Académique Documents
Professionnel Documents
Culture Documents
5
Proposition 1.1.1 Soit (E, +, .) un espace vectoriel, alors pour tout (x, y) ∈ E 2 ) et (α, β) ∈
R2 )
1. α.(x − y) = α.x − α.y .
2. (α − β).x = α.x − β.x.
3. (−1).x = −x.
4. (−α).x = α.(−x) = −(α.x).
6
Dénition 1.1.3
1 {v1 , v2 , ..., vn } est une famille libre si v1 , v2 , ..., vn sont linéairement indépendants.
2 {v1 , v2 , ..., vn } est une famille liée si v1 , v2 , ..., vn sont linéairement dépendants.
Exemple 1.1.3 E = R3 , {v1 , v2 , v3 } avec v1 = (−1, 0, 2), v2 = (2, 1, −1) et v3 = (1, 1, 1).
La famille {v1 , v2 , v3 } est liée, en eet :
Si α1 v1 + α2 v2 + α3 v3 = 0 alors α1 = 1, α2 = 1 et α3 = −1.
Dénition 1.1.4
1 On dit que G, famille non vide de E , est une famille génératrice de E si et seulement si
E = V ect(G), c'est-à-dire si tout élément de E est combinaison linéaire (nie) d'éléments de
G.
Exemple 1.1.4
R2 = {(x, y) ∈ R2 / x ∈ R, y ∈ R}
On a
v = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1)
Alors {(1, 0), (0, 1)} est une famille génératrice de R2
Dénition 1.1.5 On appelle base de E toute famille libre et génératrice de E .
Exemple 1.1.5 E = R3 , B = {e1 , e2 , e3 } avec e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1).
B est une base de R3 , en eet :
On a v = (x, y, z) = (x, 0, 0) + (0, y, 0) + (0, 0, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) alors B
est une famille génératrice de R3 , de plus B est libre.
Dénition 1.1.6 On appelle dimension d'un espace vectoriel E , le nombre d'éléments d'une
quelconque de ses bases. On note la dimension E par dim(E).
Exemple 1.1.6
1 E = R3 , B = {e1 , e2 , e3 } avec e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1).
B est une base de R3 alors dim(R3 ) = 3.
21
dim(R2 ) = 2.
Remarque 1.1.1
1/ Si F est un s.e.v. de E alors dim(F ) ≤ dim(E).
2/ Si F est un s.e.v. de E et si dim(F ) = dim(E) alors F = E .
Proposition 1.1.4 Soit E un e. v. de dimension n, alors :
1 Tout partie libre de n vecteurs est une base de E .
2 Tout partie génératrice de n vecteurs est une base de E .
7
1.2 Applications linéaires :
1.2.1 Applications linéaires :
Il est util de défnir l'application qui preserve la structure d'espace vectoriel.
Dénition 1.2.1 Soient E et F deux espaces vectoriels et f : E −→ F une application. On
dit que f est une application linéaire si et seulement si pour tout (x, y) ∈ E 2 et α ∈ R :
f (x + y) = f (x) + f (y) et f (αx) = αf (x)
On note L(E, F ) l'ensemble des applications linéaires de E dans F , appelé l'ensemble des
homomorphismes et si E = F on le note seulement L(E) et est appelé l'ensemble des endo-
morphismes.
Remarque 1.2.1
1/ L'application x −→ 0F est l'application linéaire nulle.
2/ Si f : E −→ F est linéaire alors f (0E ) = 0F , f (−x) = −f (x) et f (αx + βy) = αf (x) +
βf (y) pour tout (x, y) ∈ E 2 et (α, β) ∈ R2 .
3/ On défnit les applications linéaires f + g et λf , pour (f, g) ∈ L2 (E, F ) par :
∀x ∈ E (f + g)(x) = f (x) + g(x) et (λf )(x) = λf (x).
4/ (L(E, F ), +, .) est un espace vectoriel.
Exemple 1.2.1 Soit l'application f : R3 −→ R2 dénit par :
f (x, y, z) = (x + 2y − z, y − z),
1.3 Matrices :
1.3.1 Matrices :
Pour dénir une matrice, on a besoin de deux entiers n et m, où n est le nombre de lignes
et m le nombre de colonnes. Sur chaque ligne, on a m nombres réels (ou complexes). Ainsi
une matrice M à n lignes et m colonnes s'écrit :
a11 ... a1m
a21 ... a2m
. .... .
A=
. .... .
. .... .
an1 .... anm
Par exemple la première ligne est (a11 ...a12m ) et le nombre aij est sur la iime -ligne et la
j ime -colonne.
On dit aussi que la matrice A est de type (n, m).
L'ensemble de ces matrices sera noté Mn,m (R) et si n = m, on écrit Mn,n (R) = Mn (R).
Matrices particulières :
8
1 Matrice ligne : (a1 ...am )
2 Matrice colonne :
a1
a1
.
.
.
an
3 Matrice diagonale A ∈ Mn (R) telle que aij = 0 pour i 6= j . i.e. :
a1 0 ... ... 0
0 a2 0 ... 0
.
A=
. 0 ...ai 0 0
.
0 0 ... 0 an
4 Matrice triangulaire supérieure A ∈ Mn (R) telle que aij = 0 pour i > j . i.e. :
a11 a12 ... ... a1n
0 a22 a23 ... a2n
.
A=
. 0 ...aij ai,j+1 ai,n
.
0 0 ... 0 an
A+B est encore une matrice de type (n, p). Les matrices s'additionnent "termes à termes".
On note −A la matrice opposée de A soit −A = (−ai,j ) et on dénit A − B par A + (−B).
Proposition 1.3.1
1/ On ne peut additionner des matrices que si elles sont de même type (même nombre de
lignes et de colonnes).
2/ A + B = B + A
3/ (A + B) + C = A + (B + C)
4/ A + O = A où 0 est la matrice nulle, la matrice de même type que A ne comportant que
des zéros.
9
5/ A + (−A) = A − A = 0
−1 2 1 0
Exemple 1.3.1 Si A= 0 3 et B = 2 0 , alors
4 −2 3 1
−1 + 1 2 + 0 0 2
A+B = 0+2 3+0 = 2 3
4 + 3 −2 + 1 7 −1
La matrice λA est donc obtenue en multipliant tous les coecients de la matrice A par λ et
elle est du même type que A.
Remarque 1.3.1 L'écriture Aλ n'existe pas
Proposition 1.3.2
1/ On ne peut additionner des matrices que si elles sont de même type (même nombre de
lignes et de colonnes).
2/ λ(A + B) = λA + λB
3/ (λ + µ)A = λA + µA
4/ 0A = 0n,p où 0n,p est la matrice nulle.
5/ A + (−A) = A − A = 0
1 3 −1 5
2 −1 4 1
Exemple 1.3.2 Si 1 2 −2 7 ,
A= alors
5 −2 3 −1
2×1 2×3 2 × (−1) 2 × 5 2 6 −2 10
2×2 −1 2 × 4 2 × 1 4 −2 8 2
2A =
2×1
=
2×2 2 × (−2) 2 × 7 2 4 −4 14
2 × 5 2 × (−2) 2×3 −1 10 −4 6 −2
10
Proposition 1.3.3
1/ A × (B × C) = (A × B) × C .
2/ A × (B + C) = A × B + A × C
3/ (B + C) × A = B × A + C × A
4/ A × (λB) = (λA) × B = λ(A × B).
5/ si A est une matrice carrée (n, n) et si I est une matrice carrée (n, n) telle que tous les
coecients diagonaux sont égaux à 1 et tous les autres coecients sont nuls, alors A × I =
I × A = A.
11
alors
2 5 4
At = 2 13 13
−4 −2 1
Remarque 1.3.3
1 Une matrice A est dite symétrique si At = A.
2 Une matrice A est dite anti-symétrique si At = −A
Proposition 1.3.4 Soit A = (ai,j ) une matrice de type (n, m) alors :
1/ At est une matrice de tyne (m, n). Il sut d'échanger les lignes de la matrice A et dans le
même ordre en colonnes de la matrice At ou les colonnes en lignes.
2/ (At )t = A
3/ (A + B)t = At + B t
4/ (λA)t = λAt avec λ ∈ R.
5/ (AB)t = B t At avec B ∈ M(m,p) (R).
det(A) = a11 .
a11 a12
det(A) = = a11 a22 − a21 a12
a21 a22
Pour la récurrence, on dénit la matrice Aij , c'est la matrice associée à A où on enleve de A
la ligne i et la colonne j . Ainsi la matrice Aij est une matrice carrée d'ordre n − 1.
Maintenant, on dévellope par rapport à la première ligne. Par exemple, si n = 3 on a :
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
alors :
a11 a12 a13
det(A) = a21 a22 a23
a31 a32 a33
a22 a23 a12 a13 a12 a13
= a11 − a21 + a31 .
a32 a33 a32 a33 a22 a23
12
1 2 3
Exemple 1.3.5 Soit A= 0 1 0 alors
1 1 1
1 2 3
det(A) = 0 1 0
1 1 1
1 0 0 0 0 1
=1 −2 +3
1 1 1 1 1 1
= −2
13
Dénition 1.3.6 Soit A une matrice carrée d'ordre n est inversible on régulière alors :
1
A−1 = Com(A)t .
det(A)
1 1 1
Exemple 1.3.6 Soit A= 2 1 1 alors
2 2 1
1 1 1
det(A) = 2 1 1
2 2 1
1 1 1 1 1 1
=1 −2 +2
2 1 2 1 1 1
=1
−4 −10
det(B) =
3 5
= −4 × 5 − 3 × (−10)
= 10
14
alors B est une matrice inversible. De plus,
5 −3
Com(B) =
10 −4
5 10
alors Com(B)t = . Donc
−3 −4
1
B −1 = Com(B)t
det(B)
1 5 10
=
10 −3 −4
15