Académique Documents
Professionnel Documents
Culture Documents
Application
L’algèbre linéaire est un domaine fondamental des mathématiques. Elle
permet de classifier les solutions des systèmes linéaires, mais aussi
d’équations différentielles. Elle a également de nombreux liens avec la
géométrie (droites, plans, transformations linéaires), la physique,
l’infographie, le calcul scientifique . . .
nombres réels.
x1
3. L’espace R3 de dimension 3 est l’ensemble des triplets x2
x3
de
nombres réels.
x3 x3
x1 x1
x2 x2
x3 x3
x2 x2
x1 x1
u
1
v
1
!
3
1 3 4 2 −1
u= ,v = ,u+v = , λ = 23 , λ · u = , −u =
2 1 3 3 −2
Algèbre L1S2 2022–2023 4/88
Théorème.
! ! !
u1 v1 w1
Soient u = ..
. ,v= ..
. et w = ..
. des vecteurs dans Rn
un vn wn
et λ, µ ∈ R. Alors
1.
2.
3.
4. u
5.
v
6.
7.
8.
Théorème.
Un système linéaire a soit aucune solution,
soit une unique solution, soit une infinité de solutions
Exemple :
x1 − 2 x2 + 3 x3 + 17 x4 = 4
− x2 + 2 x3 + 13 x4 = 5 système échelonné
1 5
2 x3 + 2 x4 = 2
x1
− 4 x4 = −2
x2 − 3 x4 = 3 système échelonné réduit
x3 + 5 x4 = 4
−2 + 4 x
x1 −2 4
4
3 + 3 x 3
+ x4 3
x2 4
Solution :
x3 =
=
4 − 5 x4 4 −5
x4 x4 0 1
Algèbre L1S2 2022–2023 9/88
Méthode du pivot de Gauss (Gauß)
On introduit 3 opérations sur les lignes :
1. Li λLi : multiplication de la ligne i par λ 6= 0
2. Li Li + λLj : ajout à la ligne i d’un multiple de la ligne j
3. Li ! Lj : permutation (échange) des lignes i et j
Ces opérations ne changent pas les solutions du système
Méthode du pivot de Gauss :
. Obtenir un 1er coefficient de la 1ère ligne non nul (par permutation)
. Diviser la 1ère ligne par le 1er coefficient (premier pivot)
. Annuler les 1ers coefficients nuls sur les lignes suivantes en leur
ajoutant des multiples de la 1ère ligne
. Recommencer avec les lignes suivantes, pour obtenir une forme
échelonnée
. Obtenir une forme échelonnée réduite, en ajoutant des multiples des
lignes pivot aux lignes précédentes
Algèbre L1S2 2022–2023 10/88
Méthode du pivot de Gauss (Gauß)
− x2 + 2x3 + 13x4 = 5
x1 − 2x2 + 3x3 + 17x4 = 4
−x1 + 3x2 − 3x3 − 20x4 = −1
..
.
−2 + 4 x4
x1 −2 4
3 + 3 x4 3
+ x4 3
x2
Solution :
x3 =
=
4 − 5 x4 4 −5
x4 x4 0 1
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶ ´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶
avec x4 ∈ K arbitraire sol. part. sol. gén.
inhomogène homogène
Théorème.
La solution générale d’un système inhomogène est
la somme d’une solution particulière de ce système
et de la solution générale du système homogène associé.
u ∈ Vect(v1 , . . . , vn ) ⇐⇒ ∃ λ1 , . . . , λn ∈ K, u = λ1 v1 + · · · + λn vn
Théorème C.
Soient G une famille génératrice finie de E et L une famille libre de E .
Alors il existe une famille F ⊂ G telle que L ∪ F soit une base de E .
Remarques :
. {0} est un espace vectoriel. Par convention, sa dimension est 0.
Proposition.
L (E , F ) est un sous-espace vectoriel de l’espace vectoriel {f : E → F }.
C (u)
Hλ (u)
Sy (u) u
Sx (u)
Sπ/4 (u)
Rθ (u)
θ u
Sx,λ (u)
Sy ,λ (u)
u
Px (u)
Px = Sx,0
Algèbre L1S2 2022–2023 57/88
Image, noyau et rang d’une application linéaire
Soient E et F deux K-espaces vectoriels et f : E → F une application
linéaire.
Définition. Image
L’image de f est l’ensemble Im f = f (E ) = {y ∈ F | ∃ x ∈ E , f (x) = y }.
Proposition.
Si E et F sont de dimension finie, alors rg(f ) ≤ min(dim E , dim F ).
Proposition.
Soit f : E → F un isomorphisme. Alors f −1 : F → E est un isomorphisme.
Proposition.
Soit f : E → F un isomorphisme d’espaces vectoriels. Si E (resp. F ) est de
dimension finie, alors F (resp. E ) l’est aussi, et dim E = dim F .
Sy , 12 ◦ Sy , 12 = Sy2, 1 = Sy , 14
2
Sy−1
,1
= Sy ,2
2
Sy , 12 S y , 12
Sy , 12
Sx, 12 Sx, 12
Sx, 12
Rπ/4
Rπ/4
Sx Sx
Sx ◦ Rπ/4 6= Rπ/4 ◦ Sx
λ ... .. = .. ..
. . .
an1 . . . anp λan1 . . . λanp
La dimension de cet espace vectoriel est np
=⇒ Si E et F sont de dimension finie, dim L (E , F ) = dim E dim F
Théorème.
Soient E , F des espaces vect. de même dimension finie, f : E → F une
appli. linéaire, B base de E , B 0 base de F , et A = MatB,B0 (f ).
. f est bijective si et seulement si A est inversible.
. Dans ce cas, MatB0 ,B (f −1 ) = A−1 .
Propriétés.
v 2u
. A(v , u) = −A(u, v )
u
. A(u, λu) = 0
. A(λu, v ) = λA(u, v )
. A(u1 + u2 , v ) = A(u1 , v ) + A(u2 , v ) v
v
. e1 = 10 , e2 = 01 ⇒ A(e1 , e2 ) = 1
u1 u2
u1 + u2
Algèbre L1S2 2022–2023 78/88
Bilinéarité : A(λu1 + µu2 , v ) = λA(u1 , v ) + µA(u2 , v )
A(u, λv1 + µv2 ) = λA(u, v1 ) + µA(u, v2 )
Définition. Déterminant d’une matrice 2 × 2
u1 v1
Soient u = ,v = ∈ R2 . Alors
u2 v2
u1 v1 u1 v 1
= A(u, v )
det =
u2 v2 u2 v 2
A(u, v ) =
=
=
= u1 v1 A(e1 , e1 ) + u1 v2 A(e1 , e2 ) + u2 v1 A(e2 , e1 ) + u2 v2 A(e2 , e2 )
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶
=0 =1 =−1 =0
u1 v1
Conséquence : det = u1 v2 − u2 v1
u2 v2
Corollaire.
Si une colonne Ci de A est combinaison linéaire des autres (c-à-d si les
colonnes forment une famille liée), alors det A = 0.
Corollaire.
Une matrice A ∈ Mn (K) est inversible si et seulement si det A 6= 0.
1
Dans ce cas, on a det(A−1 ) =
det A
Définition. Norme n
√ X
La norme de u ∈ Kn est kuk = u·u où u · u = |ui |2
i=1
Si K = R, par le théorème de Pythagore, kuk est la longueur de u.
Algèbre L1S2 2022–2023 86/88
Proposition. Soient u, v ∈ Kn .
. Inégalité de Cauchy–Schwarz : |u · v | ≤ kukkv k
. Inégalité triangulaire : ku + v k ≤ kuk + kv k