
⇒ f (0) = 0
Démonstration
f (v ) = f (v + 0) = f (v ) + f (0) ⇒ f (0) = 0
Proposition
⇒ v1 et v2 sont linéairement indépendants.
W
V F f (v1 )
v1
f (v 2 )
v 2
Démonstration
21
www.tifawt.com
Remarque 1
ℜ3 → ℜ2
f :
(x, y, z ) → (0, x + zy )
⎛1⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 ⎟ et ⎜ 1 ⎟ sont linéairement indépendants. Cependant,
⎜ 0⎟ ⎜ 0⎟
⎝ ⎠ ⎝ ⎠
f (1 , 0 , 0 ) = (0 ,1 )
sont linéairement dépendants.
f (0 ,1 , 0 ) = (0 , 2 )
Remarque 2
Définition : Application injective
V F W
Définition (Application Injective)
f : V → W est une application injective si seulement si f (u ) = f (v ) ⇒ u = v
Définition (Application Surjective)
f : V → W Est une application surjective ⇔ ∀w ∈ W , ∃v ∈ V : f (v ) = w
22
www.tifawt.com
Définition (Application Bijective)
f :V → W Est bijective ⇔ f est injective et surjective
Exemple 1 :
ℜ3 → ℜ 2
(x, y, z ) → (0, x + zy ) f n’est pas injective
f (1,0,1) = (0,1)
f (1,0,0 ) = (0,1)
Exemple 2 :
ℜ 2 → ℜ3
f:
(x, y ) → (− x,− y ) f est une application bijective.
Théorème :
Lemme 1 :
V W
Lemme 2 :
23
www.tifawt.com
Définition Si f : V → U est une application linéaire bijective, donc elle est dite
isomorphisme.
Isomorphisme et coordonnées :
Soit f : V → W est une application linéaire
V W
v1
f (v1 )
M M
vn f (v n )
v ∈ V ⇒ v = x1v1 + x 2 v 2 + ....... x n v n
f (v )= f (x 1 v 1 + x 2 v 2 + ....... x n v n )= x 1 f (v 1 ) + ......... + x n f (v n )
f (v ) = f (x 1 v 1 + x 2 v 2 + ....... x n v n )= x 1 f (v 1 ) + ......... + x n f (v n )
= x 1 (a 11 w 1 + a 21 w 2 ... + a m1w m )+ ..... + x n (a n 1 w 1 + ... + a nm w m )
= y1w 1 + y 2 w 2 + .......... + y m w m .
On rappelle que :
x 1 ,......... .. x n sont les coordonnés de V en B v
et y 1 ,......... .. y n sont les
coordonnés de f (v ) en Bw .
24
www.tifawt.com
Expression matricielle
⎡
⎢
⎢
⎢
⎢
⎣
y1 ⎤
⎥
y2 ⎥
M ⎥
⎥
ym ⎦
⎡ a 11
⎢a
= ⎢ 21
⎢ M
⎢
⎣a m1
a 12
a 22
a
M
m 2
K
K
K
M
a 1n ⎤ ⎡ x1 ⎤
a 2 n ⎥⎥ ⎢⎢ x 2 ⎥⎥
*
M ⎥ ⎢ x3 ⎥
⎥ ⎢
a mn ⎦ ⎣ x 4 ⎦
⎥
Coord. de Coord. de v en B v
f(v) En Bw
Y = AX ⇒ A : matrice associée à f sur les bases Bw et B v
Fixer Bw Et B v
Définir f ⇔
et donner A.
Exemple :
ℜ3 → ℜ2
f :
(x , y , z ) → f (x , y , z ) = (x + y , y + z )
⎧ ⎛ 1 ⎞ ⎛ 0 ⎞ ⎛ 0 ⎞ ⎫
⎪ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪
B v : Base canonique de ℜ 3
: B v = ⎨ ⎜ 0 ⎟ , ⎜ 1 ⎟ , ⎜ 0 ⎟ ⎬
⎪ ⎜ 0 ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟ ⎪
⎩ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎭
⎧ ⎛ 1 ⎞ ⎛ 0 ⎞ ⎫
B w : Base canonique de ℜ 2
: B w = ⎨ ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ ⎬
⎩ ⎝ 0 ⎠ ⎝ 1 ⎠ ⎭ .
f (1 , 0 , 0 ) = (1 , 0 ) ⎡1 1 0 ⎤
f (0 , 1 , 0 ) = (1 , 1 ) A = ⎢ 0 1 ⎥⎦
f (0 , 0 , 1 ) = (0 , 1 ) ⎣ 1
25
www.tifawt.com
Vérification :
f (1 ,1 ,1 ) = (2 , 2 )
⎡1 ⎤
⎡ 2 ⎤ ⎡1 1 0 ⎤ ⎢ ⎥
⎢ 2 ⎥ = ⎢0 1 ⎥⎦ ⎢ ⎥
. 1
⎣ ⎦ ⎣ 1
⎢⎣ 1 ⎥⎦
.
26
www.tifawt.com
Chapitre 3 Espace Vectoriel et Produit Scalaire
3.1. Produit scalaire, Norme, Orthogonalité
Définition :
V ×V → ℜ
∗
(v, w) → v ∗ w
Tel que :
i) u ∗ w = w∗u
ii) v ∗ (u + w) = (v ∗ u ) + (v ∗ w)
iii) v∗v = 0 ⇔ v = 0
iv) v ∗ (λ • w) = λ • (v ∗ w)
Exemple :
1) ℜ 3 × ℜ 3 → ℜ
2) ℜ 2 × ℜ 2 → ℜ
⎛a⎞ ⎛1 0⎞ ⎛ a ⎞
(( x, y ), (a, b )) = (u , v ) → u ∗ v = ( x, y )⎜⎜ ⎟⎟ = u .v t = (x, y ).⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = ax + by
⎝b⎠ ⎝0 1⎠ ⎝b ⎠
3) ℜ2 × ℜ2 → ℜ
⎛ 2 2⎞ ⎛ a ⎞
(( x, y ), (a, b )) → u ∗ v = ( x, y )⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = 2ax + 2by + 2ay + 4by
⎝ 2 4⎠ ⎝ b ⎠
Vérifier que c’est un produit scalaire !!
En effet,
27
www.tifawt.com
⎛ 2 2⎞ ⎛ x ⎞
u ∗ u = ( x, y )⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = 2 x 2 + 4 xy + 4 y 2
⎝ 2 4⎠ ⎝ y ⎠
iii)
⎧x = 0
= (x + 2 y ) + x = 0 ⇒ ⎨
2 2
⎩ x + 2 y = 0 ⇒ x = y = 0 ⇒ u = (0,0)
Remarque :
Définition
V → ℜ+
.:
v → v = v.v T
Cette opération est appelée la norme de v.
Proposition
i) v = 0 ⇔ v = 0 → v : longueur
ii) λv =| λ | × v
iii) v + w ≤ v + w
u
u ∗ vT
α v cos(α ) =
u.v
Remarque :
u et v sont deux vecteurs orthogonaux si seulement si :
cos(α ) = 0 ⇔ α = π ⇒ u ∗ vT = 0
2
Exemple :
1) (produit scalaire euclidien)
u = (1, 0 ); v = (0,2)
28
www.tifawt.com
⎛0⎞
u ∗ v = u T .v = (1,0 ).⎜⎜ ⎟⎟ = 0
⎝ 2⎠
2) (autre produit scalaire)
u = (1,−1); v = (1,0)
⎛ 2 2 ⎞⎛ 1 ⎞ ⎛ 2⎞
u ∗ v = (1,−1).⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = (1,−1)⎜⎜ ⎟⎟ = 0
⎝ 2 4 ⎠⎝ 0 ⎠ ⎝ 2⎠
u et v sont deux vecteurs orthogonaux par rapport à ce produit scalaire, mais
pas par rapport au produit scalaire euclidien.
3) ℜ n u ∗ v = u T .v; u = u T u
Définition :
Une base orthogonale {u1 , u 2 ,.....u n } de ℜ n est une base où ui ∗ u j = 0 ∀i ≠ j .
Exemple
{(2,0); (0,3)}Est une base orthogonale dans ℜ 2
Définition
Une base ortho normale {u1 , u 2 ,.....u n }de ℜ n , est une base orthogonale, de plus
u i = 1 ∀i = 1,..., n.
Exemple :
La base canonique de ℜ n .
4.2 Projection Orthogonale.
1) Projection d’un vecteur sur une droite
u
Pv (u ) v
29
www.tifawt.com
Pv (u ) u.v T
= cos(α ) =
u u × v
u.v T
Pv (u ) =
v
u.v T v
Pv (u ) = •
v v
u.v T
Pv (u ) = 2
•v
v
Exemple :
(2,2).⎛⎜⎜
3⎞
⎟⎟
u = (2,2 ) ⎝0⎠ ⎛ 3⎞
Pv (u ) = • ⎜⎜ ⎟⎟
v = (3,0 ) ⎡
2
⎛ 3 ⎞⎤ ⎝ 0 ⎠
⎢(3,0)⎜⎜ ⎟⎟⎥
⎣ ⎝ 0 ⎠⎦
6 ⎛ 6 ⎞ ⎛⎜ 4 ⎞⎟
= ⎜ ⎟= 9
9 2 ⎜⎝ 0 ⎟⎠ ⎜⎝ 0 ⎟⎠
B)Projection d’un vecteur sur un plan
Soient {v 1 , v 2 } une base orthogonale du plan π
t
P1 (u ) =
u v1
2
• v1
u v2 v1
: Projection sur v1
v1 Pπ t
P2 (u ) =
u v2
2
• v2
v2
: Projection sur v2
t t
Pπ (u ) = P1 (u ) + P2 (u ) =
u v1 u v2
2
v1 + v2
v1 v2
Exemple :
30
www.tifawt.com
Z
u=(1,1,2)
v1= (1,0, 0) v2= (0, 1,0)
V1 v2 Y
X
⎛ ⎛1⎞⎞ ⎛1⎞ ⎛ ⎛ 0 ⎞ ⎞⎛ 0 ⎞
⎜ ⎜ ⎟⎟ ⎜ ⎟ ⎜ ⎜ ⎟ ⎟⎜ ⎟
Pπ (u ) = ⎜ (1,2,2)⎜ 0 ⎟ ⎟.⎜ 0 ⎟ + ⎜ (1,1,2).⎜ 1 ⎟ ⎟⎜ 1 ⎟
⎜ ⎜1⎟⎟ ⎜1⎟ ⎜ ⎜ 0 ⎟ ⎟⎜ 0 ⎟
⎝ ⎝ ⎠⎠ ⎝ ⎠ ⎝ ⎝ ⎠ ⎠⎝ ⎠
⎛1⎞ ⎛0⎞ ⎛1⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
= 1⎜ 0 ⎟ + 1⎜ 1 ⎟ = ⎜ 1 ⎟
⎜0⎟ ⎜0⎟ ⎜0⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
3.2 Projection d’un vecteur sur un HIPER PLAN de ℜ
n
Donc la projection de u sur H est :
( ) ( ) (
PH (u ) = u .v1 • v1 + u v2 • v2 + .......... + u v m • v m
T T T
)
On prend u = (x1 , x 2 .....x n ) et v = ( y1 , y 2 ..... y n ) avec v = 1
⎡ ⎛ y1 ⎞ ⎤ ⎛ y1 ⎞
⎢ ⎜ ⎟⎥ ⎜ ⎟
)⎜⎜
y2 ⎟⎥ ⎜ y2 ⎟
P v ( u ) = ( u .v T
) • v = ⎢ (x 1 + L + x n • =
⎢ M ⎟⎥ ⎜ M ⎟
⎢ ⎜ ⎟⎥ ⎜ ⎟
⎜ y n ⎟⎠ ⎦⎥ ⎜⎝ y n ⎟⎠
⎣⎢ ⎝
31
www.tifawt.com
⎛ ( x1 y1 + x2 y 2 + L + xn y n ) y1 ⎞ ⎛ y12 + y1 y 2 + L + y1 y n ⎞⎛ x1 ⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ ( x1 y1 + x2 y 2 + L + xn y n ) y 2 ⎟ ⎜ y 2 y1 + y 2 + L + y 2 y n ⎟⎜ x2 ⎟
2
=⎜ ⎟ =⎜ ⎟⎜ ⎟ = (v.v T )u
M M ⎟⎜ M ⎟
⎜ ⎟ ⎜
⎜ ( x y + x y + L + x y ) y ⎟ ⎜ y y + y y + L + y 2 ⎟⎜ x ⎟
⎝ 1 1 2 2 n n n⎠ ⎝14n 1
444 24444
n 2 n ⎠⎝
3{ n⎠
P u
Définition :
Pv = v .v t est une matrice de projection sur v (v est un vecteur uniatire).
Propriétés :
=1
Pv . = (v.v T ) T v.v T = Pv .
T
Définition :
⎧PT = P
Toute matrice P qui vérifie ⎨ 2
⎩P = P
s’appelle matrice de projection.
une base orthonormale de V , alors la matrice
v1 .v1 + v 2 .v 2 + L + v m .v m
T T T
est une matrice de projection, et projete sur l’espace vectoriel (V = v1 , v 2 ,L , v m ) .
Exemple :
1 1
1.‐ v = ( , ); v = 1.
2 2
32
www.tifawt.com
⎛1 1⎞
⎛1 / 2 ⎞ 1 1 ⎜ ⎟
P = v .v = ⎜⎜ ⎟.( = ⎜2 2⎟
T
⎟ 2 2 , )
⎝ 1 / 2 ⎠ ⎜⎜ 1 1⎟
⎟
⎝2 2⎠
⎛1 1⎞
⎜ ⎟⎛ 1 ⎞ ⎛1 / 2 ⎞
Pv (u ) = ⎜ 2 2 ⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟.
⎜⎜ 1 1 ⎟⎟⎝ 0 ⎠ ⎝1 / 2 ⎠
⎝2 2⎠
⎛1⎞ ⎛0⎞ ⎛1 0 0⎞ ⎛0 0 0⎞ ⎛1 0 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
PΠ = v1 .v1 + v 2 .v 2 = ⎜ 0 ⎟(1 0 0 ) + ⎜ 1 ⎟(0 1 0) = ⎜ 0 0 0 ⎟ + ⎜ 0 1 0 ⎟ = ⎜ 0 1 0 ⎟
T T
⎜0⎟ ⎜0⎟ ⎜0 0 0⎟ ⎜0 0 0⎟ ⎜0 0 0⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ 1 0 0 ⎞⎛ 1 ⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
PΠ (u ) = ⎜ 0 1 0 ⎟⎜ 1 ⎟ = ⎜ 1 ⎟.
⎜ 0 0 0 ⎟⎜ 2 ⎟ ⎜ 0 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
Définition :
La meilleure approximation d’un vecteur u ∈ R n a un sous espace vectoriel S ⊂ R n , est
la projection de u sur S : PS (u ) ; c.a.d. si {v1 , v 2 ,L , v m } est une base orthonormale de
S , alors
PS = v1T .v1 + v 2 T .v 2 + L + v m T .v m
3.3 Bases orthonormales : Méthode de Gram‐Schmidt
Théorème :
De toute base B = {u 1 , u 2 , L , u n } de R n
, on peut obtenir une autre base
B '= {v 1 , v 2 , L , v n }orthonormale.
Démonstration :
B → → → B '
{u 1 , u 2 ,L , u n } → {w 1 , w 2 ,L , w n } → {v 1 , v 2 , L ,v n }
33
www.tifawt.com
w
1. u 1 → = u → v1 = 1
w 1 1 .
w 1
w
2. v 1 , u 2 → w 2 = u 2 − P v1 ( u 2 ) → v 2 = 2
.
w 2
u − ( v 1T . v 1 ) u
v 2 = 2 2
.
w 2
w
3. v 1 , v 2 , u 3 → w 3 = u 3 − PΠ (u 3 ) → v 3 = 3
.
w 3
− ( v 1T . v 1 ) u 3 − ( v
T
u v )u
v 3 = 3 2 2 3
w 3
M
v1 , v 2 ,L , v m −1 ,u m →
w = u − ( v 1T v 1 ) u − (v T
v )u L − (v T
m −1 v m −1 )u
m). m m m 2 2 m m
w
v m = m
.
w m
Exemple :
u1 = (1,1); ; u 2 = (1,2)
B → → → B '
{u 1 , u 2 } → {w 1 , w 2 } → {v 1 , v 2 }
1 1
w1 = (1,1); ; v 2 = (1,1) = (1,1).
1 +12 2
2
34
www.tifawt.com
⎛ 1 ⎞ 1 ⎛ 1⎞ 1 ⎛ 1 ⎞ ⎛ 1 ⎞ 1 ⎛1 1⎞⎛ 1 ⎞ ⎛ 1 ⎞ 1 ⎛ 3 ⎞ ⎛ − 1 / 2 ⎞
w2 = u 2 − v1T v1u 2 = ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟(1 1) ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟.
⎝ 2⎠ 2 ⎝ 1⎠ 2 ⎝ 2 ⎠ ⎝ 2 ⎠ 2 ⎝1 1⎠⎝ 2 ⎠ ⎝ 2 ⎠ 2 ⎝ 3 ⎠ ⎝ 1 / 2 ⎠
w2 1 ⎛ − 1/ 2⎞ 1 ⎛ − 1⎞
v2 = = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟.
w2 1/ 2 ⎝ 1/ 2 ⎠ 2 ⎝ − 1⎠
3.4 Diagonalisation orthogonale. Matrices symétriques
A= P
{ .D.P −1 , A ∈ R n×n
les colones : vecteurs propre de A
Toujours, on peut prendre les vecteurs propres v et tels que
v = 1 ⇒ P −1 = P T ⇒ A = PDP −1
Théorème :
35