Leçon 1: Espaces Vectoriels

1. Rappels sur les lois de composition

Les lois de composition sont les règles qui définissent l'évolution des opérations sur les
éléments d'un ensemble. Dans le contexte des espaces vectoriels, deux opérations sont
fondamentales : l'addition vectorielle et la multiplication par un scalaire.

 Vecteur d'addition : un ensemble E, muni d’une loi d’addition qu’on notera

« + », vérifiant les propriétés suivantes

L'addition de deux vecteurs u = (u1, ..., un) et v = (v1, ..., vn) donne un vecteur w = u + v tel
que chaque composante wi de w est la somme des composantes correspondantes :

wi = ui + vi pour tout i de 1 à n

Exemple : Soient u = (3, 1) et v = (-2, 5) dans R^2. Alors u + v = (3 + (-2), 1 + 5) = (1, 6).

L'addition vectorielle est commutative et associative.

 Multiplication par un scalaire : un ensemble E, muni d’une loi de la

multiplication par un scalaire « . » vérifiant les propriétés suivantes
Soit c un scalaire et v = (v1, ..., vn) un vecteur. La multiplication scalaire cv est le vecteur de
composantes : (cv)i = c vi pour tout i de 1 à n

Exemple :

Soient c = 2 et v = (-1, 3) dans R^2. Alors cv = (2*(-1), 2*3) = (-2, 6).

Soient u = (1, 2) et v = (-3, 4) dans R^2. Alors u + v = (1 - 3, 2 + 4) = (-2, 6) et 2u = (2, 4).

L'ensemble de ces propriétés fait qu'un espace vectoriel muni de ces deux opérations forme
une structure algébrique essentielle en mathématiques.

Additivité de l'addition vectorielle : L'addition vectorielle est associative, c'est-à-dire que (u

+ v) + w = u + (v + w) pour tous vecteurs u, v et w.

Exemple : Dans R-2 / u =(1, 2), v(3, 4) et w = (5, 6).

Alors (u + v) + w = ((1, 2) + (3, 4)) + (5, 6) = (4, 6) + (5, 6) = (9, 12).

Et u + (v + w) = (1, 2) + ((3, 4) + (5, 6)) = (1, 2) + (8, 10) = (9, 12).

Même exemple que ci-dessus.

Vecteur nul : Il existe un élément neutre pour l'addition, appelé vecteur nul et noté 0, tel que
u : 0 : u pour tout vecteur u.

Exemple : Dans R^2, le vecteur nul est 0 = (0, 0). Alors pour tout vecteur u = (x, y), on a u +
0 = (x, y) + (0, 0) = (x, y) = u.

Existence des opposés à l'existence : Pour tout vecteur u, il existe un vecteur opposé noté -u,
tel que + u + (-u) = 0.

Exemple : Dans R^2, si u = (1, 2), alors -u = (-1, -2) et bien u + (- u) = (1, 2) + (-1, -2) (0, 0).

Distributif de la multiplication : Pour tous vecteurs u, v et scalaire α, on a :

α (u + v) = αu + αv

Exemple : Dans R^2,

Soit u = (1, 2), v = (3, 4) et α = 2.

Alors α (u + v) = 2((1, 2) + (3, 4)) = 2(4, 6) = (8, 12). αu + αv = 2(1, 2) + 2(3, 4) = (2, 4) +
(6, 8) = (8, 12).

Associativité de la multiplication : Pour tous scalaires α, β et vecteur u, (αβ)u = α(βu).

Exemple : Dans R^2, soit u = (1, 2), α = 2 et β = 3. Alors (αβ)u = (2*3)(1, 2) = (6)(1, 2) = (6,
12). Et α(βu) = 2(3(1, 2)) = 2(3, 6) = (6, 12).

2. Notion d’espace vectoriel

Un espace vectoriel V sur un corps commutatif K est un ensemble muni de deux lois de
composition internes (addition vectorielle et multiplication par un scalaire dans K) vérifiant
un certain nombre de propriétés.

Exercice 1 : Montrer que R^2 muni des opérations usuelles est un espace vectoriel sur R.

Correction

1. L'addition vectorielle dans R^2 est définie par (u1, u2) et (v1, v2) (u1 et v1, u2 et v2).
Cette loi est interne à R^2 et vérifie les propriétés requises.
2. La multiplication par un scalaire c dans R est définie par c(v1, v2) et (cv1, cv2). Cette
loi est interne à R^2 et vérifie les propriétés requises.
3. On vérifie que R^2 muni de ces deux lois de composition vérifie bien toutes les
propriétés d'un espace vectoriel sur R.

Donc R^2 est bien un espace vectoriel sur R.

Exercice 2 : Montrer que l'ensemble V = {(x, 2x) | x dans R} est un sous-espace vectoriel de
R^2.

Correction :

1. V est non vide car il contient au moins le vecteur nul (0, 0).
2. Soient (x1, 2x1) et (x2, 2x2) deux vecteurs de V. Leur somme est : (x1, 2x1) + (x2,
2x2) = (x1+x2, 2(x1+x2)) qui appartient bien à V.
 3. Soit (x, 2x) dans V et α un scalaire. Le produit scalaire est : α(x, 2x) = (αx, 2(αx)) qui
appartient également à V.

On a bien montré que V est stable par combinaisons linéaires. C'est donc un sous-espace
vectoriel de R^2.

L'ensemble V vérifie bien toutes les propriétés d'un sous-espace vectoriel de R^2.

3. Sous-espaces vectoriels

Un sous ensemble F de E est un sous espace vectoriel ( en abrège : s-e.v) de E s’il est un
espace vectoriel pour l’addition et la multiplication par un scalaire de E.

Exemple : Montrer que l'ensemble V = {(x, y, 0) | x, y dans R} est un sous-espace vectoriel

de R^3.

Correction :

1. V est non vide car il contient au moins le vecteur nul (0, 0, 0).
2. Soient (x1, y1, 0) et (x2, y2, 0) deux vecteurs de V. Leur somme est : (x1, y1, 0) + (x2,
y2, 0) = (x1+x2, y1+y2, 0) qui appartient bien à V.
3. Soit (x, y, 0) dans V et α un scalaire. Le produit scalaire est : α(x, y, 0) = (αx, αy, 0)
qui appartient également à V.

On a bien montré que V est stable par combinaisons linéaires. C'est donc un sous-espace
vectoriel de R^3. L'ensemble V vérifie bien les propriétés d'un sous-espace vectoriel.

Exercice supplémentaire : Montrer que l'ensemble V = {(x, y, z) tel que x + y = 0} est un

sous-espace vectoriel de R^3.

Correction :

1. V est non vide car il contient au moins le vecteur nul (0, 0, 0).
 2. Soient (x1, y1, z1) et (x2, y2, z2) deux éléments de V. Alors x1 + y1 = 0 et x2 + y2 =
0. On a : (x1, y1, z1) + (x2, y2, z2) = (x1+x2, y1+y2, z1+z2) et x1+x2 + y1+y2 = (x1
+ y1) + (x2 + y2) = 0 Donc (x1, y1, z1) + (x2, y2, z2) appartient à V.
3. Soit (x, y, z) dans V et α un scalaire. Alors x + y = 0 et : α(x, y, z) = (αx, αy, αz) avec
αx + αy = α(x + y) = α.0 = 0 Donc α(x, y, z) appartient à V.

On a montré que V est stable par combinaisons linéaires. C'est donc bien un sous-espace
vectoriel de R^3.

Somme et somme directe :

Somme de deux sous-espaces vectoriels : Soient U et V deux sous-espaces vectoriels d'un

espace vectoriel E. La somme de U et V, notée U+V, est l'ensemble des vecteurs obtenus en
additionnant un vecteur de U avec un vecteur de V.

U+V = {u + v ∣ u ∈U, v ∈V}

Somme directe : La somme U+V est dite directe, notée U⊕V, si l'intersection de U et V est
réduite au vecteur nul, c'est-à-dire U∩V={0}.

Exemple : Soient U={(x,0) ∣ x ∈ R} et V= {(0, y) ∣ y ∈ R} deux sous-espaces de R2. La

somme U+V est l'ensemble de tous les vecteurs de R2 dont les composantes sont de la forme
(x,y). Cette somme n'est pas directe car U∩V n'est pas réduite au vecteur nul.

Exercice d'applications : Soient U et V deux sous-espaces vectoriels de R3 tels que

U={(x,y,0) ∣ x, y ∈ R} et V={(0,0,z) ∣ z ∈ R}.

 Déterminer U+V.
 Vérifier si U +V est une somme directe.

Exercices corrigés :

1. U+V= {(x, y,0) + (0,0, z) ∣ x, y, z ∈ R} = {(x, y, z) ∣ x, y, z ∈ R}, donc U+V=R3.

2. Pour vérifier si U+V est une somme directe, il faut vérifier si U∩V = {(0,0,0). En
effet, U ∩V contient seulement le vecteur nul, donc U+V est une somme directe.

Leçon 4 : Types de matrices

 1) Matrice Nulle :

 Une matrice nulle est une matrice dont tous les éléments sont égaux à zéro.
 Elle est souvent représentée par "0" ou "O".

Exemple Matrice Nulle (2x2):

Exemple Matrice Nulle (3x3):

2) Matrice Triangulaire :

 Une matrice triangulaire est une matrice qui a tous ses éléments situés soit au-dessus,
soit au-dessous de sa diagonale principale égaux à zéro.
 Si les éléments au-dessus de la diagonale principale sont nuls, on parle de matrice
triangulaire inférieure. Si les éléments en dessous sont nuls, on parle de matrice
triangulaire supérieure.

a) Exemple de matrice triangulaire inférieure (2x2) :

b) Exemple de matrice triangulaire inférieure (3x3) :

 c) Exemple de matrice triangulaire supérieure : (2x2)

d) Exemple de matrice triangulaire supérieure : (3x3)

3) Matrice Diagonale :

 Une matrice diagonale est une matrice triangulaire à la fois supérieure et inférieure, où
tous les éléments en dehors de la diagonale principale sont égaux à zéro.

Exemple pour une matrice 2x2:

Exemple pour une matrice 3x3 :

4) Matrice Unité :

 Une matrice unité, ou matrice identité, est une matrice diagonale avec tous les
éléments de la diagonale principale égaux à 1.
 Elle est souvent représentée par "I".

Exemple pour une matrice 2x2 :

Exemple pour une matrice 3x3 :

5) Matrice Scalaire :

 Une matrice scalaire est une matrice diagonale où tous les éléments de la diagonale
principale sont égaux.

Exemple pour une matrice 2x2 :

Exemple pour une matrice 3x3 :

Leçon 5 : Calcul Matriciel

1. Opérations sur les matrices

Les matrices sont des tableaux bidimensionnels de nombres. Le calcul matriciel implique
diverses opérations qui peuvent être effectuées sur les matrices pour résoudre des problèmes
mathématiques et scientifiques.

2. Addition de matrices
L'addition de matrices est une opération élémentaire qui consiste à additionner les éléments
correspondants de deux matrices de même dimension. Soient A et B deux matrices de même
ordre (même nombre de lignes et de colonnes), leur somme est notée A + B et est définie par :

(A+B)ij = Aij+Bij

Où Aij et Bij représentent les éléments correspondants des matrices A et B.

Exemple 1 :

Exemple 2 :

3. Multiplication par un scalaire

La multiplication d'une matrice par un scalaire implique la multiplication de chaque élément

de la matrice par ce scalaire. Soit k un scalaire et A une matrice, la multiplication est notée kA
et est définie par : (kA)ij = k⋅Aij
Exemple 1 :

Exemple 2 :

4. Produit de matrices

Le produit de deux matrices est une opération un peu plus complexe. Si A est une matrice de
dimension m×n et B est une matrice de dimension n×p, le produit AB est une matrice de
dimension m×p dont les éléments sont définis par :

(AB)ij = ∑Aik⋅Bkj

Exemple 1 :
Exemple 2 :

Il est essentiel que le nombre de colonnes de la première matrice soit égal au nombre de lignes
de la seconde matrice pour que le produit soit défini.

5. Matrice transposée

La transposée d'une matrice est obtenue en échangeant ses lignes et colonnes. Soit A une
matrice de dimension m×n, la matrice transposée, notée A T, est de dimension n ×m et a pour
éléments :

(AT)ij = Aji

Exemple 1 :

Exemple 2 :
La transposée est souvent utilisée dans des calculs complexes et a des propriétés utiles dans le
domaine du calcul matriciel.

Exercice d’application 1:
Exercice d’application 2 :