Algèbre linéaire I
Introduction
Organisation
Cours (théorie) : jeudi 8h30 - 10h30
I Alexandre Mauroy
I E-mail :
[email protected] I Bureau 424 (4ème étage - bâtiment de Sciences)
Exercices (à partir du mardi 24/9)
I Math
Assistants : François-Grégoire Bierwart
(
[email protected]) et Martin Moriamé
(
[email protected])
I Physique :
Assistants : Charles Modera (
[email protected]) et
Justine Bodart (
[email protected])
Organisation
Chapitre 1 Structures algébriques (≈2h)
Chapitre 2 Bases (≈2h)
Chapitre 3 Sous-espaces vectoriels (≈2h)
Chapitre 4 Matrices (≈7h)
Chapitre 5 Structures propres (≈4h)
Produit scalaire et
Chapitre 6
orthogonalité (≈1h)
Chapitre 7 Normes matricielles (≈2h)
Chapitre 8 Projections (≈4h)
Evaluation
Examen écrit (théorie + exercices)
Travail de groupe (pour les étudiants en math)
Syllabi (théorie + exercices) - slides (et autres) sur webcampus
(https://webcampus.unamur.be).
Pourquoi un cours d’algèbre linéaire ?
Le prof : parce que c’est "amusant"...
Vous : il faut bien nous "occuper" ?
Parce que c’est "incontournable"
L’algèbre linéaire est INCONTOURNABLE
www.goodprepa.tech www.technivib.com
Électromagnétisme Mécanique Moteur de recherche
Systèmes de
www.pro.largus.fr
recommandation
www.sencampus.com
Contrôle
Physique quantique
Chapitre 1
Les structures algébriques
Loi de composition interne partout définie
Considérons un ensemble E et une loi interne et partout définie
(IPD), notée “#”, qui associe un élément de E à toute paire
d’éléments de E :
∀ x , y ∈ E : x #y ∈ E
Exemples :
I E = N et # = + : IPD (idem si # = ·)
I E = N et # = − : pas interne
I E = Z et # = − : IPD
I E = Q et # = / : pas partout définie
I E = C et # = + : IPD (idem si # = − ou # = ·)
I E = ensemble de fonctions f : R → R
et # = ◦ (composition de fonctions) : IPD
Groupe
Définition (Groupe)
Soit E un ensemble et # une loi IPD.
Alors {E , #} est un groupe si
I la loi de composition “#” est associative :
x #(y #z) = (x #y )#z = x #y #z ∀x , y , z, ∈ E
I il existe un élément neutre e ∈ E :
x #e = e#x = x ∀x ∈ E
I tout élément x ∈ E possède un élément symétrique :
∀x ∈ E , ∃x −1 ∈ E : x #x −1 = x −1 #x = e
Le groupe {E , #} est commutatif si
∀ x , y ∈ E : x #y = y #x .
Exemples de groupes
I {N, +} n’est pas un groupe
I {Z, −} n’est pas un groupe
I addition usuelle dans : Z, Q, R, C ;
I multiplication usuelle dans : Q \ {0}, R \ {0}, C \ {0} ;
I addition de vecteurs de l’espace ;
I groupe des permutations de n éléments
I groupes de symétrie, transformations du Rubik’s cube, etc.
Anneau unitaire
Considérons maintenant deux lois IPD.
Définition (anneau unitaire)
Soit E un ensemble muni de deux lois IPD “+” et “·”.
Alors {E , +, ·} est un anneau (unitaire) si
1. {E , +} est un groupe commutatif (de neutre noté “0”),
2. ∃ 1 ∈ E , ∀ x ∈ E : x · 1 = 1 · x = x
(existence du neutre 1 à gauche et à droite pour la loi “·”)
3. ∀ x , y , z ∈ E : (x · y ) · z = x · (y · z) (associativité de “·”)
(
x · (y + z) = (x · y ) + (x · z)
4. ∀ x , y , z ∈ E :
(y + z) · x = (y · x ) + (z · x )
(distributivité de “·” par rapport à “+”)
Corps et champ
Définition (corps)
L’anneau unitaire {E , +, ·} est un corps si les propriétés
précédentes 1-4 sont vérifiées et
5. 0 6= 1
6. ∀ x ∈ E \ {0}, ∃ x −1 ∈ E : x · x −1 = 1 = x −1 · x
(existence d’un symétrique pour “·” pour tous les éléments
sauf 0 ; autrement dit {E \ {0}, ·} est un groupe)
Définition (champ)
Le corps {E , +, ·} est un corps commutatif ou un champ si les
propriétés précédentes 1-6 sont vérifiées et
7. x · y = y · x ∀x , y ∈ E (commutativité de la loi “·”)
Exemples d’anneau et corps
Exemples d’anneaux :
I (Z, +, ·) ;
I ensemble des matrices réelles n × n ;
I anneau de polynômes ;
Exemples de corps :
I (Q, +, ·), (R, +, ·), (C, +, ·) ;
I E = {0, 1, a, b} :
+ 0 1 a b · 0 1 a b
0 0 1 a b 0 0 0 0 0
1 1 0 b a 1 0 1 a b
a a b 0 1 a 0 a b 1
b b a 1 0 b 0 b 1 a
Espace vectoriel
Considérons deux ensembles K et E et leurs lois internes “+”, “·”
(sur K) et “#” (sur E ). Ajoutons une loi externe • qui les relie :
• : K × E → E : (α, x) 7→ α • x.
Remarque
Les éléments de E sont appelés vecteurs (notés en gras) tandis
que les éléments de K sont appelés scalaires.
Définition (espace vectoriel)
{E , {K, +, ·}, #, •} est un espace vectoriel sur K si
1. {K, +, ·} est un champ (de neutres 0 et 1)
2. {E , #} est un groupe commutatif
3. ∀ α, β ∈ K, ∀ x ∈ E (α · β) • x = α • (β • x)
4. ∀ α ∈ K, ∀ x, y ∈ E : α • (x # y) = (α • x) # (α • y)
5. ∀ α, β ∈ K, ∀ x ∈ E : (α + β) • x = (α • x) # (β • x)
6. ∀ x ∈ E : 1 • x = x
Exemples d’espaces vectoriels
I E = ensemble des vecteurs de l’espace et K = R.
I K est un espace vectoriel sur lui-même :
E = K, # = +, • = ·
I Kn , l’ensemble des n-uplets, est un espace vectoriel sur K
associé à la loi interne # et à la loi externe •, définies par :
∀ x, y ∈ Kn , ∀ α ∈ K :
x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ) :
x # y = (x1 + y1 , x2 + y2 , . . . , xn + yn )
α • x = (α · x1 , α · x2 , . . . , α · xn )
Par exemple : Rn et Cn .
Remarque
En général, on ne fera pas la distinction entre “#” et “+” et entre
“•” et “·”. On utilisera uniquement “+” et “·” (ou rien).
Application linéaire
Définition (application linéaire)
Soient deux espaces vectoriels E et F construits sur le même
champ de scalaires K.
Une application linéaire f de E vers F (f : E → F ) est une
application qui vérifie :
∀ x, y ∈ E , ∀ α, β ∈ K : f (α x+β y) = α f (x)+β f (y) ∈ F .
Propriété : f (0E ) = 0F
Exemples d’applications linéaires
Exercice :
I f : R2 → R : (x1 , x2 ) 3x1 + 2x2 est linéaire.
I f : R2 → R3 : (x1 , x2 ) (x1 + x2 , 2x1 − x2 , x2 ) est linéaire.
I f : R4 → R2 : (x1 , x2 , x3 , x4 ) (x1 + x4 +1, x3 ) n’est pas
linéaire.
I f : R2 → R3 : (x1 , x2 ) (x1 + x2 , x12 , x2 ) n’est pas linéaire.
Remarque importante
Une application linéaire f de Kn dans Km est toujours de la forme
f (x1 , . . . , xn ) = (a11 x1 + . . . + a1n xn , . . . , am1 x1 + . . . + amn xn ).
Deux applications linéaires se distinguent donc l’une de l’autre
uniquement par le choix des scalaires a11 , ..., amn ∈ K.
Cas particuliers d’applications linéaires
I Application nulle 0 : E → F , x 7→ 0F (f (x) = 0F )
I Application identique I : E → E , x 7→ x (f (x) = x)
I Si F = E : l’application est une transformation linéaire
I Si F = K : l’application est une forme linéaire
On définit AEF l’ensemble des applications linéaires de E vers F
Comment faire de AEF un espace vectoriel ? Avec quelles lois ?
Espace vectoriel des applications linéaires
I loi interne + entre deux applications linéaires f et g :
∀ f , g ∈ AEF , f +g ∈ AEF est définie par
(f +g)(x) = f (x)+g(x) ∀x ∈ E
⇒ {AEF , +} est un groupe commutatif
(le neutre est l’application nulle 0)
I loi externe • entre une application linéaire f et un scalaire α :
∀ f ∈ AEF , ∀ α ∈ K, α •f ∈ AEF est définie par
(α •f )(x) = α •f (x) ∀x ∈ E
{AEF , {K, +, ·}, +, •} est un espace vectoriel sur le champ K.
Composition de deux applications linéaires
Définition (produit de composition)
Soient des espaces vectoriels E , F et G construits sur K et soient
deux applications linéaires f : E → F et g : F → G.
Le produit de composition de f et g est l’application notée
g ◦ f : E → G et définie par
(g ◦ f )(x) = g(f (x)) ∀ x ∈ E.
Remarque
Le produit de composition n’est généralement pas une loi interne.
Dans le cas des transformations linéaires (E = F = G), le produit
est interne.
Produit de deux transformations linéaires
On note TE = AEE l’ensemble des transformations linéaires de E
dans E .
On sait déjà que :
I {TE , {K, +, ·}, +, ·} est un espace vectoriel sur le champ K ;
I en particulier {TE , +} est un groupe commutatif.
Ici, on a de plus que la loi produit de composition “◦” est :
I interne et partout définie,
I associative (à vérifier),
I admet un neutre (la transformation identité I),
I distributive sur la loi “+" (à vérifier).
Donc, {TE , +, ◦} est un anneau unitaire.
Inverse d’une transformation
Dans le cas des transformations, le symétrique est appelé inverse
(ou réciproque).
Définition (transformation inverse)
Quand elle existe, la transformation inverse d’une transformation
f : E → E est la transformation notée f −1 : E → E et telle que
f ◦ f −1 = f −1 ◦ f = I.
Remarque importante
Toutes les transformations n’admettent pas une transformation
inverse. Les transformations qui admettent une transformation
inverse sont les bijections.
Proposition
L’inverse d’une transformation linéaire est une transformation
linéaire.
