Cours de mathématiques

La résolution d’un problème d’optique physique ou

d’optique géométrique nécessite un certain bagage
mathématique. C’est pourquoi nous procéderons,
dans cette formation, à un cours succinct, mais
général, des notions de mathématiques. Ensuite nous
développerons, dans les limites de nos besoins, les
éléments mathématiques indispensables au traitement
d’un problème d’optique d’une manière générale et
plus particulièrement des problèmes d’optique
ondulatoire à savoir interférences et diffraction.

1ére PARTIE : Algèbre

ChapI. Espaces vectoriels

1. Définition
Un ensemble E a une structure d’espace vectoriel sur
K (K peut être l’ensemble des nombres réels ℛ ou
l’ensemble des nombres complexes ℂ ). Si, et seulement
si, il est muni :
i. d’une loi de composition interne, notée (),
vérifiant les propriétés suivantes :
 associativité :  (x,y,z) E3 (xy) z = x (yz)

 commutativité :  (x,y) E2 xy = yx

  il existe un élément neutre noté e:

 x E xe = ex = x
 tout élément x de E admet un symétrique, noté

(x’) : x (x’) = (x’) x = e

ii. d’une loi de composition externe, notée (), à
opérateurs dans K, vérifiant les propriétés
suivantes :

 (,)K2, xE, (+) x =   x    x

 (,)K2, xE, ( )  x =   (  x)

 K, (x,y)E2,   (xy) =   x    y

 xE 1 x = x
Les éléments de E s’appellent des vecteurs et ceux de K
des scalaires.

2. Exemples d’espaces vectoriels

(ℛ,+,) est un espace vectoriel sur ℛ
(ℂ,+,) est un espace vectoriel sur ℛ
ℛ 2 est un espace vectoriel sur ℛ , pour les lois (+) et ()
définis par :
(a,b) ℛ 2, (c,d) ℛ 2,  ℛ ,
(a,b) + (c,d) = (a + c,b + d) et  (a,b)= ( a, b)
 3. Propriétés
Soit E un espace vectoriel sur K
 xE, 0x=0
 K,   0 = 0
 K, xE, x = 0   = 0 ou x = 0
 (,)K2, xE, (-)x = x - x
 K, (x,y)E2,  (x-y) = x - y

4. Sous espace vectoriel

a. Définition
Soit E un espace vectoriel sur K et soit F une partie
de E. On dit que F est un sous espace vectoriel de E si, et
seulement si,
i. F  
ii. (,) K2, (x,y)F2, (x + y)F

(ii) est équivalent aux deux conditions suivantes

(x,y)F2, x + yF
K, xF, xF
b. Proposition
L’intersection de deux sous espaces vectoriels de E
est un sous espace vectoriel de E.
c. Sous espace vectoriel engendré par des vecteurs de E
Soient x1, x2, …, xn des vecteurs de E, (nIN*). On
appelle sous espace vectoriel de E, engendré par les
vecteurs x1, x2, …, xn le plus petit sous-espace vectoriel
de E contenant x1, x2, …, xn.
Le sous espace vectoriel de E, engendré par les
vecteurs x1, x2, …, xn sera noté  x1, x2, …, xn 
 d. Combinaison linéaire
Soient x1, x2, …, xn des vecteurs de E, (nIN*)
On appelle combinaison linéaire des vecteurs x1, x2,
…, xn toute expression de la forme suivante :
1x1 + 2x2 +…+ nxn où i (1 i  n) sont des scalaires
de K,
e. Proposition
Si x1, x2, …, xn sont des vecteurs de E (nIN*)
alors :

 x1, x2, …, xn  = xE  x = 1x1+2x2+…+nxn où

(1, 2, …, n) Kn
Exemple
Soit u = (1,2,3) et v = (0,1,-1) deux vecteurs de
l’espace vectoriel ℛ3 sur ℛ.
 u,v  = Xℛ3 X = 1 u+2v avec (1, 2)ℛ2
=Xℛ3 X=(1,21+2,31-2)avec(1, 2)ℛ2
5. Partie libre - Partie liée
On dit que les vecteurs x1, x2, …, xn de E, (nIN*)
sont libres ou linéairement indépendants si,et seulement
si, pour tous scalaires 1, 2, …, n de K, on a :
1x1+2x2+…+nxn = 0 implique 1= 2= … n=0.
Dans le cas contraire on dit que les vecteurs x1, x2, …,
xn sont liés ou linéairement dépendants.
Exemples
Les vecteurs u = (1,-1) et v = (-3,3) de ℛ 2 sont liés
puisque 3u + v =(0,0) = 0
Les vecteurs u = (1,0) et v = (0,1) de ℛ 2 sont libres.
1 (1,0)+2 (0,1)=(1, 2 )= (0,0)implique 1=0 et 2=0
Remarque
Tout vecteur, non nul, de E est libre.
6. Partie génératrice
Une partie de vecteurs x1, x2, …, xn de E est dite
génératrice de E si, et seulement si, tout vecteur de E est
combinaison linéaire des vecteurs x1, x2, …, xn .
Autrement dit : xE, ∃(1, 2, …, n ) Kn tel que
x = 1x1+2x2+…+nxn

7. Base
Une partie ℬ de E est une base de E si, et seulement
si, ℬ est libre et génératrice de E.
Exemples
 ℬ = (1,0),(0,1) est une base de l’espace vectoriel
ℛ2 sur ℛ.
 ℬ = (1,0,0),(0,1,0),(0,0,1) est une base de l’espace
vectoriel ℛ3 sur ℛ.
 ℬ = (1,i) est une base de l’espace vectoriel ℂ sur ℛ.

Proposition
Une famille de vecteurs e1, e2, …, en est une base de
E si, et seulement si, tout vecteur x de E s’écrit d’une
manière unique sous la forme suivante :
x = 1e1+2e2+…+nen avec (1, 2, …, n) Kn
 Les scalaires 1, 2, …, n sont appelés les
coordonnés ou les composantes du vecteur x dans la base
(e1, e2, …, en). On note :

 
 1
 2 
 
  
x = (1, 2, …, n ) ou x =   
 
 
 n

8. Dimension d’un espace vectoriel

a. Définition

Un espace vectoriel E sur K est dit de dimension finie

si, et seulement si, il est engendré par une partie finie.

b. Théorème - Définition
 Tout espace vectoriel E (E 0) de dimension
finie, admet une base finie.
 Toutes les bases d’un espace vectoriel, de
dimension finie, ont le même cardinal fini n
(nIN*). L’entier n est appelé la dimension de
E sur K, on note n = dimKE.
 Par convention, on pose dimK0 = 0.

c. Exemples

dimℛ ℛ=1, dimℛ ℂ=2, dimℂ ℂ=1 et dimℛℛn = n

 nIN*.
 d. Propositions
i. Soit E un espace vectoriel de dimension finie n sur K
 Toute partie libre de E, de cardinal n, est une
base de E.
 Toute partie génératrice de E, de cardinal n, est
une base de E.
ii. Soit E un espace vectoriel de dimension finie n sur K.
 Si H est un sous espace vectoriel de E tel que
dimKH = dimKE, alors H = E.
 Si E1 et E2 sont deux sous espaces vectoriels de E,
tels que E1⊂E2 alors dimKE1dimKE2.

9. Somme de deux sous espace vectoriels

Soient E1 et E2 deux sous espaces de E.
L’ensemble suivant : xE ∃x1E1, ∃x2E2, x = x1+x2
est un sous espace vectoriel de E, appelé somme des
sous espaces vectoriels E1 et E2, et noté E1+E2.

10. Sous espaces supplémentaires

On dit que deux sous espaces vectoriels E1 et E2 sont
supplémentaires si, et seulement si,
i. E = E1 + E2
ii. E1∩E2 = 0
On note : E1E2
Proposition
Soient E1 et E2 deux sous espaces vectoriels de E et
dimKE = n. Alors,
E=E1E2dimKE = dimKE1 + dimKE2et E1∩E2 = 0
Exemple : ℛ2 = ℛx00xℛ
 chap. II
APPLICATIONS LINEAIRES
MATRICES

Dans ce chapitre, K désigne l’ensemble des nombres

réels ℛ ou des nombres complexes ℂ.
I. Applications linéaires

Soient E et F deux espaces vectoriels sur K, de

dimensions finies.
I.1. Définitions Propriétés
a. Définition

Soit f une application de E dans F. f est une application

linéaire de E dans F si, et seulement si, elle vérifie les
propriétés suivantes :
i. (x,y)E2, f(x + y) = f(x)+f(y)
ii.  K, xE, f(x)=f(x)
ou i’) (x,y)E ,(,) K , f(x + y)=  f(x) + f(y)
2 2

 Si E=F, on dit que f est un endomorphisme de E.

 Si F=K, on dit que f est une forme linéaire sur E.
 Si f est une application linéaire, bijective de E sur
F (resp. sur E), on dit que f est un isomorphisme
de E sur F (resp. un automorphisme de E).
 L’ensemble des applications linéaires de E dans F
est noté LK(E,F) (resp. des endomorphismes de E),
est noté (LK(E)).
b. Propriétés
 Si f LK(E, F), alors f(0) = 0.
 Soient f et g deux éléments de LK(E,F) et (ei)1in une
base de E. f=g  f(ei)=g(ei) i1,2,….n.
 Une application linéaire de E dans F est parfaitement
définie par la donnée des images des vecteurs d’une
base de E.
I.2. Image et noyau
Soit f une application linéaire de E dans F.
 On appelle image de f, l’ensemble, notée Imf, défini
par :Imf = yF∃xE : f(x) = y.
 On appelle noyau de f, l’ensemble, noté Kerf, défini
par Kerf = xE : f(x)=0.
a. Théorème
 Kerf est un sous espace vectoriel de E.
 Imf est un sous espace vectoriel de F.
 dimKE = dimKKerf + dimKImf.

b. Proposition
 f est injective si, et seulement si, Kerf=0.
 Si dimKE=dimKF, alors

i. f est injective si, et seulement si, f est surjective si,

et seulement si, f est bijective.
ii. f est bijective si, et seulement si, l’image d’une
base de E est une base de F.

I.3. Opérations sur les applications linéaires

a. Addition
 Soient f et g deux applications linéaires de E dans
F. On appelle somme de f et g, l’application noté f+g,
définie par : (f+g)(x) = f(x) + g(x) xE
(f+g) est une application linéaire de E dans F.
b. Produit par un scalaire
On appelle produit de l’application f LK(E,F) par
un scalaire  de K, l’application notée .f, définie par :
(.f)(x) = .f(x) xE.
(.f) est une application linéaire de E dans F.
c. Proposition
 (LK(E,F),+,) est un espace vectoriel sur K.
 Si dimKE = n et dimKF = m, alors
dimKLK(E,F) = n m.
d. Composée de deux applications linéaires

Soient E, F et G trois espaces vectoriels sur K.

Si f LK(E,F) et g LK(F,G), on définit l’application
composée de f par g notée gof, par :
f g
E  F   G
(gof)(x) = g(f(x)) xE. gof est une
application linéaire de E dans G.
gof
gof LK(E,G) E  G
 CHAP.III MATRICES

m et n désignent des entiers naturels non nuls.

1. Définitions - Exemples
Une matrice de type (m, n) à coefficient dans K est un
tableau d’éléments de K à m lignes et n colonnes.
Exemples
1 2 3

2 0

3
est une matrice de type (2,3) à coefficients
 
dans IR.
1 3 4 
 
0 2  1
 2 1 0  est une matrice de type (4,3) à coefficients
 
4 0 1
 
dans IR.
En générale une matrice A de type (m, n) à coefficients
dans K est notée :
a a ..... a 
 11 12 1n 
a a . .... a 
 21 22 2n 
. . a . .... . 
A   ij
. . . ... . . 
 
 . . . ... . .  avec aij K (1im et 1jn)


 a m1 a m 2 . . . . . a mn 
ou bien : A = ( aij )1im et 1jn
 L’élément aij est situé sur la i-ème ligne et la j-ème
colonne.
 Si n=m, la matrice est appelée matrice carrée d’ordre
n. Les éléments aii ; 1in ; forment la diagonale
principale de la matrice A.
  Une matrice ayant une seule ligne (resp. Une seule
colonne) est dite Uni-ligne (resp. Uni-colonne).
 La matrice nulle, notée O, est la matrice dont tous les
éléments sont nuls.

 La matrice unité, d’ordre n, notée In, est la matrice

carrée d’ordre n dont les termes de la diagonale
principale sont tous égaux à 1 et les autres sont nuls.
C'est-à-dire :
 1 0 ...... 0
 
 0 1 . . . .. . 0
 . . . .. ... .
 
 . . . .. . . . .
 . . . .. . . . .
 0 0 . . .... 1 

 L’ensemble des matrices de type (m, n) à
coefficients dans K, est noté M(m, n)(K).
 L’ensemble des matrices d’ordre n à coefficients
dans K, est noté M n(K).

2. Egalité de deux matrices

Deux matrices A= ( aij )1im et 1jn et B= ( bij )1iq et 1jp
sont égales si, et seulement si, les deux conditions
suivantes sont réalisées :
i. A et B sont de même type c'est-à-dire m=q et n=p.
ii. i1,2,…..,m, j1,2,…..,n, aij = bij

3. Opérations sur les matrices

Addition
Soient A= ( aij )1im et 1jn et
B= ( bij )1im et 1jn deux matrices de M (m,n)(K).
On appelle somme des matrices A et B, la matrice notée
A+B, définie par :
A+B = ( aij + bij)1im et 1jn
Exemple :
A=  11 22 35  ; B= 10 1  2
2

0 
, A+B=  01 3 1

4 5 
   

Multiplication par un scalaire

Soient A= ( aij )1im et 1jn une matrice de M (m,n)(K) et
K. On définit la matrice produit de A par , notée A,
par
A= (aij )1im et 1jn
Exemple
1  2   2 2 2 
   
Si A=  3 1 et = 2 alors 2 A= 3 2 2 
5  
 2  5 2 2 2 

Proposition : (M (m,n),+,.) est un espace vectoriel sur K

de dimension nm.

Produit de deux matrices

On ne peut calculer le produit de deux matrices A et B
que si, le nombre des colonnes de A est égal à celui des
lignes de B.
Soient A= ( aij )1im et 1jp
et B= ( bij )1ip et 1jn deux matrices dans M (m,p) (K)
et M (p,n) (K).
La matrice produit de A par B est la matrice, notée AB,
définie par
k p

AB= ( cij )1im et 1jn avec cij = a b

k 1
ik kj
 La matrice AB est un élément de M (m ,n)(K).

Exemple
 1 1  2
5 1 2  
A=  
1 
, B= 0 2 0 
2 0 2 0 3 


 9 7 4 
AB =  
 1
4  2

Rappels sur la multiplication de deux

matrices 
a b c x y z ax + br + cu ay + bs + cv az + bt + cw
d e f x r s t = dx + er + fu dy + es + fv dz + et + fw
g h i u v w gx + hr + iu gy + hs + iv gz + ht + iw

Remarque : Pour déterminer le terme qui se trouve sur la

i-ème ligne et la j-ème colonne de la matrice produit AB,
on multiplie terme à terme la i-ème ligne de A par la j-
ème colonne de B.

Propriétés
A Mn(K), B Mn(K) et C Mn(K) on a :
i. A(BC)=(AB)C
ii. A(B+C)=AB+AC
iii. (A+B)C=AC+BC
iv. AIn=InA=A
 Matrice inversible
Une matrice A de Mn(K) est inversible si, et seulement
si, il existe une matrice, notée A-1, dans Mn(K) telle
que : AA-1=A-1A=In.

Transposée d’une matrice

Soit A une matrice de M(m,n)(K). On appelle transposée
t
de la matrice de A, la matrice notée A, de M (n,m)(K)
dont les colonnes sont des lignes de A.

Exemple

 1 2 3
t
A=  1 3 5 1 
 
3 4 0  
A=  5 1 2
alors  2 4 1 2
   3 0 2 1
 1 2 1   
