Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.

fr

CHAPITRE 1 Introduction
L’algèbre linéaire est née de l’étude des systèmes linéaires, dont la résolution est
Compléments d’algèbre linéaire motivée par l’introduction de la géométrie analytique par Descartes dans son ap-
pendice La Géométrie en 1637. Les premiers résultats sont énoncés par Leibniz
en 1693 et Maclaurin en 1748 pour les systèmes à deux ou trois inconnues, puis
généralisés par Cramer en 1750 avec les formules qui portent aujourd’hui son nom.
Ce n’est qu’en 1810 que Gauss présenta la méthode du pivot permettant de ré-
Plan du chapitre soudre les systèmes linéaires sous forme de tableaux de nombres. Cependant, on en
trouve des traces en Chine aux alentours du IIe siècle avant notre ère, sous le nom
I Familles de vecteurs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2
de Fang cheng ce qui se traduit littéralement par « la disposition rectangulaire ».
A - Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Les tableaux de nombres sont manipulés depuis deux siècles avant notre ère, mais
B - Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
le terme « matrice » est employé pour la première fois par Sylvester en 1850. Les
C - Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
opérations usuelles du calcul matriciel sont définies dans un traité de Cayley publié
en 1854 portant sur les transformations géométriques. Cette approche abstraite des
II Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
opérations sur les matrices est révolutionnaire car l’utilisation des matrices était
A - Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
essentiellement bornée au calcul des déterminants jusque-là.
B - Hyperplans d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Au cours du XVIIIe siècle, les mathématiciens cherchent à développer un forma-
C - Sous-espaces stables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
lisme permettant d’unifier les résultats sur des objets distincts présentant des pro-
priétés communes. Grassmann publie son traité La théorie de l’extension linéaire
III Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
en 1844 dans lequel il introduit la notion d’espace vectoriel de dimension finie afin
A - Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
de calculer des grandeurs géométriques en étant débarrassé des choix de coordon-
B - Trace d’un endomorphisme en dimension finie . . . . . . . . . . . . . . . . . . . 5
nées. Le fait que la dimension puisse être supérieure à trois fit apparaître quelques
C - Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
réticences de la part de ceux qui considèrent que tout objet mathématique doit
D - Matrices symétrique et antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
avoir une interprétation dans le monde sensible, mais elles se dissipèrent avec le
temps. Finalement, Peano donne en 1888 une définition axiomatisée des espaces
vectoriels proche de celle que nous utilisons de nos jours.

L’algèbre linéaire est omniprésente dans les différentes disciplines scientifiques,

notamment par l’utilisation des matrices et de leurs propriétés. De plus, la notion
d’espace vectoriel a par exemple un rôle central en mécanique quantique et dans
la théorie des codes utilisée dans les télécommunications.

L’objectif de ce chapitre est principalement d’introduire quelques nouvelles no-

tions en algèbre linéaire que nous utiliserons dans les chapitres suivants.

1/6
Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.fr

Dans tout le chapitre, on désigne par K le corps R ou le corps C. On fixe également Rappelons qu’une famille de polynômes non nuls de K[X ] est dite échelonnée en
un espace vectoriel E sur K. degré si les polynômes de la famille sont de degrés deux à deux distincts.

Proposition 1 : Toutes famille de polynômes non nuls de K[X ] échelonnée en de-

I - Familles de vecteurs gré est libre.
Rappelons qu’une combinaison linéaire de vecteurs de E ne fait intervenir qu’un
nombre fini de vecteurs de E et de scalaires de K. Exemple 2 : La famille (P k )k∈N de K[X ] où P k = X 2k + X k + 1 est libre.

I.A - Familles libres I.B - Familles génératrices

Définition (Famille libre et famille liée) : Soit F une famille de vecteurs de E . Définition (Famille génératrice) : Une famille F de vecteurs de E est génératrice
si tout vecteur de E s’écrit comme une combinaison linéaire d’éléments de F .
(i) La famille F est libre si la seule combinaison linéaire de vecteurs de F égale
au vecteur nul 0E est celle dont tous les coefficients sont nuls.
Exemple 3 : La famille (X n )n∈N est une famille génératrice de K[X ].
(ii) La famille F est liée si elle n’est pas libre.
I.C - Bases
Remarques 1 :
a) On peut reformuler la définition précédente. Une famille F = (v i )i ∈I de vecteurs Définition (Base) : Une famille de vecteurs de E est une base si elle est libre et
de E est libre si et seulement si pour tout r ∈ N et tous indices i 1 , . . . , i r ∈ I deux
∗ génératrice.
à deux distincts, on a
³ ´ Exemple 4 : La famille (X n )n∈N est une base de K[X ]. On l’appelle base canonique
∀(α1 , . . . , αr ) ∈ Kr , α1 v i 1 + · · · + αr v i r = 0E ⇒ α1 = · · · = αr = 0 . de K[X ].

b) Une famille F est liée si et seulement si un vecteur de la famille F s’écrit comme

Proposition 2 : Une famille (P k )k∈N de K[X ] vérifiant deg(P k ) = k pour tout k ∈ N
une combinaison linéaire des autres vecteurs de F .
est une base de K[X ].
Exemples 1 : k
a) La famille (X 2k )k∈N est une famille libre de K[X ]. Exemple 5 : La famille (P k )k∈N de K[X ] où P k = X i est une base de K[X ].
X
i =0
b) La famille (P a )a∈R où P a = X + a est une famille liée de K[X ]. En effet, on a la
relation P 2 − 2P 1 + P 0 = 0.

2/6
Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.fr

II - Sous-espaces vectoriels Théorème 1 : Si Bk est une base de F k pour chaque k ∈ J1, p K, alors

II.A - Somme de sous-espaces vectoriels F 1 + · · · + F p = Vect B1 , . . . , Bp .

¡ ¢
| {z }
Dans cette sous-partie, on fixe p ∈ N∗ et des sous-espaces vectoriels F 1 , . . . , F p de E . B

De plus, la somme est directe si et seulement si la famille B est libre. Dans ce cas,
Définition (Somme de sous-espaces vectoriels) : La somme des sous-espaces on dit que B est une base adaptée à la somme directe F 1 ⊕ · · · ⊕ F p .
vectoriels F 1 , . . . , F p de E , noté F 1 + · · · + F p est le sous-espace vectoriel de E dé-
fini par
© ª Remarque 4 : Si E est de dimension finie et si la somme F 1 + · · · + F p est directe, on
F 1 + · · · + F p = v 1 + · · · + v p ∈ E | ∀i ∈ J1, p K, v i ∈ F i .
en déduit que
dim(F 1 ⊕ · · · ⊕ F p ) = dim(F 1 ) + · · · + dim(F p ).
Remarque 2 : La définition ci-dessus est la généralisation de celle vue en première
année pour la somme de deux sous-espaces vectoriels.
II.B - Hyperplans d’un sous-espace vectoriel
Définition (Somme directe de sous-espaces vectoriels) : On dit que la somme On suppose dans cette sous-partie que E est de dimension finie n ∈ N∗ .
des sous-espaces vectoriels F = F 1 + · · · + F p est directe si tout élément de F se
décompose de manière unique selon (F 1 , . . . , F p ), i.e. Définition (Hyperplan) : Un hyperplan de E est un sous-espace vectoriel de di-
mension n − 1.
∀v ∈ F, ∃!(v 1 , . . . , v p ) ∈ F 1 × · · · × F p , v = v 1 + · · · + v p .
Exemples 7 :
Dans ce cas, on note F = F 1 ⊕ · · · ⊕ F p .
a) Si dim E = 2, les hyperplans de E sont les droites vectorielles.

Exemple 6 : Trois droites vectorielles dans R3 sont en somme directe si et seule- b) Si dim E = 3, les hyperplans de E sont les plans vectoriels.
ment si elles ne sont pas coplanaires.
Théorème de caractérisation des hyperplans : Soit F un sous-espace vectoriel
Proposition 3 : La somme F 1 + · · · + F p est directe si et seulement si pour tout élé- de E . Les assertions suivantes sont équivalentes.
ment (v 1 , . . . , v p ) ∈ F 1 × · · · × F p , on a (i) Le sous-espace vectoriel F est un hyperplan de E .
(ii) Le sous-espace vectoriel F admet une droite vectorielle en supplémentaire.
v 1 + · · · + v p = 0E ⇒ v 1 = · · · = v p = 0E .
(iii) Il existe une application linéaire non nulle ϕ : E → K telle que F = Ker(ϕ).
Remarque 3 : La condition dans la proposition précédente signifie que le vecteur
nul 0E se décompose de manière unique selon (F 1 , . . . , F p ). Remarque 5 : On en déduit que tout hyperplan de E = Kn admet une équation de
la forme a 1 x 1 + · · · + a n x n = 0 où (a 1 , . . . , a n ) ∈ Kn est non nul.

3/6
Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.fr

II.C - Sous-espaces stables Proposition 4 : On suppose que l’espace vectoriel E est de dimension finie et on
considère des sous-espaces vectoriels F 1 , . . . , F p de E tels que E = F 1 ⊕ · · · ⊕ F p .
Définition (Sous-espace vectoriel stable) : Un sous-espace vectoriel F de E est Si B = B1 , . . . , Bp est une base adaptée à la somme directe précédente et si les
¡ ¢
stable par un endomorphisme u ∈ L (E ) si u(F ) ⊂ F , i.e. sous-espaces F 1 , . . . , F p sont stables par un endomorphisme u ∈ L (E ), alors on a
∀v ∈ F, u(v) ∈ F.  
A1 0 ··· 0
 .. .. 
Exemples 8 :
 0 A2 . . 
MatB (u) =  où A i = MatBi (u |Fi ).
 
.. .. ..
a) Les sous-espaces vectoriels {0E } et E sont stables pour tout u ∈ L (E ).

. . . 0
 

b) Les sous-espaces vectoriels stables d’une rotation vectorielle de R2 d’angle π/2 0 ··· 0 Ap
sont {0R2 } et R2 .
c) Les sous-espaces vectoriels stables d’une rotation vectorielle de R3 d’angle π/2 Exemple 9 : On reprend l’exemple précédent. On considère la base
sont {0R3 }, l’axe de la rotation D, le plan vectoriel orthogonal à D et R3 .
B = (1, −4, 0), (0, 0, 1), (4, 1, 0)
¡ ¢

d) On considère l’endomorphisme u : R3 → R3 défini par

| {z } | {z }
Base de D Base de H

∀(x, y, z) ∈ R3 , u(x, y, z) = (7x + 4y + 4z, 4x − 8y + z, −4x − y + 8z). qui est adaptée à la somme directe R3 = D ⊕ H . La matrice de l’endomorphisme u
dans la base B est
−9 0 0
 
Alors les sous-espaces vectoriels
³ ´ ³ ´ MatB (u) =  0 8 −17 .
D = Vect (1, −4, 0) et H = Vect (0, 0, 1), (4, 1, 0) 0 1 8

sont stables par u. En effet, on a

III - Matrices
¡ ¢ ¡ ¢
u(D) = Vect u(1, −4, 0) = Vect (−9, 36, 0) ⊂ D,
| {z } III.A - Trace d’une matrice carrée
∈D
¡ ¢ ¡ ¢
u(H ) = Vect u(0, 0, 1), u(4, 1, 0) = Vect (4, 1, 8), (32, 8, −17) ⊂ H .
| {z } | {z } Définition (Trace d’une matrice carrée) : La trace d’une matrice A ∈ Mn (K), no-
∈H ∈H tée Tr(A), est la somme de ses coefficients diagonaux, i.e.

Remarque 6 : Si F est un sous-espace stable par u ∈ L (E ), alors la restriction u |F n

X
Tr(A) = a k,k .
de u à F est un endomorphisme de F .
k=1
µ ¶
a b
Exemple 10 : Pour n = 2, on a Tr = a + d.
c d

4/6
Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.fr

Proposition 5 : La trace vérifie les propriétés suivantes. III.C - Transposée d’une matrice
(i) L’application Tr : Mn (K) → K est une application linéaire. Définition (Transposée d’une matrice) : La matrice transposée (ou la transpo-
(ii) Pour toutes matrices A, B ∈ Mn (K), on a Tr(AB ) = Tr(B A). sée) d’une matrice A ∈ Mm,n (K) est la matrice notée A T ∈ Mn,m (K) obtenue en
échangeant les lignes et les colonnes de A.
Rappelons que deux matrices A, B ∈ Mn (K) sont dites semblables s’il existe une
matrice inversible P ∈ Mn (K) telle que A = P B P −1 . 1 4
 
µ ¶
1 2 3
Exemple 12 : Si A = , alors A T = 2 5.
4 5 6
Corollaire 1 : Si deux matrices A, B ∈ Mn (K) sont semblables, alors elles ont la 3 6
même trace.
Remarques 8 :
a) En notant B = A T , la définition se traduit sur les coefficients par
III.B - Trace d’un endomorphisme en dimension finie
∀(i , j ) ∈ J1, n K × J1, m K, b i , j = a j ,i .
On fixe un espace vectoriel E de dimension finie n ∈ N.
T T T
Définition (Trace d’un endomorphisme) : Soit u ∈ L (E ) un endomorphisme. La b) La transposée de la matrice A est A, i.e. (A ) = A.
trace de u, notée Tr(u), est la trace de la matrice représentant u dans une base B
de E . Proposition 6 : On a les propriétés suivantes.
(i) La transposition est linéaire :
Remarque 7 : Le corollaire précédent nous assure que le nombre Tr(u) ne dépend
pas de la base B de E que l’on a choisi pour le calculer. ∀(A, B ) ∈ Mm,n (K)2 , ∀(λ, µ) ∈ K2 , (λA + µB )T = λA T + µB T .
Exemple 11 : On considère l’endomorphisme u : R2 [X ] → R2 [X ] défini par
(ii) Pour tout A ∈ Mm,n (K) et B ∈ Mn,p (K), on a (AB )T = B T A T .
u(P ) = X P 00 (X ) + P (X ). (iii) Si A ∈ Mn (K) est inversible, alors la matrice A T est inversible et on a la rela-
¡ ¢−1 ¡ −1 ¢T
tion A T = A .
Dans la base B = (1, X , X 2 ) de R2 [X ], la matrice de u est

1 0 0
 
III.D - Matrices symétrique et antisymétriques
A = MatB (u) = 0 1 2 .
0 0 1 Définition (Matrice symétrique ou antisymétrique) : Soit M ∈ Mn (K).
(i) On dit que M est symétrique si M T = M .
Ainsi, la trace de u est Tr(u) = Tr(A) = 1 + 1 + 1 = 3.
(ii) On dit que M est antisymétrique si M T = −M .

5/6
Chapitre 1 - Compléments d’algèbre linéaire - Cours Lycée Blaise Pascal - TSI 2 - Jérôme Von Buhren - http://vonbuhren.free.fr

Exemples 13 :
1 2 3
 

a) La matrice A = 2 4 5 est symétrique.

3 5 6
0 1 2
 

b) La matrice A = −1 0 3 est antisymétrique.

−2 −3 0

Remarque 9 : Les coefficients de la diagonale principale d’une matrice antisymé-

trique sont nuls.

6/6