Académique Documents
Professionnel Documents
Culture Documents
11 mars 2021
Table des matières
3 Espaces vectoriels 18
3.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 22
3.4 Espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . . . . . . 23
3.5 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.6 Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . 26
4 Applications linéaires 27
4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Bibliographie 33
C HAPITRE UN
A = (aij )1≤i≤m
1≤j≤n
(c) il existe un élément (dit) neutre pour l’addition des matrices : la matrice
nulle
A + O = O + A, ∀A ∈ Mnp (R).
(d) toute matrice A = (aij ) possède un opposé noté −A = (−aij ) et on a
Des propriétés qui précèdent il résulte que Mnp (R) muni de l’addition + est
un groupe commutatif (ou abélien).
6
A(B + C) = AB + AC,
(A + B)C = AC + BC.
(c) (λA)B = A(λB) = λ(AB), λ ∈ R.
(d) pour toute matrice A ∈ Mnp (R), on a In A = AIp = A où In (resp. Ip )
désigne la matrice unité d’ordre n (resp. d’ordre p).
(e) En particulier, si A est une matrice carrée d’ordre n et I la matrice unité
d’ordre n, on a
A × I = I × A = A.
Proposition 1.4. - Si le produit AB est défini alors t (AB) = t B t A.
- On a T r(AB) = T r(BA) pour toutes matrices A ∈ Mnp (R) et B ∈
Mpn (R)).
−1 0 2
Exercice 1.7. Soit A = 1 1 −3 . Calculer A2 −2A+4I où I désigne
8 −6 5
la matrice unité d’ordre 3.
7
Déterminant d’ordre 2
!
a b a b
Si A = , on a : det(A) = = ad − bc
c d c d
Proposition 1.5. (a) Soit A une matrice carrée alors det(t A) = detA. Autre-
ment dit, toute matrice a même déterminant que sa transposée.
(b) Si on multiplie une colonne (resp. une ligne) d’une matrice par un réel λ,
le déterminant est multiplié par λ. En particulier si on multiplie une matrice
carrée d’ordre n par un réel λ, son déterminant est multiplié par λn :
det(λA) = λn detA.
(c) Si on échange deux colonnes (resp. deux lignes ) d’une matrice, son déter-
minant change de signe.
(d) Si dans une matrice, deux vecteurs colonnes (resp. lignes) sont colinéaires
(on dit aussi liés ou linéairement dépendants), le déterminant est nul.
(e) On ne modifie pas la valeur d’un déterminant en ajoutant à une colonne
(resp. une ligne ) une combinaison linéaire des autres colonnes (resp. des
autres lignes).
(f ) Si A et B sont deux matrices carrées de même ordre, on a :
det(AB) = (detA) × (detB).
(g) Si la matrice est triangulaire ou diagonale, le déterminant s’obtient en
faisant le produit des éléments diagonaux. En particulier si I est une matrice
unité, on a detI = 1.
Définition 1.6. Soit A une matrice carrée d’ordre n. On dit que A est inversible
(ou régulière) s’il existe une matrice carrée B d’ordre n telle que
AB = BA = I où I désigne la matrice unité d’ordre n. Dans ce cas, la ma-
trice B est appelée l’inverse de A et est notée A−1 .
Lorsqu’une matrice carrée n’est pas inversible, on dit qu’elle est singulière.
On note GLn (K) l’ensemble des matrices carrées inversibles d’ordre n à co-
efficients dans K.
Proposition 1.6. Une matrice carrée A est inversible si et seulement si
detA 6= 0.
10
Définition 1.8. Soit A = (aij ) une matrice carrée et cij le cofacteur relatif à
l’élément aij . On appelle comatrice de A et on note com(A) la matrice dont les
éléments sont les cofacteurs cij :
Proposition 1.8. Si A est une matrice inversible alors son inverse est donnée
par :
1 t
A−1 = com(A)
detA
2 1 1
Exercice 1.10. Soit A = 0 0 −1 . Montrer que A est inversible et dé-
6 4 2
terminer son inverse.
Soit A une matrice de type (n, p). Soit C une matrice carrée d’ordre r dé-
duite de A en supprimant n − r lignes et p − r colonnes. On dit que C est une
matrice carrée extraite de A.
11
Définition 1.9. Le rang d’une matrice A est égal à l’ordre maximum des ma-
trices carrées inversibles extraites (sous-matrices) de A. On le note rg(A).
Définition 1.10. ( Opérations élémentaires sur les lignes ou les colonnes d’une
matrice)
On appelle opération élémentaire sur les lignes (respectivement sur les co-
lonnes) de la matrice A une des opérations suivantes :
1. Addition d’une ligne (respectivement d’une colonne) à une autre ligne (res-
pectivement à une autre colonne).
2. Multiplication d’une ligne (respectivement d’une colonne) par un scalaire
non nul.
3. Échange de deux lignes (respectivement de deux colonnes)
Remarque 1.11. Le rang d’une matrice n’est pas modifié lorsqu’on effectue
des opérations élémentaires sur les lignes ou les colonnes de cette matrice.
6 3 4
Exercice 1.12. Déterminer le rang de la matrice A = 2 1 1 .
−1 3 2
Proposition 1.10. Pour tous A et B ∈ Mn (R)
1. rg(A) + rg(B) − n ≤ rg(AB) ≤ min{rg(A), rg(B)}
2. rg(A + B) ≤ rg(A) + rg(B)
3. Si A est inversible alors rg(AB) = rg(B) et rg(BA) = rg(B)
4. rg(t AA) = rg(A t A) = rg(A)
2.1 Généralités
2.1.1 Définitions
où les nombres aij et bi sont des éléments donnés de R (ou C). Les nombres
b1 , · · · , bn sont appelés les seconds membres et les nombres aij les coefficients
du système.
Si b1 = · · · = bn = 0, le système est dit homogène ou sans second membre.
Exemple 2.1.
2x1 −3x2 +x3 = −5
4x
1 +x2 −5x3 = 0
(S)
3x1 +2x2 −x3 = 1
−2x1 −4x2 +2x3 = −2
x1 b1
AX = B avec X = ... , B = ..
.
xn bn
Exercice 2.3. Donner l’écriture matricielle du système (S) de l’exemple 2.1.
Définition 2.3. On appelle matrice augmentée d’un système (S) d’écriture ma-
tricielle AX = B la matrice, disons A
e donnée par A
e = (AB) où on juxtapose
la matrice uni-colonne B des seconds membres à droite de la matrice A des
coefficients du système.
et
−2x1 +6x2 +x3 = −1
(S2 ) 3x1 −x2 +2x3 = 7
4x
1 +x2 −4x3 = −3
Théorème 2.6. (Existence de solutions)
Soit le système linéaire (S) de n équations à p inconnues et d’écriture matri-
cielle AX = B. Le système linéaire (S) est consistant (ou admet de solution)
si et seulement si la matrice A et la matrice augmentée A
e = (AB) possèdent
le même rang : rg(A) = rg(A). e
rg(A) = rg(A)
e = n (dans ce cas n = p).
- Infinité de solutions
Le système admet une infinité de solutions si et seulement si
rg(A) = rg(A)
e < n.
Étape d’élimination
Cette première étape vise à écrire le système sous une forme échelonnée.
Le passage du système initial au système échelonné s’effectue en utilisant les
opérations élémentaires suivantes :
16
Étape de remontée
Exercice 2.8. Résoudre chacun des systèmes suivants par la méthode du pivot
de Gauss.
x +3y −z = 9
(S1 ) 3x −y +z = −1
−2x +y −3z = 6
;
2x +y −z = 3
(S2 ) x −y −z = 2
−3x −3y +z = −4
E SPACES VECTORIELS
+ : E × E −→ E
(u, v) 7−→ u + v
. : K × E −→ E
(λ, v) 7−→ λ.u
+ : Kn × Kn −→ Kn
((x1 , ..., xn ), (y1 , ..., yn )) 7−→ (x1 + y1 , ..., xn + yn )
. : K × Kn −→ Kn
(λ, (x1 , ..., xn )) 7−→ (λx1 , ..., λxn )
Muni de ces deux opérations, F(X, R) est un espace vectoriel sur R. On défi-
nit en particulier l’espace vectoriel des suites réelles et l’espace vectoriel des
polynômes sur R.
Définition 3.3. Une partie non vide F d’un K-espace vectoriel E est un sous-
espace vectoriel de E si :
i) pour tout u ∈ F et v ∈ F, u + v ∈ F ;
ii) pour tout λ ∈ K, et u ∈ F , λ.u ∈ F.
Il résulte immédiatement de cette définition que tout sous-espace vectoriel
de E est, avec les mêmes opérations, aussi un K-espace vectoriel.
Exercice 3.2. 1. Montrer que l’ensemble des suites nulles à partir d’un certain
rang est un sous-espace vectoriel de l’espace vectoriel des suites de réels.
2. Montrer que l’ensemble F = {(x, y, z) ∈ R3 , 2x − 3y + z = 0} est un
sous-espace vectoriel de R3 .
Proposition 3.2. Soit (E, +, .) un K-espace vectoriel. Soit (Fi )i∈I une famille
de sous-espaces vectoriels de E.
\
Alors Fi est un sous-espace vectoriel de E.
i∈I
Remarque 3.3. La réunion de deux sous-espaces vectoriels n’est pas un es-
pace vectoriel en général.
Proposition 3.3. Soit A un sous-ensemble non vide d’un K-espace vectoriel
E. L’ensemble de toutes les combinaisons linéaires (finies) d’éléments de A,
noté V ect(A), est un sous-espace vectoriel de E contenant A appelé sous-
espace vectoriel engendré par A. C’est le plus petit sous-espace vectoriel (au
sens de l’inclusion) de E contenant A.
Remarque 3.4. Pour montrer que F est un sous-espace vectoriel de E, il suffit
d’écrire F sous la forme F = V ect(A) où A un sous-ensemble non vide de
E.
Exemple 3.5. Montrer que les ensembles
F1 = {(x, y, z) ∈ R3 , 2x − y + 2z = 0}
et
F2 = {(x, y, z) ∈ R3 , 2x − y + 2z = 0 et x − 2y + 3z = 0}
sont des sous-espaces vectoriels de R3 .
22
• On dit que la famille F = (ui )i∈I de vecteurs de E est une famille libre
(ou que les vecteurs ui , i ∈ I, sont linéairement indépendants) lorsque
pour toute partie finie J de I et pour toute famille (λj )j∈J d’éléments
de K, on a :
X
( λj .uj = 0E ) ⇒ (∀j ∈ J, λj = 0)
j∈J
Lorsque la famille n’est pas libre on dit qu’elle est liée ou que les vec-
teurs de la famille sont linéairement dépendants.
• On dit que la famille F = (ui )i∈I de vecteurs de E est une base de E
lorsque c’est une famille génératrice et libre de E.
Propriété 3.6. 1. Toute famille contenant une famille génératrice est généra-
trice.
2. Toute sous-famille d’une famille libre est libre.
3. Toute famille contenant une famille liée est liée.
4. Toute famille contenant le vecteur 0E est liée.
5. Une famille composée d’un seul vecteur est libre si, et seulement si ce vec-
teur n’est pas nul.
Définition 3.6. On dit qu’un K-espace vectoriel E est de dimension finie lors-
qu’il admet une base constituée d’un nombre fini de vecteurs.
Théorème 3.7. Soit E un K-espace vectoriel de dimension finie. Alors toutes
les bases de E sont constituées d’un même nombre de vecteurs. Si n est ce
nombre il est appelé la dimension de E et on écrit dim(E) = n. On convient
que dim({0E }) = 0.
Les coordonnées d’un vecteur sont définies grâce au résultat suivant.
Proposition 3.5. Soit E un espace vectoriel de dimension n et (u1 , ..., un ) une
base de E. Pour tout x ∈ E, il existe un unique n-uplet (λ1 , ..., λn ) ∈ Kn tel
que
x = λ1 .x1 + λ2 .x2 + ... + λn .xn .
On dit que le vecteur x a pour coordonnées (λ1 , ..., λn ) dans la base (u1 , ..., un ).
24
Soit E un espace vectoriel de dimension finie. Pour travailler dans cet es-
pace vectoriel, on utilise souvent une base et les coordonnées des vecteurs
dans cette base. Mais il arrive des moments où l’on souhaite changer de base.
Cette section aborde l’effet d’un changement de base sur les coordonnées des
vecteurs.
Définition 3.8. Soit E un K-espace vectoriel de dimension finie n, B = (e1 , e2 , ..., en )
une base de E. Considérons une nouvelle base B0 = (e01 , ..., e0n ) formée des
vecteurs n
X
0
ej = αij ei , j = 1, ..., n.
i=1
On appelle matrice de passage de la base B à la base B0 , la matrice
PB,B0 = (αij ).
La matrice de passage a pour vecteurs colonnes les vecteurs de la nouvelle
base (exprimés à l’aide de leurs composantes dans l’ancienne base). Notons
que la matrice de passage est inversible car ses n vecteurs colonnes forment
une base de E.
Proposition 3.8. Soit E un K-espace vectoriel de dimension finie n, B =
(e1 , e2 , ..., en ) et B0
= (e01 ,..., e0n ) deuxbasesde E. Soit u un vecteur de E de
x1 x01
coordonnées X = ... et X 0 = ... respectivement dans les bases
xn x0n
B et B0 .On a :
X = PB,B0 X 0 ou encore X 0 = (PB,B0 )−1 X.
26
A PPLICATIONS LINÉAIRES
Dans ce chapitre les espaces vectoriels considérés sont des K−espaces vec-
toriels (K = R ou C)
4.1 Définitions
f : R2 −→ R2
(x, y) 7−→ (x + y, 2x + 3y)
est un endomorphisme.
b) f est-elle un automorphisme ?
2. On considère l’espace des polynôme à coefficients réels noté R[X]. Montrer
que l’application
φ :R[X] −→ R
P 7−→ P (0)
f: R3 −→ R2
(x, y, z) 7−→ (x − 2y + z, 4x − y + 3z).
.
30
Proposition 4.5. Soit A une matrice de type (n, p) sur K. Il existe une unique
application linéaire de Kp dans Kn admettant A pour matrice associée re-
lativement aux bases canoniques. On dit qu’une telle application linéaire est
cononiquement associée à la matrice A.
f : R3 −→ R2
(x, y, z) 7−→ (x + y − z, y − 2z)
est linéaire.
2. Déterminer Ker(f ) et Im(f ).
f : R3 −→ R3
(x, y, z) 7−→ (x − y, 2x + y + z, y − z)
est un automorphisme.
f k =: f ◦ f ◦ ... ◦ f .
| {z }
kf ois
∀x ∈ E, f k (x) = 0E .
p = min{k ∈ N∗ , f k ≡ 0}.