Академический Документы
Профессиональный Документы
Культура Документы
I. Généralisation R ² ; R3 ; R n
I-1- Notation :
Un couple de nombres réels est une suite ordonné de deux nombres réels
comme (1, 2) ; (0, 1) etc. …, le premier nombre est la première coordonnée ou
abscisse, le 2eme nombre est la 2eme coordonnée ou ordonnée. L’ensemble de tous
les couples de réels se note IR².
Un triplet de nombres réels est une suite ordonnée de 3 nombres réels comme
(1 ; -1 ; 1) ; (- 2, 0, 0) etc. … le premier nombre est la première coordonnée ou
abscisse, le 2eme nombre coordonnée ou ordonnée et le 3eme nombre est la 3eme
coordonnée on cote. L’ensemble de tout le triplet de réels se note IR3.
On définition plus généralement les n – uplets des réels comme les suites
ordonnées de réels de la forme (x 1 ; x 2 ; … x n) où x 1 ; x 2 ; … xn sont des
nombres réels. De tous les n – uplets de réels se note IRn.
1
La multiplication définie au b) est appelée multiplication externe parce qu’elle
prend un scalaire de IR et un vecteur de IRn.
Il faut noter que les vecteurs peuvent être choisis dans l’ensemble des nombres
complexes C
* λ + . = λU +
* λ (U + V) = λ U + λ V
*λ =
* 1. U = U existence d’un élément unité 1,
Conséquence de la définition
* De la structure de groupe commutatif pour l’addition vectorielle (loi interne),
il résulte que :
Tout vecteur de E est régulier pour l’addition ie pour tout U ∈ E et V ∈ E, si
U+ λ = V + λ , alors U = V
* Des axiomes sur la loi de composition externe, il en résulte :
b) pour tout λ ∈ R λ .0 = 0
a) Pour tout U ∈ E ; 0.U = 0
c) si λ .U = 0 ⇒ λ = 0 ou U = 0
• Si ∈
espaces vectoriels sur R.
2
ℱ , IR) ensemble des applications de D dans IR
∁ (D, IR) ensemble des applications continues de D dans IR
∁ (D, IR) ensemble des applications de classe C1de D dans IR
∁ (D, IR) ensemble des applications de classe Cn de D dans IR
∁ (D, IR) ensemble des applications de classe ∁ de D dans IR
II - 3 Combinaison Linéaire
Tout vecteur de la forme λ 1U1 + λ 2 U2 + ----+ λ n Un est appelé combinaison
linéaire des vecteur Ui avec i € {1, 2,…, n), où les λ i sont les éléments de IR.
n
Une telle somme est notée ∑ λi Ui .
i =1
Exemple : les vecteurs U + V .et 2 U – V sont des combinaisons linéaires de U
et V .
II-4-2-Définition- Proposition
On dit qu’un sous ensemble F de E est sev de l’ensemble E sur IR si
1) F non vide
2) ∀ U , V ∈ F on a U + V ∈ F stabilité par la loi interne
3) ∀ U ∈ F, ∀ λ € R, λ U ∈ F stabilité par la loi externe
Exemple : E = IR 3
Soit F est une partie de IR3 tel que F = {(x, y, z) ∈ R 3 / x - 2 y + z = 0}
Montrer que F est un s e v de l’ espace R3 sur R.
• (0, 0, 0) ∈ F donc F est non vide
• Soient U ,V ∈ F on a : U = (x, y, z) ⇒ x – 2 y + z = 0 (1)
V = (x’, y’, z’) ⇒ x’ – 2 y’ + z’ = 0 (2)
Montrons que : U + V ∈ F
U + V = (x, y, z) + (x’, y’, z’) ) = (x +x’,y +y’, z +z’)
(1)+ (2) ⇒ x – 2 y + z + x’ – 2 y’ + z’= 0
(x + x’) -2(y + y’) + (z + z’)= 0 ⇒ U + U ∈ F.
3
D ‘ou λ U ∈ F. Ainsi F est un s e v de R3.
II – 4 – 3 Théorèmes
Théorèmes 1 :
Pour qu’une partie non vide F d’un e v E soit un s e v de E il faut et il suffit que
∀ U, V € F et ∀ λ B € R on a : λ U + B V € F.
Théorème 2 :
Si F1et F2 sont des s e v de E alors F1 I F2 est un s e v de E.
F1 et F2 supplémentaires ⟺ E = F1 ⨁ F2
somme directe de F1 et F2.
Théorèmes : F1 + F 2 = F 1 + F 2 ⟺ F 1 I F2 = {0}.
4
Exemple : {U, V} Famille liée, alors si λ ≠ 0 U = λ V
{U, V, W} Famille liée, alors si λ ≠ 0, U = λ V+ β W
Exemple 1) E = R3
Montrer que la famille { ( 1 , 1 , 1) ; ( 1 , 1 , 0 ); ( 0 , 1 , 1 )} est génératrice
Soit V = (x, y, z) ∈ R3 ∃ λ , β et γ ∈ IR
de R 3
+ =" 1
(x, y , z ) = λ ( 1 , 1 , 1 )+ β ( 1 , 1 , 0 )+ γ (0, 1, 1)
On a : ! + + $ = % 2
+$ =& 3
(2)- (1) donne $ = % − "
(1) – (3) donne = $ + " − & = % − " + " − & = % − &
$ dans (3) on obtient: = " − % + &. Ainsi λ , β et γ existe et sont uniques,
alors cette famille est génératrice de IR3
5
(1) – (2) ⇒ . =
(2) –(3) ⇒ $ =
(3) –(1) ⇒ . = $
En remplaçant $ 45-6 1 on obtient = 0. On déduit alors que . = $ = 0
D’où . = $ = = 0. Alors la famille {U1, U 2, U 3} est libre.
. + 0 +$ 1 =
. 0, 1, 1 + 1, 0, 1 +$ 1, 1, 0 = " , %, &
+$ =" 1
On a : !. + $ = % 2
.+ =& 3
(1) – (2) ⇒ =.+"−%
(2) –(3) ⇒ $ = + % − &
(3) –(1) ⇒ . = $ + & − "
En remplaçant ., $ ,
On obtient . = −" + % + & , = " − % + & , $ = −" + % − & qui
respectivement dans (2), (1) et (3)
0 0 0
sont uniques. Alors la famille {U1, U 2, U 3} est génératrice d R.
III-3- Théorèmes
Théorème1
Soit E un espace vectoriel sur IR, et Si F une partie engendré par une famille
libre de vecteurs de E, alors F est un sous espace vectoriel de E
Exemple :
Montrer que la partie F = {(x,y,z) ∈ IR 3 /x + y = y + z = z + x} est un espace
vectoriel sur IR
x + y = y + z
Soit U= (x, y ,z) ∈ F , on a : x + y = z + x ⇒ x = y = z
y + z = z + x
3
Alors , F= {(x,y,z) ∈ IR }= {(x, y, z)} ={(x, x, x)}= {x(1, 1, 1)}
F= Lin ((1,11))
Comme F est engendré par un vecteur de R3, alors F est un sous espace vectoriel
de R3.
6
de sorte qu’on obtienne des zéro sur les autres vecteurs. On réitère le processus
jusqu’à n’est plus obtenir de pivot. Le nombre de pivot non nul correspondant au
rang de la famille.
NB : ces combinaisons peuvent s’effectuer en plaçant les vecteurs en colonne.
Application :
Déterminer le rang du système des vecteurs de IR3 suivants
9 2 −4
V1= (1,2,-4); V3= (2,4,-8). V2= (6,1,0) ; V4= (1,3,-3)
1 3 −3 0
8 =
6 1 0 1
2 4 −8 >
1 2 −4
?
=
0 9 1
?
= 0−
8 = ?0
6 −11 24 1 = 1 − 6
0 0 0 > = >−2
?
1 2 −4
?
=
0 9 1 ′0 = 0?
?
8 =
0 0 35 1?? = 1? + 11 0?
0 0 0 > = >
?? ?
Il ya une ligne nulle, alors le système de ces vecteurs est lié. Comme on a trois
pivot non nul alors le rang de ce système est égal à 3.
Exemple :
La famille {U1, U 2, U 3} est Libre et génératrice de IR3, alors elle forme une
base de R3, avec U 1 = (0, 1, 1) ; U 2 = (1, 0, 1) U 3 = (1, 1, 0)
7
III – 5 -Dimensions d’E. V
III-5 – 1 Définition
On appelle dimension d’un e v E le nombre de vecteur de sa base et on note
DimE
Exemple:
1- E1 = IR, Dim R = 1 ; E2 = IR2 . Dim R2 = 2 ; E3= R3; Dim R3 = 3
2- La famille {U1, U 2, U 3} étant Libre et génératrice de IR3, forme une
base de R3, avec U 1 = (0, 1, 1) ; U 2 = (1, 0, 1) U 3 = (1, 1, 0). Tout sous
espace vectoriel engendré par cette famille sera de dimension 3
III- 5 -2 Théorème 1
Si un espace vectoriel E admet une base de n éléments alors toutes les bases de
E sont constituées de n élément.
Conséquences
1) Dans un espace vectoriel E de dimension n, toute famille libre de n
vecteurs est une base de E.
2) Dans un espace vectoriel de Dimension n, toute famille génération de n
vecteur est une base de E.
Exemple : on considère E = R3
Soit U = ( 3, - 2 , 1 ) ; V = ( 1 , 1 – 2 ) ; W = ( 0 , - 2 , 3) trois vecteurs de R 3 ,
montrer que B= ( U , V , W ) est une base de R3 il suffit de montrer que c’ est
une famille libre ou que cette famille est génératrice de R3.
Remarque :
Par convention, l’espace réduit au vecteur nul est de dimension égale à 0.
F ∩ F0 ≠ ∅
On dit que E es tune somme directe de F1 et F2 si
= F + F0
qui signifie que tout élément x de E se décompose de façon unique
comme somme d? un élèment x de F et d? un élèment x0 de F0
∀" ∈ , ∃! x ∈ F ; ∃! x0 ∈ F0 / x = x + x0
`- éa + E = F ⊕ F0
8
IV-2- Sous espaces supplémentaires
Soit E un espace vectoriel sur IR, F1 et F2 deux sous espaces vectoriel de E.
On dit F1 et F2 sont supplémentaires de E si ils sont somme directe de E.
IV-3- Propriétés
Exercice d’application
Exercice N°1
Indication solution
F = {(x, y, z) ∈ R3; x − y − 2z = 0}
1. Montrons que F et G sont deux sous espaces vectoriels de R3
" = 2%
&=0
∀d = ", %, & ∈ e, " = 2% = " + & ⟹ g " = " + & ⟹ h
" = 2%
2% = " + &
d = ", %, & = 2%, %, 0 = % 2, 1, 0 = %i
Ce qui montre que G =Vect(W). Alors G est une sous espace vectoriel de
R3 .
2. Dimension de F et de G
F= Vect(U, V) et la famille (U,V) est libre alors elle forme une base de F et
donc Dim F = 2.
G = Vect(W) et Dim G = 1
" – % − 2& = 0
3. Déterminons F I G
∀d ∈ F I G , on a ! z=0 ; ⇒x = y = z = 0
x = 2y
F I G = Vect ((0,0,0)), alors Dim F I G = 0
9
On peut aussi utiliser la méthode de Pivot pour trouver la dimension de F I G.
Le nombre de ligne nulle correspond à la dimension de F I G. Ici on montre
qu’il ya pas de ligne nulle, donc Dim F I G=0
Dim (F +G) = Dim F + Dim G - Dim F I G = 2 + 1- 0 = 3= Dim R3
Alors F et G sont supplémentaires
Exemple E = R 3
Soit la famille S = { U , V } ou U = ( 1, 1 , 2 ) et V = ( 1, 1 , -1 )
Montrer que S est une famille libre.
λ+β =0
λ U + β V = 0 , on a : λ + β = 0 on trouve rapidement que λ = β =0. Alors S
2λ − β = 0
est une famille libre.
Soit S’ = { U, V , U’ } avec U’ = ( 0, 0 , 1 )
On montre que S’est lié donc non une base.
On considère maintenant le système S’’ = { U , V , U’’ } avec U = ( 1 , 0 , 0)
Exemple :
Soit E3 muni de la base B = {V1,V2 } , avec V1= (1 ,1) ; V2 =(0,1), et B’=
(V’1,V’2)
Avec V’1= V1-V2 et V’2 = V2 . Soit le vecteur U de composantes (x, y) dans la
base B et (x’,y’) dans la base B ‘
On a : U = x V1 + y V2 = x ‘V’1 + y V’ 2
En exprimant V1 et V2 dans la base B on obtient
10
U= x V1 + yV 2 = x ‘ (V1-V2) + y’ V2 = x’ V1 + ( - x ‘ + y ‘ ) V2
x = x'
y = − x '+ y'
Si on connaît les coordonnées de U dans B , on peut en déduire celles dans B’.
Applications numériques
Pour une vecteur U= (1, 1) dans la base B, de terminer les coordonnes
1 = x' x' = 1
On a : y ‘ = 2 de U des B ‘
1 = − x'+ y ' − x'+ y = 1
U = (1, 2) dans la base B ‘.
Si ∀ , m ∈ e , ., ∈ , - 5 n . + m = .n + n m
Soient F et G deux E V sur R l’application f : F → G est linéaire
Exemple
Soit l’application définie de f : IR3 dans IR3
(x, y ,z) f(x, y ,z) =( x – y +z, x +y +z , 2x –y –z)
Montrer que f est une application linéaire.
Soient X = (x, y, z)∈ R3 et Y = (x’, y’ z’)∈ R3
X + Y = (x +x’, y +y’, z +z’)
f(X+Y) = ((x +x’)-( y +y’)+ (z +z’), (x +x’)+( y +y’)+ (z +z’), 2(x +x’)-( y +y’)-
(z +z’),
f(X+Y) = (x – y +z, x +y +z , 2x –y –z) +( x’ – y’ + z’, x’ + y’ + z’ , 2x’ –y’ –z’)
f(X+Y) = f(X) +f(Y)
11
Alors f est bien une application numérique
VI-3-Propriété
VI-3-1- Si f ∈ LK ( F , G ) , alors f(OF) = OG
VI-3-2- Une application linéaire est parfaitement définie par la donnée des
images des vecteurs d’une base de F
Exemple :
Montrer que les données suivantes définissent une application linéaire et une
seule que l’on déterminera.
f(1 ,-1,1) = (3, 1, 2) ; f(1 ,1,-1) = (-1, 1, 2) ; f(-1 ,1,1) = (-1, 1,-4)
Solution
Ces données définissent une application linéaire unique si les vecteurs
V1 =(1 ,-1,1) V2= (1 ,1,-1) ; V3= (-1 ,1,1) forment une base de IR3
Pour déterminer l’application, on considère un vecteur X= ( x, y, z)
Comme B = (V1, V2, V3) est une base, alors existe λ1 , λ2 , λ3 ∈ IR tel que
X = λ1V1 + λ2V2 + λ3V3 (1), on exprime les λ en fonction de x ,y et z
α +.0 −51 = x
Et on calcul l’image de x ie f ( X ) = λ1 f (V1 ) + λ 2 f (V2 ) + λ3 f (V3 ) ) (2)
VII-1-Noyau
VII-2-Image
Im = r% ∈ e\∃" ∈ \n " = %t
On appelle Image de f , l’ensemble, noté Imf, défini par :
VII-3-Théorèmes
VII-3-1-Kerf est un sous espace vectoriel de E et Imf est un sous espace
vectoriel de F
12
VII-3-2-Théorème des dimensions
Si E et F sont deux sous espaces vectoriels de G
DimG = Dim E + Dim F
VIII-1- Injection
f est injective si pour tout x et y de E vérifiant : f(x) = f(y) alors x = y
VIII-2- Surjection
f est surjective si pour tout y de F, il existe x de E tel que f(x) = y
VIII-3-Bijection
f est bijective si f est subjective et injective
Si f est bijective, on parle d'isomorphisme.
Si E = F, on parle d'endomorphisme.
Si E = F et f bijective, on parle d'automorphisme.
VIII-4-Proposition
VIII-4-1- f est injective si et seulement si Kerf = { 0}
VIII-4-2- f est bijective si et seulement si l’image d’une base de E est une base
de F
VIII-4-3- Par définition de la subjectivité, une application linéaire est surjective
Exemple :
Soit f : IR3 dans IR2 telle que f(x, y, z) = (x, y, z) = (x+y-2z, 3x-y+2z) une
application linéaire.
Déterminer Kerf et Imf
13
x + y − 2z = x′ 1
X’ = (x’, y’)∈ }n ⇒ h
3x − y + 2z = y′ 2
x + y − 2z = x′ x + y − 2z = x′
(1)+ (2) ⇒ h ⇒ €
4x = x′′ + y′ x = x′ + y′
>
respectives ‚ = , , ,0 , …, , ) et ‚ƒ = , 0 , …, ƒ ).
Soient F et G deux espaces vectoriels de dimensions respectives n et m de base
14
n , n ,0 − n ,
5 50 … 5
„ n, ‚ , ‚ƒ = 50 500 … 50ƒ 0
8− −
− − − =
5 5 0 … 5 ƒ ƒ
Si E =F et B =B’, on note M(f, B).
Exemple
e: 1 → 0
On considère l’application linéaire suivante.
2 1 0
„ n, ‚, ‚′ = ˆ ‰
f(e3) = f((0,0,1) = (0,-3)= 0e’1 -3e’2
1 0 −3
La matrice de f relative aux bases (e’1,…,e’n) et (f’1,.. ,f’m) est M’= P’-1.MP
f
E,(ei) M F, (fi)
IE P P-1 IF
M’
E’(e’i) f F(f’i)
15
Application 1
On considère l’application f de R3 dans R3 définie par :
f(x,y,z) = (-x-3y+3z ; -4x-2y+5z ; -4x-4y+7z)
1. Montrer que f est une application linéaire
2. Déterminer la matrice M associée à f par rapport à la base canonique
B=(e1,e2,e3)
3. On donne les vecteurs u1= e1+e2+e3 ; u2= e1-e2 ; u3 = e2+e3. Montrer que
B’= (u1,u2,u3) est une base de R3.
4. Donner la matrice de passage P de B à B’
5. Montrer que P est inversible et calculer P-1
6. Déterminer la matrice M’ de f par rapport à la base B’.
7. Calculer P-1MP et PM’-1
Solution
1. Montrons que f est une application linéaire ( on applique la définition du
cours)
2. La matrice M est telle que les colonnes sont les éléments f(ei) en fonction
des ei
f(e1) = f(1,0,0)= (-1,-4,-4) = -e1-4e2-4e3
f(e2) = f(0,1,0)= (-3,-2,-4) = -3e1-2e2-4e3
−1 −3 3
f(e3) = f(0,0,1)= (3,5,7) = 3e1+5e2+7e3
D’où „ = Š−4 −2 5Œ
−4 −4 7
3. Montrons que B’ est une base (voir cours)
4. Déterminons la matrice P de passage de B à B’
Cette matrice est telle que les colonnes sont les composantes des vecteurs de
1 1 0
B’ dans la base B.
D’où = Š1 −1 1Œ
1 0 1
5. Pour montrer que P est inversible on calcule le déterminant et la matrice
1 = ,1 + ,2 + ,3 ,1 = 1 − 3
inverse est obtenue en exprimant les ei en fonction des vi.
On a : g 2 = ,1 − ,2 6 + g ,2 = 1 − 2 − 3
3 = ,2 + ,3 ,3 = − 1 + 2 + 2 3
1 1 −1
•
= Š 0 −1 1 Œ
−1 −1 2
D’où
16
−1 0 0
f(u3) = f(e2)+f(e3) = 3e2 3e3 = 3u3
D’où M’=Š 0 2 0Œ
0 0 3-1
7. On remarque P MP=M’ et PM’P-1 = M
17