Cours de Mathématique pour l'IA Master :

IMSD-S-1

Partie-1 : Algèbre linéaire

Chap-1-Rappels

Par: Prof. B. El habil

Faculté Polydisciplinaire d'Ouarzazate
Université Ibn Zohr-Agadir.
B. El habil 1 / 41
 Espaces vectoriels

Espace vectoriel

Soit K un corps commutatif.

Définition
On appelle espace vectoriel sur K ou un K-espace vectoriel un
ensemble E sur lequel on déni les deux lois de composition suivantes
-Une loi interne : C'est une application de E × E vers E dit
addition, notée +, et vériant
1 (x + y ) + z = x + (y + z) pour tout x, y , z ∈ E ;
2 x + y = y + x , pour tout x, y ∈ E ;
3 Il existe un élément de E noté 0E , ou simplement 0,
dit élément neutre, tel que, x + 0E = x , pour tout
x ∈ E;
4 Pour tout x ∈ E , il existe un élément de E noté
(−x), dit oposé de x , tel que x + (−x) = 0E .
B. El habil 2 / 41
 Espaces vectoriels

Définition
-Une loi externe de domaine K : C'est une application de
K × E vers E ; on note λ.x ou λx l'image dans E du
couple (λ, x) ∈ K × E , qui vérie :
1 λ(µx) = (λµ)x , pour tout λ, µ ∈ K et x ∈ E ;
2 (λ + µ)x = λx + µx , pour tout λ, µ ∈ K et x ∈ E ;
3 λ(x + y ) = λx + λy pour tout λ ∈ K et x, y ∈ E ;
4 1.x = x , pour tout x ∈ E , 1 est l'élément neutre de
la multiplication dans K.
Les éléments de K sont dits des scalaires et ceux de E sont dits des
vecteurs.

B. El habil 3 / 41
 Espaces vectoriels

Exemple

On dénit sur l'esemble

M2 (K) = {matrices carrées d'ordre 2 à coecients dans K}
une structure d'espace vectoriel sur K, en posant.
  ′ ′ 
a + a′ b + b ′
     
a b a b a b λa λb
+ ′ ′ = et λ =
c d c d c + c′ d + d′ c d λc λd
0 0
 
L'élément neutre et évidament la matrice nulle 02 = et
  0 0
a b
l'opposée de la matrice A = est la matrice
c d
 
−a −b
−A = .
−c −d
B. El habil 4 / 41
 Espaces vectoriels

Proposition
Pour tout λ ∈ K et pour tout x ∈ E , on a
1 λ0E = 0E et 0x = 0E .
2 λx = 0E ⇒ λ = 0 ou x = 0E .
3 (−λ)x = λ(−x) = −(λx).

B. El habil 5 / 41
 Bases d'un espaces vectoriel

Famille génératrice

Définition
Une famille de vecteurs {v1 , · · · , vp } d'un espace vectoriel E est dite
génératrice, si E = vect{v1 , · · · , vp }, c'est à dire que
∀x ∈ E , ∃λ1 , · · · , λp ∈ K tels que : x = λ1 v1 + · · · + λp vp .

On dit aussi, que tout x ∈ E est combinaison linéaire des vecteurs vi ,

i = 1, · · · , p .

B. El habil 6 / 41
 Bases d'un espaces vectoriel

Exemple

Dans R2 , la famille {e1 = (1, 0), e2 = (0, 1)} est une famille
génératrice. Car pour toute x = (x1 , x2 ) ∈ R2 ,
x = x1 (1, 0) + x2 (0, 1) = x1 e1 + x2 e2 .

Définition
Un espace vectoriel est dit de dimension nie, s'il contient une famille
génératrice nie. Dans le cas contraire, on dit qu'il est de dimension
innie.

B. El habil 7 / 41
 Bases d'un espaces vectoriel

Famille libre

Définition
Soit {v1 , · · · , vp } une famille de vecteurs de E . On dit qu'elle est
libre, si :
λ1 v1 + · · · + λp vp = 0 ⇒ λ1 = · · · = λp = 0.

On dit, aussi, que les vecteurs v1 , · · · , vp sont linéairement

indépendants.

Définition
Une famille qui n'est pas libre est dite liée ou linéairement
dépendants.

B. El habil 8 / 41
 Bases d'un espaces vectoriel

Exemple

Dans R3 , les vecteurs

v1 = (1, 2, 1), v2 = (−1, 3, 1) et v3 = (−1, 13, 5)

sont liées, car 2v1 + 3v2 − v3 = 0.

Proposition
Une famille {v1 , · · · , vp } est liée si et seulement si l'un, au moins, des
vecteurs vi est combinaison linéaire des autres vecteurs.

B. El habil 9 / 41
 Bases d'un espaces vectoriel

Base d'un espace vectoriel

Définition
On appelle base tout famille de vecteurs de E libre et génératrice.

Proposition
Une famille {v1 , · · · , vp } est une base de E si et seulement si, tout
x ∈ E se décompose d'une façon unique sur les vi . C'est à dire

∀x ∈ E , ∃!(λ1 , · · · , λp ) ∈ Kp tel que x = λ1 v1 + · · · + λp vp .

B. El habil 10 / 41
 Bases d'un espaces vectoriel

Remarque
L'existance de la décomposition de x ∈ E équivaut au fait que la
famille est génératrice et l'unicité au fait que la famille est libre.

Proposition
1 La famille {x} est libre si et seulement si x ̸= 0.
2 Tout famille contenant une famille génératrice est génératrice.
3 Tout sous- famille libre est libre.
4 Tout famille contenant une famille liée est liée.
5 Tout famille dont l'un des vecteurs est nul est une famille liée.

B. El habil 11 / 41
 Bases d'un espaces vectoriel

Définition
Soit E un espace vectoriel. La dimension de E , notée dim(E ) est le
cardinale d'une base de E .
Théorème
Soit E ̸= {0} un espace vectorile de dimension nie et
G = {v1 , · · · , vp } une famille génératrice. Considérons une famille
libre L ⊂ G . Alors, il existe une base B telle que L ⊂ B ⊂ G .

B. El habil 12 / 41
 Bases d'un espaces vectoriel

Théorème de la base incompléte

Théorème
Soit E ̸= {0} un espace vectoriel de dimension nie; alors :
1 De toute famille génératrice on peut extraire une base de E .
2 Toute famille libre peut être complétée de maniére à former une
base de E .

B. El habil 13 / 41
 Bases d'un espaces vectoriel

Lemme
Dans un espace vectoriel engendré par p éléments, tout famille
contenant plus de p éléments est liée.

Théorème
Dans un espace vectoriel E de dimension nie, tout les bases ont le
même nombre d'éléments.
Corollaire
Soit E un espace vectoriel de dimension nie p .
1 Tout famille ayant plus de p éléments est liée.
2 Les famille ayant moins de p éléments ne peuvent pas être
génératrices.

B. El habil 14 / 41
 Bases d'un espaces vectoriel

Théorème
Soit E un espace vectoriel de dimension nie p . Alors:
1 toute famille génératrice ayant p éléments est une base de E .
2 toute famille libre ayant p éléments est une base de E .

B. El habil 15 / 41
 Somme et somme directe

Définition
Soient E1 et E2 deux espaces vectoriels. On appelle somme de E1 et
E2 l'espace vectoriel déni par

E1 + E2 = {x ∈ E | ∃x1 ∈ E1 , ∃x2 ∈ E2 : x = x1 + x2 }.

Remarque
En générale, la décomposition de x dans la dénition n'est pas
unique. En eet, supposons que E1 ∩ E2 ̸= {0} et soit x0 ̸= 0,
x ∈ E1 ∩ E2 , si x = x1 + x2 , alors

x = (x1 + x0 ) + (x2 − x0 )

avec u1 = (x1 + x0 ) ∈ E1 et u2 = (x2 − x0 ) ∈ E2 .

B. El habil 16 / 41
 Somme et somme directe

Proposition
Soient E1 et E2 deux espaces vectoriels, et soit E = E1 + E2 . La
déconposition de tout élément de E en somme d'un élément de E1 et
un élément de E2 est unique, si et seulement si E1 ∩ E2 = {0}. On
écrit :
E = E1 ⊕ E2
et on dit que E est somme direct de E1 et E2 . En d'autre termes :
E = E1 ⊕ E2 ⇔ E = E1 + E2 et E1 ∩ E2 = {0}.

B. El habil 17 / 41
 Somme et somme directe

Proposition
Soient E , E1 et E2 des espaces vectoriels de dimension nies. Alors
E = E1 ⊕ E2 si et seulement si pour toute base B1 de E1 et toute
base B2 de E2 , {B1 , B2 } est une base de E .

Théorème
Soit E un espace vectoriel de dimension nie. Alors
E = E1 ⊕ E2 ⇔ dim(E ) = dim(E1 ) + dim(E2 ) et E1 ∩ E2 = {0}.

B. El habil 18 / 41
 Somme et somme directe

Proposition
Soient E1 et E2 deux espaces vectoriels de dimension nie. On a
dim(E1 + E2 ) = dim(E1 ) + dim(E2 ) − dim(E1 ∩ E2 ).

En particulier :
dim(E1 ⊕ E2 ) = dim(E1 ) + dim(E2 ).

B. El habil 19 / 41
 Diagonalisation et Trigonalisation des matrices

Soient K un corps et E un K-espace vectoriel de dimension nie

n ∈ N∗ .
Définition
Une matrice carrée A est diagonalisable s'il existe une matrice
inversible P telle que P −1 AP est diagonale, c'est à dire
0 ··· 0 0
 
λ1
0 λ2 · · · 0 0
P −1 AP =  ... .. .. .. 
 
. ··· . . .

0 0 · · · λn−1 0
 
0 0 · · · 0 λn

B. El habil 20 / 41
 Diagonalisation et Trigonalisation des matrices

Définition
Soient A ∈ Mn (K) une matrice carrée et λ ∈ K. Le scalaire λ est dit
valeur propre de A s'il existe un vecteur u ∈ E telle que Au = λu .
Si le vecteur u existe il est dit le vecteur propre de A associé à λ.

Remarque
Un vecteur propre d'une matrice n'est jamais nul.

B. El habil 21 / 41
 Diagonalisation et Trigonalisation des matrices

Exemple

1 3 3
 

On considère la matrice carrée A =  − 2 11 −2 ∈ M3 (R).

8 −7 6
Soit u1 = (−1, 0, 1) un vecteur de R . Puisque
3

1 3 3 −1 2 −1
      

Au1 = −2 11 −2
   0 = 0 = −2 0  ,
   
8 −7 6 1 −2 1
alors u1 est un vecteur propre de A associé à la valeur propre
λ1 = −2.

B. El habil 22 / 41
 Diagonalisation et Trigonalisation des matrices

Lemme
Un vecteur propre n'admet qu'une seule valeur propre. Mais à toute
valeur propre correspond une innité de vecteurs propres.

Proof.
Soient A une matrice carée u est un vecteur propre de A associé à la
valeur propre λ. Puisque
A(au) = aA(u) = a(λu) = λ(au), a∈K

alors (au) est un vecteur propre associé à la valeur propre λ pour tout
a ∈ K.

B. El habil 23 / 41
 Diagonalisation et Trigonalisation des matrices

Définition
Soient A une matrice carrée et λ une valeur propre de A. L'union de
l'ensemble des vecteurs propres associé à la valeur propre λ avec le
vecteur nul, noté
Eλ = {u ∈ E /Au = λu}
est dit le sous-espace propre associé à la valeur propre λ.

B. El habil 24 / 41
 Diagonalisation et Trigonalisation des matrices

Exemple

0 2 −1
 

On considère la matrice A = 3 −2 0 . soit u = (2, −3, 2)


−2 2 1
un vecteur de R . Puisque
3

0 2 −1 2 2
    

Au =  3 −2 0  −3 = −4 −3 = −4u,

−2 2 1 2 2
alors u est un vecteur propre associé à la valeur propre λ = (−4).
De plus, le sous-espace propre E(−4) associé à la valeur propre λ est
formé de tous les vecteurs X = (x, y , z) vériant l'équation

B. El habil 25 / 41
 Diagonalisation et Trigonalisation des matrices

2y − z = −4x,


AX = (−4)X ⇔ 3x − 2y = −4y , ⇔ 3x = −2y = 3z.
−2x + 2y + z = −4z.


D'où E(−4) = vect(u), ou u = (2, −3, 2), est la droit engendrée par le
vecteur u et sa dimension est dim(E(−4) ) = 1.

B. El habil 26 / 41
 Diagonalisation et Trigonalisation des matrices

Proposition
Tout sous-espace propre Eλ est un sous espace vectoriel de E . De
plus, un nombre λ ∈ K est valeur propre si et seulement si la
dimension du sous-espace propre associé est supérieur à 1.

Définition
Le polynôme caractéristique PA d'une matrice A est le déterminant
de la matrice (A − xIdn ). C'est à dire
PA (x) = det(A − xIdn ).

B. El habil 27 / 41
 Diagonalisation et Trigonalisation des matrices

Exemple

Le polynôme caractéristique de la matirce

0 2 −1
 

A =  3 −2 0 
−2 2 1
est donné par
−x 2 −1
PA (x) = det(A − xId3 ) = 3 −2 − x 0 .
−2 2 1−x
Par une sommation de toutes les colonnes du déterminant, on obtient
1−x 2 −1 1 2 −1
PA (x) = 1 − x −2 − x 0 = (1 − x) 1 −2 − x 0 .
1−x 2 1−x 1 2 1−x
B. El habil 28 / 41
 Diagonalisation et Trigonalisation des matrices

Maintenant, si on pose l2 := l2 − l1 et l3 := l3 − l1 ), alors

1 2 −1
PA (x) = (1 − x) 0 −4 − x 1 = −(x − 1)(x − 2)(x + 4).
0 0 2−x

Proposition
Un nombre λ est une valeur propre d'une matrice A si et seulement si
λ est une racine de PA (x) le polynôme caractéristique A.

B. El habil 29 / 41
 Diagonalisation et Trigonalisation des matrices Critère de diagonalisabilité

Soit A une matrice carrée d'ordre n ∈ N. Soient Eλi les sous-espaces

propres associé aux valeurs propre λi , pour 1 ≤ i ≤ k ≤ n.
Définition
Le spectre de la matrice A est l'ensemble de ses valeurs propres de A,
noté par
Spec(A) = {λ1 , · · · , λk }.
 
Soient Bi les bases des sous-espaces propres Eλi , pour
1≤i≤k
1 ≤ i ≤ k . Notons que l'union ∪ki=1 Bi forme une famille libre.

B. El habil 30 / 41
 Diagonalisation et Trigonalisation des matrices Critère de diagonalisabilité

Proposition

La matrice A est diagonalisable si et seulement si ∪ki=1 Bi est base de

E.

Corollaire
Une matrice A est diagonalisable si et seulement s'il existe une base
B de vecteurs propres.

Propriétés
La matrice A est diagonalisable si et seulement si
E = Eλ1 ⊕ · · · ⊕ Eλk .

B. El habil 31 / 41
 Diagonalisation et Trigonalisation des matrices Critère de diagonalisabilité

Théorème
Une matrice A est diagonalisable si et seulement si son polynôme
caractéristique est scindé :
PA (x) = (x − λ1 )ν1 · · · (x − λk )νk

et si la dimension de chaque sous-espace propre Eλi est égale à νi la

multiplicité algébrique de la valeur propre λi , 1 ≤ i ≤ k , c'est à dire
dim(Eλi ) = νi , 1 ≤ i ≤ k.

Remarque
Dans ce cas, la matrice diagonale obtenue est la matrice formée par
νi fois λi , 1 ≤ i ≤ k .

B. El habil 32 / 41
 Diagonalisation et Trigonalisation des matrices Critère de diagonalisabilité

Exemple

1 −1
 
Le polynôme caractéristique de la matrice A = est
0 1
PA (x) = (x − 1)2 .
Donc, il n'existe qu'un seul sous-espace propre E1 asocié à la valeur
propre 1. Par le théorème du rang on d'etermine la dimension de E1 .
En eet, le rang de (A − Id2 ) est
0 −1
 
rg (A − Id2 ) = rg = 1.
0 0
Donc la dimension de E1 est
 
dim(E1 ) = dim ker(A − Id2 ) = dim(R2 ) − rg (A − Id2 ) = 2 − 1.

Par conséquent, la matrice A n'est pas diagonalisable.

B. El habil 33 / 41
 Diagonalisation et Trigonalisation des matrices Critère de diagonalisabilité

Corollaire
Une matrice A, dont le polynôme caractéristique est scindé à racines
simples :
PA (x) = (x − λ1 ) · · · (x − λn )
est diagonalisable.

B. El habil 34 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

Définition
Une matrice carrée A est trigonalisable s'il existe une matrice
inversible P telle que la conjugaison de A par P est une matrice
triangulaire supérieure, c'est-à-dire
 
λ1 ⋆ . . . ⋆ ⋆
 0 λ2 . . . ⋆ ⋆
 .. .
. .
. .
.
 
−1
P AP =  . . . . .

 0 0 . . . λn−1 ⋆ 
 
0 0 . . . 0 λn

Remarque
Une matrice diagonalisable est trigonalisable.

B. El habil 35 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

Théorème
Une matrice A est diagonalisable si et seulement si son polynôme
caractéristique est scindé :
PA (x) = (x − λ1 )ν1 · · · (x − λk )νk

B. El habil 36 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

Exemple

Dans le R-espace vectoriel R3 , muni de la base canonique

B = {e1 , e2 , e3 }, on considère la matrice carrée suivante

1 −3 4
 

A = 4 −7 8 .

6 −7 7
Le polyôme caractéristique de f et A est
P(x) = det(A − xId3 ) = −(x + 1)2 (x − 3).

Notons que les valeurs propres de A sont λ1 = 3 racine simple et

λ2 = −1 racine double. De plus,

B. El habil 37 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

⋆ L'espace propre Eλ1 associé à la valeur simple λ1 = 3 est de

dimension 1 et engendré par le vecteur v1 = (1, 2, 2). En eet,
   
 x 
E λ1 = (x, y , z) ∈ R3 /(A − 3Id3 ) y  = 0R3
z
 
 −2x + 3y − 4z = 0 
  

= (x, y , z) ∈ R3 / −4x + 10y − 8z = 0
−6x + 7y − 7z = 0
  
= {(x, y , z) ∈ R3 /2x = y = z} .

B. El habil 38 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

⋆ L'espace propre Eλ2 associé à la valeur double λ2 = −1 est de

dimension 1 et engendré par le vecteur v2 = (1, 2, 1). En eet,
   
 x 
E λ2 = (x, y , z) ∈ R3 /(A + Id3 ) y  = 0R3
z
 
 2x − 3y + 4z = 0 
  

= (x, y , z) ∈ R3 / 4x − 6y + 8z = 0
 
6x − 7y + 8z = 0 
= {(x, y , z) ∈ R3 /2x = y et x = z} .

B. El habil 39 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

Par conséquent, la matrice A n'est pas diagonalisable. Pour

trigonaliser la matrice A, il sut de compléter la famille libre {v1 , v2 }
en une base de R3 . Si on pose v3 = (1, 0, 0) (ce choix n'est pas
unique), alors la famille F = {v1 , v2 , v3 } est une base de R3 . De plus,
puisque

2 2  e1 = v3 ,

v
 1 = e 1 + e2 + e 3 ,
1 1

v2 = e1 + 2e2 + e3 , ⇔ e2 = − v1 + v2 − v3 ,

v 3 = e1 .
 2 2
e3 = v1 − v2 .


B. El habil 40 / 41
 Diagonalisation et Trigonalisation des matrices Critère de trigonalisabilité

Alors, la matrice de changement de base est donnée par

1
 
1 1 1 0 − 2 1 
 

P = MatB (F) = 2 2 0 et P −1 = 0 1 −1 .

 
2 1 0 1
1 − 0
 
2
Ainsi A est semblable à la matrice triangulaire
1
 
1 1 1 1 −3 4 0 − 2 1  3 0 4
    

M = 2 2 0 4 −7 8 0 1 −1 = 0 −1 −2
 
2 1 0 6 −7 7 1 − 1 0  0 0 −1
2

B. El habil 41 / 41