Documente Academic
Documente Profesional
Documente Cultură
, IN, Z, l Q, IR, I C.
2. Si E est un ensemble, les operations et sont des lois internes dans P(E).
3. Soient E un ensemble et A(E, E) lensemble des applications de E dans E. La
composition des applications est une loi interne dans A(E, E).
4. La multiplication par un reel est une loi de composition externe dans IR, I C, IR[X],
I C[X].
5
6 CHAPITRE 1. STRUCTURES ALG
EBRIQUES
Denition 1.1.3 . On dit quun ensemble G muni dune loi de composition interne
est un groupe si :
1. est associative : a, b, c G a (b c) = (a b) c.
2. possede un element neutre (G est donc non vide) : e G, a G, a e =
e a = a.
3. Tout element possede un symetrique pour : a G, a
G, aa
= a
a = e.
Si, de plus, la loi est commutative, c`ad pour tout a, b G a b = b a ; on dit que
(G, ) est un groupe commutatif, ou plus souvent, un groupe abelien.
Notations 1.1.4 On emploie en general la notation a.b, ou plus simplement ab au lieu
de a b. On dit alors que le groupe est note multiplicativement . e est alors note 1
G
ou
simplement 1, le symetrique a
de a est note a
1
et appele inverse de a. Les relations de
denition dun groupe secrivent alors :
a(bc) = (ab)c, a1 = 1a = a, aa
1
= a
1
a = 1.
On emploie aussi, la notation a+b au lieu de ab, dans le cas o` u la loi est commutative
et on dit que le groupe est note additivement. e est alors note 0, le symetrique de a est
note a et est appele loppose de a. Les relations ci-dessus secrivent alors :
a + (b +c), a + 0 = 0 +a = a, a a = a + (a) = a +a = 0.
Pour a G et n Z, on ecrit :
Si le groupe est note multiplicativement :
a
n
=
_
_
a...a
. .
n
si n > 0
1 si n = 0
a
1
...a
1
. .
n
si n < 0
On peut alors verier quon a :
a G, m, n Z, a
m
a
n
= a
m+n
et (a
m
)
n
= a
mn
.
1.1. GROUPES 7
Si le groupe est note additivement :
na =
_
_
a +... +a
. .
n
si n > 0
0 si n = 0
(a) +...(a)
. .
n
si n < 0.
On peut alors verier quon a :
a G, m, n Z, ma +na = (m+n)a, m(na) = (mn)a.
Exemples 1.1.5 .
1. (Z, +), (l Q, +), (IR, +), (IR
+
, .), (l Q
+
, .), ({1, 1}, .) sont des groupes abeliens.
2. Soit E un ensemble et la dierence symetrique denie sur P(E) par AB =
(A \ B) (B \ A), pour tout (A, B) P(E) P(E) et o` u A \ B = {x E : x
A et x / B}. Alors (P(E), ) est un groupe abelien.
3. M
nn
(IR) = {matrices carrees dordre n `a coecients dans IR} muni de laddition
des matrices est un groupe abelien.
4. GL
n
(IR) = {A M
nn
(IR) : detA = 0} muni de la multiplication des matrices
est un groupe abelien.
5. Soit E = et S
E
lensemble des bijections de E dans E. Alors S
E
muni de la
composition des applications est un groupe. Cest le groupe symetrique de E. Si
E = {1, 2, ...n}, on le note S
n
.
Sous-groupes :
Denition 1.1.6 . Soit G un groupe note multiplicativement, et H une partie non vide
de G. On dit que H est un sous-groupe de G si :
1. H est stable (i.e x, y H, xy H).
2. H muni de la loi induite a une structure de groupe.
Proposition 1.1.7 . Soit G un groupe note multiplicativement et H une partie de G,
les trois propositions sont equivalentes :
8 CHAPITRE 1. STRUCTURES ALG
EBRIQUES
1. H est un sous-groupe de G.
2. H = , x, y H, xy H; x H, x
1
H.
3. H = , x, y H, xy
1
H.
Demonstration. On a evidemment (1) = (2) = (3). Demontrons donc (3) =
(1), ce qui demontrera lequivalence des trois proprietes.
Comme H = , soit x H et prenons x = y dans (3) ; alors xx
1
= 1 H. De meme en
prenant x = 1, y = x dans (3) on a 1x
1
= x
1
H. Aussi xy = x(y
1
)
1
H. Ainsi
H est stable. Les axiomes de groupes se verient alors immediatement.
Exemples 1.1.8 .
1. (l Q, +) est un sous-groupe de (IR, +), {a + b
iI
H
i
est un
sous-groupe de G. En particulier si G = Z, H
1
= n
1
Z,...,H
k
= n
k
Z ; alors
i=k
i=1
n
i
Z
est un sous-groupe de Z, il est donc de la forme mZ avec m IN. On peut verier
facilement que m est le ppcm de n
1
, ..., n
k
.
2. Il est `a noter que la reunion de deux sous-groupes nest un sous-groupe que si lun
dentre eux est inclus dans lautre.
3. Lensemble des puissances a
n
de a, n Z, est un sous-groupe de G. Cest le plus
petit sous-groupe de Z qui contient a et est appele sous-groupe engendre par a.
Homomorphismes de groupes :
Denition 1.1.10 . Soient G, G
. On dit
que f est un homomorphisme de G dans G
si :
x, y G, f(xy) = f(x)f(y).
Si de plus f est bijectif, on dit que f est un isomorphisme de groupes, si G = G
on dit que
f est un endomorphisme de G; un endomorphisme bijectif sappelle un automorphisme.
On appelle noyau de f, et on note Kerf, lensemble :
Kerf = {x G : f(x) = 1
G
}.
On note aussi Imf lensemble f(G), on a :
Imf = {y G
/ x G, y = f(x)}.
Exemples 1.1.11 .
1. a etant un element du groupe G, lapplication x a
1
xa de G dans G est un
homomorphisme.
2. Soit G un groupe note multiplicativement et x G. Lapplication n x
n
est un
homomorphisme de Z dans G.
10 CHAPITRE 1. STRUCTURES ALG
EBRIQUES
Proposition 1.1.12 . Soient G et G
. En particulier Imf
est un sous-groupe de G
.
4. Limage reciproque dun sous-groupe de G
) f(H) on a f(h)(f(h
))
1
= f(h)f(h
1
) = f(hh
1
) f(H). 4)
idem que dans 3). 5) Supposons que Kerf = {1} et soient x, y G tels que f(x) = f(y).
Il en resulte que f(x)(f(y))
1
= 1 c`ad f(xy
1
) = 1 et xy
1
Kerf, do` u x = y et f
est injective. Inversement, si f est injective et x Kerf ; on a f(x) = 1 = f(1) et par
suite x = 1.
Groupes symetriques :
On a deja vu que lensemble des applications bijectives S(E) dun ensemble dans lui
meme constitue un groupe pour la composition des applications (notee ). On designe
par S
n
cet ensemble si E = {1, ..., n}, et on appelle ses elements des permutations. On
convient decrire si S
n
,
=
_
1 2 ...n
(1) (2) ...(n)
_
.
Dans la suite on emploie plutot la notation multiplicative :
1
2
est notee
1
2
.
On appelle transpostion toute permutation de S
n
pour laquelle il existe deux elements
distincts i, j de {1, ..., n} tels que (i) = j, (j) = i et (k) = k pour tout k = i, j. Si
1.2. ANNEAUX 11
lon note
i,j
cette transposition, on a :
i,j
=
_
1 2 i ... j ...n
1 2 j ... i ...n
_
.
Il en resulte que
i,j
i,j
= id
E
, c`ad que
1
i,j
=
i,j
.
Proprietes 1.1.13 .
1. Toute permutation S
n
secrit comme produit ni de transpositions. A titre
dexemple, dans S
5
, la permutation =
_
1 2 3 4 5
2 3 5 1 4
_
peut secrire
1,2
2,3
3,5
5,4
.
La precedente ecriture nest pas unique. Mais la parite du nombre de transpositions
gurant dans toute decomposition dun element S
n
est la meme.
2. La signature dune permutation , notee (), est lapplication : S
n
{1, 1}
denie par () = 1 si la permutation est produit paire de transpositions et
() = 1 sinon. La signature est un homomorphisme de groupes c`ad () =
()() pour toutes permutations , .
3. Si A = (a
i,j
) M
n
(IK), le determinant de A est donne par la formule :
detA =
S
n
()a
1,(1)
...a
n,(n)
.
Pour une matrice A = (a
i,j
)
i,j
M
3
(IK), on a :
detA = a
11
a
22
a
33
+a
13
a
21
a
32
+a
12
a
23
a
31
a
12
a
21
a
33
a
13
a
22
a
31
a
11
a
23
a
32
,
en tenant compte du fait que S
3
= {Id,
1,3
3,2
,
1,2
2,3
,
1,2
,
1,3
,
2,3
}.
1.2 Anneaux
Denition 1.2.1 . On dit quun ensemble A muni de deux lois de composition internes
+ et . est un anneau si :
1. (A, +) est un groupe abelien.
12 CHAPITRE 1. STRUCTURES ALG
EBRIQUES
2. La multiplication est associative et distributive par rapport `a laddition + :
x(yz) = (xy)z, x(y +z) = xy +xz et (y +z)x = yx +zx.
Si de plus la multiplication est commutative on dit que A est un anneau commutatif. Sil
existe un element neutre , note 1
A
, pour la multiplication, A est dit unitaire.
Remarques 1.2.2 .
1. Sauf mension explicite du contraire, tous les anneaux consideres par la suite sont
supposes etre unitaires.
2. Si A est un anneau, alors 1
A
= 0, sauf si A = {0}.
Exemples 1.2.3 .
1. (Z, +, .) est un anneau commutatif, lelement unite etant 1. De meme (Z/nZ, +, .)
est un anneau commutatif ni `a n elements, lelement unite est 1.
2. l Q, IR, I C sont des anneaux commutatifs.
3. M
nn
(IR) = {matrices carrees dordre n `a coecients dans IR} muni de laddition
et de la multiplication des matrices est un anneau.
4. Si A, B sont deux anneaux, AB est un anneau pour les lois produits, lelement
unite est (1
A
, 1
B
).
5. (P(E), , ) est un anneau commutatif. Lelement unite est E.
Regles de calcul dans un anneau. :
Si A est un anneau, alors :
1. x(y z) = xy xz, (y z)x = yx zx.
2. 0x = x0 = 0, x(z) = xz = (xz).
3. Formule du binome.
On remarque que (x + y)
2
= x
2
+ xy + yx + y
2
= x
2
+ 2xy + y
2
en general. Mais
si x et y commutent (xy = yx), alors on a :
(x +y)
n
= x
n
+C
1
n
x
n1
y +... +C
n1
n
xy
n1
+y
n
=
k=n
k=0
C
k
n
x
nk
y
k
.
1.2. ANNEAUX 13
Sous-anneaux
Denition 1.2.4 . Soit (A, +, .) un anneau et B une partie de A. On dit que B est un
sous-anneau de A si :
1. B est stable pour les deux lois + et ..
2. 1
A
B.
3. B muni des deux lois induites + et . a une structure danneau.
Proposition 1.2.5 . Soit (A, +, .) un anneau et B une partie de A. B est un sous-
anneau de A si et seulement si
1. a, b B a b B.
2. 1
A
B.
3. a, b B ab B.
Homorphismes danneaux :
Denition 1.2.6 . Soient A et B deux anneaux et h : A B une application. On dit
que h est un homomorphisme danneaux si :
1. x, y A h(x +y) = h(x) +h(y).
2. x, y A h(xy) = h(x)h(y).
3. h(1) = 1.
Si de plus, h est bijective, on dit que h est un isomorphisme danneaux.
Remarques 1.2.7 .
1. Un homomorphisme h danneaux est en particulier un homomorphisme de groupes.
Cest ainsi que limage h(A
) dun sous-anneau A
) un sous-anneau de B.
14 CHAPITRE 1. STRUCTURES ALG
EBRIQUES
2. Lensemble J = {x A / h(x) = 0}, qui nest autre que le noyau de h, est un
sous-groupe de A qui possede la propriete particuli`ere : x J, a A, xa
J et ax J, puisque f(xa) = f(x)f(a) = 0 et f(ax) = f(a)f(x) = 0. Un sous-
groupe J dun anneau A qui verie une telle propriete sappelle un ideal bilat`ere
de A.
Exemples 1.2.8 .
1. Soit P une matrice carree inversible et h : (M
n
(IR), +, .) (M
n
(IR), +, .), lappli-
cation qui fait correspondre `a A, la matrice PAP
1
. h est un automorphisme de
M
n
(IR), appele lautomorphisme de changement de bases.
2. Soit Aun anneau et h lapplication
h : Z A
n n.1
A
est un homomorphisme danneaux. h est injectif si et seulement si Kerh = {0} et
dans ce cas h(Z) = {m.1
A
, m Z} est isomorphe `a Z. Si h nest pas injectif,
alors il existe n > 0 tel que Kerh = nZ. Lentier n sappelle la caracteristique de
A.
1.3 Corps
Denition 1.3.1 . On dit quun ensemble IK muni de deux lois de composition internes
+ et . est un corps si :
1. (IK, +, .) est un anneau, 1
K
= 0.
2. x IK
, x
IK, xx
= x
x = 1
K
.
Si de plus, la multiplication est commutative, on dit que IK est un corps commutatif.
Remarques 1.3.2 .
1. Si IK est un corps, IK
est abelien.
1.3. CORPS 15
2. Dans un corps IK, si xy = 0, alors x = 0 ou y = 0 (un anneau veriant cette
propriete est dit integre). En eet, supposons que xy = 0 et x = 0. De
1
x
(xy) =
(
1
x
x)y = 0 on tire y = 0.
Exemples 1.3.3 .
1. l Q, IR, I C sont des corps commutatifs pour les lois usuelles.
2. l Q[i] = {a +ib / a, b l Q} est un corps commutatif.
3. Z/nZ est un corps si et seulement si n est premier.
4. tout corps ni est commutatif.
Denition 1.3.4 . Soit IK un corps et F une partie de IK. On dit que F est un sous-
corps de IK si :
1. F est un sous-anneau de IK.
2. a F
, a
1
F
.
Exemples 1.3.5 .
1. l Q est un sous-corps de l Q[i] qui est lui meme un sous-corps de IR.
2. l Q et Z/pZ nont pas de sous-corps propres.
Proposition 1.3.6 . Soient IK et IK
EBRIQUES
Chapitre 2
Espaces vectoriels
Dans ce chapitre et dans les suivants, IK designera un corps commutatif quelconque
(le plus souvent IK = IR ou I C).
2.1 Generalites
Structure despace vectoriel
Denition 2.1.1 . On appelle espace vectoriel sur IK ou encore IK-espace vectoriel, tout
ensemble E muni de deux lois :
1. Une loi interne appelee addition, notee + telle que (E, +) soit un groupe abelien.
2. Une loi externe qui `a tout couple (, x) IK E fait correspondre un element de
E note .x, cette loi veriant les quatres proprietes suivantes :
(a) x E 1.x = x
(b) IK x, y E .(x +y) = .x +.y
(c) , IK x E ( +).x = .x +.x
(d) , IK x E ().x = .(.x)
Les elements de E sappellent vecteurs, ceux de IK scalaires.
Exemples 2.1.2 .
17
18 CHAPITRE 2. ESPACES VECTORIELS
1. Les ensembles E
1
, E
2
, E
3
, respectivement des vecteurs de la droite, du plan et de
lespace de la geometrie elementaire munis des operations classiques : (x, y) x+y
et (, x) .x sont des espaces vectoriels reels.
2. Soit IK
n
lensemble des n-uplets (
1
,
2
, ...
n
) delements de IK. Munissons IK
n
des lois suivantes :
- Une addition denie par (
1
,
2
, ...,
n
)+(
1
,
2
, ...,
n
) = (
1
+
1
,
2
+
2
, ...,
n
+
n
)
- Une loi externe denie par : (
1
,
2
, ...,
n
) = (
1
,
2
, ...,
n
)
Il est facile de verier que (IK
n
, +, .) est un espace vectoriel sur IK.
3. Lensemble M
n
(IK) des matrices carrees dordre n `a coecients dans IK est un
IK-espace vectoriel. Les lois sont denies par :
(a
i,j
) + (b
i,j
) = (a
i,j
+b
i,j
) et (a
i,j
) = (a
i,j
)
4. Si E et F sont des espaces vectoriels sur IK, on peut munir E F dune structure
naturelle de IK-espace vectoriel, en denissant ainsi les operations :
(x, y), (x
, y
) E F (x, y) + (x
, y
) = (x +x
, y +y
)
(x, y) E F IK .(x, y) = (.x, .y)
Lensemble E F muni de ces deux lois sappelle lespace vectoriel produit de E
par F.
5. Lensemble IK[X] des polynomes `a coecients dans IK muni des lois classiques :
(P, Q) P +Q et (, P) .P est un espace vectoriel sur IK.
6. Soit D un ensemble quelconque, et A(D, IK) lensemble des applications de D dans
IK. Munissons A(D, IK) des lois suivantes : Pour tout f, g A(D, IK) et IK
f +g : x f(x) +g(x), .f : x .f(x)
Il nest pas dicile de verier que A(D, IK) muni de ces deux lois A(D, IK) est un
espace vectoriel sur IK (appele espace des applications de D dans K).
On peut noter les cas particuliers suivants :
(a) D = IN, IK = IR, A(D, IK) est lespace vectoriel reel des suites reelles.
2.1. G
EN
ERALIT
ES 19
(b) D = IN, IK = I C, A(D, IK) est lespace vectoriel complexe des suites complexes.
(c) D IR, IK = IR, A(D, IK) est lespace vectoriel reel des fonctions numeriques,
de variable reelle, denies sur le domaine l D.
Calcul dans un espace vectoriel :
La proposition suivante montre quil ny a absolument aucune surprise et que lon
calcule en fait comme dans toute structure algebrique classique.
Proposition 2.1.3 .
1. x, y E, IK, (x y) = x y.
2. IK, 0 = 0.
3. y E, IK, (y) = y.
4. , IK, x E, ( )x = x x.
5. IK, x E, ()x = x.
6. x E, 0.x = 0.
7. x E, IK, x = 0 = 0 ou x = 0.
Preuve. 1). On a (x y) +y = ((x y) +y) = x. 2) On fait x = y dans (1). 3)
On fait x = 0 dans dans 1). 4) On a ( )x + x = (( ) + )x = x. 5) On fait
= 0 dans 4). 6) On fait = dans 4). 7) En eet, supposons que x = 0. Si = 0 ,
on a gagne. Sinon est inversible dans le corps IK et on a par multiplication par
1
:
1
(x) =
1
0 = 0, do` u 1.x = 0, i.e x = 0.
Sous-espaces vectoriels
Denition 2.1.4 . Soit (E, +, .) un espace vectoriel sur IK et F une partie non vide de
E. On dira que F est un sous-espace vectoriel de E (en abrege s.e.v) si :
1. F est stable pour les deux lois + et .
2. F muni des deux lois induites + et . est un IK-espace vectoriel.
20 CHAPITRE 2. ESPACES VECTORIELS
Proposition 2.1.5 . Soit (E, +, .) un espace vectoriel sur IK et F une partie non vide
de E. F non vide dun IK-espace vectoriel E est dite sous-espace de E si, et seulement
si, les deux conditions suivantes sont realisees :
1. (F, +) est un sous-groupe de (E, +).
2. IK x F .x F.
Theor`eme 2.1.6 . Soit F une partie non vide dun IK-espace vectoriel E. Les proposi-
tions suivantes sont equivalentes :
1. F est un sous-espace vectoriel de E.
2. x, y E, , IK, x +y F.
Preuve. Il est clair que 1) = 2). Inversement, supposons quon ait 2). Prenons = 1
et = 1. alors x F et y F entrainent que x y F. Donc F est un sous-groupe
additif de E. Prenons ensuite = 0. Alors IK et x F entrainent x F.
Exemples 2.1.7 .
1. Soit E un IK-espace vectoriel. Les parties {0} et E sont des sous-espaces vectoriels
de E appeles sous-espaces triviaux.
2. Soit n IN. Lensemble IK
n
[X] des polynomes `a coecients dans K de degre
inferieur ou egal `a n est un s.e.v de v de IK[X].
3. Lintersection quelconque dune famille de s.e.v dun IK-espace vectoriel E est un
s.e.v de E.
4. Lanalyse fournit de nombreux exemples de s.e.v de A(I, IR), o` u I est un intervalle
de IR. Entre autres :
(a) Lensemble C(I, IR) des applications continues sur I.
(b) Lensemble D(I, IR) des applications derivables sur I.
(c) Pour tout n 1, lensemble D
n
(I, IR) des applications n fois derivables sur
I est un sous-espace vectoriel de A(I, IR). Lintersection de tous ces sous-
espaces vectoriels est un sous-espace vectoriel note D
EN
ERALIT
ES 21
(d) Pour tout n 1, lensemble C
n
(I, IR) des applications C
n
sur I.
5. Il y a evidement des parties de IK-espaces vectoriels qui ne sont pas des sous-espaces
vectoriels. Notons en particulier :
(a) Lensemble des polynomes de degre exactement n nest pas un sous-espace
vectoriel de IK[X].
(b) Lensemble des fonctions positives ou nulles (resp. negatives ou nulles) denies
sur une partie D de IR, nest pas un sous-espace vectoriel de A(D, IR).
Sous-espace engendre par une partie
Denition 2.1.8 . Soit (x
1
, ..., x
n
) un syst`eme ni de vecteurs dun IK-espace vectoriel
E. Un vecteur x E est dit combinaison lineaire des vecteurs x
1
, ..., x
n
si lon peut
trouver un syst`eme (
1
, ...,
n
) de scalaires, tel que
x =
1
x
1
+... +
n
x
n
.
Les scalaires
i
sont nommes coecients de la combinaison lineaire x.
Exemples 2.1.9 .
1. Le vecteur 0 est combinaison lineaire de toute famille nie de vecteurs, les coe-
cients etant nuls.
2. Tout vecteur x est combinaison lineaire de tout syst`eme de vecteurs contenant x,
le coecient de x etant 1, tous les autres egaux `a 0.
3. Dans lespace vectoriel IK
3
sur le corps IK, soit le triplet (e
1
, e
2
, e
3
) o` u e
1
=
(1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1). Tout vecteur (a, b, c) de IK
3
est combinaison
lineaire des vecteurs e
1
, e
2
, e
3
car : (a, b, c) = ae
1
+be
2
+ce
3
Theor`eme 2.1.10 . Soit (x
1
, ..., x
n
) un syst`eme ni de vecteurs dun IK-espace vectoriel
E. Lensemble F des combinaisons lineaires des vecteurs x
1
, ..., x
n
est un s.e.v de E ;
cest le plus petit s.e.v (pour linclusion) de E contenant les vecteurs x
1
, ..., x
n
. F est dit
sous-espace engendre par les vecteurs x
1
, ..., x
n
et il est note :
F =< x
1
, ..., x
n
>= {x E /
1
, ...
n
IK, x =
1
x
1
+... +
n
x
n
}
22 CHAPITRE 2. ESPACES VECTORIELS
Preuve. Partons de deux elements de F :
x =
1
x
1
+... +
n
x
n
, y =
1
x
1
+... +
n
y
n
Quels que soient les scalaires et , on a :
x +y = (
1
+
1
)x
1
+... + (
n
+
n
)x
n
On obtient une combinaison lineaire du syst`eme propose, donc un element de F qui est,
par consequent, sous-espace vectoriel de E.
F contient evidemment chacun des x
i
du syst`eme (x
1
, ..., x
n
). Dautre part, tout sous-
espace, contenant les vecteurs x
1
, ..., x
n
, doit contenir aussi la somme
1
x
1
+...
n
x
n
pour
tout scalaires
1
, ...,
n
. Un tel sous-espace contient donc F qui est, par consequent, le
plus petit sous-espace contenant les vecteurs x
1
, ..., x
n
.
Denition 2.1.11 . un syst`eme ni (x
1
, ..., x
n
) de vecteurs dun IK-espace vectoriel E
est dit generateur de E ( ou aussi engendre E) si E =< x
1
, ..., x
n
>. En dautres termes :
x E,
1
, ...,
n
IK, / x =
1
x
1
+... +
n
x
n
.
Exemples 2.1.12 .
1. IK
n
est engendre par les n-uplets (1, 0, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, 0, ..., 1).
2. Soit n un entier. Dans A(IR, IR) les fonctions 1, x, x
2
,...,x
n
engendrent le sous-
espace vectoriel des fonctions polynomiales de degre inferieur ou egal `a n.
Theor`eme 2.1.13 . Soit A une partie dun IK-espace vectoriel E. Lensemble H des
combinaisons lineaires nies delements de A est un s.e.v de E ; cest le plus petit s.e.v
(pour linclusion) de E contenant A. H est dit sous-espace engendre par la partie A, il
est note :
< A >= {x E / n 1,
1
, ...
n
IK, x
1
, ...x
n
E x =
1
x
1
+... +
n
x
n
}
Exemples 2.1.14 .
1. IK[X] est engendre par la partie {1, X, ..., X
n
, ....}.
2.1. G
EN
ERALIT
ES 23
2. Soient (E
n
) une suite croissante de s.e.v dun IK-espace vecrtoriel E. Si G
n
est
un syst`eme generateur de E
n
, alors E =
n
E
n
est un s.e.v de E admettant
n
G
n
comme partie generatrice.
Partie libre - Partie liee
Denition 2.1.15 .
1. On dit quun syst`eme ni (x
1
, ..., x
n
) de vecteurs dun IK-espace vectoriel E est
libre si toute combinaison lineaire de x
1
, ..., x
n
est triviale c`ad :
Si
1
, ...,
n
IK tels que
1
x
1
+... +
n
x
n
= 0 , alors
1
= ... =
n
= 0.
2. On dit quun syst`eme ni (x
1
, ..., x
n
) de vecteurs dun IK-espace vectoriel E est lie
sil nest pas libre. Ce qui revient `a dire quil existe des scalaires
1
, ...,
n
non tous
nuls tels que :
1
x
1
+... +
n
x
n
= 0.
Proprietes 2.1.16 .
1. Tout vecteur non nul est libre.
2. Tout syst`eme contenu dans un syst`eme ni libre est libre.
3. Tout syst`eme contenant le vecteur nul est lie.
4. Tout syst`eme ni contenant un syst`eme lie est lie.
Proposition 2.1.17 . Soit E un IK-espace vectoriel. Le syst`eme (x
1
, ..., x
n
) est lie, si
et seulement si, lun au moins des vecteurs x
i
sexprime comme combinaison lineaire
des autres vecteurs.
Preuve. Supposons que le syst`eme (x
1
, ..., x
n
) est lie, il existe donc un syst`eme
(
1
, ...,
n
) de scalaires non tous nuls tel que
1
x
1
+ ... +
n
x
n
= 0. Soit alors
i
= 0, il
est inversible dans IK et on peut ecrire :
x
i
=
i
1
1
x
1
+... +
i
1
i1
x
i1
+
i
1
i+1
x
i+1
+... +
i
1
n
x
n
.
24 CHAPITRE 2. ESPACES VECTORIELS
Inversement lautre implication est evidente.
Denition 2.1.18 .
1. On dit quune partie A dun IK-espace vectoriel E est libre si tout syst`eme ni
delements distincts de A est libre, c`ad :
n 1, x
1
, ..., x
n
A,
1
, ...,
n
IK tels que
1
x
1
+... +
n
x
n
= 0 , on a :
1
= ... =
n
= 0.
2. On dit quune partie A de E est liee si elle nest pas libre. Autrement dit, il existe
un syst`eme ni de vecteurs de A qui soit lie.
Exemples 2.1.19 .
1. La partie {1, X, ..., X
n
, ....} est libre dans IK[X]
2. La partie formee des applications f
n
denies par f
n
(x) = e
nx
est libre dans A(IR, IR)
2.2 Espaces vectoriels de dimension nie
Denition 2.2.1 .
1. On appelle espace vectoriel de dimension nie tout espace vectoriel engendre par
un syst`eme ni de vecteurs. Dans le cas contraire on dit que lespace vectoriel est
de dimension innie.
2. Un syst`eme (x
1
, ..., x
n
) de vecteurs dun IK-espace vectoriel E est dit base de E si
(x
1
, ..., x
n
) est libre et generateur E.
Exemples 2.2.2 .
1. Une base de IK
n
est (1, 0, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, 0, ..., 1) ; elle est dite base
canonique de IK
n
.
2.2. ESPACES VECTORIELS DE DIMENSION FINIE 25
2. Les polynomes 1, X, X
2
,...,X
n
forment une base de lespace vectoriel IK
n
[X] des
polynomes de degre inferieur ou egal `a n.
3. Si E et F sont deux espaces vectoriels de bases respectives (e
1
, ..., e
n
) et (f
1
, ..., f
m
),
alors E F admet pour base (e
1
, 0
F
), ..., (e
n
, 0
F
), (0
E
, f
1
), ...(0
E
, f
m
).
,
Remarques 2.2.3 . Il ne faudrait pas croire que tous les espaces vectoriels sur un corps
IK soient de dimension nie. Lexemple le plus simple est IK[X], en eet supposons que
IK[X] est engendre par P
1
,...P
r
. Si n est le plus haut degre des polynomes P
1
,...P
r
, le
polynome X
n+1
ne peut secrire comme combibaison lineaire des vecteurs P
1
,...,P
r
. Il
sen suit que IK[X] ne peut pas etre engendre par un nombre ni de polynomes.
Le lemme suivant est fondamental. Il nous permettera de montrer que toutes les
bases dun IK-espace vectoriel sont constituees du meme nombre de vecteurs. Ce nombre
sappellera dimension de lespace.
Lemme 2.2.4 . Soit E un IK-espace vectoriel engendre par le syst`eme (e
1
, ..., e
n
) et soit
(f
1
, ..., f
m
) un syst`eme de vecteurs de E. Si m > n, alors (f
1
, ..., f
m
) est lie.
Preuve. La demonstration se fait par recurrence sur n. Soit m > n.
Cette propriete est vraie pour n = 1, car si (f
1
, f
2
) sont deux vecteurs dun espace
vectoriel engendre par e
1
, il existe
1
et
2
tels que :
f
1
=
1
e
1
et f
2
=
2
e
1
.
Si les deux coecients sont nuls, alors le syst`eme est lie. Sinon, on a
2
f
1
1
f
2
= 0 et
le syst`eme est lie.
On suppose la propriete vraie pour n 1 et on la montre pour n. Soit (f
1
, ..., f
m
) un
syst`eme de vecteurs dun espace vectoriel engendre par (e
1
, ..., e
n
), avec m > n. On peut
ecrire
i = 1, ..., m f
i
= a
i
e
1
+g
i
, avec a
i
IK et g
i
< e
2
, ...e
n
> .
26 CHAPITRE 2. ESPACES VECTORIELS
Si tous les a
i
sont nuls, alors les vecteurs f
i
< e
2
, ..., e
n
> pour tout i = 1, ..., m. Dapr`es
lhypoth`ese de recurrence, le syst`eme (f
1
, ..., f
m
) est lie.
Sinon, lun des a
i
est non nul, par exemple a
1
. Dans ce cas on a :
a
1
f
2
a
2
f
1
< e
2
, ..., e
n
>, ..., a
1
f
m
a
m
f
1
< e
2
, ..., e
n
> .
Or m 1 > n 1 donc lhypoth`ese de recurrence sapplique : ils sont lies. Par suite il
existe des coecients
i
non tous nuls tels que :
2
(a
1
f
2
a
2
f
1
) +... +
m
(a
1
f
m
a
m
f
1
) = 0.
Il sensuit que
(
2
a
2
+... +
m
a
m
)f
1
+
2
a
1
f
2
+... +
m
a
1
f
m
= 0.
Comme lun des coecients
i
a
1
= 0, le syst`eme (f
1
, ..., f
m
) est lie, ce qui ach`eve la
demonstration.
Theor`eme 2.2.5 .
1. Tout IK-espace vectoriel de dimension nie admet au moins une base. Plus precisement,
tout syst`eme generateur ni contient au moins une base.
2. Toutes les bases dun IK-espace vectoriel E ont le meme nombre de vecteurs. Ce
nombre sappelle la dimension de E et se note dimE.
Preuve. 1) Existence dune base. Si (e
1
, ...e
n
) engendre E et si ce syst`eme est libre,
il forme une base. Sil est lie, lun des vecteurs, par exemple e
n
est combinaison lineaire
des autres vecteurs. Il nest pas dicile de voir que, dans ce cas, le syst`eme (e
1
, ...e
n1
)
engendre E. On itere le procede jusqu`a obtenir un syst`eme generateur libre. Cette
methode est constructive.
2) Soient (e
1
, ...e
n
) et (f
1
, ..., f
m
) deux bases de E. Alors on a dapr`es le lemme 1.5.4 :
(e
1
, ...e
n
) est generateur de E et (f
1
, ..., f
m
) est libre dans E, donc m n,
(e
1
, ...e
n
) est libre et (f
1
, ..., f
m
) est generateur, donc n m.
Theor`eme 2.2.6 . Soient E un IK-espace vectoriel de dimension nie n.
2.2. ESPACES VECTORIELS DE DIMENSION FINIE 27
1. Tout syst`eme libre de E ayant n vecteurs est une base.
2. Tout syst`eme generateur de E ayant n vecteurs est une base de E.
3. Soit F E un sous-espace vectoriel de E. Alors F est de dimension nie, dimF
dimE et il y a egalite si et seulement si F = E
Preuve. 1) Soit (e
1
, ..., e
n
) un syst`eme libre de E, montrons quil est generateur de
E. Soit x E, le syst`eme (x, e
1
, ..., e
n
) est lie dapr`es le lemme 1.5.4. Il existe donc un
syst`eme de scalaires non tous nuls (,
1
, ...,
n
) tel que :
x +
1
e
1
+... +
n
e
n
= 0.
Le scalaire est forcement non nul, car sinon
1
= ... =
n
= 0 compte tenu de la liberte
du syst`eme (e
1
, ..., e
n
). Par suite on peut ecrire :
x = (
1
1
e
1
+... +
1
n
e
n
).
Donc (e
1
, ...e
n
) engendre E.
2) Soit (e
1
, ..., e
n
) un syst`eme generateur de E, montrons quil est libre dans E. Si le
syst`eme (e
1
, ..., e
n
) est lie, alors lun des vecteurs est combinaison lineaire des autres
vecteurs ; soit par exemple e
1
. Dans ce cas le syst`eme (e
2
, ...e
n
) est generateur de E, ce
qui est contradictoire en tenant compte du lemme 1.5.4, car une base de E qui contient
forcement n elements serait liee.
3) Parmi tous les syst`emes libres de F, on en choisit un maximal et on le note (f
1
, ...f
m
).
Le nombre des vecteurs de ce syst`eme est necessairement inferieur `a dim E, dapr`es le
lemme 1.5.4. Ce syst`eme est forcement generateur, car si x F, le syst`eme (x, f
1
, ...f
m
)
est lie puisque (f
1
, ...f
m
) est libre maximal, et donc x peut secrire comme combinaison
lineaire des vecteurs du syst`eme (f
1
, ..., f
m
) comme dans 1).
Si F est un sous-espace veriant dimE = dimF, alors F = E, puisquune base de F
etant un syst`eme libre de E, possedant n vecteurs est aussi une base de E en vertu de 1).
Un autre moyen de former une base dans un IK-espace vectoriel est le suivant ; cest
le theor`eme de la base incompl`ete.
28 CHAPITRE 2. ESPACES VECTORIELS
Theor`eme 2.2.7 . Soit E un espace vectoriel de base (e
1
, ..., e
n
) et soit (f
1
, ..., f
m
) un
syst`e me libre. Alors il existe n m vecteurs parmi les vecteurs e
1
, ..., e
n
tels que le
syst`eme constitue de ces n m vecteurs et des vecteurs f
1
, ..., f
m
forme une base de E.
Preuve. On voit que si m < n, alors il existe un des vecteurs e
i
tel que (f
1
, ...f
m
, e
i
)
soit libre. Sinon, pour tout i = 1, ..., n, tous les syst`emes (f
1
, ...f
m
, e
i
) seront lies et les
vecteurs e
1
, ..., e
n
seront combinaisons lineaires des vecteurs f
1
, ...f
m
et donc le syst`eme
(f
1
, ..., f
m
) sera generateur de E, ce qui est impossible. En posant f
m+1
= e
i
, on it`ere le
procede jusqu`a obtenir n vecteurs libres f
j
. Ils forment alors une base. Cette methode
est constructive.
Exemples 2.2.8 . Dans IR
4
, on prend la base canonique (e
1
, e
2
, e
3
, e
4
) et le syst`eme libre
suivant : f
1
= e
1
+ 2e
2
et f
2
= e
1
+e
2
. Le completer en une base de de IR
4
. On a :
(f
1
, f
2
, e
1
) est lie
(f
1
, f
2
, e
2
) est lie
(f
1
, f
2
, e
3
) est libre
(f
1
, f
2
, e
3
, e
4
) est libre. Ces quatres vecteurs forment une base de IR
4
.
Rang dun syst`eme ni de vecteurs
Denition 2.2.9 . On appelle rang du syst`eme de vecteurs (x
1
, ..., x
n
) la dimension du
sous-espace vectoriel engendre par ce syst`eme.
Exemples 2.2.10 . Dans IK
4
, considerons le syst`eme des trois vecteurs :
x
1
= (1, 0, 0, 0), x
2
= (0, 1, 0, 0), x
3
= (1, 1, 0, 0).
Il est clair que le syst`eme (x
1
, x
2
) est libre dans IK
4
et que x
3
= x
1
+x
2
. Par consequent,
le sous-espace F engendre par (x
1
, x
2
, x
3
) est aussi engendre par le syst`eme libre (x
1
, x
2
)
et par suite le rang de F est 2.
Proposition 2.2.11 . Le rang dun syst`eme de vecteurs est le nombre maximum de
vecteurs libres que lon peut extraire de ce syst`eme.
2.3. SOMME DE SOUS-ESPACES VECTORIELS 29
2.3 Somme de sous-espaces vectoriels
Somme de deux sous-espaces
Il est `a noter que la reunion de deux s.e.v dun IK-espace vectoriel nest pas en general
un s.e.v. Pour remedier `a cet inconvenient nous allons remplacer lunion des s.e.v par
une operation plus convenable qui est la somme des s.e.v.
Denition 2.3.1 . Soit E un IK-espace vectoriel, de dimemsion nie ou non, F et G
deux sous-espaces vectoriels de E. On appelle somme de F et G lensemble, note F +G,
deni par :
F +G = {z E / x F, y G , z = x +y}.
Proposition 2.3.2 . La somme F +G de deux s.e.v dun IK-espace vectoriel E est un
s.e.v de E. De plus cest le plus petit s.e.v de E (au sens de linclusion) contenant F G.
Preuve. Soient deux elements x +y et x
+y
F +G avec x, x
F et y, y
G et
soit et deux scalaires, on a (x+y) +(x
+y
) = (x +x
) +(y +y
) F +G.
Donc F + G est un s.e.v de E. Il est clair que F + G contient F et G, donc F G.
Dautre part, tout sous-espace, contenant F G, doit contenir aussi la somme x+y avec
x F et y G. Un tel sous-espace contient donc F +G qui est, par consequent, le plus
petit sous-espace contenant F G.
Denition 2.3.3 . Soit E un IK-espace vectoriel et F,G deux s.e.v de E. On dit que
la somme F + G est directe et on note F G, si tout element de F + G secrit dune
mani`ere unique sous la forme x +y avec x F et y G.
Proposition 2.3.4 . Soit E un IK-espace vectoriel et F,G deux s.e.v de E. Il y a
equivalence entre :
1. F +G est directe.
2. F G = {0}.
3. x +y = 0 avec x F et y G = x = y = 0.
30 CHAPITRE 2. ESPACES VECTORIELS
Preuve. 1) = 2) Si z F G, z peut secrire z = z + 0 = 0 +z. La decomposition
etant unique, z = 0. 2)= 3) Si x+y = 0 avec x F et y G, alors x = y F G =
{0}. 3)=1) Si x+y = x
+y
avec x, x
F et y, y
G, alors on a (xx
)+(yy
) = 0
avec x x
F et y y
G; donc x = x
et y = y
.
Denition 2.3.5 . Soit E un IK-espace vectoriel et F, G deux s.e.v de E. On dit F et G
sont supplementaires, et on note E = F G, si tout element de E secrit dune mani`ere
unique sous la forme x +y avec x F et y G.
En dautre termes, E = F G si les deux conditions suivantes sont realisees :
1. E = F +G.
2. La somme F +G est directe (i.e F G = {0}).
Denition 2.3.6 . Soit E un IK-espace vectoriel et soit F un s.e.v de E. On appelle
supplementaire de F (sous-entendu dans E) tout s.e.v G de E veriant E = F G.
Proposition 2.3.7 . Soit E est un IK-espace vectoriel de dimension nie. Tout sous-
espace vectoriel F de E admet au moins un supplementaire G; de plus tous les supplementaires
ont pour dimension dimE dimF.
Preuve. Si (e
1
, ..., e
n
) est une base de E et (f
1
, ...f
m
) une base de F, le theor`eme de
la base incompl`ete nous permet de completer la base de F par n m vecteurs pour
former une base de E. Ces n m vecteurs engendrent un sous-espace vectoriel G qui
sera supplementaire de F.
Proposition 2.3.8 . Soient F et G deux sous-espaces vectoriels de dimension nie dun
espace vectoriel E. Alors F +G est de dimension nie et on a :
dim(F +G) = dimF +dimGdim(F G).
Preuve. Soit (e
1
, ..., e
p
) une base de FG, que lon compl`ete en une base (e
1
, ..., e
p
, f
1
, ..., f
q
)
de F et (e
1
, ..., e
p
, g
1
, ..., g
r
) de G. On veriera alors que (e
1
, ..., e
p
, f
1
, ..., f
q
, g
1
, ..., g
r
) est
une base de F +G.
Somme de plusieurs sous-espaces
2.3. SOMME DE SOUS-ESPACES VECTORIELS 31
Denition 2.3.9 . Soit E un IK-espace vectoriel, de dimemsion nie ou non, E
1
, ..., E
n
n s.e.v de E. On appelle somme des s.e.v E
1
, E
2
, ..., E
n
lensemble, note E
1
+ ... + E
n
,
deni par :
E
1
+E
3
+... +E
n
= {z E / x
1
E
1
, ..., x
n
E
n
, z = x
1
+... +x
n
}.
Theor`eme 2.3.10 . La somme E
1
+E
2
+... +E
n
de n s.e.v dun IK-espace vectoriel E
est un s.e.v de E. De plus cest le plus petit s.e.v de E (au sens de linclusion) contenant
les s.e.v E
1
, E
2
, ..., E
n
.
Denition 2.3.11 . Soit E un IK-espace vectoriel et E
1
, E
2
, ..., E
n
, n s.e.v de E. On
dit que la somme E
1
+ E
2
+ ... + E
n
est directe et on note E
1
E
2
... E
n
, si tout
x E
1
+ ... + E
n
secrit dune mani`ere unique sous la forme x = x
1
+ ... + x
n
avec
x
1
E
1
, ..., x
n
E
n
.
Proposition 2.3.12 . Soit E un IK-espace vectoriel et E
1
, E
2
, ..., E
n
, n s.e.v de E. Il y
a equivalence entre :
1. E
1
+... +E
n
est directe.
2. i [1, n], E
i
j=i
E
j
= {0}.
3. (x
1
, x
2
, ..., x
n
) E
1
E
2
... E
n
,
i=n
i=1
x
i
= 0 = x
1
= ... = x
n
= 0.
Denition 2.3.13 . Soit E un IK-espace vectoriel et E
1
, ...E
n
n s.e.v de E. On dit que
E est somme directe des s.e.v E
1
, ...E
n
et on note E = E
1
... E
n
, si tout element de
E secrit dune mani`ere unique sous la forme x
1
+... +x
n
avec x
1
E
1
, ..., x
n
E
n
.
En dautres termes, E = E
1
... E
n
si les deux conditions suivantes sont realisees :
1. E = E
1
+... +E
n
.
2. i [1, n], E
i
j=i
E
j
= {0}.
Remarques 2.3.14 .
32 CHAPITRE 2. ESPACES VECTORIELS
1. Si E est un IK-espace vectoriel de base (e
1
, ...e
n
), alors on a :
E =< e
1
> ... < e
n
> .
2. Si F et G sont deux s.e.v en somme directe, alors dim(F G) = dimF +dimG.
3. Si F et G sont deux s.e.v en somme directe, alors une base de F G sobtient en
reunissant une base de F et une base de G.
4. Inversement, si on scinde une base dun IK-espace vectoriel E en deux syst`emes dis-
joints, ces deux syst`emes engendrent deux sous-espaces vectoriels supplementaires.
Chapitre 3
Les applications lineaires
Dans ce chapitre et dans les suivants, IK designera un corps commutatif quelconque
(le plus souvent IK = IR ou I C).
3.1 Generalites
Applications lineaires
Denition 3.1.1 . Soient E et E
). Une application
lineaire de E dans E est appele endomorphisme de E. Lensemble des endomorphismes
de E est note L(E)
Remarques 3.1.2 . Pour toute application lineaire f, on a f(0) = 0 puisque f est un
homomorphisme de groupes.
33
34 CHAPITRE 3. LES APPLICATIONS LIN
EAIRES
Exemples 3.1.3 .
1. Lapplication f : E E
est
lineaire ; elle est dite derivation.
5. Soit E = E
1
E
2
. Lapplication P
r
1
: E E
1
qui associe `a vecteur x = x
1
+ x
2
,
le vecteur x
1
(x
1
E
1
, x
2
E
2
), est lineaire ; elle est appele projection sur E
1
parall`element `a E
2
.
6. Soit v
0
= 0 un vecteur de E. Lapplication : E E qui associe `a u vecteur v, le
vecteur v +v
0
est non lineaire ; car (0) = v
0
= 0 ; elle appelee translation.
Images et noyau
Proposition 3.1.4 . Soit f L(E, E
EN
ERALIT
ES 35
Exemples 3.1.7 .
1. Soit E = E
1
E
2
. On a ImP
r
1
= E
1
et KerP
r
1
= E
2
.
2. Soit D : IR[X] IR[X]4 lapplication derivation. On a KerD = IR et ImD = IR[X]
3. Soit f : IR
3
IR2 lapplication denie par f(x, y, z) = (2x +y, y z). On a :
Kerf = {(x, y, z) IR
3
: y = 2x et z = y} = {(x, 2x, 2x) : x IR}. Kerf est
la droite vectorielle engendre par (1, 2, 2).
Imf = {(x
, y
) IR
2
: (x, y, z) IR
3
: x
= 2x + y, ety
= y z}. Soit
(x
, y
) IR
2
. En posant x =
x
2
, y = y
, y
),
donc f esr surjective, do` u Imf = IR
2
.
Proposition 3.1.8 . Soit f L(E, E
) et (v
1
, ..., v
n
) un syst`eme de vecteurs de E.
1. Si f est injective et le syst`eme (v
1
, ..., v
n
) est libre dans E, alors le syst`eme (f(v
1
), ..., f(v
n
))
est libre dans E
.
2. Si f esr surjective et le syst`eme (v
1
, ..., v
n
) est generateur de E, alors le syst`eme
(f(v
1
), ..., f(v
n
) est generateur de E
.
En particulier si f est bijective, limage dune base de E est une base de E
.
Preuve. 1) Supposons que
i=n
i=1
i
f(v
i
) = 0 avec
1
, ...,
n
IK. Comme f est lineaire,
f(
i=n
i=1
i
fv
i
) = 0 ; et donc
i=n
i=1
i
v
i
= 0 compte tenu de linjection de f. Lindependence
du sys`eme (v
1
, ..., v
n
) entraine
1
= ... =
n
= 0. 2) Soit y E
i=1
i
v
i
o` u les
i
IK. Il sen suit que y = f(x) =
f(
i=n
i=1
i
v
i
) =
i=n
i=1
i
f(v
i
).
Theor`eme 3.1.9 . Deux espaces vectoriels de dimension nie sont isomorphes si et
seulement si, ils ont la meme dimension.
Preuve. = Si f : E E
, donc E et E
ont la meme
36 CHAPITRE 3. LES APPLICATIONS LIN
EAIRES
dimension.
= Supposons que dimE = dimE
et soit (e
1
, ..., e
n
) une base de E et (e
1
, ...e
n
) une
base de E
. Soit f : E E
denie par f(
i=n
i=1
i
e
i
) =
i=n
i=1
i
e
i
. Il est facile de voir que f
est lineaire bijective.
Corollaire 3.1.10 . Soit E u espace vectoriel de dimension nie sur IK, alors E est
isomorphe `a IK
n
si et seulement si dimE = n.
Theor`eme de la dimension
Theor`eme 3.1.11 . Theor`eme de la dimension. Soient E et E
i=1
i
f(v
i
). B est libre puisque si
i=nr
i=1
i
f(v
i
) = 0, alors f(
i=nr
i=1
i
v
i
) = 0 et donc
i=nr
i=1
i
v
i
Kerf. Il sen suit que
i=nr
i=1
i
v
i
=
i=r
i=1
i
f(v
i
)
Corollaire 3.1.12 . f L(E, E
), E et E
=
dim(Imf) E
= Imf f surjective
3.1. G
EN
ERALIT
ES 37
Remarques 3.1.13 .
1. Ce resultat est faux en dimension innie. Lapplication derivation D : IR[X]
IR[X] qui `a un polynome P fait correspondre P
i=n
i=1
x
i
e
i
) =
i=n
i=1
x
i
f(e
i
), donc si on connait f(e
1
), ..., f(e
n
) f est
connue en tout x.
Alg`ebre L(E) et projecteurs
Soit E un IK-espace vectoriel et L(E) lensemble des endomorphismes de E. On
munit L(E) des lois suivantes :
- L(E) L(E) L(E), (f, g) f +g
- IKL(E) L(E), (, f) .f
-L(E) L(E) L(E), (f, g) f g.
La proposition suivante est facile `a etablir :
Proposition 3.1.14 1. (L(E), +, .) est un IK-espace vectoriel
2. (L(E), +, ) est un anneau. De plus (f g) = (f) g = f (g).
Les proprietes 1 et 2 expriment que L(E) est une alg`ebre sur IK.
Soient E un IK-espace vectoriel, E
1
et E
2
deux sous-espaces vectoriels de E tels que
E = E
1
E
2
. On denit Pr
1
: E E avec Pr
1
(x
1
+ x
2
) = x
1
, x
1
E
1
, x
2
E
2
. Pr
1
est appelee projection sur E
1
parallelement `a E
2
. On denit aussi Pr
2
: E E avec
P
2
(x
1
+x
2
) = x
2
.
Proposition 3.1.15 1. Pr
1
est application lineaire, KerPr
1
= E
2
et ImPr
1
= E
1
2. Pr
1
Pr
1
= Pr
1
, Pr
1
+Pr
2
= id
E
et P
r
1 Pr
2
= P
r
2 Pr
1
= 0
3. E = KerPr
1
ImPr
1
= KerPr
2
ImPr
2
.
Preuve. 1) Si x = x
1
+x
2
et y = y
1
+y
2
, alors on Pr
1
(x +y) = Pr
1
((x
1
+y
1
) +(x
2
+
y
2
)) = x
1
+y
1
= Pr
1
(x) +Pr
1
(y) et Pr
1
(x) = Pr
1
(x
1
+x
2
) = x
1
= Pr
1
(x). Il est
38 CHAPITRE 3. LES APPLICATIONS LIN
EAIRES
facile de voir que KerPr
1
= {x = x
1
+ x
2
/Pr
1
(x) = 0} = {x = x
1
+ x
2
/x
1
= 0} = E
2
et ImPr
1
= {Pr
(
x) /x = x
1
+ x
2
E} = {x
1
/x
1
E
1
} = E
1
. 2) Si x = x
1
+ x
2
,
on a Pr
1
Pr
1
(x) = Pr
1
(x
1
) = x
1
= Pr
1
(x) et (Pr
1
+ Pr
2
)(x) = Pr
1
(x) + Pr
2
(x) =
x
1
+x
2
= x. Il est clair que Pr
1
Pr
2
(x) = Pr
1
(x
2
) = 0 et de meme ona Pr
2
Pr
1
= 0.
3) Finalement on a E = E
1
E
2
= KerPr
2
ImPr
2
= KerPr
1
ImPr
1
.
Denition 3.1.16 . Un endomorphisme p L(E) est dit projecteur si p p = p.
Chapitre 4
Applications lineaires et Matrices
Matrices Associees aux Applications lineaires
Soient E et E
1
, ..., e
p
)
une base de E
1
, ..., e
p
) :
f(e
1
) = a
11
e
1
+a
21
e
2
+... +a
p1
e
p
f(e
2
) = a
12
e
1
+a
22
e
2
+... +a
p2
e
p
.
.
.
f(e
n
) = a
1n
e
1
+a
2n
e
2
+... +a
pn
e
p
Denition 4.0.17 . On appelle matrice de f dans les bases (e
1
, ..., e
n
), (e
1
, ..., e
p
) la
matrice notee M(f)
e
i
,e
j
appartenant `a M
n,p
(IK) dont les colonnes sont les composantes
39
40 CHAPITRE 4. APPLICATIONS LIN
EAIRES ET MATRICES
des vecteurs f(e
1
), f(e
2
), ..., f(e
n
) dans la base (e
1
, ..., e
p
) :
M(f)
e
i
,e
j
=
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
. . ... .
. . ... .
. . ... .
a
p1
a
p2
... a
pn
_
_
_
_
_
_
_
_
_
_
_
_
.
Il est clair que la matrice associee `a f depend du choix des bases de E et E
.
Exemples 4.0.18 .
1. Soit E de dimension nnie et id
E
: E E lapplication qui `a x associe x. On
consid`ere une base (e
i
, i = 1, ..., n) de E. On a
M(id
E
)
e
i
=
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 ... 0
0 1 0 ... 0
0 0 1 ... 0
. . . ... 0
. . . ... 0
0 0 . ... 1
_
_
_
_
_
_
_
_
_
_
_
_
= I
n
matrice unite de M
n
(IK).
2. Soit E = IR
2
et P
1
: IR
2
IR
2
lapplication lineaire qui `a (x, y) associe (x, 0).
Considerons la base canonique (e
1
, e
2
) de IR
2
. On a P
1
(e
1
) = e
1
, P
1
(e
2
) = 0 et
M(P
1
)
e
i
=
_
1 0
0 0
_
.
3. Soit (e
1
, e
2
, e
3
) la base canonique de IR
3
et (e
1
, e
2
) la base canonique de IR
2
. Considerons
lapplication lineaire f : IR
3
IR
2
qui `a (x, y, z) associe (x y, z y). On a
M(f)
e
i
,e
j
=
_
1 1 0
0 1 1
_
.
4. Soit D : IR
4
[t] IR
3
[t] lapplication lineaire qui `a p(t) associe p
(t). On a M(D)
e
i
,e
j
=
41
_
_
_
_
_
_
0 1 0 0 0
0 0 2 0 0
0 0 0 3 0
0 0 0 0 4
_
_
_
_
_
_
. (e
1
, ..., e
5
) et (e
1
, ..., e
4
) etant les bases canoniques respective-
ment de IR
4
[t] et IR
3
[t].
Proposition 4.0.19 . Soient E et E
j
, j = 1, ..., p) des bases de E et E
. Alors laplication
M : L(E, E
) M
p,n
(IK) qui `a f associe M(f)
e
i
,e
j
est un isomorphisme despaces
vectoriels. En particulier dimL(E, E
) = np
Preuve. IL est facile de verier la linearite de M. Soit f KerM, donc M(f)
e
i
,e
j
= 0
et par suite f(e
1
) = f(e
2
) = ...f(e
n
) = 0 do` u f = 0 et M est injective. Elle est aussi
surjective, car si A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
. . ... .
. . ... .
. . ... .
a
p1
a
p2
... a
pn
_
_
_
_
_
_
_
_
_
_
_
_
., on construit f en posant :
f(e
1
) = a
11
e
1
+a
21
e
2
+... +a
p1
e
p
f(e
2
) = a
12
e
1
+a
22
e
2
+... +a
p2
e
p
.
.
.
f(e
n
) = a
1n
e
1
+a
2n
e
2
+... +a
pn
e
p
.
Pour x E, x = x
1
e
1
+ ...x
n
e
n
avec x
i
IK. On pose f(x) = x
1
f(e
1
) + ... = x
n
f(e
n
).
On verie que f est lineaire et M(f)
e
i
,e
j
= A.
Soient E, F, G trois IK-espaces vectoreils, f L(E, F), g L(F, G). Soient B =
(e
1
, ..., e
n
), C = (e
1
, ..., e
n
) et D = (e
1
, ..., e
n
) des bases respectives de E, F, G. Posons :
M
BC
(f) = (a
kj
) matrice de type (p, n)
M
CD
(g) = (b
ik
) matrice de type (m, p)
M
BC
(g f) = (c
ij
) matrice de type (m, n)
42 CHAPITRE 4. APPLICATIONS LIN
EAIRES ET MATRICES
On a alors j = 1, ...n :
g f(e
j
) = g(f(e
j
)) = g(
k=p
k=1
a
kj
e
k
) =
k=p
k=1
a
kjg()e
k=p
k=1
a
kj
(
i=m
i=1
b
ike
i
) =
k=p
k=1
i=m
i=1
a
kj
b
ik
e
i
i=m
i=1
(
k=p
k=1
b
ik
a
kj
)e
i
Proposition 4.0.20 . Avec les notations precedentes on a : M
BD
(gf) = M
CD
(g)M
BC
(f).
Matrice de linverse dune application lineaire
Proposition 4.0.21 . Soient E et E
. f L(E, E
B
= M(f)
BB
1
.
Preuve. Comme f f
1
= f
1
f = id
E
, M(f
1
f)
B
= M(f f
1
B
= M(id
E
) =
M(id
E
) et par suite M(f
1
)M(f) = M(f)M(f
1
) = I, c`ad M(f
1
) = M(f)
1
.
Matrice colonne
Soit E un espace vectoriel, B = (e
1
, ...e
n
) une base de E. Chaque vecteur x E
secrit x = x
1
e
1
+... +x
n
e
n
. On peut ainsi associer `a chaque vecteur x E une matrice
du type (n, 1) suivante X =
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
_
_
_
_
.
Une matrice de ce type sappelle une matrice colonne. Une matrice colonne peut etre
interpretee comme matrice de lapplication lineaire X : IK E qui `a chaque IK
associe x. On a X = M
1,B
(X) o` u (1) est la base canonique IK.
Proposition 4.0.22 . Soient E, F deux espaces vectoriels munis respectivement des
bases B = (e
1
, ..., e
n
), C = (e
1
, ..., e
p
) et f L(E, F). Soient Y la matrice colonne associe
`a f(x) dans la base C et X la matrice colonne de x dans la base B. On a Y = M
BC
.X
43
Preuve. Nous pouvons utiliser la proposition precedente. On a :
IK . f x() = f(X()) = f(x) = f(x) = f(x)() c`ad f X = f(X) et par
passage aux matrices on a Y = M
BC
.X
Changement de bases. Soient B = (e
1
, ..., e
n
) et B
= (e
1
, ..., e
n
) deux bases dun
espace vectoreil E.
Denition 4.0.23 . On appelle matrice de passage de la base B `a la base B
, la matrice
P, caree dordre n, dont la j`eme colonne est formee des coordonnees du vecteur e
j
dans la base B. Autrement dit si e
j
=
i=n
i=1
p
ij
e
i
(j = 1, ..., n), alors P = (p
ij
) =
_
_
_
_
_
_
_
_
_
p
11
p
12
... p
1n
p
21
p
22
... p
2n
. . ... .
. . ... .
p
n1
p
n2
... p
nn
_
_
_
_
_
_
_
_
_
Exemples 4.0.24 . Si E est un espace vectoriel de base (e
1
, e
2
) et (e
1
, e
2
) avec e
1
=
3e
1
+ e
2
et e
2
= 2e
1
+ 5e
2
, alors la matrice de passage de la base (e
1
, e
2
) `a la base
(e
1
, e
2
) est P =
_
3 2
1 5
_
Interpretation. Pour tout indice j, la j`eme colonne de P est lexpression du vecteur
e
B
(id
E
).
Theor`eme 4.0.25 . Soient B et B
et P
la matrice de passage de B
`a B. Alors PP
= P
P = I et aindi P
= P
1
.
Preuve. Considerons le diagramme : (E, B
) (E, B) (E, B
B
c`ad I = PP
= P
P.
Action sur les coordonnees.
Proposition 4.0.26 . Soient x E, B et B
. On a X = PX
et aisi X
= P
1
X.
44 CHAPITRE 4. APPLICATIONS LIN
EAIRES ET MATRICES
Preuve. Decoule immediatement de legalite id(x) = x o` u id : (E, B
) (E, B
) et
de la proposition.
Exemples 4.0.27 . Soit IR
2
muni de deux bases, la base canonique (e
1
, e
2
) et la base
(e
1
, e
2
) denie par e
1
= 2e
1
+ e
2
et e
2
= 3e
1
+ 2e
2
. Soit x = 2e
1
+ 3e
2
, calculons les
composantes de x dans la base (e
1
, e
2
). On a P =
_
2 3
1 2
_
, P
1
=
_
2 3
1 2
_
,
X
=
_
2 3
1 2
__
2
3
_
v et ainsi x
= 5e
1
+ 4e
2
Proposition 4.0.28 . Soient E et E
). Soient B = (e
1
, ..., e
n
), C = (
1
, ...,
n
) deux bases de E et B
= (e
1
, ..., e
p
),
C
= (
1
, ...,
p
) deux bases de E
. Notons A = M(f)
e
i
,e
j
, A
= M(f)
i
,
j
, P la matrice de
passage de B `a C et Q la matrice de passage de B
`a C
. On a alors A
= Q
1
AP.
Preuve. Considerons le diagramme :
(E, B) (E
, B
)
(E, C (E
, C
)
On a f id
E
= id
E
f, et donc M(f)
CC
M(id
E
)
BC
= M(id
E
)
B
C
M(f)
BB
c`ad A
P
1
=
Q
1
A ou encore A
= Q
1
AP.
Corollaire 4.0.29 . Soit f L(E) et B = (e
1
, ..., e
n
), B
= (e
1
, ..., e
n
) deux bases de
E. Notons A = M(f)
e
i
, A
= M(f)
e
i
et P la matrice de passage de B `a B
. On a alors
A
= P
1
AP.
Denition 4.0.30 . Deux matrices A, A
M
n
(IK) sont dites semblables sil existe une
matrice P M
n
(IK) inversible telle que P
1
AP = A
.
Exemples 4.0.31 . Soit f lendomorphisme de IR
2
qui dans la base canonique (e
1
, e
2
)
est represnte par la matrice A = M(f)
e
i
=
_
3 1
0 2
_
. Determinons la matrice A
qui
represente f dans la base (e
1
, e
2
) avec e
1
= (0, 1) et e
2
= (1, 1). On a
A
= P
1
AP =
_
1 1
1 0
__
3 1
0 2
__
0 1
1 1
_
=
_
5 2
3 0
_
.
45
Rang dune Matrice.
Denition 4.0.32 . Soit (v
1
, ..., v
n
) un syst`eme de vecteurs de IK
p
, on appelle rang
du syst`eme la dimension de lespace engendre par les vecteurs v
i
. Soit A M
pn
(IK),
A = (c
1
, ..., c
n
) o` u lon a note c
i
les vecteurs colonnes de A (c
i
IK
p
). On appelle rang
de A le rang du syst`eme des vecteurs colonnes de A.
Lemme 4.0.33 . Soient E, F, G des espaces vectoriels de dimension nies, f L(E, F)
et g L(G, E). On a
1. Si g est surjective, alors rang(f) = rang(f g),
2. Si f est injective. alors rang(g) = rang(f g).
Preuve.1) rang(f) = dim(f(E)) = dim(f(g(G)) = dim(f g)(E) = rang(f g).
2) Soit {g(v
1
), ...., g(v
r
)} une base de Img. Le syst`eme {f(g(v
1
)), ..., f(g(v
r
))} est libre
puisque f est injective et il est generateur de Im(f g) car si y Im(f g), on peut ecrire
y = (f g)(x) = f(g(x)) = f(
i
g(v
i
)) =
i
i
f(g(v
i
)), donc {f(g(v
1
)), ..., f(g(v
r
))}
est une base de Im(f g), do` u rang(g) = rang(f g).
Proposition 4.0.34 . Soit f L(E, E
). Soient (e
1
, ...e
n
) et (e
1
, ...e
n
) deux bases quel-
conques de E et E
respectivement et A = M(f)
e
i
,e
j
. On a alors rangf = rangA. Ainsi
deux matrices qui representent la meme application lineaire en des bases dierentes ont
meme rang, en particulier deux matrices semblables ont meme rang.
Preuve. On consid`ere le diagramme suivant :
(IK
n
, B) (IK
p
, B
)
(E, C (E
, C
)
u et v sont denies de la facon suivante :
u(f
j
) = e
i
, u(f
j
) = e
j
avec B = {f
1
, ...
n
} la base canonique de IK
n
, B
= {f
1
, ..., f
p
} la
base canonique de IK
p
. On a h = v
1
f u et lapplication h a precisement A comme ma-
trice dans les bases canoniques car h(f
i
) = v
1
f u(f
i
) = v
1
(f(e
i
)) = v
1
(
j
a
ji
e
j
) =
j
a
ji
f
j
car A = (a
ij
) = M(f)
CC
. Do` u A = M(h)
f
i
,f
j
et donc rang(A) = rang(h). Mais
46 CHAPITRE 4. APPLICATIONS LIN
EAIRES ET MATRICES
dapr`es le lemme precedent rang(h) = rang(v
1
f u) = rang(f u) = rang(f).
Matrices remarquables
1. A = (a
ij
) M
n
(IK) est diagonale si a
ij
= 0 pour i = j.
2. A = (a
ij
) M
n
(IK) est triangulaire superieure si a
ij
= 0 pour i j.
3. La transposee dune matrice A = (a
ij
) M
n
(IK) est la matrice notee A
t
= (b
ij
)
M
n
(IK) avec b
ij
= a
ji
. De plus on a les proprietes suivantes faciles `a etablir :
(a) A
t
t
= A, (A + B)
t
= A
t
+ B
t
, (A)
t
= A
t
et (AB)
t
= B
t
A
t
pour tout
A, B M
n
(IK) et IK.
(b) Lapplication : M
n
(IK) M
n
(IK) qui associe `a A sa transposee A
t
est un
isomorphisme despaces vectoriels.
Denition 4.0.35 . Deux matrices A, B M
n,p
(IK) sont dites equivalentes sil existe
P M
p
(IK) et Q M
n
(IK) inversibles telles que B = Q
1
AP. Cest en fait une
relation dequivalence sur M
n,p
(IK).
Lemme 4.0.36 Soit A M
n,p
(IK). On a
rang(A) = r A est equivalente ` a
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . 0 . . . 0
0 1 0 . 0 . . . 0
. . . . 0 . . . 0
0 0 0 0 1 0 . . 0
. . . . 0 0 . . .
. . . . . . . . .
. . . . . . . . .
0 0 0 0 . 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Preuve. = trivial.
= A M
n,p
(IK) denit une application lineaire : (IK
p
, e
i
) (IK
n
, e
j
). On munit IK
p
et IK
n
des bases canoniques {e
1
, ..., e
p
} et {e
1
, ..., e
n
} respectivement. Soit r le nombre de
vecteurs lineairement independents parmi les images des vecteurs de la base {e
1
, ..., e
p
} ;
47
c`ad Ae
1
, ...., Ae
p
, quon peut supposer etre Ae
1
, ...., Ae
r
, les autres Ae
r+1
, ...., Ae
p
peuvent
sexprimer en fonction de ces derniers :
Ae
k
=
j=r
j=1
c
kj
Ae
j
, pour k = r + 1, ..., p
On denit une nouvelle base f
1
, ..., f
p
dans IK
p
, comme suit :
f
k
= e
k
, pour k = 1, ..., r et f
k
= e
k
j=r
j=1
c
kj
e
j
, pour k = r + 1, ...p
On a alors Af
k
= 0 pour k = r + 1, ..., p. Posons alors Af
j
= t
j
pour j = 1, 2, ...r.
Les t
j
sont par hypoth`ese lineairement independents. Completons les pour obtenir une
base de IK
n
, disons t
r+1
, ..., t
n
. Considerons alors la matrice de lapplication lineaire
dans les nouvelles bases {f
1
, ...f
p
} et {t
1
, ..., t
n
}, on a alors :
M()
f
i
,t
j
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . 0 . . . 0
0 1 0 . 0 . . . 0
. . . . 0 . . . 0
0 0 0 0 1 0 . . 0
. . . . 0 0 . . .
. . . . . . . . .
. . . . . . . . .
0 0 0 0 . 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
= J
r
.
A et M()
f
i
,t
j
representent la meme application lineaire, et sont donc equivalentes.
Theor`eme 4.0.37 Soient A, B M
np
(IK). A et B sont equivalentes si et seulement
si rang(A) = rang(B).
Preuve. trivial
Si rang(A) = rang(B) = r, alors dapr`es le lemme precedent A est equivalente `a J
r
et de meme B est equivalente`a J
r
, et par suite A est equivalente `a B.
Theor`eme 4.0.38 . Soit A M
np
, alors rang(A) = rang(A
t
). Cest `a dire que le
rang dune matrice A est aussi la dimension de lespace engendre par les vecteurs lignes
de la matrice A.
48 CHAPITRE 4. APPLICATIONS LIN
EAIRES ET MATRICES
Preuve. Supposons que rang(A) = r, donc A est equivalente `a J
r
et par suite il
existe P M
p
(IK) et Q M
n
(IK) inversibles telles que A = Q
1
J
r
P. Donc A
t
=
P
t
J
t
r
(Q
1
)
t
= (P
1
t
)
1
J
r
(Q
1
)
t
= (P
1
t
)
1
J
r
(Q
1
)
t
car J
r
est symetrique, do` u A
t
est
equivalente `a J
r
et donc rang(A
t
) = r = rang(A).
Exemples 4.0.39 Determinons le rang de la matrice :
A =
_
_
_
_
1 2 0 1
2 6 3 3
3 10 6 5
_
_
_
_
On utilise les operations elementaires sur les lignes :
On a rang(A) = rang(
_
_
_
_
1 2 0 1
0 2 3 1
0 4 6 2
_
_
_
_
) = rang(
_
_
_
_
1 2 0 1
0 2 3 1
0 0 0 0
_
_
_
_
). Les deux vec-
teurs lignes sont libres, do` u le rang de A est egal `a 2.
Chapitre 5
Valeurs propres et vecteurs propres
5.1 Valeurs propres et vecteurs propres
Denition 5.1.1 . Soit f L(E), dimE = n 1. On appelle de vecteur propre de f
tout vecteur x E tel que f(x) soit colineaire `a x i.e IK, tel que f(x) = x.
. Comme f(0) = 0, le vecteur nul est toujours un vecteur propre et de plus pour tout
scalaire IK on a f(0) = 0. Mais si x est un vecteur propre non nul, alors le scalaire
est unique. En eet si f(x) = x = x, alors( )x = 0 et donc = .
Denition 5.1.2 . Soit f L(E). On dit quun scalaire IK est une valeur propre
de f sil existe un vecteur propre x E, x = 0 tel que f(x) = x. On dit que x est un
vecteur propre de f associe `a .
Exemples 5.1.3 .
1. Soit E un IK-espace vectoriel et h
(x) =
x. Il est clair que tout vecteur de E est un vecteur propre et est la seule valeur
propre.
2. Supossons dimE = n, f L(E) et quil existe une base B de E telle que la matrice
M(f)
B
soit diagonale i.e M(f)
B
= diag(
1
, ....,
n
). Alors chacun des vecteurs e
i
da la base est un vecteur propre de f associe `a la valeur propre
i
49
50 CHAPITRE 5. VALEURS PROPRES ET VECTEURS PROPRES
Notations 5.1.4 . Soit f L(E). Pour IK, on denit lensemble
E
= Ker(f id
E
).
On a ainsi x E
= {0}.
Si est une valeur propre , alors E
= {0}
3. f id
E
nest pas injective
4. f id
E
nest pas bijective
5. det(f id
E
) = 0 i.e (det(M(f id
E
)
B
) = 0 o` u B est une base de E)
Proposition 5.2.2 . Si f L(E), alors
1. Si et sont deux valeurs propres de f distinctes, alors E
= {0}
2. Si
1
, ...,
p
sont des valeurs propres de f distinctes deux `a deux, alors la somme
E
1
+... +E
p
est directe
Preuve. 1) Il est clair que si f(x) = x = x, alors ( )x = 0, et ainsi x = 0.
Pour 2) elle se fait par recurrence sur lentier p.
5.3. POLYN
OME CARACT
ERISTIQUE 51
5.3 Polynome caracteristique
Correspondance
Remarques 5.3.1 Soient f L(E), dimE = n 1, B une base de E. Soient x E,
X le vecteur colonne de x dans la base B et A = M(f)
B
. On a
f(x) = x AX = X
Denition 5.3.2 . Soient n 1 et A M
n
(IK).
1. On appelle vecteur propre de A tout vecteur colonne X (`a n lignes) tel quil existe
un scalaire IK :
AX = X.
2. On appelle valeur propre de A tout scalaire IK tel quil existe un vecteur colonne
X M
n1
(IK) , X = 0, tel que
AX = X.
Proposition 5.3.3 . Soient A M
n
(IK), IK. Les propositions suivantes sont
equivalentes :
1. valeur propre de A
2. A I
n
nest pas inversible
3. det(A I
n
) = 0
Denition 5.3.4 . Soit A M
n
(IK). On appelle polynome caracteristique de A et on
note P
A
(X) le polynome P
A
(X) = det(A XI
n
).
Remarques 5.3.5 . Soit A M
n
(IK).
1. Les valeurs propres de A sont les racines du polyome carateristique P
A
(X) = det(A
XI).
2. Si est une valeur propre de A, alors E
= {X M
n1
/ (A I
n
)X = 0} est le
sous-espace propre associe `a .
52 CHAPITRE 5. VALEURS PROPRES ET VECTEURS PROPRES
Proposition 5.3.6 . Soit A = (a
ij
) M
n
(IK). Alors le polynome carateristique de A
est un polynome de degre n, plus precisement :
P
A
(X) = (1)
n
X
n
+ (1)
(n1)
TrAX
n1
+...detA.
o` u TrA = a
11
+... +a
nn
Exemples 5.3.7 .
1. Si A =
_
a b
c d
_
, alors on a P
A
(X) = det(A XI
2
)= (a-X)(d-X)-cb= X
2
(a +
d)X + (ad bc)
2. Soit A =
_
1 2
0 1
_
. On a P
A
(X) = det(AXI) = (1X)
2
, donc A admet une seule
valeur propre = 1. Deteminons les vecteurs propres de A associe `a = 1 c`ad E
1
.
On a X =
_
x
y
_
E
1
(A I)X = 0 2y = 0, donc E
1
= {(x, 0) / x IR} =
V ect((1, 0))