Académique Documents
Professionnel Documents
Culture Documents
Faculté polydiciplinaire
Tetouan
Professeur
1
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.
2
Chapitre 1 : Espace vectoriels et systèmes linéaires.
A) Espace vectoriel
1 –Définition
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
Exemple :
I. (ℜ 2
)
, + ′,. munis des lois interne et externe définis a continuation, est‐il un
espace vectoriel ?
+′ : (x , y ) + ′ (z , w ) = (x − z , y + w )
. : a .( x , y ) = (ax , ay )
‐ Vérifiez les autres propriétés.
5) u + ( −u ) = 0
4
⎛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⎞
1.⎜⎜ ⎟=⎜ ⎟
d ⎟⎠ ⎜⎝ c d ⎟⎠
10)
⎝c
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 ⎞
+ : ⎜⎜ ⎟+⎜ ⎟=⎜ ⎟
d ⎟⎠ ⎜⎝ g h ⎟⎠ ⎜⎝ cg hd ⎟⎠
par
⎝c
5
⎛ ′
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 ).
∀u, v ∈ W , u + v ∈W
∀a ∈ ℜ, v ∈ W , a .v ∈ W
Remarque
Exemple : u + v = v + u car u , v ∈ W ⊂ V .
Exemple
1) V = ℜ , W = {x;1}: x ∈ ℜ ).
2
2) V = ℜ , W = {( x,1) : x ∈ ℜ}
2
⎧⎛ a 0⎞
M = ⎨⎜⎜ ⎟ : a , b, c ∈ ℜ}
3)
⎩⎝ b c ⎟⎠
Vérifiez que (M ,+ ,.) est un sous espace vectoriel
⎛a 0⎞ ⎛ e 0⎞ ⎛ a + e 0 ⎞
+ : ⎜⎜ ⎟+⎜ ⎟=⎜ ⎟
⎝b c ⎟⎠ ⎜⎝ f g ⎟⎠ ⎜⎝ b + f c + g ⎟⎠
⎛a 0⎞ ⎛a2 0 ⎞
. : a ⎜⎜ ⎟=⎜ ⎟
⎝b c ⎟⎠ ⎜⎝ a b a c ⎟⎠
6
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 :
Exemple 2 :
Non, En effet supposons le contraire, c.à.d. que (1,2,4 ) = a1 (0,1,1) + a 2 (0,1,3) et par
suite on a 1 = a 1 . 0 + a 2 . 0 = 0 (absurde).
B) Independence linéaire
Définition
7
o Les vecteurs u1 , u 2 ,......, u n ∈ V sont linéairement dépendants s’ils existent
a1 , a 2 ,......, a n ∈ ℜ non tous nul (au moins un scalaire différent de zéro),
tel que : a1u1 , a 2 u 2 ,......, a n u n = 0
Exemple :
⎧4 a1 + 2 a3 = 0 ⎧ 2 1
⎪a1 = − a3 = − a3
⇒⎨ ⇒⎨ 4 2
⎩ 2
a + 3 a 3 = 0 ⎪⎩ a 2 = − 3a 3
a3 = 2
a1 = −1
a 2 = −3
C) Système générateur.
Définition
8
Exemple :
D) Base.
Définition :
Une base est un système générateur linéairement indépendant.
Théorème :
Tout espace vectoriel admet une base.
E) Dimension
Définition :
La dimension de l’espace vectoriel V est le nombre de vecteurs que contient
une base.
Exemple :
⎧⎛ a b⎞ ⎫
On considère l’espace vectoriel M 2 = ⎨⎜⎜ ⎟, a , b, c, d ∈ ℜ ⎬ .
⎩⎝ c d ⎟⎠ ⎭
⎛a b ⎞ ⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞
o ⎜⎜ ⎟
⎟ = a ⎜ ⎟ + b
⎜0 0⎟ ⎜0 0⎟ ⎜1 0⎟⎜ ⎟ + c ⎜ ⎟ + d ⎜⎜ ⎟⎟
⎝ e d ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ 0 1 ⎠
⎧⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎛ 0 0 ⎞ ⎫
= ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟ ⎬ est un système générateur de M 2 .
⎩⎝ 0 0 ⎠⎝ 0 0 ⎠⎝ 1 0 ⎠⎝ 0 1 ⎠⎭
9
⎛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 :
10
⎧a + b = 0
On suppose que a (1,1 ) + b (1, − 1) = (0 , 0 ) ⇒ ⎨ ⇒ a=b=0.
⎩ a − b = 0
⎧⎛ a b⎞
M = ⎨⎜⎜ ⎟ : a , b, c, d ∈ ℜ}
Considérons
d ⎟⎠
4
⎩⎝ c
⎛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 :
Exemple 1 :
Dim ℜ = 2.
2
∀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
Donc on peut identifier V avec ℜ .
n
Exemple 2 :
⎛ a b ⎞ ⎛1 0⎞ ⎛0 1⎞ ⎛0 0⎞ ⎛0 0⎞
o V = M2 , v = ⎜⎜ ⎟⎟ = a⎜⎜ ⎟⎟ + b⎜⎜ ⎟⎟ + c⎜⎜ ⎟⎟ + d⎜⎜ ⎟⎟
⎝ c d ⎠ ⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠
o x ∈ ℜ4
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 :
V = ℜ3
{ }
w1 = ( x,0,0 ) ∈ ℜ 3 ; w = {(0,0, z ) ∈ ℜ };
2
3
Remarque :
w1 ⊕ w2 ≠ w1 ∪ w2
Définition :
12
On considère un ensemble des vecteurs {u 1 , u 2 ,.... u n }⊂ V . On appelle le
rang de {u 1 , u 2 ,.... u n } au nombre maximal de vecteurs indépendants
dans {u 1 , u 2 ,.... u n }.
Exemple :
Exemple :
⎧ ⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 1 1 ⎞ ⎛ 2 2 ⎞ ⎫
S = ⎨ ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟ ⎬
⎩ ⎝ 0 1 ⎠ ⎝ 0 1 ⎠ ⎝ 1 0 ⎠ ⎝ 2 1 ⎠ ⎭
Remarque :
Définition :
⎛ 1 0 ⎞
⎜ ⎟
A = ⎜ 0 1 ⎟
⎜ 1 1 ⎟⎠
⎝
3 vecteur de ℜ ; 2 vecteur de ℜ
3 2
Rang A ≤ min {n , m } = 2
13
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 )
aij ∈ ℜ sont les coefficients du système linéaire, xi sont les inconnues et les bi sont
les termes indépendants.
14
Compatible déterminé : s’il admet un nombre fini de solution.
Compatible indéterminé : s’il admet un nombre infini de solution.
Théorème de Rouche‐Frobenius :
Méthode de Gauss :
15
‐ 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
⎧ rg ( A ) = 3
ii) Si a ≠ 1 ⎨ → le système est incompatible et il
⎩ rg ( B ) = 4
n’admet pas de solution.
16
Chapitre 2 Application linéaire
I‐ Type de matrice
⎛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
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
II‐ Application linéaire
v f(v)
Aaaa f
Définition :
⎧∀ α ∈ ℜ , f (α . v ) = α . f ( v )
⎨
⎩∀ v1 , v 2 ∈ V , f (v 1 + v 2 ) = f ( v 1 ) + f ( v 2 )
Exemple :
V = ℜ2 , W = ℜ3
f : ℜ2 → ℜ3
(x, y ) → ( y, x, x + y ) = f ( x, y )
Exemple 2 :
V = ℜ2 , W = ℜ3
ℜ 2 → ℜ3
g:
(x, y ) → ( yx, x, y ) = f ( x, y )
f (ax , ay )= (a 2
xy , ay , ax )≠ af (x , y ) = a ( xy , y , x ) = (axy , ay , ax )
g n’est pas une application linéaire .
19
Définition (Kerf)
Définition
Ker(f) = {v ∈ V : f (v ) = 0}
V W
Définition
Im( f ) = {w ∈ W , ∃ v ∈ V ; f (v ) = w }
Proposition
Démonstration
Si v ∈ Ker ( f ) ⇒ av ∈ Ker ( f ). ?
v ∈ Ker ( f ) ⇒ f (v ) = 0 ⇒ a. f (v ) = 0 ⇒ f (a.v ) = 0
Si v1 et v 2 ∈ Ker ( f ) ⇒ v1 + v2 ∈ Ker ( f ). ?
v1 , v2 ∈ Kerf ⇒ f (v1 ) = f (v2 ) = 0 ⇒ f (v1 ) + f (v2 ) = f (v1 + v2 ) = 0
⇒ v1 + v2 ∈ Ker ( f )
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
⎧ 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 (0) = 0
Démonstration
f (v ) = f (v + 0) = f (v ) + f (0) ⇒ f (0) = 0
Proposition
V F f (v1 )
v1
f (v2 )
v 2
Démonstration
21
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
V F W
22
Définition (Application Bijective)
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 :
Si f : V → U est surjective et {u1 , u 2 ,....u n } est une base de V ⇒ { f (u1 ), f (u 2 ),.... f (u n )} est
une base de V.
23
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 wm )
= y1w 1 + y 2 w 2 + .......... + y m w m .
On rappelle que :
24
Expression matricielle
⎡ y1 ⎤ ⎡ a 11 a 12 K a 1n ⎤ ⎡ x1 ⎤
⎢ ⎥
y2 ⎥ ⎢a a 22 K a 2 n ⎥⎥ ⎢⎢ x 2 ⎥⎥
⎢ = ⎢ 21 *
⎢ M ⎥ ⎢ M M M M ⎥ ⎢ x3 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ym ⎦ ⎣a m1 a m 2 K a mn ⎦ ⎣ x 4 ⎦
Coord. de Coord. de v en B v
f(v) En Bw
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 ⎤
(0 , 1 , 0 ) = (1 , 1 ) A = ⎢
1 ⎥⎦
f
f (0 , 0 , 1 ) = (0 , 1 ) ⎣0 1
25
Vérification :
f (1 ,1 ,1 ) = (2 , 2 )
⎡1 ⎤
⎡ 2 ⎤ ⎡1 1 0 ⎤ ⎢ ⎥
⎢ 2 ⎥ = ⎢0 1 ⎥⎦ ⎢ ⎥
. 1
⎣ ⎦ ⎣ 1
⎢⎣ 1 ⎥⎦
.
26
Chapitre 3 Espace Vectoriel et Produit Scalaire
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
⎛ 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 2 = 0 ⇒ ⎨
2
⎩ x + 2 y = 0 ⇒ x = y = 0 ⇒ u = (0,0)
Remarque :
Définition
V → ℜ+
.:
v → v = v.v T
Proposition
i) v = 0 ⇔ v = 0 → v : longueur
ii) λv =| λ | × v
iii) v + w ≤ v + w
u ∗ vT
α v cos(α ) =
u.v
Remarque :
Exemple :
28
⎛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 .
Pv (u ) v
29
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 ⎟⎠
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
Z
u=(1,1,2)
V1 v2 Y
⎛ ⎛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⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
( ) ( ) (
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
⎛ ( 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 :
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.
v1 .v1 + v 2 .v 2 + L + v m .v m
T T T
1 1
1.‐ v = ( , ); v = 1.
2 2
32
⎛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⎠
2.‐ On considère l’espace vectoriel R 3 et soit {v1 , v 2 } = {(1.0.0 ), (0.1.0 )} une base
orthonormale du plan (Π = v1 , v 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 = v1 .v1 + v 2 .v 2 + L + v m .v m
T T T
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
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
⎛ 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⎠
A= P
{ .D.P −1 , A ∈ R n×n
les colones : vecteurs propre de A
v = 1 ⇒ P −1 = P T ⇒ A = PDP −1
Théorème :
35