ABDELKADER BENHARI

-


ALGBRE LINAIRE

Lalgbre linaire est la branche des mathmatiques qui s'intresse l'tude des espaces vectoriels (ou espaces
linaires), de leurs lments les vecteurs, des transformations linaires et des systmes d'quations linaires
(thorie des matrices). on s'interesse dans ce cours aux :
Espaces vectoriels, K-algbres, Espaces vectoriels finis, Matrices, Dterminants, Produit scalaire sur un R-
espace vectoriel, Espace vectoriel euclidien, R-espace vectoriel euclidien orient de dimension 2, R-espace
vectoriel euclidien orient de dimension 3, Espaces affines,Gomtrie dans un espace affine euclidien



ELEMENTARY LINEAR ALGEBRA


Linear algebra is the branch of mathematics that deals with the study of vector spaces (or linear spaces), of their
vectors, linear transformations and systems of linear equations (matrix theory).
we are interested in this course to:
Vector spaces, K-algebras, finite vector spaces, matrices, determinants, scalar product on R-vector space,
Euclidean space, R-Euclidean oriented vector space of dimension 2, R-Euclidean oriented vector space of
dimension 3, Spaces affine geometry in a Euclidean affine space







A.Benhari 2

Table des matires
Espaces vectoriels ...................................................................................................................... 7
I Dfinitions ............................................................................................................................ 7
A) Dfinition ...................................................................................................................... 7
B) Rgles de calcul ............................................................................................................. 7
C) Exemple important ........................................................................................................ 8
D) Vecteurs, combinaisons linaires ................................................................................ 10
II Sous-espace vectoriel ....................................................................................................... 10
A) Dfinition .................................................................................................................... 11
B) Intersection de sous-espaces vectoriels ....................................................................... 11
C) Dfinitions quivalentes .............................................................................................. 12
D) Sous-espace vectoriel engendr par ............................................................................ 12
III Sommes et sommes directes ............................................................................................ 14
IV Applications linaires ...................................................................................................... 16
A) Dfinition .................................................................................................................... 16
B) Noyau et image ............................................................................................................ 17
C) Image directe, image rciproque dun sous-espace vectoriel ...................................... 18
D) Structure sur des ensembles dapplications linaires .................................................. 19
V Quelques endomorphismes intressants ........................................................................... 22
A) Homothtie (vectorielle) ............................................................................................. 22
B) Projecteurs (vectoriels) ................................................................................................ 22
C) Symtries (vectorielles) ............................................................................................... 24
VI Familles libres (finies) .................................................................................................... 25
A) Dfinition .................................................................................................................... 25
B) Proprits gnrales ..................................................................................................... 26
VII Bases (finies) ................................................................................................................. 26

K-algbres ................................................................................................................................. 28

VIII Dfinition ...................................................................................................................... 28
IX Sous-algbres .................................................................................................................. 28
X Morphisme de K-algbre .................................................................................................. 28

Espaces vectoriels de type fini ................................................................................................. 29

XI Les thormes fondamentaux .......................................................................................... 29
A) Existence de base ........................................................................................................ 29
B) Dimension ................................................................................................................... 29
XII Rang dune famille de vecteurs ..................................................................................... 33
XIII Somme de sous-espaces vectoriels et dimension ......................................................... 33
XIV Applications linaires en dimension finie .................................................................... 35
A) Dtermination dune application linaire par la donne des images des vecteurs dune
base ................................................................................................................................... 35
B) Applications linaires et images des vecteurs dune base ........................................... 36
C) Isomorphismes ............................................................................................................ 37
D) Le thorme noyau - image ................................................................................... 38
E) Rang dune application linaire ................................................................................... 38
XV Formes linaires et hyperplan ........................................................................................ 39
A) Formes linaires de E. ................................................................................................. 39
B) Hyperplan .................................................................................................................... 39
A.Benhari 3


Matrices .................................................................................................................................... 41

XVI Dfinition ..................................................................................................................... 41
A) Matrice ........................................................................................................................ 41
B) Reprsentation dune matrice ...................................................................................... 41
XVII Matrice dune famille de vecteurs dans une base ....................................................... 41
XVIII Matrice dune application linaire dans des bases..................................................... 42
XIX Le K-ev M
n,p
(K). ........................................................................................................... 43
A) Somme ........................................................................................................................ 43
B) Produit par un scalaire ................................................................................................. 43
C) Le K-ev M
n,p
(K) ........................................................................................................... 44
D) Dimension ................................................................................................................... 44
XX Produit matriciel ............................................................................................................ 45
A) Dfinition .................................................................................................................... 45
B) Composantes de limage dun vecteur ........................................................................ 46
C) Proprits du produit ................................................................................................... 47
XXI La K-algbre M
n
(K) ...................................................................................................... 48
A) Rappel ......................................................................................................................... 48
B) Thorme ..................................................................................................................... 48
C) Consquences : rgles de calcul .................................................................................. 49
XXII Transposition .............................................................................................................. 50
A) Dfinition .................................................................................................................... 50
B) Proprits ..................................................................................................................... 50
C) Matrices symtriques, antisymtriques ....................................................................... 50
XXIII Matrices inversibles ................................................................................................... 51
A) Dfinitions rappels ................................................................................................... 51
B) Thorme essentiel ...................................................................................................... 52
C) Exemples ..................................................................................................................... 53
D) Diverses caractrisations ............................................................................................. 53
E) Exemples importants ................................................................................................... 56
XXIV Changement de base .................................................................................................. 59
A) Changement de base : matrice de passage, composantes dun vecteur....................... 59
B) Les formules de changement de base pour une application linaire ........................... 61
XXV Matrices quivalentes et rang ..................................................................................... 61
A) Rang dune matrice ..................................................................................................... 61
B) Matrice quivalente ..................................................................................................... 62
C) Thorme ..................................................................................................................... 63
XXVI Transformations lmentaires ................................................................................... 65
A) Sur les colonnes .......................................................................................................... 65
B) Transformation lmentaire sur les lignes .................................................................. 66
C) Intrt de ces thormes .............................................................................................. 67
XXVII Retour la mthode du pivot ................................................................................... 68
A) Cas des matrices inversibles ....................................................................................... 68
B) Cas dune matrice quelconque .................................................................................... 70
XXVIII Synthse et complments sur les systmes ............................................................. 72
A) Dfinition .................................................................................................................... 72
B) Interprtation ............................................................................................................... 72
C) Rsolution .................................................................................................................... 74
D) Complments .............................................................................................................. 75
A.Benhari 4


Dterminants ............................................................................................................................ 77

XXIX Applications n-linaires ............................................................................................. 77
A) Dfinition .................................................................................................................... 77
B) Application n-linaire antisymtrique ......................................................................... 78
C) Applications n-linaires alternes ............................................................................... 79
D) Formes n-linaires alternes en dimension n. ............................................................. 79
XXX Dterminant dans une base dune famille de n vecteurs ............................................ 80
XXXI Dterminant dun endomorphisme ............................................................................ 82
XXXII Dterminant dune matrice carre ............................................................................ 83
A) Dfinition et proprit ................................................................................................. 83
B) Proprits portant sur les colonnes et les lignes .......................................................... 84
C) Dterminant dune matrice triangulaire ...................................................................... 85
XXXIII Dveloppement selon une range ........................................................................... 86
A) Petit lemme ................................................................................................................. 86
B) Dveloppement selon une colonne .............................................................................. 87
C) Dveloppement selon une ligne .................................................................................. 88
XXXIV Application linverse dune matrice carre (si inversible) .................................. 88
XXXV Formules de Cramer................................................................................................. 89
XXXVI Complment : polynme caractristique dune matrice carre .............................. 90

Produit scalaire sur un R-ev ..................................................................................................... 92

XXXVII Dfinition .............................................................................................................. 92
XXXVIII Proprits essentielles .......................................................................................... 93
A) Thorme de CauchySchwarz ................................................................................... 93
B) Norme associe un produit scalaire .......................................................................... 93
C) Distance associe un produit scalaire ....................................................................... 94
D) Orthogonalit .............................................................................................................. 94
E) Divers .......................................................................................................................... 95
F) Familles orthogonales, orthonormales ......................................................................... 95
G) Sous-espaces orthogonaux .......................................................................................... 96

Espace vectoriel euclidien ........................................................................................................ 97

XXXIX Dfinition et notations ............................................................................................ 97
XL Bases orthonormales ...................................................................................................... 98
A) Gnralits .................................................................................................................. 98
B) Produit scalaire et base orthonormale ....................................................................... 100
XLI Orthogonal dun sous-espace vectoriel, projecteurs et symtries orthogonaux ......... 101
A) Orthogonal dun sous-espace vectoriel (rappel) ....................................................... 101
B) Projecteur orthogonal ................................................................................................ 101
C) Distance dun lment un sous-espace vectoriel .................................................... 102
D) Symtries orthogonales ............................................................................................. 102
XLII Formes linaires et hyperplans .................................................................................. 103
A) Formes linaires ........................................................................................................ 103
B) Hyperplans ................................................................................................................ 104
C) Projection orthogonale sur un hyperplan .................................................................. 104
D) Rflexion ................................................................................................................... 105
A.Benhari 5

XLIII Automorphismes orthogonaux ................................................................................. 106
A) Dfinition, thorme ................................................................................................. 106
B) Matrices orthogonales ............................................................................................... 107
C) Dterminant dun automorphisme orthogonal .......................................................... 108
XLIV Orientation et changement de base .......................................................................... 109
A) Orientation dun R-ev E de dimension n. ................................................................. 109
B) Changement de base orthonormale ........................................................................... 110
C) Automorphismes orthogonaux et orientation ............................................................ 110
D) Dterminant en base orthonorme directe................................................................. 111

R-ev euclidien orient de dimension 2 ................................................................................... 111

XLV Rappels : droites du plan E. ...................................................................................... 111
XLVI Angle orient de deux vecteurs non nuls du plan .................................................... 112
XLVII Etude de O(E) et O
2
. ............................................................................................... 113
A) Etude ......................................................................................................................... 113
B) Etude de SO(E) et SO
2
. .............................................................................................. 114
C) Etude de O(E)\SO(E) et O
2
\SO
2
. ............................................................................... 115
D) Rsum, tableau : classification des lments de O(E) lorsque dim E = 2 ............... 116
E) Composes de rflexions ........................................................................................... 116
XLVIII Complments propos dangles orients .............................................................. 116

R-ev euclidien orient de dimension 3 ................................................................................... 117

XLIX Prliminaires ............................................................................................................ 117
A) Brefs rappels ............................................................................................................. 117
B) Orientation induite ..................................................................................................... 117
C) Angle non orient ...................................................................................................... 118
L Produit vectoriel .............................................................................................................. 118
A) Proposition, dfinition ............................................................................................... 118
B) Composantes en base orthonorme directe ............................................................... 118
C) Proprits diverses ..................................................................................................... 119
D) Produit vectoriel, angles ............................................................................................ 120
LI Etude de O(E) et O
3
. ...................................................................................................... 120
A) Deux lemmes ............................................................................................................. 120
B) Classification des lments de O(E) selon la dimension de lespace des invariants . 121
C) Etude de SO(E) .......................................................................................................... 123
D) Tableau rsumant la classification ............................................................................ 125
E) Compose de rflexions ............................................................................................ 125
LII Divers angles non orients en dimension 3 .................................................................. 126

Espaces affines ....................................................................................................................... 127

LIII Dfinitions et notations ............................................................................................... 127
A) Dfinition .................................................................................................................. 127
B) Translation ................................................................................................................. 127
C) Vecteur dfini par deux point .................................................................................... 128
D) Exemples et visualisation .......................................................................................... 128
LIV Repres dun espace affine de dimension finie .......................................................... 128
A) Dfinitions ................................................................................................................. 128
A.Benhari 6

B) Changement de repre ............................................................................................... 129
LV Barycentres .................................................................................................................. 129
A) Dfinition .................................................................................................................. 130
B) Proprits ................................................................................................................... 130
LVI Sous-espaces affines ................................................................................................... 131
A) Gnralits ................................................................................................................ 131
B) Paralllisme et inclusion entre deux sous-espaces affines ........................................ 133
C) Intersection entre deux sous-espaces affines ............................................................. 133
D) Equations et paramtrages en dimension 2 ou 3. ...................................................... 134
LVII Applications affines ................................................................................................... 136
A) Gnralits ................................................................................................................ 136
B) Exemples ................................................................................................................... 138
C) Applications affines et composition .......................................................................... 138
D) Application affine, et sous-espace affine .................................................................. 140
LVIII Applications affines particulires ............................................................................ 141
A) Translations ............................................................................................................... 141
B) Homothties .............................................................................................................. 141
C) Projections ................................................................................................................. 144
D) Symtries ................................................................................................................... 145
E) Affinits ..................................................................................................................... 145
F) Une remarque gnrale en dimension finie ............................................................... 147
LIX Parties convexes dun espace affine ........................................................................... 147

Gomtrie dans un espace affine euclidien ............................................................................ 149

LX Gnralits en dimension finie ..................................................................................... 149
A) Divers ........................................................................................................................ 149
B) Les isomtries ............................................................................................................ 151
LXI Etude dun espace affine euclidien orient de dimension 2 ....................................... 152
A) Les isomtries en dimension 2 .................................................................................. 152
B) Gomtrie analytique en dimension 2 ....................................................................... 155
C) Les similitudes du plan .............................................................................................. 156
D) Coordonnes polaires ................................................................................................ 159
LXII En dimension 3 .......................................................................................................... 160
A) Les dplacements ...................................................................................................... 160
B) Gomtrie analytique en dimension 3 ....................................................................... 163
C) Coordonnes cylindriques et sphriques ................................................................... 164

Bibliographie








A.Benhari 7

Espaces vectoriels


Dans tout ce chapitre, R K = ou C (ou un sous corps de C). (Muni des lois + et naturelles)


I Dfinitions
A) Dfinition

Soit E un ensemble, muni dune loi de composition interne et dune loi externe
oprateurs dans K, note , c'est--dire :
v u v u
E E E

) , (
et
u u
E E

) , (
K .
On dit que ) , , ( E est un espace vectoriel sur K/un K-espace vectoriel (K-ev)
lorsque :
) , ( E est un groupe commutatif
Pour tous E v u , , K , , on a :
u u
u u
v u v u
u u u
=
=
=
= +
1
) ( ) (
) (
) (





Exemples :
) , , ( + R , ) , ), , ( ( + R R F , ) , , ( + C sont des R-ev.
) , ], [ ( + X K est un K-ev.


B) Rgles de calcul

Soit ) , , ( E un K-ev. Alors :
(1)
E
u E u 0 0 , = (neutre pour du groupe ) , ( E appel le vecteur nul de E)
Dmonstration :
u u u u E u = + = 0 0 ) 0 0 ( 0 , .
Donc
E
u 0 0 =
(2)
E E
0 0 , = K
Dmonstration :
E E E E E
0 0 ) 0 0 ( 0 = =
Donc
E E
0 0 = .
(3)
E E
u u E u 0 ou 0 0 , , = = = K
Dmonstration :
Le sens a t vu avec (1) et (2).
Pour : Supposons que
E
u 0 = et que 0 .
Montrons qualors
E
u 0 = .
On introduit
1
(ce qui est possible car 0 ).
A.Benhari 8

Alors u u u u = = =

1 ) ( ) (
1 1
dune part,
Et
E E
u 0 0 ) (
1 1
= =

dautre part.
Donc
E
u 0 =
(4) ) ( ) ( ) ( , , u u u E u = =

K
Dmonstration :
( ) ( )
E
u u u 0 )) ( ( ) ( = + = . Donc ) ( ) ( u u =


( )
E E
u u u u 0 0 ) ( )) ( ( = = =

. Donc ) ( ) ( u u =

.
(5) u n u n n E u = . , , Z
(A gauche de lgalit : itration dans ) , ( E ; droite : produit externe)
Dmonstration :
Par rcurrence pour les 0 n , puis la proposition (4) pour 0 n .
Ces rgles permettent des critures simplifies :
+ pour , . pour voire omis, u pour la valeur commune de ) ( , ) ( u u


et ) ( u

.

Vocabulaire :
Dans un K-ev ) , , ( + E , les lments de E sont appels des vecteurs, et les lments
de K des scalaires.


C) Exemple important

Soit * N n
On munit
n
K ) ... ( K K K de la loi et de la loi externe oprateurs dans
K dfinis ainsi :
Pour tous

K
K
K

n
n
n
n
y y y
x x x
) ,... , (
) ,... , (
2 1
2 1
:
) ,... , ( ) ,... , ( ) ,... , (
2 2 1 1 2 1 2 1 n n n n
y x y x y x y y y x x x + + + =
) ,... , ( ) ,... , (
2 1 2 1 n n
x x x x x x = .
Alors ) , , (
n
K est un K-ev.
Dmonstration :
Dj, ) , (
n
K est un groupe commutatif :
Le neutre pour est videmment ) 0 ,... 0 , 0 ( , qui est bien dans
n
K .
Associativit :
Soient
n
z y x K , , . Alors ) ,... , (
2 1 n
x x x x = , ) ,... , (
2 1 n
y y y y = et ) ,... , (
2 1 n
z z z z = o
K
n n n
z z z y y y x x x ,... , , ,... , , ,... ,
2 1 2 1 2 1

Alors :
z y x
z y x z y x z y x
z y x z y x z y x
z z z y y y x x x z y x
n n n
n n n
n n n
= =
+ + + + + + =
+ + + + + + = =
=
) ( ...
) ) ,...( ) ( , ) ((
)) ( ),... ( ), ( ( ...
)) ,... , ( ) ,... , (( ) ,... , ( ) (
2 2 2 1 1 1
2 2 2 1 1 1
2 1 2 1 2 1

A.Benhari 9

Commutativit :
Soient
n
y x K , , ) ,... , (
2 1 n
x x x x = , ) ,... , (
2 1 n
y y y y = . Alors :
x y
x y x y x y
y x y x y x
y y y x x x y x
n n
n n
n n
=
+ + + =
+ + + =
=
) ,... , (
) ,... , (
) ,... , ( ) ,... , (
2 2 1 1
2 2 1 1
2 1 2 1

Existence dun inverse pour de tout lment de
n
K .
Soit
n
x K , ) ,... , (
2 1 n
x x x x = .
Alors ) ,... , ( '
2 1 n
x x x x = est dans
n
K et est videmment inverse de x pour .

Soient maintenant K K , , ,
n
y x , avec ) ,... , (
2 1 n
x x x x = , ) ,... , (
2 1 n
y y y y = .
On a :
x x
x x x x x x
x x x x x x
x x x x x x
x x x
x x x x
n n
n n
n n
n
n
=
=
=
+ + + =
+ + + =
+ = +






) ,... , ( ) ,... , (
) ,... , ( ) ,... , (
) ,... , (
) ) ,...( ) ( , ) ((
) ,... , ( ) ( ) (
2 1 2 1
2 1 2 1
2 2 1 1
2 1
2 1


y x
y y y x x x
y x y x y x
y x y x y x
y x y x y x y x
n n
n n
n n
n n
=
=
+ + + =
+ + + =
+ + + =





) ,... , ( ) ,... , (
) ,... , (
)) ( ),... ( ), ( (
) ,... , ( ) (
2 1 2 1
2 2 1 1
2 2 1 1
2 2 1 1


) (
) ,... , (
)) ( ),... ( ), ( (
) ) ,...( ) ( , ) (( ) (
2 1
2 1
2 1
x
x x x
x x x
x x x x
n
n
n
=
=
=
=






x x x x
x x x x
n
n
= =
=
) ,... , (
) 1 ,... 1 , 1 ( 1
2 1
2 1


Gnralisation :
Si E et F sont deux K-ev, on peut munir naturellement F E dune structure de K-
ev en posant, pour tous K , ' , , ' , F v v E u u :

=
+ + = +
) , ( ) , (
) ' , ' ( ) ' , ' ( ) , (
v u v u
v v u u v u v u


Et plus gnralement
n
E E E ...
2 1
o les
i
E sont des K-ev.


A.Benhari 10

D) Vecteurs, combinaisons linaires

Ici, ) , , ( + E dsigne un K-ev.
Dfinition :
Soit ) ,... , (
2 1 n
u u u une famille finie dlments de E.
Une combinaison linaire de la famille ) ,... , (
2 1 n
u u u / des [ ] n i u
i
, 1 , est un
lment de E du type
n n
u u u + + + ...
2 2 1 1
, c'est--dire

n
i
i i
u
1
o les
i
sont des
lments de K.
Dfinition :
Soit E u .
Si
E
u 0 = , tout lment de E est dit colinaire u.
Si
E
u 0 , les vecteurs de E colinaires u sont les K , u .
Proposition :
La relation tre colinaire est une relation dquivalence.
En effet :
- Dj, elle est rflexive
- Symtrique : Supposons v colinaire u :
Si
E
u 0 = , u est bien colinaire v car v u = 0
Si
E
u 0 , alors v scrit u o K .
Donc soit 0 = et alors
E
v 0 = et donc u est colinaire v,
Soit 0 , et alors v u
1
= donc u est colinaire v.
- Transitivit : immdiate.

Dfinition quivalente :
Soient E v u , . On a lquivalence :
u et v sont colinaires
( )
{ }
) 2 ( 0 , 0 , 0 \ ) , (
) 1 ( , ou 0
E
E
v u
u v u
= +
= =


K
K
Dmonstration :
(1) est simplement une autre faon dcrire la dfinition.
Montrons que ) 2 ( ) 1 ( . Supposons (1).
Si
E
u 0 = , on peut prendre ) 0 , 1 ( ) , ( =
Si
E
u 0 , alors il existe K tel que u v = .
Ainsi, avec ) 1 , ( ) , ( = , on a bien
E
v u 0 = +
Montrons maintenant que ) 1 ( ) 2 ( . Supposons (2).
Soit ( ) { } 0 , 0 \ ) , ( K tel que
E
v u 0 = + .
Si 0 , alors u v =

Si 0 = , alors
E
u 0 = . Or, 0 car ( ) 0 , 0 ) , ( . Donc
E
u 0 = .


II Sous-espace vectoriel

) , , ( + E dsigne toujours un K-ev.

A.Benhari 11

A) Dfinition

Soit F une partie de E.
On dit que F est un sous-espace vectoriel (sev) de E lorsque :
F contient
E
0 .
F est stable par + : F v u F v u + , ,
F est stable par : F u F u , , K .
Proposition :
Si F est un sous-espace vectoriel de E, alors + constitue une loi de composition
interne sur F, constitue une loi externe oprateurs dans K, et ) , , ( + F est un K-ev :
- Dj, ) , ( + F est bien un groupe commutatif puisque F est un sous-groupe de
) , ( + E car F
E
0 , F est stable par + et F u u F u = ) 1 ( , .
- De plus, on vrifie immdiatement que les quatre rgles sont bien vrifies

Exemples :

2
R est un R-ev. Quels en sont les sous-espaces vectoriels ?
- { }
2
0
R

- Pour { }
2
0 \
2
R
R u , { } R , u est un sous-espace vectoriel de
2
R .
-
2
R .
Il ny en a pas dautres : si un sous-espace vectoriel de
2
R contient deux vecteurs
non colinaires, cest
2
R .
Si E est un K-ev quelconque :
{ }
E
0 et E sont deux sous-espaces vectoriels de E.
Si { }
E
E u 0 \ , { } R , u est un sous-espace vectoriel de E appel la droite
vectorielle de E engendre par u.
Les sous-espaces vectoriels de
3
R sont exactement :
- { }
3
0
R

- Pour { }
3
0 \
3
R
R u , { } R , u .
- Pour { }
3
0 \ ,
3
R
R v u avec u et v non colinaires, { } R + , , v u (plan
vectoriel)
-
3
R
Des sous-espaces vectoriels de ) , ( R R F :
{ } 0 ) ( ), , ( = = a f f H
a
R R F o a est un lment de R fix.
= A lensemble des fonctions du type b x a x + , R b a, .
Ou mme ] [ X R , ] [ X
n
R (o N n )
),... , ( ), , (
1 0
R R R R D C
Lensemble des fonctions paires, impaires


B) Intersection de sous-espaces vectoriels

Thorme :
Toute intersection de sous-espaces vectoriels de E en est un sous-espace vectoriel.
A.Benhari 12

Dmonstration :
Soit
I i i
F

) ( une famille de sous-espaces vectoriels de E.
Soit { }
i
I i
i
F u I i E u F F = =

, ,

Alors F
E
0 car
i E
F I i 0 ,
F est stable par + :
Soient F v u , . Alors
i i
F v F u I i , , , donc
i
F v u I i + , . Donc F v u +
F est stable par :
Soient K , F u . Alors
i
F u I i , , donc
i
F u I i , , donc F u .


C) Dfinitions quivalentes

Soit E F . Alors :

) t 3 ( linaire n combinaiso par stable est

) 0 ( 0
) b 3 ( , , ,
) 0 ( 0
) 3 ( , , , ,
) 0 ( 0
) 2 ( , ,
) 1 ( , ,
) 0 ( 0
de sev un est
F
F
F v u F v u
F
F v u F v u
F
F u F u
F v u F v u
F
E F
E
E
E
E



K
K
K

Pour (3t) : F u F u u u n
n
i
i i
n
n
n
n


=1
2 1 2 1
, ) ,... , ( , ) ,... , ( *, K N
Dmonstration :
) 3 ( ) 2 ( et ) 1 ( : vident.
) b 3 ( ) 3 ( : immdiat.
) t 3 ( ) 3 ( : immdiat par rcurrence.
) 3 ( ) t 3 ( : cas particulier.
) 2 ( et ) 1 ( ) 0 ( et ) b 3 ( :
Si on a ) 0 ( et ) b 3 ( , on applique ) b 3 ( avec
E
u 0 = et on obtient (2), puis (3b) avec
1 = et on obtient (1).
Do toutes les quivalences.
De plus, on peut partout remplacer (0) par (0b) : F .


D) Sous-espace vectoriel engendr par

Dfinition :
Soit E A . Le sous-espace vectoriel engendr par A, not ) ( Vect A , est le plus
petit des sous-espaces vectoriels de E contenant A.

A.Benhari 13

Justification :
Lensemble des sous-espaces vectoriels de E contenant A nest pas vide,
puisquil contient E, et lintersection

X
X est un sous-espace vectoriel de E contenant
A, et est contenu dans chaque X de , cest donc bien le plus petit lments de .

Proposition :
{ }
E
0 ) ( Vect =
Si { }
E
E u 0 \ , { } { } K = , ) ( Vect u u , not aussi ) ( Vect u .
A est un sous-espace vectoriel de E si et seulement si A A = ) ( Vect .
Si F est un sous-espace vectoriel de E, et si F A , alors F A ) ( Vect
(En effet, F et { } X A
X
= min ) ( Vect )
Si B A , alors ) ( Vect ) ( Vect B A :
) ( Vect B B A .
Donc ) ( Vect B A . Donc ) ( Vect ) ( Vect B A (daprs le point prcdent).
Cas particulier :
Sous-espace vectoriel engendr par une partie finie :
Soient
n
u u u ,... ,
2 1
des vecteurs de E.
Alors { }) ,... , ( Vect
2 1 n
u u u , plutt not ) ,... , ( Vect
2 1 n
u u u , est appel le sous-espace
vectoriel de E engendr par la famille ) ,... , (
2 1 n
u u u ou par les
i
u

Proposition :
) ,... , ( Vect
2 1 n
u u u est lensemble des combinaisons linaires des
i
u , c'est--dire :
{ }
n
n n n
u u u K + + + ) ,... , ( , ...
2 1 2 2 1 1

Dmonstration :
Notons { }
n
n n n n
u u u u u u C K + + + = ) ,... , ( , ... ) ,... , (
2 1 2 2 1 1 2 1
.
Alors ) ,... , (
2 1 n
u u u C contient
E
0 et est stable par + et
(car

= = =
+ = +
n
i
i i i
n
i
i i
n
i
i i
u u u
1 1 1
) ' ( ' et

= =
=
n
i
i i
n
i
i i
u u
1 1
) ( )
Donc ) ,... , (
2 1 n
u u u C est un sous-espace vectoriel de E contenant les
i
u , et cest le
plus petit car si un sous-espace vectoriel de E contient les
i
u , il en contient alors toutes
les combinaisons linaires. Donc ) ,... , ( ) ,... , ( Vect
2 1 2 1 n n
u u u C u u u = .

Vocabulaire :
Si F est le sous-espace vectoriel engendr par une famille (finie)
) ,... , (
2 1 n
u u u = F de vecteurs de E, on dit que F est une famille gnratrice de F.
Si un espace vectoriel E admet une famille gnratrice finie, on dit que E est de
type fini.
Exemple :
n
K est de type fini, une famille gnratrice tant [ ] ) 1 ,..., 0 , 0 ( ),..., 0 ,..., 0 , 1 , 0 ( ), 0 ,... 0 , 1 (
] [ X K nest pas de type fini. En effet, supposons quil admette une famille
gnratrice finie ) ,... , (
2 1 m
P P P ; si on prend
[ ]
)) (deg( max
, 1
i
m i
P N

= , on aurait alors
N P X P deg ], [ K ce qui est faux.
A.Benhari 14

Proprits :
Pour tout
m
m
E u u u ) ,... , (
2 1
, on a :
Pour tous [ ] m j i , 1 , avec j i :
) ,..., ,..., ,..., , ( Vect ) ,..., ,..., ,..., , ( Vect
2 1 2 1 m i j m j i
u u u u u u u u u u =
Pour tout [ ] m i , 1 et tout { } 0 \ K a :
) ,..., ,..., , ( Vect ) ,..., ,..., , ( Vect
2 1 2 1 m i m i
u u u u u au u u =
Pour tout [ ] m j i , 1 , distincts et tout K :
) ,..., ,..., , ( Vect ) ,..., ,..., , ( Vect
2 1 2 1 m i m j i
u u u u u u u u u = +
Dmonstration (3
me
point) :
Soit

) ,..., ,..., , ( Vect
'
'
'
2
'
1
2 1 m
i
u
m
u
j i
u u
u u u u u w

+

=
=
=
+ + = =
m
k
k k
j i i
i k
k k
m
k
k k
u
u u u u w
1
1
) ( ' Alors

Avec

= +

=
j k
j k
i j
k
k
si
si

Lautre inclusion est analogue.
On a donc un algorithme pour dterminer le Vect (sur un exemple) :
{ }
{ } R
R
+ =
+ + =
=
=
=
=
=
=

z y x z y x z y x
z y x z y x
u u u u
, , ), 9 14 , , , (
, , ), , 1 , 0 , 0 ( ) 9 - , 0 , 1 , 0 ( ) 14 , 0 , 0 , 1 (
)] , 1 , 0 , 0 ( ), 9 , 0 , 1 , 0 ( ), 14 , 0 , 0 , 1 [( Vect
)] 8 , 3 , 0 , 0 ( ), 9 , 0 , 1 , 0 ( ), 14 , 0 , 0 , 1 [( Vect
)] 8 , 3 , 0 , 0 ( ), 9 , 0 , 1 , 0 ( ), 4 , 0 , 2 , 1 [( Vect
)] 8 , 3 , 0 , 0 ( ), 1 , 3 , 1 , 0 ( ), 4 , 3 , 2 , 1 [( Vect
)] 16 , 6 , 0 , 0 ( ), 1 , 3 , 1 , 0 ( ), 4 , 3 , 2 , 1 [( Vect
] ) 2 , 6 , 2 , 0 ( , ) 14 , 12 , 2 , 0 ( ), 4 , 3 , 2 , 1 [( Vect )] 2 , 9 , 4 , 1 ( ), 2 , 0 , 6 , 4 ( ), 4 , 3 , 2 , 1 [( Vect
3
8
3
8
3
8
4
1 3 1 2


Ainsi, on a lquivalence :
Pour tout
4
) , , , ( R t z y x ,
z y x t t z y x
3
8
9 14 )] 2 , 9 , 4 , 1 ( ), 2 , 0 , 6 , 4 ( ), 4 , 3 , 2 , 1 [( Vect ) , , , ( + =
Autre rsultat :
Si m p 1 , alors ) ,..., , ( Vect ) ,..., , ( Vect
2 1 2 1 m p
u u u u u u .
Pour tout E v , ) ,..., , ( Vect ) , ,..., , ( Vect ) ,..., , ( Vect
2 1 2 1 2 1 m m m
u u u v u u u u u u v =


III Sommes et sommes directes

) , , ( + E dsigne ici encore un K-ev.

Dfinition et proposition :
A.Benhari 15

Soient F et G deux sous-espaces vectoriels de E.
La somme de F et G est :
{ } { } v u w G F v u E w G v F u v u G F + = = + = + , ) , ( , , ,
df

Alors G F + est un sous-espace vectoriel de E, et cest mme ) ( Vect G F .
En effet :
Dj, G F + est un sous-espace vectoriel de E, car il contient
E
0 et est stable par +,
(vident en utilisant la deuxime galit de la dfinition de G F + )
De plus, G F + contient F (car tout u de F scrit
E
u 0 + o G
E
0 ) et G.
Il contient donc G F .
Enfin, si un sous-espace vectoriel de E contient G F , alors il contient au moins G F +
car il contient tous les lments de F, tous les lments de G et est stable par +, donc contient
tous les v u + pour F u et G v .

Exemple :
- Dans ) , ( R R F = E :
Soit F lensemble des fonctions polynomiales de degr 3 , G lensemble des fonctions
de classe
2
C et ngligeables devant
2
x x au voisinage de 0.
Alors ) , (
2
R R C G F = + . En effet :
Une premire implication est dj vidente. Pour lautre :
Soit ) , (
2
R R C f . Alors f admet un DL lordre 2 en 0 :

) (
2
) (
2
2 1 0
) ( ) ( ,
x h x P
x x x a x a a x f x + + + = R
Alors h est de classe
2
C car P f h = , et de plus ) (
2
x o h = en 0.
Do lautre inclusion et lgalit.
- Dans
4
R : { } 0 , ) , , , ( )), 0 , 0 , 2 , 1 (( Vect
4
= = = = t y z x t z y x G F R
Alors { } )) 1 , 0 , 1 , 0 ( ), 0 , 1 , 0 , 1 (( Vect , ), , , , ( = = R y x y x y x G
Et donc )) 1 , 0 , 1 , 0 ( ), 0 , 1 , 0 , 1 ( ), 0 , 0 , 2 , 1 (( Vect = +G F .

Somme directe, dfinition :
Soient F et G deux sous-espaces vectoriels de E.
On dit que la somme G F + est directe lorsque tout lment de G F + scrit de
manire unique sous la forme v u + avec F u et G v .
Autrement dit, tant donn quon connat dj lexistence (par dfinition) de lcriture,
la dfinition devient :
La somme de F et G est directe
) ' et ' ' ' (
, ) ' , ' ( , ) , (
v v u u v u v u
G F v u G F v u
= = + = +

Exemple :
La somme de deux droites vectorielles distinctes dans
2
R .
Proposition :
On a lquivalence entre les propositions suivantes :
(1) La somme de F et G est directe (expression de la dfinition prcdente)
(2) ) 0 et 0 0 ( , ) , (
E E E
v u v u G F v u = = = +
(3) { }
E
G F 0 =
((1) : ) ' et ' ' ' ( , ) ' , ' ( , ) , ( v v u u v u v u G F v u G F v u = = + = + )
Dmonstration :
A.Benhari 16

- On voit dj que ) 2 ( ) 1 ( (cest un cas particulier avec ) 0 , 0 ( ) ' , ' (
E E
v u = )
- Montrons que ) 3 ( ) 2 ( . Supposons (2) :
Soit alors G F w
On a :
E
w w 0 ) ( = + . Or, F w et G w (car G w et G est stable par )
Donc, daprs (2),
E
w 0 = (et
E
w 0 = ), do une inclusion et lgalit.
- Montrons que ) 1 ( ) 3 ( . Supposons (3).
Soient G F v u G F v u ) ' , ' ( , ) , ( . Supposons que ' ' v u v u + = + .
Alors v v u u = ' ' , et G v v F u u ' , ' , donc G F v v G F u u ' , ' .
Donc
E
u u 0 ' = et
E
v v 0 ' = , c'est--dire ' u u = et ' v v = .
Do les quivalences.

Notation :
Si la somme de F et G est directe, on peut la noter G F .

Dfinition :
Soient F et G deux sous-espaces vectoriels de E.
On dit que F et G sont supplmentaires dans E lorsque :
{ }

=
= +
E
G F
E G F
0

Ainsi, lorsque F et G sont supplmentaires dans E, on peut noter G F E = .
Deux sous-espaces vectoriels F et G sont supplmentaires dans E si et seulement si tout
lment de E scrit de manire unique v u + , o F u et G v .


IV Applications linaires

Dans ce paragraphe, E, F et G sont trois K-ev.

A) Dfinition

Soit F E : .
On dit que est linaire/un morphisme du K-ev E vers le K-ev F lorsque :
) ( ) ( , ,
) ' ( ) ( ) ' ( , ' ,
u u E u
u u u u E u u


=
+ = +
K

Proposition :
Si est une application linaire de E dans F, alors est un morphisme du groupe
) , ( + E vers ) , ( + F .
Vocabulaire :
Lensemble des applications linaires de E vers F est not ) , ( F E L
Une application linaire de E vers E sappelle aussi un endomorphisme de E, et
) , ( E E L est plutt not ) (E L .
Une application linaire de E vers K sappelle forme linaire de E. ) , ( K E L est
not * E . Lensemble des formes linaires de E sappelle le dual de E.

Caractrisations quivalentes :
A.Benhari 17

Soit F E : .
) 3 ( ) ' ( . ) ( ) ' . ( , ) ' , ( ,
) 2 ( ) ' ( . ) ( . ) ' . . ( , ) ' , ( , ) , ( ) , ( ) 1 (
2
2 2
u u u u E u u
u u u u E u u F E L


+ = +
+ = +
K
K

En effet :
) 3 ( ) 2 ( ) 1 ( : vident.
Montrons que ) 1 ( ) 3 ( .
On applique (3) avec 1 = . Donc ) ' ( ) ( ) ' ( , ) ' , (
2
u u u u E u u + = +
Donc avec ) 0 , 0 ( ) ' , (
E E
u u = ,
F E
0 ) 0 ( = .
Donc ) ( ) ( 0 ) ( ) 0 ( ) 0 ( , , u u u u E u
F E E
= + = + = + K

Exemple :
Lapplication nulle de E dans F est linaire.
Lapplication identit de E dans E est linaire.
Les applications linaires de R dans R sont exactement les applications de la
forme x a x o R a :
o Dj, si f est de la forme x a x f : , alors f est linaire, car :
) ' ( . ) ( ) ' .( ) ' . ( ) ' . ( , ' , , x f x f ax ax x x a x x f x x + = + = + = + R R
o Inversement, soit ) (R L f .
Alors, pour tout R x , ) 1 ( . ) 1 . ( ) ( f x x f x f = =
Ainsi, avec ) 1 ( f a = , on a bien x a x f x . ) ( , = R .
Lapplication
'
) , ( ) , ( :
1
f f
D D

R R R R F est linaire.
Lapplication
) lim(
) , (
u u
S
C

R R N est une forme linaire de ) , ( R N

C
S
( ) , ( R N
C
S est lensemble des suites convergentes)
Lapplication
) (
) , ( :

f f
R R R F est linaire :
Pour tous ) , ( , R R F g f , ) ( ) ( ) ( ) ( ) )( ( ) ( g f g f g f g f + = + = + = +
Pour tout ) , ( R R F f et R , ) ( . ) ( . ) )( . ( ) . ( f f f f = = = .
Lapplication
xy y x ) , (
2
R R nest pas linaire.
Mais, x fix,
xy y
R R est linaire (idem si y est fix)
On dit alors que
xy y x ) , (
2
R R est bilinaire.


B) Noyau et image

Soit ) , ( F E L .
Le noyau de , cest le noyau du morphisme de groupe :
{ }
E
x E x 0 ) ( , ker = = .
Alors ker ' ) ' ( ) ( ( , ' , = u u u u E u u .
Donc est injective { }
E
0 ker = .
En effet :
A.Benhari 18

- Si est injective :
Soit ker u . Alors ) 0 ( 0 ) (
E F
u = = . Donc
E
u 0 = .
Do une premire inclusion, et lgalit, lautre inclusion tant vidente.
- Supposons maintenant que { }
E
0 ker = .
Si ) ' ( ) ( u u = , alors ker ' u u , donc
E
u u 0 ' = . Donc ' u u = .
Donc est injective.

Proposition :
ker est un sous-espace vectoriel de E.
Dmonstration :
Dj, E ker , et ker 0
E
.
Soient K , ' , E u u . On a :
F F F
u u u u 0 0 . 0 ) ' ( . ) ( ) ' . ( = + = + = +

Limage de est { } { } v u E u F v E u u E = = = = ) ( , , ), ( ) ( Im .
Alors est surjective si et seulement si F = Im .

Proposition :
Im est un sous-espace vectoriel de F.
Dmonstration :
Dj, F Im et Im 0
F
car
F E
0 ) 0 ( = .
Im est stable par + et :
Soient K , Im ' , v v .
Il existe alors E u u ' , tels que ) ' ( ' ), ( u v u v = = .
Alors ) ' . ( ) ' ( . ) ( ' . u u u u v v + = + = + . Donc Im ' . + v v .


C) Image directe, image rciproque dun sous-espace vectoriel

Proposition :
Soit ) , ( F E L .
Limage directe par dun sous-espace vectoriel de E est un sous-espace
vectoriel de F.
Limage rciproque par dun sous-espace vectoriel de F est un sous-espace
vectoriel de E.
Cas particulier :
) (E est un sous-espace vectoriel de F (cest Im )
{ }) 0 (
1
F

est un sous-espace vectoriel de E (cest ker )

(On adapte aisment la dmonstration de ces cas particuliers pour le cas gnral de
la proposition)





A.Benhari 19

D) Structure sur des ensembles dapplications linaires
1) Somme, produit par un rel

Soient ) , ( , F E L , K .
On dfinit :
) ( ) (
:
u u u
F E


+
+

et
) ( .
: .
u u
F E

Alors ) , ( . , F E L + .
On peut donc considrer ) , ), , ( ( + F E L , et ) , ), , ( ( + F E L est un K-ev (et
mme un sous-espace vectoriel de ) , ), , ( ( + F E F ).
Dmonstration :
Dj, on vrifie que ) , ), , ( ( + F E F est un K-ev
) , ( F E L est une partie de ) , ( F E F , contient
F
x 0 et est stable par + et :
Soient ) , ( , F E L , K .
On a, pour tous E u u ' , et tout K :
) ' )( .( ) )( (
) ' ( . ) ( ) ' ( . ) (
) ' . ( ) ' . ( ) ' . )( (
u u
u u u u
u u u u u u



+ + + =
+ + + =
+ + + = + +

)) ' )( . .(( ) )( . (
)) ' ( . .( )) ( .(
)) ' ( . ) ( .(
) ' . ( . ) ' . )( . (
u u
u u
u u
u u u u




+ =
+ =
+ =
+ = +

Donc ) , ( . , F E L + , et ) , ( F E L est un sous-espace vectoriel de
) , ), , ( ( + F E F , donc un K-ev.

2) Composition

Proposition :
La compose, quand elle est dfinie, de deux applications linaires est
linaire.
Dmonstration :
Soient ) , ( F E L et ) , ( G F L . Alors est bien dfinie et va de E
dans G. Et de plus, elle est linaire :
Pour tous E u u ' , et tout K , on a :
) ' )( .( ) )( (
)) ' ( ( . )) ( (
)) ' ( . ) ( (
)) ' . ( ( ) ' . )( (
u u
u u
u u
u u u u

+ =
+ =
+ =
+ = +


Proprits :
Pour tous ) , ( ' , F E L , ) , ( ' , G F L et tout K , on a :
) 2 ( ' ) ' (
) 1 ( ' ) ' (




+ = +
+ = +

A.Benhari 20

) 4 ( ) .( ) . (
) 3 ( ) .( ) . (




=
=

Dmonstration :
Dj, les applications sont bien dfinies et vont de E dans G.
De plus, pour tout E u :
) ]( ' [
) )( ' ( ) )( ( )) ( ' ( )) ( (
)] ( ' ) ( [ )] )( ' [( ) )]( ' ( [
u
u u u u
u u u u

+ =
+ = + =
+ = + = +

Do (1).
) ]( ' [ ) )( ' ( ) )( (
)) ( ( ' )) ( ( )) ( )( ' ( ) ]( ) ' [(
u u u
u u u u

+ = + =
+ = + = +

Do (2) (ici, on na pas utilis la linarit)
) )]( .( [
) )( .( )) ( ( . )] ( . [ )] )( . [( ) )]( . ( [
u
u u u u u

=
= = = =

Do (3)
) )]( .( [
) )( .( )) ( ( .( )) ( )( . ( ) ]( ) . [(
u
u u u u

=
= = =

Do (4) (on na pas non plus utilis la linarit)

Consquence :
dfinit une loi de composition interne sur ) (E L , et ) , ), ( ( + E L est un
anneau :
) ), ( ( + E L est un groupe commutatif (car ) , ), ( ( + E L est un K-ev).
De plus, il rsulte de (1) et (2) que est distributive sur +, et on sait que
est associative (vrai dans ) , ( E E F ).
Enfin, il y a un neutre, savoir
E
Id .
Attention, lanneau nest ni commutatif ni intgre en gnral.
Exemple :
) , ( ) , (
:
2 2
x x y x
f

R R ,
) 0 , ( ) , (
:
2 2
y x y x
g

R R .
Alors ) (
2
R L f :
Soient R R , ' ,
2
u u , ) ' , ' ( ' ), , ( y x u y x u = = . Alors :
) ' ( . ) (
) ' , ' .( ) , ( ) ' . , ' . (
) ' . , ' . ( )) ' , ' .( ) , (( ) ' . (
u f u f
x x x x x x x x
y y x x f y x y x f u u f

+ =
+ = + + =
+ + = + = +

Et ) (
2
R L g :
Soient R R , ' ,
2
u u , ) ' , ' ( ' ), , ( y x u y x u = = . Alors :
) ' ( . ) (
) 0 , ' ' .( ) 0 , ( ) 0 ), ' . ( ' . (
) ' . , ' . ( )) ' , ' .( ) , (( ) ' . (
u g u g
y x y x y y x x
y y x x g y x y x g u u g

+ =
+ = + + =
+ + = + = +

On a alors :
) , ( ) , (
:
2 2
y x y x y x
g f

R R et
) 0 , 0 ( ) , (
:
2 2

y x
f g R R
Ce qui montre la non commutativit et la non intgrit.
A.Benhari 21

3) Inversion (ventuelle)

Proposition :
Soit ) , ( F E L . Si est bijective, alors ) , (
1
E F L

. On dit alors que

est un isomorphisme de E vers F.
Deux espaces vectoriels sont dis isomorphes lorsquil existe un
isomorphisme de lun vers lautre.
Dmonstration :
Soient F v v ' , et K .
On doit montrer que ) ' ( . ) ( ) ' . (
1 1 1
v v v v

+ = + , c'est--dire que
' .v v + a pour antcdent ) ' ( . ) (
1 1
v v

+ par , ce qui est vrai car
' . )) ' ( ( . )) ( ( )) ' ( . ) ( (
1 1 1 1
v v v v v v + = + = +


Vocabulaire :
Automorphisme de E = application linaire bijective de E dans E.
= isomorphisme de E dans E.
= endomorphisme bijectif de E.
Lensemble des automorphismes de E est not ) (E GL .
Alors ) (E GL est stable , et ) ), ( ( E GL est un groupe (le groupe linaire de
E). Cest le groupe des lments inversibles de lanneau ) , ), ( ( + E L .
Attention, ce groupe nest pas non plus commutatif en gnral.
Exemple :
Soient
) , ( ) , (
:
2 2
y x y x y x
f
+

R R et
) , ( ) , (
:
2 2
x y y x
g

R R
Alors f et g sont linaires et bijectives.
(g est bijective car involutive, et
2
Id 2
R
= f f , donc f f
2
1
1
=

)
Et :

=
=

)
`

+
+
) 0 , 2 ( ) 1 , 1 (
) 2 , 0 ( ) 1 , 1 (
car
) , ( ) , ( :
) , ( ) , ( :
g f
f g
g f f g
y x y x y x f g
x y x y y x g f

4) Autre opration

Soit f une application linaire de E dans K (une forme linaire de E).
Soit F w
0
.
Alors lapplication
0
). (
:
w u f u
F E

est linaire.
En effet :
Soient K , , E v u . Alors :
) ( . ) ( ). ( . ). ( ). . ( ) . (
0 0 0
v u w v f w u f w v u f v u + = + = + = +

Exemple :
Lapplication
x z y x
P
) , , (
:
3
1
R R est linaire :
Pour tous
3
) ' , ' , ' ( ' ), , , ( R = = z y x u z y x u et R , on a :
) ' ( . ) ( ' . )) ' . , ' . , ' . (( ) ' . (
1 1 1 1
u P u P x x z z y y x x P u u P + = + = + + + = +
1
P est la premire projection canonique de
3
R sur R
A.Benhari 22

De mme,
y z y x
P
) , , (
:
3
2
R R et
z z y x
P
) , , (
:
3
3
R R sont linaires.
- Il rsulte du 1) que pour tous R c b a , , ,
z c y b x a z y x
f
. . . ) , , (
:
3
+ +

R R est
linaire, car
3 2 1
cP bP aP f + + = .
- Et du 4) que pour tout R c b a , , ,
) 0 , . . . ( ) , , (
:
2 3
1
z c y b x a z y x
f
+ +

R R est
linaire, car ) 0 , 1 .(
1
f f = :
) 0 , 1 ).( (
:
3
1
u f u
f

R R
De mme,
) '. '. '. , 0 ( ) , , (
:
2 3
2
z c y b x a z y x
f
+ +

R R
Do
) '. '. '. , . . . ( ) , , (
:
2 3
z c y b x a z c y b x a z y x
F
+ + + +

R R est linaire.
On verra que toutes les applications de
3
R dans
2
R sont de ce type.
(On peut gnraliser le rsultat
p n
K K , )


V Quelques endomorphismes intressants

E dsigne toujours un K-ev.

A) Homothtie (vectorielle)

Dfinition :
Une homothtie de E est une application du type :
u u
E E
.
, o K .
Proposition :
Pour tout K , lapplication
u u
E E f
.
:

, appele homothtie de rapport est

linaire. Elle est nulle si 0 = , sinon elle est bijective, dinverse
/ 1
f


B) Projecteurs (vectoriels)

Dfinition :
Soient F, G deux sous-espaces vectoriels supplmentaires de E. Le projecteur sur
F selon G est lapplication
v u
E E p

: , o v est llment de E tel que w v u + = avec

G w F v , . (la dfinition a bien un sens, car tout lment de E scrit w v + de
manire unique avec F v et G w )
On crit parfois
v w v u
E G F E p
+ =
= : .
Proposition :
Lapplication p est linaire, de noyau G et dimage F.
Dmonstration :
Soient K , ' , E u u . Alors

G F G F
w v u w v u

+ = + = ' ' ' , .
Donc

G F
w w v v u u

+ + + = + ' . ' . ' . , soit ) ' ( . ) ( ' . ) ' . ( u p u p v v u u p + = + = + .

A.Benhari 23

Noyau :
Soit E u ,

G F
w v u

+ = . On a les quivalences :
G u v u p p u
E E
= = 0 0 ) ( ker
Image :
On voit dj que F p Im . Inversement, p F Im car tout lment v de F est
limage dun lment de E, par exemple lui-mme.
Dfinition :
Soit E E f : . On dit que f est un projecteur lorsquil existe deux sous-espaces
vectoriels supplmentaires dans E tels que f est le projecteur sur F selon G.
Vocabulaire :
p est le projecteur sur F selon G.
Pour E u , ) (u p est la projection de u sur F selon G.

Thorme :
Soit ) (E L f .
Alors f est un projecteur f f f = .
Dmonstration :
Soit f un projecteur, disons sur F selon G o E G F =
Alors f f =
2
:
Soit E u .

G F
w v u

+ = , et v u f = ) ( .
De plus, ) ( ) ( )) ( ( ) ( u f v v f u f f u f f = = = = .
Cest valable pour tout u, donc f f =
2
.
Soit ) (E L f , supposons que f f f = .
Posons f F Im = et f G ker = .
Alors dj F et G sont deux sous-espaces vectoriels de E. Montrons quils sont
supplmentaires.
Soit E u . Alors F u f ) ( , et on a :

) ( ) ( u f u u f u
F
+ =

E
u f f u f u f u f 0 )) ( ( ) ( )) ( ( = = , donc G u f u ) (
Donc dj E G F = + .
Montrons maintenant que { }
E
G F 0 = :
Soit G F u .
F u . Donc ) ' (u f u = o E u ' .
Comme G u ,
E
u f 0 ) ( = , soit
E
u f f 0 )) ' ( ( = . Comme f f =
2
,
E
u f 0 ) ' ( = .
Donc
E
u f u 0 ) ' ( = = , do une premire inclusion, et lgalit, lautre inclusion
tant vidente.
Donc E G F =
Montrons maintenant que f es le projecteur sur F selon G.
Soit E u .
Alors

G
F
u f u u f u

+ = )) ( ( ) ( . Donc ) (u f est la composante selon F dans la

dcomposition de u sous la forme

G F
w v

+
A.Benhari 24

Remarque :
Si p est le projecteur sur F selon G, alors :
{ }
) Id ker(
par invariants des ensemble
) ( ,
E
p
p
u u p E u F
=
=
= =

En effet, F u w u v u u p
E E
u p
= = =
=
0 ) (
0 ) )( Id (


Dfinition :
Soit p la projection sur F selon G.
Le projecteur associ p est le projecteur q sur G selon F.
Ainsi,
E
q p Id = + .

) ( ) ( u q u p u + =
F
G

Cas particuliers :
Le projecteur sur E selon { }
E
0 est lidentit sur E.
Le projecteur sur { }
E
0 selon E est lapplication nulle.


C) Symtries (vectorielles)

Dfinition :
Soient F et G deux sous-espaces vectoriels de E supplmentaires. La symtrie par
rapport F selon G est lapplication
w v w v u
E G F E f
+ =
=

: .



A.Benhari 25

Proposition :
Si f est le symtrique par rapport F selon G, alors :
) (E L f .
En effet, on remarque que
E
p q p f Id 2 = = , o p est le projecteur sur F selon
G et q le projecteur associ p)
f est bijective, et mme involutive.
Ainsi,
E
f f Id = , E f = Im (car f est surjective), et { }
E
f 0 ker = (car f est
injective)
{ }
{ } ) Id ker( ) ( ,
) Id ker( ) ( ,
E
E
f u u f E u G
f u u f E u F
+ = = =
= = =

Thorme :
Soit ) (E L f .
Alors f est une symtrie
E
f f Id =
( f est involutive)
( f est lment dordre 2 du groupe ) (E GL )
Dmonstration :
a dj t vu.
: supposons que
E
f Id
2
= .
Posons ) Id ker(
E
f F = et ) Id ker(
E
f G + = .
Alors F et G sont deux sous-espaces vectoriels de E, car ce sont des noyaux
dendomorphismes de E.
{ }
E
G F 0 = car si G F u , alors u u f = ) ( et u u f = ) ( ,
donc
E
u 0 . 2 = , soit
E
u 0 = (car 0 2 )
De plus tout lment u de E scrit

G F
w v u

+ = , car )) ( ( )) ( (
2
1
2
1
u f u u f u u + + = .
Or, F u f u + ) ( car

x x
u f u u u f u f f u f u f u f ) ( ) ( )) ( ( ) ( ) ) ( ( + = + = + = +
Et G u f u ) ( car )) ( ( ) ( )) ( ( ) ( )) ( ( u f u u u f u f f u f u f u f + = = =
Enfin, f est la symtrie par rapport F selon G. En effet :
Si

G F
w v u

+ = , on a )) ( (
2
1
u f u v + = et )) ( (
2
1
u f u w = .
Donc ) (u f w v = .


VI Familles libres (finies)

E dsigne toujours un K-ev.

A) Dfinition

Soit ) ,... , (
2 1 n
u u u = F une famille de vecteurs de E.
F est libre
df
la seule combinaison linaire des
i
u qui donne
E
0 est celle dont
tous les coefficients sont nuls.
[ ] |

\
|
= =

=
0 , , 1 0 , ) ,... , (
1
2 1 i E
n
k
k k
n
n
n i u K
A.Benhari 26

Vocabulaire :
) ,... , (
2 1 n
u u u est lie ) ,... , (
2 1
df
n
u u u nest pas libre.
Lorsque ) ,... , (
2 1 n
u u u est lie, une relation du type
E
n
k
k k
u 0
1
=

=
o les
k
sont
non tous nuls sappelle une relation de dpendance linaire.
Pour dire que ) ,... , (
2 1 n
u u u est libre, on dit parfois que les
i
u sont linairement
indpendants.
Exemples :
- Par convention, une famille vide est libre.
- Cas dune famille de 1 vecteur
1
u .
La famille ) (
1
u est libre
E
u 0
1

- Cas dune famille de 2 vecteurs
2 1
, u u
) , (
2 1
u u est libre si et seulement si
1
u et
2
u ne sont pas colinaires.


B) Proprits gnrales

Si une famille contient
E
0 , elle est lie :
Si
E i
u 0 = , alors
E i
u 0 . 1
0
=

Si une famille contient deux vecteurs gaux, elle est lie :
Si
j i
u u = (avec j i ), alors
E j i
u u 0 =
Si une sous-famille dune famille F est lie, alors F est lie.
Si ) ,... , (
2 1 n
u u u = F est libre, alors ) ,... , (
) ( ) 2 ( ) 1 ( n n
u u u

S est libre.
Si ) ,... , (
2 1 n
u u u est libre et ) , ,... , (
2 1
v u u u
n
est lie, alors ) ,... , ( Vect
2 1 n
u u u v .
En effet :
Il existe , ,... ,
2 1 n
scalaires non tous nuls tels que :
E n n
v u u u 0 . ...
2 2 1 1
= + + + .
Alors 0 , car sinon lun des
i
au moins serait non nul et on aurait alors une
relation de dpendance entre les n i u
i
1 , . Donc

=
n
k
k k
u v
1
1

) ,... , (
2 1 n
u u u est lie si et seulement si lun au moins des
i
u est combinaison
linaire des autres.

VII Bases (finies)

Dfinition, proposition :
Soit ) ,... , (
2 1 n
u u u une famille de vecteurs de E.
) ,... , (
2 1 n
u u u est une base de E ) ,... , (
2 1
df
n
u u u est une famille libre et gnratrice de E.
tout vecteur v de E scrit de manire unique comme
combinaison linaire des n i u
i
1 , , sous la forme

=
n
k
k k
u x
1
. Les
k
x sappellent alors les
composantes de v dans la base ) ,... , (
2 1 n
u u u .
A.Benhari 27

Dmonstration :
: supposons que ) ,... , (
2 1 n
u u u est une base de E.
Soit alors E v .
Comme ) ,... , (
2 1 n
u u u est gnratrice de E, il existe
n
n
x x x K ) ,... , (
2 1
tel que

=
=
n
k
k k
u x v
1
.
Supposons quon ait aussi

=
=
n
k
k k
u x v
1
' .
Alors
E
n
k
k k k
u x x 0 ) ' (
1
=

=
. Comme ) ,... , (
2 1 n
u u u est libre, on a [ ] 0 ' , , 1 =
k k
x x n k ,
soit [ ]
k k
x x n k ' , , 1 = .
Do lexistence et lunicit de lcriture.
: Supposons que tout vecteur v de E scrit de manire unique
Dj, ) ,... , (
2 1 n
u u u est gnratrice de E.
Ensuite, si
E
n
i
i i
u 0
1
=

=
, alors ncessairement [ ] 0 , , 1 =
i
n i , car sinon on aurait deux
critures diffrentes de
E
0 , savoir

=
n
i
i i
u
1
et

=
n
i
i
u
1
. 0 .
Exemples :
)] 1 , 0 , 0 ( ), 0 , 1 , 0 ( ), 0 , 0 , 1 [( est une base de
3
R , on lappelle la base canonique de
3
R .
)] 1 , 1 , 1 ( ), 1 , 1 , 1 ( ), 1 , 1 , 1 [( en est aussi une. Le triplet des composantes dun vecteur
) , , ( z y x de
3
R dans cette base est
|

\
| + + +
2
,
2
,
2
y x x z y z
.
] ) 0 , 0 , 1 ( , ) 1 , 4 , ( , ) 12 , , 1 ( [

w v u
e est aussi une base de
3
R :
Soit
3
) , , ( R = c b a x

.
On doit montrer quil existe un unique triplet de
3
R tel que w z v y u x x . . . + + =

Lquation vectorielle quivaut au systme :

= +
= +
= + +
c y x
b y x
a z y e x
S
12
4
.
) (
Or,

=
= + +

48
4
12
48
4
.
) (

c b
c y
c b
x
a z y e x
S
Donc (S) a bien une unique solution.






A.Benhari 28


K dsigne ici toujours un corps (commutatif)

VIII Dfinition

Soit E un ensemble, muni de deux lois internes et , et dune loi externe
oprateurs dans K, .
Alors ) , , , ( E est une K-algbre lorsque :
- ) , , ( E est un K-ev.
- La loi est associative et admet un lment neutre (quon note
E
1 )
- La loi est distributive sur la loi .
- Pour tous E v u , , et tout K , ) ( ) ( ) ( v u v u v u = =

Notation : les lois et sont gnralement notes + et .
Exemples :
R est une R-algbre (pour les lois usuelles), et C aussi. (C est aussi une C-algbre).
) , , ), , ( ( + K X F est une R-algbre, X tant un ensemble quelconque.


IX Sous-algbres

Dfinition :
Une sous-algbre dune K-algbre ) , , , ( + E , cest une partie F de E qui contient
E
1 et
qui est stable pour chacune des trois lois, c'est--dire :
- F
E
1 - F v u F v u F v u + et , ) , (
2
- F u K u , , K
Proposition :
Une sous-algbre dune K-algbre est une K-algbre.
Exemple :
Lensemble des fonctions polynomiales de K dans K constitue une sous-algbre de
lalgbre ) , , ), , ( ( + K K F .


X Morphisme de K-algbre

Dfinition :
Soient ) , , , ( + E , ) , , , ( + F deux K-algbres. Soit F E : . Alors est un
morphisme de K-algbres lorsque :
- ) ( ) ( ) ( , ) , (
2
v u v u E v u + = + - ) ( ) ( ) ( , ) , (
2
v u v u E v u =
- ) ( ) ( , , u u E u = K -
F E
1 ) 1 ( =
Exemple :
Lensemble des suites convergentes est une sous algbre de la R-algbre des suites
relles, et lapplication qui une suite convergente associe sa limite est un morphisme
dalgbres.

K-algbres
A.Benhari 29



E dsigne ici un K-ev (o K est un sous corps de C)

XI Les thormes fondamentaux
A) Existence de base

Thorme :
On suppose que E admet une famille gnratrice finie g. Alors, de g, on peut
extraire une base de E.
Dmonstration :
Montrons par rcurrence que, pour tout N m , si E admet une famille
gnratrice g de cardinal m, alors, de g, on peut extraire une base de E (P(m))
P(0) : Si E admet une famille de cardinal 0, cest que { }
E
E 0 = et la famille
vide est une base de E.
P(1) : Si E admet une famille gnratrice de cardinal 1, disons ) (
1
u g = :
- Si
E
u 0
1
= , alors { }
E
E 0 = , et est alors une base de E, extraite de g.
- Si
E
u 0
1
, ) (
1
u est une famille libre et gnratrice de E, extraite de g (car
gale g).
P(2) : Si E admet une famille libre et gnratrice de cardinal 2, disons
) , (
2 1
u u g = :
- Si ) , (
2 1
u u est libre, alors cest une base de E, extraite de g.
- Si elle ne lest pas, alors lun des
i
u , disons
2
u , est combinaison linaire des
autres (c'est--dire
1
u ). Alors ) (
1
u est gnratrice de E. Daprs P(1), on
peut donc en extraire une base de E.
Soit * N m . Supposons P(m). Montrons ) 1 P( + m . Si E admet une famille
gnratrice de cardinal 1 + m , disons ) ,... , (
1 2 1 +
=
m
u u u g :
- Si ) ,... , (
1 2 1 + m
u u u est libre, alors elle est une base de E, extraite de g.
- Si elle ne lest pas, alors lun des
i
u , disons
1 + m
u est combinaison linaire des
autres. Alors ) ,... , (
2 1 m
u u u est gnratrice de E. Daprs P(m), on peut donc en
extraire une base de E, ce qui achve la rcurrence.

Consquence :
(1) Tout K-ev de type fini admet une base (finie)
(2) thorme dextraction de base : de toute famille gnratrice finie dun
K-ev, on peut extraire une base (finie) de ce K-ev.


B) Dimension

Thorme et dfinition :
Soit E un K-ev de type fini. Alors toutes les bases de E ont le mme cardinal, il est
appel la dimension de E, not ) dim(E .
Espaces vectoriels de type fini
A.Benhari 30

Dmonstration :
Lemme :
Pour tout entier N n , 1 + n vecteurs qui sont combinaisons linaires de n
vecteurs de E forment toujours une famille lie.
En effet, montrons ce lemme par rcurrence sur n :
Pour 0 = n : 1 vecteur combinaison linaire de 0 vecteur est li . Cest vrai
car une combinaison linaire de 0 vecteurs, cest
E
0
Pour 1 = n : 2 vecteurs combinaison linaire de 1 vecteur forment une
famille lie . Si
1 0 0
u v = et
1 1 1
u v = , alors ) , (
1 0
v v est lie :
Si 0
0
, alors
0
0
1
1
v v

= . Sinon
E
v 0
0
= . Donc
0
v et
1
v sont colinaires.
Soit 2 n , supposons le rsultat vrai pour 1 n .
Considrons 1 + n vecteurs
n
v v v ,... ,
2 1
, combinaisons linaires de n vecteurs
n
u u u ,... ,
2 1
. On a donc des scalaires
j i ,
avec n i 0 et n j 1 tels que :

+ + + =
+ + + =
+ + + =
) ( ...
) ( ...
) ( ...
, 2 2 , 1 1 ,
1 , 1 2 2 , 1 1 1 , 1 1
0 , 0 2 2 , 0 1 1 , 0 0
n n n n n n n
n n
n n
L u u u v
L u u u v
L u u u v





- Si [ ] 0 , , 0
,
=
n i
n i , alors
n
v v v ,... ,
2 1
sont combinaisons linaires des 1 n
vecteurs
1 2 1
,... ,
n
u u u . Par hypothse de rcurrence, ) ,... , (
1 2 1 n
v v v est lie.
Donc ) ,... , (
2 1 n
v v v lest aussi.
- Si lun des
n i ,
, pour [ ] n i , 0 nest pas nul, disons
n n,
(sinon on change les
lignes), alors les transformations

n
n n
n i
i i
L L L
n

,
,
pour [ ] 1 , 0 n i donnent :

=
=
=
..... .......... .......... .......... .......... ..........
..... .......... .......... .......... .......... ..........
,... , de linaire n Combinaiso
1 1
2 1 0 0
n n n
n
n n
v v
v v
u u u v v

Les vecteurs [ ] 1 , 0 , n i v v
n i i
forment donc une famille lie puisque ce sont n
vecteurs combinaisons linaires de 1 n (hypothse de rcurrence). Il existe donc
des scalaires
1 2 1
,... ,
n
non tous nuls tels que 0 ) (
1
0
=

=
n
i
n i i i
v v . Donc
0 .
1
0
= +

=
n
i
n i i
v v avec

=
=
1
0
n
i
i i
, ce qui prouve que ) ,... , (
2 1 n
v v v est lie car
au moins lun des
i
est non nul, ce qui achve la rcurrence.
Maintenant :
Soient B, B deux bases (finie) de E, notons m, n leur cardinal.
B est gnratrice de E. donc chacun des m vecteurs de B est combinaison
linaire des n vecteurs de B. donc n m (sinon, selon le lemme, B serait lie)
De mme, m n . Donc m n =
A.Benhari 31

Exemple important :
n
K est de dimension n : on en connat une base de cardinal n
(la base canonique)

Remarque :
Si E est de dimension 0, alors { }
E
E 0 =
Si E est de dimension 1, alors E est une droite vectorielle.

Vocabulaire : "E de type fini" = "E de dimension finie".

Thorme de la base incomplte :
Soit E un K-ev de dimension finie n. Alors toute famille libre de E peut tre
complte en une base de E.
Dmonstration :
Soit L une famille libre de E.
Si L est vide, il suffit de la complter avec une base de E.
Sinon, ) ,... , (
2 1 p
u u u L = , o * N p
Soit ) ,... , (
2 1 n
e e e = B une base de E.
- Si L est gnratrice de E, alors L est une base de E.
- Sinon, lun au moins des [ ] n i e
i
, 1 , nest pas combinaison linaire de
p
u u u ,... ,
2 1
(car sinon L serait gnratrice). Soit alors [ ] n i , 1
1
tel que
) ,... , ( Vect
2 1
1
p i
u u u e . Alors la famille ) , ,... , ( '
1
2 1 i p
e u u u L = est libre. Si elle est
gnratrice, cest une base de E. Sinon, on recommence. Au bout dun
moment, on obtient une famille libre et gnratrice (puisque, au pire,
) ,... , , ,... , (
2 1 2 1 n p
e e e u u u est gnratrice).

Consquence du thorme :
Soit E un K-ev de dimension n. Alors :
(1) Les familles libres de E ont au plus n vecteurs.
(2) Si une famille libre de E est de cardinal n, alors cest une base de E.

Remarque : la dmonstration du thorme montre que, pour complter une famille
libre en une base de E, on peut imposer de piocher les lments qui compltent dans une
base, fixe davance, de E.

Consquence du thorme dextraction de base :
Soit E un K-ev de dimension n. Alors :
(1) Les familles gnratrices de E sont de cardinal n .
(2) Si une famille gnratrice de E est de cardinal n, alors cest une base de E.

Thorme :
Soit E un K-ev. Alors :
major est de libres familles des cardinal le
finie base une admet il
finie e gnratric famille une admet il finie dimension de est
E
E

A.Benhari 32

Dmonstration : (les deux premires quivalences sont des rappels)
: Evident, lensemble est major par ) dim(E
: Supposons que le cardinal des familles libres de E est major. Lensemble des
cardinaux des familles libres est donc une partie non vide (contient 0) et majore de N.
On note n le maximum de cette partie.
Soit alors une famille L de cardinal n.
- Si 0 = n , alors { }
E
E 0 = car est la seule famille de cardinal 0.
- Sinon, ) ,... , (
2 1 n
u u u L = . Alors cette famille est gnratrice, car sinon on
pourrait trouver E v qui nest pas combinaison linaire des
i
u , et ainsi la
famille ) , ,... , (
2 1
v u u u
n
serait libre de cardinal 1 + n , ce qui contredit la
dfinition de n.

Thorme :
Soit E un K-ev de dimension finie n.
Soit F un sous-espace vectoriel de E.
Alors F a une dimension finie et n , et si elle vaut n, alors E F =
Dmonstration :
Les familles libres dlments de F sont des familles libres dlments de E.
Donc leur cardinal est major par n. Donc F est de dimension finie n p
(puisque si ) ,... , (
2 1 p
u u u est une base de F, alors cest aussi une famille libre
de E, donc n p )
Si n p = , alors soit ) ,... , (
2 1 p
u u u une base de F. Cest donc une famille libre
de E de cardinal n p = . Cest donc une base de E. Donc E F = .

Thorme :
Soit E un K-ev de dimension finie n. Alors tout sous-espace vectoriel de E admet
un supplmentaire dans E (mais pas un seul en gnral).
Dmonstration :
Soit F un sous-espace vectoriel de E.
Si E F = , { }
E
0 est supplmentaire de F. (et vice-versa)
Sinon, F est de dimension finie p avec n p < 1 . Soit ) ,... , (
2 1 p
u u u une base
de F. Cest aussi une famille libre de E. on peut donc la complter en une base
) ,... , ,... , (
1 2 1 n p p
u u u u u
+
de E. On pose alors ) ,... ( Vect
1 n p
u u G
+
= . Alors G est
un supplmentaire de F dans E. En effet :
- Soit E v . Donc

G
n n p p
F
p p
u x u x u x u x v

+ +

+ + + + + = ... ...
1 1 1 1
. (car ) ,... , (
2 1 n
u u u
est gnratrice de E) Cest vrai pour tout E v . Donc G F E + = .
- Montrons maintenant que la somme est directe, soit que { }
E
G F 0 = :
Soit G F v , alors
p p
u x u x v + + = ...
1 1
et
n p n p
u y u y v
+
+ + = ...
1 1
. Donc
0 ... ...
1 1 1 1
= + +
+ n p n p p p
u y u y u x u x . Comme la famille ) ,... , (
2 1 n
u u u est
libre, 0 ... ...
2 1 2 1
= = = = = = = =
p n p
y y y x x x . Donc 0 = v .
Donc { }
E
G F 0 . Donc { }
E
G F 0 = .
Donc G F E =

A.Benhari 33

XII Rang dune famille de vecteurs

Dans ce paragraphe, E est un K-ev.

Dfinition :
Soit F une famille de vecteurs de E. Le rang de F est : )) ( Vect dim( ) ( rg
df
F F = .

Exemples :
Si
3
R = E .
] ) 9 , 8 , 7 ( , ) 6 , 5 , 4 ( , ) 3 , 2 , 1 ( [
3 2 1

u u u
= F . Alors 2 ) ( rg = F (car ) (
2
1
3 1 2
u u u + = )
Si ) , ( R R F = E
x x f e x f x f
x
: : 1 :
3 2 1

Alors 3 ) , , rg(
3 2 1
= f f f ( ) , , (
3 2 1
f f f est libre, donc une base de ) , , Vect(
3 2 1
f f f )
Dmonstration :
Soient R
3 2 1
, , , supposons que 0
3 3 2 2 1 1
= + + f f f .
Alors 0 ) ( ) ( ) ( ,
3 3 2 2 1 1
= + + x f x f x f x R . Do, en prenant trois valeurs pour x,
par exemple -1, 0, 1, on trouve 0
3 2 1
= = = .

Proprits :
Soit E de dimension finie n.
Soit F une famille dlments de E de cardinal p, disons ) ,... , (
2 1 p
u u u = F
Notons ) Vect(F = F . Soit ) ( rg F = r (ainsi, F r dim = )
Alors :
* p r : ) ,... , (
2 1 p
u u u est gnratrice de F donc r p
* n r : F est un sous-espace vectoriel de E donc E F dim dim
* = p r F est libre : ) ,... , ( dim
2 1 p
u u u p F p r = = est une base de F.
* = n r F est gnratrice de E : = = = E F n F p r dim F engendre E.
* = = p n r F est une base de E (rsulte des deux derniers points)

Exemple : famille de 5 vecteurs de rang 3 dans un espace vectoriel de dimension 4 :
)] 0 , 3 , 2 , 49 ( ), 0 , 2 , 5 , 7 ( ), 0 , 1 , 0 , 0 ( ), 0 , 0 , 1 , 0 ( ), 0 , 0 , 0 , 1 [(


XIII Somme de sous-espaces vectoriels et dimension

Ici, E est un K-ev de dimension finie n.

Thorme :
Soient F et G deux sous-espaces vectoriels de E en somme directe.
Si ) ,... , (
2 1 p
u u u est une base de F.
Et si ) ,... , (
2 1 q
v v v est une base de G.
Alors ) ,... , , ,... , (
2 1 2 1 q p
v v v u u u est une base de G F .
A.Benhari 34

En effet :
* ) ,... , , ,... , (
2 1 2 1 q p
v v v u u u est gnratrice de G F : vident.
* Cette famille est libre : si
E
G v
q q
F u
p p
v v v u u u 0 ... ...
2 2 1 1 2 2 1 1
= + + + + + + +
= =

, alors
E
u v 0 = = car F et G sont en somme directe.
Or, si
E
u 0 = , alors [ ] 0 , , 1 =
i
p i car ) ,... , (
2 1 p
u u u est libre.
Et si
E
v 0 = , alors [ ] 0 , , 1 =
i
q i car ) ,... , (
2 1 q
v v v est libre.
Donc ) ,... , , ,... , (
2 1 2 1 q p
v v v u u u est libre. Cest donc une base de G F .

Consquence : si F et G sont en somme directe, alors ) dim( ) dim( ) dim( G F G F + =

Thorme :
Soient F et G deux sous-espaces vectoriels de E.
Alors ) dim( ) dim( ) dim( ) dim( G F G F G F + = +
Dmonstration :
Posons G F H = . Alors H est un sous-espace vectoriel de E, F et G.
H est un sous-espace vectoriel de G, il a donc un supplmentaire dans G, disons
1
G .
Donc
1
G H G = .
Alors
1
G F G F + = + , et F et
1
G sont en somme directe :
(1) La somme est directe : si
1
G F u , alors H G F u = , et
1
G u . Donc
{ }

E
O
G H u
=

1
. Donc
E
u 0 =
(2)
1
G F G F + = + : Dj,
1
G F G F + + (si

G G
F
w v u

+ =
1
1
, alors G F u + )
Soit G F u + . Alors

G F
w v u

+ = . Or, G w . Donc

1
1
G
H
w h w

+ = .
Donc

1
1
car
G
F H h
F
w h v u

+ + =
Donc
1
G F G F = +
Ainsi, ) dim( ) dim( ) dim(
1
G F G F + = +
Or, ) dim( ) dim( ) dim(
1
H G G + = (car
1
G H G = )
Donc ) dim( ) dim( ) dim( ) dim( H G F G F + = +

Consquence :
Soient F, G deux sous-espaces vectoriels de E. Alors :
{ }
{ }

= +
= +

=
= +

=
= +

) 1 (
) 3 ( dim dim
) 2 ( 0
) 3 ( dim dim
) 2 ( 0
) 1 (
dans aires supplment sont et
E G F
n G F
G F
n G F
G F
E G F
E G F
E
E


A.Benhari 35

En effet :
{ }
E
G F G F
n G F n E G F
E G F n G F
G F G F G F G F
0 donc 0 ) dim( Donc
dim dim et ) dim( ) dim( : ) 2 ( ) 1 ( et ) 3 (
donc ) dim( Ainsi,
) dim( ) dim( ) dim( ) dim( ) dim( ) dim( : ) 1 ( ) 3 ( et ) 2 (
formule la selon vident : ) 3 ( ) 2 ( et ) 1 (
= =
= + = = +
= + = +
+ = + = +




XIV Applications linaires en dimension finie

Dans ce paragraphe :
E est un K-ev de dimension finie 1 p .
F est un K-ev de dimension finie 1 n .


A) Dtermination dune application linaire par la donne des images des
vecteurs dune base

Thorme :
Soit ) ,... , (
2 1 p E
e e e = B une base de E.
Soit ) ,... , (
2 1 p
v v v un p-uplet de vecteurs quelconques de F.
Alors il existe une unique application linaire de E dans F telle que
[ ]
i i
v e p i = ) ( , , 1
Dmonstration :
Unicit : si convient, alors, tant donn E u ,

=
=
p
j
j j
e x u
1
. Donc

= =
= =
p
j
j j
p
j
j j
v x e x u
1 1
) ( ) ( .
Existence : Soit lapplication de E dans F dfinie par :

p
j
j j
x x
u u x
F E
E p
1
dans ) ,... (
s composante de
:
1

B

(La dfinition a un sens car la dcomposition dans une base est unique)
Alors est linaire :
Soient E u u ' , , de composantes ) ,... , (
2 1 p
x x x , ) ' ,... ' , ' (
2 1 p
x x x dans
E
B et K .
Alors ' u u + a pour composantes ) ' ,... ' , ' (
2 2 1 1 p p
x x x x x x + + + dans
E
B .
Donc ) ' ( ) ( ' ) ' ( ) ' (
1 1 1
u u v x v x v x x u u
p
j
j j
p
j
j j
p
j
j j j
+ = + = + = +

= = =

Enfin, on a bien [ ]
i i
v e p i = ) ( , , 1 :
Pour tout [ ] p i , 1 ,
i
e a pour composantes ) 0 ,... 1 ,..., 0 (
i
dans
E
B , donc
i i i i
v v x e = = ) (

A.Benhari 36

Consquence :
Si ) ,... , (
2 1 p E
e e e = B est une base de E, et ) ,... , (
2 1 n F
f f f = B est une base de F.
Alors la donne dune application linaire de E dans F revient la donne de
p n scalaires, savoir les
j i
a
,
, pour [ ] [ ] p j n i , 1 , , 1 tels que :
[ ]
[ ] ) ( ) ( , , 1
) dans les s composante de (vecteur ) ( , , 1
1
,
,
j
n
i
i j i j
F j i j
v f a e p j
a e p j
= =
=

B

On range ces scalaires dans un tableau n lignes, p colonnes, de sorte que, pour
tout [ ] [ ] p n j i , 1 , 1 ) , ( ,
j i
a
,
est plac sur la i-me ligne de la j-me colonne :
|
|
|
|
|

\
|
p n n n
p
p
a a a
a a a
a a a
, 2 , 1 ,
, 2 2 , 2 1 , 2
, 1 2 , 1 1 , 1

Ce tableau sappelle la matrice de dans les bases
E
B et
F
B (attention : le et
nest pas commutatif)
La j-me colonne de cette matrice est la colonne des composantes de ) (
j
e dans
la base
F
B .


B) Applications linaires et images des vecteurs dune base

Proposition :
Soit ) , ( F E L , ) ,... , (
2 1 p E
e e e = B une base de E. Alors :
(1) Im )) ( ),... ( ), ( ( Vect
2 1
=
p
e e e
(2) est surjective si et seulement si )) ( ),... ( ), ( (
2 1 p
e e e est gnratrice de F.
(3) est injective si et seulement si )) ( ),... ( ), ( (
2 1 p
e e e est libre.
(4) est bijective si et seulement si )) ( ),... ( ), ( (
2 1 p
e e e est une base de F.
Dmonstration :
(1) * Si )) ( ),... ( ), ( ( Vect
2 1 p
e e e v , alors Im ) (
1 1

|
|

\
|
= =

= =
p
j
j j
p
j
j j
e e v .
* Si Im v , alors ) (u v = , o E u . Or,

=
=
p
j
j j
e x u
1
(dcomposition de u
dans
E
B ). Donc )) ( ),... ( ), ( ( Vect ) (
2 1
1 1
p
p
j
j j
p
j
j j
e e e e e v =
|
|

\
|
=

= =

(2) Consquence vidente de (1)
(3) * Si )) ( ),... ( ), ( (
2 1 p
e e e est libre : soit ker u ,

=
=
p
j
j j
e x u
1
. Alors
( )

=
= =
p
j
j j
e x u
1
) ( 0 . )) ( ),... ( ), ( (
2 1 p
e e e est libre, donc [ ] 0 , , 1 =
j
x p j
. Donc { }
E
0 ker = . Donc est injective.
A.Benhari 37

* Si est injective : soient K
p
x x x ,... ,
2 1
. Supposons que
F
p
j
j j
e x 0 ) (
1
=

=
.
Alors
F
p
j
j j
e x 0
1
=
|
|

\
|

=
. Donc
E
p
j
j j
e x 0
1
=

=
(car { }
E
0 ker = ). Donc
[ ] 0 , , 1 =
j
x p j (car ) ,... , (
2 1 p
e e e est libre). Donc )) ( ),... ( ), ( (
2 1 p
e e e est
libre.
(4) Consquence directe de (2) et (3)

Consquence :
Si p E = dim , n F = dim , alors :
surjective p n
injective n p


C) Isomorphismes

Proposition :
Soit E de dimension p, F de dimension n.
Alors E et F sont isomorphes si et seulement si ils ont mme dimension.
Dmonstration :
Si E et F sont isomorphes, alors il existe ) , ( F E L bijective. On a alors
F E dim dim = (car alors F E dim dim et E F dim dim )
Si p F E = = dim dim . Soient alors ) ,... , (
2 1 p E
e e e = B une base de E et
) ,... , (
2 1 p F
f f f = B une base de F. Il existe alors une application linaire
) , ( F E L telle que [ ]
i i
f e p i = ) ( , , 1 . Cette application est donc un
isomorphisme (car la famille )) ( ),... ( ), ( (
2 1 p
e e e est libre et gnratrice)
Proposition :
Soient E et F de mme dimension finie.
Alors, pour tout ) , ( F E L , on la les quivalences :
surjective est
injective est bijective est

Dmonstration :
Supposons que n F E = = dim dim . Soit alors ) ,... , (
2 1 p E
e e e = B une base de E.
Alors :
bijective est
) dim (car de base une est )) ( ),... ( ), ( (
libre est )) ( ),... ( ), ( ( injective est
2 1
2 1

n F F e e e
e e e
n
n

On fait la mme chose pour lautre quivalence.
Proposition :
Les isomorphismes conservent le rang, c'est--dire que si est un isomorphisme
de E dans E, alors, pour toute famille ) ,... , (
2 1 q
u u u de vecteurs de E,
)) ( ),... ( ), ( ( rg ) ,... , ( rg
2 1 2 1 q q
u u u u u u = .
A.Benhari 38

En effet :
Si on note ) ,... , ( Vect
2 1 q
u u u F = , alors )) ( ),... ( ), ( ( Vect ) (
2 1 q
u u u F = , et
ralise alors un isomorphisme de F dans ) (F . Donc ) ( dim dim F F = .
Exemple :
Soit E de dimension n, ) ,... , (
2 1 n E
e e e = B une base de E.
Alors
[ ]
=

n
i
i i n i i
n
e x x
E
1
, 1
) (
:

K est un isomorphisme.


D) Le thorme noyau - image

Thorme :
Soient E, F deux K-ev, o E est de dimension finie.
Soit ) , ( F E L .
Alors Im est de dimension finie, et ) dim(Im ) dim(ker dim + = E .
Dmonstration :
On peut introduire un supplmentaire G de ker dans E. Ainsi, G E = ker .
On dfinit alors
) (
Im :
u u
G

. Alors est linaire (Cest en quelque sorte "

G /
")
Alors :
est injective : { } { } { }
E
G u G u u G u 0 ker 0 ) ( , 0 ) ( , ker = = = = = =
est surjective : Soit Im v . v scrit ) (u , o E u . Alors

G
w w u

+ =
ker
' .
Donc v w w w u = = + = ) ( ) ( ) ' ( ) ( .
Donc est un isomorphisme. Donc G dim ) dim(Im = .
Or, ) dim(ker dim dim = E G . Donc ) dim(Im ) dim(ker dim + = E .
Consquence :
On retrouve le fait que :
injective surjective bijective , dim dim Si
dim dim surjective
dim dim injective
dim ) dim(Im

=



F E
F E
F E
E


E) Rang dune application linaire

Soit ) , ( F E L , o E est de dimension finie.
Alors ) dim(Im rg
df
=
Propositions :
- Si ) ,... , (
2 1 p
e e e est une base de E, alors :
)) ( ),... ( ), ( ( rg
))) ( ),... ( ), ( ( Vect dim( ) dim(Im rg
2 1
2 1
p
p
e e e
e e e


=
= =



A.Benhari 39

- Si on note p E = dim , n F = dim , r = ) ( rg , alors :
bijective ; surjective ; injective
;
= = = =

p n r n r p r
p r n r

(dcoule directement du thorme noyau image)


XV Formes linaires et hyperplan

Dans ce paragraphe, E dsigne un K-ev de dimension 2 n .


A) Formes linaires de E.

Rappel : une forme linaire de E est une application linaire de E dans K.
Lensemble des formes linaires de E est ) , ( K E L , not aussi * E (dual de E).
( * E est un K-ev).

Proposition :
Soit ) ,... , (
2 1 n
e e e = B une base de E.
Les formes linaires de E sont exactement les applications du type :
n n
x x x
u x a x a x a
E
n
+ + +

...
2 2 1 1
dans ) ,... , (
s composante de
2 1

B
K , o
n
n
a a a K ) ,... , (
2 1
.
En effet :
Lapplication :

= =
=

n
i
i i
n
i
i i
a x e x u
E
1 1

K est lunique application linaire de E dans K

telle que [ ]
i i
a e n i = ) ( , , 1 . La matrice de cette application linaire dans les bases
B et (1) est la matrice ligne ) ,... , (
2 1 n
a a a (1 ligne, n colonnes)
Cas particulier :
Pour [ ] n i , 1 , on note
i
p la forme linaire :
i
x x x
u
i
x
E p
n

dans ) ,... , (
s composante de
2 1
B
K
(matrice ) 0 ,... 1 ,... 0 (
i
) ; on les appelle les projections relatives B.
La famille des
i
p est videmment gnratrice de * E (lire E dual ), et elle est
libre : [ ]
E
a
j
n
i
i i E
n
i
i i
j
e p a n j p a 0 ) ( , , 1 0
1
*
1
= |

\
|
=
=
= =


.
Donc
[ ] n i i
p
, 1
) (

est une base de * E . Donc * E est de mme dimension que E. La

base ) ,... , (
2 1 n
p p p est appele la base duale de ) ,... , (
2 1 n
e e e .


B) Hyperplan

Dfinition :
Un hyperplan de E est un sous-espace vectoriel de E de dimension 1 n .
A.Benhari 40

Exemple :
En dimension 2, les hyperplans sont des droites.
En dimension 3, les hyperplans sont des plans.
Thorme :
Les hyperplans sont exactement les noyaux des formes linaires non nulles de E.
Plus prcisment :
(1) Si { }
) , (
0 \ ) , (
K
K
E L
E L , alors ker est un hyperplan de E.
(2) Si H est un hyperplan de E, alors il existe { } 0 \ ) , ( K E L tel que ker = H .
(3) Si ) , ( ,
2 1
K E L tels que
2 1
ker ker = , alors
1
et
2
sont colinaires,
c'est--dire quil existe { } 0 \ K tel que
1 2
= .
Dmonstration :
chapitre 4:1 Si { }
) , (
0 \ ) , (
K
K
E L
E L , alors Im est un sous-espace
vectoriel de K, qui est de dimension 1. Donc Im est de dimension 0 ou 1. Si
0 ) dim(Im = , alors { } 0 Im = et
) , (
0
K E L
= . Donc 1 ) dim(Im = (et
K = Im ).
Donc 1 ) dim(Im dim ) dim(ker = = n E
chapitre 4:2 Soit H un hyperplan de E. Soit ) ,... , (
1 2 1 n
u u u une base de H.
On la complte en une base de E : ) ,... , (
2 1 n
u u u .
Soit la forme linaire qui envoie les [ ] 1 , 1 , n i u
i
sur 0 et
n
u sur 1.
Alors H = ker (car pour H v x v u x v
n
n
i
i i
= = =

=
0 0 ) ( ,
1
)
chapitre 4:3 Si 0
1
= , E =
1
ker ; donc E =
2
ker , donc
1 2
. 1 0 = = .
Si 0
1
, le noyau de
1
est un hyperplan H de base ) ,... , (
1 2 1 n
u u u , que lon
complte en une base ) ,... , (
2 1 n
u u u de E.
Alors :
{ } { }

= =
= =
= =

0 \ ) ( ; 0 \ ) (
0 ) ( ) (
0 ) ( ) (
2 1
1 2 1 1
1 2 1 1
K K b u a u
u u
u u
n n
n n

Donc
1 2

a
b
= (puisque [ ] ) ( ) ( , , 1
1 2 j a
b
j
u u n j = et la donne des images des
vecteurs dune base dtermine lapplication linaire)
Consquence :
Soit ) ,... , (
2 1 n
e e e = B une base de E. Alors les hyperplans de E sont exactement les
parties de E qui admettent dans la base B, une quation du type 0 ...
2 2 1 1
= +
n n
x a x a x a
ou les
i
a sont des scalaires non tous nuls. De plus, si un hyperplan admet deux
quations, alors elles sont proportionnelles.
Rappel : Etant donne ) , ( K K
n
F F , la partie E dquation 0 ) ,... , (
2 1
=
n
x x x F
dans la base B est, par dfinition, lensemble des composantes ) ,... , (
2 1 n
x x x dans B
vrifiant 0 ) ,... , (
2 1
=
n
x x x F .
A.Benhari 41

On verra que si F est un sev de E de dimension p, alors F est lintersection
dhyperplans (et peut donc tre dfini par un systme dquations), le nombre minimum
dquations ncessaires tant p n .


Dans ce chapitre, K est un corps commutatif (souvent un sous corps de C). Les lettres n, p,
q dsignent des lments de N*.


XVI Dfinition
A) Matrice

Une matrice de type ) , ( p n coefficients dans K est une famille
p j
n i j i
a


1
1 ,
) (
dlments de K indexe par [ ] [ ] p n , 1 , 1 . Leur ensemble est not ) (
,
K
p n
M ; ) (
,
K
n n
M
est not aussi ) (K
n
M


B) Reprsentation dune matrice

Une matrice
p j
n i j i
a A


=
1
1 ,
) ( de ) (
,
K
p n
M est reprsente par un tableau n lignes,
p colonnes de sorte que, pour tout [ ] [ ] p n j i , 1 , 1 ) , ( ,
j i
a
,
est plac sur la i-me ligne
de la j-me colonne.
Ainsi :
) (
,
, 2 , 1 ,
, 2 2 , 2 1 , 2
, 1 2 , 1 1 , 1
K
p n
p n n n
p
p
M
a a a
a a a
a a a
A
|
|
|
|
|

\
|
=

La i-me ligne de A est ) ( ) ... , (
, 1 , 2 , 1 ,
K
p p i i i
M a a a (matrice ligne)
La j-me colonne de A est ) ( ) ... , (
1 , , , 2 , 1
K
n j n j j
M a a a (matrice colonne)
Une matrice de type ) , ( n n sappelle une matrice carre dordre n.


XVII Matrice dune famille de vecteurs dans une base

Ici, E est un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit E v , on lui associe la matrice colonne
|
|
|
|
|

\
|
p
x
x
x

2
1
de ses composantes dans la base
E
B
Matrices
A.Benhari 42

Lapplication :
|
|
|
|
|

\
|

p
p
x
x
x
v
M E

2
1
1 ,
) ( : K est videmment bijective (dinverse

=
|
|
|
|
|

\
|
p
i
i i
p
e x
x
x
x
1
2
1

)
Plus gnralement, tant donne une famille ) ... , (
2 1 q
v v v = F dlments de E, on
introduit la matrice ) (
,
K
q p
M A telle que, pour tout [ ] q j , 1 , la j-me colonne de A soit la
colonne des composantes de
j
v dans la base
E
B . Cette matrice sera note ) , ( mat
E
B F .
Exemple :
2 2
1 ; 3 ; 2 1 X X R X Q X P + + = + = =
Matrice de ) , , ( R Q P dans la base naturelle de ] [
2
X R ( ) , , 1 (
2
X X ) :
|
|
|

\
|

1 1 0
1 0 2
1 3 1

Cest aussi la matrice de ( ) ) 1 , 1 , 1 ( ), 1 , 0 , 3 ( ), 0 , 2 , 1 ( dans la base canonique de
3
R .


XVIII Matrice dune application linaire dans des bases

Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soit ) , ( F E L
Dfinition :
La matrice de dans les bases
E
B et
F
B est, par dfinition, la matrice n lignes, p
colonnes, qui donne, par colonne, les ) (
j
e dans la base
F
B :
Cest ) )), ( )... ( ), ( (( mat
2 1 F p
e e e B , note ) , , ( mat
F E
B B

Proposition : la matrice ) (
,
K
p n
M A dtermine une unique application linaire
) , ( F E L telle que ) , , ( mat
F E
A B B = .
Cest le fait que la donne des images des vecteurs de dtermine une et une seule
application linaire.
Ainsi, lapplication
) , , ( mat
) ( ) , ( :
, ,
F E
p n
M F E L
F E
B B
B B

K est bijective.
Cas particulier : Si F E = et
F E
B B = , alors ) , , ( mat
E E
B B , note ) , ( mat
E
B est la
matrice de dans la base
E
B




E
B
A.Benhari 43


XIX Le K-ev M
n,p
(K).

Ide : transporter avec
F E
B B ,
la structure de K-ev de ) , ( F E L de sorte que
F E
B B ,

devienne un isomorphisme (et pas seulement une bijection)


A) Somme

Etude :
Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soit ) , ( F E L f , de matrice
p j
n i j i
a A


=
1
1 ,
) ( dans
E
B et
F
B .
Soit ) , ( F E L g , de matrice
p j
n i j i
b B


=
1
1 ,
) ( dans
E
B et
F
B .
Alors, pour tout [ ] p j , 1 :

= = =
+ = + = + = +
n
i
i j i j i
n
i
i j i
n
i
i j i f j j
f b a f b f a e g e f e g f
1
, ,
1
,
1
,
) ( ) ( ) ( ) (
La matrice de g f + dans
E
B ,
F
B est donc la matrice
p j
n i j i
c C


=
1
1 ,
) ( dfinie par :
[ ] [ ]
j i j i j i
b a c p j n i
, , ,
, , 1 , , 1 + =

Dfinition :
Soient
p j
n i j i
a A


=
1
1 ,
) ( et
p j
n i j i
b B


=
1
1 ,
) ( deux lments de ) (
,
K
p n
M . B A+ est la
matrice
p j
n i j i
c C


=
1
1 ,
) ( telle que [ ] [ ]
j i j i j i
b a c p n j i
, , ,
, , 1 , 1 ) , ( + = .

Thorme :
Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soient ) , ( , F E L g f
Alors ) , , ( mat ) , , ( mat ) , , ( mat
F E F E F E
g f g f B B B B B B + = +
Dmonstration : rsulte de ltude.


B) Produit par un scalaire

Ltude est analogue celle de la somme, avec ) , ( F E L f et K

Dfinition :
Soient
p j
n i j i
a A


=
1
1 ,
) ( , K .
A est la matrice
p j
n i j i
a A


=
1
1 ,
) ' ( ' telle que [ ] [ ]
j i j i
a a p n j i
, ,
' , , 1 , 1 ) , ( = .
A.Benhari 44

Thorme :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit ) , ( F E L f
Alors ) , , ( mat . ) , , . ( mat
F E F E
f f B B B B =


C) Le K-ev M
n,p
(K)

Thorme :
.) , ), ( (
,
+ K
p n
M est un K-ev
Soit E un K-ev de dimension p, muni dune base
E
B
Soit F un K-ev de dimension n, muni dune base
F
B .
Alors
) , , ( mat
) ( ) , ( :
, ,
F E
p n
M F E L
F E
B B
B B

K est un isomorphisme de K-ev.

Dmonstration :
Vrification immdiates des diffrentes rgles de calcul dans un K-ev (le
neutre est not
) (
,
0
K
p n
M
, matrice dont tout les coefficients sont nuls)
Idem

Cas particulier :
Si
p
E K = muni de sa base canonique
p
B
Et
n
F K = muni de sa base canonique
n
B
Alors lisomorphisme
) , , ( mat
) ( ) , ( :
,
n p
p n
n p
f f
M L
B B
K K K est lisomorphisme
canonique de ) , (
n p
L K K vers ) (
,
K
p n
M .


D) Dimension

Thorme :
) (
,
K
p n
M est de dimension p n , une base naturelle de ) (
,
K
p n
M tant la famille
des
j i
E
,
pour [ ] [ ] p n j i , 1 , 1 ) , ( o
j i
E
,
est la matrice de ) (
,
K
p n
M dont tous les
coefficients sont nuls sauf celui dindice ) , ( j i qui vaut 1.
Dmonstration :
Repose sur le fait que pour toute matrice
p j
n i j i
a A


=
1
1 ,
) ( ,

=
j i
j i j i
E a A
,
, ,
.

Consquence :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Alors ) , ( F E L est de dimension p n .
Dmonstration : ) , ( F E L est isomorphe ) (
,
K
p n
M .
A.Benhari 45

XX Produit matriciel
A) Dfinition

Etude :
Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soit G un K-ev de dimension m, muni dune base ) ,... , (
2 1 m G
g g g = B .
Soit G E : linaire.
Soit F G : linaire.
Alors est linaire de E dans F.
Soit ) ( ) ( ) , , ( mat
, ,
K
m n j i E G
M a A = = B B
Soit ) ( ) ( ) , , ( mat
, ,
K
p m j i G E
M b B = = B B
Soit ) ( ) ( ) , , ( mat
, ,
K
p n j i F E
M c C = = B B

Pour tout [ ] p j , 1 , on a :
[ ]
[ ]



= =

= = = =
= =
|

\
|
= =
|

\
|
= |

\
|
=
= |

\
|
= =
n
i
m
k
i j k k i
m k
n i
i j k k i
m
k
n
i
i j k k i
m
k
n
i
i k i j k
m
k
k j k
m
k
k j k j j
f b a f b a
f b a f a b
g b g b e e
1 1
, ,
, 1
, 1
, ,
1 1
, ,
1 1
, ,
1
,
1
,
) ( )) ( ( ) (

Donc [ ]

=
=
m
k
j k k i j i
b a c n i
1
, , ,
, , 1
Donc [ ] [ ]

=
=
m
k
j k k i j i
b a c p n j i
1
, , ,
, , 1 , 1 ) , (

Dfinition :
Soit ) (
,
K
m n
M A , ) (
,
K
p m
M B . On note B A la matrice C, lment de
) (
,
K
p n
M , dfinie par [ ] [ ]

=
=
m
k
j k k i j i
b a c p j n i
1
, , ,
, , 1 , , 1

Thorme :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit G un K-ev de dimension m, muni dune base
G
B .
Soit ) , ( G E L , ) , ( F G L . Alors :
) , , ( mat ) , , ( mat ) , , ( mat
G E F G F E
B B B B B B =
Exemple :
|
|

\
|
=
|
|

\
|

|
|

\
|
26 22
8 1
7 4
1 3
4 2
1 1

A.Benhari 46

B) Composantes de limage dun vecteur

Thorme :
Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soit ) , ( F E L , ) , , ( mat
F E
A B B =
Soit E u , ) (
1 ,
K
p
M X la colonne des composantes de u dans
E
B .
Soit F v , ) (
1 ,
K
n
M Y la colonne des composantes de v dans
F
B .
On a lquivalence : X A Y u v = = ) (
Dmonstration :
Notons
p j
n i j i
a A


=
1
1 ,
) ( ,
|
|
|
|
|

\
|
=
p
x
x
x
X

2
1
,
|
|
|
|
|

\
|
=
n
y
y
y
Y

2
1

On a :

=
=
p
j
j j
e x u
1
. Donc

=

= = = =
|
|

\
|
= |

\
|
= =
n
i
i
f f f
u
i
p
j
j i j
p
j
n
i
i j i j
p
j
j j
f a x f a x e x u
n
1
) ,... , (
base la dans ) ( de
composante me
1
,
1 1
,
1
2 1
) ( ) (

Ainsi :
[ ]
X A Y
x a y n i
u v u v
p
j
j j i i
F
=
=
=

=1
,
, , 1
dans s composante mmes ont ) ( et ) ( B

En effet :
|
|
|
|
|
|

\
|

=
|
|
|
|
|

\
|

|
|
|
|
|

\
|
=
=
=
p
j
p
j
p
j
j j n
j j
j j
p p n n n
p
p
x a
x a
x a
x
x
x
a a a
a a a
a a a
1
1
1
,
, 2
, 1
2
1
, 2 , 1 ,
, 2 2 , 2 1 , 2
, 1 2 , 1 1 , 1

Exemple :
Soit ) (
2
R L de matrice
|
|

\
|
=
4 2
3 1
A dans la base canonique
2
B de
2
R
Notons ) , (
2 1 2
e e = B ; ) 4 ; 3 ( ) ( ) 2 ; 1 ( ) (
2 1
= = e e
Pour tout ) , ( y x de
2
R , on a ) ' , ' ( ) , ( y x y x =
Avec
|
|

\
|
=
|
|

\
|

'
'
y
x
y
x
A
Soit
|
|

\
|
+
+
=
|
|

\
|

|
|

\
|
=
|
|

\
|
y x
y x
y
x
y
x
4 2
3
4 2
3 1
'
'



A.Benhari 47

C) Proprits du produit

Proposition :
Pour tous K K K K ), ( ), ( ' , ), ( ' ,
, , , r q q p p n
M C M B B M A A , on a :
(1) C B A C B A C B A = = ) ( ) (
(2) B A B A B A A + = + ' ) ' (
(3) ' ) ' ( B A B A B B A + = +
(4) ) . ( ) .( ) ( B A B A B A = =
(5) A I A
p
= et B B I
p
=
O
n j
n i j i p
I


=
|
|
|
|
|

\
|
=
1
1 ,
) (
1 0 0
0
1 0
0 0 1

avec 1
,
=
j i
si j i = , 0 sinon.

Dmonstration :
En passant par les applications linaires, par exemple pour (2) :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit G un K-ev de dimension q, muni dune base
G
B .
Soient ) , ( ' , F E L de matrices A, A dans les bases
E
B et
F
B .
Soit ) , ( E G L de matrice B dans les bases
G
B et
E
B .
Alors :
( )
( )
( ) ( )
B A B A
B A A
F G F G
F G
F G
+ =
+ =
+ =
+ = +
'
, , ' mat , , mat
, , ' mat
, , ) ' ( mat ) ' (
B B B B
B B
B B

(On procde de la mme manire pour les autres formules)
La dmonstration directe sans passer pas les applications linaires est pnible.

Remarque :
p
I sappelle la matrice unit dordre p.

Attention : il ny a pas commutativit en gnral
B A peut tre dfini mais pas A B
Exemple : A de type ) , ( p n , B de type ) , ( q p avec n q
B A et A B peuvent tre dfinies mais pas de mme type
Exemple : A de type ) , ( p n , B de type ) , ( n p avec n p
B A et A B peuvent tre dfinies, de mme type mais diffrentes.
Exemple : A de type ) , ( n n , B de type ) , ( n n :
|
|

\
|

=
|
|

\
|

|
|

\
|
|
|

\
|
=
|
|

\
|

|
|

\
|

15 15
15 15
7 7
1 1
2 1
2 1
0 0
0 0
2 1
2 1
7 7
1 1

Il ny a pas intgrit non plus (voir exemple ci-dessus)
A.Benhari 48

XXI La K-algbre M
n
(K)
A) Rappel

) ( ) (
,
K K
n n n
M M = : ensemble des matrices dordre n coefficients dans K.
Une K-algbre est un ensemble A muni de deux lois de composition interne +,
et dune loi oprateurs dans K tels que :
- .) , , ( + A est un K-ev.
- est associative, distributive sur + et, pour tout K , pour tous, A b a , ,
) . ( ) .( ) ( b a b a b a = =
- il existe un neutre
A
1 pour
(exemples : ] [ ), , ( , X K K K K F )


B) Thorme

.) , , ), ( ( + K
n
M est une K-algbre
Si E est un K-ev de dimension n muni dune base
E
B , alors lapplication
) , ( mat
) ( ) ( :
E
n
M E L
E
B
B

K est un isomorphisme de K-algbre.

( .) , , ), ( ( + E L est une K-algbre)

Dmonstration :
On sait que .) , ), ( ( + K
n
M est un K-ev (de dimension
2
n ). De plus, selon le
paragraphe prcdent, est une loi de composition interne sur ) (K
n
M ,
associative, distributive sur +, admet comme lment neutre
n
I , et les
scalaires sortent des produits .
On sait dj que
E
B
est un isomorphisme de K-ev. De plus, pour tous
) ( , E L :
) ( ) ( ) , ( mat ) , ( mat ) , ( mat ) (
E E E
E E E B B B
B B B = = = , et
n E E E
I
E
= = ) , Id ( mat ) Id ( B
B


Remarque : si on note
E
' B une autre base de E, alors lapplication
) ' , , ( mat
) ( ) (
E E
n
M E L
B B
K est toujours un isomorphisme de K-ev mais plus de K-algbre
(car
n E E E
I ) ' , , Id ( mat B B )

Exemple : Dans
2
R , [ ] ) 1 , 0 ( ), 0 , 1 ( = B et [ ] ) 1 , 3 ( ), 2 , 1 ( ' = B
|
|

\
|

=
|
|

\
|
=
|
|

\
|
=
|
|

\
|
=
1 2
3 1
5
1
) ' , , Id ( mat
1 2
3 1
) , ' , Id ( mat
1 0
0 1
) ' , ' , Id ( mat
1 0
0 1
) , , Id ( mat
B B B B
B B B B
E E
E E



A.Benhari 49

C) Consquences : rgles de calcul

Rgles habituelles de lanneau ) , ), ( ( + K
n
M
du K-ev .) , ), ( ( + K
n
M
Les scalaires sortent des produits
(C'est--dire les rgles habituewlles dune K-algbre)

Notation habituelle dans un anneau :
Pour ) (K
n
M A ,

=
=
+
A A A k
I A
k k
n
1
0
, N

Et (toujours dans lanneau), si ) ( , K
n
M B A sont deux lments qui
commutent, alors :

= +
m
k
k m k k
m
m
B A C B A m
0
) ( , N
et ) ... ( ) ( *,
1 2 1
+ + + =
m m m m m
B B A A B A B A m N

Exemple :
Soit
|
|
|

\
|
=
3 0 0
2 3 0
1 2 3
A , calculer
k
A .
Premire mthode : chercher une rcurrence en calculant les premires valeurs,
puis la monter et donner le rsultat.
Autre mthode, plus simple : On a en effet :

B
I A
|
|
|

\
|
+ =
|
|
|

\
|
=
0 0 0
2 0 0
1 2 0
3
3 0 0
2 3 0
1 2 3
3

On a : 0
0 0 0
0 0 0
4 0 0
0 0 0
2 0 0
1 2 0
3 2 1
3
0
=
|
|
|

\
|
=
|
|
|

\
|
= = B B B I B
Donc, comme
3
I et B commutent (
3
I commute avec tout le monde), on a :
2 2 1
3
2 2 2 1 1 0 0 0
0 0
3 3
3
2
) 1 (
3 3
3 3 3 ) 2 pour (
) 3 ( ) 3 ( ) 3 (
B
k k
B k I
B C B C B C k
B C B I C B I A
k k k
k
k
k
k
k
k
k
p
p p k p
k
k
p
p p k p
k
k k


=

+ + =
+ + =
= = + =


Donc
|
|
|

\
| +
=


k
k k
k k k k
k
k
k k k k
A
3 0 0
3 2 3 0
3 ) 1 ( 2 3 3 2 3
1
2 1 1



A.Benhari 50

XXII Transposition
A) Dfinition

Soit ) (
,
K
p n
M A , disons
p j
n i j i
a A


=
1
1 ,
) ( .
La transpose de A est la matrice ) (
,
K
n p
t
M A dfinie par :
n j
p i j i
t
a A


=
1
1 ,
) ' ( o [ ] [ ]
i j j i
a a p j n i
, ,
' , , 1 , , 1 =
Exemple :
|
|

\
|
=
|
|
|

\
|
=
6 5 4
3 2 1
6 3
5 2
4 1
A A
t



B) Proprits

Pour tous K K K ), ( ), ( ' ,
, , q p p n
M B M A A :
A B AB
A A
A A A A
A A
t t t
t t
t t t
t t
=
=
+ = +
=
) (
) ( ) (
' ) ' (
)) ( (



Dmonstration : pour les trois premiers, cest immdiat. Pour le quatrime :
Notons
p j
n i j i
a A


=
1
1 ,
) ( ,
q j
p i j i
b B


=
1
1 ,
) ( ,
q j
n i j i
c AB


=
1
1 ,
) ( ,
n j
p i j i
t
a A


=
1
1 ,
) ' ( ,
p j
q i j i
t
b B


=
1
1 ,
) ' ( ,
n j
q i j i
t t
c A B


=
1
1 ,
) ' (
Pour tous [ ] [ ] p j n i , 1 , , 1 , on a :
i j
p
k
i k k j
p
k
k j i k
p
k
j k k i j i
c b a a b a b c
,
1
, ,
1
, ,
1
, , ,
' ' ' = = = =

= = =

Donc A B AB
t t t
= ) ( .


C) Matrices symtriques, antisymtriques

Soit ) (K
n
M A
A est symtrique [ ] [ ] A A a a n j n i
t
i j j i
= =
, ,
df
, , 1 , , 1
A est antisymtrique [ ] [ ] A A a a n j n i
t
i j j i
= =
, ,
df
, , 1 , , 1
Exemple :
|
|
|

\
|
0 2 0
2 2 3
0 3 1
est symtrique,
|
|
|

\
|

0 2 0
2 0 3
0 3 0
est antisymtrique
A.Benhari 51

Proposition :
Les ensembles ) (K
n
S et ) (K
n
A des matrices symtriques et antisymtriques de
) (K
n
M forment deux sous-espaces supplmentaires de ) (K
n
M , de dimensions
2
) 1 ( + n n
et
2
) 1 ( n n
:
|
|
|
|
|
|
|

\
|
|
|
|

\
|
|
|
|

\
|
|
|
|

\
|
|
|
|

\
|
=

n n n
n
S ,
0 0 0
0 0
0 0
0 1 0
0 0 0
,
0 0 0
0 0
0 0
0 0 0
0 0 1
2
) 1 (
0 0 0
0 0
1 0
1 0 0
0 0 0
,
0 0 0
0 0
0 0
0 0 1
0 1 0
, , Vect ) (K
Et cette famille est videmment libre est gnratrice
De mme,
2
) 1 (
) ( dim

=
n n
A
n
K (mme famille que ) (K
n
S en enlevant les n
derniers et en remplaant le 1 du haut par -1 dans les autres)
Donc
2
) ( dim ) ( dim n S A
n n
= + K K
De plus, si ) ( ) ( K K
n n
S A M , alors videmment
) (
0
K
n
M
M =
Donc ) (K
n
S et ) (K
n
A sont en somme directe, et ) ( ) ( ) ( K K K
n n n
M S A =


XXIII Matrices inversibles
A) Dfinitions rappels

Soit ) (K
n
M A
A est inversible
n n
I BA AB M B = = ), (
df
K
(Cest la dfinition gnrale de linversibilit pour dans un anneau)

Proposition :
Si ) (K
n
M A est inversible, alors il existe un et un seul ) (K
n
M B tel que
n
I BA AB = = . Cet lment sappelle linverse de A et est not
1
A . (la dmonstration a
t faite dans le cas gnral pour un anneau)

Dfinition : lensemble des lments inversibles de ) (K
n
M est not ) (K
n
GL . Il
forme un groupe pour la loi . (idem, voir cours sur les anneaux)

Plus prcisment :
) (K
n
GL est stable par :
Si ) ( , K
n
GL B A , alors ) (K
n
GL AB et
1 1 1
) (

= A B AB .
Si ) (K
n
GL A , alors ) (
1
K
n
GL A

et A A =
1 1
) (
) (K
n n
GL I
Remarque : si BA AB = , alors A et B sont carres de mme type. Le fait davoir
choisi ) (K
n
M pour la dfinition dinversibilit nest donc pas restrictif pour ) (K
n
GL .
A.Benhari 52

B) Thorme essentiel

Thorme :
Soit ) (K
n
M A
Soit E un K-ev de dimension n, muni dune base
E
B .
Soit E un K-ev de dimension n, muni dune base
' E
B .
Soit ) ' , ( E E L de matrice A dans les bases
E
B et
' E
B .
Alors A est inversible si et seulement si est bijective. Si cest le cas,
1
A est la
matrice de
1
dans les bases
' E
B et
E
B .

Dmonstration :
Supposons A inversible : on peut introduire
1
A et lapplication linaire
E E ' : de matrice
1
A dans les bases
' E
B et
E
B . Alors
E
Id = et
'
Id
E
=
En effet :
n
E E E E E E
I A A = =
=
1
' ' ' '
) , , mat( ) , , mat( ) , , mat( B B B B B B

n
E E E E E E
I A A = =
=
1
' '
) , , mat( ) , , mat( ) , , mat( B B B B B B

Donc est bijective et =
1

Supposons bijective. On introduit
1
et ) , , mat(
'
1
E E
B B B

= . Alors :
n
E E E
E E
E E E E
I
B A
=
=
=
=

) , , mat(Id
) , , mat(
) , , mat( ) , , mat(
' ' '
' '
1
'
1
'
B B
B B
B B B B

n
E E E
E E
E E E E
I
A B
=
=
=
=

) , , mat(Id
) , , mat(
) , , mat( ) , , mat(
1
' '
1
B B
B B
B B B B

Donc A est inversible et B A =
1


Cas particulier : Thorme :
Soit E un K-ev de dimension n, muni dune base B.
Soit ) (E L , ) , mat( B = A
Alors A est inversible si et seulement si est bijective, et dans ce cas
) , mat(
1 1
B

= A

Consquence :
Soit E un K-ev de dimension n, muni dune base B.
Alors
) , ( mat
) ( ) ( :
B
B

K
n
GL E GL est un isomorphisme de groupe.

A.Benhari 53

C) Exemples

Soit
|
|

\
|
=
1 2
1 1
A . A est-elle inversible, si oui que vaut
1
A ?

1
re
mthode, exclue :
Soit
|
|

\
|
=
t y
z x
B . On a les quivalences :
{ inconnues 4 quations 8 de systme = =
n
I BA AB

2
me
mthode :
Soit lendomorphisme de
2
R de matrice A dans la base canonique
2
B . Alors,
pour tout ) 2 , ( ) , ( , ) , (
2
y x y x y x y x + = R .
Soit
2
) , ( R b a . On a les quivalences :

=
+
=

= +
=
=
3
2
3
2
) , ( ) , (
a b
y
b a
x
b y x
a y x
b a y x
Donc est bijective et
1
a pour matrice
|
|

\
|
3 / 1 3 / 2
3 / 1 3 / 1
dans
2
B .
Donc
|
|

\
|

1 2
1 1
3
1
1
A

Autre exemple :
Soit
|
|

\
|
=
2 1
4 2
A
Soit ) (
2
R L de matrice A dans la base canonique ) , (
2
j i

= B
Alors )) 1 , 2 (( Vect )) 2 , 4 ( ), 1 , 2 (( Vect )) ( ), ( ( Vect Im = = = j i

. Donc Im est de
dimension 1. Donc nest pas de rang 2, donc nest pas bijective, donc A nest pas
inversible.


D) Diverses caractrisations

Ici, ) (K
n
M A

1) Avec les endomorphismes

Soit E un K-ev de dimension n, muni dune base B.
Soit ) (E L de matrice A dans la base B.
surjective est
injective est
bijective est inversible est

A

A.Benhari 54

2) Avec les colonnes

) ( de e gnratric famille une forment colonnes Ses

libre famille une forment colonnes Ses
) ( de base une forment colonnes Ses e inversibl est
1 ,
dimension de
est ) (
1 ,
Car
1 ,
K
K
K
n
n
n
M
n
M
M A


Dmonstration de la premire quivalence :
Soit lendomorphisme de ) (
1 ,
K
n
M de matrice A dans la base naturelle de
) (
1 ,
K
n
M :
|
|
|

\
|
|
|

\
|
|
|

\
|
|
|

\
|
= = =
1
0
0
0
1
0
2
0
0
1
1
,..., ,

n
E E E
Alors :
[ ] ) ( de base une est ) ( ),... ( ), (
bijective est inversible est
1 , 2 1
K
n n
M E E E
A

Or, pour tout [ ] ) ( , , 1
j
E n j nest autre que la j-me colonne de A.

Gnralisation :
Soit E un K-ev de dimension n, muni dune base ) ,... , (
2 1 n
e e e = B .
Pour tout [ ] n j , 1 , on note
j
v le vecteur de E dont les composantes dans B
sont donnes par la j-me colonne de A.
Alors :
[ ] E v v v A
n
de base une est ,... , inversible est
2 1

La dmonstration est la mme en prenant ) (E L de matrice A dans la
base B (puisque [ ] ) ( , , 1
j j
e v n j = )

Cas particulier : si
n
E K = et B est la base canonique de
n
K . Les
j
v sont
appels les vecteurs colonnes (c'est--dire les colonnes vues comme n-uplets)


3) Avec les systmes

A est inversible pour tout ) (
1 ,
1
K
n
n
M
b
b
B
|
|
|

\
|
= le systme B AX S = : ) ( ,
o
|
|
|

\
|
=
n
x
x
X
1
est la colonne des inconnues, a une unique solution.

En effet : (S) traduit lassertion est bijectif, o est un endomorphisme
dun K-ev E de matrice A dans une base B


A.Benhari 55

En effet : Si ) (E L , A = ) , ( mat B , ) ,... , (
2 1 n
e e e = B , alors :
B AX x x x b b b
b x x x x b b b
b x E x E b
A
n
n
n
n
n
n
n
n
=
=
=

, ) ,... , ( ! , ) ,... , (
) ( , ) ,... , ( ! , ) ,... , (
) ( , ! ,
bijective est inversible
2 1 2 1
2 1 2 1
K K
K K

Dfinition :
Un systme B AX = o :

inconnues des colonne la est ) (

) (
) (
1 ,
1 ,
K
K
K
n
n
n
M X
M B
GL A

est appel un systme de Cramer. Il admet lunique solution B A X
1
=


4) Inversibilit droite ou gauche seulement

Thorme :
n n
n n
I BA M B
I AB M B A
=
=
), (
), ( inversible est
K
K

Et dans ces cas l
1
= A B

Dmonstration : dj, les implications de gauche droite sont videntes.
1
re
quivalence : Supposons quil existe ) (K
n
M B tel que
n
I AB =
Soit E un K-ev de dimension n, muni dune base B.
Soit ) (E L de matrice A dans la base B.
Soit ) (E L de matrice B dans la base B.
Alors
E
Id =
Donc est surjective : tout lment v de E scrit )) ( ( v . Donc est
bijective. Donc A est inversible. Et on a :
1 1 1
= = = A B A AB A I AB
n
.
2
me
quivalence : on introduit les mmes lments.
E
Id = . Donc est injective :
x x x x x x = = = ' )) ( ( )) ' ( ( ) ( ) ' (
Donc est bijective. Donc A est inversible


5) Transposition

Proposition :
inversible est inversible est A A
t

Et dans ce cas, ) ( ) (
1 1
= A A
t t
.

Dmonstration :
Supposons A inversible :
n
I A A AA = =
1 1

A.Benhari 56

Alors :
n
t t t t
n
t t t
I A A A A I A A AA = = = =

) ( ) ( ) ( ) ( ; ) ( ) (
1 1 1 1

Donc A
t
est inversible, dinverse ) (
1
A
t
.
Rciproquement, si A
t
est inversible, alors ) ( A
t t
est inversible, c'est--dire
que A est inversible.

Consquence :
est... ) ! ! ( lignes vecteurs ses de famille la
) ( de e gnratric famille une forment lignes Ses
libre famille une forment lignes Ses
) ( de base une forment lignes Ses inversible est
, 1
, 1
n
n
n
M
M A
K
K
K

(Les vecteurs lignes de A sont les vecteurs colonnes de A
t
)


E) Exemples importants
1) Les matrices diagonales

On note ) ( Diag K
n
lensemble des matrices diagonales dordre n
coefficients dans K. (attention, ce nest pas une notation standard !)
Alors ) ( Diag K
n
est une sous algbre de ) (K
n
M (et mme commutative)

Proposition :
Soit ) ( Diag K
n
A :
|
|
|
|
|

\
|
=
n
A

0 0
0
0
0 0
2
1

.
Alors A est inversible si et seulement si [ ] 0 , , 1
i
n i , et dans ce cas :
|
|
|
|
|

\
|
=

1
1
2
1
1
1
0 0
0
0
0 0
n
A

Dmonstration :
Si un des
i
est nul, la colonne
i
C est nulle, donc la famille des
colonnes de A nest pas libre. Donc A nest pas inversible.
Si aucun des
i
, on introduit la matrice propose (on la nomme B), et
alors
n
I BA AB = = . Donc A est inversible et B A =
1





A.Benhari 57

2) Les matrices triangulaires suprieures

On note ) (K
n
TS lensemble des matrices triangulaires suprieures dordre n
coefficients dans K, c'est--dire du type
n j
n i j i
a


1
1 ,
) ( o 0
,
= >
j i
a j i . (la
notation nest pas standard non plus)
Alors ) (K
n
TS est une sous algbre de ) (K
n
M (mais non commutative)

Proposition :
Soit ) ( ) (
1
1 ,
K
n
n j
n i j i
TS a A =



Alors A est inversible si et seulement si ses coefficients diagonaux sont tous
non nuls.

Dmonstration :
Si les
i i
a
,
sont tous non nuls :
|
|
|
|
|

\
|
=
* 0 0
_
_ _ * 0
_ _ _ *

A (* dsigne un scalaire non nul)
Alors la famille de ses colonnes ) ... , (
2 1 n
C C C est libre :
Si 0 ...
2 2 1 1
= + + +
n n
C C C , alors, avec le dernier coefficient, 0
,
=
n n n
a .
Donc 0 =
n
(car 0
,

n n
a ), et ainsi de suite
Si lun des
i i
a
,
est nul :
i
C C C ... ,
2 1
sont i lments dun ensemble de dimension 1 i , savoir
lensemble des colonnes du type
|
|
|
|

\
|

0
0
1
1

i
x
x
(qui est ) ,... , ( Vect
1 2 1 i
E E E , o
) ,... , (
2 1 n
E E E est la base naturelle de ) (
1 ,
K
n
M )
Donc ) ... , (
2 1 i
C C C est lie. Donc A nest pas inversible.
Do lquivalence.

Remarque : on peut montrer que si une matrice triangulaire suprieure est
inversible, alors linverse de cette matrice est aussi triangulaire suprieure.


3) Matrice triangulaire infrieure

On a le mme rsultat que pour les matrices triangulaires suprieures, avec
la mme dmonstration (ou en remarquant que A est triangulaire suprieure si et
seulement si A
t
est triangulaire infrieure)

A.Benhari 58

Consquence : Un systme (S) carr (c'est--dire du type
|
|
|

\
|
=
|
|
|

\
|

n n
b
b
x
x
A
1 1
,
o
|
|
|

\
|
n
x
x

1
est la colonne des inconnues) qui est triangulaire (c'est--dire que A est
triangulaire) sans 0 sur la diagonale est de Cramer (c'est--dire quil admet une et
une seule solution)

Exemple :

=
= +
= +
n n n
b x
b x
b x

2 2 2
1 1 1

- Le systme admet une et une seule solution lorsque les coefficients
diagonaux sont tous non nuls.
- Si lun des
i
est nul, le systme na pas une et une seule solution.

En effet : supposons lun des
i
nul. On note [ ] { } 0 , , 1 min = =
i
n i k
Si n k = (c'est--dire 0 =
n
et 0 , <
i
n i )
Alors :
- Si 0
n
b , le systme est incompatible.
- Si 0 =
n
b , alors on voit quon peut fixer
n
x quelconque et obtenir une
solution ) ... , (
2 1 n
x x x (S) en rsolvant le systme (S) compos des
1 n premires quations et considr comme dinconnues
1 2 1
... ,
n
x x x
((S) a une unique solution puisque triangulaire sans 0 sur la diagonale).
Donc (S) a une infinit de solutions (avec 1 degr de libert)
Sinon, soit (S) le systme sous (strictement) lquation nk, en tant
que dinconnues
n k k
x x x ... ,
2 1 + +
.
o Si (S) est incompatible, alors (S) lest aussi.
o Si (S) est compatible :
- Si aucune des solutions de (S) ne satisfait la k-ime ligne, alors (S)
est incompatible.
- Sinon, lune au moins, ) ... , (
2 1 n k k
x x x
+ +
par exemple, des solutions
de (S) satisfait la k-ime ligne : on peut alors fixer arbitrairement
k
x et obtenir une solution ) ... , ,... , (
1 2 1 n k k
x x x x x
+
en rsolvant le
systme (S) au-dessus (strictement) de la k-ime ligne, qui est de
Cramer en tant que dinconnues
k
x x x ,... ,
2 1
. Donc (S) a une infinit
de solutions (avec au moins un degr de libert)




A.Benhari 59

Autre argument :
B AX S = : ) ( , avec ) (K
n
M A ,
|
|
|

\
|
=
n
x
x
X
1
,
|
|
|

\
|
=
n
b
b
B
1
.
On va voir plus gnralement que si ) (K
n
GL A , alors soit (S) na pas de
solution, soit il en a une infinit (pour K infini seulement)
En effet :
Si (S) na pas de solution, alors il na pas de solution !
Sinon, il admet une solution
0
X . Montrons alors quil en a dautres.

A nest pas inversible. Soit lendomorphisme canoniquement associ A.
Donc nest pas injectif. Donc { } 0 ker . Donc lquation
) (
0
K
n
M
AX = a des
solutions autres que 0. Alors les U X +
0
, o U est une solution non nulle de
) (
0
K
n
M
AX = et K sont des solutions de (S).
En effet : B B AU X A U X A = + = + = + 0 ) (
0 0



XXIV Changement de base
A) Changement de base : matrice de passage, composantes dun vecteur

E est ici un K-ev de dimension n.
Soit ) ... , (
2 1 n
e e e = B une base de E. ( ancienne )
Soit ) ' ... ' , ' ( '
2 1 n
e e e = B une autre base de E. ( nouvelle )
On suppose quon connat les composantes des
j
e' dans la base B. (do le nom
dancienne et de nouvelle). Alors la matrice qui donne, par colonne, les composantes des
vecteurs de B dans la base B sappelle la matrice de passage de B B.
Ainsi :
[ ]

=
= =
=
n
i
i j i j j i
e a e n j a
P
1
, ,
' , , 1 que sorte de ) ( des matrice la
'. de passage de matrice B B

note ) , ' ( mat B B (matrice de la famille B dans la base B)

Proposition : ) , ' Id ( mat B B ,
E
P = (attention, la base de dpart est B)

Consquence : si P est la matrice de passage de B B, alors P est inversible, et
1
P est la matrice de passage de B B.
En effet : ) ( Id E GL
E
. Donc ) , ' Id ( mat B B ,
E
est inversible, dinverse
) ' , Id ( mat ) ' , Id ( mat
E
-1
E
B B , B B , = qui est la matrice de passage de B B.

Remarque : si B est une base de E et F une famille de n vecteurs de E, alors F est
une base de E si et seulement si la matrice qui donne par colonne les composantes des
vecteurs de F dans la base B est inversible.

A.Benhari 60

Thorme :
Soit B une base de E, B une autre base de E.
Soit P la matrice de passage de B B.
Soit E u , X la colonne de ses composantes dans B,
X celle de ses composantes dans B.
Alors ' PX X = (on obtient les anciennes en fonction des nouvelles)
Dmonstration :
u u = donc ) ( Id u u
E
= c'est--dire ' PX X = (la base de dpart est B pour
E
Id !)
Autre dmonstration :
On note
n j
n i j i
a P


=
1
1 ,
) ( ,
|
|
|

\
|
=
n
x
x
X
1
,
|
|
|

\
|
=
n
x
x
X
'
'
'
1
. On a :

= = = = =
|
|

\
|
= |

\
|
= =
n
i
i
n
j
j j i
n
j
n
i
i j i j
n
j
j j
e x a e a x e x u
1 1
,
1 1
,
1
' ' ' '
et

=
=
n
i
i i
e x u
1

Donc [ ]

=
=
n
j
j j i i
x a x n i
1
,
' , , 1 . Donc
|
|
|

\
|
=
|
|
|

\
|
n n
x
x
P
x
x
'
'
1 1


Exemple :
Dans
2
R muni de sa base canonique ) , ( j i

= B .
Soit C la courbe dquation :
9 2 5 2 : ) (
2 2
= + xy y x E dans B (C'est--dire que C est lensemble des lments
de
2
R dont les composantes ) , ( y x dans B vrifient (E))
Soit j i I

+ = 2 , j i J

= alors ) , ( ' J I

= B est une nouvelle base de
2
R . On
cherche lquation de C dans B.
Matrice de passage de B B :
|
|

\
|
1 1
1 2

Soit
2
R u , de composantes
|
|

\
|
y
x
dans B et
|
|

\
|
'
'
y
x
dans B.
Alors
|
|

\
|
|
|

\
|

=
|
|

\
|
'
'
1 1
1 2
y
x
y
x

On a les quivalences :
1 ' '
9 ' 9 ' 9
9 ' ' 2 ' 2 ' 4 ' 5 ' ' 10 ' 5 ' 2 ' ' 8 ' 8
9 ) ' ' )( ' ' 2 ( 2 ) ' ' ( 5 ) ' ' 2 ( 2
9 2 5 2
2 2
2 2
2 2 2 2 2 2
2 2
2 2
= +
= +
= + + + + + +
= + + +
= +
y x
y x
y x y x y y x x y y x x
y x y x y x y x
xy y x C u



A.Benhari 61

Aspect :



B) Les formules de changement de base pour une application linaire

Thorme :
Soit E un K-ev de dimension p, et
E
B ,
E
' B deux bases de E. Soit P la matrice de
passage de
E
B
E
' B .
Soit F un K-ev de dimension n, et
F
B ,
F
' B deux bases de F. Soit Q la matrice de
passage de
F
B
F
' B .
Soit ) , ( F E L , soit ) , , ( mat
F E
A B B = , ) ' , ' , ( mat '
F E
A B B = .
Alors AP Q A
1
'

=

Dmonstration :
E F
Id Id =
AP Q A
E E E F E F F F F E
1
'
) , ' , Id ( mat ) , , ( mat ) ' , , Id ( mat ) ' , ' , ( mat Donc

=
= B B B B B B B B

Autre dmonstration (sans introduction des notations) :
AX Y = , ' ' ' X A Y =

=
=
'
'
QY Y
PX X

Donc ' ' APX QY = . Donc ' '
1
APX Q Y

= . Or ' ' ' X A Y = . Donc AP Q A
1
'

=

Cas particulier :
Soient ) (E L , B et B deux bases de E, et P la matrice de passage de B B.
Soient ) , ( mat B = A , ) ' , ( mat ' B = A
Alors AP P A
1
'

= .


XXV Matrices quivalentes et rang
A) Rang dune matrice

Soit ) (
,
K
p n
M A .
df
) ( rg = A le rang de la famille de ses colonnes.



A.Benhari 62

Proposition :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit ) , ( F E L de matrice A dans les bases
E
B et
F
B .
Soit ) ,... , (
2 1 p
v v v une famille de vecteurs de F dont les composantes dans
F
B sont
les colonnes de A.
Alors ) ( rg ) ,... , ( rg ) ( rg
2 1
= =
p
v v v A

Dmonstration :
On a lisomorphisme de ) (
1 ,
K
n
M dans F qui envoie la base naturelle
) ,... , (
2 1 n
E E E de ) (
1 ,
K
n
M sur
F
B .
C'est--dire :

=
|
|
|

\
|

n
i
i i
x
x
n
f x
F M
n 1
1 ,
1
) ( :

K
Alors les
j
v ne sont autres que les ) (
j
C (o
p
C C C ,... ,
2 1
sont les colonnes de A)
Or, conserve le rang (cest un isomorphisme)
Donc ) ,... , ( rg ) ,... , ( rg ) ( rg
2 1 2 1
df
p p
v v v C C C A = =
Or, les
j
v sont les ) (
j
e , et on sait que )) ( ),... ( ), ( ( rg ) ( rg
2 1 p
e e e =
Donc ) ( rg ) ,... , ( rg ) ( rg
2 1
= =
p
v v v A

Consquences :
Si ) (
,
K
p n
M A et si ) ( rg A r = , alors n r (rang dune famille de vecteurs dans
un espace de dimension n) et p r (rang de p vecteurs)
A est inversible si et seulement si p n r = =
A est nulle si et seulement si 0 = r


B) Matrice quivalente

Dfinition :
Soient ) ( ,
,
K
p n
M B A . On dit que B est quivalente A lorsquil existe
) (K
p
GL P et ) (K
n
GL Q telles que AP Q B
1
=
(remarque : le
-1
nest que dcoratif : si Q est ) (K
n
GL ,
1
'

= Q Q y est aussi)

Proposition :
Soient ) ( ,
,
K
p n
M B A
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit ) , ( F E L de matrice A dans les bases
E
B et
F
B .
Alors B est quivalente A si et seulement si il existe une base
E
' B de E et
F
' B de
F telles que B soit la matrice de dans les bases
E
' B et
F
' B .
A.Benhari 63

En rsum, une matrice B est quivalente A si et seulement si elles reprsentent
la mme application linaire dans des bases diffrentes.
Dmonstration :
Si on trouve
E
' B et
F
' B telles que ) ' , ' , ( mat
F E
B B B = , alors AP Q B
1
= o Q
est la matrice de passage de
F
B
F
' B et P la matrice de passage de
E
B
E
' B .
Inversement : si AP Q B
1
= , on peut introduire une base
E
' B de E telle que P soit
la matrice de passage de
E
B
E
' B , et une base
F
' B de F telle que Q soit la matrice de
passage de
F
B
F
' B . Ainsi, ) ' , ' , ( mat
F E
B B B = .

Proposition :
La relation tre quivalente sur ) (
,
K
p n
M est une relation dquivalence,
c'est--dire rflexive, transitive et symtrique :
Rflexive :
n n
AI I A
1
=
Symtrique : Si AP Q B
1
= , alors ) ( ) (
1 1 1 1
= = P B Q QBP A
Transitive : Si AP Q B
1
= et BS R C
1
= , alors :
) ( ) ( ) ( ) ( ) (
1 1 1 1 1 1
PS A QR PS A Q R S AP Q R BS R C

= = = =


C) Thorme

Soient ) ( ,
,
K
p n
M B A . Alors :
A et B sont quivalentes ) ( rg ) ( rg B A =

Dmonstration :
(1) Si A et B sont quivalentes :
Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit ) , ( F E L de matrice A dans les bases
E
B et
F
B .
Donc il existe une base
E
' B de E et
F
' B de F telles que B soit la matrice de
dans les bases
E
' B et
F
' B .
C'est--dire : ) , , ( mat
F E
A B B = et ) ' , ' , ( mat
F E
B B B =
Donc ) ( rg ) ( rg ) ( rg B A = =
(2) Supposons que r B A = = ) ( rg ) ( rg
Lemme : Soit ) (
,
K
p n
M A , notons ) ( rg A r =
On va montrer que A est quivalente :








p
r
r p n
n
r
J

|
|
|
|
|
|
|
|

\
|
=
0 0
0 0
0 1
0
0 0 1
, ,

A.Benhari 64

C'est--dire
p j
n i j i r p n
J


=
1
1 , , ,
) ( o

> = =
=
) et ( ou si 0
si 1
,
,
r i j i j i
r i
j i
i i

Soit E un K-ev de dimension p, muni dune base
E
B .
Soit F un K-ev de dimension n, muni dune base
F
B .
Soit ) , ( F E L de matrice A dans les bases
E
B et
F
B .
Alors r = ) ( rg . Donc r p = ) dim(ker . Soit ) ,... (
1 p r
u u
+
une base de ker .
Soit G un supplmentaire de ker dans E.
Donc r G = ) dim( . Soit ) ,... (
1 r
u u une base de G.
Alors ) ,... , ,... ( '
1 1 p r r E
u u u u
+
= B est une base de E.
Soient
r
v v ,...
1
les images par de
r
u u ,...
1
.
Alors ) ,... (
1 r
v v est libre. En effet :
[ ] 0 , , 1
0 ...
ker ...
0 ) ... ( 0 ...
2 2 1 1
2 2 1 1
2 2 1 1 2 2 1 1
=
= + + +
+ + +
= + + + = + + +
i
r r
r r
r r r r
r i
u u u
G u u u
u u u v v v

On complte alors cette famille en une base de F : ) ,... ( '
1 n F
v v = B
Ainsi, par construction : ) ' , ' , ( mat
, , F E r p n
J B B =
Donc A est quivalente
r p n
J
, ,

Do, pour la dmonstration du thorme :
A et B sont toutes les deux de rang r, donc quivalentes
r p n
J
, ,
. Donc A et B sont
quivalentes.

Thorme :
Soit ) (
,
K
p n
M A . Alors ) ( rg ) ( rg A A
t
= :
Notons ) ( rg A r = . Alors, comme
r p n
J
, ,
est de rang r, A est quivalente
r p n
J
, ,
. Il
existe donc ) (K
p
GL P et ) (K
n
GL Q tels que P J Q A
r p n , ,
1
=
Donc ) (
1
, ,

= Q J P A
t
r p n
t t t
. Or, ) (K
p
t
GL P ,
1 1
) ( ) (

= Q Q
t t
et ) (K
n
t
GL Q et
r n p r p n
t
J J
, , , ,
= (qui est de rang r)
Donc A
t
est quivalente une matrice de rang r. donc r A
t
= ) ( rg
Donc ) ( rg ) ( rg A A
t
= .
Ainsi, le rang dune matrice est aussi le rang de la famille de ses lignes.

Recherche pratique du rang :
|
|
|
|
|
|

\
|
=
1 0 0 0 1
1 1 0 0 4
3 1 0 0 3
0 1 2 1 2
0 1 3 2 1
A . Quel est le rang de A ?

A.Benhari 65

Remarque : on a vu que, tant donns ) ,... (
1 n
v v vecteurs dun K-ev E, les
modifications du type
j i
j i i
i i
v v
j i v v v
v v

+

avec .
0 avec .

ne modifient pas ) ,... ( Vect

1 n
v v et par
consquent le rang. On va utiliser cette remarque sachant que le rang dune matrice est
celui de ses colonnes, mais aussi celui de ses lignes.
Donc :
5
1 0 0 0 1
2 1 2 1 0
3 3 1 0 0
3 1 0 0 0
1 0 0 0 0
rg
1 0 0 0 1
2 1 2 1 0
0 1 0 0 0
3 1 0 0 0
3 3 1 0 0
rg
2
1 0 0 0 1
2 1 2 1 0
0 1 0 0 0
3 1 0 0 0
1 1 3 2 0
rg
1 0 0 0 1
3 1 0 0 0
0 1 0 0 0
2 1 2 1 0
1 1 3 2 0
rg
2
3
4
) ( rg
1
3
1
1
2 1 1
1 3 4 1 1
4 2
5 1 1
5 2 2
5 3 3
5 4 4
=
|
|
|
|
|
|

\
|

=
|
|
|
|
|
|

\
|

=
|
|
|
|
|
|

\
|

=
|
|
|
|
|
|

\
|

=
L L
L L L
L L L L L
L L
L L L
L L L
L L L
L L L
A


XXVI Transformations lmentaires
A) Sur les colonnes

On note
p
C lensemble des matrices p colonnes. Une transformation lmentaire
C
T sur les colonnes dune matrice p colonnes est une application
'
:
A A
C C T
p p C

o A
est dduite de A par lune des oprations suivantes :
* 0 avec
i i
c c
* j i c c c
j i i
+ avec
*
j i
c c

Thorme :
Soit
C
T une transformation lmentaire sur les colonnes dune matrice p
colonnes. Alors il existe une et une seule matrice ) (K
p
GL P telle que
P A A T C A
C p
= ) ( ,
Dmonstration :
Soit ) (
,
K
p n
M A
Soit E un K-ev de dimension p, muni dune base ) ,... , (
2 1 p E
e e e = B .
Soit F un K-ev de dimension n, muni dune base ) ,... , (
2 1 n F
f f f = B .
Soit ) , ( F E L tel que ) , , ( mat
F E
A B B =
Soit ) ( ' A T A
C
=
A.Benhari 66

Si
C
T est la transformation 0 avec
i i
c c .
On voit alors que ) , ' , ( mat '
F E
A B B =
O ) ... ,... , ( '
2 1 p i E
e e e e = B
Selon les formules de changement de base, AP AP I A
n
= =
1
' , o P est la matrice
de passage de
E
B
E
' B , c'est--dire
i i p
i E I P
,
) 1 (
1 0 0
0
0
0 0 1
+ =
|
|
|
|
|
|

\
|
=






Si
C
T est la transformation j i c c c
j i i
+ avec
Alors, de mme, ) , ' , ( mat '
F E
A B B = avec ) ... . ,... , ( '
2 1 p j i E
e e e e e + = B
AP AP I A
n
= =
1
' o
i j p
j
i
E I P
,
.
1 0 0
0
1
1 0
0 0 1

+ =
|
|
|
|
|
|

\
|
=

Si
C
T est la transformation
j i
c c
) , ' , ( mat '
F E
A B B = avec ) ... ... ,... , ( '
2 1 p
j
i
i
j E
e e e e e = B
AP AP I A
n
= =
1
' o
j i i j i i j j p
j
i
j i
E E E E I P
, , , ,
1 0 0
0 0 1
1 0 0
0
0 0 1
+ + =
|
|
|
|
|
|
|
|

\
|
=

Do lexistence
Unicit : Si P convient, on a ncessairement : P P I I T
p p C
= = ) ( . Donc P est
limage de lidentit.


B) Transformation lmentaire sur les lignes

Soit
n
L lensemble des matrices n lignes. Une transformation lmentaire
L
T sur
les lignes dune matrice n lignes est une application
'
:
A A
L L T
n n L

o A est dduite de
A par lune des transformations suivantes :
* 0 avec
i i
l l
* j i l l l
j i i
+ avec
*
j i
l l
A.Benhari 67

Thorme :
Soit
L
T une transformation lmentaire sur les lignes des matrices n lignes. Alors
il existe une et une seule matrice ) (K
n
GL Q telle que A Q A T L A
L n
= ) ( ,
Dmonstration :
On peut refaire la mme dmonstration que prcdemment (attention, cest
F
B qui
sera alors chang), ou alors :
Soit ) (
,
K
p n
M A , on note ) ( ' A T A
L
= . Alors il est vident que ' A
t
est obtenue
partir de A
t
par une transformation lmentaire sur les colonnes (correspondant
L
T ).
Donc il existe ) (K
n
GL P tel que P A A
t t
= ) ( ' . Donc

A P A
n
GL
t
=
) (
'
K

Remarque : Si A Q A T L A
L n
= ) ( , , alors ) (
n L
I T Q =


C) Intrt de ces thormes

(1) On retrouve le fait quune transformation lmentaire sur les lignes/colonnes dune
matrice conserve son rang. En effet, une matrice A sera change, par succession de
transformations, en

) (
1
) (
1
... ... '
K K
p n
GL
k
GL
l
P P A Q Q A

= donc A est quivalente A, donc de mme rang.

(2) On voit ce qui se passe quand on fait des transformations lmentaires sur les
lignes dun systme :
Soit B AX S = : ) ( (A : matrice du systme , B : matrice du 2
nd
membre )
Avec ) ( ), ( ), ( ) (
1 ,
1
1 ,
1
,
1
1 ,
K K K
p
p
n
n
p n
p j
n i j i
M
x
x
X M
b
b
B M a A
|
|
|

\
|
=
|
|
|

\
|
= =



Alors

= + + +
= + + +
= + + +
n p p n n n
p p
p p
b x a x a x a
b x a x a x a
b x a x a x a
S
, 2 2 , 1 1 ,
2 , 2 2 2 , 2 1 1 , 2
1 , 1 2 2 , 1 1 1 , 1
...
...
...
: ) (

Faire une transformation lmentaire sur les lignes, cest simplement crire :
' ' B X A B AX = = o A et B sont dduites de A et B par une mme
transformation
L
T sur les lignes. Autrement dit, cest crire QB QAX B AX = = o
) (K
n
GL Q .
Transformation sur les colonnes dun systme : dconseille. Exemple :
|
|
|

\
|
=
|
|
|

\
|
|
|
|

\
|
=

=
= +
= + +

|
|
|

\
|
=
|
|
|

\
|
|
|
|

\
|
=

=
=
= + +
c
b
a
x
y
z
A S A
c x
b x y
a x y z
S
c
b
a
z
y
x
A S A
c x
b y x
a z y x
S
' : ) ' (
5 0 0
2 1 0
2 1 1
'
5
2
2
: ) ' (
: ) (
0 0 5
0 1 2
1 1 2
5
2
2
: ) (


A.Benhari 68

XXVII Retour la mthode du pivot
A) Cas des matrices inversibles

Proposition :
Soit ) (K
n
GL A . Alors il existe une suite de transformations lmentaires sur les
lignes qui conduit
n
I

Exemple 1 :
|
|
|

\
|

|
|
|

\
|

=

|
|
|

\
|
=
1 0 0
4 3 0
3 4 1
2
9 6 3
4 3 0
3 4 1
3
2
0 6 3
2 5 2
3 4 1
2
2 3 3
1
1 3 3
1 2 2
A
L L L
A
L L L
L L L
A
On voit ici que A car ( ) 3 ) ( rg ) ( rg ) ( rg
2 1
= = = A A A . On continue :
3
2 1 1
3 3
2
3
1
2
3 1 1
3 2 2
2
4
1 0 0
0 1 0
0 4 1
1 0 0
0 3 0
0 4 1
4
1 0 0
4 3 0
3 4 1
I
L L L
L L
L L
L L L
L L L
A

|
|
|

\
|

|
|
|

\
|

|
|
|

\
|

=

Exemple 2 :
3
1
2
1
1
2 1 1
3 2 2
3 1 1 3 3
3 2
1 3 3
1 2 2
3
1 0 0
0 1 0
0 3 2
3
4
1 0 0
3 1 0
4 3 2
1 0 0
3 1 0
4 3 2
3 1 0
1 0 0
4 3 2
2
1 2 2
7 6 4
4 3 2
I
L L
L L L
L L L
L L L L L
L L
L L L
L L L
A

|
|
|

\
|

|
|
|

\
|

|
|
|

\
|

|
|
|

\
|

|
|
|

\
|

=




Dmonstration : par rcurrence :
Pour 1 = n , ok.
Soit 2 n . Supposons que pour toute matrice ) (
1
K

n
GL A , il existe une
succession de transformations lmentaires sur les lignes qui conduit
1 n
I .
Soit alors ) ( ) (
1
1 ,
K
n
n j
n i j i
GL a A =


. (On note
i
L ses lignes)
Alors lun des
1 , i
a est non nul (car ) (K
n
GL A ). Un ventuel change de lignes
ramne au cas 0
1 , 1
a .
Puis les transformations
1
1 , 1
1 ,
L
a
a
L L
i
i i
pour [ ] n i , 2 amnent :
|
|
|

\
|
B
a
_____
0
1 , 1

A.Benhari 69

Alors B est inversible : ses lignes forment une famille libre car sinon on aurait
0
2
=

=
n
i
i i
l avec ) 0 ,... 0 ( ) ,... (
2

n
(o
i
l est la (i-1)-me ligne de B), et on aurait ainsi
0
2
=

=
n
i
i i
L .
Les transformations sur les lignes de B reviennent aux mmes transformations sur
les
i
L ( 2 i ), et amnent par hypothse de rcurrence :
|
|
|

\
|
1
1 , 1
_____
0
n
I
a

Ensuite, les transformations
j j
L a L L
, 1 1 1
pour 2 j puis la transformation
1
1 , 1
1
1
L
a
L amnent
n
I

Application : nouvelle prsentation pour calculer linverse dune matrice A
inversible.
Exemple :
|
|
|

\
|
=
0 6 3
2 5 2
3 4 1
A
1
re
mthode : point de vue des systme. On cherche rsoudre le systme
B AX = avec
|
|
|

\
|
=
z
y
x
X et
|
|
|

\
|
=
c
b
a
B . On a les quivalences :
B X
L L
L L L
L L L
L L L
B X
L L
L L L
B X
L L L
L L L
c
b
a
z
y
x
B AX
|
|
|

\
|

=
|
|
|

\
|

+

+

|
|
|

\
|

=
|
|
|

\
|

|
|
|

\
|

=
|
|
|

\
|

|
|
|

\
|

|
|
|

\
|
=
|
|
|

\
|

|
|
|

\
|
=

1 2 1
3 2
6 4
1 0 0
0 1 0
0 0 1
3
4
1 2 1
0 1 2
0 0 1
1 0 0
4 3 0
3 4 1
2
1 0 3
0 1 2
0 0 1
9 6 0
4 3 0
3 4 1
3
2
1 0 0
0 1 0
0 0 1
0 6 3
3 5 2
2 4 1
3
4
3
7
2
3
1
2
2
3
4
1 1
3 1 1
3 2 2
3 3
2 3 3
1 3 3
1 2 2

Donc
|
|
|

\
|

3 6 3
4 9 6
7 18 12
3
1
1
A





A.Benhari 70

Autre prsentation :
Soient ) ( ,
3
K M M A (
|
|
|

\
|
=
0 6 3
2 5 2
3 4 1
A )
On a les quivalences :
|
|
|

\
|

=
|
|
|

\
|

|
|
|

\
|
=
|
|
|

\
|
=
3 6 3
4 9 6
7 18 12
3
1
1 0 0
0 1 0
0 0 1
...
1 0 0
0 1 0
0 0 1
0 6 3
2 5 2
3 4 1
M M I AM
Ainsi, on a trouv un inverse droite, donc un inverse de A.


B) Cas dune matrice quelconque

Exemple :
|
|
|
|
|
|

\
|
=

|
|
|
|
|
|

\
|

|
|
|
|
|
|

\
|

|
|
|
|
|
|

\
|

|
|
|
|
|
|

\
|
+

|
|
|
|
|
|

\
|

+
+
+

|
|
|
|
|
|
|

\
|

0 0 0 0 0 0
0 0 1 0 0 0
0 0 0 1 0 0
6 3 3 0 2 0
2 2 1 0 1 1
'
0 0 1 0 0 0
0 0 0 0 0 0
0 0 0 1 0 0
6 3 3 0 2 0
2 2 1 0 1 1
0 1 0 0 0 0
0 0 0 0 0 0
0 0 0 1 0 0
6 3 3 0 2 0
2 1 2 0 1 1
0 1 0 0 0 0
0 0 0 1 0 0
0 0 0 0 0 0
6 3 3 0 2 0
2 1 2 0 1 1
0 1 0 0 0 0
1 0 0 0 0 0
0 0 0 0 0 0
0 3 3 6 2 0
0 1 2 2 1 1
0 2 3 6 2 0
1 0 0 0 0 0
0 6 6 6 2 0
0 3 3 6 2 0
0 1 2 2 1 1
2
2
0 0 1 2 0 2
1 1 2 2 1 1
0 2 1 4 1 1
0 1 1 2 0 2
0 1 2 2 1 1
5 4
5 4 4 3
6 3
colonne de change un fait on ; 0 des que
2 5 5
2 3 3
1 3 3
1 4 4
1 3 3
1 2 2
A
L L
C C L L
C C
L L L
L L L
L L L
L L L
L L L
L L L
A

On voit ici que la matrice A est de rang 4 (puisquelle est quivalente A). On
peut maintenant faire des transformations lmentaires pour se ramener
4 , 6 , 5
J .



A.Benhari 71

Gnralisation, thorme :
Soit ) (
,
K
p n
M A , de rang r. Alors :
(1) Une succession de transformations lmentaires sur les lignes
et,ventuellement, dchange de colonnes, conduit une matrice du type :
G n
r
p
r
=

|
|
|
|
|
|
|
|

\
|

0 0 0 0
0 0 0 0
_ _ _ _ *
_ _ _ _ _ 0
_ _ _ _ _ _ *

(A adapter quand 0 = r : 0 = A )
(2) Des transformations lmentaires sur les colonnes conduisent alors
r p n
J
, ,

On retrouve ainsi le fait que A est quivalente
r p n
J
, ,
:

) (
1
) (
1 , ,
... ...
K K
p n
GL
k
GL
m r p n
P P A Q Q J

=

Remarque : une matrice du type de G sappelle une rduite de Gauss. Une telle
matrice est videmment de rang r. Par consquent, si, partant de A de rang inconnu, on
arrive G, on trouve alors le rang de A.

Dmonstration rapide :
Soit ) (
,
K
p n
M A
Pour la premire colonne de A, si elle est nulle :
- Soit toutes les autres colonnes de A sont nulles, et alors 0 = A .
- Soit une colonne,
j
C , nest pas nulle : on fait alors
j
C C
1

On peut supposer maintenant 0
1
C .
Si 0
1 , 1
= a , on cherche i tel que 0
1 ,

i
a (car 0
1
C ), et on fait
i
L L
1

On peut supposer maintenant 0
1 , 1
a .
On fait ensuite les transformations
1
1 , 1
1 ,
L
a
a
L L
i
i i
(pour 2 i ), ce qui amne :
|
|
|

\
|
=
'
_____
0
*
1
A
A

Puis on recommence avec A, jusqu ce quon arrive
|
|
|
|
|
|
|
|

\
|
0
_ _ _ _
_ _ _ _
_ _ _ _
0 0
0
*
_ 0
_ _ *

A.Benhari 72

XXVIII Synthse et complments sur les systmes
A) Dfinition

Un systme linaire de n quations, p inconnues coefficients dans K est :

= + + +
= + + +
= + + +
n p p n n n
p p
p p
b x a x a x a
b x a x a x a
b x a x a x a
S
, 2 2 , 1 1 ,
2 , 2 2 2 , 2 1 1 , 2
1 , 1 2 2 , 1 1 1 , 1
...
...
...
: ) (

O la matrice ) ( ) (
,
1
1 ,
K
p n
p j
n i j i
M a A =


est appele la matrice du systme,
|
|
|

\
|
=
p
x
x
X
1
la colonne des inconnues et
|
|
|

\
|
=
n
b
b
B
1
la colonne du second membre.

Rsoudre (S), cest donner lensemble S des solutions, c'est--dire lensemble des
p-uplets
p
p
x x K ) ,... (
1
tels que les galits de (S) soient satisfaites.


B) Interprtation

(S) peut traduire une galit vectorielle du type w v x
p
j
j i

=

=1
o les
j
v

sont les
vecteurs de composantes
|
|

\
|
j n
j
a
a
,
, 1
et w

le vecteur de composantes
|
|

\
|
n
b
b

1
(dans une base
F
B
dun espace vectoriel F de dimension n, par exemple ) (
1 ,
K
n
M avec sa base naturelle)
On voit alors que :
(S) admet au moins une solution si et seulement si ) ,... , ( Vect
2 1 p
v v v w


(S) admet au plus une solution si et seulement si ) ,... , (
2 1 p
v v v

est libre.
En effet (premier point vident) :
Si ) ,... , (
2 1 p
v v v

est libre :
- si il ny a pas de solution, on a 0 solutions
- si il y en a une, disons ) ,... , (
2 1 p
x x x . Soit ) ' ,... ' , ' (
2 1 p
x x x une autre solution.
Montrons que ) ' ,... ' , ' ( ) ,... , (
2 1 2 1 p p
x x x x x x = . On a w v x v x
p
j
j i
p
j
j i

= =

= = 1 1
' , soit

=
=
p
j
j i i
v x x
1
0 ) ' (

. Donc [ ]
k k
x x p k ' , , 1 =
Si ) ,... , (
2 1 p
v v v

est lie, il existe ) 0 ,... 0 , 0 ( ) ,... , (
2 1

p
tel que 0
1
=

=
p
j
j i
v

.
Donc si ) ,... , (
2 1 p
x x x est solution de (S), alors ) ,... , (
2 2 1 1 p p
x x x + + + en est
aussi solution.
A.Benhari 73

Remarque : si ) ,... , (
2 1 p
v v v

est une base de F, ( p n = ), alors (S) admet une unique
solution quel que soit w

(S) peut traduire une galit du type w u

= ) ( , o est une application linaire
dun espace E de dimension p vers un espace F de dimension n et dont la matrice dans
les bases
E
B et
F
B donnes est A et o w

est un lment de F de composantes

|
|

\
|
n
b
b

1

dans
F
B et o u

est un vecteur (inconnu) de composantes

|
|

\
|
p
x
x

1
dans
E
B (remarque : si
) ... , (
2 1 p E
e e e = B , les
j
v

sont les ) (
j
e

)

(S) admet au moins une solution si et seulement si Im w

.
(S) admet au plus une solution si et seulement si est injective (mme
dmonstration)
Si est bijective (alors p n = ), (S) a une et une seule solution, quel que soit
le second membre.
Si nest pas bijective, le comportement de (S) dpend du second membre :
- Si Im w

, alors (S) na pas de solution

- Si Im w

, alors (S) a au moins une solution. Plus prcisment :

o Si est injective, une seule solution.
o Sinon, une infinit (pour K infini), et ces solutions sont les
{ } ker ,
0
+ n n u

, o
0
u

est une solution fixe de (S). En effet : si

0
u

est solution, alors : ker ) ( ) ( solution
0 0
= u u u u u

.

Cas particulier : p n = ( est injective est surjective). Si nest pas
bijective, alors :
- Si Im w

, alors (S) na pas de solution

- Si Im w

, alors (S) a une infinit de solutions.

(S) peut traduire :

=
=
=
n n
b u
b u
b u
) (
) (
) (
2 2
1 1

O les
i
sont n formes linaires sur un espace vectoriel E de dimension p :

1
,
1
s composante de
:

=
|
|
|
|

\
|

p
j
j j i
x
x
i
x a u
K E
p


Dans le cas particulier dun systme homogne (c'est--dire que la colonne du
second membre est nulle), le systme traduit :

n
i
i
H u
1 =
o
i
H est lhyperplan
i
ker .

A.Benhari 74

Remarque : dans tout les cas, lensemble des solutions de B AX S = : ) ( est
lensemble des
H
S U U X + ,
0
o
0
X est une solution de ) (S et
H
S lensemble des
solutions de 0 : ) ( = AX H , homogne associ (S).


C) Rsolution

Aprs mthode du pivot (transformation sur les lignes et, ventuellement, change
dinconnues), on est ramen :
|
|
|
|
|

\
|
=
|
|
|
|
|
|
|

\
|

|
|
|
|
|
|
|
|

\
|

n
p
b
b
b
x
x
x
r p r
r n
r
S

2
1
2
1
0 0 0 0
0 0 0 0
_ _ _ _ *
_ _ _ _ _ 0
_ _ _ _ _ _ *
: ) (

On voit dj que (S) est compatible si et seulement si [ ] 0 , , 1 = +
i
b n r i .
Dmonstration :
Si [ ] 0 , , 1 +
i
b n r i , alors (S) est incompatible
Si [ ] 0 , , 1 = +
i
b n r i , le systme (S) quivaut alors au systme (S) :
|
|
|

\
|
=
|
|
|

\
|

|
|
|

\
|

r p
b
b
x
x
r p r
r S

1 1
_ _ _ _ * 0
_ _ _ _ _
_ _ _ _ _ _ *
: ) (

Or, en tant que dinconnues
r
x x x ,... ,
2 1
, ayant fix les autres, le systme est un
systme triangulaire suprieur sans 0 sur la diagonale :
|
|
|
|
|
|

\
|

=
|
|
|

\
|

+ =
+ =
|
|
|
|
|
|
|

\
|
p
r j
j j r r
p
r j
j j
r
r
r
x a b
x a b
x
x
1
,
1
, 1 1
1
* 0
_
_ _ *

Le systme a des solutions, obtenues en fixant arbitrairement r p inconnues .
Ainsi :
Soit (S) n quations, p inconnues, de rang r.
Alors :
Il y a r n conditions de compatibilit
Lorsquelles sont satisfaites, le systme admet des solutions avec r p degrs
de libert.

Cas particuliers :
Si n r = , le systme est toujours compatible (0 conditions de compatibilit)
Si p r = et que le systme est compatible, il y a une unique solution.
A.Benhari 75

Si n p r = = , le systme a une et une seule solution.
Si (S) est homogne, il est toujours compatible (au moins la solution nulle) et
lensemble de ses solution est un K-ev de dimension r p .


D) Complments
1) Polynme de matrices

Soit ) (K
m
M A .
Pour ] [ X P K , disons

=
=
n
k
k
k
X a P
0
, on note

=
=
n
k
k
k
A a A P
0
) ( (
m
I A =
0
).
Alors lapplication
) (
) ( ] [ :
A P P
M X
m

K K est un morphisme de K-algbres,

c'est--dire que pour tout ] [ , X Q P K et K :
m X
I A
A Q A P A PQ
A Q A P A Q P
=
=
+ = +
) )( 1 (
) ( ) ( ) )( (
) ( ) ( ) )( (
] [ K


(Vrifications simples, sauf pour la multiplication o il faut faire attention)

Proposition :
Toute matrice A admet un polynme annulateur de A non nul et de degr
2
m (un polynme annulateur est un polynme tel que 0 ) ( = A P ).
En effet :
2
,... ,
1 0 m
A A A sont 1
2
+ m vecteurs de ) (K
m
M . Donc la famille
[ ]
2
, 0
) (
m k
k
A

est lie. Il existe donc ) 0 ,... 0 , 0 ( ) ,... , (

2
1 0

m
tel que 0
2
0
=

=
m
k
k
k
A .
Le polynme

=
=
2
0
m
k
k
k
X P est donc non nul et vrifie 0 ) ( = A P .
(On a montr en mme temps que nest pas injective, puisque { } 0 ker
).

Proposition :
Il existe ] [ X M K tel que { } { } ] [ , 0 ) ( ], [ X Q MQ A P X P K K = = .
M est unique une constante multiplicative prs.
En effet :
On pose M un polynme de degr minimal (mais non nul) annulateur de A.
Soit alors N un autre polynme annulateur.
La division euclidienne de N par M donne :
R MQ N + = avec M R deg deg <
Donc ) ( ) ( ) ( ) (
0 0
A R A Q A M A N + =
= =

. Donc 0 ) ( = A R . Donc 0 = R car sinon
M nest pas de degr minimal. Donc M divise N.



A.Benhari 76

2) Matrices semblables

Soient ) ( , K
n
M B A . On dit que A et B sont semblables (ou que B est
semblable A) lorsquil existe ) (K
n
GL P tel que AP P B
1
=
On peut montrer aisment que tre semblable est une relation
dquivalence. Elle est plus fine que la relation tre quivalent sur ) (K
n
M ,
c'est--dire que tre semblable tre quivalent .
Mais la rciproque est fausse :
|
|

\
|
=
4 2
3 1
A et
|
|

\
|
=
1 0
0 1
I sont quivalentes (car de mme rang), mais non
semblables : si on trouve P tel que IP P A
1
= , alors I P P A = =
1


Ainsi, B est semblable A si et seulement si elles reprsentent le mme
endomorphisme dans une base diffrente.
Plus prcisment :
Etant donn E un K-ev de dimension n muni dune base B,
et ) (E L tel que ) , ( mat B = A
Alors B est semblable A il existe une autre base B de E telle que
) ' , ( mat B = B .
(La dmonstration est la mme que pour lquivalence)

Une matrice semblable une matrice diagonale est une matrice
diagonalisable (attention, toutes ne le sont pas)

Exemple :
|
|

\
|
=
1 0
1 1
A . Montrons que A nest pas diagonalisable.
Soit E un K-ev de dimension 2 muni dune base ) , (
2 1
e e = B
Soit ) (E L tel que ) , ( mat B = A
Peut-on trouver B telle que ) ' , ( mat B soit diagonale ?
Supposons que B existe, disons ) ' , ' ( '
2 1
e e = B
Alors il existe R
2 1
, tels que
1 1 1
' ) ' ( e e = et
2 2 2
' ) ' ( e e = . Soit
|
|

\
|
y
x

la colonne des composantes de
1
' e dans B.
Alors
|
|

\
|
=
|
|

\
|
y
x
y
x
A
1
, donc

=
= +
y y
x y x
1
1

Si 1
1
, alors 0 = = y x , ce qui est impossible car
1
' e est un vecteur dune
base.
Donc 1
1
=
De mme, 1
2
=
Donc
E
Id = , ce qui est contradictoire car
2
I A . Donc A nest pas
diagonalisable.


A.Benhari 77

3) Trace

Soit ) ( ) (
1
1 ,
K
n
n j
n i j i
M a A =



Alors

=
=
n
i
i i
a A
1
,
df
) ( Tr

Proposition :
Lapplication
) ( Tr
) (
A A
M
n

K K est une forme linaire (vident)

Proposition :
Pour tout ) ( , K
n
M B A , ) ( Tr ) ( Tr BA AB =
Dmonstration :
Soit
n j
n i j i
a A


=
1
1 ,
) ( ,
n j
n i j i
b B


=
1
1 ,
) ( ,
n j
n i j i
c AB C


= =
1
1 ,
) ( ,
n j
n i j i
d BA D


= =
1
1 ,
) (
On a :
) ( Tr ) ( Tr
) ( Tr ) ( Tr
1
,
1 1
, ,
1 1
, ,
1 1
, ,
1
,
BA D d a b
b a b a c C AB
n
k
k k
n
k
n
i
k i i k
n
k
n
i
i k k i
n
i
n
k
i k k i
n
i
i i
= = = |

\
|
=
|

\
|
= |

\
|
= = =


= = =
= = = = =


Consquence :
Si A et B sont semblables, alors elles ont mme trace (rciproque fausse) :
) ( Tr ) ( Tr )) ( ( Tr ) ( Tr ) ( Tr
1 1 1
A APP AP P AP P B = = = =


Contre-exemple pour la rciproque :
2
1 0
0 1
Tr
1 0
1 1
Tr =
|
|

\
|
=
|
|

\
|
mais
|
|

\
|
1 0
1 1
nest pas semblable
|
|

\
|
1 0
0 1


Consquence : on peut dfinir la trace dun endomorphisme :
) ( Tr est la trace de nimporte quelle matrice A telle que ) , ( mat B = A .


Ici, K dsigne un sous corps de C (gnralement R ou C), et n un entier naturel 2


XXIX Applications n-linaires
A) Dfinition

Soient E et F deux K-ev. Une application n-linaire de E
n
dans F est une
application :
) ... , ( ) ... , (
... :
2 1 2 1 n n
u u u u u u
F E E E

Telle que :
Dterminants
A.Benhari 78

Pour tout ) ... , (
2 1 n
u u u U = , les n applications partielles :
) ,... , ... , (
:
1 2 1
,
n i
i U
u v u u u v
F E

, obtenues pour [ ] n i , 1 , sont linaires.

Exemple : 2-linaire = bilinaire
F E E : est bilinaire lorsque :
) ' , ( ) , ( ) ' , ( et
) , ' ( ) , ( ) , ' ( , , ) ' , ( ,
u v u v u u v
v u v u v u u E E u u E v


+ = +
+ = + K

Exemple :
y x y x

) , (
2
R R est bilinaire
Proposition : si F E
n
: est n-linaire et, pour
n
n
E u u u ) ... , (
2 1
, si lun des
i
u
est nul, alors 0 ) ... , (
2 1
=
n
u u u
En effet, lapplication ) ,... , ... , (
1 2 1 n i
u v u u u v

est linaire donc nulle en 0.


B) Application n-linaire antisymtrique

Soit F E
n
: n-linaire.
Alors est antisymtrique [ ]

|
|
|

\
|
= ) ... ... ... ( ) ... ... ... ( , , 1 ) , (
1 1
2
df
n
j
i
i
j n
j
j
i
i
u u u u u u u u j i n j i
Proposition :
Soit F E
n
: antisymtrique. Alors, pour toute permutation
n
S , et tout
n
n
E u u u ) ... , (
2 1
, ) ... , ( ) ( ) ... , (
2 1 ) ( ) 2 ( ) 1 ( n n
u u u u u u

= , o ) ( est la signature de
.

Dmonstration : montrons par rcurrence que N k , pour toute permutation
n
S se dcomposant en produit de k transpositions, et tout
n
n
E u u u ) ... , (
2 1
,
) ... , ( ) ( ) ... , (
2 1 ) ( ) 2 ( ) 1 ( n n
u u u u u u

= ( ) (k P )
* ) 0 ( P ok (la seule transposition qui se dcompose en produit de 0 transpositions
est lidentit, de signature 1)
* ) 1 ( P : dfinition de antisymtrique
* Soit N k , supposons ) (k P . Soit alors
n
S scrivant
1 2 1
...
+ k k
,
o les
i
sont des transpositions. Soit
k
... '
2 1
= et
1 +
=
k
.
Soit
n
n
E u u u ) ... , (
2 1
. Alors :
A.Benhari 79

) ... , ( ) (
) ... , ( ) ' (
) ... , (
) ' ... ' , ' (
' not a on o
) ' ... ' , ' (
) ... , ( ) ... , (
2 1
2 1
) ( ' ) 2 ( ' ) 1 ( '
2 1
) ( '
) ( ) 2 ( ) 1 (
)) ( ( ' )) 2 ( ( ' )) 1 ( ( ' ) ( ) 2 ( ) 1 (
n
n
n
n
i i
n
n n
u u u
u u u
u u u
u u u
u u
u u u
u u u u u u

=
=
=
=
=
=
=

Exemple : le produit vectoriel :
v u v u
E E E

) , (
, o E est un espace vectoriel euclidien orient de dimension 3, est
une application bilinaire antisymtrique.


C) Applications n-linaires alternes

Dfinition : soit F E
n
: n-linaire.
Alors est alterne
df
Pour tout
n
n
E u u u ) ... , (
2 1
, si il existe [ ] n j i , 1 ,
distincts tels que
j i
u u = , alors 0 ) ... , (
2 1
=
n
u u u

Proposition : Alterne antisymtrique
Dmonstration :
(1) Supposons alterne.
Soit
n
n
E u u u ) ... , (
2 1
, soient [ ] n j i , 1 , distincts. On a :
) ... ... ... , ( ) ... ... ... , ( Donc
) ... ... ... , ( ) ... ... ... , (
) ... ... ... , ( ) ... ... ... , (
) ... )... ...( , ( ) ... )... ...( , (
0 ) ... ) ( ... ) ( ... , (
2 1 2 1
0
2 1 2 1
2 1
0
2 1
2 1 2 1
2 1
n j i n i j
n j j n j i
n i j n i i
n j j i n i j i
n
j
j i
i
j i
u u u u u u u u u u
u u u u u u u u u u
u u u u u u u u u u
u u u u u u u u u u u u
u u u u u u u

=
+ +
+ =
+ + + =
= + +
=
=




(2) Supposons antisymtrique. Soit
n
n
E u u u ) ... , (
2 1
, supposons quil existe
[ ] n j i , 1 , distincts tels que
j i
u u = .
Alors ) ... ... ... , ( ) ... ... ... , (
2 1 2 1 n i i n i i
u u u u u u u u u u = .
Donc 0 ) ... ... ... , (
2 1
=
n i i
u u u u u (car K est un sous corps de C donc 0 2 )

Remarque : limplication antisymtrique alterne est fausse lorsque K est par
exemple Z Z 2 / , c'est--dire un corps de caractristique 2 (do lintrt davoir deux
dfinitions)


D) Formes n-linaires alternes en dimension n.
A.Benhari 80


On sintresse K
n
E : , n-linaire alterne lorsque E est un K-ev de
dimension n. On dit alors que est une forme n-linaire alterne sur E (pas
n
)

Etude :
Soit ) ,... , (
2 1 n
e e e = B une base de E.
Soit
n
n
E u u u ) ... , (
2 1
, et ) ), ... , (( mat
2 1
B
n
u u u A =
Ainsi, [ ]

=
=
n
i
i ij j
e a u n j
1
, , 1 . On a :
[ ]

= = =
= =
= =
= =
=
=
|
|

\
|
=
|
|

\
|
=
= =
n
n
n n
n i i i
i i i n i i i
n
i
n
i
n
i
n i i i i i i
n
i
n
i
n i i i i
n
i
n
i
n i i i i
n
i
n i i n
n
i
i i n
e e e a a a
u e e e a a a
u e e a a
u e e a a
u u e a u u e a u u u
, 1 ) ,... , (
2 1
1 1 1
3 2 1
1 1
2 1
1 1
2 1
1
2 1 2
1
1 2 1
2 1
2 1 2 1
1 2 3
3 2 1 3 2 1
1 2
2 1 2 1
1 2
2 1 2 1
) ... , ( ...
) ... , , (
) ... , (
) ... , (
) ... , ( ) ... , ( ) ... , (

(On a utilis uniquement le fait que est n-linaire)
Ainsi :
[ ] [ ] ( )
) ... , ( ... ) (
) ... , ( ...
) ... , ( ... ) ... , (
2 1 ), ( 2 ), 2 ( 1 ), 1 (
) ( ) 2 ( ) 1 ( ), ( 2 ), 2 ( 1 ), 1 (
, 1 , , 1
alterne est car
injective non pour 0
) ( ) 2 ( ) 1 ( ), ( 2 ), 2 ( 1 ), 1 ( 2 1
n n n
n n n
n n f
f
n f f f n n f f f n
e e e a a a
e e e a a a
e e e a a a u u u
n
n

|
|

\
|
=
=
=

=
S
S
F





XXX Dterminant dans une base dune famille de n vecteurs

Ici, E est un K-ev de dimension n.

Thorme :
Soit ) ,... , (
2 1 n
e e e = B une base de E.
Alors :
(1) Il existe une et une seule forme n-linaire alterne qui prend la valeur 1 sur B. Elle
sappelle
B
det (dterminant dans la base B)
(2) Pour toute forme n-linaire alterne sur E, on a, pour tout
n
n
E u u u ) ... , (
2 1
:
) ... , ( ). ... , ( det ) ... , (
2 1 2 1 2 1 n n n
e e e u u u u u u
B
=
A.Benhari 81

Dmonstration :
(1) Unicit : si est une forme n-linaire alterne qui prend la valeur 1 sur B, alors,
ncessairement :
n
n
E u u u ) ... , (
2 1
,

=
n
n n n
a a a u u u
S


), ( 2 ), 2 ( 1 ), 1 ( 2 1
... ) ( ) ... , (
(daprs ltude), o ) ), ... , (( mat ) (
2 1
B
n ij
u u u a A = = . Do lunicit.
Vrifions que dfini par cette formule est n-linaire alterne
est n-linaire : ok. Cest une forme n-linaire : ok
Par exemple : linaire par rapport la premire variable :
Soient
n
u u u ... ,
2 1
de composantes donnes par la matrice A,
1
' u de composantes les
1 ,
'
i
a
et K . On a alors :
( )
) ... , ' ( ) ... , (
... ' ) ( ... ) (
... ' ) ( ) ... , ' (
2 1 2 1
), ( 2 ), 2 ( 1 ), 1 ( ), ( 2 ), 2 ( 1 ), 1 (
), ( 2 ), 2 ( 1 ), 1 ( 1 ), 1 ( 2 1 1
n n
n n n n
n n n
u u u u u u
a a a a a a
a a a a u u u u
n n
n
+ =
+ =
+ = +

S S
S

est alterne :
Soit
n
n
E u u u ) ... , (
2 1
, supposons
j i
u u = avec j i < . Soit ) , ( j i =

=
=
n n n
n
A
n n
A
n n
n n n
a a a a a a
a a a u u u
\
), ( 2 ), 2 ( 1 ), 1 ( ), ( 2 ), 2 ( 1 ), 1 (
), ( 2 ), 2 ( 1 ), 1 ( 2 1
... ...
... ) ( ) ... , (
S
S

Or, lapplication constitue une bijection de
n
A vers
n n
A \ S . On a donc :


=
n n
A
n n
A
n n n
a a a a a a u u u

), ( 2 ), 2 ( 1 ), 1 ( ), ( 2 ), 2 ( 1 ), 1 ( 2 1
... ... ) ... , (


Mais, pour tout
n
A :
[ ]
n n j j i i
kj ki j i
n n i i j j
n n j i i j n n j j i i
a a a a a
a a n k u u
a a a a a
a a a a a a a a a a
), ( ), ( ), ( 2 ), 2 ( 1 ), 1 (
), ( ), ( ), ( 2 ), 2 ( 1 ), 1 (
), ( ), ( ), ( 2 ), 2 ( 1 ), 1 ( ), ( ), ( ), ( 2 ), 2 ( 1 ), 1 (
... ... ...
) , , 1 donc car (
... ... ...
... ... ... ... ... ...



=
= =
=
=


1 ) ,... , (
2 1
=
n
e e e :
Si )) , ( mat ( B B = =
n
I A , les produits
n n j j i i
a a a a a
), ( ), ( ), ( 2 ), 2 ( 1 ), 1 (
... ... ...

sont tous nuls
sauf pour Id = , o il vaut 1.
(2) Rsultat de ltude

Exemples :
Soit E de dimension 2, ) , (
2 1
e e = B une base de E. Soient
2 1
, u u deux vecteurs de E,
de composantes
|
|

\
|
21
11
a
a
et
|
|

\
|
22
12
a
a
. Alors
|
|

\
|
= =
22 12
21 11
2 1
) ), , (( mat
a a
a a
u u A B . Ainsi,
12 21 22 11 2 1
) , ( det a a a a u u =
B
( { }
12 2
, Id = S )

A.Benhari 82

Soit E de dimension 3, ) , , (
3 2 1
e e e = B une base de E. Soient E u u u
3 2 1
, , .
|
|
|

\
|
= =
33 23 13
32 22 12
31 21 11
3 2 1
) ), , , (( mat
a a a
a a a
a a a
u u u A B , )} 1 , 3 ( ), 3 , 2 ( ), 2 , 1 ( , ) 1 , 2 , 3 ( ), 3 , 2 , 1 ( , Id {
paires
3

= S
13 22 31 23 32 11 33 12 21
23 12 31 13 32 21 33 22 11 3 2 1
) , , ( det Donc
a a a a a a a a a
a a a a a a a a a u u u

+ + =
B


Thorme (Chasles)
Soient ' , B B deux bases de E. Alors, pour tout
n
n
E u u u ) ... , (
2 1
:
) ... , ( det ) ( det ) ... , ( det
2 1 ' 2 1 ' n n
u u u u u u
B B B
B =
Dmonstration : On applique le 2
me
rsultat du thorme avec
'
det
B
= :

) ( det
2 1 2 1
) ... , ( det
2 1
' 2 1 '
) ... , ( ). ... , ( det ) ... , (
B
B
B B
n n
u u u
n
e e e u u u u u u
n
=

Thorme :
Soit B une base de E. Soit
n
n
E u u u ) ... , (
2 1
.
Alors 0 ) ... , ( det lie est ) ... , (
2 1 2 1
=
n n
u u u u u u
B

Dmonstration :
Si ) ... , (
2 1 n
u u u est lie, alors lun des
i
u , disons
j
u est combinaison linaire des
autres :
[ ] { }

=
j n i
i i j
u u
\ , 1
.
Alors
[ ] { }

0 ) ... ... , ( det ) ... ... , ( det ) ... , ( det
2 1
\ , 1
2 1 2 1
= = =

j i
n
j
i i n
j n i
i i n
u u u u u u u u u u u
B B B

Si ) ... , (
2 1 n
u u u est libre, elle forme une base B et alors :
) ... , ( det ) ( det ) ... , ( det
2 1 '
0 1
2 1 n n '
u u u u u u
B B B
B =
=


Donc 0 ) ... , ( det
2 1

n
u u u
B









XXXI Dterminant dun endomorphisme

Ici, E est un K-ev de dimension n.

Thorme et dfinition :
Soit ) (E L , soit ) ,... , (
2 1 n
e e e = B une base de E.
Alors la valeur de )) ( )... ( ), ( ( det
2 1 n
e e e
B
ne dpend pas du choix de B. On lappelle
) det(
A.Benhari 83

Dmonstration :
Soit ) ' ,... ' , ' (
2 1 n
e e e ' = B une autre base de E. Alors :
(Chasles) )) ( )... ( ), ( ( det
)) ' ... ' , ' ( en appliqu
)), ( ),... ( ( det ) ,... ( : avec II du me thor 1 du partie 2 la selon (
)) ( )... ( ), ( ( det ) ' ... ' , ' ( det )) ' ( )... ' ( ), ' ( ( det
2 1
2 1
1 ' 1
er me
2 1 ' 2 1 2 1 '
n
n
n n
n n n
e e e
e e e
u u u u
e e e e e e e e e



B
B
B B B
=
=

Ainsi, si ) , ( mat B = A , alors

= =
n
n n n
a a e e
S
B

), ( 1 ), 1 ( 1
... ) ( )) ( )... ( ( det ) det(

Thorme :
Soient ) ( , E L . Alors :
(1) ) det( ) det( ) det( =
(2) 1 ) Id det( =
E

(3) 0 ) det( ) ( E GL , et dans ce cas
) det(
1
) det(
1

Dmonstration : Soit ) ,... , (
2 1 n
e e e = B une base de E.
(1) )) ( )... ( ), ( ( det ) det(
2 1 n
e e e
B
=
Si la famille )) ( )... ( ), ( (
2 1 n
e e e est lie, alors 0 ) det( = . Dautre part, la famille
)) ( )... ( ), ( (
2 1 n
e e e est aussi lie. Donc 0 ) det( = aussi. Donc
) 0 ( ) det( ) det( ) det( = =
Si la famille des )) ( )... ( ), ( (
2 1 n
e e e est libre, elle constitue une base B de E, et :




) det(
2 1 '
) det( ) det(
2 1
)) ( )... ( ), ( ( det ) ' ( det )) ( )... ( ), ( ( det


n n
e e e e e e
B B B
B =
(2) Immdiat
(3) Si ) (E GL , on peut introduire
1
.
Alors ) det( ) det( ) det( ) Id det( 1
1 1
= = =
E

Donc 0 ) det( et
) det(
1
) det(
1

Si ) (E GL , alors )) ( )... ( ), ( (
2 1 n
e e e est lie, donc 0 ) det( =





XXXII Dterminant dune matrice carre
A) Dfinition et proprit

Dfinition : soit ) ( ) ( K
n ij
M a A =
Alors

=
n
n n
a a a A
S


), ( 2 ), 2 ( 1 ), 1 (
df
... ) ( ) det(

Proposition :
Soit E un K-ev de dimension n, et ) ,... , (
2 1 n
e e e = B une base de E.
A.Benhari 84

Soit
n
n
E u u u ) ... , (
2 1
tel que A u u u
n
= ) ), ... , (( mat
2 1
B .
Soit ) (E L tel que A = ) , ( mat B
Alors : ) ,... , ( det ) det( ) det(
2 1 n
u u u A
B
= =

Proprits : soient ) ( , K
n
M B A
Alors :
1 ) det( ; ) det( ) det( ) det( = =
n
I B A AB
A est inversible 0 ) det( A , et dans ce cas
) det(
1
) det(
1
A
A =

) det( ) det( A A
t
=
Dmonstration : les trois premiers sont immdiats en passant par les
endomorphismes.
On note ) (
ij
t
b A = , o [ ]
ji ij
a b n j i = , , 1 ) , (
2

On a donc :

=
=
n
n
n n
n n
t
a a a
b b b A
S
S

) ( , ) 2 ( , 2 ) 1 ( , 1
), ( 2 ), 2 ( 1 ), 1 (
... ) (
... ) ( ) det(

Soit
n
S . Pour tout
n
S , on a :
) ( , ) 2 ( , 2 ) 1 ( , 1 )) ( ( ), ( )) 2 ( ( ), 2 ( )) 1 ( ( ), 1 (
... ...
n n n n
a a a a a a

=
(simple permutation de lordre des termes du produit)
Donc

=
n
n n
t
a a a A
S


), ( 2 ), 2 ( 1 ), 1 (
1 1 1
... ) ( ) det(
De plus, ) ( ) ( ) ( 1
1 1
= =


Donc ) (
) (
1
) (
1


= =

) det(
... ) ' (
... ) ( ) det( Donc
'
), ( ' 2 ), 2 ( ' 1 ), 1 ( '
), ( 2 ), 2 ( 1 ), 1 (
1
1 1 1
A
a a a
a a a A
n
n
n n
n n
t
=
=
=

S
S

B) Proprits portant sur les colonnes et les lignes
1) Sur les colonnes

Notation :
n
C C C ... ,
2 1
tant les colonnes de ) (K
n
M A , on notera ] ... , [
2 1 n
C C C A = .

Rsultat essentiel :
) ... , ( det ) det(
2 1 n
C C C A
B
= , o B est la base naturelle de ) (
1 ,
K
n
M
A.Benhari 85

Donc les dterminants dune matrice est une forme n-linaire alterne de ses
colonnes. Ainsi, le dterminant est linaire par rapport chaque colonne :
] ... ' ... , det[ ] ... ... , det[ ] ... ' ... , det[
2 1 2 1 2 1 n j n j n j j
C C C C C C C C C C C C C + = +
Et cest une forme linaire alterne :
0 ] ... ... , det[ aussi et
] ... , det[ ) ( ] ... , det[ et
] ... ... ... , det[ ] ... ... ... , det[ et
0 ] ... ... ... , det[
2 1
2 1 ) ( ) 2 ( ) 1 (
2 1 2 1
2 1
=
=
=
=

n
j
j i
i i
n n
n i j n j i
n i i
C C C C
C C C C C C
C C C C C C C C C C
C C C C C

Du coup, pour les transformations :
*
j i i
C C C + ne modifie pas le dterminant :

0
2 1 2 1 2 1
] ... ... , det[ ] ... ... , det[ ] ... ... , det[
=
+ = +
n
i
j n i n j i
C C C C C C C C C C C C C
*
i i
C C multiplie le dterminant par
*
j i
C C multiplie le dterminant par -1


2) Sur les lignes

Mmes rsultats obtenus par transposition


C) Dterminant dune matrice triangulaire

Cas dune matrice diagonale :
|
|
|
|
|

\
|
=
n
A

0 0
0
0
0 0
2
1

n
A ... ) det(
2 1
= (si Id , alors 0 ...
), ( 2 ), 2 ( 1 ), 1 (
=
n n
a a a

)

Cas dune matrice triangulaire :
|
|
|
|
|

\
|

=
n n
a
a
a
A
,
2 , 2
1 , 1
0 0
0

Soit
n
S
Supposons que 0 ...
), ( 2 ), 2 ( 1 ), 1 (

n n
a a a


Alors :

2 ) 2 ( donc 1 ) 2 ( et 2 ) 2 (
) 0 ) 1 ( et 1 ) 1 ( (sinon 1 ) 1 (
=
= > =



A.Benhari 86

Donc Id =

Donc
n n
a a a A
, 2 , 2 1 , 1
... ) det( = . On retrouve le fait que A est inversible si et seulement
si ses coefficients de la diagonale sont tout non nuls.

Notation :
n n n
n
n
a a
a a a
a a a
A
, 1 ,
, 2 2 , 2 1 , 2
, 1 2 , 1 1 , 1
det

=
Consquence : mthode pratique : le pivot de Gauss pour calculer le dterminant.
Exemple :
1 2 1 1
3 1 2 1
8 3 1 1
3 1 1 2

1
re
mthode exclue : formule dveloppe

15
5 0 0 0
3 3 0 0
2 5 1 0
1 1 1 1
) 1 (
1 2 1 1
2 3 1 0
5 0 0 0
3 3 0 0
1 2 1 1
2 3 1 0
5 5 0 0
3 6 0 0
2
1 2 1 1
2 3 1 0
9 1 2 0
5 3 1 0
2
1 2 1 1
3 1 2 1
8 3 1 1
3 1 1 2
3
4 2
4 3
1 4 4 3 3
3 1 1
3 2 2
4 1 1
4 2 2
4 3 3
=

+
+

L L
L L
L L C C C
L L L
L L L
L L L
L L L
L L L






XXXIII Dveloppement selon une range
A) Petit lemme

Soit
|
|
|
|
|

\
|
=

1
0
0
1 , 1 ,
1 , 2 1 , 2
1 , 1 1 , 1
n n n
n
n
a a
a a
a a
A

Alors :
A.Benhari 87

) det(
1 ... ) (
... ) (
... ) ( ) det(
1
1 ), 1 ( 2 ), 2 ( 1 ), 1 (
) (
,
), ( 2 ), 2 ( 1 ), 1 (
), ( 2 ), 2 ( 1 ), 1 (
B
a a a
a a a
a a a A
n
n
n
n n
n n
n n
n n
=
=
=
=

S
S
S

O B est la matrice extraite de A en enlevant la dernire ligne et la dernire
colonne.


B) Dveloppement selon une colonne

Soient ) ( ) ( K
n ij
M a A = , [ ] n k , 1
La colonne
k
C scrit :

=
= = =
=
|
|
|
|
|

\
|
+ +
|
|
|
|
|

\
|
+
|
|
|
|
|

\
|
=
n
i
i k i
E
k n
E
k
E
k k
E a
a a a C
n
1
,
, , 2 , 1
1
0
0
...
0
1
0
0
0
1
2 1


Donc

=
= =
n
i
n
k
i k i n
k i
C E C C a C C C A
1
2 1 , 2 1
,
] ... ... , det[ ] ... , det[ det

Ainsi, [ ] n k , 1 ,

=
=
n
i
k i k i
a A
1
, ,
det
) det( ) 1 (
1 _____
_____
_____
0 _____
) 1 ( ) 1 (
0 _____
1 _____
_____
0 _____
) 1 (
ment circulaire
permuts
... ,
__ 0 ___
__ 1 ___
__ ___
__ 0 ___
,
1
,
k i
k i i n k n
k n
n k k
k i
A
i
C C C
k
i
+

+
= =

o
k i
A
,
est extraite de A en barrant la i-me ligne et la k-ime colonne.
Vocabulaire :
k i ,
est le cofacteur du terme dindice k i,

Exemple :
A.Benhari 88

|
|
|

\
|
=
' ' '
' ' '
' ' '
c c c
b b b
a a a
A
' ' '
' ' '
' ' '
' ' '
' ' '
' ' '
) 1 ( det
2
b b
a a
c
c c
a a
b
c c
b b
a A + =
(Pour les signes : forme de damier avec un + en haut gauche :
|
|
|

\
|
+ +
+
+ +
)
ou
' '
' '
'
' '
' '
'
' '
' '
' det
b b
a a
c
c c
a a
b
c c
b b
a A + =


C) Dveloppement selon une ligne

Avec les mmes notations :

=
=
n
j
j k j k
a A
1
, ,
det
Dmonstration :

=
=
+
=
+
=
+
=
=
= =
= =
= =
n
i
i k i k
n
i
i k
i k
i k
n
i
i k
t i k
i k
n
i
k i
k i
k i
n
i
k i k i
j i
t t
a
A a A a
A a a
a A A A
1
, ,
1
, ,
1
, ,
1
, ,
1
, ,
,
) det( ) 1 ( ) det( ) 1 (
) ' det( ) 1 ( ' ' '
) ' ( avec ) det( ) det(

XXXIV Application linverse dune matrice carre (si inversible)

Soit ) (K
n
M A
Proposition :
Pour tous [ ] n j i , 1 , , on a :

=
=
j i A
j i
a
j i A
j i
a
n
k
j k i k
n
k
k j k i
si ) det(
si 0
si ) det(
si 0
1
, ,
1
, ,

Dmonstration :
(1) : Si j i = , on reconnat le dveloppement selon la i-me ligne du dterminant de A.
Si j i , on reconnat le dterminant, dvelopp selon la j-me ligne, de :
A.Benhari 89

j
i
a a a
a a a
A
n i i i
n i i i

|
|
|
|
|
|

\
|
=
_ _ _
_ _ _
_ _ _
'
, 2 , 1 ,
, 2 , 1 ,

Obtenue partir de A en faisant la transformation
j i
L L (non lmentaire !)
(En effet, les cofacteurs des termes de la j-me ligne de A sont les mmes que les
cofacteurs des termes de la j-ime ligne de A)
(2) : On le dmontre de la mme manire avec la matrice Adduite de A en faisant la
transformation
j i
C C

Consquence :
Notons ) ( ) (
,
K
n j i
M M = (M sappelle la comatrice de A, note ) ( com A )
Les formules prcdentes disent :
n
t
I A M A ). det( = et
n
t
I A A M ). det( =
Ainsi, si
) (
0 ), (
K
K
n
M
t t
n
M A A M GL A = =
Et, si A est inversible : )) ( com (
) det(
1
) det(
1
1
A
A
M
A
A
t t
= =

Exemple :
|
|
|

\
|

=
2 1 1
2 1 1
1 2 1
A . A est-elle inversible, si oui quel est son inverse ?
|
|
|

\
|
=
3
5
4
) ( com A . Dj, 0 12 3 1 5 ) 1 ( 4 1 ) det( = + + = A . Donc A est
inversible. On continue :
|
|
|

\
|

=
3 3 3
3 1 5
0 4 4
) ( com A
Donc
|
|
|

\
|

3 3 0
3 1 4
3 5 4
12
1
1
A
Cas particulier connatre :
|
|

\
|
=
d b
c a
A ; c b d a A . . ) det( = ;
|
|

\
|

=
a c
b d
A com
Si 0 ) det( A ,
|
|

\
|

a b
c d
c b d a
A
. .
1
1
(correspond en fait un change entre a et d,
et une multiplication de b et c par -1)


XXXV Formules de Cramer
A.Benhari 90


Soit ) (K
n
M A , inversible.
On sintresse au systme :
|
|
|
|
|

\
|
=
|
|
|
|
|

\
|
n n
b
b
b
x
x
x
A S

2
1
2
1
: ) ( , de solution
|
|
|
|
|

\
|
=
|
|
|
|
|

\
|

n n
b
b
b
A
x
x
x

2
1
1 2
1

Or, )) ( com (
) det(
1
1
A
A
A
t
=

Ainsi, [ ]

|
|
|
|
|

\
|
= =

=
membre 2 du colonne la par
) de ts coefficien des celle (cd
colonne ime - sa remplaant en
A de partir obtenue matrice la
det
det
1
det
1
, , 1
nd
1
transpose !
,
p
n
k
k p k p
x
p
A
b
A
x n p
Exemple :

= + +
= +
= + +
0 3 3 5
2 5 7 5
1 4 3 6
: ) (
z y x
z y x
z y x
S
Matrice du systme :
|
|
|

\
|
=
3 3 5
5 7 5
4 3 6
A . 14 ) det( = A
Donc (S) est de Cramer, et :
7
3
14
6
)) 4 5 3 6 ( 2 ) 5 5 3 5 ( (
14
1
3 0 5
5 2 5
4 1 6
14
1
7
15
14
30
)) 12 9 ( 2 3 5 3 7 (
14
1
3 3 0
5 7 2
4 3 1
14
1
= = + = =
= = = =
y
x

7
22
)) 15 18 ( 2 35 15 (
14
1
0 3 5
2 7 5
1 3 6
14
1
= + = = z


XXXVI Complment : polynme caractristique dune matrice carre

Soit ) ( ) ( K
n ij
M a A = . On note
n
I I =
Pour tout K , on pose ) det( ) ( I A P =
Alors :
La fonction ) ( P est polynomiale en , de degr n :
A.Benhari 91

{ }

+ =

=
Id \
), ( 2 ), 2 ( 1 ), 1 ( , 2 , 2 1 , 1
, 1 ,
, 2 2 , 2 1 , 2
, 1 2 , 1 1 , 1
' ... ' ' ) ( ) )...( )( (
) (
n
n n n n
n n n
n
n
a a a a a a
a a
a a a
a a a
P
S

o
j i j i
a a
, ,
' = si j i et =
j i j i
a a
, ,
' sinon.
Coefficient de
n n
X ) 1 ( :
Coefficient de ) det( ) 0 ( :
0
A P X =
Coefficient de :
1 n
X
{ }

Id \
), ( 2 ), 2 ( 1 ), 1 (
' ... ' ' ) (
n
n n
a a a
S

est polynomial en , mais de degr 2 n : si une
permutation fixe 1 n , alors elle fixe le n-ime aussi, donc Id =
Donc le coefficient de
1 n
X vaut : ) ( Tr ) 1 ( ) 1 (
1
1
,
1
A a
n
n
i
i i
n
=

=

Soit ) (E L f o E est un K-ev de dimension finie n, B une base de E, ) , ( mat B f A = .
Alors le polynme P caractristique de A ne dpend pas du choix de B (on lappelle le
polynme caractristique de f). En effet, pour tout K , ) Id det( ) det( ) ( = = f I A P .

On a les quivalences :
{ }
{ }
) de propre est valeur (
) ( , 0 \
0 ) Id ker(
injective non est Id
bijective non est Id
0 ) Id det( de racine est
df
f
u u f E u
f
f
f
f P

=



=


Si P admet n racines distinctes deux deux, alors il existe une base B de E dans
laquelle la matrice de f est diagonale :
Notons
n
,... ,
2 1
ces racines.
On peut introduire { } 0 \ ,... ,
2 1
E u u u
n
tels que [ ]
k k k
u u f n k = ) ( , , 1
Montrons que ) ,... , (
2 1 n
u u u est libre.
Pour cela, montrons par rcurrence que [ ] ) ,... , ( , , 1
2 1 k
u u u n k est libre.
pour 1 = k , ok car 0
1
u
soit [ ] 1 , 1 n k , supposons que ) ,... , (
2 1 k
u u u est libre.
Soit
n
k
K
+
) ,... , (
1 2 1
, supposons que ) 1 ( 0 ...
1 1 2 2 1 1
= + + +
+ + k k
u u u
Alors, en appliquant f, on a : ) 2 ( 0 ...
1 1 1 2 2 2 1 1 1
= + + +
+ + + k k k
u u u
Puis en faisant ) 2 ( ) 1 (
1

+ k
:
0 ) ( ... ) ( ) (
1 2 2 1 2 1 1 1 1
= + + +
+ + + k k k k k k
u u u
Donc [ ] 0 , , 1 =
i
k i , car les
i
sont distincts deux deux, et ) ,... , (
2 1 k
u u u est libre.
A.Benhari 92

Enfin, 0
1
=
+ k
car 0
1

+ k
u
Donc ) ,... , (
1 2 1 + k
u u u est libre, ce qui achve la rcurrence
Donc ) ,... , (
2 1 n
u u u est libre, de cardinal n. cest donc une base de E.
De plus, par construction, la matrice de f dans cette base est diagonale :
|
|
|
|
|

\
|
=
n
A

0 0
0
0
0 0
2
1

Exemple o P a n racines non distinctes et f nest pas diagonalisable :
Pour * N n , on note ) (
1 0 0
1
1 0
0 1 1
K
n n
M A
|
|
|
|
|

\
|
=

Alors
n
n n
I A P ) 1 ( ) det( ) ( = = . (matrice triangulaire suprieure)
On doit donc trouver ) ,... , (
2 1 n
e e e = B' tel que :
|
|
|
|
|

\
|
=
n
f

0 0
0
0
0 0
) ' , ( mat
2
1

B
Mais alors, pour tout [ ]
k k k
e e f n k = ) ( : , 1 .
Comme 0
k
e ,
k
est racine de P, donc 1 =
k
.
Donc
n
I f = ) ' , ( mat B , ce qui est impossible.



Ici, E dsigne un R-ev.


XXXVII Dfinition

Dfinition :
Un produit scalaire sur E, cest une forme bilinaire symtrique dfiniepositive sur E,
C'est--dire une application
) , ( ) , (
:
y x y x
E E

R telle que :
Pour tous R , , ' , E y x x , ) , ' ( ) , ( ) , ' ( y x y x y x x + = +
Et pour tous R , ' , , E y y x , ) ' , ( ) , ( ) ' , ( y x y x y y x + = +
(Bilinarit)
Pour tous E y x , , ) , ( ) , ( x y y x = (symtrie)
Pour tout E x , 0 ) , ( x x ( positive seulement)
Produit scalaire sur un R-ev
A.Benhari 93

Et 0 0 ) , ( = = x x x ( dfiniepositive )

Exemple : le produit scalaire canonique sur
n
R .
Soit

=

n
i
i i
y
n
x
n
n n
y x y y x x
1
1 1
) ) ,... ( , ) ,... ( (
:

R R R . Alors est un produit scalaire sur
n
R . On
lappelle le produit scalaire canonique sur
n
R .
Dmonstration :
La bilinarit et la symtrie sont immdiates.
0 ) , (
1
2
=

=
n
i
i
x x x


XXXVIII Proprits essentielles
A) Thorme de CauchySchwarz

Thorme : (ingalit de CauchySchwarz)
Soit un produit scalaire sur E.
Alors, pour tous E y x , , ( ) ) , ( ) , ( ) , (
2
y y x x y x
Dmonstration :
Soient E y x ,
Si 0 = x , alors ) , ( y x et ) , ( x x sont nuls (car est une forme bilinaire)
Si 0 x . Pour tout R , on a :
) , ( 2 ) , ( ) , (
) , ( ) , ( ) , ( ) , ( ) , (
2
2
positive est car 0
y x y y x x
x y y x y y x x y x y x

+ + =
+ + + = + +

Or, 0 x et est dfiniepositive. Donc 0 ) , ( x x . On a donc droite un
polynme du second degr en qui reste toujours positif. Son discriminant est donc
ngatif (ou nul).
Donc 0 ) , ( ) , ( 4 ) , ( 4
2
= x x y y y x
Do lingalit voulue.


B) Norme associe un produit scalaire

Dfinition gnrale dune norme sur un R-ev :
Une norme sur E, cest une application R E N : telle que :
ire) triangula (ingalit ) ( ) ( ) ( , ,
) ( ) ( ,
) 0 0 ) ( ( ,
0 ) ( ,
y N x N y x N E y x
x N x N E x
x x N E x
x N E x
+ +
=
= =



Proposition :
A.Benhari 94

Soit un produit scalaire sur E. Alors lapplication ) , ( : x x x N est une
norme sur E (ainsi, pour tout ) , ( ) ( ,
2
x x x N E x = , appel le carr scalaire de x)
Dmonstration :
Dj, pour E x , 0 ) , ( x x . Donc ) , ( x x a un sens et est positive, ne peut
tre nulle que si 0 ) , ( = x x , ce qui nest le cas que lorsque 0 = x .
Pour R , E x , on a ) , ( ) , ( ) , (
2
x x x x x x = = .
Soient E y x , . On a les quivalences :
) , ( ) , ( ) , (
) , ( ) , ( ) , ( 2
) , ( ) , ( ) , ( 2 ) , (
) , ( ) , ( ) , ( 2 ) , ( ) , (
) , ( ) , ( ) , ( ) ( ) ( ) (
y y x x y x
y y y y x x
x x y y y x x x
y y y y x x x x y x y x
y y x x y x y x y N x N y x N






+ +
+ +
+ + + +
+ + + + +

Ce qui est vrai car ) , ( ) , ( ) , ( ) , ( y y x x y x y x (CauchySchwartz)
On appelle cette norme la norme associe au produit scalaire


C) Distance associe un produit scalaire

Dfinition gnrale de distance sur un ensemble E :
Une distance sur E, cest une application R E E d : telle que :
) , ( ) , ( ) , ( , , ,
) , ( ) , ( , ,
) 0 ) , ( ( , ,
0 ) , ( , ,
z y d y x d z x d E z y x
x y d y x d E y x
y x y x d E y x
y x d E y x
+
=
= =



Proposition :
Si N est une norme sur le R-ev E, alors lapplication ) ( ) , ( y x N y x est une
distance sur E, appele la distance associe la norme N.
Dmonstration :
On note ) ( ) , ( x y N y x d =
0 ) ( ) , ( = x y N y x d , nest nul que si 0 = x y soit x y = .
) , ( ) , ( ) ( ) ( ) ( ) ( ) , (
) , ( ) ( 1 )) ( ( ) ( ) , (
z y d y x d x y N y z N x y y z N x z N z x d
y x d x y N x y N y x N x y d
+ + + = =
= = = =


Cas particulier : Si N est la norme associe un produit scalaire , alors la
distance associe cette norme sappelle la distance associe au produit scalaire .


D) Orthogonalit

On suppose E muni dun produit scalaire .
A.Benhari 95

Dfinition :
Soient E y x , . On dit que x et y sont orthogonaux (pour le produit scalaire )
lorsque 0 ) , ( = y x . On note alors y x ( est donc un symbole courant pour la
relation tre orthogonal ).
Remarque :
E
x E x 0 , car 0 ) 0 , ( , =
E
x E x .
Thorme (de Pythagore) :
Soit N la norme associe au produit scalaire . Alors, pour tous E y x , , on a
lquivalence :
2 2 2
) ( ) ( ) ( y N x N y x N y x + = +
Dmonstration :
Soient E y x , . On a :
2 2
2
) ( ) , ( 2 ) (
) , ( ) , ( 2 ) , ( ) , ( ) (
y N y x x N
y y y x x x y x y x y x N
+ + =
+ + = + + = +

Ainsi, y x y x y N x N y x N = + = + 0 ) , ( ) ( ) ( ) (
2 2 2
.


E) Divers

On suppose E muni dun produit scalaire , la norme associe N.
Diverses galits :
) , ( 4 ) ( ) (
ramme) paralllog du (galit ) ( 2 ) ( 2 ) ( ) (
) ( ) , ( 2 ) ( ) (
Kashi) Al de (Egalit ) ( ) , ( 2 ) ( ) (
2 2
2 2 2 2
2 2 2
2 2 2
y x y x N y x N
y N x N y x N y x N
y N y x x N y x N
y N y x x N y x N

= +
+ = + +
+ =
+ + = +



F) Familles orthogonales, orthonormales

On suppose E muni dun produit scalaire .
Dfinition :
Soit
I i i
u

) ( une famille de vecteurs de E.
La famille est orthogonale ) ( , ,
df
j i
u u j i I j i
j i j i
i
j i
u u I j i
u I i
u u j i I j i
,
df
) , ( , ,
1 norme de est , et
) ( , ,
le orthonorma est famille La
=

(O 1
,
=
j i
si j i = , 0 sinon)
Note :
La famille
I i i
u

) ( est libre
df
pour tout I J fini, la famille
J i i
u

) ( est libre.
A.Benhari 96

pour tout I J fini, pour toute famille
J i i
) ( de
scalaires : 0 , 0 = =

i E
J i
i i
J i u
Proposition :
Si
I i i
u

) ( est une famille orthogonale de vecteurs tous non nuls (et en particulier si
I i i
u

) ( est une famille orthonormale), alors
I i i
u

) ( est libre.
Dmonstration :
Soit
I i i
u

) ( , famille orthogonale de vecteurs tous non nuls. Soit I J , fini. Soit
J i i
) ( une famille de rels. Supposons que
E
J i
i i
u 0 =

.
Soit J j . Alors

=
=
=

0 si 0
) , ( ) , (
0 ) 0 , (
) , (
j j j
J i
j i
i j i
j
J i
i i j
u u u u
u
u u

. Donc 0 =
j
.
Donc 0 , =
j
J j . Donc
J i i
u

) ( est libre. Donc
I i i
u

) ( est libre.
Exemples de famille orthogonale :
- La base canonique de
n
R est videmment orthonormale pour le produit
scalaire naturel sur
n
R .
- ) ], 2 , 0 ([
0
R C E = muni du produit scalaire

2
0
) , ( fg g f .
Alors les fonctions N k kx x , cos forment une famille orthogonale. En effet :
Pour N q p, , on a :
[ ] 0 2 2
2
1
: 0 si
0 ) ) sin((
1
2
1
: 0 si
0 ) ) sin((
1
) ) sin((
1
2
1
: si
) ) cos(( ) ) cos((
2
1
) cos( ) cos(
2
0
2
0
2
0
2
0
2
0
= = = =
=
(

+ +
+
= =
=
(

+ +
+
=
+ + =

x q p
x x q p
q p
q p
x q p
q p
x q p
q p
q p
dx x q p x q p dx qx px

(Ainsi, les famille des * , cos
1
N k kx x

est orthonormale)


G) Sous-espaces orthogonaux

On suppose E muni dun produit scalaire .
Dfinition :
Soit F un sous-espace vectoriel de E. On note { } y x F y E x F =

, ,
(ensemble des lments de E orthogonaux tout les lments de F).
Proposition :

F est un sous-espace vectoriel de E, appel lorthogonal de F.

Dmonstration :

F
E
0 car 0 ) , 0 ( , = y F y
E

A.Benhari 97

Soient R

, ' , F x x .
Alors

+ F x x ' car 0 0 0 ) , ' ( ) , ( ) , ' ( , = + = + = + y x y x y x x F y .

(Remarque : on nutilise pas le fait que F est un espace vectoriel pour montrer que

F en est un, donc F peut trs bien tre un ensemble quelconque)

Dfinition proposition :
Soient F, G deux sous-espaces vectoriels de E.
F et G sont orthogonaux

F G G F y x G y F x , ,
df

On note alors G F .
Exemple (
3
R , produit scalaire naturel) :

D

D D'

Remarque :
{ } E
E
=

0 car 0 ) 0 , ( , =
E
x E x
{ }
E
E 0 =

. En effet :
Soit

E x . Alors 0 ) , ( , = y x E y . En particulier, 0 ) , ( = x x . Donc 0 = x .

Do { }
E
E 0

, et lautre inclusion est vidente

F F

) (
Les lments de F sont orthogonaux tous les lments de E qui sont
orthogonaux tous les lments de F .
Ou encore :
Soit F x , montrons que

) (F x , c'est--dire que y x F y

, , ce qui est
vrai car E x , donc pour tout y x F y

, (par dfinition de

F )
Lautre inclusion est fausse en gnral (en fait, elle est vraie uniquement en
dimension finie, comme on le verra dans le chapitre suivant)



XXXIX Dfinition et notations

Un espace vectoriel euclidien
df
= un R-ev de dimension finie muni dun produit scalaire.
Dans tout ce chapitre, E dsigne un R-ev euclidien de dimension 2 n , le produit
scalaire est not . Pour E y x , , on note aussi :
- y x pour ) , ( y x (parfois on rencontre aussi ( ) y | x )
-
2
x pour ) , ( x x
- x pour ) , ( x x (ainsi, x x est la norme associe au produit scalaire , on
lappelle la norme euclidienne)
- y x pour 0 ) , ( = y x

Espace vectoriel euclidien
A.Benhari 98

Exemple :
n
R muni du produit scalaire canonique : on parle de la structure euclidienne
canonique de
n
R .
Remarque : Si E est un espace vectoriel euclidien, alors tout sous-espace vectoriel F de
E est muni naturellement dune structure euclidienne, obtenue par restriction.


XL Bases orthonormales
A) Gnralits

Dfinition, proposition :
Une base orthonormale (ou orthonorme)
df
= une famille orthonormale de vecteurs
de E qui en forme une base = une famille orthonormale de n vecteurs de E (car une
famille orthonormale est libre.

Thorme (Schmidt) :
Soit ) ,... , (
2 1 n
u u u une base quelconque de E.
Alors il existe une unique base orthonormale ) ,... , (
2 1 n
e e e telle que :
[ ]
[ ] 0 , , 1
) ,... , ( Vect ) ,... , ( Vect , , 1
2 1 2 1
>
=
p p
p p
u e n p
u u u e e e n p

On dit que ) ,... , (
2 1 n
e e e est la base orthonormale sappuyant sur la base
) ,... , (
2 1 n
u u u par le procd dorthonormalisation de Schmidt.
Prliminaire (graphique) :

Dmonstration :
On montre par rcurrence sur p que, pour tout [ ] n p , 1 , on a une et une seule
manire de construire
p
e .
- Il est vident quil y a une seule faon de construire
1
e de sorte que :
) ( Vect ) ( Vect
1 1
u e = (cela impose que
1 1
u e = , avec 0 car 0 , 0
1 1
u e )
1
1
= e (cela impose alors que 1
1
= u , ainsi
1 1
u e = )
0
1 1
> u e , donc
1 1
u e + = .
Ainsi,
1
1
1
u
u
e = . Rciproquement, ce vecteur convient bien
- Soit [ ] 1 , 1 n p . Supposons ) ,... , (
2 1 p
e e e construit.
Montrons quil y a un et un seul choix de sorte que :
) 1 ( ) ,... , ( Vect ) ,... , ( Vect
1 2 1 1 2 1 + +
=
p p
u u u e e e
1 +

p
e est orthogonal aux ) 2 ( 1 , p i e
i

) 3 ( 1
1
=
+ p
e
A.Benhari 99

) 4 ( 0
1 1
>
+ + p p
u e
(1) impose que
1 + p
e soit combinaison linaire des 1 1 , + p i u
i


p i e
i p
i
p i u u

+
+ =
1 , des linaire n combinaiso
1
1 , des linaire n combinaiso
et 0 car sinon ) ,... , ( Vect ) ,... , ( Vect ) ,... , ( Vect
1 2 1 2 1 1 2 1 + +
= =
p p p
u u u u u u e e e et
1 + p
u serait alors combinaison linaire des p i u
i
1 , .
Donc
|
|

\
|
+ =

=
+ +
p
i
i i p p
e u e
1
1 1
.
Et inversement, si
|
|

\
|
+ =

=
+ +
p
i
i i p p
e u e
1
1 1
, alors on a bien (1).
(2) impose que pour [ ] 0 , , 1
1
=
+ p j
e e p j .
Or, pour [ ] ) . ( , , 1
1
1
1 1 j j p
p
i
j i i j p p j
e u e e e u e e p j + =
|
|

\
|
+ =
+
=
+ +
car on a
0 =
j i
e e si j i , 1 sinon, par hypothse de rcurrence.
Ainsi, [ ]
j p j
e u n j =
+1
, , 1
Inversement, si cette condition est vrifie, on a bien (2).
(3) impose que 1
1
=
+ p
e , c'est--dire que

=
+
+ =
p
i
i i p
e u
1
1
1 .
Donc

=
+
+
=
p
i
i i p
e u
1
1
1

( 0
1
1
+

=
+
p
i
i i p
e u car sinon ) ,... , ( Vect ) ,... , ( Vect
2 1 2 1 1 p p p
u u u e e e u =
+
)
Inversement, si on a cette valeur de , on a bien (3).
(4) impose le choix de +, car
|
|

\
|
+ =

=
+ + + + +
p
i
p i i p p p p
e e e u e e
1
1 1 1 1 1
.
Or, 0
1
1
=

=
+
p
i
p i i
e e car
1 + p
e est orthogonal aux p i e
i
1 , .
Donc

0
1 1
1
1 1
>
+ +
=
+ +
=
p p p p
e u e e donc 0 > .
Inversement, si 0 > , on a bien (4).
Ce qui achve la rcurrence.

Consquences :
(1) Dans un espace vectoriel euclidien, il existe au moins une base orthonormale
(2) Toute famille orthonormale peut tre complte en une base orthonormale.
En effet :
Soit ) ,... , (
2 1 p
e e e une famille orthonormale. Comme elle est libre, on peut la
complter en une base ) ,... , ,... , (
1 2 1 n p p
e e e e e
+
de E. Par le procd dorthonormalisation
A.Benhari 100

de Schmidt, on obtient alors une base orthonormale ) ' ,... ' , ' (
2 1 n
e e e . Mais, daprs le
thorme de Schmidt appliqu dans ) ,... , ( Vect
2 1 n
e e e F = , on a ) ' ,... ' ( ) ,... (
1 1 p p
e e e e = .


B) Produit scalaire et base orthonormale

Soit ) ,... , (
2 1 n
e e e = B une base orthonormale de E.
Soit E x , de composantes ) ,... , (
2 1 n
x x x dans B, notons
|
|
|

\
|
=
n
x
x
x
X

2
1
.
Soit E y , de composantes ) ,... , (
2 1 n
y y y dans B, notons
|
|
|

\
|
=
n
y
y
y
Y

2
1
.
On identifie ici R et ) (
1 , 1
R M pour ne pas charger les notations :
[ ]
Y X y x e y e x e y e x y x
t
y
y
y
x x x
n
i
i i
n j i
j j i i
n
j
j j
n
i
i i
n
n
) ( (
2
1
2 1
)
1 , 1 , 1 1
=
|
|
|

\
|
= = =
|
|

\
|
|

\
|
=

= = =


Ainsi, Y X y x y x
t
n
i
i i
) (
1
= =

=
.
Et, en particulier : X X x x x x
t
n
i
i
) (
1
2 2
= = =

=

Ainsi, lapplication

n
i
i i n
n
e x x x x
E
1
2 1
) ,... , (
:

R
B
, qui est un isomorphisme de R-ev,
est aussi un isomorphisme de R-ev euclidien *,
n
R tant muni de sa structure
euclidienne canonique. (* C'est--dire que pour tout v u v u v u
n
= ) ( ) ( , ,
B B
R , en
plus des rgles pour un R-ev).
Remarque :
Inversement, soit E un R-ev de dimension n, ) ,... , (
2 1 n
u u u = B une base de E.
Alors il existe un et un seul produit scalaire tel que B soit orthonormale dans le
R-ev euclidien E muni de ce produit scalaire.
En effet, cest lapplication dfinie par :
Pour tout E y x , , de composantes ) ,... , (
2 1 n
x x x et ) ,... , (
2 1 n
y y y dans B,

=
=
n
i
i i
y x y x
1
) , ( .

Exemple :
2
R , muni de la base

] ) 1 , 1 ( , ) 2 , 1 ( [
2 1
u u
. On note ) , ( j i

la base canonique de
2
R .
Soit
2
2 1
) , ( R = x x x .
Alors
2 2 1 1 1 2 2 1 2 1 2 1 2 1
) 2 ( ) ( ) ( ) 2 ( u x x u x x u u x u u x j x i x x + = + = + =

.
A.Benhari 101

Ainsi, ) , ( j i

est une base orthonormale pour le produit scalaire naturel, mais
) , (
2 1
u u nen est pas une pour ce produit scalaire ; en revanche, cen est une pour le
produit scalaire
1 2 2 1 1 1 2 2
2 1 2 1 1 2 1 2 2 1 2 1
2
3 3 5 2
) 2 )( 2 ( ) )( ( )) , ( ), , ( (
:
y x y x y x y x
y y x x y y x x y y y x x x
+
+ = =

R R .


XLI Orthogonal dun sous-espace vectoriel, projecteurs et symtries
orthogonaux
A) Orthogonal dun sous-espace vectoriel (rappel)

Soit F un sous-espace vectoriel de E.
On dfinit { } 0 , , = =

y x F y E x F .
Alors

F est un sous-espace vectoriel de E, et

= F F E .
Dmonstration :
Dj, cest un sous-espace vectoriel de E (vu dans le chapitre prcdent).
Si { } 0 = F , alors E F =

, et on a bien

= F F E .
Si { } 0 F . On note p la dimension de F ; ainsi, n p 1 .
Soit ) ,... , (
2 1 p
e e e une base orthonormale de F.
On la complte en une base orthonormale ) ,... , (
2 1 n
e e e = B de E. Soit alors E x ,
de composantes ) ,... , (
2 1 n
x x x dans B.
On a alors les quivalences :
[ ] [ ] 0 , , 1 0 , , 1
0 , ,... ,
0 ,
1
1 1
2 1
1
= = |

\
|

=
|
|

\
|
|

\
|

= |

\
|

=
= =
=

j j
n
i
i i
p
i
i i
n
i
i i p
n
i
i i
x p j e e x p j
e y e x y y y
y e x F y F x
R
Lavant-dernire quivalence se justifie dans un sens en prenant, pour [ ] p j , 1
1 =
j
y et [ ] { } 0 , \ , 1 =
i
y j p i , et dans lautre sens par linarit de la deuxime
variable.
Donc ) ,... , ( Vect
2 1 n p p
e e e F
+ +

= , donc

F est bien supplmentaire de F dans E.

Consquence :
Dans un espace euclidien, F F =

) ( .
En effet, on a dj vu que

) (F F . De plus, en notant F p dim = , on a :
p n F =

) dim( , donc F p p n n F dim ) ( ) ) dim(( = = =

. Do lgalit.


B) Projecteur orthogonal

Dfinition :
A.Benhari 102

Soit F un sous-espace vectoriel de E.
Le projecteur orthogonal sur F
df
= le projecteur sur F selon

F .
Pour E x , p le projecteur orthogonal sur F, alors ) (x p est appele la projection
orthogonale de x sur F.

F

Ainsi, ) (x p est lunique lment de F tel que x scrive :
u x p x + = ) ( , o

F u . (car

= F F E , et F x p E x ) ( , )
Autrement dit, ) (x p est lunique lment de F tel que

F x p x ) ( . Ainsi, pour
E y ,

=

F y x
F y
x p y ) ( .


C) Distance dun lment un sous-espace vectoriel

Dfinition :
Soit A une partie non vide E et soit E x . Alors la distance de x A, note
) , ( A x d , est : ) , ( inf ) , (
df
y x d A x d
A y
= .
La borne infrieure existe bien, car { } A y y x d ), , ( est non vide (car A est non
vide), et minore (par 0).
(Dfinition : frontire = adhrence dune partie, prive de lintrieur)

Thorme :
Soit F un sous-espace vectoriel de E, soit p le projecteur orthogonal sur F.
Soit E x
0
.
Alors ) (
0
x p est lunique lment de F tel que ) ( ) , (
0 0 0
x p x F x d = . Autrement
dit, la distance de
0
x est atteinte, en un et un seul point, qui nest autre que ) (
0
x p .
Dmonstration :
Soit F y .
Alors
2
0 0 0
2
0
) ( ) ( x x p x p y x y + = .
Or, F x p y ) (
0
car F x p F y ) ( ,
0
; et

F x x p
0 0
) ( par dfinition de p.
Donc
0 0 0
) ( ) ( x x p x p y . Ainsi, daprs le thorme de Pythagore :
2
0 0
2
0
2
0 0 0
2
0
) ( ) ( ) ( ) ( x x p x p y x x p x p y x y + = + =
Do
0 0 0
) ( x x p x y , et il ny a galit que si ) (
0
x p y = (car sinon
0 ) ( ) (
2
0
2
0 0
2
0
= x p y x x p x y )


D) Symtries orthogonales

Ce sont les symtries par rapport un sous-espace vectoriel F, selon

F .
A.Benhari 103

Autrement dit :
La symtrie orthogonale par rapport F
df
= lapplication
'' ' '' '
:
x x x x x
E F F E f
+ =
=

F

Remarque : x x p x f = ) ( 2 ) ( , o p est la projection orthogonale sur F.

Proposition :
Soit f une symtrie sur E. On a lquivalence :
f est une symtrie orthogonale x x f x = ) ( .
Symtrie quelconque :

Dmonstration :
Soit f une symtrie par rapport F selon G. (o G est tel que G F E = ).
Soit E x . Alors

G
G
F
F
x x x

+ = , et
G F
x x x f = ) ( .
Donc
2 2 2
2
G G F F
x x x x x + + = et
2 2 2
2 ) (
G G F F
x x x x x f + = .
Ainsi :
Si

= F G , alors
G F
x x vaudra toujours 0. Donc x x f x = ) (
Si

F G , on peut trouver G x F x ' ' , ' tel que 0 ' ' ' x x . Alors, en prenant
) ( ' ' ' E x x x + = , on aura trouv x tel que x x f ) ( . Do lquivalence.
XLII Formes linaires et hyperplans
A) Formes linaires

Thorme :
Les formes linaires sur E sont exactement les applications du type :
x a x
E

R , o
R a . Plus prcisment :
(1) Les applications du type x a x sont linaires, et
(2) Si * E h , alors il existe un et un seul lment a de E tel que
x a x h E x = ) ( , . (on retrouve ainsi le fait que ) dim( *) dim( E E = )
Dmonstration :
Le premier point rsulte de la linarit du produit scalaire par rapport la seconde
variable. Pour le deuxime :
Soit ) ,... , (
2 1 n
e e e = B une base orthonormale de E.
Soit * E h .
A.Benhari 104

Il existe alors R
n
a a a ,... ,
2 1
tels que, pour tout E x de composantes
) ,... , (
2 1 n
x x x dans B, x a x a x a x a x h
n n
= + + + = ... ) (
2 2 1 1
, avec

=
=
n
i
i i
e a a
1
(on
introduit en fait ) ... (
2 1 n
a a a , matrice de h dans les bases B et (1)). Do lexistence.
Unicit :
Si il existe E a a ' , tels que x a x h E x = ) ( , et x a x h = ' ) ( , alors
0 ) ' ( , = x a a E x (linarit par rapport la premire variable).
Donc { } 0 ' =

E a a , do ' a a = .


B) Hyperplans

Soit H un hyperplan de E. Alors H est le noyau dune forme linaire sur E, h, non
nulle (attention, il ny a pas unicit !).
Or, il existe E n

tel que x n x h E x =

) ( , .
Ainsi, { } { } [ ]

= = = = = = ) ( Vect 0 , 0 ) ( , ker n x n E x x h E x h H

.
Donc n

dirige la droite vectorielle

= H N . On dit que N est la normale H :

= H N , ou encore H N =

, et que n

est un vecteur normal H.

Remarque :
Si ) ,... , (
2 1 n
e e e = B est une base orthonormale de E,
Si H a pour quation 0 ... :
2 2 1 1
= + + +
n n
x a x a x a H dans B, alors le vecteur n

de
composantes
|
|
|

\
|
n
a
a
a

2
1
dans B est normal H. En effet, lquation "dit" : 0 = x n H x

.





C) Projection orthogonale sur un hyperplan

On considre un hyperplan H, un vecteur n

normal H et p le projecteur
orthogonal sur H.
Soit E x . Alors

+ =
H
H
x x x ' ' ' , et

=
=
R o , ' '
) ( '
n x
x p x

.
Donc n x p x

. ) ( + =
Ainsi,
2
) ( car 0
) ( n n x p n x
H x p

+ =
=

Do
2
n
n x

= , et, par consquent :

n x x x x p

. ' ' ) ( = =
A.Benhari 105

Soit n
n
n x
x x p

. ) (
2
|
|

\
|

=
Consquence :
Pour tout E x ,
n
n x
n
n
n x
x p x H x d

= =
2
) ( ) , ( .


D) Rflexion

Une rflexion
df
= une symtrie orthogonale par rapport un hyperplan.
Proposition :
Etant donns deux vecteurs x, x de E, distincts et de mme norme, il existe une et
une seule rflexion qui les change.
Dmonstration :
Existence :
Soit H lhyperplan tel quun vecteur normal soit ' x x , et soit f la rflexion
dhyperplan H. On note enfin p la projection orthogonale sur H.
' ) ' (
) ' (
' 2 2
'
2
) ' (
' ' 2
'
2
) ' (
'
) ' (
2 ) ( 2 ) ( Alors
2
2
2 2
2
2
x x x x
x x x
x x x
x x x
x x x
x x x x
x x x
x x x
x x
x x x
x x x p x f
= =



=

+

=

|
|

\
|

= =

Et, de mme, x x f = ) ' ( .
Unicit :
Supposons quil existe deux rflexions f, g dhyperplans F, G telles que :
x x g x x g x x f x x f = = = = ) ' ( ; ' ) ( ; ) ' ( ; ' ) (
On a alors :
Dj, ' x x est normal F. En effet :
Pour tout F y , on a dj :
y x y f x f
y x y x f
= =
=
' ) ( ) (
) (

Do y x y x = ' .
De plus, pour tout F y :
( ) ( )
y x y x x x
y x y x y x y x y x y x y x x
= = =
+ + = =
' et ' car 0
' ' ' ) ' (
2 2 2
2
1
2 2 2
2
1
.
Donc ) ' ( Vect x x F =

.
De mme, ) ' ( Vect x x G =

A.Benhari 106

Donc

= G F , do G F = .


XLIII Automorphismes orthogonaux
A) Dfinition, thorme

Soit ) (E L f .
le orthonorma est )) ( ),... ( ), ( ( que telle
) ,... , ( le orthonorma base une existe Il
: (4) le" orthonorma base une conserve "
le orthonorma est )) ( ),... ( ), ( (
) ,... , ( le orthonorma base Pour toute
: (3) les" orthonorma bases les conserve "
) ( ,
: (2) norme" la conserve "
) ( ) ( , ,
: (1) scalaire" produit le conserve " orthogonal sme automorphi un est
2 1
2 1
2 1
2 1
df
n
n
n
n
e f e f e f
e e e
f
e f e f e f
e e e
f
x x f E x
f
y x y f x f E y x
f f

Dmonstration :
) 2 ( ) 1 ( : vident ; si (1), alors
2 2
) ( x x f =
) 1 ( ) 2 ( : supposons (2).
Soient E y x , . Alors :
( )
( )
( )
y x
y x y x
y f x f y x f
y f x f y f x f y f x f
=
+ =
+ =
+ =
2 2 2
2 2 2
2 2 2
2
1
) ( ) ( ) (
2
1
) ( ) ( ) ( ) (
2
1
) ( ) (

) 3 ( ) 1 ( : supposons (1).
Soit ) ,... , (
2 1 n
e e e une base orthonormale.
Alors, pour tout [ ]
j i j i j i
e e e f e f n j i
;
) ( ) ( , , 1 , = =
) 4 ( ) 3 ( : il en existe puisque lensemble des bases orthonormales nest pas vide.
) 1 ( ) 4 ( : supposons (4).
Soit ) ,... , (
2 1 n
e e e = B une base orthonormale telle que )) ( ),... ( ), ( ( '
2 1 n
e f e f e f = B
soit aussi orthonormale.
Soient alors E y x , , de composantes ) ,... , (
2 1 n
x x x et ) ,... , (
2 1 n
y y y dans B.
Alors

=
=
n
i
i i
y x y x
1
.
A.Benhari 107

Et

=
=
n
i
i i
y x y f x f
1
) ( ) ( car B est aussi orthonormale, et les composantes de
) (x f et ) ( y f dans B sont ) ,... , (
2 1 n
x x x et ) ,... , (
2 1 n
y y y puisque f est linaire (rappel :
pour une application linaire,

= =
= =
n
i
i i
n
i
i i
e f x x f e x x
1 1
) ( ) ( )
Remarque :
Si une application f est un automorphisme orthogonal, alors cest aussi un
automorphisme.
En effet : si f est un automorphisme orthogonal, alors :
0 0 0 ) ( 0 ) ( = = = = x x x f x f . Donc { } 0 ker = f . Donc f est injective,
donc bijective (puisque E est de dimension finie)

Dfinition, proposition :
On note ) (E O lensemble des automorphismes orthogonaux de E. Alors ) (E O
constitue un sous-groupe de ( ) ), (E GL des automorphismes de E. On lappelle le
groupe orthogonal de E. Les lments de ) (E O sont aussi appels des isomtries
vectorielles.
Dmonstration :
) ( Id E O
E

Si ) ( , E O g f , alors ) (E O g f et ) (
1
E O f

:
x x g x g f x g f = = = ) ( )) ( ( ) )( ( , et x x f x f f x f = = =

) ( )) ( ( ) (
1 1 1
.
Exemple :
Les symtries orthogonales sont des lments de ) (E O


B) Matrices orthogonales

Thorme :
Soit B une base orthonormale de E. Soit ) (E L f , et ) , ( mat ) (
1
1 ,
B f a A
n j
n i j i
= =


.
Alors :
) (E O f les colonnes de A forment une base orthonormale de ) (
1 ,
R
n
M muni
de son produit scalaire naturel =
n
t
I A A A est inversible et A A
t
=
1

Dmonstration :
[ ]
[ ]
)... ( de le orthonorma famille une forment de colonnes les
, , 1 ,
) ( ) ( , , 1 ,
e orthonorm est )) ( ),... ( ), ( ( ) (
1 ,
,
1
, ,
,
2 1
R
n
j i
n
k
j k i k
j i j i
n
M A
a a n j i
e f e f n j i
e f e f e f E O f

=
=

A.Benhari 108

[ ]
n
t
t
n
t
j i
n
k
j k i k
I A A
A A A
I AA a a n j i
=
=
= =

1
,
1
, ,
et inversible est
, , 1 , et

Do le rsultat.

Dfinition, proposition :
- Soit ) (R
n
M A
A est orthogonale =
n
t
I AA
df
A est inversible et A A
t
=
1

- Lensemble des matrices carres et orthogonales, not
n
O (ou ) (n O , ou ) (R
n
O ),
forme un sous-groupe de ) ), ( ( R
n
GL
- Si B est une base orthonormale de E, si f est une application linaire de E dans E,
et si ) , ( mat B f A = , alors
n
O A E O f ) (
- B tant une base orthonormale de E, lapplication
) , ( mat
) ( :
B f f
O E O
n

est un
isomorphisme du groupe ) ), ( ( E O dans ) , (
n
O
En effet :
Dj, est correctement dfinie, puisque pour ) (E O f , ) , ( mat B f est bien
orthogonale.
n E
I
g f g f g f g f
=
= = =
) Id (
) ( ) ( ) , ( mat ) , ( mat ) , ( mat ) (

B B B

Cest surjectif daprs le tiret prcdent : pour
n
O A , on trouve ) (E O f .
Cest aussi injectif : { } Id ker =
Exemple :
n
O
|
|
|
|

\
|
|
|
|
|

\
|

5
2
5
1
5
1
5
2
,
5
2
5
1
5
1
5
2



C) Dterminant dun automorphisme orthogonal

Proposition :
Si ) (E O f , alors 1 det = f
Si
n
O A , alors 1 det = A

Dmonstration :
Si
n
O A , on a alors :
n
t
I AA = , donc 1 ) det( = AA
t
, soit 1 ) det( ) det( = A A
t
, do 1 ) det(
2
= A
Si ) (E O f : soit ) , ( mat B f A = , o B est une base orthonormale.
Alors 1 det det = = A f car A est orthogonale.

A.Benhari 109

Dfinition, proposition :
On note ) (E SO lensemble des lments ) (E O f tels que 1 det = f
On note
n
SO lensemble des
n
O A tels que 1 ) det( = A .
Alors ) (E SO est un sous-groupe de ) ), ( ( E O , on lappelle le groupe orthogonal
spcial de E. Et
n
SO est un sous-groupe de ) , (
n
O , on lappelle le groupe orthogonal
spcial dordre n (attention,
n
SO nest pas pour autant de cardinal n !)
Ces deux groupe sont isomorphes ; plus prcisment, si B dsigne une base
orthonormale de E, lapplication
) , ( mat
) (
B f f
O E O
n

dfinit, par restriction, un

isomorphisme de ) (E SO vers
n
SO .
(Remarque : ) ( \ ) ( E SO E O nest pas un sous-groupe, puisque si 1 det = f et
1 det = g , alors 1 det = g f !)
Exemple :
Soit f une symtrie orthogonale par rapport un sous-espace vectoriel quelconque
F de E. (on note p la dimension de F).
Alors ) (E O f (puisque f conserve la norme)
On considre la matrice de f dans une base adapte (le "dbut" dans F, le "reste"
dans

F ) :
|
|
|
|
|
|
|
|

\
|

1 0 0
0
1
1
0
0 0 1







Ainsi,
p n
f

= ) 1 ( det

Vocabulaire :
Un lment de ) (E SO est un automorphisme orthogonal direct / une isomtrie
vectorielle directe. (et indirect(e) pour les lments de ) ( \ ) ( E SO E O )
Ainsi :
Les rflexions sont toujours indirectes ( 1 = p n )
Les symtries orthogonales par rapport une droite (appeles aussi
retournements) sont indirectes en dimension 2, directes en dimension 3.

Autre vocabulaire :
Les lments de ) (E SO sappellent aussi des rotations.


XLIV Orientation et changement de base
A) Orientation dun R-ev E de dimension n.

Orienter E, cest choisir une base B de E, dcrter quelle est directe, et convenir
qutant donne une base B de E :
B est directe 0 ' det > B
B

A.Benhari 110

B est indirecte 0 ' det < B
B

Ainsi, tant donnes deux bases B et B de E, B et B sont de mme sens (c'est-
-dire toutes les deux (in)directes) si et seulement si 0 ' ' det
'
> B
B

En effet : ' ' det ) ' (det ' ' det det ' ' det
1
' '
B B B B B
B B B B B
= =

, qui est positif si et
seulement si les deux dterminants on mme signe.
Exemples :
En dimension 2 :
Si ) , ( j i

est directe, alors ) , ( i j

est indirecte, ) , ( i j

est directe, ) , ( j i

aussi.
(Les dterminants sont multiplis par -1 lorsquon change deux vecteurs)
En dimension 3 :
Si ) , , ( k j i

est directe, alors ) , , ( i k j

est directe, ) , , ( k i j

est indirecte, et ) , , ( k i j


directe.

On considre dornavant E orient.

Proposition :
Si ) ,... , (
2 1 p
u u u est une famille orthonormale de E, avec n p < , on peut la
complter en une base orthonorme directe de E.
Dmonstration :
On sait construire ) ,... , (
2 1 n
u u u base orthonormale. Ainsi, soit ) ,... , (
2 1 n
u u u , soit
) ,... , (
2 1 n
u u u sera directe.


B) Changement de base orthonormale

Proposition :
Soit ) ,... , (
2 1 n
e e e = B une base orthonormale de E.
Soit ) ' ,... ' , ' ( '
2 1 n
e e e = B une autre base de E, et P la matrice de passage de B B.
Alors B est orthonormale P est orthogonale.
Plus prcisment :
B est orthonormale de mme sens que B
n
SO P
B est orthonormale de sens contraire B
n n
SO O P \ .
Dmonstration :
P donne les composantes de B dans B, qui est orthonormale.
Donc, pour tout [ ]
j i j i
C C e e n j i = ' ' , , 1 , (produit scalaire naturel des colonnes
de P), et donc B est orthonormale si et seulement si les colonnes de P forment une base
orthonormale de ) (
1 ,
R
n
M . (Par ailleurs, P det ' det = B
B
, do le sens)
Ainsi, si B est une base orthonorme directe et si B est une autre base, P la
matrice de passage de B B, alors B est une base orthonorme directe si et seulement
si
n
SO P


C) Automorphismes orthogonaux et orientation

A.Benhari 111

Proposition :
Soit ) (E L f , soit ) ,... , (
2 1 n
e e e = B une base orthonormale de E.
On sait dj que )) ( ),... ( ), ( ( ) (
2 1 n
e f e f e f E O f est une base orthonormale.
On a, plus prcisment :
)) ( ),... ( ( ) (
1 n
e f e f E SO f est une base orthonormale de mme sens que B.
)) ( ),... ( ), ( ( ) ( \ ) (
2 1 n
e f e f e f E SO E O f est une base orthonormale de sens
oppos B.
Dmonstration :
Si )) ( ),... ( ), ( ( '
2 1 n
e f e f e f = B , alors f det ) ' ( det = B
B
.


D) Dterminant en base orthonorme directe

Proposition, dfinition :
Soit B une base orthonorme directe de E.
Soit ) ,... , (
2 1 n
u u u une famille de n vecteurs de E.
Alors ) ,... , ( det
2 1 n
u u u
B
ne dpend pas du choix de la base orthonorme directe B,
et sappelle le produit mixte de
n
u u u ,... ,
2 1
, quon note ) ,... , det(
2 1 n
u u u ou [ ]
n
u u u ,... ,
2 1
.
Dmonstration :
Si B, B sont deux bases orthonormes directes :
) ,... , ( det det ) ,... , ( det
2 1
sens mme de
les orthonorma
bases deux sont
' , car 1
' 2 1 ' n n
u u u u u u
B
B B
B B
B =
=





Dans tout ce chapitre, E dsigne un R-ev euclidien orient de dimension 2.
Exemples :
2
R muni de sa structure euclidienne canonique.
C, en tant que R-ev de dimension 2, on peut le munir de sa structure euclidienne oriente
naturelle, c'est--dire celle pour laquelle la base naturelle ) , 1 ( i est une base orthonorme
directe.
Alors, pour iy x z + = , ' ' ' iy x z + = , on a x y x z = + =
2 2
, ) ' Re( ' ' ' z z yy xx z z = + =


XLV Rappels : droites du plan E.

Ce sont les hyperplans de E :
Si ) , ( j i

= B est une base de E, une droite a pour quation 0 : = + by ax D dans B.
Le vecteur d

de composantes ) , ( a b dans B dirige D ( ) ( Vect d D

= ), et n

de
composantes ) , ( b a dans B est normal D. ( ) ( Vect n D

=

)
Pour E u

, on note ) (u p

le projet orthogonal de u

sur D.
R-ev euclidien orient de dimension 2
A.Benhari 112

n

) (u p


Alors n
n
n u
u u p

2
) (

= ,
n
n u
u p u D u d



= = ) ( ) , (
Donc si la droite a pour quation 0 : = + by ax D dans une base orthonorme directe B,
si
|
|

\
|
0
0
y
x
u

dans B, alors
2 2
0 0
) , (
b a
by ax
D u d
+
+
=

XLVI Angle orient de deux vecteurs non nuls du plan

Proposition, dfinition :
Soient v u

, deux vecteurs non nuls de E.
Alors il existe un rel , unique 2 prs, tel que :
' . sin cos u
u
u
v
v

+ = , o ' u

dsigne le vecteur de E tel que

|
|

\
|
' , u
u
u

soit une base

orthonorme directe de E.
On dit alors que est une mesure de langle orient ) , ( v u

. On note [ ] 2 ) , ( = v u

.
Remarque :
Langle orient ) , ( v u

df
= lensemble de ses mesures

+ = = ' . sin cos , u

u
u
v
v

R
Cette dfinition est rarement utilise : on devrait crire ) , ( v u

.
Dmonstration de la proposition :
u
u

est de norme 1. Il existe donc un unique ' u

tel que
|
|

\
|
' , u
u
u

soit une base

orthonorme directe.
' u

u
u

v
v

v
v

est de norme 1 ; soit

|
|

\
|

la colonne de ses composantes dans

|
|

\
|
= ' , u
u
u

B .
Alors 1
2 2
= +
Et, pour tout R ,

=
=
+ =



sin
cos
' . sin cos u
u
u
v
v

Proprits :
A.Benhari 113

[ ] [ ] [ ]
[ ]

2
2
' ,
2 ) , ( ) , ( ; 2 ) , ( ; 2 0 ) , (
+
|
|

\
|

u
u
u
v u u v u u u u

v u
v u

= cos (car
u
u
u
u
u
u
u
u
u
v
v

+ = ' . sin cos )

v u
v u


) , det(
sin =
En effet :
On prend
|
|

\
|
= ' , u
u
u

B , base orthonorme directe. Alors :

|
|

\
|
+ =
|
|

\
|
' . sin cos , det , det u
u
u
u
u
v
v
u
u

B B

Soit : ( )
( )

sin det sin 0
, det
' , det sin , det cos , det
1
= = =
=
|
|

\
|
+
|
|

\
|
=
B
B B B
B
u
u
u
u
u
u
u
v u
v u
v u

Ainsi, cette formule montre que :
= =


hauteur
sin ) , det( v u v u aire du paralllogramme correspondant aux deux vecteurs.
v

XLVII Etude de O(E) et O
2
.
A) Etude

Soit
2
O A :
|
|

\
|
d b
c a
, avec

= + = +
= +
1) norme de ( 1
x) orthogonau ( 0
2 2 2 2
d c b a
bd ac

)
0
0
(puisque , 0 0
|
|

\
|

|
|

\
|
|
|

\
|
=
|
|

\
|
=

= +
b
a
b
a
c
d
c b
d a
bd ac R
Donc

=
=
b c
c d

, et
2 2 2 2 2 2
) ( = + = + b a c d . Donc 1 =
Donc
|
|

\
|
=
a b
b a
A , et une matrice de ce type est bien dans
2
SO ( 1 det = A )
Ou
|
|

\
|

=
a b
b a
A , et une matrice de ce type est bien dans
2 2
\ SO O ( 1 det = A )
(Avec dans les deux cas 1
2 2
= + b a )
Conclusion :
Les lments de
2
SO sont les
|
|

\
|
a b
b a
, avec R b a, et 1
2 2
= + b a .
Les lments de
2 2
\ SO O sont les
|
|

\
|
a b
b a
, avec R b a, et 1
2 2
= + b a .

A.Benhari 114


B) Etude de SO(E) et SO
2
.

Les lments de
2
SO sont exactement les matrices du type
|
|

\
|


cos sin
sin cos
,
R (rsulte de ltude prcdente).
On a, pour tout R ' , :
|
|

\
|
+ +
+ +
=
|
|

\
|

|
|

\
|
) ' cos( ) ' sin(
) ' sin( ) ' cos(
' cos ' sin
' sin ' cos
cos sin
sin cos






.
Ainsi :
2
SO est lensemble des
|
|

\
|


cos sin
sin cos
, R et ) , (
2
SO est un groupe
commutatif.

Thorme et dfinition :
Soit ) (E SO f . Alors il existe un rel , unique 2 prs, tel que la matrice de
f dans toute base orthonorme directe soit
|
|

\
|


cos sin
sin cos
. On dit alors que f est la
rotation (vectorielle) dangle .
Dmonstration :
Soit B une base orthonorme directe, soit ) , ( mat B f A = .
Comme ) (E SO f , on sait qualors
2
SO A . Il existe donc R , unique 2
prs, tel que
|
|

\
|
=


cos sin
sin cos
A . Soit B une autre base orthonorme directe. Soit
alors P la matrice de passage de B B. Alors, comme
2
SO P (et
2
SO est
commutatif) : A PA P AP P f = = =
1 1
) ' , ( mat B .
Pour R , notons

la rotation dangle .
Proposition :
Lapplication

) (E SO R est un morphisme surjectif du groupe ) , ( + R vers
) ), ( ( E SO , et dont le noyau est Z 2
En effet :
E
Id
0
=
' '
, ' ,

=
+
R (rsulte du calcul matriciel prcdent).
Surjectivit : rsulte du thorme prcdent
Noyau : Z

2
1 0
0 1
cos sin
sin cos
Id
|
|

\
|
=
|
|

\
|
=
E

Autres rsultats :
E
Id ; ) (
1
= =

Etant donns deux vecteurs v u

, non nuls et R , on a lquivalence :
[ ]

=
=

2 ) , (
) (
v u
v u
v u




A.Benhari 115

En effet :
- Si v u

= ) (

, alors v u

= car

est un automorphisme orthogonal.

Notons ' u

le vecteur tel que

|
|

\
|
' , u
u
u

soit une base orthonorme directe.

Alors la matrice de

dans cette base est

|
|

\
|


cos sin
sin cos
.
Ainsi, ' . sin cos u
u
u
u
u

+ =
|
|

\
|
.
Donc ' . sin cos u
u
u
u
u
v
u
v
v

+ =
|
|

\
|
= . Donc [ ] 2 ) , ( v u


- Inversement, si v u

= et [ ] 2 ) , ( v u

, alors :
' . sin cos u
u
u
v
v

+ = , o ' u

est tel que

|
|

\
|
' , u
u
u

soit une base orthonorme

directe. Donc
|
|

\
|
=
u
u
v
v

(1
re
colonne de la matrice de

dans
|
|

\
|
' , u
u
u

,
orthonorme)
Donc ( ) u
u v
v

1
= , soit v u

= ) (

.
C) Etude de O(E)\SO(E) et O
2
\SO
2
.

Soit ) ( \ ) ( E SO E O f , ) , ( mat B f A = , o B est une base orthonormale de E.
Alors
2 2
\ SO O A .
Donc
|
|

\
|

=
a b
b a
A , o 1
2 2
= + b a .
On remarque dj que A A
t
= .
Or,
2
O A , donc
2
I AA
t
= . Donc
2
2
I A = , donc
E
f Id
2
= . Ainsi, f est une
symtrie vectorielle.
Mais ) (E O f , donc f est une symtrie orthogonale (car x x f E x = ) ( , ), et
cette symtrie est par rapport une droite :
La symtrie par rapport E est lidentit, et celle par rapport { } 0 est
E
Id , et
ces deux lments sont dans ) (E SO (en dimension 2).
Ainsi, f est une rflexion.
Inversement, les rflexions sont bien des lments de ) ( \ ) ( E SO E O .
Conclusion : ) ( \ ) ( E SO E O est lensemble des rflexions.
Attention : la matrice dune rflexion dans une base orthonorme directe dpend
de cette base.
La matrice dune rflexion de droite D est
|
|

\
|
1 0
0 1
dans une base orthonormale
dont le premier vecteur dirige D.

A.Benhari 116


D) Rsum, tableau : classification des lments de O(E) lorsque dim E = 2

Dimension de lespace
des invariants
Nature Matrice
0
Rotation
dangle non
nul (modulo
2 )
|
|

\
|


cos sin
sin cos
dans toute base orthonorme
directe
2
E
Id (rotation
dangle nul)
|
|

\
|
1 0
0 1
dans toute base
1
Rflexion de
droite D
|
|

\
|
1 0
0 1
dans une base orthonorme directe.
Du type
|
|

\
|
a b
b a
dans toute base orthonorme
directe.

Remarque :
La matrice de

dans une base orthonorme indirecte est

|
|

\
|


) cos( ) sin(
) sin( ) cos(



(les bases orthonormes indirectes dune orientation sont les bases orthonormes
directes de lautre orientation)
E) Composes de rflexions

Thorme :
Tout lment de ) (E SO est compos de deux rflexions, lune pouvant tre
choisie quelconque.
Dmonstration :
Soit ) (E SO , ) ( \ ) ( E SO E O s
Alors ) (E O s , et 1 ) det( ) det( ) det( = = s s .
Donc ) ( \ ) ( E SO E O s . Donc s est une rflexion ' s .
Donc s s s s s s ' ) ( ) ( = = =
De mme, ' ' s s = , o ) ( \ ) ( ' ' E SO E O s . Donc ' ' s s =

Conclusion : Les rflexions engendrent ) (E O


XLVIII Complments propos dangles orients

Relation de Chasles : { } 0 \ , , E w v u


[ ] 2 ) , ( ) , ( ) , ( v w w u v u

+
Dmonstration :
Consquence du fait que
' '
=
+
.
Angle orient de deux droites du plan.
A.Benhari 117

u

' u

Soient D, D deux droites de vecteurs directeurs ' , u u

. Alors ) ' , ( u u

, modulo , ne
dpend pas du choix de u

et ' u

. On le note alors ) ' , ( D D

(Si [ ] 2 ) ' , ( ) ' , ( , 0 u u u u

> et [ ] 2 ) ' , ( ) ' , ( u u u u

+ )
= angle orient ) ' , ( D D :

) (u s
D

)) ( (
'
u s s
D D

Alors, en notant
D
s ,
' D
s les rflexions de droites ' , D D , on a

2 '
=
D D
s s .



XLIX Prliminaires

E est un R-ev euclidien orient de dimension 3.

A) Brefs rappels

Les formes linaires sur E sont exactement les x a x

Les plans sont les hyperplans de E, admettent une quation du type
0 = + + cz by ax , avec ) 0 , 0 , 0 ( ) , , ( c b a , dans toute base.
Si B est une base orthonormale, et si 0 : = + + cz by ax P dans B, alors
|
|

\
|
c
b
a
n

(signifie : n

de colonne de composantes
|
|

\
|
c
b
a
dans B) est normal P.
Si u

est un vecteur de E, de composantes ) , , (

0 0 0
z y x dans B, et p le projecteur
orthogonal sur P :
n u p u

+ = ) ( , et
2
n
n u

= ;
2 2 2
0 0 0
) , (
c b a
cz by ax
n
n u
P u d
+ +
+ +
=

B) Orientation induite

Soit P un plan de E, n

un vecteur normal P (non nul) :

R-ev euclidien orient de dimension 3
A.Benhari 118



Lemme :
Soient ) , ( v u
P

= B , ) ' , ' ( ' v u
P

= B deux bases de P.
Alors ) , ' , ' ( det ) ' , ' ( det ' det
) , , ( ) , (
n v u v u
n v u v u P
P


= = B
B
.
( ) , , ( n v u

et ) , ' , ' ( n v u

sont bien des bases de E)
En effet, si la matrice de ) ' , ' ( v u

dans ) , ( v u

est |

\
|


, alors la matrice de
) , ' , ' ( n v u

dans ) , , ( n v u

est
|
|

\
|
1 0 0
0
0


.
Il en rsulte quon peut dfinir une orientation sur P de sorte que, tant donne une
base ) , ( v u

de P :
) , ( v u

est une base directe de P ) , , ( n v u

est une base directe de E.
Cette orientation sappelle lorientation induite sur P par n

.

C) Angle non orient

Langle non orient de deux vecteurs v u

, non nuls, cest lunique [ ] , 0 tel
que
u v
v u

= cos (dfinition valable en toute dimension)

Remarque :
Si P est un plan orient contenant v u

, , et si est langle orient ) , ( v u

dans le
plan, alors [ ] 2 , puisque cos cos =


L Produit vectoriel
A) Proposition, dfinition

Soient E v u

, .
Alors il existe un et un seul vecteur E w

tel que x w x v u E x

= ) , , det( , .
Ce vecteur w

est not v u

, et sappelle le produit vectoriel de u

et v

.
Ainsi, v u

est caractris par x v u x v u E x

= ) ( ) , , det( ,
En effet :
) , , det( x v u x

est une forme linaire (car det est une application 3-linaire)
Il existe donc un unique E w

tel que cette forme linaire soit x w x

.


B) Composantes en base orthonorme directe

Soit ) , , ( k j i

= B une base orthonorme directe de E.
A.Benhari 119

Soient
|
|
|

\
|
|
|
|

\
|
'
'
'
,
c
b
a
v
c
b
a
u

. Recherche des composantes de v u

:
Soit
|
|
|

\
|

z
y
x
x E x

,
Alors x w
b b
a a
z
c c
a a
y
c c
b b
x x v u x v u

= + = =
'
'
'
'
'
'
) , , ( det ) , , det(
B
,
O
|
|
|

\
|

' '
' '
' '
ba ab
ac ca
cb bc
w

Ainsi : x w x v u E x

= ) , , det( ,
Donc v u w

=
Ainsi,
|
|
|

\
|

' '
' '
' '
ba ab
ac ca
cb bc
v u




C) Proprits diverses

Si ) , , ( k j i

= B est une base orthonormale de E, alors k j i

= .
En effet :
Il suffit de reprendre la formule prcdente avec
|
|
|

\
|
=
|
|
|

\
|
0
0
1
c
b
a
et
|
|
|

\
|
=
|
|
|

\
|
0
1
0
'
'
'
c
b
a

Si v u

, sont orthogonaux et de norme 1, alors v u

est le vecteur tel que la
base ) , , ( v u v u

soit orthonorme directe.
Lapplication :
v u v u
E E E

) , (
est 2-linaire alterne :
- linarit par rapport la premire variable :
Soit E x

. On a :
x v u u x v u u
w

+ = + ) ) ' (( ) , , ' det( , et :

x v u v u
x v u x v u
x v u x v u x v u u
w

+ =
+ =
+ = +
) ' (
) ' ( ) (
) , , ' det( ) , , det( ) , , ' det(

- Linarit par rapport la deuxime variable : idem
- Alterne :
Pour tout E x

, x x u u

= = 0 0 ) , , det( .
Donc u u

= 0 .
Plus prcisment, on a lquivalence :
A.Benhari 120

) , ( v u

est libre 0

v u
En effet :
Si ) , ( v u

est lie, alors 0

= v u car alors x x v u E x

= = 0 0 ) , , det( , .
Si ) , ( v u

est libre, on peut la complter en une base ) , , ( w v u

de E.
Alors 0 ) ( ) , , det( = w v u w v u

, donc 0

v u
u v u

et v v u


En effet :
0 ) , , det( ) (
0 ) , , det( ) (
= =
= =
v v u v v u
u v u u v u



Si v u

, sont indpendants, alors ) , , ( v u v u

forme une base directe de E (non
ncessairement orthonorme)
En effet :
0 ) ( ) ( ) , , det( > = v u v u v u v u

, car 0

v u
D) Produit vectoriel, angles

Soient { } 0 \ , E v u

. Soit P un plan contenant v u

, ( ) , ( Vect v u

lorsque les deux
vecteurs sont indpendants). Soit w

un vecteur unitaire sur

P .
On oriente P avec lorientation induite par w

.
Soit langle orient ) , ( v u

dans P.
Ainsi, ' . sin cos u
u
u
v
v

+ = , o ' u

est tel que

|
|

\
|
' , u
u
u

soit une base

orthonorme directe de P, c'est--dire que
|
|

\
|
w u
u
u

, ' , est une base orthonorme directe

de E. (Remarque :
u
u
w u

= ' )
En faisant le produit vectoriel par
u
u

, on obtient :
w u
u
u
v
v
u
u

. sin ' . sin = =

Donc, par linarit du produit vectoriel :
w v u v u

. sin =
Ainsi :
sin sin v u v u v u

= = , o est langle non orient entre u

et v

.
Donc, si 0

v u :

'
. sin
w
v u
v u
v u v u

= ( ' w

est le vecteur unitaire sur

P
tel que ( ) ' , , w v u

est une base directe).


LI Etude de O(E) et O
3
.
A) Deux lemmes
A.Benhari 121


Lemme 1 :
Soit ) (E O f .
Alors lapplication ) Id det(
E
x f x est polynomiale de degr 3 :
Si
3 1
3 1 ,
) ( ) , ( mat


= =
j
i j i
a f A B o B est une base quelconque :
x a a a
a x a a
a a x a
xI A x f
E

= =
3 , 3 2 , 3 1 , 3
3 , 2 2 , 2 1 , 2
3 , 1 2 , 1 1 , 1
3
) det( ) Id det(
(Rappel : cest le polynme caractristique de f).
Ce polynme possde donc au moins une racine relle (puisque la fonction tend
vers + en et vers en + , et elle est continue)
Alors 0 ) Id det( =
E
f . Donc
E
f Id nest pas injective.
Donc { } 0 ) Id ker(
E
f .
Il existe donc { } 0 \ E u tel que u u f = ) ( .
Mais ) (E O f . Donc u u f E u = ) ( , .
Donc 1 =
Conclusion :
Lun au moins des deux espaces ) Id ker(
E
f ou ) Id ker(
E
f + nest pas rduit
{ } 0 . ( ) Id ker(
E
f est appel lespace des vecteurs invariants, ) Id ker(
E
f + celui des
vecteurs retourns)

Lemme 2 :
Soit ) (E O f . Si F est un sous-espace vectoriel de E stable par f, alors

F est
aussi stable par f.
Dmonstration :
Soit F stable par f, c'est--dire F u f F u ) ( , (ou F F f ) ( )
Comme f est un automorphisme, on a en fait F F f = ) ( , car ) (F f est de mme
dimension (finie) que F.
Soit

F v . Soit F w . Alors ) (u f w = , o F u .
Donc 0 ) ( ) ( ) ( = = = u v u f v f w v f (car

F v et F u donc v u )
Ainsi, 0 ) ( , = w v f F w . Donc

F v f ) ( . Do la stabilit.


B) Classification des lments de O(E) selon la dimension de lespace des
invariants

Soit ) (E O f , ) Id ker(
E
f F = .
1
er
cas : 3 dim = F . Alors
E
f Id = . (inversement, ) ( Id E O
E
)
2
me
cas : 2 dim = F . Alors la droite

= F D est stable par f.

D
f
/
constitue donc
une isomtrie de D, et sans vecteur invariant autre que 0

(puisque lensemble des

vecteurs invariants est F, et { } 0

= =

D F F F ). Donc
D D
f Id
/
= (les seules
A.Benhari 122

isomtries dun espace de dimension 1 sont
D
Id et
D
Id - ). Comme seul 0

est invariant,
D D
f Id
/
= . Inversement, les rflexions sont bien dans ) (E O (et mme ) ( \ ) ( E SO E O ).

F
u

) (u f


3
me
cas : 1 dim = F .
Soit

= F P ; P est stable par f, et

P
f
/
constitue une isomtrie vectorielle de P,
sans vecteur invariant autre que 0

(mme raison que prcdemment).

P
f
/
est donc une
rotation dangle non nul)
Si on se donne un vecteur unitaire k

sur F, et j i

, (dans P) tels que ) , , ( k j i

est
une base orthonorme directe de E, si on note langle de la rotation
P
f
/
du plan P
orient par ) , ( j i

(c'est--dire par k

), la matrice de f dans ) , , ( k j i

est alors :
|
|
|

\
|
1 0 0
0 cos sin
0 sin cos


.

Inversement : un endomorphisme admettant une telle matrice dans une base
orthonorme directe est dans ) (E SO (car la matrice est dans
2
SO )
4
me
cas : 0 dim = F
Selon le lemme 1, lespace ) Id ker(
E
f + nest alors pas rduit { } 0 . On introduit
{ } 0 \ E w

tel que w w f

= ) ( .
Soit alors ) ( Vect w D

= : alors D est stable par f (car D w w f =

) ( , R )
Donc

= D P est aussi stable par f.

Donc
P
f
/
constitue une isomtrie de P, sans vecteur invariant autre que 0

.
P
f
/
est donc une rotation dangle non nul. Il existe donc une base orthonorme
directe ) , , ( k j i

, quon dfinit de la mme faon que dans le troisime cas, telle que :
|
|
|

\
|

=
1 0 0
0 cos sin
0 sin cos
)) , , ( , ( mat

k j i f


Inversement, un endomorphisme admettant une telle matrice dans une base
orthonorme directe est bien lment de ) ( \ ) ( E SO E O , car la matrice est dans
3 3
\ SO O
A.Benhari 123

= P D

C) Etude de SO(E)
1) Proposition, dfinition

Soit ) (E SO f .
On peut alors introduire :
- Une droite D, un vecteur unitaire k

sur D (c'est--dire un axe ) , ( k D

)
- Un rel
Tels que la matrice de f dans toute base orthonorme directe dont le
troisime vecteur est k

soit :
|
|
|

\
|
1 0 0
0 cos sin
0 sin cos



On dit que f est la rotation daxe ) , ( k D

et dangle .
Dmonstration :
Rsulte de ltude et du chapitre prcdent avec les rotations planes.


2) Dtermination du couple axe angle

Si
E
f Id = : on prend un axe quelconque, et comme angle ] 2 [ 0 .
Si
E
f Id , on a deux couples axe angle possibles :
) ), , (( k D

ou ) ), , (( k D

, o ) Id ker(
E
f D =

Dtermination pratique :
(1) ) Id ker(
E
f D =
(2) k

unitaire sur D (deux choix).

(3) choix de j i

, tels que ) , , ( k j i

soit orthonorme directe (pas
ncessairement explicits)
Ainsi, la matrice de f dans ) , , ( k j i

est
|
|
|

\
|
1 0 0
0 cos sin
0 sin cos


.
j i i f

. sin . cos ) ( + = .
A.Benhari 124

Donc cos ) ( = i f i

. Et sin ) ( = j f j

, ou alors sin )) ( , det( = i f i

ou
encore k j i i f i

. sin . sin ) ( = = (ces deux dernires possibilits permettent
de navoir calculer que i

si i

et j

ne sont pas explicits)

Figure :
Rotation daxe ) , ( k D

et dangle .
k
D
u

Formules pour obtenir ) (u f

, image de u

par f, rotation daxe ) , ( k D

et
dangle .
On note

= D P
2 1
u u u

+ = , o P u
1

et D u
2

.
Comme D u
2

, on a k u

.
2
= .
Et

2
0
1
k k u k u

+ =
=
. Donc
2
k
k u

= .
On a

2
) ( ) ( ) (
2 1
u
u f u f u f
=
+ = .
Dtermination de ) (u f

:
Supposons 0
1

u (sinon, u u u f u f

= = =
2 2
) ( ) ( ).
On introduit alors a

tel que
|
|

\
|
a
u
u

,
1
1
soit une base orthonorme de P
orient par k

, c'est--dire tel que

|
|
|

\
|
k
k
a
u
u

, ,
1
1
soit une base orthonorme directe
de E. (on a alors
1
1
u
u
k
k
a

= )
Ainsi :
a
u
u
u
u
f

. sin cos
1
1
1
1
+ =
|
|

\
|
, o R
(La rotation plane
P
f
/
a pour matrice
|
|

\
|


cos sin
sin cos
dans
|
|

\
|
a
u
u

,
1
1
)
Ainsi, comme k u u u u


.
2 1
= = :
1 1
1
1
1 1 1
. sin cos . sin cos ) ( u
k
k
u
u
u
k
k
u u u f

+ = + =
Donc :
A.Benhari 125

k
k
k u
k
u k
u
k
k
k u
k u
k
k
k
k
k u
u
u f u f u f
u

) cos 1 ( . sin . cos

) . ( . sin cos
) ( ) ( ) (
2
2 2
2 1
2

+ =

+ +
|
|
|

\
|

=
+ =
=









D) Tableau rsumant la classification

Dimension de lespace
des invariants
Nature Matrice dans une base adapte
) (E SO
3
E
Id
|
|

\
|
1 0 0
0 1 0
0 0 1
dans toute base
1
Rotation dangle non
nul daxe ) , ( k D


|
|

\
|
1 0 0
0 cos sin
0 sin cos


dans toute base
orthonorme directe dont le
troisime vecteur est
k
k

) ( \ ) ( E SO E O
2 Rflexion de plan P
|
|

\
|
1 0 0
0 1 0
0 0 1
dans une base
orthonormale dont les deux
premiers vecteurs sont dans P.
0
Compose dune rotation
dangle non nul daxe
) , ( k D

et dune rflexion
de plan orthogonal
laxe de rotation
|
|

\
|

1 0 0
0 cos sin
0 sin cos


dans toute base
orthonorme directe dont le
troisime vecteur est
k
k

E) Compose de rflexions

Proposition :
La compose de deux rflexions est une rotation.
Plus prcisment :
Si
1
s et
2
s sont deux rflexions de plans
1
P et
2
P , alors :
Si
2 1
s s = , alors
E
s s Id
2 1
= .
A.Benhari 126

Sinon,
2 1
s s est une rotation daxe port par
2 1
P P .
Dmonstration :
- ) (
2 1
E SO s s : vident ; cest la compose de deux isomtries indirectes.
- Si
2 1
s s ,
2 1
s s est une rotation autre que
E
Id . De plus, les lments de
2 1
P P sont invariants par
2 1
s s (car u u s u s s u s s P P u = = = ) ( )) ( ( ) ( ,
1 2 1 2 1 2 1
)
Remarque :
1
P
2
P

D


2 1
s s est la rotation daxe ) , ( k D

et dangle 2 .

Proposition :
Toute rotation f est compose de deux rflexions par rapport des plans contenant
laxe de rotation, lune des deux rflexions pouvant tre prise quelconque (mais
contenant laxe tout de mme)
Dmonstration :
Soit
1
P un plan contenant laxe D de f,
1
s la rflexion de plan
1
P .
Alors ) ( \ ) (
1
E SO E O f s , et f s
1
laisse les lments de D invariants. Donc
0 )) Id dim(ker(
E
f . Donc f s
1
est une rflexion
2
s , de plan contenant D.
Donc
2 1
s f s = . Donc
2 1
s s f = . On procde de mme avec
1
s f
Consquence :
Le groupe ) (E O est engendr par les rflexions. Plus prcisment, tout lment de
) (E O peut scrire comme produit de 0, 1, 2 ou 3 rflexions.


LII Divers angles non orients en dimension 3

De vecteurs v u

, :
Langle non orient ) , ( v u

est le rel [ ] , 0 tel que
v u
v u

= cos .
De droites
2 1
, D D :
Langle non orient ) , (
2 1
D D est le rel
(

2
, 0

tel que
v u
v u

= cos ,
O ) ( Vect
1
u D

= , et ) ( Vect
2
v D

=
De plans
2 1
, P P :
Cest langle non orient des normales
2 1
, N N aux deux plans.
Cest aussi celui de
2 1
, D D , o

= ) (
2 1
P P P , P P D =
1 1
, P P D =
2 2
.
A.Benhari 127

2
D
2
P
1
P
1
D
2 1
P P

Dun plan P avec une droite D.
Cest langle entre D et sa projection orthogonale sur P.
(dfinition non valable si

= P D )
Cest aussi ) , (
2
N D

, o

= P N
' D



LIII Dfinitions et notations
A) Dfinition

Soit E un R-espace vectoriel.
Dfinition :
Un espace affine attach E est une couple ) , ( + form dun ensemble non
vide et dune loi externe + qui un couple ) , ( u A de E associe un lment u A+ de
vrifiant les axiomes suivants :
u A B E u B A
v u A v u A E v u A
A A A
+ =
+ + = + +
= +
, ! , , ) 3 (
) ( ) ( , , , ) 2 (
0 , ) 1 (

Si est un espace affine attach E :
- On dit que E est lespace vectoriel directeur de ;
- Les lments de sont appels des points, et ceux de E des vecteurs ;
- Si E est de dimension finie n, on dit que est de dimension finie n.


B) Translation

Soit un espace affine attach E.
Pour chaque E u , lapplication de dans qui M associe u M + est appele
la translation de vecteur u, nous la noterons
u
t . Les axiomes (1), (2), (3) reviennent ainsi
dire que :
Espaces affines
A.Benhari 128

B A t E u B A
t t t E v u
t
u
v u v u
=
=
=
+
) ( , ! , , ) 3 (
, , ) 2 (
Id ) 1 (
0

C) Vecteur dfini par deux point

Soit un espace affine attach E.
Etant donns deux points A et B de , lunique vecteur tel que u A B + = est not
AB . Les trois axiomes, joints cette dfinition, donnent alors les rsultats suivants :
AB u u A B E u B A = + = , , ,
Cest en effet la dfinition de AB , possible grce laxiome (3).
En plus, laxiome (1) donne, en particulier : 0 , ,

= = AB A B B A .
Relation de Chasles : AC BC AB C B A = + , , , .
En effet, daprs laxiome (2) : C BC B BC AB A BC AB A = + = + + = + + ) ( ) ( .
AB BA B A = , , ; en effet, 0

= = + AA BA AB .
D) Exemples et visualisation

On considre un R-ev E de dimension 2, une base ) , ( j i

de E et un plan (ici le
plan de la feuille) :
i

Exemple : Si E est un R-ev, alors E est naturellement un espace affine attach E,
o la loi "+" externe est la mme que la loi + interne. En effet :
) ! ! est (c' , ! , , ) 3 (
) ( ) ( , , , ) 2 (
0 , ) 1 (
a b u a b E u E b a
v u a v u a E v u E a
a a E a
+ =
+ + = + +
= +


AB
) 2 , 1 (
) 3 , 3 (
) 1 , 2 (
=
=
=
AB
B
A



LIV Repres dun espace affine de dimension finie

Dans ce paragraphe, dsigne un espace affine attach E de dimension finie n.

A) Dfinitions

A.Benhari 129

Dfinition :
Un repre de est un couple ) , ( B R O = form dun point O de et dune base
) ,..., , (
2 1 n
e e e = B de E.
Considrons un repre ) , ( B R O = de , avec ) ,..., , (
2 1 n
e e e = B .
Le point O est appel origine du repre, et les vecteurs
n
e e e ,..., ,
2 1
sont appels les
vecteurs de base du repre. Pour tout point M de , les composantes du vecteur OM
dans la base B sont appeles les coordonnes de M dans le repre R. Ainsi, les
coordonnes
n
x x x ,..., ,
2 1
de M dans R son caractrises par lgalit :
n n
e x e x e x OM + + + = ...
2 2 1 1
. Lorsquil ny a pas dambigut sur le repre R, on
note
|
|
|

\
|
n
x
x
M
1
.
Remarque :
Si, dans le repre R,
|
|
|

\
|
n
a
a
A
1
et
|
|
|

\
|
n
b
b
B
1
, alors, dans la base B,
|
|
|

\
|

n n
a b
a b
AB
1 1
.
En effet, OA OB OB AO AB = + =
Les points tant reprs par leurs coordonnes, on peut aussi dfinir la notion
dquation dans un repre :
Si f est une fonction relle dfinie sur une partie K de
n
R , la partie de
dquation 0 ) ,... , (
2 1
=
n
x x x f dans R est par dfinition lensemble des points M de
dont les coordonnes ) ,... , (
2 1 n
x x x dans R vrifient :
K x x x
n
) ,... , (
2 1
et 0 ) ,... , (
2 1
=
n
x x x f .


B) Changement de repre

Soient ) , ( B R O = et ) ' , ' ( ' B R O = deux repres de , soit P la matrice de passage
de B B, et soit B la colonne des coordonnes de O dans R. Alors si M est un point de
, si X est la colonne des coordonnes de M dans R, et si ' X est la colonne des
coordonnes de M dans R, on a la relation : ' PX B X + = .
Dmonstration :
' X est la colonne des coordonnes de M O' dans R, donc selon les formules de
changement de base, ' PX est la colonne des coordonnes du mme vecteur M O' dans
R, et comme M O OO OM ' ' + = , la colonne des coordonnes de OM dans R est donc
' PX B X + = .


LV Barycentres

Dans ce paragraphe, dsigne un espace affine attach un espace vectoriel E.

A.Benhari 130

A) Dfinition

Thorme et dfinition :
Soit ) ,... , (
2 1 n
A A A une famille de n points de , et soit ) ,... , (
2 1 n
une famille
de n rels de somme non nulle. Alors il existe un unique point G tel que 0
1

n i
i i
GA ,
il est appel le barycentre des points pondrs [ ] n i A
i i
, 1 ), , ( .
Dmonstration :
Soit O un point quelconque de .
Alors, pour tout point M de , on a :
OM OA MA
n i
i
n i
i i
n i
i i
|

\
|
=

1 1 1

Comme 0
1

n i
i
, il existe bien un unique point G comme voulu, il est dfini par
lgalit :

=
n i
i i
n i
i
OA OG
1
1
1
) 1 (

Remarque :
Il rsulte de cette dmonstration que si 0
1
=

n i
i
, alors lapplication qui tout
point M de associe

n i
i i
MA
1
est constante.


B) Proprits

Dabord, on remarque que la formule (1) tablie prcdemment, valable pour tout
point O de , permet dobtenir aisment, lorsque est de dimension finie, les
coordonnes des ) , (
i i
A laide des coordonnes des
i
A dans un repre dorigine O.
Remarquons de plus que cette formule montre que le barycentre des ) , (
i i
A est
inchang lorsquon modifie lordre des ) , (
i i
A , et aussi lorsquon multiplie tous les
i

par un mme coefficient non nul. On peut ainsi se ramener au cas o les
i
sont de
somme 1.

Proposition ( associativit du barycentre) :
Soit [ ] n i A
i i
, 1 ), , ( une famille de n point pondrs de , avec 0
1

n i
i
.
Supposons que m est un entier tel que n m < 1 et 0
1

m i
i
.
On introduit alors le barycentre H des [ ] m i A
i i
, 1 ), , ( .
Alors le barycentre G des [ ] n i A
i i
, 1 ), , ( est aussi celui de ) , (
1

m i
i
H et des
[ ] n m i A
i i
, 1 ), , ( + .
En effet :
A.Benhari 131


< <
=

+ |

\
|
= + + |

\
|
= =
n i m
i i
m i
i
n i m
i i
m i
i i
m i
i
n i
i i
GA GH GA HA GH GA
1
0
1 1 1
0

.


LVI Sous-espaces affines

dsigne toujours un espace affine attach un espace vectoriel E.

A) Gnralits

Dfinition :
Soit F une partie de . On dit que F est un sous-espace affine de lorsque F est
non vide et est stable par barycentration , c'est--dire lorsque tout barycentre de
points de F est encore un point de F.
Visualisation en dimension 2 :
- Si on choisit un point de , tout barycentre de ce point est encore ce point.
Donc F est rduit un singleton.
- Si on prend deux points A et B distincts, on doit avoir toute la droite qui passe
par ces deux points. (et inversement, si un systme de points est sur la droite, le
barycentre y est alors aussi).

Ici :
AB AM
2
3
= . Donc M est barycentre de ) , (
2
1
A et ) , (
2
3
B (ou ) 1 , ( A et ) 3 , (B ) :
) ( 3 2 MB AM AM + = , soit 0 3

= + BM AM
- Avec trois points, on obtient une droite ou un plan (une droite si les vecteurs
forms par les trois points sont lis deux deux).
Proposition :
Soit F un sous-espace affine de .
Alors lensemble des vecteurs MN , M et N dcrivant F, est un sous-espace
vectoriel de E, appel la direction de F. On le note ) ( dir F .
Ainsi, on vrifie aisment que F est un espace affine attach ) ( dir F . (Les 3
axiomes vrifier sont des restrictions de ceux correspondant dans , et par
construction, F F F + u A u A

), ( dir ) , ( )
Dmonstration :
Notons { } F = N M MN F , , .
Alors dj F contient le vecteur nul, car AA = 0

, o A est un point quelconque de

F, qui est non vide.
Soient F v u , , et R . On introduit F D C B A , , , tels que AB u = et CD v =
Soit M tel que v u AM + = . Alors AD AC AB CD AB AM + = + = .
Donc M est barycentre de ) 1 , (B , ) , ( C et ) , ( D , donc F M , soit F v u + .
Exemple en dimension 2 :
A.Benhari 132


Thorme :
Soit F un sous-espace vectoriel de E, et soit A un point de . Alors il existe un et
un seul sous-espace affine de contenant A et de direction F, cest lensemble, quon
note F A + , des points u A+ , u dcrivant F, on encore lensemble des points M de
tels que F AM .
Dmonstration :
Notons F A+ = F . Montrons alors que F est un sous-espace affine de passant
par A et de direction F.
- Dj, F contient A car F 0

.
- F est un sous-espace affine de , car si M est un barycentre de points
[ ] n i M
i
, 1 , de F, alors AM est combinaison linaire des i AM , qui sont dans
F. Donc F AM , donc F M
- La direction de F est F : en effet, si M et N sont dans F, alors ) ( dir F MN , et
F AM AN MN = (donc F ) ( dir F ), et inversement, pour F u ,
u A B + = est dans F donc AB u = est dans la direction de F, do lgalit.
Supposons maintenant que F est un sous espace affine de contenant A et de
direction F :
- Dj, F F ' , puisque si ' F M , alors F AM , donc F M
- Ensuite, ' F F . En effet, si F M , alors F AM , donc BC AM = , o
' , F C B , et alors AB AC AM = , donc M est le barycentre de ) 1 , ( A , ) 1 , ( B
et ) 1 , (C . Donc ' F M
Do lgalit, et donc lunicit.
Remarque :
Si F est un sous-espace affine de , A un point de F, alors { } F F = M AM, ) ( dir .
En effet :
Selon le thorme, si on note ) ( dir F = F , alors { } F AM M = , F .
Si F u , alors F + = u A M puisque F AM u = . Donc AM u = avec F M
Si u scrit AM u = , o F M , alors F u = ) ( dir F car F M A, .
Vocabulaire :
Un sous-espace affine dont la direction est de dimension finie p est dit de
dimension p.
Un sous-espace de dimension 1 est appel une droite affine, et un sous-espace de
dimension 2 est appel un plan affine.
Un sous-espace affine de dimension 0 nest rien dautre quun singleton.


A.Benhari 133

B) Paralllisme et inclusion entre deux sous-espaces affines

Proposition :
Soient F et G deux sous-espaces affines de , de directions respectives F et G.
Si G F , alors G F .
Inversement, si G F et G F est non vide, alors G F .
En effet :
Soient F et G deux sous-espaces affines de , notons ) ( dir F = F , ) ( dir G = G .
Si G F , alors { } { } G N M MN N M MN F = = G F , , , ,
Si G F et G F est non vide : soit G F A .
Alors { } { } G F = = G AM M F AM M , , .

Deux sous-espaces affines sont dits parallles (au sens fort) lorsquils ont la mme
direction, et plus gnralement sont dits parallles (au sens faible) lorsquil y a une
inclusion entre leurs directions. On peut souvent se permettre de ne pas prciser : si par
exemple on parle dun plan et dune droite parallles, il sagit bien videmment de
paralllisme au sens faible.
Il rsulte de la proposition prcdente que si deux sous-espaces affines sont
parallles au sens fort, alors ils sont soit disjoints soit gaux.
On remarque aussi que, en dimension finie, une inclusion entre deux sous-espaces
affines de mme dimension finie p implique leur galit.
En effet, en introduisant les mmes notations que dans la proposition :
Si G F , alors G F ; or, p G F = = ) dim( ) dim( , donc G F = .
Donc F G , et G F (car F est non vide et G F ), donc F G .


C) Intersection entre deux sous-espaces affines

Proposition :
Soient F, G deux sous-espaces affines de , de directions respectives F et G. Alors
G F est soit vide, soit un sous-espace affine de de direction G F .
Dmonstration :
Supposons G F .
Soit alors G F A . Alors :
{ } F AM M = , F
{ } G AM M = , G
Donc { } { } G F , et , = = AM M F AM G AM M G F
On reconnat le sous-espace affine de passant par A et de direction le sous-
espace vectoriel G F de E.
Proposition (prcision de certains cas par rapport la proposition prcdente) :
Soient F, G deux sous-espaces affines de , de directions respectives F et G.
Si { } 0 = G F , alors G F est soit vide soit un singleton
Si E G F = + , alors G F nest pas vide.
Si G F , alors G F est vide ou G F .
Dmonstration :
A.Benhari 134

Si G F nest pas vide, alors cest un sous-espace vectoriel de dimension la
dimension de { } 0 , c'est--dire de dimension 0.
Supposons que E G F = + .
Soient G F B A , . Alors

G F
v u AB

+ =

.
Soit u A C

+ = . Alors F C .
Mais ) ( ) ( ) ( )) ( ( v B v AB A v AB A u A C

+ = + + = + + = + = .
Donc G C .
F A
G B

Cest la proposition vue dans le sous paragraphe prcdent.

Il rsulte de cette proposition que si F et G sont deux sous-espaces affines de de
directions supplmentaires, alors G F est un singleton.




D) Equations et paramtrages en dimension 2 ou 3.
1) En dimension 2

Ici, dsigne un espace affine de dimension 2, quon munit dun repre
)) , ( , ( j i O

= R (On peut ne pas mettre les parenthses : ) , , ( j i O

= R )
Paramtrage dune droite :
Soit D une droite de , dfinie par un point A et sa direction F.
Alors F AM M D
Supposons que ) ( Vect u F

= , o { } 0 \ E u

.
Alors u t AM t M

. , = R D .
Soit { } R + = t u t A , .

D .
Ou encore, avec
|
|

\
|
|
|

\
|

u
b
a
A

, :

+ =
+ =
|

\
|

t b y
t a x
t M
y
x
, R D
Remarque :
Si D est donne par deux points A, A distincts.
On peut se ramener au cas prcdent avec ' AA u =

ou exploiter les
barycentres :
( )

+ =
+ =

= |

\
|
' ) 1 ( .
' ) 1 ( .
,
) 1 , ' ( ), , ( bary ,
b t b t y
a t a t x
t
t A t A M t M
y
x
R
R D

Avec
|
|

\
|
|
|

\
|
'
'
' ,
b
a
A
b
a
A .
Equation :
A.Benhari 135

Soit D passant par A de direction F.
F est une droite vectorielle en dimension 2, soit un hyperplan, donc admet
dans ) , ( j i

une quation du type 0 . . = + y x . Alors :
b a h h y x
A M b y a x
F AM M
b
a
y
x
. . o , . .
, o , 0 ) ( ) (


+ = = +
|

\
|
|

\
|
= +
D

Inversement, une partie de admettant une quation du type h y x = + . . ,
o ) 0 , 0 ( ) , ( est la droite affine de direction 0 . . : = + y x D passant par A
o |

\
|
b
a
A est tel que h b a = + . . .
Remarque :
Si D passe par |

\
|
0
0
y
x
A et est dirige par |

\
|
b
a
u

, alors :
0
lie est ) , (
0
0
=

\
|
b y y
a x x
u AM M
y
x

D

2) En dimension 3

- Reprsentation paramtrique de droite :
Soit D passant par
|
|

\
|
0
0
0
z
y
x
A dirig par
|
|

\
|

Alors :

+ =
+ =
+ =

=

|
|

\
|

t z z
t y y
t x x
t
u t AM t
u AM M
z
y
x
0
0
0
,
. ,
colinaire est
R
R

D

- Pour les plans :
Soit P passant par
|
|

\
|
0
0
0
z
y
x
A de direction 0 : = + + cz by ax P .
Alors :
h cz by ax
z z c y y b x x a
P AM M
z
y
x
= + +
= + +

|
|

\
|
0 ) ( ) ( ) (
0 0 0
P

A.Benhari 136

Inversement, si h cz by ax = + + : P avec ) 0 , 0 , 0 ( ) , , ( c b a , alors P est un
plan de direction 0 : = + + cz by ax P passant par A o
|
|

\
|
0
0
0
z
y
x
A est tel que
h cz by ax = + +
0 0 0
.
Paramtrage dun plan, obtention pratique dune quation de plan P donn
par
|
|

\
|
0
0
0
z
y
x
A et
|
|

\
|

,
|
|

\
|
'
'
'

engendrant la direction de P :

+ + =
+ + =
+ + =

+ =

|
|

\
|
'
'
'
, ,
. . , ,
) , ( Vect
0
0
0



s t z z
s t y y
s t x x
s t
v s u t AM s t
v u AM M
z
y
x
R
R


P







Ou alors :
0
'
'
'
0 ) , , ( det
) , ( Vect
0
0
0
=

=

|
|

\
|



z z
y y
x x
AM v u
v u AM M
z
y
x


B
P



LVII Applications affines

et ' dsignent ici des espaces affines attachs des espaces vectoriels E et E.

A) Gnralits

Dfinition :
Soit f une application de dans ' . On dit que f est affine lorsque f conserve les
barycentres, c'est--dire lorsque limage dun barycentre de points de est le barycentre
des images de ces points, affects des mmes coefficients.

Proposition, dfinition :
A.Benhari 137

Soit f une application affine de dans ' . Il existe une unique application de E
dans E telle que ) ( ) ( ) ( , , MN M f N f N M + = .
Cette application est linaire et est appele la partie linaire de f, note f Lin
Dmonstration :
Dans cette dmonstration, on convient que pour un point de dsign par une
lettre, la mme lettre avec un prime dsigne son image par f.
Dj, lgalit ) ( ) ( ) ( MN M f N f + = quivaut lgalit ' ' ) ( N M MN = .
Comme tout vecteur de E scrit MN , o N M, , il nous faut donc montrer que
' ' N M ne dpend que du vecteur MN et non pas des points M et N.
Supposons alors que M, N, P, Q sont quatre points de tels que PQ MN = .
On a alors PM PN PQ = , donc Q est barycentre de ) 1 , ( ), 1 , ( ), 1 , ( M N P .
Donc Q est barycentre de ) 1 , ' ( ), 1 , ' ( ), 1 , ' ( M N P , puisque f est affine.
Donc ' ' ' ' Q P N M = .
On introduit ainsi lunique application de E dans E qui un vecteur u de E
associe le vecteur ' ' ) ( N M u = , o M et N sont deux points de tels que MN u = .
Alors est linaire :
Soient u, v deux vecteurs de E, et un rel.
On note O, M, N, P des points de tels que u OM = , v ON = et v u OP + = .
On a alors ON OM OP + = . Donc P est le barycentre de ) , ( ), 1 , ( ), , ( N M O ,
donc P est barycentre de ) , ' ( ), 1 , ' ( ), , ' ( N M O .
Donc ) ( ) ( ' ' ' ' ' ' ) ( ) ( ON OM N O M O P O OP v u + = + = = = +
Soit ) ( ) ( ) ( v u v u + = + .
Thorme :
Soit A un point de , A un point de ' et une application linaire de E dans E.
Il existe une unique application affine f de dans ' de partie linaire et telle
que ' ) ( A A f = , et cest lapplication f dfinie par ) ( ' ) ( , AM A M f M + = .
Dmonstration :
Compte tenu de la proposition prcdente, si f est affine, de partie linaire et est
telle que ' ) ( A A f = , alors ) ( ' ) ( , AM A M f M + = . Soit alors f dfinie ainsi.
Dj, 0 ) 0 (

= car est linaire. Donc ' ) ( A A f = .
De plus, f est affine : si M est le barycentre des ) , (
i i
M , avec 1 =
i
, on a,
toujours en notant avec des primes les images des points de par f :

= = = =
i i i i i i
M A AM AM AM M A ' ' ) ( ) ( ) ( ' ' . Donc M est le
barycentre des ) , ' (
i i
M .
Enfin, la partie linaire de f est :
Soit u un vecteur de E, notons M le point de tel que u AM = et M son image
par f. Alors limage de u par la partie linaire de f est ' ' M A , qui nest autre que ) (AM ,
soit ) (u .
Remarque :
A.Benhari 138

Il en rsulte que, tant donn un point A quelconque de , une application f de
dans ' est affine si et seulement si lapplication dfinie par
) ( ) ( ) ( , u A f u A f E u + = + est linaire, et dans ce cas f est lapplication affine de
partie linaire qui envoie A sur f(A).


B) Exemples

Les applications
b ax x +

R R , a et b dcrivant R, sont des applications affines

de lespace affine R vers lui-mme, et ce sont les seules.
En effet :
Lapplication b ax x + est lapplication qui envoie 0 sur b et de partie linaire
ax x , et cest la seule possibilit ( R ) 0 ( f , et les applications linaires de R dans R
sont les ax x )
Soit P un plan affine, muni dun repre ) , , ( j i O

. Les translations sont
exactement les applications affines de partie linaire
E
Id (valable en toute
dimension)
Dmonstration :
Dj, une translation est bien affine puisque si un point M est barycentre des
) , (
i i
M , i dcrivant un ensemble I fini, en notant
i
M' les images par la translation des
i
M , 0 ) ' ' ( ' '

= = + + =

I i
i i
I i
u
i i i
u
i
I i
i i
MM M M MM M M M M .
Donc une translation est stable par barycentration, donc est affine.
Soit f une translation de vecteur E u

, sa partie linaire.
Soit A un point de , et u A A f A

+ = = ) ( ' (donc ' AA u =

).
Soit alors un autre point M de , M sont image et v

tel que v A M

+ = . On a :
) ( ' ) ( ) ( ' v A v A f M f M

+ = + = = , et u M M

+ = ' , soit ' MM u =

Donc v AM u AM u MM AM A A M A v

= = + + = + + = = ' ' ' ' ) ( .
Or, tout vecteur de E scrit AM , o M est un point de . Donc
E
Id = .
Rciproquement, soit f une application affine telle que sa partie linaire soit
E
Id .
Soit A un point de , et ) ( ' A f A = .
Alors, pour tout point M de , on a :
' ' ' ' ' ) ( ) ( AA M M A AA A AM A AM A f M f + = + + = + = + = .
Donc f est la translation de vecteur ' AA .


C) Applications affines et composition

Proposition :
Soient ' : f , ' ' ' : g deux applications affines.
Alors f g est affine, et ) Lin ( ) Lin ( ) ( Lin f g f g =
Dmonstration :
Soit f Lin = , g Lin = .
A.Benhari 139

Soit A E u ,
)) ( ( )) ( ( )) ( ) ( ( )) ( ( ) ( u A f g u A f g u A f g u A f g + = + = + = +
Ainsi, ) )( ( ) )( ( ) )( ( , , u A f g u A f g E u A + = +
Ce qui montre que f g est affine et ) Lin ( ) Lin ( ) ( Lin f g f g =
Proposition :
Soit ' : f . Alors :
f est injective f Lin est injective,
f est surjective f Lin est surjective,
f est bijective f Lin est bijective,
Et dans ce dernier cas
1
f est affine et
1 1
) Lin ( ) ( Lin

= f f
Dmonstration :
Soit f une application affine, et sa partie linaire.
Supposons f injective. Soient E v u

, . Supposons que ) ( ) ( v u

= . Soit A un
point de . Alors ) ( ) ( ) ( ) ( v A f u A f

+ = + . Donc ) ( ) ( v A f u A f

+ = + , donc,
comme f est injective, v A u A

+ = + , donc 0

= = AA u v , do v u

= , donc est
injective.
Supposons f non injective. Soient alors A, A deux points distincts de tels que
) ' ( ) ( A f A f = . Alors ) ' ( ) ' ( ) ' ( ) ( ) ' ( ) ' ( AA A f AA A f AA A f A f + = + = + = . Donc
0 ) ' (

= AA , et comme 0 '

AA , on a { } 0 ker

, c'est--dire que nest pas injective.
Do la premire quivalence.
Supposons f surjective. Soit ' E v

. Soient ' ' , ' N M tels que ' ' N M v =

. Alors,
comme f est surjective, il existe N M, tels que ) ( ' ), ( ' N f N M f M = = . Alors
) ( ' ) ( ) ( ' MN M MN M f N f N + = + = = . Donc ' ' ) ( N M MN = . On a donc trouv
E u

( savoir MN ) tel que v u

= ) ( . Donc est surjective.
Supposons surjective. Soit alors A , ) ( ' A f A = . Soit alors ' ' M . Comme
est surjective, il existe E u

tel que ' ' ) ( M A u =

. Alors ' ' ' ' ) ( M M A A u A f = + = +

.
On a donc trouv M ( savoir u A

+ ) tel que ' ) ( M M f = . Comme ce rsultat est
valable pour tout ' ' M , f est bien surjective.
Do la deuxime quivalence, puis la troisime qui dcoule des deux autres.
Supposons f bijective. Montrons que
1
f est affine, et que
1 1
) ( Lin

= f .
Comme f est bijective, lest aussi, et on introduit alors
1
. Soit A un point de
, et ) ( ' A f A = . Soit alors g lapplication affine de ' dans telle que A A g = ) ' ( et de
partie linaire
1
. Ainsi, ) ' ( ) ( , '
1
M A A M g M

+ =
Alors, pour tout ' M :
M M A A f M A A f M g f M g f
M A
A
= + = + = =

'
1
'
1
)) ' ( ( ) ( )) ' ( ( )) ( ( ) )( (
Et, pour tout M :
M AM A g AM A g M f g M f g
AM
A
= + = + = =


)) ( ( ) ' ( )) ( ' ( )) ( ( ) )( (
1

Donc
E
f g g f Id = = . Donc
1
= f g , et comme g est affine de partie linaire
1
,
1
f est bien affine, et
1 1 1
) Lin ( ) ( Lin

= = f f .
A.Benhari 140

Proposition, dfinition :
On note ) ( GA lensemble des applications affines bijectives de dans . Alors
) ), ( ( GA est un groupe, appel le groupe affine de .
(La dmonstration est immdiate, compte tenu des propositions prcdentes).


D) Application affine, et sous-espace affine

Thorme :
Soit ' : f affine, de partie linaire .
Soit F un sous-espace affine de , de direction F.
Alors ) (F f est un sous-espace affine de ' , de direction ) (F
Soit G un sous-espace affine de ' , de direction G.
Alors ) (
1
G

f est vide ou est un sous-espace affine de , de direction ) (

1
G

.
Dmonstration (on se place chaque fois dans les hypothses du thorme) :
Soit M le barycentre de ) , (
i i
M , i dcrivant I fini, o les ) (F f M
i
et
0

I i
i
. Montrons que ) (F f M .
Soit
I i i
A

) ( une famille finie de points de telle que
i i
M A f I i = ) ( , (qui
existe puisque les
i
M sont dans ) (F f ). Soit A le barycentre des I i A
i i
), , ( .
Alors, comme f est affine, ) ( A f est le barycentre des I i A f
i i
), ), ( ( , c'est--
dire des I i M
i i
), , ( . Donc, par unicit du barycentre, M A f = ) ( . Donc ) (F f M .
Donc ) (F f est stable par barycentration et non vide, donc affine.
Soit ) ( ' F f A . Alors { } ) ( ' , ' ' )) ( ( dir F F f M M A f = .
Montrons que ) ( )) ( ( dir F f = F :
- Soit )) ( ( dir F f u

Soit ) ( ' F f M tel que ' ' M A u =

.
Soient F M A, tels que ' ) ( M M f = et ' ) ( A A f =
Alors F AM , et ) ( ' ) ( ) ( ) ( ) ( ' AM A AM A f AM A f M f M + = + = + = = .
Donc ' ' ) ( M A AM = .
Donc ) ( ' ' F M A , c'est--dire ) (F u

, do une premire inclusion.

- Soit ) (F v

Soit F u

tel que v u

= ) ( .
Soit ' M tel que v M A

= ' ' . On doit alors montrer que ) ( ' F f M .
Soit F A tel que ' ) ( A A f = , et F M tel que u AM

= .
Alors ' ' ) ( ) ( M v A u A f M f = + = + =

. Donc ) ( ' F f M (puisque F M ).
Donc )) ( ( dir F f v

, do lautre inclusion, et lgalit.

Supposons que ) (
1
G

f nest pas vide :

Soit M le barycentre de ) , (
i i
M , i dcrivant I fini, o les ) (
1
G

f M
i
et
0

I i
i
. Montrons que ) (
1
G

f M .
Alors ) (M f est le barycentre des ) ), ( (
i i
M f , car f est affine.
A.Benhari 141

Donc G ) (M f , car G est stable par barycentration.
Donc ) (
1
G

f M .
Donc ) (
1
G

f est stable par barycentration et non vide, donc cest un sous-espace

affine de .
Donc ) (
1
G

f est soit vide, soit un sous-espace affine de .

Supposons ici que ) (
1
G

f est non vide (cest donc un sous-espace affine de ).

Soit ) (
1
G

f A . Alors { } ) ( , )) ( ( dir
1 1
G G

= f M AM f .
Montrons que ) ( )) ( ( dir
1 1
G f

= G .
- Soit )) ( ( dir
1
G

f u

.
Soit ) (
1
G

f M tel que AM u =

.
On note ) ( ' M f M = , ) ( ' A f A = .
Alors ) ( ' ) ( ) ( ' u A u A f M f M

+ = + = = . Donc ' ' ) ( M A u =

.
Or, G ' A et G ' M (car ) ( ,
1
G

f M A ).
Donc G u ) (

. Donc ) (
1
G u

. Do une premire inclusion.

- Soit maintenant ) (
1
G u

.
Soit M tel que AM u =

. Posons ) ( ' A f A = (ainsi, G ' A ).

Alors

) ( ' ) ( ) (
G
u A AM A f M f

+ = + =

G
, soit G ) (M f , do ) (
1
G

f M .
De plus, ) (
1
G

f A . Donc )) ( ( dir
1
G

= f AM u

.
Do lautre inclusion et lgalit.
LVIII Applications affines particulires

dsigne un espace affine directeur de E.

A) Translations

Rappel :
Soit E u

. La translation de vecteur u

est lapplication
u M M
t
u

+
: .
Proposition :
Lensemble des translations sur est un sous-groupe de ) ( GA , not ) ( T .
) ( T est exactement lensemble des applications affines de dans dont la
partie linaire est
E
Id
Dmonstration :
On a dj vu que lensemble des translations sur est lensemble des applications
affines de partie linaire lidentit.
De plus, lapplication
u
t u
GA E

) ( est videmment un morphisme injectif du

groupe ) , ( + E vers le groupe ) ), ( ( GA . Donc limage de ce morphisme, c'est--dire
) ( T , est un sous-groupe de ) ), ( ( GA (et ) ), ( ( T est isomorphe ) , ( + E )


B) Homothties
A.Benhari 142


Dfinition :
Soit R , et soit . Lhomothtie affine de centre et de rapport ,
quon note ici
,
h est lapplication :
M M +

(c'est--dire que limage de M est

le point M tel que M M = . ' )
Proposition :
Pour : f , on a lquivalence :
f est une homothtie affine f est affine, admet au moins un point fixe et la
partie linaire de f est une homothtie vectorielle.
Pour et R , on a :
- Si 0 , alors
,
h est bijective et
/ 1 ,
1
,
) (

= h h .
- Si 1 = ,

Id
,
=

h .
- Si 1 ,
,
h a un unique point fixe, savoir .
En effet :
Si f est une homothtie affine de centre et de rapport :
Alors f est bien affine, admet comme point fixe (car = + = . ) ( f ), et
est de partie linaire M M . : , qui est bien une homothtie vectorielle.
Rciproquement, si f est affine, admet au moins un point fixe et la partie
linaire de f est une homothtie vectorielle de rapport , alors, pour tout M :
M M f M f M f + = + = + = . ) ( ) ( ) ( ) (
Donc f est bien une homothtie affine (de rapport et de centre )
Si 0 , alors
/ 1 ,
h est bien dfinie, et on a, pour tout M :
M M M
M M h
M h M h h M h h
= + = + =
+ = + =
+ = =

1
1 1
,
1
, / 1 , , / 1 , ,
) ( ) ( ) (
) ( )) ( ( ) )( (

(O on a not

lhomothtie vectorielle de rapport )

Donc

Id
/ 1 , ,
=

h h , et de mme

Id
, / 1 ,
=

h h . Donc
,
h est inversible,
dinverse
/ 1 ,
h , donc est bijective.
Si 1 = , alors, pour tout M : M M M h = + =

. 1 ) (
1 ,
donc

Id
1 ,
=

h .
Si 1 . Soit M .
Si M M h =

) (
,
, alors M M = + . , soit M M = . , donc 0 ). 1 (

= M ,
donc 0

= M car 1 . Donc = M . Rciproquement, est bien fixe par

,
h .

Cas particulier :
Lhomothtie de centre et de rapport -1 est aussi appele la symtrie par rapport
.

Thorme :
Lensemble des applications affines dont la partie linaire est une homothtie
vectorielle de rapport non nul est un sous-groupe de ) ( GA , constitu de la runion de
A.Benhari 143

lensemble des translations sur et de lensemble des homothties affines de rapport
non nul.
Ce sous-groupe est appel le groupe des homothtiestranslations de , not
) ( HT .
Dmonstration :
Notons ) ( HT lensemble des applications affines de dont la partie linaire est
une homothtie vectorielle de rapport non nul.
Dj, il est facile de voir que ) ( HT est contenu dans ) ( GA , contient

Id , est
stable par et passage linverse (daprs la proposition prcdente), donc
cest bien un sous-groupe de ) ( GA .
Ensuite, ) ( HT contient videmment ) ( T et lensemble des homothties
affines de rapport non nul.
Soit maintenant ) ( HT f :
Soit * R tel que la partie linaire de f soit
E
Id . .
- Si 1 = , f est une translation.
- Si 1 , montrons que f est une homothtie :
Selon la proprit prcdente, il suffit de montrer que f admet un point fixe.
Soit A , posons ) ( ' A f A = . Alors, pour tout M :
AM A AM A f M f . ' ) ( ) ( + = + = .
Donc M M A AM M M f = = ' . ) ( est barycentre de ) 1 , ' ( ), , ( A A .
Donc f a bien un point fixe, et est bien une homothtie.


Remarque :
Lensemble des homothties affines de nest pas stable par :
En effet, si { } 1 , 0 \ R , et si
2 1
, alors
/ 1 , ,
1 2

h h est une translation
puisque sa partie linaire est lidentit, et de vecteur non nul car limage de
1
est :
1 1 2 2 1 , 1
. ) ( '
2
+ = =

h car
1 2 1 2
. .
Remarque :
Si ) ( HT f , limage dun sous-espace affine F de par f est un sous-espace
affine F parallle F. (puisque si on note F la direction de F, F celle de F, et la
partie linaire de f, alors F F F = = ) ( ' ).
Application : Thals
Soient
1
D et
2
D deux droites scantes en dun plan affine.
Soient
1 1 1
' , D A A ,
2 2 2
' , D A A de sorte que ) ' ' //( ) (
2 1 2 1
A A A A .
Alors si R est tel que
1 1
' A A = , on a
2 2
' A A = .
Dmonstration :
Lhomothtie h de centre et de rapport envoie
1
A sur
1
' A .
Limage de
2
D par h est
2
D (car cest une droite parallle
2
D qui doit passer par
= ) ( h )
Limage de ) (
2 1
A A par h est ) ' ' (
2 1
A A (car cest une droite parallle ) (
2 1
A A qui
passe par
1 1
' ) ( A A h = )
A.Benhari 144

Donc, puisque ) , (
2 1 2 2
A A A D , on a ) ' , ' ( ) (
2 1 2 2
A A A h D , donc
2 2
' ) ( A A h = ,
do
2 2
' A A = .


C) Projections

Proposition et dfinition :
Soient F et G deux sous-espaces supplmentaires de E.
Soit F un sous-espace affine de de direction F.
Pour chaque M , notons
M
G le sous-espace affine de passant par M et de
direction G, alors
M
G rencontre F en un unique point M.
Lapplication ' : M M p , de dans , ainsi dfinie, sappelle la projection
affine sur F suivant la direction G, et on a les proprits :
p est affine, sa partie linaire est la projection vectorielle sur F selon G.
Lensemble des points fixes par p est F.
p p p =
Dmonstration :
- Soit M . Alors F G
M
est bien un singleton, puisque G F E = (vu en
IV C)). La dfinition de p a bien un sens.
- Soit F A . Alors
A
A G et F A , donc { } A
A
= F G , donc A A p = ) ( .
Soit maintenant M , quelconque. Notons ) ( ' M p M = .
Alors M M AM AM ' ' + = et

) ' , (car '
) ' , (car '
M
M M G MM
M A F AM
G
F

Donc ) ( ' AM AM = , o est la projection vectorielle sur F paralllement G,
et
) ( ) ( ' ' ) ( AM A p AM A M M p + = + = =
Donc p est affine, de partie linaire .
- On a vu que si F A , alors A A p = ) ( .
Rciproquement, si A A p = ) ( , alors comme F ) ( A p par dfinition, on a F A .
- Comme F ) ( , M p M et comme les lments de F sont invariants par p,
on a bien p p p = .
Dessin illustrant la proposition la dfinition, et sa dmonstration en dimension 3
lorsque F est un plan affine (et donc G une droite vectorielle) :
M
G

Remarque pratique :
Le point M tel que ' ) ( M M p = est caractris par F ' M et
M
M G ' , ou encore :
G MM M M M p = ' et ' ' ) ( F .
Exemple :
A.Benhari 145

Dans
3
R affine rapport son repre canonique, on veut limage de ) , , ( z y x M
par la projection sur le plan P dquation 1 = + + z y x paralllement la direction du
vecteur ) 2 , 0 , 1 ( = u

.
On crira :
Soit ) ' , ' , ' ( ' z y x M limage cherche de M.
Alors P ' M et ' MM est colinaire u

.
Donc 1 ' ' ' = + + z y x et il existe R tel que

=
=
=

2 '
0 '
'
z z
y y
x x

Do 1 ) 2 ( ) ( = + + + + z y x , donc ) 1 (
3
1
z y x =
Ainsi,

+ = + =
=
+ = + =
) 2 2 2 ( 2 '
'
) 2 1 ( '
3
1
3
1
z y x z z
y y
z y x x x

D) Symtries

Soit F un sous-espace affine de , de direction F. Soit G un supplmentaire de F
dans E. La symtrie affine par rapport F selon la direction G est lapplication qui
M associe le point M tel que HM HM = ' o H dsigne la projection de M sur F
selon G.


Proposition :
Cette application est affine, et sa partie linaire nest autre que la symtrie
vectorielle par rapport F selon G.
Dmonstration :
Soit F A . Dj, A A f = ) ( .
Soit E E : dfinie par : ) ( ) ( , u A u A f E u

+ = + ,
C'est--dire telle que ) ( ' , AM A M M + = (o ) ( ' M f M = )
O encore telle que ' ) ( , AM AM M = .
On a alors :
HM AH HM AH AM = + = ' ' , et comme HM AH AM + = , est lapplication
qui

G F
v u

+ associe v u .
Donc est linaire, cest la symtrie par rapport F selon G, et f est affine, de
partie linaire .


E) Affinits

On suppose ici de dimension finie.
Dfinition :
Soit H un hyperplan de de direction H.
A.Benhari 146

Soit D une droite vectorielle non contenue dans H (ainsi, E D H = )
Soit * R . Laffinit (ou encore la dilatation) dhyperplan H, de direction D et
de rapport est lapplication
'
:
M M
f

o M est tel que mM mM = ' o m est la

projection de M sur H paralllement D.
Dessin en dimension 3, tude :
) (M p m =

Soit f laffinit dhyperplan H, de direction D, de rapport . Soit p la projection
affine sur H paralllement D :
Dj, les points de H sont invariants par f.
En effet, si H M , le point ) (M p m = concide avec M, donc ) ( ' M f M = est tel
que 0 '

= MM .
Soit maintenant H A , soit M , notons ) (M p m = et ) ( ' M f M = .
Alors par dfinition, mM Am A mM m M + + = + = ' .
Si on note lapplication linaire :
w v w v
E D H E
. + +
=

(C'est--dire que
2 1
. + = o
1
est la projection vectorielle sur H
paralllement D et
2
la projection vectorielle sur D paralllement H)
On a alors :

D H
mM Am AM

+ = , et donc ) ( . AM mM Am = +
Donc ) ( ) ( ) ( ' AM A f AM A M + = + =
Donc f est affine, et sa partie linaire est .
Comme 0 , on voit facilement que est bijective, donc que f lest.
De plus, si 1 = , f est videmment lidentit, mais pour 1 :
H = = = M M m mM mM M M f . ) ( .
Conclusion :
Soit f laffinit dhyperplan H, de direction D et de rapport 0 . Alors f est
affine et bijective, et si 1 , H est lensemble des points fixes par f (si 1 = ,

Id = f
).
Construction gomtrique :
En reprenant les notations prcdentes, on veut construire limage M dun point M
connaissant H, un point H A et son image A par f.
Comme H A , A A ' et la droite ) ' ( AA a la direction D.
- Si H // ) (MA :
Comme H est invariant par , on a :
AM M A AM = = ' ' ) ( , do on tire M :
A.Benhari 147


- Si ) (MA nest pas parallle H.
Soit I le point dintersection de ) (MA et H.
Alors limage de la droite ) (IA par f est la droite ) ' (IA (car cest une droite qui
passe par I I f = ) ( et ' ) ( A A f = ).
Notons alors
M
D la droite passant par M de direction D.
On a :
M
M D ' et ) ' ( ' IA M (car ) (IA M ).
Si
M
D et ) ' (IA sont scants, cela dtermine M, sinon cest que ) ' ( AA M :
On dtermine alors dabord limage dun point ) ' ( AA B , puis on dtermine
limage de M en utilisant B et B


F) Une remarque gnrale en dimension finie

Soit un espace affine de dimension finie n et de direction E.
Soit ) ,... , , (
2 1 n
e e e O = R un repre de et soit ) ,... , (
2 1 n
e e e = B la base
correspondante de E.
Les applications affines de sont les applications dtermines par des formules
du type ) ( ' ) ( OM O M f + = o ) (E L et ' O .



Ce qui correspond, sur les coordonnes dans R, de formules du type :

R
B
R
R dans de
s coordonne
2
1
dans
de matrice
dans
) ( ' de
s coordonne
2
1
dans ) ( de
s coordonne
2
1
'
'
'
M
n
O f O
n
M f
n
x
x
x
A
a
a
a
x
x
x
|
|
|
|
|

\
|
+
|
|
|
|
|

\
|
=
|
|
|
|
|

\
|
=


o ) (R
n
M A


LIX Parties convexes dun espace affine

dsigne toujours un espace affine.
Dfinition :
Soient B A, . Le segment ] , [ B A est lensemble des barycentres de A et B affects de
coefficients positifs.
Ainsi, { } ] 1 , 0 [ , . ] , [ + = t AB t A B A .
En effet, pour tout M :
A.Benhari 148

AB t AM t
t B t A M t
BM AM B A M
. ], 1 , 0 [
) , ( ), 1 , ( de barycentre est ], 1 , 0 [
0 et 0 , , ] , [
=

= + +
+

R

Dfinition :
Soit C une partie de . On dit que C est convexe lorsque :
C B A C B A ] , [ , ) , (
2
.
Proposition :
Soit C une partie de .
C est convexe si et seulement si tout barycentre de points de C affects de coefficients
positifs est dans C.
Dmonstration :
: cest un cas particulier avec seulement le barycentre de deux points.
: Supposons C convexe.
Montrons par rcurrence que, pour tout 2 n , tout barycentre de n points de C
affects de coefficients positifs est dans C. ( ) (n P )
Pour 2 = n , cela correspond la dfinition de la convexit.
Soit 2 n . Supposons ) (n P .
Soient maintenant ) , ),...( , ( ), , (
1 1 2 2 1 1 + + n n
M M M 1 + n points de C affects de
coefficients positifs (non tous nuls). Soit M le barycentre des n premiers. Alors, par
hypothse de rcurrence, C M . De plus, le barycentre de ) , ),...( , ( ), , (
1 1 2 2 1 1 + + n n
M M M
est le barycentre de ) , (
1

=
n
i
i
M et ) , (
1 1 + + n n
M , donc appartient C car C M M
n

+1
, et
0
1

=
n
i
i
. Ce qui achve la rcurrence.
Proposition :
Toute intersection de convexes est convexe.
En effet :
Soit
I i i
C

) ( une famille de convexes indexe par un ensemble I quelconque.
Notons

I i
i
C C

= .
Soient C B A , . Alors
i
C B A I i , , , donc
i
C B A I i ] , [ , , donc C B A ] , [ .
Donc C est convexe.
Dfinition, proposition :
On dfinit lenveloppe convexe dune partie P de comme lintersection de tous les
convexes qui contiennent P. Cest le plus petit convexe contenant P.
La dfinition a bien un sens, puisque lensemble
C
des convexes contenant P nest pas
vide (il contient dj ).
Cest bien le plus petit, puisque si un convexe C contient P, il contient ncessairement
lenveloppe convexe puisquil appartient
C
(puisque C X
C
X

).
Proposition :
Limage dun convexe par une application affine est un convexe.
Limage rciproque dun convexe par une application affine est un convexe.
Rsulte de la conservation des barycentres par une application affine.
A.Benhari 149


Exemples :
Un sous-espace affine de est bien sr convexe.
Un disque plein de
2
R (ensemble des r y x y x +
2 2 2
, ) , ( R ) est convexe.

Demi-espaces (ouverts) limits par un hyperplan :
On suppose de dimension finie n, muni dun repre R.
Soit H lhyperplan dquation h x a x a x a
n n
= + + + ...
2 2 1 1
dans R.
Soit
1
lensemble des points de dont les coordonnes ) ,... , (
2 1 n
x x x vrifient :
0 ...
2 2 1 1
> + + + h x a x a x a
n n

Et soit
2
lensemble des points de dont les coordonnes ) ,... , (
2 1 n
x x x vrifient :
0 ...
2 2 1 1
< + + + h x a x a x a
n n
.
Alors
1
et
2
sont convexes.
Dmonstration pour
1
:
Soient
1
, B A . Les ] , [ B A M scrivent AB t A . + avec ] 1 , 0 [ t , et en reportant dans
h x a x a x a
n n
+ + + ...
2 2 1 1
lexpression correspondante des coordonnes de M en fonction de t,
on obtient une fonction affine de t (du type q t p t + . ), donc une fonction monotone de t.
Comme cette fonction est par hypothse strictement positive en 0 = t et 1 = t , elle est donc
strictement positive sur tout ] 1 , 0 [ , do la convexit de
1
.
Remarque :
Les demi-espaces ferms limits par H sont bien sr aussi convexes (il suffit de
remplacer les ingalits strictes par des ingalits larges)
Remarque :
En reprenant largument prcdent et en utilisant cette fois la continuit de la fonction
affine de t introduite, on montre que tout segment joignant un point de
2
un point de
1

doit couper H.



LX Gnralits en dimension finie
A) Divers
1) Dfinition

Un espace affine euclidien, cest un espace affine attach un espace
vectoriel euclidien E.


2) Repre orthonorm

Cest un repre ) , ( B R O = o B est une base orthonorme de E.


3) Distances
Gomtrie dans un espace affine euclidien
A.Benhari 150


Pour AB B A d = ) , ( , not AB .
Lapplication
) , ( ) , ( B A d B A
R est bien une distance :
- d est valeurs dans
+
R
- B A B A d = = 0 ) , (
- ) , ( ) , ( B A d A B d =
- ) , ( ) , ( ) , ( B C d C A d B A d +
Si P est une partie non vide de , et A un point de , on dfinit :
{ } P P = M M A d A d ), , ( inf ) , (
Si
2 1
, P P sont deux parties non vides de , on dfinit :
{ }
2 2 1 1 2 1 2 1
, ), , ( inf ) , ( P P P P = M M M M d d

4) Notions dangle, dorthogonalit,

Ce sont les notions qui concernent les directions des sous-espaces affines
concerns.
Exemple :
Si
2 1
, D D sont deux droites affines de directions
2 1
, D D , langle non orient
)

, (
2 1
D D est langle non orient )

, (
2 1
D D .
Remarque :
droite : la demi-droite dorigine A et de vecteur 0

u , cest
{ }
+
+ R , .u A

.
Langle entre deux demi-droites est langle entre les vecteurs
correspondants.
5) Projection orthogonale

Soit F un sous-espace affine de .
Soit A .
La projection orthogonale de A sur F
df
= limage de A par le projecteur
orthogonal sur F = lunique point H de F tel que F AH (c'est--dire tel que

F AH o F est la direction de F).

Thorme :
La projection orthogonale H de A sur F est lunique point de F tel que
) , ( ) , ( H A d A d = F .
Dmonstration :
On note H le projet orthogonal de A sur F.
Pour F M ,
2 2 2
HM AH AM + = .
Donc AH AM , et il y a galit si et seulement si H M = .
Et comme F H , on a bien ) ( min AM AH
M F
= .


6) Les hyperplans
A.Benhari 151


Lhyperplan passant par A orthogonal { }
E
E n 0 \

, cest
{ } n AM M

= , H
Rciproque :
Lignes de niveau de lapplication
u AM M


R , o A et { }
E
E u 0 \

:
Pour R k , la ligne de niveau k de lapplication u AM M

, cest
{ } k u AM M
k
= =

, H .
On peut introduire H sur ) , ( u A

tel que
k
H H . En effet, il suffit de prendre
H tel que
2
.
u
u k
AH

= . Alors, pour tout M :

0 =
=
=
u HM
u AH u AM
k u AM M
k

H

Donc
k
H est lhyperplan orthogonal u

passant par H.
Cas particulier :
Hyperplan mdiateur de deux points distincts :
Soient B A, , distincts.
Soit { } { } BM AM M M B d M A d M = = = = , ) , ( ) , ( , M
Soit I le milieu de ] , [ B A .
Alors ) 2 ( ) ( ) (
2 2
2 2
IM AB BM AM BM AM BM AM BM AM = + = =
Donc 0 = = IM AB BM AM
Donc { } 0 , = = IM AB M M , on reconnat lhyperplan passant par I
orthogonal AB . On lappelle lhyperplan mdiateur de A et de B.
Distance dun point un hyperplan.
Soit H un hyperplan passant par A orthogonal n

.
Soit M ; MH M d = ) , ( H o H est le projet orthogonal de M sur H.

n
HM AH AM

.
+ = . Donc
2
. n n AM

= .
Donc
n
n AM
n MH

= =
2
.


B) Les isomtries

Dfinition :
Soit : f .
f est une isomtrie de
df
f conserve les distances, c'est--dire :
) , ( )) ( ), ( ( , , B A d B f A f d B A =
Proposition :
A.Benhari 152

Les isomtries de sont exactement les applications affines de dans dont la
partie linaire appartient ) (E O (c'est--dire dont la partie linaire est un
automorphisme de E)
Dmonstration :
Si f est une application affine de partie linaire ) (E O , alors, pour tous
points B A, , en notant A, B leurs images par f :
) , ( ) ( ' ' ) ' , ' ( B A d AB AB B A B A d = = = =
Supposons que f conserve les distances.
On admet qualors f est affine. Soit alors f Lin = .
Montrons que conserve les normes (c'est--dire que ) (E O )
Soient E u

, A , notons u A B

+ = . Alors AB u =

Donc u AB B A B A AB u

= = = = = ' ' ' ' ) ( ) ( (en notant avec des les images
par f)
Dfinition :
Un dplacement de est une symtrie directe de , c'est--dire une isomtrie
dont la partie linaire appartient ) (E SO .
Un antidplacement de est une symtrie indirecte de , c'est--dire une
isomtrie dont la partie linaire appartient ) ( \ ) ( E SO E O .
Proposition :
) ( Is , ensemble des isomtries de , constitue un groupe pour (un sous-groupe
de ) ( GA ), et lensemble ) ( Dep des dplacement de en constitue un sous-groupe.

Exemple :
Les symtries orthogonales sont dans ) ( Is .
En effet, si f est la symtrie par rapport un sous-espace affine F selon G, alors f
est affine, et la partie linaire de f est la symtrie vectorielle par rapport F selon G (o
F la direction de F). En particulier, quand

= F G , on dit que f est la symtrie

orthogonale par rapport F ; sa partie linaire est alors la symtrie orthogonale
vectorielle par rapport F, dont on sait quelle est dans ) (E O
Prcision :
Si n E = ) dim( , p F = ) dim( , alors f, symtrie orthogonale par rapport F, est un
dplacement lorsque p n est pair, un antidplacement sinon.
Cas particulier :
Les rflexions affines (symtries orthogonales affines par rapport un hyperplan)
sont des isomtries indirectes.
Proposition :
Etant donns deux points A et B de , il existe une et une seule rflexion qui les
change, et cest la rflexion dhyperplan lhyperplan mdiateur de A et B.


LXI Etude dun espace affine euclidien orient de dimension 2

(Un espace affine orient est un espace affine dont on a orient la direction)

A) Les isomtries en dimension 2
A.Benhari 153

1) Les isomtries directes

Etude :
Soit f une isomtrie directe, posons f Lin = (ainsi, ) ( Dep f et
) (E SO ). On sait que est alors une rotation, ventuellement dangle nul.
Premier cas : est dangle nul, cest donc lidentit.
Donc f est une translation, ventuellement de vecteur nul.
Rciproquement, les translations sont bien dans ) ( Dep .
Deuxime cas : est dangle non nul (modulo 2 ).
Recherche des points invariants par f.
Soit O , O son image par f.
Soit M .
Alors ) ( ' ) ( ) ( OM O OM O f M f + = + = .
O O OM
O O OM OM M O OM M
E
' ) )( Id (
' ) ( ' ) ( fixe est Donc
=
= =

On a :
{ } { }
E E
u u E u 0 ) ( , ) Id ker( = = =
Donc est injective, donc bijective (on est en dimension finie)
Donc M est fixe ) ' ( ) Id (
1
O O OM
E

= .
On a donc un et un seul point fixe . ( savoir ) ' ( ) Id (
1
O O O
E

+ = )
Mais alors : ) ( ) ( ) ( ,
'
M M f M f M
M
+ = + =


Ainsi, ) ( ' M M = .
On dit que f est la rotation de centre et dangle . Inversement, une telle
application est bien un dplacement, cest celle qui envoie sur et de partie
linaire ) (E SO

.
Remarque :
Dire que ) ( ' M f M = revient dire

=
=
] 2 [ ) '

, (
'
M M
M M

Classification de ) ( Dep :
Ensemble des invariants Nature du dplacement
Translation de vecteur non nul
Translation
Rotation
Identit
{ }
Rotation dangle non nul et de
centre



2) Compose de rflexions

Soit
1
s une rflexion de droite
1
D ,
2
s une rflexion de droite
2
D .
Si
2 1
D D = , alors

Id
2 1
= s s .
Si
2 1
D D et
2 1
// D D , alors
u
t s s

=
2 1
, o
2 1
2 H H u =

:
A.Benhari 154


Sinon :

2 1
s s est la rotation de centre lintersection des deux droites et dangle
2 o est langle orient )

, (
2 1
D D
(Il suffit pour justifier langle de raisonner avec les parties linaires)
Inversement, tant donne une translation/rotation, on peut fixer une droite
1
D orthogonale au vecteur de translation/passant par et construire une autre
droite de sorte que la compose des deux rflexions soit la translation/la rotation.
Ainsi, tout dplacement est compos de deux rflexions.
Toute isomtrie est ainsi compose de rflexions, et mme de 0, 1, 2, ou 3
rflexions.
En effet :
Soit ) ( Is f .
Si f est un dplacement, on a vu quil fallait 0 ou 2 rflexions.
Sinon : pour un rflexion s quelconque, ) ( Dep f s , donc f s est
compose de 0 ou 2 rflexions, donc f s s f
1
= est compos de 1 ou 3
rflexions.

3) Les isomtries indirectes

Soit ) ( Dep \ ) ( Is f .
Posons f Lin = . Alors ) ( \ ) ( E SO E O .
Donc est une rflexion vectorielle, disons de droite ) ( Vect u D

= .
1
er
cas : f a un point fixe A.
Alors, pour tout M , en notant M son image par f, on a :
) ( ) ( ) ( ' AM A AM A f M f M + = + = =
Donc ) ( ' AM AM =
u

Donc f est la rflexion de droite D passant par A et de direction D.
Inversement, les rflexions sont bien dans ) ( Dep \ ) ( Is
2
me
cas : f na pas de point fixe.
Soit A , posons ) ( ' A f A = .
On considre la translation t qui envoie A sur A.
A.Benhari 155

Alors f t laisse A invariant, et a pour partie linaire =
E
Id .
Donc f t s = est la rflexion de droite D passant par A de direction D
et s t f
AA

'
= .
A
M
M
M
1 A
u

Mais par ailleurs, ' AA scrit

+ =
D
D
w v AA

' . Donc s t t s t f
w v
AA


= =
'
.
u

) (M s
w

) (M s t
w

On note s t g
w

= . Alors = =
E
g Id Lin . Mais g a un point fixe (au
moins), par exemple w A B

2
1
+ = . Donc g est une rflexion de droite la droite
D D // ' passant par w A

2
1
+ (et donc de direction D)
Ainsi, g t f
v

= , o g est une rflexion et

v
t

est une translation de vecteur

parallle la droite de la rflexion.
v

) ( ' M f M =
' D
) (M g

Une telle transformation est videmment sans point fixe et est bien une
isomtrie indirecte. On appelle ce type de transformation une rflexion glisse.
Classification :
Ensemble des points fixes Nature de la transformation
Direct
Translation de vecteur non nul

Id
{ }
Rotation dangle non nul et de centre
Indirect
D Rflexion de droite D.
Rflexion glisse (c'est--dire
D
s t
v

o
D
s est la
rflexion de droite D et
v
t

la translation de vecteur
{ }
E
v 0 \ ) ( Dir D

)


B) Gomtrie analytique en dimension 2

Soit ) , , ( j i O

= R un repre orthonorm, direct si besoin.
Une droite a pour quation h by ax = + : D dans R, o ) 0 , 0 ( ) , ( b a . Un vecteur
normal D est
|
|

\
|
b
a
n

, un vecteur directeur de D est

|
|

\
|

a
b
u

.
Distance dun point une droite :
A.Benhari 156

Soit
|
|

\
|
0
0
0
y
x
M , h by ax = + : D . On note
|
|

\
|
b
a
n

Soit D
|
|

\
|
1
1
y
x
A .
Alors
2 2
0 0
2 2
1 0 1 0
0
0
) ( ) (
) , (
b a
h by ax
b a
b y y a x x
n
n AM
M d
+
+
=
+
+
=

D .
Angle de droites :
2 2 2 2
1 1 1 1
:
:
h y b x a
h y b x a
= +
= +
D
D

Langle non orient , cest langle non orient )

, (
2 1
N N .
2
2
2
2
2
1
2
1
2 1 2 1
2 1
2 1
cos
b a b a
b b a a
n n
n n
+ +
+
=

=



Equation de la mdiatrice :
Soient
|
|

\
|
1
1
1
b
a
A ,
|
|

\
|
2
2
2
b
a
A .
Lquation de la mdiatrice est donc :
0 )
2
)( ( )
2
)( (
0 0
2 1
1 2
2 1
1 2
=
+
+
+


y x
b b
y b b
a a
x a a .

C) Les similitudes du plan
1) Dfinition

Soit : f .
f est une similitude
df
) , ( . )) ( ), ( ( , , ,
*
B A d k B f A f d B A k =
+
R .

Proposition, dfinition :
Si f est une similitude, alors ) , ( . )) ( ), ( ( , , ,
*
! B A d k B f A f d B A k =
+
R .
k est alors appel le rapport de la similitude.

Proposition :
Soit : f , soit 0 > k .
On a les quivalences :
f est une similitude de rapport k f est la compose dune isomtrie et
dune homothtie de rapport k.
f est affine et sa partie linaire scrit
. k o ) (E O
f conserve les angles non orients de
vecteurs.

A.Benhari 157

Dfinition, proposition :
Soit f une similitude de rapport k. Soit sa partie linaire.
Alors ) (
1
E O
k
= .
Si est dans ) (E SO , on dit que f est directes, sinon on dit que f est
indirecte.
f multiplie les distances par k, et les aires par
2
k (admis)
Si f est directe, f conserve les angles orients, sinon elle les retourne.
Lensemble des similitudes de est un sous-groupe de ) ), ( ( GA .


2) Etude des similitudes du plan complexe

On se place dans C muni de sa structure euclidienne oriente naturelle o
) , 1 , 0 ( i constitue un repre orthonorm.



a) Quelques similitudes

Translation de vecteur b o C b .
b z z +
Symtrie orthogonale (rflexion) par rapport laxe rel :
z z
Homothtie de centre O et de rapport R :
z z . .
Homothtie de centre
0
z et de rapport R :
) .(
0 0
z z z z + ( M M M M M M f
0 0 0 0
. ) ( + = + )
Rotation de centre O et dangle R :
z e z
i .

Rotation de centre
0
z et dangle R :
) (
0
.
0
z z e z z
i
+




b) Les similitudes directes

Proposition :
Les similitudes directes de C sont exactement les applications du type
b z a z + . , o C C * ) , ( b a .
Dmonstration :
Soient C C * ) , ( b a .
a scrit

.
.
i
e , o * R et R .
Alors b z a z + . est compose de :
z e z
i .
(isomtrie directe)
A.Benhari 158

b
v v + (translation)
Et u u . (homothtie)
Cest donc la compose dune homothtie et dune isomtrie directe,
donc une similitude directe.
Inversement, soit f une similitude directe.
Elle est compose dune homothtie et dune isomtrie directe (c'est--
dire dune translation ou rotation), et ces trois applications sont du type
b z a z + . et il est immdiat que lensemble des applications du type
b z a z + . est stable par .

Etude :
Soit b z a z f + . : .
0
z est fixe b z a z b z a = = +
0 0 0
) 1 ( .
Si 1 = a et 0 b , il ny a pas de point fixe, et b z z + est une
translation.
Si 1 = a et 0 = b , f est lidentit sur C.
Si 1 a , on a un seul point fixe
0
z .
Alors b z a z f + = . ) ( , b z a z + =
0 0
. .
Donc ) ( ) (
0 0
z z a z z f = .
a scrivant

.
.
i
e o * R et R , on voit que f est la compose,
commutative, de lhomothtie de centre
0
z et de rapport et de la rotation
de centre
0
z et dangle .

Il en rsulte que les similitudes indirectes sont les b z a z + . , o
C C * ) , ( b a .
En effet, si une application f scrit sous la forme b z a z + . , alors
cest la compose de z z et b u a u + . , et est donc une similitude
indirecte.
Inversement, si f est une similitude indirecte, alors en notant z z s : ,
s f est une similitude directe, disons g, et donc g scrit sous la forme
b u a u g + . : , et s g f = , soit b z a z f + . : .


c) Conclusion sur les similitudes directes du plan complexe

Ensemble des invariants Nature de la similitude
Translation de vecteur non nul
C Identit
{ }
0
z
Similitude directe centre, c'est--dire
compose (commutative) dune rotation de
centre
0
z et dangle et dune homothtie
de centre
0
z et de rapport (et 1 .
.

i
e )
(Rsultat valable dans tout plan affine euclidien)

Proposition :
A.Benhari 159

Soient ] , [ B A et ] ' , ' [ B A deux segments de longueur non nulle du plan
(complexe).
Alors il existe une et une seule similitude directe qui envoie ] , [ B A su
] ' , ' [ B A (et plus prcisment A sur A et B sur B)
Dmonstration :
Dans C, on introduit les affixes de A, B, A, B. Soient C , .
Soit + z z f . : .
Alors f convient si et seulement si

= +
= +
'
'
.
.
B B
A A
z z
z z


, c'est--dire si et
seulement si

=
=
A A
A B A B
z z
z z z z
.
) .(
'
' '

.
On a donc bien une unique solution * C , C .

f est une translation si et seulement si AB B A = ' ' .
Sinon, f est une similitude centre de rapport
AB
B A ' '
et dangle
) ' ' , ( B A AB :
A B
A B
z z
z z

=
' '
, donc
AB
B A
z z
z z
A B
A B
' '
' '
=

=
et :
] 2 [ ) ' ' , (
) , ( ) ' ' , (
) ( Arg ) ( Arg ) ( Arg
' '

B A AB
AB Ox B A Ox
z z z z
A B A B
=
=
=

D) Coordonnes polaires

Soit un plan affine euclidien orient.
Soit ) , , ( j i O

= R un repre orthonorm direct de .
Soit M et
2
) , ( R .
On dit que ) , ( est un systme de coordonnes polaires de M dans le repre R
lorsque ) ( . u OM

= , o ) ( u

dsigne le vecteur j i

. sin . cos + , c'est--dire le
vecteur unitaire tel que ] 2 [ )) (

, ( = u i

.

Commentaire :
Il rsulte de la dfinition quun point M a toujours une infinit de systmes de
coordonnes polaires, plus prcisment :
Le point O M = admet exactement les couples ) , 0 ( = comme systmes de
coordonnes polaires.
Un point O M admet exactement comme systmes de coordonnes polaires
les couples Z Z + + = + = k k OM k k OM ), 2 , ( , ), 2 , ( , o
est une mesure de langle orient ) , ( OM i

.

Equations de courbes en polaire, exemples :
A.Benhari 160

La courbe C dquation polaire 3 = (relativement R) est lensemble des
M tels quau moins un des systmes de coordonnes polaires ) , ( de M
vrifie 3 = . Autrement dit, cest lensemble des M tels quil existe
R de sorte que ) ( . 3 u OM

= , cest donc le cercle de centre O de rayon 3.
Courbe dquation polaire = ,
+
R (puis R ) :
2

2 /
2 / 3



LXII En dimension 3

Ici, dsigne un espace affine euclidien orient de dimension 3, muni dun repre
) , , , ( k j i O

= R orthonorm direct.
(Les antidplacements sont hors programme en dimension 3)

A) Les dplacements
1) Etude

Soit ) ( Dep f , sa partie linaire.
Alors ) (E SO .
Cest donc une rotation, disons daxe ) , (

D et dangle .
Si ] 2 [ 0 = , alors
E
Id = , donc f est une translation.
Si ] 2 [ 0 :
- Soit lensemble des points fixes de f nest pas vide, disons que A en est un.
Alors pour tout M , ) (M f est le point M tel que ) ( ' AM AM = .
Soit D la droite passant par A de direction D, H le projet orthogonal de M
sur D.
D H , donc D AH , donc AH est invariant par , donc H est invariant
par f (car AH AH = ' ).
Donc ) ( ' HM HM = .
On dit que f est la rotation daxe ) , (

D et dangle :
A.Benhari 161

D est lensemble des points fixes par f.
Inversement, une application de ce type est bien une isomtrie directe.
- Soit lensemble des points fixes est vide :
Soit A , A son image.
Considrons alors f t g
A A

'
= . Alors g a pour partie linaire =
E
Id et
laisse A invariant. Cest donc une rotation daxe ) , (

D et dangle o D est la
droite passant par A de direction D, et langle de la rotation vectorielle , et on
a alors g t f
AA

'
= :

Mais ' AA s'crit

+ =
D
D
v u AA

' .
Et donc g t t f
v u


= .
Soit P un plan orthogonal D passant par A.
Alors g laisse stable P (car A est fixe par g et laisse stable

D c'est--dire
) ( dir P )
De mme, P est stable par
v
t

et g t
v

restreinte P est une isomtrie directe

de P, savoir une rotation puisque nest pas lidentit. On note alors B le point
fixe de
P /
g t
v

. Donc B est aussi un point fixe de g t

v

. Cest donc une rotation

daxe ) , ' (

D et dangle o D passe par B et a pour direction D.

Conclusion :
1
f t f
u

= , o
1
f est une rotation daxe ) , ' (

D et dangle , et u

un
vecteur de D.

M et M nappartiennent pas au mme plan orthogonal D (car 0

u ),
donc il ny a aucun point fixe.
On dit que f est un vissage (vrai) daxe ) , ' (

D , dangle et de vecteur u

.
A.Benhari 162


Classification (tous sont appels des vissages) :
Ensemble des points invariants Partie linaire Nature du vissage

E
Id
Translation

E
Id

Id
D

, 0 daxe ) , (

D
o ) ( dir D = D
Rotation daxe ) , (

D dangle

, 0 daxe ) , (

D Vissage vrai daxe ) , (

D
dangle , o D est de direction
D, et de vecteur D u 0

Dtermination pratique, exemple :
Reconnatre la transformation
|
|
|
|

\
|
|
|
|
|

\
|
'
'
'
'
z
y
x
z
y
x
M M o

+ =
=
=
2 '
2 '
6 '
z z
y y
x x

(1) Cest une application affine :
Cest en effet lapplication affine qui envoie O sur
|
|
|
|

\
|
2
2
6
' O et de partie linaire
lapplication
|
|
|
|

\
|

|
|
|
|

\
|
z
y
x
z
y
x
u u '

, c'est--dire lapplication linaire de matrice

|
|
|

\
|

1 0 0
0 1 0
0 0 1
dans ) , , ( k j i

.
En effet, cette application affine f est telle que :
) ( ' ) ( ) ( , OM O OM O f M f M + = + =
Soit
|
|
|

\
|
|
|
|

\
|

+
|
|
|

\
|
=
|
|
|

\
|
z
y
x
z
y
x
1 0 0
0 1 0
0 0 1
2
2
6
'
'
'


(2) Identification de la partie linaire :
Cest une rotation dangle autour de Oz (ou aussi une symtrie
orthogonale par rapport Oz , appel aussi retournement daxe Oz )
Cest une isomtrie directe (car 1 det = donc ) (E SO )
Donc f est un dplacement. Comme
E
Id , f est soit un vissage vrai, soit
une rotation daxe dirig par k

.
(3) Recherche des points invariants :
|
|
|
|

\
|
z
y
x
M est invariant

=
=
=

+ =
=
=

0 2
1
3
2
2
6
y
x
z z
y y
x x

On na donc aucun point invariant, cest donc un vissage vrai.
(4) Caractrisation de laxe, du vecteur dun vissage vrai :
A.Benhari 163

Soit f un vissage daxe ) , (

D dangle 0 et de vecteur 0

u .
{ } w MM M

colinaire est ' , = D , et u

nest autre que ' MM lorsque M

est un point de D.
Dans ce cas l,
|
|
|
|

\
|

2
2 2
2 6
' y
x
MM .
Donc

=
=

1
3
) ( Vect '
y
x
k MM


Donc laxe est la droite de direction Oz passant par
|
|
|
|

\
|
0
1
3
A .

Compose de deux rflexions :
- Si
2 1
// P P , alors
u
t s s

=
1 2
, o
2 1
2 H H u =

(ventuellement lidentit si
2 1
P P = )

- Sinon :

D P P =
2 1
,
1 2
s s est la rotation de droite D et dangle 2 .

Remarque :
Un vissage vrai est compos de quatre rflexions, et pas mieux car sinon ce
serait 2 (cest un dplacement, donc sa partie linaire est une isomtrie directe), et
se serait donc soit une translation, soit une rotation.

B) Gomtrie analytique en dimension 3

Equation de plan :
h cz by ax = + + : P , o ) 0 , 0 , 0 ( ) , , ( c b a .
Un vecteur normal P est
|
|
|
|

\
|
c
b
a
n

On a les quivalences, pour tout point M :
0 = = = n HM n OH n OM h n OM M

P
O H est tel que n OH

. = avec
2
n
h

= .

A.Benhari 164

Intersection de deux plans :
2 2 2 2 2
1 1 1 1 1
:
:
h z c y b x a
h z c y b x a
= + +
= + +
P
P

On note
|
|
|
|

\
|
1
1
1
1
c
b
a
n

,
|
|
|
|

\
|
2
2
2
2
c
b
a
n

.
Si 0
2 1

= n n , alors
2 1
// P P .
Si 0
2 1


= d n n , alors
2 1
P P est une droite, et d

dirige cette droite.

En effet :
1
n d

, donc ) ( dir
1
P d

, et
2
n d

donc ) ( dir
2
P d

.
Donc ) ( dir ) ( dir
2 1
P P D = d

et D est une droite (car 0

d ).

Distance dun point un plan :
Soit n

un vecteur normal un plan P.

.
MH M d = ) , ( P , et n MH

. = .
HA MH MA + = . Donc
2 2
. 0 . n n n MA

= + =
Ainsi, n
n
n MA
MH

= , soit
2 2 2
c b a
h cz by ax
n
n MA
MH
+ +
+ +
=

.

Distance dun point une droite :
u

MH M d = ) , ( D . On a u MH u HA u MH u MA

= + = .
Donc u MH u MA

= (car u MH

).
Donc
u
u MA
MH M d

= = ) , ( D .
C) Coordonnes cylindriques et sphriques
1) Coordonnes cylindriques

Dfinition :
Soit M , de coordonnes (cartsiennes) ) , , ( z y x dans R.
On appelle systme de coordonnes cylindriques de M relativement au
repre R tout triplet ) , , ( z r de
3
R vrifiant ) , sin , cos ( ) , , ( z r r z y x = .
Ainsi, en notant, pour chaque R , j i u

. sin . cos ) ( + = , et en notant,

pour chaque M , m sa projection orthogonale sur le plan xOy , on a les
quivalences :
A.Benhari 165

) , , ( z r est un systme de coordonnes cylindriques de M relativement R
+ = k z u r OM

. ) ( . ) , ( r est un systme de coordonnes polaires de m

relativement au repre ) , , ( j i O

de xOy et z est la cte de M dans le repre R.
Et donc tout point M de admet une infinit de systmes de coordonnes
cylindriques :
Si Oz M , ils sont du type ) , , 0 ( z , avec R quelconque.
Si Oz M , on obtient lun dentre eux en posant :
OM r = , )

, ( Om i

= (dans xOy orient par ) , ( j i

), z la cte de M.
Et les autres sont les ) , 2 , ( z k r + et ) , 2 , ( z k r + + avec Z k
quelconque.
Remarque :
Avec le choix prcdent de r et (si Oz M ), on a :
2 2
y x r + = ,
r
x
= cos ,
r
y
= sin .

2) Coordonnes sphriques

Dfinition :
Soit M , de coordonnes (cartsiennes) ) , , ( z y x dans R.
On appelle systme de coordonnes sphriques de M relativement au repre
R tout triplet ) , , ( r de
3
R vrifiant :
cos sin r x = , sin sin r y = , cos r z = .
Etude :
Soit M , de coordonnes cartsiennes ) , , ( z y x dans R. On note toujours
m la projection orthogonale de M sur le plan xOy .
Dire que ) , , ( r est un systme de coordonnes sphriques de M revient
dire que :
(1) ) , sin ( r est un systme de coordonnes polaires de m relativement
) , , ( j i O

dans xOy et cos r z = .
- Si O M = , (1) impose que 0 sin cos = = r r , donc que 0 = r .
Rciproquement, tout triplet ) , , ( r tel que 0 = r est alors bien un systme de
coordonnes sphriques de M.
- Si O M , mais Oz M , (1) impose que cos r z = et 0 sin = .
Rciproquement, tout triplet ) , , ( r vrifiant cela, c'est--dire du type :
) , 2 , ( k z ou ) , 2 , ( k z + ( R quelconque)
est bien un systme de coordonnes sphriques de M.
- Enfin, si Oz M et si ) , ( dsigne un systme de coordonnes polaires
de m relativement au repre ) , , ( j i O

du plan xOy , (1) impose que :
A.Benhari 166

+ = = =
= = =
] 2 [ et sin et cos ou
] 2 [ et sin et cos


r z r
r z r

Rciproquement, tout triplet ) , , ( r vrifiant cela est bien un systme de
coordonnes sphriques de M.
Il en rsulte que tout point M de admet une infinit de systmes de
coordonnes sphriques.
Remarque :
Si ) , , ( r est un systme de coordonnes sphriques de M, on a toujours :
2
2
OM r =
En effet :
2 2 2 2 2 2 2
2
cos ) sin (cos sin r r r OM = + + =

Recherche dun systme particulier de coordonnes sphriques pour
Oz M .
Soit M , on suppose ici que Oz M et on note toujours m sa projection
orthogonale sur xOy , et ) , , ( z y x les coordonnes cartsiennes de M dans R.
Posons OM r = .
Soit [ ] , 0 langle non orient ) , ( OM k

:
Alors on a bien cos r k OM z = =

.
De plus, on a
2
2 2
z Om OM + = , donc
2 2 2 2
2
sin ) cos 1 ( r r Om = =
Donc, comme 0 r et 0 sin (car [ ] , 0 ), on a sin r Om =
Soit maintenant langle orient ) , ( OM i

dans xOy orient par ) , ( j i

.
Alors on a bien ) . sin . (cos sin j i r Om

+ =
Et finalement ) , , ( r est un systme de coordonnes sphriques de M.

Remarque :
Comme on a suppos que Oz M , on a en fait 0 > r et ] [ , 0 .
, , r vrifient les relations :
2 2 2
z y x r + + = ,
|

\
|
=
r
z
Arccos ,

sin
cos
r
x
= ,

sin
sin
r
y
= .
Ainsi, on a trouv un systme de coordonnes sphriques de M tel que :
] [ [ ] , , , 0 , 0 > r
Daprs ltude, les autres systmes de coordonnes sphriques de M sont
les triplets :
A.Benhari 167

) ' 2 , 2 , (
) ' 2 , 2 , (
) ' 2 , 2 , (
) ' 2 , 2 , (




k k r
k k r
k k r
k k r
+ + + +
+ + +
+ + +
+ +


Et remarquons que tout point de , quil soit sur laxe Oz ou non, admet un
systme de coordonnes sphriques ) , , ( r avec 0 r , [ ] , 0 et ] , [ .
Mais on ne doit pas pour autant se limiter de tels systmes, car cela
soulverait des problmes dans les quations en coordonnes sphriques
(continuit par exemple).


Bibliographie
N. Bourbaki, Algbre : chap. i iii, Masson, Paris, 1982
R. Cabane & C. Lebuf, Algbre linaire, 2 vol., Ellipses, Paris, 1987-1990
L. Chambadal & J.-L. Ovaert, Algbre multilinaire, Dunod, Paris, nouv. d. 1984
R. Gantmacher, Thorie des matrices, 2 vol., ibid., 1966, reprod. fac-sim.,
Gabay, Sceaux, 1990
R. Godement, Cours d'algbre, Hermann, Paris, 1963
W. Graeub, Linear Algebra, Springer, Berlin, 4
e
d. 1991
J. Grifone, Algbre linaire, Cepadues, Toulouse, 1990
N. Jacobson, Basic Algebra, 2 vol., W. H. Freeman, New York, 2
e
d. 1984-1985
S. Lang, Algebra, Springer-Verlag, New York, 3
e
d. 1989
J.-L. Ovaert & J.-L. Verley, Algbre, vol. I, C.E.D.I.C.-Nathan, Paris, 1981
G. W. Stewart, Introduction to Matrix Computations, Acad. Press, New York, 1973
B. L. van der Waerden, Modern Algebra, 2 vol., Springer-Verlag, New York, 1990
S. Axler, Linear Algebra Done Right (Second Edition), Undergraduate Texts in Mathematics,
Springer-Verlag, 1997.
K. Hoffman et R. Kunze, Linear Algebra (Second Edition), Prentice Hall, 1971.
K. Jnich, Linear Algebra, Undergraduate Texts in Mathematics, Springer-Verlag, 1994.
S. Lang, Introduction to Linear Algebra (Second Edition), Undergraduate Texts in
Mathematics, Springer-Verlag, 1986.
R. Valenza, Linear Algebra: An Introduction to Abstract Mathematics, Undergraduate Texts
in Mathematics, Springer-Verlag, 1993