Académique Documents
Professionnel Documents
Culture Documents
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page ii Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page iii
Les complexes
V-5-3 Endomorphisme orthogonal en dimension 2 ................................................................................................ 46 Une matrice p q ou de type (p, q) est par définition, un tableau constitué de p lignes et q colonnes.
CHAPITRE VI .................................................................................................................................................................. 50
a11 a21......a1q
MATRICE DE PASSAGE – VALEURS PROPRES ................................................................................................................ 50
VECTEURS PROPRES - DIADGONALISATION ................................................................................................................. 50 a21 a22 ......a2 q
A . . a2 q (aij ) i 1,...., p j 1,......., q
VI-1-7 Matrice d’une application linéaire 𝒈: 𝑬 → 𝑭 relativement à des ......................................................... 50
. . .
bases données de E et de F (Rappel) ................................................................................................................. 50
a p1 a p2 a pq
VI-1-8 Déterminant d’une matrice carrée .......................................................................................................... 52
VI-1-9 Comatrice.................................................................................................................................................. 53 où aij K est un terme ou coefficient de la matrice situé sur la iième ligne et la jième colonne.
VI-1-10 Matrice inversible ................................................................................................................................. 53
I-1-2 Opérations sur les matrices
VI-1-11 Matrice inverse ...................................................................................................................................... 54 a) Egalité de deux matrices
VI-1-12 Matrice de changement de Base ou Matrice de passage .................................................................... 54
Soient A et B deux matrices de type (p, q).
VI-2 Valeurs Propres - Vecteurs Propres - Diagonalisation ..................................................................................... 57
VI-2-1 Valeurs propres - vecteurs propres .......................................................................................................... 57 A ( aij ) B (bij ) i 1,....., p j 1,..., q
A B aij bij
VI-2-2 Endomorphisme diagonalisable ............................................................................................................... 59
VI-2-3 Puissance d’une matrice carrée ............................................................................................................... 61 b) Addition des matrices
VI-3 Quelques applications des techniques de diagonalisation des matrices .................................................. 62
Soit C une matrice de type (p, q),
Définition
q
i j
Cik aij b jk i 1,....., r k 1,....., p A ( aij ) avec aij
j 1 0 i j
Exemple
Une matrice nilpotente est une matrice dont il existe une puissance égale à la matrice nulle. Elle
1 2 1 3 2 0 correspond à un endomorphisme nilpotent.
1 1 0 2 1
A 1 1 B 𝐶 = (1 2 3) 𝐷 = 1
alors A B 1 3 1 3 Une matrice singulière est une matrice qui n’est pas inversible (det A=0) .
1 2 0 2 1 1 1 1 5 2 4 On appelle trace d’une matrice carrée d’ordre n, et on note 𝑡𝑟𝑎𝑐𝑒 (𝐴), le nombre obtenu en
additionnant les éléments diagonaux de 𝐴. Autrement dit, 𝑡𝑟𝑎𝑐𝑒 (𝐴) = 𝑎 + 𝑎 + ⋯ + 𝑎 .
Calculer (quand cela est possible) 𝐵𝐴, 𝐴𝐶, 𝐴𝐷, 𝐵𝐶, 𝐵𝐷, 𝐶𝐷, 𝐷𝐶, 𝐴 , 𝐵 , 𝐶 Cette quantité est une invariante de A, c’est-à-dire elle ne change pas quand on change de base.
Propositions
I-1-4 Matrice transposée – Matrice symétrique
Le produit des matrices est associatif A( BC ) ( AB )C On appelle transposée d’une matrice A de type (p, q) la matrice t A obtenu en changeant les lignes et les
colonnes de A. Si A est de type (p, q) alors t A est de type (q, p).
A( B C ) AB AC
On a ( A B)C AC BC t(t A ) A t( A B ) t A t B t( AB ) t B t A
A( B ) ( A) B AB
On dira d’une matrice A qu’elle est symétrie si elle est égale à sa transposée. A est nécessairement
une matrice carrée, i e A ( aij ) t A .
I-1-3 Quelques matrices particulières
Si p=n et q=1, K un corps commutatif quelconque. Une matrice n 1 de la forme A est anti symétrique si t A A
Toute matrice carrée A peut se décomposer en la somme d’une matrice symétrique et d’une
𝑎
𝑎 matrice anti symétrique : 𝐴 = (𝐴 + 𝑡 ) + (𝐴 − 𝑡 )
⎛ ⎞
𝐴 = ⎜ . ⎟ est appelé matrice colonne
. Symétrique Antisymétrique
𝑎
⎝ ⎠
Exemple : Ecrire la matrice ci-dessous comme somme d’une matrice symétrique et d’une matrice
Si p=1 et q=n, une matrice 1 n a la forme A (a11 , a12 ,....., a1n ) et est appelée matrice ligne. anisymétrique :
Si p=q=n on a une matrice n n dite matrice carrée d’ordre n.
2 10
Toute matrice carrée dont tous les éléments en dessous (respectivement au-dessus) de la 𝐴=
8 −3
diagonale principale sont nuls est appelée matrice triangulaire supérieure (respectivement
inférieure). Une matrice 𝐴 est orthogonale si 𝐴 est réelle et 𝐴𝑡 = 𝑡 𝐴 = 𝐼
Si pour une matrice carrée (aij) on a aij=0 pour i≠j (i.e tous les éléments sont nuls sauf sur la
Exercices
diagonale), la matrice est dite diagonale et se présente sous la forme :
On donne les matrices suivantes
𝑎 0 0 2 0 0
𝐴= ⋮ ⋱ ⋮ Exemple A 0 1 0 1 3 7 1 0 2 3 1 2
0 0⋯ 𝑎 0 0 3
A 1 2 3 B 0 3 1 C 1 1 2
1 8 11 2 1 2 2 2 0
Et si tous les éléments de cette diagonale sont tous égaux à 𝛼 un scalaire alors A est appelée matrice
scalaire et se définit donc comme suit Déterminer t A , tB , et tC
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 6 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 7
Les complexes Les complexes
i 1 j 1
I-1-5 Conjugué d’une matrice Aij est appelé mineur associé à aij ou cofacteur.
Si 𝐴 = (𝑎 ) ∈ 𝑀 , (𝕂), sa conjuguée 𝐴̅ est la matrice 𝑏 ∈𝑀 , (𝕂) définie par :
2 1 1
∀ ,∀ 𝑏 =𝑎 ; 𝐴̿ = 𝐴 ; 𝑡 = 𝑡 ̅ ; det(𝐴̅) = det(𝐴) ; 𝐴 + 𝜆𝐵 = 𝐴̅ + 𝜆̅𝐵
Exemple : On considère la matrice carrée d’ordre 3, A 1 2 1 . Calculer son déterminant.
On notera 𝐴∗ la matrice transconjuguée ou matrice adjointe. 𝐴∗ = 𝑡 ̅ . 1 1 2
Une matrice 𝐴 est dite hermitienne si 𝐴 = 𝐴∗ Réponse : det A 0
Une matrice 𝐴 est dite normale si 𝐴𝐴∗ = 𝐴∗ 𝐴
Une matrice 𝐴 est dite unitaire si 𝐴𝐴∗ = 𝐴∗ 𝐴 = 𝐼 Propriétés :
I-1-6 Notations 1) Si on ajoute à une colonne (resp. à une ligne ) de A, une combinaison linéaire des autres colonnes
ℳ , (𝕂) est l’ensemble des matrices 𝑛 × 𝑝 à coefficients dans 𝕂 (resp. lignes), on ne change pas la valeur de det (A).
ℳ (𝕂) est l’ensemble des matrices carrées 𝑛 × 𝑛 à coefficients dans 𝕂 2) Si on multiplie une colonne ou une ligne de A par un élément de K, la valeur de det(A) est
𝒯 (𝕂) est l’ensemble des matrices triangulaires supérieures de ℳ (𝕂) multipliée par .
𝔇 (𝕂) est l’ensemble des matrices diagonales de ℳ (𝕂) 3) det(A)=0 dès que deux colonnes ou lignes sont égales.
𝒮 (𝕂) est l’ensemble des matrices symétriques de ℳ (𝕂)
4) det(A)= det( t A )
𝒜 (𝕂) est l’ensemble des matrices antisymétriques de ℳ (𝕂)
5) det(𝜆𝐴) = 𝜆 det(𝐴)
6) lorsque la matrice A est triangulaire ( inférieure ou supérieure), son déterminant est égale au
produit des éléments de la diagonale principale
I-1-7 Déterminant d’une matrice carrée
7) Si A M n ( K ) , on a det( A) det A .
Soient E un espace vectoriel sur K, B (e1 , e2 ,...., en ) une base de E. Soit A (aij ) M n ( K ) où M n ( K ) est
1
l’ensemble des matrices carrées d’ordre n sur K. V1 ,V2 ,......,Vn sont les vecteurs colonnes de A 8) Si A est inversible ( det A 0 ) alors det( A) 1 .
det( A)
a11 a1n 9) det (AB)= detA detB
10) Deux matrices semblables ont le même déterminant
.
V1 . ...........Vn . 11) det A=0 les colonnes V1 ,......,Vn sont linéairement dépendantes.
. .
a a
n1 nn
I-1-8 Comatrice
Le déterminant de A dans la base B est le déterminant des vecteurs colonnes de A par rapport à cette Soit M (aij ) M P ( K ) , définissons d’abord la matrice N (bij ) M p ( K ) par bij ( 1)i j det( M ij ) . M ij
base. Il se note étant obtenue de M par suppression de la ligne de rang i et la colonne de rang j. 𝑁 est appelé comatrice
de M et est notée 𝑀∗ et 𝑎 le mineur correcpondant.
a11 . . . a1n
. . 1 0 −1 −2 −1 −1
det A ou . . ou aij . Exemple : 𝑀 = 0 −1 1 ⟹ 𝑀∗ = −2 −1 −2
−1 2 0 −1 −1 −1
. .
an1 . . . ann Notée 𝑡 ∗ la transposée de la comatrice est appelée matrice complémentaire
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 8 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 9
Les complexes Les complexes
Les vecteurs colonnes de A forment une base de K n . C’est cette définition qui se réduit très souvent à Le système (S) s’écrit sous la forme de l’équation matricielle
montrer que le déterminant de A est différent de 0(la plus utilisée).
𝐴𝑋 = 𝐷
Théorème 2 : Pour qu’une matrice A M p ( K ) soit inversible, il faut et il suffit que det A 0 .
I-2-3 Définition vectorielle
Dans le cas particulier d’une matrice triangulaire ou diagonale, elle sera inversible si et seulement si tous
Si 𝐴⃗ , 𝐴⃗ , … . , 𝐴⃗ sont les vecteurs dont les composantes sont les colonnes de la matrice A alors le système
les éléments de la diagonale principale sont tous non nuls, étant donné que le déterminant qui est dans
ce cas le produit de tous ces éléments est différent de zéro. (S) est équivalent à l’équation vectorielle 𝐴⃗ 𝑥 + 𝐴⃗ 𝑥 + ⋯ . + 𝐴⃗ 𝑥 = 𝐷⃗ .
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 10 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 11
Les complexes Les complexes
I-2-6 Système en escalier, Rang d’un système Dans ce cas, le nombre p d’inconnues est inférieur ou égal au nombre n d’équations. On résout le
a) Réduction système en choisissant de façon arbitraire p équations qu’on résout par l’une des méthodes classiques.
Quand un système contient une équation du type : Les solutions obtenues ne sont solutions du système de départ que si celles-ci vérifiées les (n-p) équations
0𝑥 + ⋯ … … … … + 0𝑥 = 𝑏, restantes.
- si 𝑏 ≠ 0 , le système est impossible,
Exemples : Résoudre le système suivant :
- si 𝑏 = 0 , on peut supprimer cette équation, ce qui conduit à un système réduit.
2𝑥 + 𝑦 = 8
b) Définition −6𝑦 + 7𝑧 = −19
Un système (S) est en escalier, ou échelonné si, après réduction, le nombre de premiers coefficients −𝑥 + 𝑧 = −2
nuls successifs de chaque équation est strictement croissant. 4𝑥 + 7𝑦 − 𝑧 = 25
Le nombre d’équations du système (non impossible) réduit en escalier obtenu par la méthode du Méthode par élimination de Gauss ou pivot de Gauss ;
pivot de Gauss est le rang r du système (S). Très souvent on détermine le rang d’une matrice par le même La méthode du déterminant.
procédé. Nous supposons acquise la méthode de substitution.
2 1 0 Ces méthodes seront apprises directement sur trois exemples concrets.
0 1 1
1) Exemple : Déterminer le rang de la matrice suivante :
1 2 −1 𝑥+𝑦+𝑧 = 1
−1 1 0 1- 𝑥 − 2𝑦 − 2𝑧 = 0
2𝑥 + 2𝑦 − 𝑧 = −1
I-2-7 Système de Cramer
Un système de n équations à p inconnues est dit de cramer si n=p. Dans ce cas, A est une matrice 5𝑥 + 3𝑦 − 8𝑧 + 4𝑡 = 3
carrée et inversible i.e. qu’un système est dit de Cramer s’il admet une et une seule solution. A partir de la −𝑥 + 2𝑦 + 2𝑡 = 9
2-
3𝑥 − 4𝑦 + 2𝑧 − 4𝑡 = −11
forme matricielle de (S), on peut écrire : 𝐴𝑋 = 𝐷 ⟷ 𝑋 = 𝐴 𝐷 .
2𝑥 + 3𝑦 + 𝑧 + 3𝑡 = 20
3- Déterminer suivant les valeurs du paramètre a, l’ensemble des solutions de ce système :
Dans ce cas, le nombre d’inconnues dépasse le nombre n d’équations. Pour résoudre ce type 5 3 −8 4 𝑥 3
d’équation, on fixe le nombre (p-n) d’inconnues de trop (choisit arbitrairement) comme étant connu que −1 2 0 2 𝑦 9
, 𝑋= , 𝐷=
3 −4 2 −4 𝑧 −11
l’on renvoie ensuite dans le second membre. On résout ensuite le système de n équations à n inconnues
2 3 1 3 𝑡 20
ainsi obtenu par une des méthodes choisies (substitution, addition, pivot ou élimination de Gauss,
déterminant). Au lieu de considérer la matrice A et le vecteur 𝐷⃗ séparément, nous allons grouper A et D et n’en
faire qu’une seule matrice C à quatre lignes et 5 colonnes. La cinquième colonne représentant le
Exemple : On considère le système suivant :
vecteur𝐷⃗.
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 12 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 13
Les complexes Les complexes
L’idée générale de cette méthode est d’effectuer les transformations sur les lignes de la matrice C répètent qu’on élimine. On aboutit à un système réduit d’équations dont le nombre d’inconnues dépasse le
de façon à remplacer le système proposé par un système équivalent de type : nombre d’équations (ce que l’on sait résoudre).
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑦 + 𝑑𝑡 = 𝐴
𝑏 𝑦 + 𝑐 𝑧 + 𝑑 𝑡 = 𝐴′
(S’) Appliquons la méthode du déterminant sur le système précédent. Pour cela reconsidérons la forme
𝑐 𝑦 + 𝑑 𝑡 = 𝐴′′
𝑑 𝑡 = 𝐴′′′ matricielle du système
Dans le système (S’), la matrice des coefficients du système est alors triangulaire et la résolution 5 3 −8 4 𝑥 3
−1 2 0 2 𝑦 9
est immédiate. Le principe de l’élimination de Gauss s’appuie sur le fait qu’en ajoutant à une ligne de C =
3 −4 2 −4 𝑧 −11
une combinaison linéaire des autres lignes, on ne change pas la nature du système. Identifions les lignes 2 3 1 3 𝑡 20
de C par 𝐿 , 𝐿 , 𝐿 , 𝐿 ; chaque fois qu’on a la possibilité, on effectue une permutation sur les lignes afin
d’obtenir une matrice dont le premier coefficient est ±1.
3 3 −8 4 5 3 −8 4 5 3 3 4
Toute permutation de ligne n’influence pas les résultats du système.
9 2 0 2 −1 9 0 2 −1 2 9 2
Diviser ou multiplier une ligne par un scalaire 𝛼 ne modifie pas les solutions du système. −11−4 2 −4 3 −11 2 −4 3 −4−11−4
𝑥 = 20 3 1 3 ; 𝑦= 2 20 1 3 ; 𝑧 = 2 3 20 3 ;
Toujours permuter la ligne du pivot par une ligne de rang supérieur lorsque le pivot est nul. 5 3 −8 4 5 3 −8 4 5 3 −8 4
−1 2 0 2 −1 2 0 2 −1 2 0 2
Permuter (mais pas obligatoire) la ligne du pivot avec tout autre ligne dont le nombre sur la colonne du 3 −4 2 −4 3 −4 2 −4 3 −4 2 −4
2 3 1 3 2 3 1 3 2 3 1 3
possible est ±1(lorsque cela est possible
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 14 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 15
Les complexes Les complexes
EXERCICES DU CHAPITRE 1 𝑥 − 2𝑦 + 𝑧 + 𝑡 = −2
𝑥 + 2𝑦 − 3𝑧 = 4 𝑦+𝑧=5
A- CALCULS MATRICIELS 𝑥 + 3𝑦 − 𝑧 = 11 𝑥+𝑧=4
2𝑥 − 𝑦 − 𝑧 − 𝑡 = −1 ; ;
Exercice A1 : 2𝑥 + 5𝑦 − 5𝑧 = 13 𝑥 + 𝑦 + 2𝑧 = 9
𝑥 + 𝑦 + 𝑧 + 𝑡 = −8
𝑎 𝑏 𝑥 + 4𝑦 + 𝑧 = 18 −𝑥 + 𝑦 = 1
Soit 𝑀 = ∈ 𝕄 (ℝ). Montrer que : 𝑀 − (𝑎 + 𝑑)𝑀 + (𝑎𝑑 − 𝑏𝑐)𝐼 = 0
𝑐 𝑑
Exercice A2 : Montrer que les matrices suivante sont inversibles trouver cet inverse. Exercice B2 : Déterminer, selon les valeurs du paramètre 𝑎 l’ensemble des solutions des systèmes suivant.
1 2 1 1 1 1 1 1 0
𝐴= 1 1 0 , 𝐵= 0 1 1 , 𝐶= 1 1 1 𝑥 − 2𝑦 = 2 𝑎𝑥 + 𝑦 = 2 𝑎𝑥 + (1 − 𝑎)𝑦 = 1 𝑥 − 2𝑦 = 2 𝑎𝑥 + (1 − 𝑎)𝑦 = 𝑎
; ; ; ;
−2 0 1 0 0 1 0 1 1 𝑥 − 𝑎𝑦 = 𝑎 𝑥 + 𝑎𝑦 = 2 (1 − 𝑎)𝑥 − 𝑎𝑦 = 𝑎 𝑥 − 𝑎𝑦 = 𝑎 𝑎𝑥 + 𝑎𝑦 = 𝑎
Exercice B5: Pour quelles valeurs de m le système est-il de Cramer ? Lorsqu’il est de Cramer, trouver
B- SYSTEMES LINAIRES l’ensemble de solution en fonction de m
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 16 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 17