Algèbre linéaire

Cours et travaux dirigés

Christian Bingane, PhD

[email protected]

17 octobre 2023
Table des matières

1 Introduction 4
1.1 Vecteurs réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Produit scalaire et norme euclidienne . . . . . . . . . . . . . . . . . . . . . 5
1.2 Matrices réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Produit scalaire et norme de Frobenius . . . . . . . . . . . . . . . . . . . . . 8
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Représentation matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2
Chapitre 1

Introduction

1.1 Vecteurs réels

1.1.1 Définitions
Un vecteur réel x de dimension n est un n-uplet de nombres réels x1 , x2 , . . . , xn . On écrit
 
x1
 x2 
x =  ..  = (x1 , x2 , . . . , xn )
 
.
xn

et le nombre xi est la i-ième coordonnée du vecteur x. L’ensemble des vecteurs réels de dimension n
est noté Rn .
Si on munit l’ensemble Rn des opérations :
1. l’addition : pour tout x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn , x + y = (x1 + y1 , x2 +
y2 , . . . , x n + yn ) ∈ R n ,
2. la multiplication par un scalaire : pour tout a ∈ R, pour tout x = (x1 , x2 , . . . , xn ) ∈ Rn ,
ax = (ax1 , ax2 , . . . , axn ) ∈ Rn ,
alors les propriétés suivantes soient vérifiées.
i) Pour tout x, y ∈ Rn , x + y = y + x.
ii) Pour tout x, y, z ∈ Rn , (x + y) + z = x + (y + z).
iii) Il existe 0 = (0, 0, . . . , 0) ∈ Rn , appelé vecteur nul, tel que pour tout x ∈ Rn , x + 0 = x.
iv) Pour tout x = (x1 , x2 , . . . , xn ) ∈ Rn , il existe −x = (−x1 , −x2 , . . . , −xn ) ∈ Rn , appelé
vecteur opposé, tel que x + (−x) = 0.
v) Pour tout a ∈ R, pour tout x, y ∈ Rn , a(x + y) = ax + ay.
vi) Pour tout a, b ∈ R, pour tout x ∈ Rn , (a + b)x = ax + bx.
vii) Pour tout a, b ∈ R, pour tout x ∈ Rn , (ab)x = a(bx).
viii) Pour tout x ∈ Rn , 1x = x.
Définition 1. Un vecteur x ∈ Rn est une combinaison linéaire de m vecteurs v 1 , v 2 , . . . , v m ∈ Rn
s’il existe m scalaires a1 , a2 , . . . , am ∈ R tels que x = a1 v 1 + a2 v 2 + . . . + am v m .
Exemple 1. Déterminez si le vecteur (2, 4) est une combinaison linéaire des vecteurs donnés.
a) v 1 = (1, 1) et v 2 = (−1, 1).
b) v 1 = (1, 1).

3
CHAPITRE 1. INTRODUCTION C. Bingane

c) v 1 = (1, 1), v 2 = (−1, 1) et v 3 = (0, −2).

Définition 2. On dit que m vecteurs v 1 , v 2 , . . . , v m ∈ Rn engendrent Rn si pour tout vecteur x ∈ Rn ,

il existe m scalaires a1 , a2 , . . . , am ∈ R tels que x = a1 v 1 + a2 v 2 + . . . + am v m .

Exemple 2. Déterminez si les vecteurs donnés engendrent R2 .

a) v 1 = (1, 1) et v 2 = (−1, 1).
b) v 1 = (1, 1).
c) v 1 = (1, 1), v 2 = (−1, 1) et v 3 = (0, −2).

Théorème 1. Si m vecteurs v 1 , v 2 , . . . , v m ∈ Rn engendrent Rn , alors m ≥ n.

Définition 3. On dit que m vecteurs v 1 , v 2 , . . . , v m ∈ Rn sont linéairement indépendants si a1 v 1 +

a2 v 2 + . . . + am v m = 0 implique nécessairement a1 = a2 = . . . = am = 0.

Exemple 3. Déterminez si les vecteurs donnés sont linéairement indépendants.

a) v 1 = (1, 1) et v 2 = (−1, 1).
b) v 1 = (1, 1).
c) v 1 = (1, 1), v 2 = (−1, 1) et v 3 = (0, −2).

Théorème 2. Si m vecteurs v 1 , v 2 , . . . , v m ∈ Rn sont linéairement indépendants, alors m ≤ n.

Définition 4. On dit que m vecteurs v 1 , v 2 , . . . , v m ∈ Rn forment une base de Rn s’ils engendrent Rn

et sont linéairement indépendants.

Exemple 4. Déterminez si les vecteurs donnés forment une base de R2 .

a) v 1 = (1, 1) et v 2 = (−1, 1).
b) v 1 = (1, 1).
c) v 1 = (1, 1), v 2 = (−1, 1) et v 3 = (0, −2).

Théorème 3. Si m vecteurs v 1 , v 2 , . . . , v m ∈ Rn forment une base de Rn , alors m = n.

Les vecteurs e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) ∈ Rn forment une base
de Rn appelée base canonique.

1.1.2 Produit scalaire et norme euclidienne

Le produit scalaire de deux vecteurs x = (x1 , x2 , . . . , xn ) ∈ Rn et y = (y1 , y2 , . . . , yn ) ∈ Rn est le
nombre réel ⟨x, y⟩ := x1 y1 + x2 y2 + . . . + xn yn .
Propriétés. Pour tout x, y, z ∈ Rn , pour tout a, b ∈ R, on a
i) ⟨x, y⟩ = ⟨y, x⟩,
ii) ⟨ax + by, z⟩ = a⟨x, z⟩ + b⟨y, z⟩,
iii) ⟨x, x⟩ > 0 si x ̸= 0.
p
La norme euclidienne d’un vecteur x = (x1 , x2 , . . . , xn ) ∈ Rn est le nombre réel ∥x∥ :=
p ⟨x, x⟩ =
x21 + x22 + . . . + x2n .

Exemple 5. Montrez que pour tout x, y ∈ Rn , ∥x + y∥2 = ∥x∥2 + ∥y∥2 + 2⟨x, y⟩.

Propriétés. Pour tout x, y ∈ Rn , pour tout a ∈ R, on a

i) ∥ax∥ = |a|∥x∥,

4
CHAPITRE 1. INTRODUCTION C. Bingane

ii) x = 0 ⇔ ∥x∥ = 0,
iii) |⟨x, y⟩| ≤ ∥x∥∥y∥,
iv) ∥x + y∥ ≤ ∥x∥ + ∥y∥.
L’angle θ que forment deux vecteurs non nuls x, y ∈ Rn est donné par
⟨x, y⟩
cos θ := .
∥x∥∥y∥
On dit que
• deux vecteurs x, y ∈ Rn sont orthogonaux si ⟨x, y⟩ = 0,
• un vecteur x ∈ Rn est unitaire si ∥x∥ = 1.
Exemple 6. Montrez que si x ∈ Rn \ {0}, alors u = x/∥x∥ est unitaire.
Exemple 7. Soit e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) ∈ Rn . Montrez que
(
1 si i = j,
⟨ei , ej ⟩ =
0 si i ̸= j.

Soit a ∈ Rn \ {0}. La projection orthogonale d’un vecteur x ∈ Rn sur a est le vecteur

⟨a, x⟩
proja x := a.
∥a∥2

Exemple 8. Calculez la projection orthogonale de (x, y) sur (cos θ, sin θ), où 0 ≤ θ ≤ 2π.
Théorème 4. Soit a ∈ Rn \ {0}. Pour tout x ∈ Rn ,
i) ∥x − proja x∥ = mint∈R ∥x − ta∥,
ii) ⟨x − proja x, a⟩ = 0.

1.2 Matrices réelles

1.2.1 Définitions
Une matrice réelle A de dimension m × n est un tableau de nombres réels aij , où i = 1, 2, . . . , m et
j = 1, 2, . . . , n, arrangés en m lignes et n colonnes. On écrit
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  .. ..  = [aij ]
 
..
 . . . 
am1 am2 . . . amn

et le nombre aij est le coefficient (i, j) de la matrice A. L’ensemble des matrices réelles de dimension
m × n est noté Rm×n .
Remarque. Une matrice A ∈ Rm×n est appelée
• vecteur colonne si m > n = 1,
• vecteur ligne si n > m = 1.
Si on munit l’ensemble Rm×n des opérations :
1. l’addition : pour tout A = [aij ], B = [bij ] ∈ Rm×n , A + B = [aij + bij ] ∈ Rm×n ,

5
CHAPITRE 1. INTRODUCTION C. Bingane

2. la multiplication par un scalaire : pour tout x ∈ R, A = [aij ] ∈ Rm×n , xA = [xaij ] ∈ Rm×n ,

alors les propriétés suivantes sont vérifiées.
i) Pour tout A, B ∈ Rm×n , A + B = B + A.
ii) Pour tout A, B, C ∈ Rm×n , (A + B) + C = A + (B + C).
iii) Il existe O = [0] ∈ Rm×n , appelée matrice nulle, tel que pour tout A ∈ Rm×n , A + O = A.
iv) Pour tout A = [aij ] ∈ Rm×n , il existe −A = [−aij ] ∈ Rm×n , appelé matrice opposée, tel que
A + (−A) = O.
v) Pour tout x ∈ R, pour tout A, B ∈ Rm×n , x(A + B) = xA + yB.
vi) Pour tout x, y ∈ R, pour tout A ∈ Rm×n , (x + y)A = xA + yA.
vii) Pour tout x, y ∈ R, pour tout A ∈ Rm×n , (xy)A = x(yA).
viii) Pour tout A ∈ Rm×n , 1A = A.
Le produit
Pdes matrices A = [aij ] ∈ Rm×n et B = [bjk ] ∈ Rn×p est la matrice AB := [cik ] ∈ Rm×p ,
où cik = nj=1 aij bjk .
Exemple 9. Calculez le produit des matrices


 1 −1 −1
 1
1 −1 0
A= et B = 1 1 −1 −1 .
1 1 −2
1 1 1 −3

Propriétés.
i) Pour tout A ∈ Rm×n , B ∈ Rn×p et C ∈ Rp×q , (AB)C = A(BC).
ii) Pour tout A, B ∈ Rm×n et C ∈ Rn×p , (A + B)C = AC + BC.
iii) Pour tout A ∈ Rm×n et B, C ∈ Rn×p , A(B + C) = AB + AC.
La transposée d’une matrice A = [aij ] ∈ Rm×n est la matrice AT := [bji ] ∈ Rn×m , où bji = aij .
Exemple 10. Montrez que pour tout A ∈ Rm×n et B ∈ Rn×p , (AB)T = B T AT .
Propriété. Pour tout A, B ∈ Rm×n et pour tout x, y ∈ R, on a (xA + yB)T = xAT + yB T .

1.2.2 Matrice carrée

Une matrice A ∈ Rm×n est appelée matrice carrée si m = n. Une matrice A = [aij ] ∈ Rn×n est dite
• diagonale si aij = 0 pour tout i ̸= j,
• triangulaire inférieure si aij = 0 pour tout i < j,
• triangulaire supérieure si aij = 0 pour tout i > j,
• symétrique si AT = A,
• antisymétrique si AT = −A.
Remarque. La matrice diagonale In := [e1 , e2 , . . . , en ] est appelée matrice identité.
Exemple 11. Montrez que pour toute matrice A ∈ Rm×n , Im A = AIn = A.
La trace d’une matrice A = [aij ] ∈ Rn×n est le nombre tr(A) := a11 + a22 + . . . + ann .
Exemple 12. Montrez que
a) pour tout A ∈ Rn×n , tr(AT ) = tr(A),
b) pour tout A ∈ Rm×n et B ∈ Rn×m , tr(AB) = tr(BA).

6
CHAPITRE 1. INTRODUCTION C. Bingane

Propriété. Pour tout A, B ∈ Rn×n et pour tout x, y ∈ R, on a tr(xA + yB) = x tr(A) + y tr(B).
Une matrice A ∈ Rn×n est dite inversible ou régulière s’il existe une matrice unique A−1 ∈ Rn×n ,
appelée matrice inverse, telle que A−1 A = AA−1 = In . La matrice A est dite singulière si elle est
non inversible.
Exemple 13. Soient deux matrices A, B ∈ Rm×n . Montrez que si C ∈ Rn×n est une matrice inversible,
alors AC = BC ⇔ A = B.
Propriétés. Soient A, B ∈ Rn×n deux matrices inversibles et soit x ̸= 0 un scalaire.
i) (AB)−1 = B −1 A−1 .
ii) (xA)−1 = A−1 /x.
iii) (AT )−1 = (A−1 )T .
Pour tout entier k ≥ 2, la k-ième puissance d’une matrice A ∈ Rn×n est la matrice Ak telle que
Ak := Ai Ak−i , où 1 ≤ i ≤ k − 1. Une matrice A ∈ Rn×n est dite idempotente si A2 = A, involutive
si A2 = In , nilpotente d’indice k ≥ 2 si Ak−1 ̸= O et Ak = O.
Exemple 14. Soit A ∈ Rn×n une matrice idempotente. Calculez (In + A)m , où m ≥ 2 est un entier.

1.2.3 Produit scalaire et norme de Frobenius

matrices A = [aij ] ∈ Rm×n et B = [bij ] ∈ Rm×n est le nombre
Le produit scalaire dePdeuxP
⟨A, B⟩ := tr(AT B) = i=1 nj=1 aij bij .
m

Exemple 15. Calculez le produit scalaire des matrices

   
1 −1 0 1 0 −1
A= et B = .
1 1 −2 0 1 −1
p
La norme de Frobenius d’une matrice A = [aij ] ∈ Rm×n est le nombre ∥A∥F :=
q tr(AT A) =
Pm Pn 2
i=1 j=1 aij .

Exemple 16. Calculez la norme de Frobenius de la matrice

 
1 −1 0
A= .
1 1 −2

1.3 Exercices
1. Soient les vecteurs v 1 = (cos θ, sin θ) et v 2 = (− sin θ, cos θ), où 0 ≤ θ ≤ 2π.
a) Montrez qu’ils engendrent R2 .
b) Montrez qu’ils sont linéairement indépendants.
2. Soient les vecteurs v 1 = (sin ϕ cos θ, sin ϕ sin θ, cos ϕ), v 2 = (cos ϕ cos θ, cos ϕ sin θ, − sin ϕ) et
v 3 = (− sin θ, cos θ, 0), où 0 ≤ ϕ ≤ π et 0 ≤ θ ≤ 2π.
a) Montrez qu’ils engendrent R3 .
b) Montrez qu’ils sont linéairement indépendants.
3. Montrez que si m vecteurs v 1 , v 2 , . . . , v m ∈ Rn sont deux à deux orthogonaux, alors ils sont
linéairement indépendants.
4. Soient deux vecteurs x, y ∈ Rn . Montrez que

7
CHAPITRE 1. INTRODUCTION C. Bingane

a) ∥x + y∥2 + ∥x − y∥2 = 2∥x∥2 + 2∥y∥2 ,

b) ∥x + y∥2 − ∥x − y∥2 = 4⟨x, y⟩,
c) |∥x∥ − ∥y∥| ≤ ∥x − y∥.
Pn √
5. Soit un vecteur x = (x1 , x2 , . . . , xn ) ∈ Rn . Montrez que ∥x∥ ≤ i=1 |xi | ≤ n∥x∥.

6. Soit une matrice A ∈ Rn×n .

a) Montrez que si A est idempotente, alors In − A est aussi idempotente.
b) Montrez que si A est involutive, alors −A est aussi involutive.
c) Montrez que si A est idempotente, alors 2A − In est involutive.

7. Soit A ∈ Rn×n une matrice symétrique. Que peut-on dire de x ∈ Rn et Ax si A est idempotente ?
involutive ?

8. Soit A ∈ Rn×n une matrice involutive. Calculez (In + A)m , où m ≥ 2 est un entier.

9. Soit A ∈ Rn×n une matrice nilpotente d’indice k.

a) Montrez que k ≤ n.
b) Montrez que In − A est inversible et calculez (In − A)−1 .

10. Calculez ⟨A, B⟩ si A ∈ Rn×n est symétrique et B ∈ Rn×n est antisymétrique.

8
Bibliographie

[1] S. Lang, Introduction to Linear Algebra. Springer-Verlag New York Inc., 1986.
[2] G. Strang, Introduction to Linear Algebra. Wellesley - Cambridge Press, 2009.
[3] G. Strang and S. Dufour, Introduction à l’algèbre linéaire. Presses internationales Polytechnique,
2015.
[4] S. Le Digabel, “MTH1007 Algèbre linéaire pour ingénieurs.” Polytechnique Montréal, 2023.