Université Abdelmalek Esaâdi Faculté polydiciplinaire
Tetouan
Professeur Dr. Hossain Yakhlef
1. Espaces vectoriels et systèmes linéaires :
a. Espaces vectoriels. Sous espaces vectoriels .
b. Independence linéaire. Base et dimension, Combinaison linéaire, Somme directe.
Coordonnés.
c. Résolution des systèmes linéaires.
2. Application linéaire :
a. Type de matrice important. Rang, déterminant, matrice inverse.
b. Application linéaire. Application linéaire et indépendance linéaire.
c. Isomorphismes et coordonnés. Représentation matricielle d’une application linéaire, changement de base.
3. Espace muni d’un produit scalaire
a. Produit scalaire, Norme, Orthogonalité.
b. Projection orthogonal.
c. Base orthonormale, Méthode de Gram Schmidt changement de base orthonormales.
d. Diagonalisation orthogonal. Matrice symétrique.
Chapitre 1 :
Espace vectoriels et systèmes linéaires.
I Espaces vectoriels. Sous espaces vectoriels A) Espace vectoriel
1 –Définition
Soit V un ensemble muni de deux lois : +, .
1) Loi interne + :
∀ v , w ∈ V ,
on av + w ∈ V ,
2) Loi externe. :
∀ v ∈ V , ∀ k ∈ ℜ ,
on ak . v ∈ V ,
Exemple
2
; ℜ
=
V
ℜ ² = ℜ × ℜ = { ( ) x , y : x , y ∈ ℜ }
V est un espace vectoriel muni des lois
+ ,
.+ :
( ) ( ) ( x , y + z , w = x + z , y + w )
. :
k . ( x , y ) ( = k . x , k . y )
De plus, l’espace vectoriel vérifie une série de propriétés.
3)
u + v = v + u
∀ u , v ∈ V
4)
∃ 0 ∈ V ;
0 + u = u + 0 = u
∀ u ∈ V
.5)
∀ u ∈ V ,
∃ w ∈ V
(on la note aussi− u
), tel queu + w = 0
6)
( u + v ) + w = u + ( v + w ) ;
∀ u , v , w ∈ V
7)
( a ∗ b ) . v = a . ( ) b . v
∀ a , b ∈ ℜ ; v ∈ V
8)
a . ( u + v ) = a . u + a . v
∀a ∈ ℜ
,u , v ∈ V
9)
( a + b ). u = a . u + b . u
∀ a ; b ∈ ℜ ,
u ∈ V
10)
1 . u = u
∀ u ∈ V
Exemple :
I.
( ℜ
2, + ′ ,. )
munis des lois interne et externe définis a continuation, est‐il unespace vectoriel ?
+′ :
( ) ( x , y +′ z , w ) ( = x − z , y + w )
. :
a . ( x , y ) ( = ax , ay )
‐ Vérifiez les autres propriétés.
II. On définit l’ensemble
⎩ }
⎨ ⎧
ℜ
⎟⎟ ∈
⎠
⎜⎜ ⎞
⎝
= ⎛ a b c d
d c
b
M
2a : , , ,
.On vérifie que
( M
2, + ,. )
est un espace vectoriel.1)
⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
+ +
+
= +
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
h d g c
f b e a h
g f e d
c b
: a
2).
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
d k c k
b k a k d
c b k a
. .
.
: .
‐ Vérifions les autres propriétés :
3)
u + v = v + u ?
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ +
+
= +
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ +
+
= +
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
d c
b a h
g f e d
h c g
b f a e
h d g c
f b e a h
g f e d
c b a
4)Existe t – il l’élément neutre (
∃ ? 0
) tel que0 + u = u + 0
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
0 0
0 0 0
0 0 0
d c
b a d
c b a
5)
u + ( − u ) = 0
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
−
−
− + −
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
0 0
0 0 d
c
b a
d c
b a
6)
( u + v ) + w = u + ( v + w )
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ + +
+
+ + +
= +
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ +
+ + +
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ +
+ +
l h d k g c
j f b i e a
l h k g
j b i e d
c b a l
j j i h d g c
f b e a
7)
( a × b ). v = a .( b . v )
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
×
×
×
= ×
⎟⎟ ⎠
⎜⎜ ⎞
⎝
× ⎛
) . .(
) . .(
) . .(
) . .(
).
( ).
(
).
( ).
(
1 1
1 1
1 1
1 1
1 1
1 1
d b a c b a
b b a a
b a d
b a c b a
b b a a
b a d
c b b a
a
⎟⎟
⎠
⎜⎜ ⎞
⎝
= ⎛
1 1
1 1
. .
. . .
d b c
b
b b a
a b
8)
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎥ ⎦
⎢ ⎤
⎣
⎡ ⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
h g
f a e
d c
b a a
h g
f e d
c b
a . a . .
9)
( ) ⎟⎟
⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
1 1
1 1 1
1 1 1 1
1 1
1
. .
. c d
b b a
d c
b a a
d c
b b a
a
10)
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
d c
b a d
c b . a
1
Exercice :
On considère l’ensemble
∈ ℜ }
⎩ ⎨
⎧ ⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
′ b c d
d c
M 1 b : , ,
2 et on définit la loi interne
par
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
hd cg
bf h
g f d
c
b 1 2
: 1
Vérifiez que
⎟
⎠ ⎞
⎜ ⎝
⎛ ′ +
,.
2
,
M
est un espace vectorielB) Sous espaces vectoriels
Définition
Soit V un espace vectoriel. W Un ensemble inclus dans E (W ⊂V ).
W est un sous espace vectoriel de V si seulement si :
W v a W
v a
W v u W
v u
∈
∈ ℜ
∈
∀
∈ +
∈
∀
. ,
, , ,
Remarque
Les propriétés 3‐10 sont satisfaites du fait que
W ⊆ V
Exemple :u + v = v + u
caru , v ∈ W ⊂ V .
Exemple
1)
V = ℜ
2,
W = { x ; 1 } : x ∈ ℜ ) .
W est un sous espace vectoriel.
2)
V = ℜ
2,
W = { ( ) x , 1 : x ∈ ℜ }
( ) ( ) ( x , 1 + y , 1 = x + y , 2 ) ∉ W
W n’est pas un sous espace vectoriel.
3)
}
⎩ ⎨
⎧ ⎟⎟ ∈ ℜ
⎠
⎜⎜ ⎞
⎝
= ⎛ a b c
c b
M a 0 : , ,
Vérifiez que
( M ,+ ,. )
est un sous espace vectoriel⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
+ +
= +
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
g c f b
e a g
f e c
b
a 0 0 0
:
.
⎟⎟
⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
c
b
a
a a c
b
a a 0 0
:
2
II Independence linéaire. Base et dimension
A) Combinaison linéaire Définition
Soient
u
1, u
2,..., u
n∈ V
eta
1, a
2,..., a
n∈ ℜ
.On appelle
v = a
1u
1, a
2u
2,..., a
nu
n combinaison linéaire deu
1, u
2,..., u
n.
Exemple 1 :
Le vecteur
( 1 , 2 , 4 )
Est‐il une combinaison linéaire de( ) 1 , 1 , 1
et( 0 , 1 , 3 )
? On doit trouvera
1, a
2∈ ℜ
tel que :( 1 , 2 , 4 ) = a
1( ) 1 , 1 , 1 + a
2( 0 , 1 , 3 )
.C.‐à‐d. :
( a
1, a
1, a
1) ( + 0 , a
2, 3 a
2) ( = 1 , 2 , 4 )
⎩⎨⎧
=
⇒
= +
⇒ =
1 2
1
2 2
1
1
a a
a
a
Exemple 2 :
Le vecteur
( 1 , 2 , 4 )
Est‐il une combinaison linéaire de( 0 , 1 , 1 )
et( 0 , 1 , 3 )
?Non, En effet supposons le contraire, c.à.d. que
( 1 , 2 , 4 ) = a
1( 0 , 1 , 1 ) + a
2( 0 , 1 , 3 )
et parsuite on a 1 = a1.0 + a2.0 = 0 (absurde).
B) Independence linéaire Définition
o Les vecteurs
u
1, u
2,..., u
n∈ V
sont linéairement indépendants si seulement si :[ a
1u
1+ a
2u
2+ ... + a
nu
n= 0 ⇒ a
1= a
2= ... = a
n= 0 ]
o Les vecteurs
u
1, u
2,..., u
n∈ V
sont linéairement dépendants s’ils existentℜ
n
∈ a a
a
1,
2,...,
non tous nul (au moins un scalaire différent de zéro), tel que :a
1u
1, a
2u
2,..., a
nu
n= 0
Exemple :
1)
( ) 1 , 1
est( ) 1 , 0
sont‐ils linéairement indépendant. ?( ) ( ) ( ) 0
0 0 0
, 0 0 , 1 1
,
1
21 2 1 2
1
⇒ =
⎩ ⎨
⎧
=
=
⇒ +
=
+ a
a a a a
a
Et par suite
( a
1, a
2) ( ) = 0 , 0
.2)
a
1( ) 4 , 0 + a
2( ) 0 , 1 + a
3( ) 2 , 3 = 0 ⇒ ( 4 a
1+ 2 a
3, a
2+ 3 a
3) = 0
⎪⎩
⎪ ⎨
⎧
−
=
−
=
−
⇒ =
⎩ ⎨
⎧
= +
=
⇒ +
3 2
3 3
1 3
2
3 1
3 2
1 4
2 0
3
0 2
4
a a
a a
a a
a
a a
3 1 2
2 1 3
−
=
−
=
= a a a
Ainsi, on a trouvé
( a
1, a
2, a
3) ( = − 1 , − 3 , 2 )
tel que( ) 4 , 0
2( ) 0 , 1
3( ) 2 , 3 0
1
+ a + a =
a
Donc
(
4,0) ( ) (
, 0,1 , 2,3)
sont linéairement dépendant.C) Système générateur.
Définition
On dit que
{ u
1, u
2,.... , u
n}
est un système générateur deV
, si pour tout élémentv∈ V
on a v=α1u1+α2u2+...+αnun, avecα1,α2,...αn∈ℜ.Exemple :
1)
( ) x , y = x ( 1 , 0 ) + y ( ) 0 , 1
Donc {(1 , 0 ) (; 0 ,1 )}est un système générateur.
2)
{ ( ) 1 , 0 , ( ) ( ) } 0 , 1 , 1 , 1
est un système générateur deℜ ²
car
( ) ( ) ( ) ( ) x , y = x 1 , 0 + y 0 , 1 + z 1 , 1
3)
{ ( )
1,0}
n’est pas un système générateur.
D) Base.
Définition :
Une base est un système générateur linéairement indépendant.
Théorème :
Tout espace vectoriel admet une base.
E) Dimension
Définition :
La dimension de l’espace vectoriel V est le nombre de vecteurs que contient une base.
Exemple :
On considère l’espace vectoriel
⎭ ⎬
⎫
⎩ ⎨
⎧ ⎟⎟ ⎠ ∈ ℜ
⎜⎜ ⎞
⎝
= ⎛ a b c d
d c
b
M
2a , , , ,
.o
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
1 0
0 0 0
1 0 0 0
0 1 0 0
0 0
1 b c d
d a e
b a
⎭ ⎬
⎫
⎩ ⎨
⎧ ⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
= ⎛
1 0
0 , 0
0 1
0 , 0
0 0
1 , 0
0 0
0 1
est un système générateur de
M
2.
o
⎟⎟
⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
0 0
0 0 1
0 0 0 0
1 0 0 0
0 1 0 0
0 0
1 y z t
x
⎪ ⎪
⎩
⎪ ⎪
⎨
⎧
=
=
=
=
⇒
0 0 0 0
t z y x
Donc
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎛
1 0
0
; 0 0 1
0
; 0 0 0
1
; 0 0 0
0 1
sont linéairement indépendants.
Finalement,
⎭ ⎬
⎟⎟ ⎫
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎛
⎩ ⎨
⎧ ⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
1 0
0
; 0 0 1
0
; 0 0 0
1
; 0 0 0
0 1
alors est une base de
M
2, et ona dim(
M
2)=4.Définition
Soit
B = { u
1, u
2,.... u
3}
une base de V. donc∀ v ∈ V
tel on an n
u x u
x u x
v =
1 1+
2 2+ ... +
.x
nx
x
1,
2,....
s’appellent les coordonnés du vecteurv
dans la base B.Exemple :
On considère le système
{ ( ) 1 , 1 , ( )} 1 , − 1
. On a( ) ( ) ( ) x , y = a 1 , 1 + b 1 , − 1
, et par suite⎪ ⎪
⎩
⎪⎪ ⎨
⎧
⎪ ⎩
⎪ ⎨
⎧
⎪ ⎩
⎪ ⎨
⎧
= −
= +
− ⇒
= +
⇒ =
=
−
= +
2 2 2
2
y b x
y a x
y x b
y x a y
b a
x b a
Ainsi,
( ) ( ) (
1, 1)
1 2 , 2 1
, = x + y + x − y −
y
x .
Conclusion :
( ) ( )
{
1 ,1 , 1 , − 1}
est un système générateur.On suppose que
( ) ( ) ( )
⎩ ⎨
⎧ ⇒ = =
=
−
=
⇒ +
=
−
+ 0
0 0 0
, 0 1
, 1 1
,
1 a b
b a
b b a
a
.Par suite
(
1 ,1) (
, 1 , − 1)
sont linéairement indépendants.Finalement,
{ (
1,1) (
, 1,− 1) }
est une base deℜ
2.Exemple :
Considérons
}
⎩ ⎨
⎧ ⎟⎟ ⎠ ∈ ℜ
⎜⎜ ⎞
⎝
= ⎛ a b c d
d c
b
M
4a : , , ,
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛
1 0
0 0 0
1 0 0 0
0 1 0 0
0 0
1 b c d
d a c
b a
.
Les coordonnés de ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
d c
b
a dans la base
⎭⎬
⎫
⎩⎨
⎧ ⎟⎟⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎛
1 0
0 , 0
0 1
0 , 0
0 0
1 , 0
0 0
0
1
sont
(
a , b , c , d)
.Remarque :
Tout espace vectoriel de dimension n est « équivalent » à
ℜ
n.Exemple 1 :
Dim
ℜ
2= 2 .
Soit V un espace vectoriel de dimension n, donc il admet une base
{ u u u
n}
B =
1,
2,...
. Donc,
V v ∈
∀ v = x
1u
1+ x
2u
2+ .... + x
nu
n. On considèreℜ
net y un vecteurx ∈ ℜ
n.( 1 , 0 ,...., 0 )
2( 0 , 1 ,.... 0 ) ... ( 0 , 0 ,..., 1 )
1
x x
nx
x = + + +
( x
1, x
2,..., x
n)
=
.Donc on peut identifier V avec
ℜ
n.Exemple 2 :
o
V = M
2 ,⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝ + ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
1 0
0 0 0
1 0 0 0
0 1 0 0
0 0
1 b c d
d a c
b
v a
o
x ∈ ℜ
4( 1 , 0 , 0 , 0 ) ( 0 , 1 , 0 , 0 ) ( 0 , 0 , 1 , 0 ) ( 0 , 0 , 0 , 1 )
) , , ,
( a b c d a b c d
x = = + + +
⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
d c
b v a
2 2
2
2 2
2 x = 2(a, b, c, d)= (2a, 2b, 2c, 2d)
⇔ ⎟⎟ ⎠
⎜⎜ ⎞
⎝
= ⎛
d c
b v a
2 2
2
2 2
Définition :
Soient
w
1, w
2 deux sous espaces vectoriels de V. la somme directe :{
1 2 1 1 2 2}
2
1
w v V : v V V / v w ; v w
w ⊕ = ∈ = + ∈ ∈
Exemple :
ℜ
3=
V
( )
{ , 0 , 0
3} ;
1
= x ∈ ℜ
w
w
2= { ( 0 , 0 , z ) ∈ ℜ
3} ;
2
1
w
w ⊕
Plan XZ ={ ( x , 0 , z ) ∈ ℜ
3; x , z ∈ ℜ }
. Remarque :2 1 2
1
w w w
w ⊕ ≠ ∪
Définition :
On considère un ensemble des vecteurs
{
u1 , u 2 ,.... u n}
⊂ V . On appelle le rang de{
u1,u 2 ,.... u n}
au nombre maximal de vecteurs indépendantsdans
{
u 1 , u 2 ,.... u n}
.Exemple :
( ) ( ) ( )
{ 1 , 0 , 0 , 1 , 1 , 1 } ⊂ V = ℜ
2o (1,0), (0,1) sont deux vecteurs indépendants o (1,0), (0,1), (1,1) sont dépendants.
Rang
{ ( ) ( ) ( ) 1 , 0 , 0 , 1 , 1 , 1 } = 2
Exemple :
⎭⎬
⎫
⎩⎨
⎧ ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
⎟⎟ ⎛
⎠
⎜⎜ ⎞
⎝
= ⎛
1 2
2 , 2
0 1
1 , 1
1 0
1 , 0
1 0
0
S 1
On peut vérifier que rang(S)=3.
Remarque :
Rang
{ u
1,... u
n} ≤
Dim V.Définition :
Soit
A ∈ M
n,m . On appelle le rang de A égale au nombre maximal de ligne ou colonne linéairement indépendant. (Les lignes sont vues comme n‐vecteurs deℜ
n )et (Les colonnes sont vues comme m‐vecteurs de
ℜ
m ).Exemple :
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
1 1
1 0
0 1
A
3 vecteur de
ℜ
3 ; 2 vecteur deℜ
2Rang
A ≤
min{ n , m } = 2
Rang (A)=2 2‐
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
0 0
0 0
0 1
A Rang (A)=1.
3‐ METHODE DE GAUSS :
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
× +
−
−
× +
−
−
−
=
⎟ ≈≈
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
−
−
−
−
−
−
=
1 1 2 2
1 2
2 1 1
u u
u u
u A
u u u A
n n
n α
α ,
( )
A1 Rg(
A2)
Rg =
C) Résolution des systèmes linéaires.
Un système de n‐équations et m‐variables inconnues, est un ensemble des équations de la forme
⎪ ⎪
⎩
⎪ ⎪
⎨
⎧
= +
+ +
= +
+ +
= +
+ +
n m nm n
n
m nm
m nm
b x a x
a x a
b x a x
a x a
b x a x
a x a
...
...
...
...
...
...
...
...
2 2 1
1
2 2
22 1 21
1 2
12 1 11
ℜ
ij
∈
a
sont les coefficients du système linéaire,x
isont les inconnues et lesb
isontles termes indépendants.
Résoudre le système, c’est trouver les valeurs de
x
1, x
2,... x
m vérifiant les équations antérieurs.Les systèmes sont classifiés de la manière suivante :
‐
Système incompatible : s’il n’admet pas de solution.‐
Systèmes compatible : s’il admet au moins une solution.
Compatible déterminé : s’il admet un nombre fini de solution.
Compatible indéterminé : s’il admet un nombre infini de solution.
Exprimons le système sous sa forme matricielle:
Le système antérieur peut être écrit sous la forme matricielle suivante :
⎟⎟
⎟ ⎟
⎟
⎠
⎞
⎜⎜
⎜ ⎜
⎜
⎝
⎛
nm n
n
m m
a a
a
a a
a
a a
a
...
...
...
2 1
2 22
21
1 12
11
M M
M
M A X B
b b b
x x x
n m
=
=
⎟⎟
⎟ ⎟
⎟
⎠
⎞
⎜⎜
⎜ ⎜
⎜
⎝
⎛
=
2.
1 2
1
M
M
A est dite matrice du système
( )
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
=
n ij
b a
b B
A M
1
=
⎟⎟
⎟⎟
⎟
⎠
⎞
⎜⎜
⎜⎜
⎜
⎝
⎛
n nm n
n
m m
b b b
a a
a
a a
a
a a
a
M M
M M M
2 1
2 1
2 22
21
1 12
11
...
...
...
Théorème de Rouche‐Frobenius :
Le système AX=B est compatible
⇔
Rg( )
A = Rg(
A B)
De plus si le système est compatible, et soientr = Rg
( )
A = Rg(
A B)
, m le nombre de variable inconnues, alors1‐ Si r=m
⇒
le système est compatible et déterminé.2‐ Si r <m
⇒
le système est compatible et indéterminé, c.‐à‐d. qu’il admet un nombre infini de solutions dépendant de (m‐r) paramètres.Méthode de Gauss :
Si dans un système des équations linéaire,
‐ On inter change l’ordre des équations,
‐ On multiplie une équation par un scalaire non‐nul,
‐ On ajoute à une équation une combinaison linéaire des équations restante ; alors on obtient un système équivalent au système initial (les deux systèmes ont les mêmes solutions). Sur ces propriétés se base la méthode de Gauss.
Exemple 1:
⎟ ⎟
⎟
⎠
⎞
⎜ ⎜
⎜
⎝
⎛
−
−
−
⎟ ≈
⎟ ⎟
⎠
⎞
⎜ ⎜
⎜
⎝
⎛
−
−
−
⎪ →
⎩
⎪ ⎨
⎧
= + +
−
=
−
−
= + +
5 6 3
2 3 1
3 3 1
0 0 1
2 0 3
1 1 1
2 1 1
1 2 1
2 2
0 2
3
z y x
z y x
z y x
⎟ ⎟
⎟
⎠
⎞
−
⎜ −
⎜ ⎜
⎝
⎛
−
−
−
≈
1 6 3
1 0
3 3
0
1 1
1
⎪ ⎩
⎪ ⎨
⎧
=
=
=
⎪ →
⎩
⎪ ⎨
⎧
−
=
−
−
=
−
−
= + +
→
1 1 1
1 6 3
3
3
z y x
z z y
z y x
Exemple 2 :
⎟⎟
⎟⎟
⎟
⎠
⎞
− +
−
−
⎜⎜
⎜⎜
⎜
⎝
⎛
→
⎟⎟
⎟⎟
⎟
⎠
⎞
−
−
−
−
−
⎜⎜
⎜⎜
⎜
⎝
⎛
→
⎪⎪
⎩
⎪⎪
⎨
⎧
= +
+
=
− +
=
−
= + +
4 1 1 1
3 1
2 1
0 0 1 1
0 0 0 1
2 1 1 1
1 3 2 1
2 4 1 1
0 0 0 1
3 3 2
2
0 1
a a
az y
x
z y x
z x
z y x
⎟⎟
⎟⎟
⎟
⎠
⎞
−
−
−
−
⎜⎜
⎜⎜
⎜
⎝
⎛
→
a 1
1 1 1
0 1
2 1
0 0 1 1
0 0 0 1
i) Si a=1 (r = Rg
( )
A = Rg(
A B)
= 3 ) le système admet une seule solution.ii) Si
⎩⎨
⎧ →
=
≠ =
4 )
(
3 )
1 (
B rg
A
a rg le système est incompatible et il
n’admet pas de solution.
Chapitre 2
Application linéaire
I‐ Type de matrice
• : matrice triangulaire supérieure.
• : matrice triangulaire inférieure.
• ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛ 1 0
0
1 : matrice identité.
• Si A= AT : A est symétrique. Exemple : A= ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛ 3 2
2
1 .
• Si A=−AT :A est antisymétrique. Exemple : A= ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛
−1 0 1
0
• Si A*AT :I : A orthogonal. Exemple : A= ⎟⎟
⎠
⎜⎜ ⎞
⎝
⎛ −
1 1
1 1 2
1
• A est une matrice nilpotente d’indice n si A≠0 ,A2 ≠0,……,An−1≠0, An =0.
Exemple ⎟⎟
⎠
⎜⎜ ⎞
⎝
=⎛ 0 0
1
A 0
• Rang de A :
Rang(A) : le nombre maximal de ligne ou colonnes linéairement indépendants.
• Déterminant :
Pour calculer le déterminant,
12 21 12 11 22 21
12
det 11 a a a a
a a
a
a ⎟⎟= −
⎠
⎜⎜ ⎞
⎝
→ ⎛
Règlement de Sarrus :
32 23 11 31 23 12 32 21 13 33 22 11 33 32 31
23 22 21
13 12 11
det a a a a a a a a a a a a
a a a
a a a
a a a
− +
+
⎟=
⎟⎟
⎠
⎞
⎜⎜
⎜
⎝
⎛
Développer selon une ligne ou une colonne.
En utilisant la règle de Gauss