Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 44

fiche n°35 fiche n°35 (suite)

SYSTEMES D’EQUATIONS LINEAIRES Méthode du pivot de Gauss

Objectif : A l’aide d’opérations élémentaires, transformer le
système en un système triangulaire équivalent simple à résoudre.
Système de n équations linéaires à p inconnues Etape 1 : on choisit une ligne de référence que l’on met dans L1
a11 x1 + ... + a1 p x p = b1 (coefficient de x1 non nul et le plus simple possible), puis on

.................................... transforme toutes les lignes sauf L1 par Li ← αLi + βL1 (avec
a x + ... + a x = b
 n1 1 np p n α ≠ 0 ) pour annuler le coefficient de x1 dans Li .
Les x1 ,..., x p sont les inconnues. Etapes suivantes : Ensuite, on ne change plus L1 , et on
Les ai j et les bi sont les coefficien ts. recommence le même procédé avec l’inconnue x 2 sur le système
Une solution du système est un élément ( x1 ,..., x p ) de R p qui formé par L2 ,..., Ln , … et ainsi de suite jusqu’à ce que l’on ait
épuisé les lignes ou les inconnues.
vérifie toutes les équations.
Si, au cours de ces transformations, on trouve une équation de la
Système homogène
forme 0 x1 + ... + 0 x p = b :
Le système est homogène si ∀i bi = 0 . Il admet au moins une
solution (0,..., 0) . • Si b ≠ 0 , le système n’a pas de solution. Le processus s’arrête.
• Si b = 0 , on continue le processus en supprimant la ligne.
Système de Cramer
Ensemble des solutions
C’est un système carré (n = p ) qui admet une unique solution.
On se place dans le cas où l’on n’a pas trouvé S = ∅ .
Systèmes équivalents Si le système final est triangulaire, les termes de la diagonale étant
Deux systèmes sont équivalents s’ils ont le même ensemble de
non nuls (pivots), le système est un système de Cramer et on
solutions.
obtient la solution par substitution depuis la dernière ligne jusqu’à
Opérations élémentaires sur les lignes
• Echange de deux lignes : Li ↔ L j .
la première. On peut aussi effectuer des transformations
symétriques sur la matrice complétée pour obtenir une matrice de
• Ajout d’une autre ligne : Li ← Li + L j .
 1 L 0 b '1 
•Multiplication d’une ligne par un réel α ≠ 0 : Li ← αLi .  
la forme :  M O M M  .
Elles transforment un système en un système équivalent. 0 L 1 b' 
Il en est de même pour toute transformation de la forme :  n

Li ← αLi + β L j à condition que α ≠ 0 . Si le système final comporte moins d’équations que d’inconnues,
Matrice complétée du système on considère certaines inconnues comme « paramètres », et on
 a1 1 L a1 p b1  exprime les autres en fonction de celles-là. Le système a alors une
  infinité de solutions.
C’est la matrice des coefficients : A =  M O M M .
a 
 n 1 L an p bn 
Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 45

fiche n°36 fiche n°36 (suite)

ESPACES VECTORIELS Somme de deux sous-espaces vectoriels
La somme F + G = {u + v / u ∈ F et v ∈ G} de deux sous-espaces
Définition vectoriels de E est un sous-espace vectoriel de E.
Un ensemble E est un espace vectoriel sur K = R ou K = C s’il est muni La somme est directe (notée F ⊕ G ) si F ∩ G = {0 E }.
E×E → E F et G sont supplémentaires si F ⊕ G = E : tout vecteur de E se
d’une addition interne et d’une multiplication externe (à
(u , v) a u + v décompose de manière unique en u + v avec u ∈ F et v ∈ G .
K×E →E Sous-espace vectoriel engendré
opérateurs dans K) qui vérifient : Le sous-espace vectoriel engendré par les vecteurs u1 , …, un est
(α, u ) a αu
l’ensemble des combinaisons linéaires de ces vecteurs :
• ∀(u, v) ∈ E 2 u+v = v+u. n

•
3
∀(u, v, w) ∈ E (u + v ) + w = u + (v + w) . u ∈ Vect < u1 ,..., un >⇔ ∃(α1 ,..., αn ) ∈ K n u = ∑ α k uk .
k =1
• Il existe un unique élément (neutre) 0 E de E tel que : Famille génératrice
∀u ∈ E u + 0 E = 0 E + u = u Une famille ( u1 , …, un ) de vecteurs appartenant à un sous-espace
• Pour tout vecteur u de E, il existe un unique vecteur de E noté − u tel vectoriel F est génératrice de F si Vect < u1,...,un >= F , c’est-à-dire
que : u + (−u ) = (−u ) + u = 0 E si tout vecteur de F est combinaison linéaire de u1 , …, un .
• ∀u ∈ E 1u = u .
Toute famille qui contient une famille génératrice est génératrice.
• ∀α ∈ K ∀(u, v) ∈ E 2 α(u + v) = αu + αv . Si l’un des vecteurs d’une famille génératrice est combinaison
• ∀(α, β) ∈ K 2 ∀u ∈ E (α + β)u = αu + β u . linéaire des autres, la famille privée de ce vecteur est génératrice.
Famille libre
•∀(α, β) ∈ K 2 ∀u ∈ E α(β u ) = (αβ)u . Une famille ( u1 , …, un ) de vecteurs de E est libre si :
Propriété : αu = 0 E ⇔ α = 0 ou u = 0 E dans un espace vectoriel
∀(α1 ,..., α n ) ∈ K n α1u1 + ... + α n un = 0 E ⇔ α1 = ... = α n = 0 .
Exemples fondamentaux
Une famille (u1 ) est libre ssi u1 ≠ 0 E .
K n , A ( D, K ) (applications de D dans K), U = K N (suites
numériques), K [ X ] (polynômes), K n [ X ] (degré ≤ n ), Mn , p ( K ) et Une famille ( u1 , u2 ) est libre ssi u1 et u2 ne sont pas colinéaires.
Toute famille contenue dans une famille libre est libre.
Mn ( K ) (matrices).
La famille est libre ssi tout vecteur de Vect < u1,...,un > s’écrit de
Sous-espaces vectoriels
Une partie F d’un espace vectoriel E est un sous-espace vectoriel de E si manière unique comme combinaison linéaire de u1 , …, un .
et seulemenr si : Famille liée
• F ≠ Y. Une famille ( u1 , …, un ) de vecteurs de E est liée si elle n’est pas
• ∀α ∈ K ∀(u, v ) ∈ F 2 αu + v ∈ F libre, donc si : ∃(α1,..., α n ) ≠ (0,...,0) α1u1 + ... + α nun = 0 E .
Tout sous-espace vectoriel est un espace vectoriel. La famille est liée si et seulement si l’un des vecteurs est
Tout sous-espace vectoriel contient le vecteur nul 0 E . combinaison linéaire des autres.
Une intersection de sous-espaces vectoriels de E est un sous-espace Toute famille qui contient une famille liée (par ex. 0 E ) est liée.
vectoriel de E (donc non vide). C’est faux pour une réunion.
Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 46

fiche n°36 (suite) fiche n°36 (suite)

Base Familles de vecteurs d’un espace vectoriel de dimension n
Une famille ( u1 , …, un ) de vecteurs d’un sous-espace vectoriel F est • Toutes les bases ont n vecteurs.
une base de F si elle est libre et génératrice. • Toutes les familles libres ont au plus n vecteurs.
Une famille ( u1 , …, un ) est une base de F si et seulement si : • Toutes les familles génératrices ont au moins n vecteurs.

∀u ∈ F ∃!(α1,..., α n ) ∈ Rn u = α1u1 + ... + α nun . • Toute famille libre de n vecteurs est une base.

(α1,..., α n ) sont les coordonnées de u dans la base ( u1 , …, un ). • Toute famille génératrice de n vecteurs est une base.

Espace vectoriel « de dimension finie » • Toute famille libre peut être complétée en une base.

C’est un espace vectoriel qui a une famille génératrice finie. • De toute famille génératrice, on peut extraire une base.

Tout espace vectoriel E ≠ {0 E } de dimension finie admet une base.

Dimension d’un espace vectoriel
Théorème de la dimension : Si un espace vectoriel possède une base de n
vecteurs, toutes les autres bases ont n vecteurs.
Ce nombre n s’appelle la dimension de E : dim E = n .
Par convention : dim {0 E } = 0 .
Une droite vectorielle est un espace vectoriel de dimension 1.
Un plan vectoriel est un espace vectoriel de dimension 2.
Un hyperplan d’un espace vectoriel E de dimension n est un sous-espace
vectoriel de E de dimension n − 1 .
Bases canoniques
dim K n = n Base canonique : (1,0,...,0) , …, (0,0,...,1) .
dim K n [ X ] = n + 1 Base canonique : (1, X ,..., X n ) .
dim Mn , p ( K ) = np Base canonique : ( Ei , j )1≤ i ≤ n (où Ei , j est la matrice
1≤ j ≤ p

dont tous les éléments sont nuls sauf celui de la ligne i

et de la colonne j qui vaut 1)
Sous-espaces vectoriels d’un espace de dimension n
Si F est un sous-espace vectoriel de E : dim F ≤ dim E .
Et F = E si et seulement si : dim F = dim E .
dim( F + G ) = dim F + dim G − dim( F ∩ G ) .
F et G sont supplémentaires ssi F ∩ G = {0 E } et dim F + dim G = dim E .
Le rang de ( u1 , …, un ) est la dimension de Vect < u1,...,un > .
 Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy
fiche n°37
APPLICATIONS LINEAIRES
Définition
Soient E et F deux espaces vectoriels. Une application f de E dans
F est linéaire (ou est un homomorphisme) si :
∀α ∈ K ∀(u , v) ∈ E 2 f (αu + v) = αf (u ) + f (v)
Un endomorphisme de E est une application linéaire de E dans E.
Un isomorphisme est une application linéaire bijective de E dans F.
Un automorphisme de E est un endomorphisme bijectif de E.
Opérations sur les applications linéaires
La somme de deux applications linéaires est linéaire.
Le produit d’une application linéaire par un scalaire est linéaire.
L’ensemble L ( E , F ) des applications linéaires de E dans F et
l’ensemble L (E ) des endomorphismes de E munis de ces deux
opérations sont des espaces vectoriels.
La composée de deux applications linéaires est linéaire.
La réciproque d’une application linéaire bijective est linéaire.
L’ensemble GL( E ) des automorphismes de E est un groupe.
Propriétés
Si f est une application linéaire de E dans F :
• L’image du vecteur nul 0 E de E est le vecteur nul 0 F de F.
• L’image d’une combinaison linéaire de vecteurs de E est la
combinaison linéaire de leurs images affectées des mêmes
 n  n
 ∑
coefficients : f  αi ui  =
 ∑αi f (ui ) .
 i =1  i =1
• L’image d’un sous-espace vectoriel E ' de E est un sous-espace
vectoriel de F : f ( E ' ) = {v ∈ F / ∃u ∈ E ' v = f (u )}.
• L’image réciproque d’un sous-espace vectoriel F ' de F est un
sous-espace vectoriel de E : f −1 ( F ' ) = {u ∈ E / f (u ) ∈ F '}.
Noyau d’une application linéaire
Ker f = f −1 ({0 F }) = {u ∈ E / f (u ) = 0 F }.
C’est un sous-espace vectoriel de E.
L’application f est injective si et seulement si : Ker f = {0 E }.
47
fiche n°37 (suite)
Image d’une application linéaire
Im f = f ( E ) = {v ∈ F / ∃u ∈ E v = f (u )} .
C’est un sous-espace vectoriel de F.
L’application f est surjective si et seulement si : Im f = F .
Image d’une famille de vecteurs
Si f est une application linéaire de E dans F :
• L’image d’une famille liée de E est une famille liée de F.
• Si f est injective, l’image d’une famille libre de E est une famille libre
de F.
• L’image d’une famille génératrice d’un sous-espace vectoriel E ' de
E est une famille génératrice du sous-espace vectoriel f ( E ') de F.
• Si f est injective, l’image d’une base d’un sous-espace vectoriel E '
de E est une base du sous-espace vectoriel f ( E ') de F.
Forme linéaire
Une forme linéaire sur E est une application linéaire de E dans K.
Si dim E = n , le noyau d’une forme linéaire non nulle sur E est un
hyperplan (sous-espace vectoriel de dimension n − 1 ).
Projection
 u ∈ E1
Si E1 et E2 sont supplémentaires : ∀u ∈ E u = u1 + u2 avec  1 .
u2 ∈ E2
La projection p sur E1 suivant E2 est définie par p(u ) = u1 .
Propriétés : C’est un endomorphisme de E.
po p = p.
Ker p = E2 .
Im p = E1 = {u ∈ E / p (u ) = u}.
Projecteur
Un projecteur sur E est un endomorphisme de E tel que : p o p = p .
Si p est un projecteur sur E, alors :
• Im p et Ker p sont deux sous-espaces supplémentaires de E.
• p est la projection sur Im p = {u ∈ E / p (u ) = u} suivant Ker p .
 Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 48

fiche n°37 (suite) fiche n°37 (suite)

Symétrie
 u ∈ E1 Réciproquement, toute matrice de Mn, p ( K ) peut s’interpréter comme
Si E1 et E2 sont supplémentaires : ∀u ∈ E u = u1 + u2 avec  1 .
u2 ∈ E2 matrice d’une application linéaire de E dans F, ou de K p dans K n
La symétrie s par rapport à E1 suivant E2 est définie par s (u ) = u1 − u2 . rapportés à leurs bases canoniques.
Opérations sur les matrices
Propriétés : C’est un automorphisme de E.
La matrice de f + g est M f + M g .
s o s = Id E .
E1 = {u ∈ E / s(u ) = u} . La matrice de λf est λM f .
E2 = {u ∈ E / s (u ) = −u}. La matrice de g o f est M g × M f .
Involution Un endomorphisme est bijectif si et seulement si sa matrice est
Un endomorphisme s est involutif si s o s = Id E . inversible. La matrice de sa réciproque f −1 est ( M f )−1.
Si s est un endomorphisme involutif, alors Ker(s − Id E ) = {u ∈ E / s(u ) = u}
et Ker( s + Id E ) = {u ∈ E / s(u ) = −u} sont deux sous-espaces vectoriels
supplémentaires de E, et s est la symétrie par rapport à Ker( s − Id E )
suivant Ker( s + Id E ) .
Théorème du rang (dimensions finies)
Si E et F sont de dimensions finies, et si f est une application linéaire de E
dans F, alors : dim E = dim (Ker f ) + dim (Im f ) .
Conséquences :
• Si f est injective : dim E ≤ dim F .
• Si f est surjective : dim E ≥ dim F .
• Si f est bijective (isomorphisme) : dim E = dim F .
• Si dim E = dim F , alors f est bijective ssi Ker f = {0 E }.
• Si dim E = dim F , alors f est bijective ssi Im f = F .
Matrice d’une application linéaire en dimension finie
Soit E un espace vectoriel de dimension p, de base B = (e1 ,..., e p ) et F un
espace vectoriel de dimension n, de base B ' = (e'1 ,..., e'n ) .
Si f est une application linéaire de E dans F, on appelle matrice de f la
matrice A des vecteurs f (e1 ) ,…, f (e p ) dans la base B ' .
Si u est un vecteur de E de matrice X dans la base B , alors le vecteur
f (u ) a pour matrice Y = AX dans la base B ' .
 Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 49

fiche n°38 fiche n°38 (suite)

MATRICES Transposée d’une matrice
Si A ∈ Mn, p ( K ) et C = t A , alors C ∈ M p , n ( K ) .
Matrices à n lignes et p colonnes
On intervertit les lignes et les colonnes de A : ∀(i, j ) ci j = a j i .
a 
 11 L a1n  la ligne i Propriétés : t ( A + B) = t A + t B t
(λA) = λ( t A) t
( AB) = t B t A
A= M O M  ai j est l’élément de 
  la colonne j Matrice carrée symétrique si t A = A , antisymétrique si t A = − A .
 an1 L an n 
 
Propriétés algébriques
Matrice ligne si n = 1. Matrice colonne si p = 1 .
A+B = B+ A ( A + B) + C = A + ( B + C )
Matrice nulle si ∀(i, j ) ai j = 0 . λ ( A + B ) = λA + λB (λ + µ) A = λA + µA
Matrice carrée d’ordre n si p = n . λ (µA) = (λµ ) A λA = 0 ⇔ λ = 0 ou A = 0
Matrice carrée diagonale si ai j = 0 pour tous i ≠ j . λ( AB) = (λA) B = A(λB) ( AB)C = A( BC )
Matrice I n unité d’ordre n : matrice diagonale avec ∀i ai i = 1 . A( B + C ) = AB + AC ( A + B)C = AC + BC
Si A ∈ Mn, p ( K ) : AI p = I n A = A .
Matrice carrée triangulaire supérieure si ai j = 0 pour tous i > j .
La multiplication des matrices n’est pas commutative : AB ≠ BA .
Matrice carrée triangulaire inférieure si ai j = 0 pour tous i < j . Si AB = BA , on dit que les matrices A et B commutent.
Un produit de matrices peut être nul sans qu’aucune des matrices soit nulle.
Mn, p ( K ) : ensemble des matrices à n lignes et p colonnes dont les
Inverse d’une matrice carrée
éléments sont dans K.
Une matrice carrée A d’ordre n est inversible s’il existe une matrice carrée
Mn ( K ) : ensemble des matrices carrées d’ordre n dont les éléments
B d’ordre n telle que : I = AB = BA . Alors B = A−1 .
sont dans K.
Propriétés : ( A −1 ) −1 = A ( AB) −1 = B −1 A −1 t
( A−1 ) =(t A)−1
Egalité de deux matrices
Elles doivent avoir les mêmes dimensions et : ∀(i, j ) ai j = bi j . AB = C ⇔ B = A −1C BA = C ⇔ B = CA −1
Une matrice diagonale ou triangulaire est inversible si et seulement si les
Addition de deux matrices
éléments de sa diagonale sont non nuls.
Si A ∈ Mn, p ( K ) , B ∈ Mn, p ( K ) et C = A + B , alors C ∈ Mn, p ( K ) . Méthodes de calcul : Méthode de Jordan-Gauss ou Inversion du système ou
On additionne les éléments terme à terme : ∀(i, j ) ci j = ai j + bi j . Polynôme annulateur.
Multiplication d’une matrice par un scalaire Puissances d’un matrice carrée
Si A ∈ Mn, p ( K ) , λ ∈ K et C = λ A , alors C ∈ Mn, p ( K ) . A k = A × ... × A (k fois si k ∈ N * ) A0 = I
On multiplie tous les éléments par λ : ∀(i, j ) ci j = λai j . Propriétés : A k A m = A k + m ( A k ) m = A km
Multiplication de deux matrices ( Ak )−1 = ( A−1 ) k = A− k t
( Ak ) = ( t A) k
Si A ∈ Mn, p ( K ) , B ∈ M p, q ( K ) et C = AB , alors C ∈ Mn, q ( K ) . Formule du binôme seulement si A et B commutent :
m
m m
m
On multiplie la ligne i de A par la colonne j de B: Si AB = BA , alors : ( A + B)m = ∑   Ak B m − k = ∑   Am − k B k .
k =0  k  k =0 k 
p
∀(i, j ) ci j = ∑ a i k bk j
Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 50

fiche n°38 (suite)

Puissances d’une matrice diagonale

 d1 0 K 0   ( d1 ) k 0 K 0 
  
0 O O M  k  0 O O M 
Si D =   , alors D =  .
M O O 0  M O O 0 
 
0 K 0 d   0
 n  K 0 (d n ) k 
Structure de l’ensemble des matrices
L’ensemble Mn , p ( K ) est un espace vectoriel de dimension np.
Sa base canonique est formée des matrices Ei, j dont tous les
éléments sont nuls sauf ai , j = 1 .
L’ensemble Mn ( K ) est un espace vectoriel de dimension n 2 .
Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer, Le Raincy 51

fiche n°39
CHANGEMENT DE BASE
Matrice d’un vecteur
Dans un espace vectoriel E de base B = (e1,..., en ) , à tout vecteur
 x1 
n  
u= ∑ xi ei , on associe la matrice colonne U =  ...  .
i =1 x 
 n
Réciproquement, toute matrice de Mn ,1 ( K ) peut être interprétée comme
matrice d’un vecteur u de E dans la base B .
Matrice d’une famille de vecteurs
Dans un espace vectoriel E de base B = (e1,..., en ) , la matrice de la famille
de vecteurs ( u1 , …, u p ) est la matrice de Mn , p ( K ) dont les colonnes sont
les coordonnées des vecteurs u1 , …, u p dans la base B .
Réciproquement, toute matrice de Mn , p ( K ) peut être interprétée comme
matrice d’une famille de vecteurs ( u1 , …, u p ) de E dans la base B .
Matrice d’une base
Dans un espace vectoriel E de base B = (e1,..., en ) , une famille de n vecteurs
est une base si et seulement si sa matrice est inversible.
Changement de base
Si un espace vectoriel E possède deux bases B = (e1,..., en ) et
B ' = (e'1 ,..., e'n ) , on appelle matrice de passage de la base B à la base B '
la matrice P de la famille de vecteurs (e'1 ,..., e'n ) dans la base B .
Toute matrice de passage est inversible. Réciproquement, toute matrice
inversible peut s’interpréter comme une matrice de passage.
Si un vecteur u a pour matrice X dans B et X ' dans B ' , alors : X = PX ' .
Si f est un endomorphisme de matrice A dans B et de matrice A' dans B ' ,
alors : A' = P −1 AP .
Matrices semblables
Deux matrices A et A ' sont semblables s’il existe une matrice P inversible
telle que : A ' = P −1 AP .