Académique Documents
Professionnel Documents
Culture Documents
A) APPLICATIONS LINEAIRES
déf. Soit E et F deux K-espaces vectoriels. Une application 𝑓: 𝐸 → 𝐹 est dite linéaire si :
(i) 𝑓(𝑢
⃗ + 𝑣 ) = 𝑓(𝑢 ⃗ ) + 𝑓(𝑣 ) , ∀𝑢⃗ et 𝑣 ∈ 𝐸
(ii) 𝑓(𝜆𝑢⃗ ) = 𝜆𝑓(𝑢 ⃗ ) , ∀𝑢⃗ ∈ 𝐸 et ∀𝜆 ∈ 𝐾
Remarque : on a immédiatement, si f linéaire, 𝑓(0 ⃗ 𝐸 ) = ⃗0𝐹 𝑓(−𝑢 ⃗ ) = −𝑓(𝑢 ⃗ ∈ 𝐸. En effet :
⃗ ) , ∀𝑢
d’après (ii), 𝑓(0𝐾 . 𝑢
⃗ ) = 0𝐾 . 𝑓(𝑢⃗ ) , or 0𝐾 . 𝑢 ⃗
⃗ = 0𝐸 et 0𝐾 . 𝑓(𝑢 ⃗
⃗ ) = 0𝐹
déf. Soit 𝑓: 𝐸 → 𝐹 une application linéaire.
Alors, l’ensemble: { 𝑓(𝑥 ) ; 𝑥 ∈ 𝐸 } est un s.e.v. de F [vérifier] . On le note par 𝐼𝑚 𝑓 (image de f )
L’ensemble:{𝑥 ∈ 𝐸 𝑡. 𝑞. 𝑓(𝑥 ) = ⃗0𝐹 } est un s.e.v. de E [vérifier]. On le note par 𝐾𝑒𝑟𝑓 (noyau de 𝑓)
L’ensemble des applications linéaires de 𝐸 → 𝐹 est noté par ℒ(𝐸, 𝐹).
Théorème :
⃗𝐸 }
f injective ⇔ 𝐾𝑒𝑟𝑓 = {0
f surjective ⇔ 𝐼𝑚 𝑓 = 𝐹
preuve :
. supposons f injective ; soit 𝑥 ∈ 𝐾𝑒𝑟𝑓 , 𝑓(𝑥 ) = ⃗0𝐹 = 𝑓(0 ⃗ 𝐸 ) , d’où 𝑥 = ⃗0𝐸
. supposons que 𝐾𝑒𝑟𝑓 = {0 ⃗ 𝐸 } ; soit 𝑢
⃗ et 𝑣 deux vecteurs de E tels que f (𝑢⃗ ) = f (𝑣 ) ;
alors, f (𝑢 ⃗ 𝐹 ce qui signifie que 𝑢
⃗ -𝑣 )= 0 ⃗ -𝑣 appartient à 𝐾𝑒𝑟𝑓 , d’où 𝑢 ⃗ 𝐸 ou 𝑢
⃗ -𝑣 = 0 ⃗ =𝑣
B) MATRICES
1. Définitions
Soit 𝐾 un corps .On appelle matrice de type (p,q) (ou, plus simplement matrice p×q ) un
tableau rectangulaire d’éléments de K :
𝑎11 𝑎12 ⋯ 𝑎1𝑞
𝑎21 𝑎22 ⋯ 𝑎2𝑞
𝐴=( ⋮ ⋮ ⋮ ⋮ ) ( p = nb de lignes et q = nb de colonnes )
𝑎𝑝1 𝑎𝑝2 ⋯ 𝑎𝑝𝑞
. l’élément 𝑎𝑖𝑗 s’appelle coefficient de la matrice A ; il est situé à l’intersection de la ième ligne et de
la jème colonne
. une matrice diagonale est une matrice carrée dont tous les coefficients 𝑎𝑖𝑗 = 0 , ∀𝑖 ≠ 𝑗
2
. une matrice symétrique est une matrice carrée 𝐴 telle que 𝑎𝑖𝑗 = 𝑎𝑗𝑖 , ∀𝑖 et 𝑗 . Donc,
𝐴 symétrique ⇔ 𝐴 = 𝑡𝐴
1 0 ⋯ 0
0 1 ⋯ 0
. matrice unité : c’est la matrice 𝑛 × 𝑛 : 𝐼𝑛 = ( )
⋮ ⋮ ⋱ ⋮
0 0 … 1
L’ensemble des matrices p×q à coefficients appartenant au corps K est noté par 𝓜𝒑,𝒒 (𝑲)
Définissons aussi une loi externe (ou multiplication par un scalaire) : ∀𝜆 ∈ 𝐾 et 𝐴 ∈ ℳ𝑝,𝑞 (𝐾) ,
𝜆𝑎11 𝜆𝑎12 ⋯ 𝜆𝑎1𝑞
𝜆𝑎21 𝜆𝑎22 ⋯ 𝜆𝑎2𝑞
𝜆𝐴 =
⋮ ⋮ ⋮ ⋮
(𝜆𝑎𝑝1 𝜆𝑎𝑝2 ⋯ 𝜆𝑎𝑝𝑞 )
Muni de ces deux lois, ℳ𝑝,𝑞 (𝐾) est un K-espace vectoriel [vérifier les axiomes EV1-EV8 ] ,
le vecteur nul est la matrice nulle (ç.à.d. la matrice p×q dont tous les coefficients sont nuls) ,
l’opposé de 𝐴 est la matrice −𝐴
Prenons un exemple : 𝑝 = 2 , 𝑞 = 3 , 𝐾 = ℝ
1 0 0 0 1 0 0 0 1
Soit les matrices : 𝐸11 = ( ) , 𝐸12 = ( ) , 𝐸13 = ( ) , 𝐸21 =
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
( ) , 𝐸22 = ( ) , 𝐸23 = ( )
1 0 0 0 1 0 0 0 1
Alors, (𝐸11 , 𝐸12 , 𝐸13 , 𝐸21 , 𝐸22 , 𝐸23 ) est libre et générateur de ℳ2,3 (ℝ) [ à montrer !]
On en déduit que 𝑑𝑖𝑚ℳ2,3 (ℝ) = 6
3
On démontre de manière analogue que dans le cas général (p et q quelconques), 𝑑𝑖𝑚ℳ𝑝,𝑞 (𝐾) =
𝑝. 𝑞
Soit 𝐴 = (𝑎𝑖𝑗 ) une matrice p x q et 𝐵 = (𝑏𝑖𝑗 ) une matrice q x r ; par définition, le produit de A
𝑞
par B est la matrice 𝐶 = (𝑐𝑖𝑗 ) telle que 𝑐𝑖𝑗 = ∑𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 , ∀𝑖 = 1 , 2 , . . . , 𝑝 et ∀𝑗 =
1 , 2 , . . . , 𝑟 ; 𝐴. 𝐵 est donc une matrice p x r
Propriétés du produit
. A(B+C) = AB+AC
. (A+B)C = AC+BC
déf.
Autrement dit, la matrice de f relativement aux bases 𝐵 et 𝒞 est la matrice p x q A dont la jème
colonne , ∀𝑗 = 1 , . . . , 𝑞 est constituée par les composantes de 𝑓(𝑒𝑗 ) dans la base (𝜀𝑖 )1≤𝑖≤𝑝
𝑞 𝑞 𝑞 𝑞
𝑥 = ∑𝑗=1 𝑥𝑗 𝑒𝑗 ⇒ 𝑓(𝑥 ) = 𝑓(∑𝑗=1 𝑥𝑗 𝑒𝑗 ) = ∑𝑗=1 𝑓(𝑥𝑗 𝑒𝑗 ) = ∑𝑗=1 𝑥𝑗 𝑓(𝑒𝑗 ) ; or 𝑀ℬ,𝒞 (𝑓) = 𝐴 ⇒
𝑝 𝑞 𝑝 𝑝 𝑞
𝑓(𝑒𝑗 ) = ∑𝑖=1 𝑎𝑖𝑗 𝜀𝑖 d’où : 𝑓(𝑥 ) = ∑𝑗=1 𝑥𝑗 [∑𝑖=1 𝑎𝑖𝑗 𝜀𝑖 ] = ∑𝑖=1 [∑𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ]𝜀𝑖 (1) D’autre
𝑝
part, puisque 𝑦 ∈ 𝐹 , 𝑦 = ∑𝑖=1 𝑦𝑖 𝜀𝑖 (2)
𝑞
(1) et (2) ⇒ 𝑦𝑖 = ∑𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ∀𝑖 = 1,2, . . . , 𝑝 (3)
𝑦1
𝑦2
Posons : 𝑌 = ( ⋮ ) matrice colonne des composantes de 𝑦 dans la base (𝜀1 , 𝜀2 , . . . , 𝜀𝑝 ) et
𝑦𝑝
𝑥1
𝑥2
𝑋 = ( ⋮ ) matrice colonne des composantes de 𝑥 dans la base (𝑒1 , 𝑒2 , . . . , 𝑒𝑞 ) ; alors (3)
𝑥𝑞
s’écrit sous forme matricielle : 𝒀 = 𝑨𝑿 : c’est l’écriture matricielle de l’application linéaire 𝑓 .
3) Matrices inversibles
Déf. Une matrice carrée 𝐴 ∈ ℳ𝑛 (𝐾) est dite inversible s’il existe 𝐵 ∈ ℳ𝑛 (𝐾) telle que 𝐴. 𝐵 =
𝐵. 𝐴 = 𝐼𝑛 où 𝐼𝑛 est la matrice unité. La matrice 𝐵 lorsqu’elle existe, est unique. On la note par
𝐴−1 .
L’ensemble des matrices carrées 𝑛 × 𝑛 inversibles à coefficients ∈ 𝐾 est noté 𝐺𝐿(𝑛, 𝐾) .
4) Changement de base
Soit E un K-espace vectoriel de dimension 𝑛 , 𝐵 = (𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ) et 𝐵′ =
(𝑒1′ , 𝑒2′ , . . . , 𝑒𝑛′ ) deux bases de E ; supposons connues les composantes des 𝑒𝑗′ dans la base
(𝑒𝑖 )1≤𝑖≤𝑛 :
⋮
𝑒𝑛′ = 𝑐1𝑛 𝑒1 + 𝑐2𝑛 𝑒2 + . . . +𝑐𝑛𝑛 𝑒𝑛
5
Théorème :
Soit ℬ= (𝑒𝑖 )1≤𝑖≤𝑛 et ℬ’= (𝑒𝑖′ )1≤𝑖≤𝑛 deux bases de E et soit 𝑃 = (𝑐𝑖𝑗 ) la matrice de passage de ℬ
à ℬ’ ; Si 𝑥 est un vecteur quelconque ∈ 𝐸 , on a : 𝑥 = ∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 et 𝑥 = ∑𝑛𝑗=1 𝑥𝑗′ 𝑒𝑗′
∑𝑛𝑗=1 𝑥𝑗′ 𝑒𝑗′ = ∑𝑛𝑗=1 𝑥𝑗′ [∑𝑛𝑖=1 𝑐𝑖𝑗 𝑒𝑖 ] = ∑𝑛𝑖=1 [∑𝑛𝑗=1 𝑐𝑖𝑗 𝑥𝑗′ ]𝑒𝑖 ⇒
Théorème :
Soit : 𝑓 ∈ ℒ(𝐸, 𝐹) avec dimE = q et dimF= p , 𝐵 = (𝑒𝑖 )1≤𝑖≤𝑞 et ℬ′ = (𝑒𝑖′ )1≤𝑖≤𝑞 deux bases de 𝐸 ,
𝒞= (𝜀𝑗 )1≤𝑗≤𝑝 et 𝒞’= (𝜀𝑗′ ) deux bases de F , 𝑃 la matrice de passage de ℬ à ℬ’ , 𝑆 la
1≤𝑗≤𝑝
matrice de passage de 𝒞 à 𝒞’ , 𝐴 = 𝑀ℬ,𝒞 (𝑓) , 𝐴′ = 𝑀ℬ′ ,𝒞 ′ (𝑓) . Alors : 𝑨′ = 𝑺−𝟏 . 𝑨. 𝑷
Démons.
Soit 𝑥 ∈ 𝐸 et soit 𝑦 = 𝑓(𝑥) ; on a : 𝑋 = 𝑃𝑋 ′ , 𝑌 = 𝑆𝑌′ et 𝑌 = 𝐴𝑋 d’où :
𝑆𝑌 ′ = 𝐴𝑃𝑋 ′ ⇒ 𝑌 ′ = 𝑆 −1 𝐴𝑃𝑋′ , ce qui fait que 𝐴′ = 𝑆 −1 . 𝐴. 𝑃 .
Corollaire :
Soit 𝐸 un e.v. de dimension 𝑛 , ℬ et ℬ’ deux bases de 𝐸 , 𝑃 la matrice de passage de ℬ à ℬ’ ,
𝑓: 𝐸 → 𝐸 un endomorphisme , 𝐴 = 𝑀ℬ (𝑓) ; alors 𝑀ℬ′ (𝑓) = 𝑃−1 . 𝐴. 𝑃 ou : 𝑨′ = 𝑷−𝟏 . 𝑨. 𝑷
il suffit d’appliquer le théorème pour 𝐹 = 𝐸 , 𝐵 = 𝒞 , ℬ’=𝒞’ (car 𝑓 endomorphisme) ; dans ce
cas, 𝑆 = 𝑃 et on a 𝐴′ = 𝑃−1 . 𝐴. 𝑃
1) Définition
6
Soit 𝐾 = ℝ ou ℂ et 𝐴 ∈ ℳ𝑛 (𝐾) [rappelons que ℳ𝑛 (𝐾) désigne l’ensemble des matrices carrées
𝑛 × 𝑛 à coefficients appartenant à 𝐾 ]
𝑎11 𝑎12
Ainsi par exemple, si 𝑛 = 2 , 𝐴 = (𝑎 𝑎22 ) , det(𝐴) = (−1)
1+1
𝑎11 det(𝑀11 ) +
21
𝑎11 𝑎12
(−1)1+2 𝑎12 det(𝑀12 ) = 𝑎11 𝑎22 − 𝑎12 𝑎21 qu’on note par |𝑎 |
21 𝑎22
= . . . .
= 𝑎11 𝑎22 𝑎33 − 𝑎11 𝑎32 𝑎23 -𝑎12 𝑎21 𝑎33 +𝑎12 𝑎31 𝑎23 +𝑎13 𝑎21 𝑎32 -𝑎13 𝑎31 𝑎22
Théorème
Soit 𝐴 ∈ ℳ𝑛 (𝐾) .
∀𝒊 = 𝟏 , 𝟐 , . . . . , 𝒏 𝒅𝒆𝒕(𝑨) = ∑𝒏𝒋=𝟏 (−𝟏)𝒊+𝒋 𝒂𝒊𝒋 𝒅𝒆𝒕(𝑴𝒊𝒋 ) (2)
Cette formule est appelée formule de développement de det(𝐴) suivant la i-ème ligne. On voit
que la formule (1) n’est autre que la formule de développement de det(𝐴) suivant la 1ère ligne.
P1 : det(𝐼𝑛 ) = 1
P2 : Si dans une matrice on permute deux lignes, le déterminant change de signe.
P3 : Si une matrice a une ligne identiquement nulle, alors son déterminant est nul.
P4 : Si une matrice a deux lignes égales, son déterminant est nul.
P5 : Si dans une matrice on ajoute à une ligne un multiple d’une autre ligne, le déterminant ne
change pas.
P6 : det(𝐴) = det( 𝑡𝐴 )
P7 : det(𝐴. 𝐵) = det(𝐴) . det(𝐵)
Remarque : la propriété P6 implique que toute propriété qui concerne les lignes est aussi vraie
pour les colonnes
Théorème
Soit 𝐴 ∈ ℳ𝑛 (𝐾) .
3) Calcul de 𝑨−𝟏
déf. Soit 𝐴 = (𝑎𝑖𝑗 ) ∈ ℳ𝑛 (𝐾) . On appelle cofacteur de 𝑎𝑖𝑗 le scalaire : (−1)𝑖+𝑗 det(𝑀𝑖𝑗 )
𝑐11 . . . . 𝑐1𝑛
déf. Posons 𝑐𝑖𝑗 = (−1) det(𝑀𝑖𝑗 ) . La matrice (𝑐𝑖𝑗 ) = ( ⋮
𝑖+𝑗 ⋮ ⋮ ) est appelée
𝑐𝑛1 ⋯ 𝑐𝑛𝑛
comatrice de 𝐴 ( c’est donc la matrice des cofacteurs ) . On la note par : 𝑐𝑜𝑚(𝐴) .
Théorème
Soit 𝐴 ∈ ℳ𝑛 (𝐾) ; 𝐴 . 𝑡𝑐𝑜𝑚(𝐴) = 𝑡𝑐𝑜𝑚(𝐴). 𝐴 = det(𝐴) . 𝐼𝑛 et si 𝐴 est inversible, on a :
−𝟏 𝟏 𝒕
𝑨 = 𝒄𝒐𝒎(𝑨)
𝐝𝐞𝐭(𝑨)
Preuve
Si 𝑖 ≠ 𝑗 , ∑𝑘=𝑛
𝑘=1 𝑎𝑖𝑘 (−1)
𝑗+𝑘
det(𝑀𝑗𝑘 ) est le développement suivant la jème ligne du
𝑎11 𝑎12 ⋯ 𝑎1𝑛
⋮ ⋮ ⋮ ⋮
| 𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑛 |
déterminant : ⋮ ⋮ ⋮ ⋮ ; dans ce déterminant, la ième ligne et la jème ligne sont
𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑛
| |
⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛
égales , donc ce déterminant est nul.
En résumé,
det(𝐴) , 𝑠𝑖 𝑖 = 𝑗
𝛽𝑖𝑗 = {
0 , 𝑠𝑖 𝑖 ≠ 𝑗
det(𝐴) 0 ⋯ 0
0 det(𝐴) ⋯ 0
D’où : 𝐴 . 𝑡𝑐𝑜𝑚(𝐴) = (𝛽𝑖𝑗 ) = ( ) = det(𝐴) . 𝐼𝑛
⋮ ⋮ ⋮ ⋮
0 0 ⋯ det(𝐴)
𝑡
De la même façon, on montre que 𝑐𝑜𝑚(𝐴). 𝐴 = det(𝐴) . 𝐼𝑛
1 1 1
Donc, 𝐴. det(𝐴) 𝑡𝑐𝑜𝑚(𝐴) = 𝐼𝑛 et det(𝐴)
𝑡
𝑐𝑜𝑚(𝐴). 𝐴 = 𝐼𝑛 ⇒ 𝐴−1 = det(𝐴) 𝑡
𝑐𝑜𝑚(𝐴)
8