Académique Documents
Professionnel Documents
Culture Documents
DE PLUSIEURS VARIABLES
UNIVERSITÉ POLYTECHNIQUE DE
BINGERVILLE (UPB)
1 Matrice 7
3 Espaces vectoriels 15
3.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 Indépendance et dépendance linéaire . . . . . . . . . . . . . . . . . . . . 18
3.4 Base et dimension d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . 19
3.5 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . 19
4 Applications linéaires 21
4.1 Définition, vocabulaire et caractérisation (propriétés) . . . . . . . . . . . 21
4.2 Image directe et noyau d’une application linéaire . . . . . . . . . . . . . . 21
3
4 TABLE DES MATIÈRES
Introduction
5
6 TABLE DES MATIÈRES
Chapitre 1
Matrice
7
8 CHAPITRE 1. MATRICE
Chapitre 2
où le nombre réel aij est le coefficient de la j−ème inconnue dans la i−ème équation.
Exemples 2.1.1
3x − 4y + 2z = 10
2x + 2y − z = 2
(S1 ) :
5x − 3y + 4z = 23
x + 5y − 8z = −25
9
10 CHAPITRE 2. RÉSOLUTION DE SYSTÈME D’ÉQUATIONS LINÉAIRES
est une suite de nombres s1 , s2 , s3 , · · · , sn telle que, si nous remplaçons x1 par s1 , x2 par
s2 , x3 par s3 , · · · , xn par sn dans chacune des équations du système (S), nous obtenons
une égalité vraie entre les deux membres.
Cette solution est notée par le n−uplet (s1 , s2 , s3 , · · · , sn ).
2. L’ensemble-solution d’un système d’équations, noté SRn , est l’ensemble de toutes les so-
lutions du système.
Exemples 2.1.2 Vérifions que (2, 1, 4) est une solution du système d’équations linéaires (S1 )
suivant.
3x − 4y + 2z = 10
2x + 2y − z = 2
(S1 ) :
5x − 3y + 4z = 23
x + 5y − 8z = −25
Définition 2.1.4 Nous obtenons la matrice augmentée associée au système en <oubliant> les
variables xi et les signes <+> et <=>. La matrice augmentée associée au système est :
a11 a12 · · · a1n | b1
a21 a22 · · · a2n | b2
à =
..
.
am1 am2 · · · amn | bm
3x − 4y + 2z = 10
2x + 2y − z = 2
Exemples 2.1.3 (S1 ) :
5x − 3y + 4z = 23
x + 5y − 8z = −25
Nous ne reprendrons pas les méthodes classiques connues : méthode par combinaison
et par substitution. Nous présentons ici trois autres méthodes.
Théorème 2.2.1 Si A est inversible, alors le système AX = B admet une et une seule
solution pour toute matrice B de taille n × 1. Cette solution est donnée par
X = A−1 B
1 2 1
det(A) = 3 −1 2 = 27 6= 0. Donc A est inversible et
4 0 −1
1 2 5
−1 1 1
A = adj(A) = 11 −5 1 .
det(A) 27
4 8 −7
1 2 5 2 27 1
−1 1 15 = 1 −54 = −2 .
Ainsi X = A B = 11 −5 1
27 27
4 8 −7 −1 135 5
SR3 = {(1, −2, 5)}.
Exercices 2.2.1 Résoudre le système d’équations suivants en utilisant la méthode de la matrice
inverse.
−2x + 2y + z = 4
(S3 ) : x + 3y − 2z = −2
2x + y − 2z = 3
2 1 −1
4 5 2
det(A2 ) 1 2 1 −3
y= = = .
det(A) 5 5
2 3 1
4 3 5
det(A3 ) 1 −1 2 0
z= = = .
det(A) 5 5
7 −3
D’où l’ensemble des solution est SR3 = , ,0 .
5 5
Remarques 2.2.2 Il est toujours possible de transformer, en un nombre fini d’opérations élé-
mentaires, une matrice augmentée en une matrice augmentée échelonnée équivalente.
Notons que cette dernière matrice augmentée échelonnée n’est pas unique, car le résultat dépend
des opérations faites sur les lignes.
Dans cette méthodes, nous utiliserons la matrice augmentée associée au système d’équa-
tion linéaire.
.
Théorème 2.2.3 1. Si rang(A) = rang(A..B) alors le système est Système compatible :
a) lorsque rang(A) = n, l’équation admet une unique solution.
b) lorsque rang(A) < n, on a une infinité de solutions.
.
2. Si rang(A) < rang(A..B) alors le système est incompatible. Il n’admet donc aucune
solution.
14 CHAPITRE 2. RÉSOLUTION DE SYSTÈME D’ÉQUATIONS LINÉAIRES
2x − y − z = 1
Exemples 2.2.3 Soit (S6 ) : 3x + 4y − 2z = 0
3x − 2y + 4z = −1
La matrice augmentée associée au système (S6 ) est :
2 −1 −1 | 1
à = 3 4 −2 | 0
3 −2 4 | −1
2 −1 −1 | 1 2 −1 −1 | 1
à = 3 4 −2 | 0 ∼ 0 11 −1 | −3 L2 ← 2L2 − 3L1
3 −2 4 | −1 0 −1 11 | −5 L3 ← 2L3 − 3L1
2 −1 −1 | 1
∼ 0 11 −1 | −3
0 0 120 | −58 L3 ← 11L3 + L2
1
x =
10
19
∼ y=−
60
z = − 29
60
1 19 29
Donc SR3 = ,− ,− .
10 60 60
3x − 2y − 4z = 0
Exercices 2.2.3 Résoudre le système (S7 ) : x + 3y − 2z = 0
5x − y + 2z = 0
Chapitre 3
Espaces vectoriels
+: E×E →E
(a, b) 7→ a + b
·: K×E →E
(α, a) 7→ α · a
15
16 CHAPITRE 3. ESPACES VECTORIELS
Exemples 3.1.1 1. Soit E = R l’ensemble des nombres réels. L’addition définie par :
+: R×R→R
(a, b) 7→ a + b
Définition 3.1.2 Un espace vectoriel E sur K est un ensemble muni d’une loi de composi-
tion interne, notée "+", et d’une loi de composition externe, notée "·" (E, +, ·), vérifiant des
conditions précises.
La loi de composition interne "+" vérifie les propriétés suivantes :
1. u + v = v + u, ∀u, v ∈ E.
2. u + (v + w) = (u + v) + w, ∀u, v, w ∈ E.
3. Il existe un élément neutre 0E ∈ E tel que u + 0E = 0E + u = u, ∀u ∈ E.
4. Tout vecteur u ∈ E admet un symétrique (ou opposé) u0 tel que u + u0 = 0E . Cet élément
u0 est noté −u.
La loi de composition externe "·" vérifie les propriétés suivantes :
1’. α · (β · u) = (αβ) · u, ∀α, β ∈ K, u ∈ E.
2’. α · (u + v) = α · u + α · v, ∀α ∈ K, u, v ∈ E.
3’. (α + β) · u = α · u + β · u, ∀α, β ∈ K, u ∈ E.
4’. 1 · u = u, ∀u ∈ E.
On dit que E est un K−espace vectoriel ou espace vectoriel sur K, ses éléments sont appelés
vecteurs et ceux de K des scalaires.
2. Soit E = Mn,p (R) l’ensemble des matrices réelles de taille n × p. E = Mn,p (R) muni des
lois définies dans les points 2. et 3. de l’exemple 3.1.1 est un espace vectoriel sur R.
Soit E un espace vectoriel sur le corps commutatif K. Notons :
(i) 0K : le zéro de K, c-est-à-dire, l’élément neutre du groupe additif (K; +).
(ii) 0E : le vecteur nul, c’est-à-dire, l’élément neutre du groupe additif (E; +).
(iii) 1 = 1K : l’élément unité du corps K.
Propriétés 3.1.1 1. ∀x ∈ E, 0K · x = 0E
2. ∀α ∈ K, α · 0E = 0E
3. ∀α ∈ K, et x ∈ E, αx = 0E ⇒ α = 0K ou x = 0E
4. (−α) · x = −(α · x) = α(−x), ∀α ∈ K, x ∈ E.
u = α1 · · · u1 + α2 · · · u2 + · · · + αn · · · un
Exemples 3.3.1 1. Montrer que le vecteur v = (−3, 3, 2) de R3 est une combinaison li-
néaire des vecteurs v1 = (1, 2, −3), v2 = (1, 1, −2) et v3 = (1, −1, 1).
2. Montrer que le vecteur w = (4, −1, 8) de R3 n’est pas une combinaison linéaire des
vecteurs u = (1, 2, −1), v2 = (6, 4, 2).
On dit que E est engendré par la famille F, et on note E =< F > (ou E = vect(F)).
Remarques 3.3.1 vect(F) est le plus petit sous-espace vectoriel de E contenant. C’est aussi
l’intersection de tous les sous-espaces vectoriels de E contenant F.
Exemples 3.3.2 La famille {e1 = (1, 0), e2 = (0, 1)} est une famille génératrice de R2 .
En effet, pour tout élément
: Si vérifient alors Dans le cas contraire, la famille est dite liée (ou linéairement
dépendante). , une famille de vecteurs est liée si elle contient au moins un vecteur qui
est une combinaison linéaire des autres vecteurs.
Applications linéaires
21