Académique Documents
Professionnel Documents
Culture Documents
COURS D’Algebre
SVI et STU
S1
1 Pr : Jarrar .O. A
Algèbre linéaire
Programme
CHAPITRE1
Définitions et opérations sur les matrices
** Applications linéaires
** Matrice d’un endomorphisme
** Noyau et image d’un endomorphisme
** Isomorphismes
CHAPITRE2
Systèmes d’équations linéaires
CHAPITRE3
Déterminants
2 Pr : Jarrar .O. A
Algèbre linéaire
A- Matrices
Définitions 1
a a ... ... a
11 12 1p
a a ... ... a
21 22 2p
. . . . .
A = ( aij) 1 ≤i ≤n = . . a . .
ij i ème ligne
1 ≤j ≤p . . . . .
. . . . .
a a ... ... a
n1 n2 np
j ème colonne
Exemple
1 1 0
A= 2 5 0
0 2 3
A est une matrice carrée d’ordre 3 ou matrice de type (3 , 3)
3 Pr : Jarrar .O. A
Algèbre linéaire
On appelle matrice diagonale, toute matrice carrée dont les coefficients sont
tous nuls, sauf ceux de la diagonale
Exemple
3 0 0 1 _1 0
A= 0 5 0 B= 1 1 0
0 0 7 0 2 3
∆ (A) = { 3, 5, 7 } ∆ (B) = { 1, 1, 3 }
A est une matrice diagonale B n’est pas une matrice diagonale
Définition 4
Exemple
1 1 0 1 0 0
A= 0 2 1 B= 1 1 0
0 0 0 2 1 3
A est une matrice B est une matrice
Triangulaire supérieure Triangulaire inférieure
4 Pr : Jarrar .O. A
Algèbre linéaire
Définition
Remarque
Exemple
2 1 0 _1 1 7 1 2 7
1 1 1 0 1 0 1 2 1
+ =
3 1 _2 3 1 _2 6 2 _4
0 _1 4 0 1 0 0 0 4
Propriétés 1
b) ∀ A, B , C ∈ M(m,n)(K) : (A + B) + C = A + (B + C)
c) ∀ A ∈ M(m,n)(K) A + 0(m,n) = A
où 0(m,n) est la matrice nulle
5 Pr : Jarrar .O. A
Algèbre linéaire
Définition
Soient A ∈ M(m,n)(K) et un scalaire λ ∈ K. On note λ.A, la matrice de type
(m, n) et de terme d’indice (i,j) égal à λ. aij . La matrice λ.A est appelée la
matrice produit de λ par A
Exemple : λ = -3
2 1 _6 _3
A= 1 1 λ.A = -3.A = _3 _3
0 4 0 _ 12
Soient A = (aij) une matrice de type (m, n) et B = (bij) une matrice de type
(p,q), toutes les deux à coefficients dans K.
Définition 1
n
ak1 b1l+ ak2 b2l+ …………+ akn bnl = ∑a ki bil
i=1
Exemple :
2 1 1 6
0 3
A = 1 _1 B= A .B = _ 1 3
1 0
0 1 1 0
A est de type (3,2) B est de type (2,2) A.B est de type (3, 2)
6 Pr : Jarrar .O. A
Algèbre linéaire
Principe : cas où (n = m = 2)
a b a ' b'
A= B=
c d c' d '
Ces opérations se généralisent pour toutes les matrices dont le produit est
défini.
Cas où (n = m = 3)
3 3 3
∑ a1 jb j1 ∑ a1 jb j2 ∑ a1 jb j3
j=1 j=1 j=1
3 3 3
= ∑ a 2 jb j1 ∑ a 2 jb j2 ∑ a 2 jb j3
j=1 j=1 j=1
3 3 3
∑ a 3 jb j1 ∑ a 3 jb j2 ∑ a 3 jb j3
j=1 j=1 j=1
Remarques
1) Pour que A.B existe, il faut que le nombre de colonnes de A soit égal au
nombre de lignes de B.
7 Pr : Jarrar .O. A
Algèbre linéaire
Propriétés 2 :
Exemple
_1 0 2
_1 1 4 _3
1 3 _5 t
M= M= 0 3 _4 _2
4 _4 0
2 _5 0 1
_3 _2 1
Propriétés 3 :
8 Pr : Jarrar .O. A
Algèbre linéaire
Définitions 1
Exemple 1 :
1 2 4
A= 1 3 9 L3 Æ L3 – L2 = L32 (-1)
1 4 16
L2 Æ L2 – L1 = L21 (-1)
1 2 4
L32 (-1)(A) = 1 3 9 = A1 L32(-1)(A) = A1
0 1 7
1 2 4
L21(-1)( A1 ) = 0 1 5 = A2 L21(-1)( A1 ) = A2
0 1 7
Exemple 2:
2 1 3 1 1 1
A= 1 1 1 ; L12 ( A ) = 2 1 3 = A1
0 1 _2 0 1 _2
9 Pr : Jarrar .O. A
Algèbre linéaire
1 1 1
L21 (-2)( A1 ) = 0 _1 1
0 1 _2
Notation
1) pour dire que B est l’image de A par une opération élémentaire L on note
L
A~ B
2) Pour que B est l’image de A par un nombre fini d’opérations élémentaires
sans préciser ces opération, on note A ~ B
Exemples
2 1 3 L12 1 1 1
1) 1 1 1 ~ 2 1 3
0 1 _2 0 1 _2
est équivalente à
1 1 1 2 1 3
2 1 3 = L12 1 1 1
0 1 _2 0 1 _2
1
1 1 1 L 2( ) 1 1 1
2 1 3
2) 2 1 3 ~ 1
2 2
0 1 _2 0 1 _2
2 1 3 1 1 1
1 3
1 1 1 ~ 1
2 2
0 1 _2 0 1 _2
Définition 2
Deux matrices sont dites équivalentes si l’une est la transformée de l’autre par
un nombre fini d’opérations élémentaires. On note A ~ B.
10 Pr : Jarrar .O. A
Algèbre linéaire
Définition 1
A est une matrice échelonnée lignes (e. l) si elle vérifie les deux conditions
suivantes :
1) Après une ligne nulle de A il n’y a que des lignes nulles
2) Le nombre de zéros consécutifs commençant une ligne non nulle de A,
augmente strictement de ligne en ligne.
Exemple
1 0 1 1 0 1 0 1 1 0
0 _ 2 _1 2 7 0 1 0 3 0
M= N=
0 0 0 4 _5 0 _ 2 _1 2 7
0 0 0 0 0 0 0 0 4 _5
Définition 2
Exemple
1 0 1 1
0 _ 2 _1 2
M =
0 0 0 4
0 0 0 0
Définition 3
11 Pr : Jarrar .O. A
Algèbre linéaire
Exemple
1 0 1
1 1 1
0 2 _1
A= 0 1 _1 B=
0 0 0
0 0 0
0 0 0
Définition 4
Une matrice A de M (m, n)(K) est dite échelonnée lignes réduite canonique
(e. l. r. c) si :
1) A est e. l. r
2) Dans chaque colonne où il y a le pivot, le pivot est le seul coefficient non
nul.
Exemple
0 1 0 0 2
1 _1 0 0
0 0 1 0 0
0 0 1 1
0 0 0 1 1
0 0 0 0
0 0 0 0 0
e. l. r. c e. l. r. c
Méthode
12 Pr : Jarrar .O. A
Algèbre linéaire
Proposition
Exemples
2 _2 4 0 1 _1 2 0
1
A= 1 _1 0 2 ~ 0 1 _1 rg (A) = 3
3
2 1 1 1 0 0 1 _1
1 _1 0 1 1 _1 0 1
B= 0 3 0 3 ~ 0 1 0 _1 rg (B) = 3 ; ∀ m ∈ R
0 2 _1 m _1 0 0 1 _ m _1
1 _1 0 1 1 _1 0 1
_3 _1
C= 2 1 _1 ~ 0 1 _1 rg (C) = 3 si m ≠ -1
2 2
1 1 _1 m 0 0 0 m +1
rg(C) = 2 si m = -1
A. B = B. A = In
A.A-1 = A-1 .A = In
13 Pr : Jarrar .O. A
Algèbre linéaire
1) Une matrice comportant une ligne ou une colonne nulle n’est jamais
inversible
3) Une matrice carrée d’ordre n est inversible si et seulement si : son rang est
égal à n
Exemples
1 2
1) M= M-1 = ?
0 1
1 2 1 0 L12( _ 2) 1 0 1 _2 1 _2
E= ~ on a : M-1 =
0 1 0 1 0 1 0 1 0 1
14 Pr : Jarrar .O. A
Algèbre linéaire
1 _1 0
2) M = 0 2 2 M-1 = ?
2 1 0
1
1 _1 0 1 0 0 L 2( ) 1 _1 0 1 0 0
2 1
E= 0 2 2 0 1 0 ~ 0 1 1 0
2
0
2 1 0 0 0 1 0 3 0 _2 0 1
_1
1 _1 0 1 0 0 L 3( ) 1 0 0 1 0 0
L32( _ 3) 3 1
1
~ 0 1 1 0
2
0 ~ … 0 1 0 0
2
0
0 0 _3 _3 0 0 1 2 1 _1
_2 1
2 3 2 3
3) Soit
0 1 _1
A= _3 4 _3
_1 1 0
a)
0 1 _1 0 1 _1 _2 3 _3
2
A = _3 4 _3 _3 4 _3 = _ 9 10 _ 9
_1 1 0 _1 1 0 _3 3 _2
0 0 0
2
A – 3A + 2I = 0 0 0 = 0(3,3)
0 0 0
b) A2 – 3A +2I = 0
3 1 2
⇒ A2 – 3A = - 2I ⇒ 2
A–
2
A =I
15 Pr : Jarrar .O. A
Algèbre linéaire
⇒ ( 32 I–
1
2
3
A) A = A. ( I –
2
1
2
A) = I
3 _1 1
2 2 2
3 1 3 _1 3
A-1 = ( I – A) =
2 2 2 2 2
1 _1 3
2 2 2
16 Pr : Jarrar .O. A
Algèbre linéaire
B – Application linéaires
Définition
Exemple
f : R2 R3
(x, y) f(x,y) = ( x+y , x-y, y)
f est une application linéaire
en effet :
X = (x, y) , Y = (u, v)
1) f(X + Y) = f((x, y) + (u, v)) = f((x + u , y + v ))
= (x + u + y + v, x – y + u – v, y + v)
= (x + y, x – y, y) + (u + v, u – v, v)
= f(x, y) + f (u,v)
Remarque
17 Pr : Jarrar .O. A
Algèbre linéaire
Exemple
f : R2 R2
(x,y) (x+1, x + 2y)
Définitions
x= ∑x e j j ; y= ∑y e j j et f (ej) = ∑a e
ij i
j=1 j=1 i =1
n n n
y = f(x) = ∑ x f (e ) = ∑ x ( ∑ a
j j j e )
ij i
j=1 j=1 i =1
n n n n n
= ∑∑ a ij x je i = ∑( ∑a ij x j ) ei = ∑y e j j
j=1 i =1 j=1 i =1 j=1
yi = ∑a ij xj
j=1
y1 a 11 x 1 + a 12 x 2 +..... +a 1n x n a 11 a 12 ........a 1n x1
y2 a 21 x 1 + a 22 x 2 +..... +a 2 n x n a 21 a 22 ........a 2 n x2
. . . .
y= = =
. . . .
. . . .
yn a n1 x 1 + a n 2 x 2 +..... +a nn x n a n1 a n 2 ..... a nn xn
18 Pr : Jarrar .O. A
Algèbre linéaire
a 11 a 12 ........a 1n
a 21 a 22 ........a 2 n
.
y = A x avec A =
.
.
a n1 a n 2 ..... a nn
Exemples
Soit (x, y) ∈ R2
f (x,y) = f (x(1,0) , y(0,1)) = x f(1,0) + y f(0,1) car f est une application linéaire
= x (7,2) + y (-3,4) = (7x -3y, 2x +4y)
x 7 x _ 3y 7 _3 x 7 _3
f = = ;A=
y 2x + 4 y 2 4 y 2 4
19 Pr : Jarrar .O. A
Algèbre linéaire
On a :
f (e1) = (3 , 2, 0) =
f (e2) = ( -2 , 0, 1)=
f (e3) = (0 , -4, -3)
Définitions
dim Ker f + rg f = n
20 Pr : Jarrar .O. A
Algèbre linéaire
_1 0 1
Soit A = 0 0 0
1 0 _1
1)
Etape 1 : Déterminer Kerf
x 0 _1 0 1 x 0
f y = 0 ⇔ 0 0 0 y = 0
z 0 1 0 _1 z 0
_x + z =0
⇔ 0 =0 ⇔ x = z donc Kerf = { (x, y, z) ∈ R3 / x = z }
x _ z =0
= { (x, y, x) ∈ R3 / x , y ∈ R }
Pour tout α, β ∈ R on a :
α (1, 0, 1) + β (0, 1, 0) = (0, 0, 0) ⇔ (α , β , α) = (0, 0, 0) ⇔ α=β=0
Ce qui montre que { (1, 0, 1) , (0, 1, 0) } est libre. Le système trouvé est un
système générateur et libre de Kerf, donc dim Kerf = 2.
2)
21 Pr : Jarrar .O. A
Algèbre linéaire
u _1 0 1 x
v = 0 0 0 y
w 1 0 _1 z
u=-x+z
⇔ v =0
w=x–z
22 Pr : Jarrar .O. A
Algèbre linéaire
V – Isomorphismes
Définitions
Soit E un espace vectoriel et f ∈ L(E). Lorsque f est bijective on dit que f est
un isomorphisme de E ou encore un automorphisme de E.
a) Propriété
Corollaire :
Théorème
a) Théorème :
soit f ∈ L(E)., f est un isomorphisme de E Kerf = {0} Imf = E
b) Application :
Soit f : R2 [X] R2[X]
P P + P’
23 Pr : Jarrar .O. A
Algèbre linéaire
Posons P(X) = a X2 + b X + c
On a :
f(P) = 0 P(X) + P’(X) = 0 ; ∀X∈R
(a X2 + b X + c ) + (2a X + b) = 0 ; ∀ X ∈ R
or (∀ X ∈ R ) , (a X2 + b X + c ) + (2a X + b) = 0
(∀ X ∈ R ), a X2 + (2a + b) X + b + c = 0
a = 0 , b =0 , c = 0 P=0
24 Pr : Jarrar .O. A
Algèbre linéaire
1- équation linéaire
Où a1, a2, ……, ap, b sont des réels donnés et x1, x2 …. xp des réels à déterminer.
Les quantités a1, a2, …, ap sont appelées les coefficients de cette équation, b la
constante et x1, x2 …., xp les inconnues. On dit que :
est une solution de l’équation (1) lorsque s1, s2, …, sp sont des réels tels que :
a1 s1+ a2 s2 + …………+ ap sp = b
Exemples
25 Pr : Jarrar .O. A
Algèbre linéaire
Exemples
1)
x1 + x2 + x3 = 9
2 x1 – x 2 – x 3 = 0 S = {(3, 3, 3)}
3x1 + 3 x2 – x3 = 15
2)
2x1 + x2 -7 x3 = 0
x1 + x2 = -1 le triplet (8, -9 , 1) est une
x1 + x2 +3 x3 = 2 solution du système,
Mais (-3, 2, 1) n’est pas une
solution malgré que c’est une solution de la 2 et de la 3ème équation.
ème
Vocabulaire
26 Pr : Jarrar .O. A
Algèbre linéaire
1)
a 11 a 12 . . a 1n
a 21 a 22 . . a 2n
A = AS = . . . . . est appelée la matrice du système (S)
. . . . .
a p1 a p2 . . a pn
2)
a 11 a 12 . . a 1n b1
a 21 a 22 . . a 2n b2
E = ES = . . . . . . est appelée la matrice élargie du système (S)
. . . . . .
a p1 a p2 . . a pn bp
3)
x1
x2
X= . est appelé la matrice des inconnues du système (S)
.
xn
4)
b1
b2
B = BS = . est appelé la matrice du second membre du système (S).
.
bn
On note A. X = B E = (A | B)
27 Pr : Jarrar .O. A
Algèbre linéaire
Exemple
2 x1+ 2 x2 + 2 x3 = 6 x1+ x2 + x3 = 3
x1 - x 2 + x3 =1 L1(1/2) x 1 - x 2 + x3 =1
x1 + 2 x 2 + 3 x 3 = 6 x 1+ 2 x2 + 3 x3 = 6
x 1 + x 2 + x3 =3 x1+ x2 + x3 =3
L21(-1) -2 x2 = -2 L2(-1/2) x2 =1
x 1 + 2 x2 + 3 x3 = 6 x 1 + 2 x2 + 3 x3 = 6
L23 x1+ x2 + x3 =3
x 1 + 2 x2 + 3 x3 = 6
x2 =1
Remarque
1
2 2 2 6 L ( ) 1 1 1 3
1 2
E( A | B) = 1 _1 1 1 ∼ 1 _1 1 1
1 2 3 6 1 2 3 6
1
L (_ 1) 1 1 1 3 L (_ ) 1 1 1 3
21 2 2
∼ 0 _2 0 _2 ∼ 0 1 0 1
1 2 3 6 1 2 3 6
28 Pr : Jarrar .O. A
Algèbre linéaire
L 1 1 1 3
23
∼ 1 2 3 6
0 1 0 1
1ère étape
On fait apparaître (à l’aide des opérations Li (α) et Lij (α)) dans la 1ère
équation l’inconnue x1 avec 1 comme coefficient
2ère étape
3ère étape
4ère étape
Éliminer cette inconnue dans les équations plus bas et ainsi de suite.
Exemple
29 Pr : Jarrar .O. A
Algèbre linéaire
x1+ 2x2 +3 x3 = 2
2x1 + x2 – x3 = 0
x1+ x2 + x3 =1
1 2 3 2
E = (A | B ) = 2 1 _1 0
1 1 1 1
II – discussions
Remarque r ≤ r’ et r ≤ n.
Théorème :
Exemple
x + y – 2z = 1
y –z = -2
x – 2y + m z = -1
1 2 _2 1 1 1 _2 1
E= 0 1 _1 _2 ~ …~ 0 1 _1 _2
1 _1 m _1 0 0 m _1 _8
Si m ≠ 1 : r = 3 et r’ = 3
30 Pr : Jarrar .O. A
Algèbre linéaire
Si m = 1 : r = 2 et r’ = 3
r < r’ donc le système est incompatible et S = ∅
Pour m ≠ 1 ; cherchons cette solution unique, pour cela on rend la matrice sous
la forme (e. l. r. c).
8 + 16
1 +2
L 3( ) 1 1 _2 1 1 0 0 1_ m
m _1 8
E ~ 0 1 _1 _2 ~ …~ 0 1 0 _2
m ≠1 1_ m
0 0 m _1 _8 0 0 1 8
1_ m
2m _ 26 2m + 6 8
S={ , , }
m _1 1_ m 1_ m
Exemple 2
2x –y +3z = 1
x+y–z=2
2x +2y -2z = 4
2 _1 3 1 1 1 _1 2
5
E= 1 1 _1 2 ~ …~ 0 1 _ 1
3
2 2 _2 4 0 0 0 0
r = 2 ; r’ = 2 ; n = 3
On pose a ∈ R z=a
y – 5/3 a = 1 ⇒ y = 1 + 5/3 a
x + (1 + 5/3 a) –a = 2 ⇒ x = 1 – 2/3 a
31 Pr : Jarrar .O. A
Algèbre linéaire
32 Pr : Jarrar .O. A
Algèbre linéaire
Déterminant
a 11 a 12
A= se définit par l’égalité suivante :
a 21 a 22
a 11 a 12
| | = a11 a22 - a21 a12
a 21 a 22
• on note ce déterminant par dét (A) = a11 a22 - a21 a12
a 11 a 12 a 13
a 22 a 21 a 21 a 23 a 21 a 22
a 21 a 22 a 23 = a11 | | - a12 | | + a13 | |
a 31 a 33 a 31 a 33 a 31 a 32
a 31 a 32 a 33
+ _ +
_ + _
+ _ +
33 Pr : Jarrar .O. A
Algèbre linéaire
Théorème 1
Théorème 2
1 _4 1 1 _2 1 6 3 9 2 1 3
0 2 3 =2 0 1 3 ; 1 2 0 =3 1 2 0
3 6 5 3 3 5 1 4 3 1 4 3
3) si les éléments d’une ligne (ou d’une colonne) d’un déterminant sont
respectivement égaux aux éléments d’une autre ligne (ou d’une autre
colonne) de ce déterminant, le déterminant est nul.
34 Pr : Jarrar .O. A
Algèbre linéaire
1 _3 6 _3 1 6
2 4 3 =- 4 2 3
0 5 2 5 0 2
dét(AB) = dét(A).dét(B)
Règle de Sarrus
a a’ a’’
b b’ b’’
c c’ c’’
a a’ a’’
- +
b b’ b’’
-
+
-
+
35 Pr : Jarrar .O. A
Algèbre linéaire
Déterminant d’ordre 4
Ainsi en désignant par ∆jk le mineur et par Ajk le cofacteur de l’élément ajk
d’un déterminant d’ordre n, on a :
Ajk = (-1)j+k ∆jk
36 Pr : Jarrar .O. A
Algèbre linéaire
Toute matrice carrée régulière A (DA dét(A) ≠0) possède matrice inverse, la
matrice inverse se note A-1 .
A 11 A 21 A 31
DA DA DA
A 12 A 22 A 32
A-1 = où Aij est le cofacteur de l’élément aij du
DA DA DA
A 13 A 23 A 33
DA DA DA
déterminant de la matrice A.
Définition
Matrice adjointe de tA
adj(tA) = t(adj(A))
Matrice inverse
Toute matrice carrée régulière A (dét (A) ≠ 0) possède une matrice inverse.
37 Pr : Jarrar .O. A
Algèbre linéaire
1) on prend la transposée tA de A
2) on en déduit l’adjointe de tA
3) on divise l’adjointe par le déterminant de la matrice A
Exemple
2 1 3
dét(A) = 3 2 1 = 18
1 3 2
1 7 -5
t
adj( A) = -5 1 7
7 -5 1
1 7 -5
Définition
38 Pr : Jarrar .O. A
Algèbre linéaire
Cas où n=p
On a supposé :
où
• le dénominateur de xi est le déterminant ∆ du système
• et le numérateur est le déterminant qui se déduit de ∆ en remplaçant
la colonne des coefficients de l’inconnue xi par la colonne des seconds
membres
Exemple
ax + by = c
a’x + b’y = c’
c b a c
a b c' b' a ' c'
Si ∆ = ≠ 0 alors x = ,y= .
a ' b' a b a b
a ' b' a ' b'
▀
39 Pr : Jarrar .O. A
Algèbre linéaire
40 Pr : Jarrar .O. A