Documente Academic
Documente Profesional
Documente Cultură
mustapha.chellali@gmail.com
x; y; z P R tel que: x + y 2z = 3
Il y a 3 inconnues et une quation . e Considrons de m^me le problme : e e e Trouver tous les
x; y P R tel que
Il y'a deux inconnues et 3 quations e Considrons de m^me le problme : e e e
V ` X
x + y = 1 x + 2y = 2 xy = 5
x; y P R tel que
V ` X
x + 3y = 2 x + 3y = 2 2x y = 5
Ici la m^me quation est rpete deux fois. Ce qui n'est pas absurde (on peut imaginer un e e e e problme concret qui mne a ce systme). e e e
Exemple : Trouver
x; y P R tel que
x = 4
Une inconnue peut ne pas gurer explicitement dans les quations. C'est le cas de l'inconnue y e dans le systme ci dessus. e
4
Exemple : Trouver
x; y; z P R tel que
1 1
0 1 0
H d
x y z
I e
10 7
Plus gnralement e e
Dnition 1.1. On appel systme linaire le problme de trouver tous les x1 ; x2 ; ; xn P K (K e e e e corps commutatif ) vriant m quations de la forme : e e
V b b ` b b X
am x + am x + + amn xn
= b1 = b2 = bm
En utilisant une quation (j ), exprimer une inconnue xi1 en fonction des autres, rapporter le e rsultat dans les autres qutions. Cela donne un nouveau systme S2 de m 1 quations et e e e e n 1 inconnues Rsoudre le nouveau systme S2 . Utiliser la solution obtenue pour calculer ectivement e e e l'inconnue limine dans l'tape 1 e e e On a donc
S @A
&
xi1 = : : : S2 xi1 = : : :
@A X
Soit
V ` & xi1
= ::: xi2 = : : :
S3
@A : : :
S @A
V b b b b b ` b b b b b X
xi2 = : : :
...
xi = : : :
r
Sr
5
Quand il n'est plus possible d'exprimer une inconnue en fonction des autres.
C'est dire : a
Soit il n'y a plus d'quations e Soit il n'y a plus d'inconnues Soit toutes les quations se prsenent sous la forme : e e
V ` X
Sr
Dans le premier cas les inconnues non encore limins peuvent prendre des valeurs arbitraires e ee et la solution gnrale du systme s'xprime au moyen de ces inconnues qui jouent le r^le de e e e e o paramtres arbitraires . La solution s'obtient en remontant les quations limines : dernire e e e e e quation limine, avant dernire, celle qui la prcde . . . e e e e ee Dans le second : si les quations non encore limins sont vris, le systme est possible, sa e e ee e e e solution (unique) s'obtient en remontant les quations limines : dernire quation limine, e e e e e e e avant dernire, celle qui la prcde . . . Sinon le systme est impossible . e ee e Dans le troisime cas e
{ Ou bien il existe un bHi T= 0 dans ce cas ce systme est impossible, donc le systme de e e
dpart est impossible. e { Ou bien tous les bHi sont nuls, dans ce cas tous les inconnues non encore limins e ee xir+1 ; xir+2 ; : : : ; xin vrient les quations, donc peuvent prendre des valeurs arbitraires e e et la solution gnrale du systme s'xprime au moyen de ces inconnues qui jouent le r^le e e e e o de paramtres arbitraires . La solution s'obtient en remontant les quations limines : e e e e dernire quation limine, avant dernire, celle qui la prcde . . . e e e e e ee
Exemple 1 :
S
On a
&
x+yz+t = x y 3z 5t =
&
1 1
(1) (2)
S @A S2 =y; z; t @A
&
x=1ty+z S2 =y; z; t
S2 =y; z; t @A
(1 t y + z ) y 3z 5t = 1 @A 2y 2z 6t = 2 & y = 1 z 3t
S3 =z; t S3 =z; t = Y
6 Le systme e
S3 =z; t = Y
f(z; t) j z; t P K g
Donc la solution gnerale de S est e
V b b b b b b b b ` (x; y; z; t) b b b b b b b b X
z; t P K y = 1 z 3t
W b b b b b b b b a b b b b b b b b Y
Soit
f(4t; 1 z 3t; z; t) j z; t P K g
Exemple 2 :
V b b ` b b X
S
On a
x+y =2 xy =0 2x + y = 3 x + 3y = 4 y =2x S2 =x
S @A S2 @A
Soit sous forme standard
V ` X
&
x (2 x) = 0 2x + (2 x) = 3 x + 3(2 x) = 4
V ` X
S2 @A
On rpte la mthode sur S e e e
2x = 2 x=1 2x = 2
&
S @A S3 @A
Soit sous forme standard
&
x=1 S3 = Y
2=2 2 = 2
&
S3 @A
0=0 0=0
S3 est un systme lementaire qui n'a pas d'inconnues, dont les relations sont vri. Donc S3 e e e e est possible . Donc S est possible. Sa solution unique est :
V b b ` b b X
(x; y )
x=1
W b b a b b Y
Exemple 3 :
S
On a
x+y =2 xy =0 2x + y = 3 x + 3y = 7 y =2x S2 =x
S @A S2 @A
Soit sous forme standard
V ` X
&
x (2 x) = 0 2x + (2 x) = 3 x + 3(2 x) = 7
V ` X
S2 @A
On rpte la mthode sur S e e e
2x = 2 x=1 2x = 1
S @A S3 @A
Soit sous forme standard
& &
x=1 S3 = Y
2 = 1
&
2=2
S3 @A
0=0 0=3
S3 est un systme lementaire qui n'a pas d'inconnue, dont les relations ne sont pas vri. e e e e Donc S3 est impossible . Donc S est impossible.
Exemple 4 :
S
On a
V ` X
x+y+zt = 1 x + y z 2t = 3 3x + 3 y z 5t = 7
8
&
S @A S2 @A
Soit sous forme standard
&
x=1+tyz S2 =y; z; t
(1 + t y z ) + y z 2t = 3 3(1 + t y z ) + 3y z 5t = 7
S2 @A
&
2z t 4z 2t
&
= 2 = 4
S2 =y; z; t @A S3 @A
Soit sous forme standard
t = 2z 2 S3 =y; z
= 4
4z 2(2z 2)
S3 @A
0 = 0
S3 est donc un systme lementaire sur lequel l'algorithme s'arrte. Comme les quations de e e e e S3 sont vries, sa solution gnerale est e e e
y; z P K t = 2z 2
x=1+tyz = 1 + (2z 2) y z = 1 y 3z
W b b b b b b b b a b b b b b b b b Y
Soit
f (1 y 3z; y; z; 2z 2) jy; z P K g
Exemple 5 :
S
On a
V ` X
x+y+zt = 1 x + y z 2t = 3 3x + 3 y z 5t = 6
&
S @A S2 @A
&
x=1+tyz S2 =y; z; t
(1 + t y z ) + y z 2t = 3 3(1 + t y z ) + 3y z 5t = 6
S2 @A
&
2z t 4z 2t
&
= 2 = 3
S2 =y; z; t @A S3 @A
Soit sous forme standard
t = 2z 2 S3 =y; z
= 3
4z 2(2z 2)
S3 @A
0 =
S3 est donc un systme lementaire sur lequel l'algorithme s'arrte. Comme les quations de e e e e S3 ne sont pas vries, S3 st impossible, donc S est impossible e e
f(4t; 1 z 3t; z; t) j z; t P K g
Une solution gnerale s'crit donc : e e
&
x+yz+t=1 x y 3z 5t = 1
10
& & &
S S S S
x=1y+zt x y 3z 5t = 1
x=1y+zt ()(1) x y 3z 5t = 1
x=1y+zt ()(1) (1 y + z t) y 3z 5t = 1
&
x=1y+zt ()(1) 2y 2z 6t = 2 & x=1y+zt ()(1) S y = 1 z 3t & x=1y+zt ()(1) S y = 1 z 3t ()(2) & x=1y+zt ()(1) S y = 1 z 3t ()(2) V (y; z ) P K b b b b y = 1 z 3t (2) ` (1) = (x; y; z; t) x = 1 y + z t b b = 1 (1 z 3t) + z t b b X = 2z 4t & x=1y+zt ()(1) S y = 1 z 3t ()(2)
W b b b b a b b b b Y
L'algbre linaire est n des problmes linaires, e e e e e Ces problmes sont tels que e
{ La somme de solutions est une solution, { Le produit d'une solution par une constante est une solution.
11
Dnition 2.2. Soit E un ensemble. K un corps commutatif. + une loi interne sur E . : une loi e externe de K E 3 E . On dit que (E; +; :) est un espace vectoriel sur K si :
1. (E; +) esr un groupe ablien e 2. La loi : est assosiative, c'eat--dire : a
Vx P E V; P K
:(:x) = (: ):x
Vx P E
1:x = x
Par abus on note simplement E l'espace vectoriel (E; +; :) de plus quand la premire loi est e bien note +, on note alors 0 l'lement neutre pour +, x le symtrique de x pour + et pour n P Z e e e e on note nx la puissance nime de x pour +. De m^me quant la deuxime loi est bien note :, pour e e e x P E et P K on peut noter x l'lment :x ee Comme consquences immdiates de ces axiomes, on a e e
Exemples :
K est un espace vectoriel sur K pour les lois + et :, nous verrons que cet espace vectoriel est
Posons K n = f(x1 ; x2 ; : : : ; xn ) j x1 ; x2 ; : : : ; xn P K g. C'est un espace vectoriel sur K pour les lois : (x1 ; x2 ; : : : ; xn ) + (xH1 ; xH2 ; : : : ; xHn ) = (x1 + xH1 ; x2 + xH2 ; : : : )
fondamental en ce sens que tout espace vectoriel se factorise en produit d'espaces vectoriels isomorphes a K .
12
Soit E un espace vectoriel et F un ensemble. Rappelons que E F dsigne l'ensemble des e applications de F 3 E . C'est un espace vectoriel pour les lois (f; g ) 3 f + g : x 3 f (x) + g (x) (; f ) 3 :f : x 3 :f (x) Cet espace vectoriel joue un r^le important en analyse. o
Soit K un corps commutatif, K [X ] est naturalement un espace vectoriel sur K pour les lois :
P; Q P K [X ] 3 P + Q P
P K [X ]
P K 3 P
Soit K un corps commutatif, K (X ) est naturalement un espace vectoriel sur K pour les lois :
R1 ; R2 P K (X )] 3 R1 + R2 R P K [X ] P K 3 R
1. F 2. 3.
Par abus on dit alors que la partie F de E est un sous espace vectoriel.
Proposition 1.3. Soit E un espace vectoriel sur K . Soit F un sous ensemble de E . F est un sous espace vectoriel de E , si et seulement si :
1. F T= Y 2. Vx; y P F
x+y PF :x P F
3. Vx P F V P K
Proposition 2.3. Soit E un espace vectoriel sur K . Soit F un sous ensemble de E . F est un sous espace vectoriel de E , si et seulement si :
1. F T= Y 2. Vx; y P F V; P K
x + y P F
Vx P F; x P F Vx P F; Vn P Z; nx P F Vx ; x ; : : : ; xn P F V ; ; : : : ; n P K x + x + + nxn P F Remarque. On a 0 P F . Il en rsulte que pour justier que F T= Y, dans la majorit des cas, il e e sut de vrier que 0 P F , d'o une autre caracteisation : e u e
1 2 1 2 1 1 2
0PF
Proposition 3.3. Soit E un espace vectoriel sur K . Soit F un sous ensemble de E . F est un sous espace vectoriel de E , si et seulement si :
1. 0 P F 2. Vx; y P F V; P K
x + y P F
f0g et E sont des sous espaces vectoriel de E Soit I = [a; b] un interval de R, l'ensemble des fonctions continues de I 3 R est un sous
espace vectoriel de RI
3
E=R
14
{ Si (x; y; z ); (xH ; yH ; z H ) P F et ; P K , on a
(x; y; z ) + (xH ; yH ; z H ) = (x; y; z ) + (xH ; y H ; z H ) = (x + xH ; y + y H ; z + z H )
(x + xH ) 2(y + y H ) + 5(z + z H ) = (x 2y + 5z ) + (xH 2y H + 5z H ) =0+0=0 Donc (x; y; z ) + (xH ; y H ; z H ) P F Cet exemple est un cas particulier d'un rsultat gnral sur les systmes linaires homognes. e e e e e e Soit le systme linaire : e e
et on a
am x + am x + + amn xn = bm (m ) Dnition 4.3. Le systme linaire est dit homogne si tous les bi sont nuls e e e e Proposition 4.3. Soit un systme linaire homogne L'ensemble des solutions de est un sous e e e espace vectoriel de K n (en particulier il est non vide, donc n'est jamais imposible).
b b X
1 1 2 2
V b b `
= b1 = b2
(1) (2)
Soit E un espace vectoriel. Dans la plupart des relations liant les lments de E , ces lments ne ee ee sont pas ncessairement distints et l'ordre dans lequel les lments interviennent importe, (penser e ee aux quations d'un systme linaire par exemple) aussi au lieu de travailler avec des sous-ensembles e e e de E , on travail souvent plut^t avec des familles (vi )iPI de E . Une famille (vi )iPI d'lments de E o ee s'appel habitualement systme de E . Si I = f1; 2; : : : ; ng , le systme (vi )iPI se note aussi : e e (v1 ; v2 ; : : : ; vn ) La notion qui suit permet de construire des sous espaces vectoriels.
K (I ) = f(i )iPI j i P K i = 0 sauf pour ensemble ni de i P I g Pour (vi )iPI un systme de E et (i )iPI P K (I ) , on note e
iPI
i vi def =
iPI
i T=0
i vi
on dit que
Remarque. pour un systme ni (v1 ; v2 ; : : : ; vn ) ni de E , une combinaison linaire des vecteurs e e vi s'crit : e
1 v1 + 2 v2 + + n vn
15
Proposition 5.3. Soit E un espace vectoriel. Soit (Fi )iPI une famille de sous espaces vectoriels de E , alors i Fi est un sous espace vectoriel de E Dnition 5.3. Soit E un espace vectoriel. Soit A un sous ensemble de E . On appel sous espace e vectoriel engendr par A, l'intersection des sous espaces vectoriel de E contenant A. e
On le note vect(A). Si (vi )iPI est un systme de E , on appel sous espace vectoriel engendr par e e (vi )iPI , celui engendr par A = fvi j i P I g, on le note vect(vi )iPI e Cette dnition se prte mal pour reconnaitre vect(A), la caractrisation qui suit est beaucoup e e e plus pratique :
Comme consquence immdiate de la dnition d'un sous e e e espace vectoriel, si F est sous espace vectoriel de E et les vi P F , alors toute combinaison linaire iPI i vi des vi est dans F . e
Proposition 6.3. Soit E un espace vectoriel, A une partie de E , F une partie de E . On a F = vect(A) si et seulement si 1. F est un sous espace vectoriel de E contenant A.
2. Tout sous espace vectoriel de E qui contient A, contient F Proposition 7.3. Soit E un espace vectoriel. Soit A un sous ensemble de E . On a
@
vect(A) =
aPA
a a j (a ) P K (A)
Autrement dit vect(A) est l'ensemble des combinaisons linaires des lments de A e ee
(A) ,. On vrie immdiatement que F est un e e Preuve : Posons F = aPA a a j (a ) P K sous espace vectoriel de E . On a A & F (prendre a = 1 et a = 0 pour aH T= a). Si F H est un sous espace vectoriel de E qui contient A, il contient toute combinaison linaire des lments de A, e ee donc contient F
0
Cas particuliers :
Soit v P E
vect(v) = fv j P K g
Soient v1 ; v2 P E
vect(v1 ; v2 ) = f1 v1 + 2 v2 j 1 ; 2 P K g
Plus gnralement, soient v1 ; v2 ; : : : ; vn P E e e
vect(v1 ; v2 ; : : : ; vn ) = f1 v1 + 2 v2 + + n vn j 1 ; 2 ; : : : n P K g
16
@A S et S et : : : et Sn
1 2
L'avantage et que un problme sur S se scinde en n problmes plus simples sur les Si . e e L'exemple le plus simple est celui de factorisation des polyn^mes. Il existe d'autres exemples o comme la factorisation des groupes, la rduction des endomorphismes, la rduction des formes e e quadratiques, les probabilits produits, : : : . Ici on va s'intresser au problme de la factorisation e e e d'un espace vectoriel. Commenons d'abord par introduire la notion d'espaces vectoriels isomorc phes, c'eat--dire pratiquement identiques : a Dnition 6.4. Soient E; E H des espaces vectoriels sur le m^me corps K . Une application f : e e H est appele isomorphisme d'espace vectoriel si : E 3 E e
f (x) = f (x)
Proposition 8.4.
Soit E un espace vectoriel, l'application identique de E 3 E est un isomorphisme d'espace vectoriel Si f : E 3 E H est isomophisme d'espace vectoriel, alors f 1 : E H 3 E est isomophisme d'espace vectoriel, Soient f : E 3 E H et g : E H 3 E HH des isomorphismes d'espaces vectoriels, alors g f : E 3 E HH est un isomorphisme d'espace vectoriel. Dnition 7.4. Des espaces vectoriels E et E H sont dit isomorphes si il existe un isomorphisme e d'espace vectoriel de E vers E H
On note alors E 9 E H La proposition ci-dessus montre alors que :
Proposition 9.4. La relation "^tre isomorphe" est une relation d'quivalence sur la classe des e e espaces vectoriels sur un m^me corps K e
17 Revenons a notre problme de la factorisation d'un espace vectoriel, le point de dpart est la e e proposition qui suit :
Proposition 10.4. Soit E1 ; E2 ; : : : ; En des espaces vectoriels sur le m^me corps K . Soit sur e E1 E2 En les lois :
((x1 ; x2 ; : : : ; xn ); (y1 ; y2 ; : : : ; yn )) 3 (x1 ; x2 ; : : : ; xn )+(y1 ; y2 ; : : : ; yn ) = (x1 +y1 ; x2 +y2 ; : : : ; xn +yn ) (E1 E2 En ) (E1 E2 En ) 3 E1 E2 En
K (E1 E2 En ) 3 E1 E2 En (; (x1 ; x2 ; : : : ; xn )) 3 :(x1 ; x2 ; : : : ; xn ): = (x1 ; x2 ; : : : ; xn ) alors (E1 E2 En ; +; :) est un espace vectoriel sur K
Preuve : On vrie les axiomes composante a composante et c'est la un premier avantage de e la factorisation Dnition 8.4. L'espace vectoriel E1 E2 En s'appel espace vectoriel produit des espaces e vectoriels Ei
Il est facile de vrier que la relation "^tre isomorphe" est compatible avec le produit d'espaces e e vectoriels. Proposition 11.4. Soient E1 ; E2 ; : : : ; En ; E H ; E H ; : : : ; E H des espaces vectoriels sur K , on a :
1 2
H H H Ei 9 EiH pour i = 1; 2; : : : ; n =A E1 E2 En 9 E1 E2 En
Soit E un espace vectoriel, F1 ; F2 ; : : : ; Fn des sous espaces vectoriels de E , en rapport avec le problme de factoriser E en produit des Fi , la premire question qui se pose est : quel sens donner e e a:
F1 ; F2 ; : : : ; Fn sont indpendant ? e
Intuitivement cela peut vouloir dire que pour tout i, on peut itrer autant qu'on veut les lois + e et : sur j =i Fj sans que cela intersecte Fi , en terme prcis e T
Fi vect(
Examinons d'abort vect( j T=i Fj )
j T=i
F j ) = f0 g
vect(F1 F2 Fn ) = fx1 + x2 + + xn j x1 P F1 ; x2 P F2 : : : xn P Fn g
Preuve : On applique la caractrisation de vect(A) e
Dnition 9.4. Soit E un espace vectoriel. Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels de E . e On appel somme des sous espaces vectoriels F1 ; F2 ; : : : ; Fn le sous espace vectoriel :
fx
+ x2 + + xn j x1 P F1 ; x2 P F2 : : : xn P Fn g
18
On le note naturalement F1 + F2 + + Fn ou
i=1 Fi
F F Fn est le plus grand sous espace vectoriel de E contenu dans F ; F ; : : : ; Fn. F + F + + Fn est le plus petit sous espace vectoriel de E contenant F ; F ; : : : ; Fn. Remarque. 2. On a une surjection canonique entre F F Fn et F + F + + Fn
1 1 2 1 2 2 1 2 1 2 1 2
(x1 ; x2 ; : : : ; xn ) 3 x1 + x2 + + xn Revenons a la question principale : Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels d'un espace vectoriel E , on souhaite donner un sens prcis au terme intuitif : les sous espaces vectoriels e F1 ; F2 ; : : : ; Fn sont indpendants. La e proposition qui suit analyse la condition Fi vect( j =i Fj ) = f0g T
Proposition 13.4. Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels d'un espace vectoriel E . Il estquivalent de dire : e
1. Pour tout i = 1; 2; : : : n
Fi
j T=i Fj = f0g
x1 + x2 + + xn = 0 =A xi = 0 pour i = 1; 2; : : : ; n
4. Vx P F1 + F2 + + Fn , il existe (x1 ; x2 ; : : : ; xn ) x = x1 + x2 + + xn .
P F F Fn
1 2
1) =A 2) immdiat e 2) =A 3) car si 2) supposons pour (x1 ; x2 ; : : : ; xn ) P F1 F2 Fn on a x1 + x2 + + xn =, soit i le plus grand entier tel que xi T= 0, alors chaque xi = ij1 xj , donc 0 =1 i1 F )(= f0g), donc x = 0 contradiction, donc x = 0 pour i = 1; 2; : : : ; n. xi P Fi ( j =1 j i i 3) =A 4) car si 3). Soit x P F1 + F2 + + Fn . Supposons que x admet deux criture e H + xH + + xH avec xi ; xH P Fi , alors (x1 xH ) + (x2 xH ) + x = x1 + x2 + + xn = x1 2 n 1 2 i + (xn xHn) = 0, par 2) on a xi xHi = 0 pour tout i, soit xi = xHi pour tout i. 4) =A 5) par dnition m^me d'une bijection. e e
en dduitde manire un peu informelle mais qui montre comment exploiter la factorisation, e e que Fi Fj = f0g j T=i
5) =A 1) car si 5), chaquei s'identie dans F1 F2 Fn f0gf0g f0g Fi F a f0g f0g tandit que jT=i Fj s'identie F1 F2 : : : Fi1 f0g Fi+1 Fn, on a
19
Dnition 10.4. Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels d'un espace vectoriel E . On e dit que F1 ; F2 ; : : : ; Fn sont indpendant (ou que la somme ) F1 + F2 + + Fn est directe si ils e vrient les proprits equivalentes de la proposition ci-dessus. e ee
Une somme directe F1 + F2 + + Fn se note
F1 F2 Fn
Remarque. 1 La caractrisation 5 resoud notre problme de factorisation. e e Remarque. 2 F1 + F2 est directe si et seulement si F1 F2 = f0g : Remarque. 3 La caractrisation 2 montre que : e
F1 + F2 + + Fn directe
Exemple : Soit dans
@A b
b b X
V b b b `
F = (x; y; z) P R j x + y + z = 0 F H = vect(1; 1; 1)
3
F H, on a :
Dnition 11.5. Soit E un espace vectoriel. Une relation binaire R sur E est dite compatible e avec la strucure d'espace vectoriel de E si :
20
Proposition 14.5. Soit E un espace vectoriel. Pour qu'une relation binaire R sur E , soit une relation d'quivalence sur E compatible avec la sturcture d'espace vectoriel de E , il faut et il suf e qu'il existe un sous espace vectoriel F de E tel que
Vx; y P E xR y @A x y P F Preuve : . Posons F = fx P E j xR 0g. On vrie que F est sous espace vectoriel de E . On a e
xR y @A (x y)R 0 @A x y P F Inversement si F est un sous espace vectoriel de E , on vrie que la relation binaire x y P F e est une relation d'quivalence compatible avec la structure d'espace vectoriel de E e
Remarque. Le sous espace vectoriel F associ R par la proposition ci-dessus est unique. Pour ea cette raison on note E=F l'ensemble quotient E=R Proposition 15.5. Soit E un espace vectoriel , F un sous espace vectoriel de E . La relation x y P F tant une relation d'quivalence compatible avec la structure d'espace vectoriel de E , cela e e indui sur l'ensemble quotient E=F les lois :
(; x) P K E=F (x; y ) 3 x + y = x + y
3 x = x
Dnition 12.5. L'espace vectoriel E=F s'appel espace vectoriel quotient de l'espace vectoriel E e par son sous espace vectoriel F:
La proposition qui suit un certain lien du quotient d'espaces vectoriels avec le produit d'espaces vectoriels. Proposition 16.5. Soit E = F F H une somme directe. L'application
E 9 F E=F
6 Indpendace linaire e e
Soit E un espace vectoriel. On a vu que la factorisation de E consiste a trouver des sous espaces vectoriels F1 ; F2 ; : : : ; Fn de E tel que :
E = F1 F2 Fn
21 Plus les sous espace vectoriel Fi sont petits, mieux est la factorisation, la meilleure factorisation est Fi = vect(vi ) avec vi T= 0 (les facteurs de la forme f0g n'apporte rien d'intrssant). Comment ee se re tent l'indpendance des Fi sur les vecteurs vi ? Autrement dit tant donns des vecteurs e e e e v1 ; v2 ; : : : ; vn de E a quelle condition la somme
Proposition 17.6. Soit E un espace vectoriel. Soit = (vi )iPI un systme de E , Il est quivalent e e de dire :
1. Chaque vi est T= 0 et la somme 3. V(i )iPI
i vect(vi )
est directe
PK I
( )
Preuve : . Preuve : Si est libre, une relation i i vi = 0 avec un i T= 0 entraine vi = 1 jT=i j vj , donc vi P vect (fvj j j T= ig). Inversement si i ivi = 0 =A Vi P I i = 0 i alors est libre, car sinon, existe un i tel que vi P vect (fvj j j T= ig), soit vi = j T=i j vj , donc il on aurait une relation vi j T=i j vj = 0 avec i = 1 T= 0
( i i vi = 0 =A Vi P I i = 0)
Dnition 13.6. Soit = (vi )iPI un systme de E , on dit que les vi sont linairement indpendants e e e e (ou que est libre ), si il vrient les condition quivalente de la proposition ci-dessus Dans le e e cas contraire est dit li . e
Par abus, on dit qu'un sous ensemble A d'un espace vectoriel est libre (resp li) si le systme e e (a)aPA est libre (resp li). e
Remarque. 1 Le plus souvent c'est la condition 3. qui est la plus pratique vrier. a e Remarque. 2. Si = (v1 ; v2 ; : : : ; vn ) est ni. La condition libre equivaut a
relation i i vi = 0 est un systme linaire en i , montrer que ce systme a une solution unique e e e e e i = 0 Vi P I , revient resoudre rigouresement le systme linaire. C'est l'une des raisons pour a lequels nous avons commenc ce chapitre, par les systmes linaires e e e
Voici des proprits immdiates de la notion d'indpendance linaire ee e e e
V( ; ; : : : ; n) P K n ( v + v + + nvn = 0 =A = = = n = 0) Remarque. 3. Soit = (vi )iPI un systme de E libre, si et seulement si la relation i i vi = 0 e a une solution unique i = 0 pour tout i P I . En fait si on ecrit explicitement les vecteurs vi , la
1 2 1 1 2 1 2
Y est libre Si L est libre et LH & L, alors LH est libre. Si L est libre et x P E , on a L fxg libre @A x P vect(L) =
22
Tout systme contenant 0 est li. e e Si dans un systme, un vecteur est rpt, le systme est li. e e ee e e Si dans un systme, deux vecteurs sont proportionnels, le systme est li. e e e Soit dans un K n un systme a deux lments e ee
= (x ; x ; : : : ; xn) ; xH ; xH ; : : : ; xHn
1 2 1 2
avec si xHi = 0 xi = 0
x est li @A xH e
x x = H2 = = n x2 xHn
Le systme ((1; 2; 3; 0); (2; 4; 6; 0)) est li. e e Le systme ((1; 2; 3; 1); (2; 4; 6; 0)) est libre. e
Exemples :
Dans K [X ], le systme (X n)nPN est libre. e Dans K (X ), le systme des lments simples est libre (ct chapitre 3). e ee E = R et = ((1; 1; 2); (1; 1; 1); (2; 1; 1)) (1; 1; 2) + (1; 1; 1) + (2; 1; 1) = 0 @A ( + + 2 ; + + ; 2 ) = (0; 0; 0)
3 1 2 3 1 2 3 1 2 3 1 2 3
Donc
23
@A X @A X @A X @A X @A X @A X
V ` V ` V ` V ` V `
V `
1 + 2 + 23 = 0 2 = 1 3 ()(1) 2 1 2 3 = 0
@A X
Donc est libre.
3 = 0
=0 1 = 0
2
; ; X 1 X 2 X 3 b c
X 1
X 2
X 3
=0
@A X
V `
a+b+c=0 5a + 4 b + 3 c = 0 6a + 3 b + 2 c = 0
24
@A X
V `
@A X @A X @A X @A X @A X
V ` V ` V ` V `
V `
@A X
7 Gnrateurs linaires e e e
V `
Remarque. Soit = (vi )iPI un systme d'un espace vectoriel E , on peut aussi caractriser le fait e e que est libre, par pour tout x P E , la relation
x=
i vi
admet au plus une solution. On obtiendrait une notion oppose (duale) de la notion de libre e en inversant l'ordre dans R. pour tout x P E , la relation
x=
admet au moins une solution. Cela conduit la notion importante de systme gnrateur. a e e e
i vi
Dnition 14.7. Soit = (vi )iPI un systme d'un espace vectoriel E . On dit que est gnrateur e e e e si pour tout x P E , la relation
x=
admet au moins une solution (i )iPI
PK I
i vi
( )
25 Autrement dit E = vect fvi j i P I g Par abus, on dit qu'une partie B de E est un gnrateur de E , si le systme (b)bPB est un e e e gnrateur de E . e e Voici les proprits immdiates de la notion de gnrateur : ee e e e
@A x P vect(G)
La proposition qui suit donne un critre pratique pour vrier si un systme est gnrateur. e e e e e
Proposition 18.7. Soit q un gnrateur d'un espace vectoriel E . Soit un systme de E . Si tout e e e lment de q est combinaison linaire d'lments de , alors est gnrateur. ee e ee e e
Autrement dit au lieu de vrier si tout lment de E est combinaison linaire d'lments de e ee e ee
Dans K n , le systme e ((1; 0; 0; : : : ); (0; 1; 0; : : : ); : : : ; (0; 0; : : : ; 0; 1)) est gnrateur car tout (x1 ; x2 ; : : : ; xn ) P K n s'crit e e e (x1 ; x2 ; : : : ; xn ) = x1 (1; 0; 0; : : : ) + x2 (0; 1; 0; : : : ) + : : :
Dans K [X ], le systme (X n )nPN est gnrateur. e e e Dans K (X ), le systme des lments simples est gnrateur. e ee e e
26
Dans R2 le systme ((1; 1); (1; 2); (1; 1)) est gnrateur car soit (a; b) P R2 , cherchons si le e e e systme e (a; b) = 1 (1; 1) + 2 (1; 2) + 3 (1; 1) admet au moins une solution (1 ; 2 ; 3 ) P R3 On a (a; b) = 1 (1; 1) + 2 (1; 2) + 3 (1; 1)
+ @A 2 = ab + = & + @A 2 = ab + = & + + a @A ( =+ + a) 2 + ()(1)b = & a ( @A =3 + += b a)(1) +2 & = a )(1) @A = (b a+ 3+)=2 ()(2) + ( & = a )(1) @A = (b a+ 3+)=2 ()(2) + ( & 2 + )= 2 ( @A ==(b=+ (b 3a)=2; ()(1) a+ )(2) & 2 + )= 2 ( @A ==(b=+ (b 3a)=2; ()(1) a+ )(2)
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 2 3 2 3 1 2 3 2 3 1 2 3 3 2 1 2 3 3 2 1 2 3 2 1 2 3 2
&
= (vi)iPI un systme de E , on a vu que : e libre si et seulement si pour tout x P E , la relation x = i ivi admet au plus une solution ( i ) P K I gnrateur si et seulement si pour tout x P E , la relation x = i ivi admet au moins une e e solution (i ) P K I
( )
Il en rsulte aussit^t : e o
27
Dnition 15.8. Soit E un espace vectoriel. On appel base de E tout systme de E qui vrie les e e e conditions quivalente de la proposition ci-dessus. e
Par abus, on dit qu'une partie B de E est une base de E , si le systme (b)bPB est une base de e E . (Autrement dit si B est a la fois libre et gnrateur). e e Voici les proprits immdiates de la notion de base : ee e
Soit L une partie libre d'un espace vectoriel, alors L est une base de vect(L) Soient B; B H des bases d'un espace vectoriel, on a B & B H =A B = B H (en eet si x P B H n B on aura x P vect(B ) et B fxg libre, contradiction) Si un espace vectoriel E admet un gnrateur ni, alors toute les bases de E sont nies (donc e e toutes les parties libres sont nies) (en eet si G est un gnrateur ni de E et B base de e e E , soit B1 les lments de B intervenant dans l'criture des lments G comme combinaison ee e ee linaire d'lments de B , comme G est ni, B1 est ni, par le crytre 18.7 B1 est gnrateur, e ee e e e comme il est libre, c'est une base, comme B1 & B , on a B = B1 nie ) Dans K n , le systme ((1; 0; 0; : : : ); (0; 1; 0; : : : ); : : : ; (0; 0; : : : ; 0; 1)) est a la fois libre et gnrateur, e e e n . (On l'appel la base canonique de K n ). donc base de K Si L est une partie libre d'un espace vectoriel, c'est une base de vect(L) Dans K [X ], le systme (X n )nPN est une base. e Dans K (X ), le systme des lments simples est une base. e ee Dans R3 le systme ((2; 1; 3); (1; 4; 1); (2; 7; 1)) est une base car, soit (a; b; c) P R3 , mone trons que le systme e (a; b; c) = 1 (2; 1; 3) + 2 (1; 4; 1) + 3 (2; 7; 1) a une solution et une seule.
Exemples :
@A X
V `
V `
2
2 + + 2 = a @A X + 4 + 7 = b 3 + = c
1 2 3 1 2 3
28
2 + + 2 = a @A X + 4 + 7 = b = 3 + c ()(1)
1 2 3 1 2 3 2 1 3
V `
@A X
V `
2
@A X 13 @A X 13 @A X
V ` V ` V `
V `
()(1)
1 = a + c 3 3 ()(2) 13(a + c 33 ) + 83 = b + c 2 = 31 + 3 c ()(1) 1 = a + c 33 ()(2) = b 12c 13a 3 2 = 31 + 3 c ()(1)
@A X 31 @A X @A X
V ` V ` V `
1 = a + c 3((b + 12c + 13a)=31) 3 = (b + 12c + 13a)=31 ()(3) 2 = 31 + 3 c ()(1) 1 = (8a)=31 (5c)=31 + (3b)=31 ()(3) 3 = (b + 12c + 13a)=31 2 = 31 + 3 c ()(1)
@A X
V b b ` b X
()(2)
@A b
1 = (8a)=31 (5c)=31 + (3b)=31 ()(2) 3 = (b + 12c + 13a)=31 ()(3) 2 = 3((8a)=31 (5c)=31 + (3b)=31) +((b + 12c + 13a)=31) c ()(1)
29
V `
@A X
1 = (8a)=31 (5c)=31 + (3b)=31 ()(2) 3 = (b + 12c + 13a)=31 ()(3) 2 = (11a)=31 + (2b)=31 (24c)=31 ()(1)
((2; 1; 3); (1; 4; 1); (2; 7; 1))
Le systme a une solution unique, donc e est une base de R3 . Les deux thormes qui suivent jouent un r^le fondamental en algbre linaire. e e o e e
Preuve du thorme : Soit Go un gnrateur ni de E , Soit G1 les vecteurs gurant dans e e e e les dcompositions des lments de Go comme combinaison linaire d'lment de G. Comme Go est e ee e ee ni, G1 est ni. Par le crytre des gnrateurs 18.7 G1 est gnrateur. Il sut alors de dmontrer e e e e e e H & G1 tel que L GH est libre et jGH j le thorme pour G1 qui est gnrateur ni de E . Soit G e e e e maximum. Soit g P G1 , si g P vect(L GH ), alors L GH fg g est libre, de plus g P GH (puisque = = g P vect(L GH )), donc jGH fggj = jGH j +1 > jGH j, ce qui conterdit jGH j maximum. Donc pour tout = g P G1 , on a g P vect(L GH ), toujours par le crytre des gnrateurs 18.7, L GH est gnrateur. e e e e e Comme il est libre par construction, c'est une base de E
Comme consquences immdiates du thorme ci-dessus, on obtient : e e e e
Tous systme libre se complte a une base (prendre G = E ). e e Tous systme gnrateur contient une base (prendre L = Y). e e e Tout espace vectoriel admet une base (prendre L = Y et G = E ).
Exemple :
30 Dans R3 le systme ((1; 1; 0); (1; 1; 0)) est libre. On peut donc le complter par des vecteurs de e e la base canonique ((1; 0; 0); (0; 1; 0); (0; 0; 1)) et obtenir une base de R3 . On vrie que les systmes e e ((1; 1; 0); (1; 1; 0); (1; 0; 0)) ((1; 1; 0); (1; 1; 0); (0; 1; 0)) sont lis et que e est libre. donc la base cherche est e ((1; 1; 0); (1; 1; 0); (0; 0; 1)) . ((1; 1; 0); (1; 1; 0); (0; 0; 1))
jB j = B H
Nous dmontrons ce thorme sous l'hypothse que E a un gnrateur ni, la preuve dans le e e e e e e cas gnral fait appel a au lemme de Zorn . e e On aura besoin du lemme suivant :
Lemme. Soit E un espace vectoriel. Soit L une partie libre de E , G un gnrateur de E . Soit e e H P G tel que x P L , il existe x (L n fxg) xH est libre et xH P L n fxg = Preuve : . Si tout xH P G appartient vect(L n fxg), par le critre des gnrateurs 18.7 L n fxg a e e e serait gnrateur, donc x P vect(L n fxg) ce qui conterdit L libre, donc il existe xH P G tel que e e xH P vect(L n fxg), par une proprit immdiate des partie libre, (L n fxg) fxH g est libre et on a = ee e xH P L n fxg car xH P vect(L n fxg) = = Preuve du thorme : Supposons que E admet un gnrateur ni. Soit L une partie libre e e e e de E et B une base de E , montrons que jLj jB j, il en resulterait que jB H j jB j et jB j jB H j donc jB j = [B H [. Pour montrer que jLj jB j on procde par recurrence sur jLj jL B j, par une e proprit immdiate des bases, L et B sont nies. Si jLj jL B j = 0 alors jLj = [L B [ jB j, ee e supposons jLj jL B j > 0, il existe alors x P L n L B , par le lemme il existe xH P B tel que (L nfxg) fxH g est libre et xH P L nfxg, alors xH P L B car comme x P L B on a L B & L nfxg. = = = Posons LH = (L n fxg) fxH g, alors LH B = ((L n fxg) B ) (fxH g B ) = (L B ) fxH g, donc jLH B j = jL B j + 1 et on a jLHj = [L[ (car xH P L n fxg), donc jLHj jLH B j = jLj jL B j 1, = H j `jB j, donc jLj `jB j par l'hypothse de rcurrence jL e e Dnition 16.8. Soit E un espace vectoriel. Le cardinal d'une base de E s'appel dimension de e l'espace vectoriel E
31 On la note dim(E)
Exemples :
dim(K n ) = n
L'espace vectoriel trivial f0g a pour base l'ensemble vide Y et donc :
dim(f0g) = 0
Si L est une partie libre d'un espace vectoriel, dim(vect(L)) = jLj On a vu qu'une base de K [X ] est (X n )nPN , par suite :
dim(K [X ]) = jNj X n;
(X )m nPN;PC;mPN(m!1) 1
, par suite :
b, on a a + b = a b = b )
Tout systme libre a au plus n lment (tout systme qui a strictement plus que n lments e ee e ee est li) e Tout systme libre qui a n lments est une base. e ee Tout systme gnrateur a au moins n lments. (tout systme qui a strictement moins que e e e ee e n lments est non gnrateur) ee e e Tout systme gnrateur qui a n lments est une base. e e e ee
Avec ces proprits on peut rapidement rpondre si les systmes suivants sont libre, lis, ee e e e gnrateur ou base : e e
E = R , ((1; 1; 0); (1; 1; 4); (0; 7; 8); (1; 1; 1)) libre ou li ? e E = R , ((1; 1); (1; 1)) base ? E = R , ((1; 5; 5; 7); (8; 4; 7; 2); (5; 1; 1; 2)) gnrateur ? e e
3 2 4
Remarque.
Dans un espace vectoriel de dimension nie n, si un systme a n lments, pour montrer que e ee ce systme est une base il sut de montrer qu'il est libre ou gnrateur. e e e
32
Dans l'exemple qui suit la dnition 15.8, il susait de vrier que le systme e e e
((2; 1; 3); (1; 4; 1); (2; 7; 1))
Dans un espace vectoriel de dimension nie, le processus de compltition de proche en proche e s'arrte ncessairement, car sinon on construirait un systme libre inni. e e e
Determiner un ensemble E dont les lments vrient la structure S ee e Chaque objet mathmatique qui vrie la structure est isomorphe a un et a un seul lment e e ee de E (en particulier les lments de E sont deux a deux non isomorphes ) ee
Pour la structure d'espace vectoriel, le problme de la classication est relativement facile (Il e n'on est rien de loin dans le cas des groupes nis par exemple), la proposition qui suit resoud le problme de classication des espaces vectoriels : e Proposition 20.8. (Classication des espaces vectoriels sur K ) Soient E et E H des espaces vecto-
E 9 E H @A dim(E ) = dim(E H )
Preuve de la proposition : Si E 9 E H soit f : E 3 E H un isomorphisme d'espace vectoriel. Soi B = (ei )iPI une base de E , soit B H = (f (ei ))i, montrons que B H est une base de E H . Soit y P E H , PI il existe x P E tel que y = f (x), crivons x = i ei , alors y = f (x) =( i xi ei ) = i xi f (ei ), e f ix donc B H est gnrateur de E H . B H est libre car si i xi f (ei ) = 0, alors f ( i xi ei ) = 0 = f (0), donc e e xi ei = 0, donc xi = 0 pour tout i P I ,. Par suite dim(E H ) = jI j = dim(E ). Inversement si i dim(E ) = dim(E H ), soient B et B H des bases respectives de E et E H , a donc jB j = jB H j, soit on H une bijection, pour x P E , x = f : B 3 B xi ei , posons f (x) = i xi f (ei ), on vrie que f e i
33
Proposition 21.8. Soit S un systme linaire homogne. Supposons qu'une rsolution de S a e e e e e conduit xj1 ; xj2 ; : : : ; xj comme paramtres. Soit sk la solution obtenus en prenant xj = 1 et a xj = 0 pour i T= k, alors (s1 ; s2 ; : : : ; st ) est une base de l'ensemble des solutions de S , et la solution gnrale de S s'crit e e e
t k i
s=
t k=1
xj sk
k
Corollaire. Soit S un systme linaire homogne. Supposons qu'une rsolution de S a conduit e e e e xj1 ; xj2 ; : : : ; xj comme paramtres, alors l'espace vectoriel S des solutions de S , vrie : a e e
t
dim(S ) = t
Proposition 22.8. Soit S un systme linaire possible. Supposons qu'une rsolution de S a e e e conduit xj1 ; xj2 ; : : : ; xj comme paramtres. Soit so la solution obtenue en posant a e
t
xj1 = xj2 = = xj = 0
t
Soit so + sk la solution obtenus en prenant xj = 1 et xj = 0 pour i T= k, alors la solution gnrale e e de S s'crit de faon unique : e c
k i
s = so +
Exemples :
t k=1
xj sk
k
Soit le systme e
&
x+yz =1 xz =5
&
x+yz =1 xz =5
&
&
@A 5 + yz = 1 x= +5
&
y 4 @A x = + 5 ()(2) =z ()(1)
La solution gnrale s'crit donc : e e e
s = (z + 5; 4; z ) = (5; 4; 0) + z (1; 0; 1)
zPK
34
x + 5y = 3 @A x = 3 5y
Donc la solution gnrale s'crit : e e e
( )
Proposition 23.8. Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels d'un espace vectoriel E . Soit Bi une base de Fi , alors B1 B2 Bn est un gnrateur de F1 + F2 + + Fn , c'est une base e e avec Bi Bj = Y pour i T= j si et seulement si F1 + F2 + + Fn est directe.
Il rsulte de cette proposition qu'tant donn Bi e e e libre, et si Bi Bj = Y pour i T= j , alors la somme est directe.
Exemple : Soi
& E i = 1; 2; : : : ; n, si B B Bn est
1 2
F F F
1 2 3
Corollaire. Soient F1 ; F2 ; : : : ; Fn des sous espaces vectoriels d'un espace vectoriel E de dimension nie. On a
dim(F1 + F2 + + Fn ) dim(F1 ) + dim(F2 ) + + dim(Fn ) avec l'galit si et seulement si la somme est directe. e e
Dnition 17.8. Soit F un sous espace vectoriel d'un espace vectoriel E . On appel supplimentaire e de F dans E tout sous espace vectoriel F H de E tel que :
E = F FH
De cette dnition il rsulte immdiatement que ; e e e
35
et F H sont
Proposition 24.8. Tous sous espace vectoriel d'un espace vectoriel E admet un supplimentaire dans E . Preuve : . Soit B1 une base de F , on complte B1 a une base B1 B H de E , (B H B1 ) = Y. Soit e H = vect(B H ). Comme B1 B H est libre et (B H B1 ) = Y, la somme F + F H est directe. Comme F B1 B H est gnrateur de F + F H (cf proposition 23.8), on a F + F H = vect(B1 B H ) = E e e
Comme consquences immdiates de la proposition ci-dessus on a : e e
rang(A) = dim(vect(A))
Remarque. Pour le calcul du rang d'un systme S , il est inutile de considrer tout l'espace e e vect(S ), il sut (par le thorme de la base incomplte) de chercher un sous systme de S e e e e minimal qui engendre tous les lments de S ee
36
Proposition 27.8. Soit E un espace vectoriel de dimension nie. S = (v1 ; v2 ; : : : ; vn ) un systme e de E . Soit le systme linaire e e
x1 v1 + x2 v2 + : : : xn vn = 0 Supposons qu'une rsolution de ce systme linaire a conduit xi1 ; xi2 ; : : : ; xi comme inconues e e e a limines et xj j T= ik comme paramtres, alors (vi1 ; vi2 ; : : : ; vi ) est une base de vect(S ), en e e e e particulier rang(S ) = r. De plus ecrivons les xi en fonction des paramtres
r r k
xi =
k
xj
parametre r k=1
akj xj
alors
vj =
akj vi
Remarque. La deuxime relation revient dire qu'on obtient l'expression des vj (tel xj paramtre) e a e en lisant verticalement (les colonnes) la premire relation et en multipliant par -1 l'expression e obtenue.
Exemples :
&
&
= x @A x 3x 45x 6x =0
1 2 2 3
&
()(1)
@A x x
&
&
@A x x
= 2x3 =3 2 = 5x3 =3
1
()(1) ()(2)
v3 = 2v1 =3 + 5v2 =3
Ce que l'on peut vrier directement. e
37
S = ((1; 2; 1); (4; 1; 7))
x1 (1; 2; 1) + x2 (4; 1; 7) = 0 @A x1 = x2 = 0
On retrouve que ((1; 2; 1); (4; 1; 7)) est libre. 2. S = ((1; 2; 2); (1; 1; 0); (3; 3; 4))
@A X 2x x @A X
V ` V `
V `
x1 + (2x1 + 3x3 ) + 3x3 = 0 x2 = 2x1 + 3x3 ()(1) 2x1 + 4x3 = 0 x1 = 2x3 ()(2) ()(1) 2 = 2x1 + 3x3 2x1 + 4x3 = 0 x1 = 2x3 ()(2) = 2x1 + 3x3 ()(1) 2 x1 = 2x3 2 = x3
()(2) ()(1)
@A X x @A X x
V ` V `
0=0
@A X x
Donc (v1 ; v2 ) est une base, et
0=0
v3 = 2v1 + v2
linaire si : e
38
Remarque. On peut grouper les deux conditions de la linairt en une seule savoir : e e a
Vx; xH P E V; P K
ou encore :
Vx; xH P E V P K
i vi
f(
i vi ) =
i f (vi )
Exemples :
1. Soit f : R2 3 R3
f ((x; y) + (xH ; yH )) = f ((x + xH ; y + yH ))
= ((x + xH ) + 2(y + y H ); 3(x + xH ) + 5(y + y H ); (7)(x + xH ) + 11(y + y H )) = (x + 2y; 3x + 5y; 7x + 11y ) + (xH + 2y H ; 3xH + 5y H ; 7xH + 11y H ) = f ((x; y )) + f ((xH ; y H ))
f : E 3 E
, .
3 XP (X + 2) (X 1)P (X 3)
f (P + Q)
VP; Q P E V; P K
= X (P + Q)(X + 2) (X 1)(P + Q)(X 3) = X (P (X + 2) + Q(X + 2)) (X 1)(P (X 3) + Q(X 3)) = (XP (X + 2) (X 1)P (X 3)) + (XQ(X + 2) (X 1)Q(X 3)) = f (P ) + f (Q)
Proposition 28.9.
Soient f; g : E 3 E H linaires, alors f + g : E 3 E H est linaire. e e Soient f : E 3 E H linaire, P K , alors f : E 3 E H est linaire. e e Soit f : E 3 E H et g : E H 3 E HH linaire, alors g f : E 3 E HH est linaire. e e Soit f : E 3 E H linaire bijective, alors f 1 : E H 3 E est linaire. e e
Les deux premires proprits montrent que : e ee Proposition 29.9. (L (E; E H ); +; :) est un espace vectoriel sur K . Il sut de remarquer que c'est un sous espace vectoriel de l'espace vectoriel (E H )E Pour les proprits de la loi sur les applications linaires, ils sont rsumes par : ee e e e
Proposition 30.9.
Soient f : E 3 E H et g : E H 3 E HH et h : E HH 3 E HHH , alors (h g) f = h (g f ) Soient f : E 3 E H et g : E H 3 E HH linaires, soit P K , alors (g f ) = (g) f = g (f ) e Soient f; f H : E 3 E H et g : E H 3 E HH linaires, on a g (f + f H ) = g f + g f H e Soient f : E 3 E H et g; gH : E H 3 E HH linaires, on a (g + gH ) f = g f + gH f e
40 La premire proprit est vrai pour f; g; h applications queconques et non ncessairement e ee e linaires. e Les proprits 2 3 et 4 sont rsums par : ee e e
3 E
s'appel
Dnition 21.9. Soit E un espace vectoriel. Une application linaire bijective f : E e e s'appel automorphisme de E .
On note GL(E ) l'ensemble des automorphismes de E . Il rsulte des propositions ci-dessus que e
3 E
41 Le groupe GL(E ) et ses sous groupe jouent un r^le important en gomtrie et en physique. o e e La proposition qui suit montre que la linairit preserve le caractre "sous espace vectoriel" e e e
On le note Ker(f )
Proposition 34.9.
Preuve : . Si f est injective, on a x P Ker(f ) =A f (x) = 0 = f (0), donc x = 0. Inversement si Ker(f ) = f0g, f est injective car f (x) = f (xH ) =A f (x) f (xH ) = 0 3 f (x xH ) = 0, donc x xH P Ker(f ), donc x xH = 0
Exemple : Soit
P 3 P P H On vrie que f est linaire. Calculons Ker(f ) e e f (P ) = 0 @A P P H = 0 @A P = P H Or on a toujours si P T= 0, d (P H ) d (P )1, donc P = 0, donc Ker(f ) = f0g, donc f injective
Dnition 23.9. Soit f : E 3 E H linaire. On appel espace image de f le sous espace vectoriel e e f (E ) de F
On le note Im(f )
Im(f ) = ff (x) j x P E g
Remarque.
C'est l'nonc dual de : e e
42
Preuve : On a :
Im(f ) = ff (x) j x P E g = f (
xi ei ) j (xi ) P K (I ) =
xi f (ei ) j (xi ) P K (I )
Preuve : . Voici une Preuve directe de ce thorme : Soit H un supplimentaire de Ker(f ) dans e e E . Soit f1 : H 3 Im(f ); x 3 f (x). f1 est injective car si f1 (x) = 0 alors x P Ker(f ), donc x P Ker(f ) H = f0g, donc x = 0. f1 est surjective car soit y P Im(f ), donc y = f (x) pour un x P E . Ecrivons x = x1 + x2 , avec x1 P Ker(f ) et x2 P H . On a y = f (x) = f (x1 ) + f (x2 ) = 0 + f (x2 ) = f (x2 ) et x2 P H . Donc dim(E ) = dim(H ) + dim(Ker(f )) = dim(Im(f )) + dim(Ker(f ))
Exemples :
1. Reprenons f : R2 3 R3
(x; y ) P Ker(f ) @A
x + 2y = 0 3x + 5 y = 0 7x + 11y = 0
=0 @A x = 0 y
&
Donc ((1; 3; 7); (2; 5; 11)) est gnrateur de Im(f ), comme il est libre (car 1=2 T= 3=5), c'est e e une base de Im(f ), donc dim(Im(f )) = 2 2. Soit f
Im(f ) = f(x + 2y; 3x + 5y; 7x + 11y) j x; y P Rg = fx(1; 3; 7) + y (2; 5; 11) jx; y P Rg Im(f ) = vect((1; 3; 7); (2; 5; 11))
R4 3 R2
(x; y; z; t) 3 (x + y z t; x y + 2z 3t) (x; y; z; t) P Ker(f ) @A
&
x+yzt=0 x y + z 3t = 0
R2 )
Donc dim(Ker(f )) = 2, donc dim(Im(f )) = 2. On verie en eet que Im(f ) = vect((1; 1); (1; 1))(=
Ker(f ) = f(2t; z t; z; t) j z; t P Rg
43
Proposition 36.9. Soit f : E 3 E H linaire. Supposons dim(E ); dim(E H ) nies et dim(E ) = dim(E H ). e On a :
P L (E ), on a ;
f injective si et seulement si (f (ei))iPI est libre f surjective si et seulement si (f (ei))iPI est gnrateur de E H e e f bijective si et seulement si (f (ei))iPI est une base de E H
En lien avect la proposition 35.9, on a : Proposition 39.9. Soit f : E 3 E H linaire. Le calcul de Ker(f ) donne implicitement une base e de Im(f )
Preuve : calcul de Ker(f ) revient a resoudre l'quation f (x) = 0. Soit B = (ei )iPI , Le e crivons = i xi ei , donc f (x) = i xi f (ei ), donc le calcul de Ker(f ) revient a resoudre le e x systme i f (ei ) = 0, nous avons dans la section du rang d'un systme comment la rsolution e xi e e du systme i xi f (ei ) = 0 doone une base de vect(f (ei ))iPI e
44
9.2 Matrices
9.2.1 Matrice associe une application linaire e a e Soif f : E 3 E H linaire. On souhaite crire analytequement (explicitement) l'expression de e e f (x). En dimension nie le problme est simple. Soient e
f (e j ) =
n j =1
aij "i
n m j =1 i=1
f (x) = f (
Soit
xj ej ) =
n j =1 i=1 (
xj f (ej ) =
n
xj aij "i
f (x) =
j =1 aij xj )"i
Donc moyennement la donne des constantes aij , on explicite compltement f (x) par ses come e H. posantes dans la base B
Dnition 25.9. Soit K un corps commutatif. On appel matrice (m; n) coeients dans K , e a c toute famille (aij )1 i m;1 j n d'lments de K indexe par l'ensemble ee e
I = f1; 2; : : : ; mg f1; 2; ; ng
.
On note Mm;n (K ) l'ensemble des matrices (m; n) a coeients dans K . c Etant donn le double indice (i; j ) dans aij . Une matrice (aij ) P Mm;n (K ) s'crit aussi comme e e un tableau a m lignes et n colonnes :
P T T R Q U U S
45
Proposition 40.9. Soif f : E 3 E H linaire. B = (e1 ; e2 ; : : : ; en ), B H = ("1 ; "2 ; : : : ; "m ) des e bases respectives de E et E H , il existe une matrice unique A = (aij ) P Mm;n (K ) vriant pour tout e x P E x = i xi ei
f (x) =
m n i=1 j =1
aij xj )"i
donne f (x) = Preuve : Ecrivons f (ej ) dans la base B H , f (ej ) = m aij "i , le calcul ci-dessus i =1 m m n n H i=1 ( j =1 aij xj )"i , inversement si pour tout x P E x = i xi ei on a f (x) = i=1 ( j =1 aij xj )"i , m H en particulier pour x = ej , donc f (ej ) = i=1 aij "i , par l'unicit de l'criture dans une base e e aHij = aij
Dnition 26.9. La matrice (aij ) s'appel matrice de l'application linaire e e H. f dans les bases B et B On note (aij ) = MBB (f )
0
On a donc
MBB (f )
0
P T T T T R
am2
. . .
Q U U U U S
Proposition 41.9. Soif f : E 3 E H linaire. B = (e1 ; e2 ; : : : ; en ), B H = ("1 ; "2 ; : : : ; "m ) des e bases respectives de E et E H . L'application
P E f (x) = g(x), donc f = g, ainsi l'application est injective. L'application est surjective car si A = (aij ) P Mm;n (K ), posons pour tout x P E x = i xi ei :
0 0
f 3 MBB (f ) est une bijection entre L (E; E H ) et Mm;n (K ). Preuve : Si MBB (f ) = MBB (g), alors pour tout x
0
f (x) =
m n i=1 j =1
aij xj )"i
46
MBB (f )
0
On verie facilement que f est linaire, d'aprs l'unicit dans la proposition 40.9, on a A = e e e
Exemples :
Soit f : R2 3 R3 (x; y ) 3 (x + 2y; 3x + 5y; 7x + 11y ) On vre que f est linaire. Soient B = ((1; 0); (0; 1)) et B H = ((1; 0; 0); (0; 1; 0); (0; 0; 1)) les e e bases canoniques respectivement de R2 et R3 . On a :
{ f ((1; 0)) = (1; 3; 7) = 1:(1; 0; 0) + 3(0; 1; 0) + (7)(0; 0; 1) { f ((0; 1)) = (2; 5; 11) = 2(1; 0; 0) + 5(0; 1; 0) + 11(0; 0; 1)
donc
P
MBB (f ) = R
0
1 3 7
2 5 11
Q S
Soit E l'ensemble des polyn^mes de K [X ] de degr 2. Soit f : E 3 E , P 3 XP (X + o e 2) (X 1)P (X 3). On vrie que E un sous espace vectoriel de K [X ] ayant comme base canonique B = e (1; X; X 2 ). On vrie que f est linaire. On a : e e
MBB (f ) = R
1 0 0
9 6 11 0 11
Q S
9.2.2 Algbre des matrices e A l'aide de la bijection f 3 MBB (f ) nous allons transporter les oprations sur les applications e
0
Proposition 42.9.
Soient f; g : E 3 E H linaire. B; B H bases respectives de E et E H . Posons MBB (f ) = (aij ) e et MBB (g) = (bij ), alors MBB (f + g) = (aij + bij ) Soient f : E 3 E H linaire. B; B H bases respectives de E et E H . Soit P K . Posons e MBB (f ) = (aij ), alors MBB (f ) = (aij )
0 0 0 0 0
47
Soient f : E 3 E H et g : E H 3 E HH linaires. B; B H ; B HH bases respectives de E et e E H et E HH . Posons MBB (f ) = (bij ) P Mmn (K ) et MB B (g) = (aij ) P Mlm (K ), alors MBB (g f ) = (cij ) P Mln (K ), avec
0 0 00 00
cij =
n k=1
aik bkj
Ceci permet de dnir des oprations sur les matrices. de plus on a la chance que ses oprations e e e ne dpendent pas du choix des bases B et B H (il sont intrinsques ) e e
Dnition 27.9. e
Soient A = (aij ); B = (bij ) P Mm;n (K ). On pose A + B la matrice (aij + bij ) P Mm;n (K ). Soient A = (aij ) P Mm;n (K ). Soit P K . On pose A la matrice (aij ) P Mm;n (K ). Soient A = (aij ) P Mm;n (K ) et B = (bij ) P Mnl (K ). On pose AB la matrice (cij ) P Mm;l (K ). Avec
cij =
Remarque.
n k=1
aik bkj
La somme et produit par un scalaire des matrices se fait composante composante. a Le produit de matrice AB n'est dnit que si e le nombre de colonne de A = nombre de ligne de B
On a
H f f f f f f f f f f f f d
cij = (
iieme ligne de A
j ieme c o l o n n e de B
I g g g g g g g g g g g g e
Donc le produit est gnr par le produit lmentaire de matrice ligne par matrice colonne de la e ee ee forme
48
H f
(1 2 : : : n ) f . f d . .
Exemple :
1 2
I g g g e
= 1 1 + 2 2 + + n n
a b c p q r
R k
1 7 14 2 8 15 3 9 16
Q S
Proposition 43.9.
Soient f : E E HH . On a :
Cet isomorphisme entre matrice et application linaire fait que toute les proprits des oprations e ee e sur les applications linaires se transmettent sur oprations sur les matrices. On obtient e e
Proposition 45.9. Soit pour tout (r; s) (1 r m 1 s n) la matrice Ars = (aij ) P Mm;n (K ) avec aij = 1 si (i; j ) = (r; s) et aij = 0 sinon. Alors (Ars )1 r m 1 s n est une base de Mm;n (K )
49
Corollaire. l'espace vectoriel Mm;n (K ) est de dimension m n (nie) Corollaire. Soien E; E H des espace vectoriel sur m^me corps de dimension nie, alors l'espace e vectoriel L (E; E H ) est de dimension nie et on a :
Proposition 46.9.
Soient A1 ; A2 P Mm;n (K ) B P Mn;l (K ) on a (A1 + A2 )B = A1 B + A2 B Soien A P Mm;n K; B1 ; B2 P Mn;l (K ) on a A(B1 + B2 ) = AB1 + AB2
Remarque.
1. L'associativit est une proprit non vidente du produit matriciel bien qu'elle rsulte par isoe ee e e morphisme d'une proprit vidente qui est l'associativit de la composition des applications. eee e 2. Les proprits 2 et 3 se rsument en : ee e
VA ; A P Mm;n(K ) VB P Mn;l (K ); V; P K
1 2
(A1 + A2 )B = (A1 B ) + (A2 B )
VA P Mm;nK; VB ; B P Mn;l (K ); V; P K
1 2
A(B1 + B2 ) = (AB1 ) + (AB2 )
Proposition 47.9. Soit f : E 3 E H . Soit B; B H des bases respectives de E et E H . B = (e1 ; e2 ; : : : ; en ) et B H = ("1 ; "2 ; : : : ; "m ). Soit x P E , x = x1 e1 + x2 ee + : : : xn en l'criture de x dans e H . On a : B , et f (x) = y1 "1 + y2 "2 + + ym "m l'criture de f (x) dans B e
H f f f d
y1 y2 . . . ym
I g g g e
f MBB (f ) f f d
0
x1 x2 . . . xm
I g g g e
50 Notons
H f
MB (x) = f . f d .
. la formule ci-dessus s'crit : e
x1 x2
I g g g e
xm
0
Cette formule est trs importante, c'est la raison d'tre des matrices. e e
Reprenons l'exemple E l'ensemble des polyn^mes de K [X ] de degr 2, et f : E 3 E;P 3 o e XP (X + 2) (X 1)P (X 3). Soit B = (1; X; X 2 ) la base canonique de E . Nous avons trouv e
P
MBB (f ) = R
1 0 0
9 6 11 0 11
Q S P
Q S
bo b1 b2
Q S
=R
1 0 0
9 6 11 0 11
QP SR
ao a1 a2
=R
Q S
51
xPE
MB (x)
0
MBB (f )
0
MB B (f )MBB (g)
00 0
Exemples :
1. Soient f; g : R3 de R3 et R2
3 R
0
MBB (f ) =
Expliciter 5f + 2g . On a :
MBB (g) =
0
2 28 1 15
10
9
15 10 25 5 30 35 =
4 56 2 30
!
20
18
19 66 5 3 60 53
3 1 1
PR,x=xe
!
y1 y2
ce qui donne
&
19 66 5 60 53
x1 x2 x3
Q S
MBB (f ) = 2 3
0
1
5
1 0 1
MB B (g) = R
0 00
3 11 1 4 2 8
Q S
Expliciter g f . On a :
MBB (g f ) = MB B (g)MBB (f )
00 0 00 0
3 11 1 4 2 8
P
Q S
2 3
1 0 5 2 1 11 4 8
Q S
=R
39 52 14 19 20 42
19 7 18
On a donc pour x = (x1 ; x2 ; x3 ; x4 ) P R4 , x = x1 e1 + x2 e2 + x3 e3 + x4 e4 . Posons f (x) = (y1 ; y2 ; y3 ), f (x) = y1 "1 + y2 "2 + y3 "3 . On a :
P R
y1 y2 y3
Q S
39 52 = R 14 19 20 42
19 7 18
11 4 8
T ST R
x1 x2 x3 x4
Q U U S
Ce qui donne
V ` X
y1 = 39x1 + 52x2 19x3 + 11x4 y2 = 14x1 + 19x2 7x3 + 4x4 y3 = 2x1 + 42x2 18x3 + 8x4
est un anneau.
53
Q U U U S
Remarques.
1. Pour n ! 2, l'anneau Mn (K ) n'est pas commutatif, voici un contre exemple pour n = 2
1 0 0 0
0 0 1 0
0 0 0 0
T=
0 0 1 0
1 0 0 0
0 0 1 0
2. Le m^me contre-exemple ci-dessus montre que l'anneau Mn (K ) n'est pas intgre pour n ! 2 e e (Une lgante application du corollaire de la proposition 36.9 montre que les seules matrices ee rgulire pour la multiplication sont les matrices inversibles) e e 3. D'intressant contre-exemples pour l'algbre se trouve dans l'anneau Mn (K ), on y trouve par e e exemple des idaux maximaux tels que Mn (K )=I n'est pas un corps. e
Dnition 29.9. On dit qu'une matrice carr (n; n) est inversible si elle est inversible dans e e l'anneau Mn (K ).
Autrement dit A P Mn (K ) inversible si il existe AH P Mn (K ) tel que
P T R
AAH = AH A = T T
Q U U U S
La proposition suivante vient alors complter le tableau d'isomorphismes de la proposition 43.9 e Proposition 49.9. Soit f : E 3 E H . Soit B; B H des bases respectives de E et E H . Supposons E; E H de dimension nie et dim(E ) = dim(E H ), On a :
f bijective
auquel cas on a :
@A MBB (f ) inversible
0 0
MB B (f 1 ) = (MBB (f ))1
0
Preuve : Posons n = dim(E ). Si f est bijective on a f f 1 = IE et f 1 f = IE , par suite MBB (f )MB B (f 1 ) = MB B (f 1 )MBB (f ) = In ( In matrice identit), donc MBB (f ) e
0 0 0 0 0 0
54 est inversible. Inversement si MBB (f ) est inversible, soit. A P Mn (K ) telle que MBB (f )A = AMBB (f ) = In , soit g P L (E H ; E ) telle que MB B (g) = A, on a alors MBB (g f ) = MB B (f g) = In , donc g f = IE et f g = IE
0 0 0 0 0 0 0
Notation : Soit E un espace vectoriel de dimension nie, B une base de E , f endomorphisme de E , la matrice MBB (f ) se note :
P L (E ) un
M B (f )
par la proposition ci-dessus :
f bijectif
@A MB (f ) inversible
Resumons la correspendance entre applications linaires et les vecteurs d'une part, et les mae trices
xPE
MB (x)
0
MBB (f )
0
MB B (f )MBB (g)
00 0
(MBB (f ))1
0
Proposition 50.9. Soit A P Mn (K ) une matrice carr coecient dans un corps commutatif K , ea il est equivalent de dire :
1. A est rgulire e e 2. A est rgulire droite e e a 3. A est rgulire gauche e e a 4. A est inversible a droite
55
Preuve : Soit iA : Mn;1 (K ) 3 Mn;1 (K ) X 3 AX , iA est linaire. Si A est rgulire a e e e gauche, soit la relation AX = 0, soit B P Mn (K ) ayant sa premire colonne gale a X les autre e e colonnes tant nulles, alors AB = 0 donc B = 0, donc X = 0, ainsi iA est injective, comme Mn;1 (K ) e est de dimension nie (=n2 ), par le corollaire de la proposition 36.9 iA est bijective, Soit B0 la base canonique de Mn;1 (K ), on vrie que MB0 (iA ) = A, donc A est inversible e
La proposition qui suit ramne le calcul de A1 a un problme de systme linaire. e e e e
6. A est inversible
Proposition 51.9. Soient A; B P Mn (K ) des matrices carres de m^me taille, si pour tous vecteurs e e colonnes X; Y P Mn;1 (K )
alors A est inversible et A1 = B
AX = Y =A Y = BX
Preuve : Pour X P Mn;1 (K ) posons Y = AX , donc BY = X soit BAX = X . Soit B0 la base canonique de Mn;1 (K ), la matrice de l'endomorphisme X 3 BAX dans B0 est BA, or c'application identique de Mn;1 (K ), donc BA = In (In matrice identit de taille n), par la e 1 A = BA et A rgulire, donc B = A1 proposition 50.9 A est inversible, on a A e e
Application : Pour calculer A1 , on resoud le systme linaire : e e
H f Af f d
x1 x2 xn
. . .
I g g g e
f f f d
y1 y2 yn y1 y2
. . .
I g g g e
x1 x2 xn
. . .
I g g g e
H f
I g g g e
=Bf . f d . .
alors A1 = B
Exemple :
H
yn
A=d
1 1 2 1 1 1 0 1 3
I e,
on a :
56
H
Ad
V `
x1 x2 x3
I e
y1 y2 y3
I e
@A X
V `
x1 + x2 + 2x3 = y1 x1 + x2 + x3 = y2 x2 + 3x3 = y3
@A X
(1) @A X @A X x
V `
V `
@A X
V `
x3 = (2y3 y1 y2 )=3
(1) (2)
D'o : u
H d
x1 x2 x3
I e
=d
I
1 2 3
Donc
H
A 1 = d
On vrie que : e
H d IH ed
2= 3 1 1=3
1 1 2 1 1 1 0 1 3
2= 3 1 1=3
0 0 1 0 0 1
I e
Dnition 30.9. Soit E un espace vectoriel de dimension nie. Soient B = (e1 ; e2 ; : : : ; en ) et B H = e (eH1 ; eH2 ; : : : ; eHn ) des base de E . Soit eHj = n=1 aij ei l'criture de eHj dans la base B , j = 1; 2; : : : ; n. e i La matrice (aij ) s'appel matrice de passage de B B H . a
On la note PBB
0
57
eH1 eH2 : : :
PBB =
0
T T R
:::
eHn
Q U U S
e1 e2 en
. . .
4
eHj =
n
i=1 aij ei
1 PB B = PBB
0
Proposition 52.9. Soit E un espace vectoriel de dimension nie. Soient B = (e1 ; e2 ; : : : ; en ) et B H = (eH1 ; eH2 ; : : : ; eHn ) des base de E . Soit x P E , x = n=1 xi ei = n=1 xHi eHi . On a : i i
H f f f d
x1 x2 . . . xn
I g g g e
H f f f d
= PBB
I g g g e
Preuve : . On a : x = IE (x), donc MB (x) = MB B (IE )MB (x), soit MB (x) = PBB MB (x)
0 0 0 0
Remarque. Contrairement ce qu'on aurait prfr, cette formule exprime les anciennes coora ee e donnes en fonction des nouvelle, cependant en pratique c'est bien sous cette forme qu'on applique e la formule car cela permet de recrir les equations en terme de nouvelles coordonnes. e e
Exemple : Considrons dans R2 le cercle unit. Son equation dans la base canonique ((1; 0); (0; 1)) e e
est
x2 + x2 = 1 1 2
58
x1 x2
2 5 3 7
!
xH1 xH2
donc
&
H H Proposition 53.9. Soit f : E 3 E H , B1 ; B1 des bases de E . Soient B2 ; B2 des bases de E H . Soit H , Q la matrice de passage de B2 B H , on a : P = PB1 B1 la matrice de passage de B1 B1 a a 2
0
MB1 B2 (f ) = Q1 MB1 B2 (f )P
0 0
E; B1 IE
3 E H; B 5
4
H E; B1
IE
2
3 E H; B H
f
0 0
Exemple :
Soit f
H B2 = ((1; 1; 0); (1; 0; 1); (0; 1; 1)) MB1 B2 (f ) se lit directement sur l'criture de f (c'est l'un des avantages des bases canoniques) e
P
MB 1 B 2 ( f ) = R
1 3 6
2 5 1
Q S
59 Cherchons d'abord MB1 B2 (f ) par calcul direct. On doit donc exprimer f (1; 1); f (2; 3) par leur H composantes dans B2 :
0 0
@A X
V ` X V `
V `
a+b=3 a + c = 2 b+c=5
a+b=3 a + c = 2 b+c=5
a=3b ()(1) @A X (3 b) + c = 2
@A X @A X
V ` V `
V `
b+c=5
a=3b ()(1) @A X c = 5 + b ()(2) b=5 ()(3) V ()(1) ` a = 2 @A X c = 0 ()(2) b=5 ()(3) f (2; 3) = (8; 9; 9) = a(1; 1; 0) + b(1; 0; 1) + c(0; 1; 1)
@A X a + c = 9
V ` X
V `
a+b=8 b+c=9
@A X @A X
V `
V `
a+b=8 a + c = 9 b+c=9
60
V `
@A X @A X
V `
a = 5 @A X c = 4
Donc
P
0 0
V `
MB1 B2 (f ) = R 5 13
0 Vrions maintenant la formule e Soit
P R
2 5 Q 4
S
MB1 B2 (f ) = Q1 MB1 B2 P
0 0
2 5 Q
5 0 13 4
S
= Q1 R
1 3 6
P
2 5 1
Q SP
V ` X V ` X
@A X @A X @A X
V ` V `
V `
"1 = "H1 "2 ()(1) "3 = "H2 "H1 + "2 ()(2) H "H + "2 ) = " H "2 + ( "2 1 3
"1 = "H1 "2 ()(1) ("H1 "2 ) + "3 = "H2 "2 + "3 = "H3 "1 = "H1 "2 ()(1) "2 + "3 = "H2 "H1 "2 + "3 = "H3
61
V `
@A X @A X
d'o u
P V `
"1 = ("H3 + "H1 + "H2 )=2 "3 = ("H3 "H1 + "H2 )=2 ()(2) "2 = ("H3 + "H1 "H2 )=2 ()(3)
1=2 1=2 1=2
QP SR
"1 = "H1 "2 ()(1) H "H + "2 "3 = "2 1 ()(2) "2 = ("H3 + "H1 "H2 )=2 ()(3)
Q1 = R
On vrie que e
1= 2 1= 2 1=2
P
1=2 Q
1 =2 1 =2
S
1R 2
1 1 1
1 1 1
P
1 Q
1 1
S
QQ1 =
Enn on a bien
P R
1R 2
1 1 0 1 0 1 0 1 1
P
1 1 1 1 1 1
1 1 1
1 Q
1 1
S
=R
1 0 0 0 1 0 0 0 1
Q S
2 5 Q
5 0 13 4
S
1R 2
1 1 1
1 Q P 1
1 1
SR
2 3 5 6 1
Q S
1 2 1 3
9.2.4 Rang d'une matrice Dnition 31.9. Soit A P Mm;n (K ), soit S = ((c1 ; c2 ; : : : ; cn )) le systme de K m form par les e e e colonnes de A, le rang de S s'appel rang de la matrice A
On le note rg (A)
rg(f ) = rg(MBB (f ))
0
Preuve : Notons B = (ei )iPI . On a rg(f ) = rg((f (ei ))iPI ), la proposition en rsulte par e l'isomorphisme d'espace vectoriel v 3 MB (v )
Compltons la correspendance entre applications linaires et les vecteurs d'une part, et les e e matrices
62
xPE
MB (x)
0
MBB (f )
0
MB B (f )MBB (g)
00 0
(MBB (f ))1
0
rg(MBB (f ))
0
Notation : Soit E un espace vectoriel de dimension nie. B = (e1 ; e2 ; : : : ; em ) une base de E S = (v1 ; v2 ; : : : ; vn ) un systme de E . Ecrivons vj = m aij ei e i=1
Dnition 32.9. La matrice (aij ) P Mm;n (K ) s'appel matrice du systme S dans la base B e e
On la note MB (S ) Il rsulte de l'isomorphisme v 3 MB (v ) que : e
Proposition 55.9. Soit E un espace vectoriel de dimension nie. B une base de E S un systme e de E , on a :
rg(S ) = rg(MB (S ))
Dnition 33.9. Soit A = (aij ) P Mm;n (K ) la matrice (bij ) e matrice transpose de la matrice A e
= aji s'appel
A=T R
a11 a12 : : : a1n a21 a22 : : : a2n ::: am1 am2 : : : amn
Q U U S
alors :
P
tA = T T
R
a11 a21 : : : an1 a12 a22 : : : an2 ::: a1m a2m : : : anm
Q U U S
Remarque. t (t A) = A
rg(A) = rg(t A)
Preuve : Soit (ci1 ; ci2 ; : : : ; cir ) les colonnes de A formant une base pour les autres. Soit (li1 ; li2 ; : : : ; lis ) les lignes de A formant une base pour les autres. Soit (cHi1 ; cHi2 ; : : : ; cHir ) les colonnes de A intersection de (ci1 ; ci2 ; : : : ; cir ) avec (li1 ; li2 ; : : : ; lis ). On a cHik P Rs . D'autre part (cHi1 ; cHi2 ; : : : ; cHir ) est libre car une relation :
s, soit rg(A)
rg(A)
e Comme consquence des propositions 54.9 et 56.9 , voici une autre caractristisation des matrices e carres inversibles : e
64
Preuve : Soit sur Mn;1 (K ) l'application X 3 AX , c'est un endomorphisme de Mn;1 (K ), on vrie que sa matrice dans la base canonique de Mn;1 (K ) est A, la proposition rsulte des e e propositions 54.9 et 56.9 Proposition 58.9. Le rang d'une matrice est unchang par les oprations suivante : e e Permuter deux lignes (resp colonnes)
Multiplier une ligne (resp colonne ) par un scalair non nul Ajouter une ligne (resp colonne) une combinaison linaire des autres lignes (resp colonnes) a e
Dnition 34.9. On appel opration lementaire sur une matrice une opration ayant l'une des e e e e formes suivantes : Permuter deux lignes (resp colonnes)
Multiplier une ligne (resp colonne ) par un scalair non nul Ajouter une ligne (resp colonne) une combinaison linaire des autres lignes (resp colonnes) a e
Proposition 59.9. Soit A une matrice (m; n), il est quivalent de dire : e 1. rg(A) = r
2. Il existe une succession d'oprations lementaires qui transforment A en une matrice de la e e forme :
P T T T T T T T T T T T T R
1
0 0
::: ::: ::: 0 0 ::: 0 0 ::: 0 0 ::: ::: ::: ::: 0 0 :::
::: ::: ::: ::: ::: ::: Q ::: ::: ::: ::: ::: U U 0 ::: ::: ::: ::: U U
2 3
::: ::: 0 r ::: ::: ::: ::: ::: ::: ::: :::
::: ::: ::: ::: ::: ::: 0 ::: ::: 0 ::: ::: ::: ::: ::: 0
U U U U U U U U S
1 ; 2 ; : : : ; r T= 0
65
Preuve : Rcurrence sur r. Posons A = (aij ), si A T= 0 soit (r; s) tel que ars T= 0 en permutant e la ligne r et la ligne 1, ensuite la colonne s et la colonne 1 on se ramne a a11 T= 0, ensuite pour e chaque ligne l2 ; l3 ; : : : ; lm on applique l'opration lmentaire : e ee a li = li i1 l1 a11 de cette manire A se transforme en une matrice de la forme : e
P T T T T R
a11 :::
0 0
A1
Q U U U U S
Pour A; B matrice de m^me taille la notation A $ B signie que l'on passe de A a B par une e ou plusieurs oprations lmentaires. e ee
H
1. A =
f f f f d
0 0 0 0 0
H f f f f d
0 0 1 1 1 0 0 0 0 0
0 2 0 2 2
0 3 1 4 2 0 0 2 2 2 1 0 0 0 0
I g g g g e I g g g g e H I g g g g e H I g g g g e H I g g g g e
A$
1 0 0 1 1
H f f f f d
1 0 3 4 2 0 0 0 0 0
$
1 0 3 0 0
f f f f d I g g g g e
1 0 0 1 1
H f f f f d
0 0 0 0 0 1 0 0 0 0
0 0 2 2 2 0 0 0 0 0
1 0 3 4 2 0 2 0 0 0
f f f f d
1 0 0 0 1
H f f f f d
0 0 0 0 0 1 0 0 0 0
0 0 2 2 2 0 2 0 0 0
1 0 3 3 2 0 0 0 0 0
$
I g g g g e
f f f f d
1 0 0 0 0
0 0 0 0 0
0 0 2 2 2
1 0 3 3 3
A$
0 0 2 0 0
1 3 0 0 0
I g g g g e
1 3 0 0 0
3 r = 2
10 Determinant
10.1 Determinant d'un systme de vecteurs e
L'ide du dterminant vient de la volonte d'associ a un systme de vecteurs un nombre de sorte e e e e e que le systme est li si et seulement si ce nombre est nul. e e
66 Une solution gomtrique est donn par le volume du paralllotope engendr par ce systme de e e e e e e vecteurs.
S (x; y) y
q q
Si le nombre des vecteurs du systme est gal a la dimension de l'espace vectoriel, ce volume est e e possde des proprits de multilinarit qui le rende plus exploitable sur le plan du calcul. Cette e ee e e multilinarit est traduite gomtriquement e e e e
R
y1
z :
y2
z: y
+ y2
Noter que si y2 n'est pas dans le plan de x; y1 , la linarit n'est plus vrai, il faut faire appel a e e une formule analogue a celle du thorme de Pythagore. e e Nous admettons le thorme suivant : e e
Thorme 5.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une e e base de E , il existe une application s : E n 3 K unique vriant : e
1. s(e1 ; e2 ; : : : ; en ) = 1
67
Dnition 35.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une e base de E , l'unique application s : E n 3 K vriants les proprits 1) 2) et 3) du thorme 5.10 e ee e e ci-dessus s'appel dterminant dans la base B e
On note s((v1 ; v2 ; : : : ; vn )) = detB (v1 ; v2 ; : : : ; vn ) la proposition suivante montre que le calcul de detB (v1 ; v2 ; : : : ; vn ) se fait via les composantes des vecteurs vi dans B
Proposition 60.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une base de E , (v1 ; v2 ; : : : ; vn ) P E n , soit B0 la base canonique de Mn;1 (K ), soit pour chaque vi MB (vi ) le vecteur 1-colonne form des composantes de vi dans B , on a : e
3 K
Proposition 61.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une base de E . Soit f : E n 3 K une application vriant les proprits 2) 3) du thorme 5.10, e ee e e alors :
V(v ; v ; : : : ; vn) P E n
1 2
68
Proposition 62.10. (Changement de base) Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ); B H = (eH1 ; eH2 ; : : : ; eHn ) des bases de E , on a :
Corollaire. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ); B H = (eH1 ; eH2 ; : : : ; eHn ) des bases de E , on a :
detB (B H )detB (B ) = 1
0
Proposition 63.10. (proprit fondamentale du dterminant) Soit E un espace vectoriel de diee e mension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une base de E , soit (v1 ; v2 ; : : : ; vn ) P E n , on a ;
(v1 ; v2 ; : : : ; vn ) libre
@A detB (v ; v ; : : : ; vn) T= 0
1 2
Preuve : On a par dnition l'implication @=, inversement si (v1 ; v2 ; : : : ; vn ) est libre c'est une e base de E , le corollaire de la proposition 62.10 ci-dessus montre que detB (v1 ; v2 ; : : : ; vn ) T= 0
proposition 61.10, on a :
g(v1 ; v2 ; : : : ; vn ) = detB (f (v1 ); f (v2 ); : : : ; f (vn )) Il est facile de voir que g vrie les proprits 2) et 3) du thorme 5.10, par suite par la e ee e e detB (f (v1 ); f (v2 ); : : : ; f (vn )) = detB (f (e1 ); f (e2 ); : : : ; f (en ))detB (v1 ; v2 ; : : : ; vn )
( )
69
Proposition 64.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une base de E , soit f un endomorphisme de E , le scalair :
= detB (B )detB (f (e1 ); f (e2 ); : : : ; f (nn ))detB (B H ) = detB (f (e1 ); f (e2 ); : : : ; f (nn ))
0
Dnition 36.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une e base de E , soit f un endomorphisme de E , le scalair :
Proposition 65.10. (proprit fondamentale du dterminant) Soit E un espace vectoriel de diee e mension nie. Soit f P L (E ) un endomorphisme de E , on a :
f bijectif
@A det(f ) T= 0
Proposition 66.10. Soit E un espace vectoriel de dimension nie, soient f; g P L (E ) des endomorphismes de E , on a :
det(f g) = detB (f (g(e1 )); f (g(e2 )); : : : ; f (g(en ))) = det(f )detB ((g(e1 ); g(e2 ); : : : ; g(en )))
70
Dnition 37.10. Soit A P Mn (K ), on appeldterminant de A le dterminant du systme form e e e e e par les colonne de A dans la base canonique de Mn;1 (K )
On le note det(A) Si la matrice A est note par un tableau e
P T
A=T . T R .
.
Q U U U S
an1 an2 : : : ann a11 a12 : : : a1n a21 a22 : : : a2n an1 an2 : : :
. . .
. . . ann
on a :
@A det(A) 3 AX , soit B
@A det(iA) T= 0
det(AB ) = det(A)det(B )
Notation : Soit E un espace vectoriel de dimension nie n. Soit B une base de E , soit S = (v1 ; v2 ; : : : ; vn ) un systme de n vecteurs de E , on note MB (S ) la matrice carre (n; n) dont les e e colonnes sont dans l'ordre MB (v1 ); MB (v2 ); : : : MB (vn ), il rsulte de dnition du dterminant d'une e e e matrice que :
71
Proposition 69.10. Soit E un espace vectoriel de dimension nie n. Soit B une base de E , soit S = (v1 ; v2 ; : : : ; vn ) un systme de n vecteurs de E , on a : e
detB (S ) = det(MB (S ))
Cette proposition ramne le calcul du determinant d'un systme de vecteurs a celui d'une e e matrice.
Proposition 70.10. Soit E un espace vectoriel de dimension nie n. Soit B = (e1 ; e2 ; : : : ; en ) une base de E , f P L (E ) un endomorphisme de E , on a :
det(f ) = det(MB (f ))
Preuve : det(f ) = detB ((f (e1 ); f (e2 ); : : : ; f (en ))) = detB0 ((MB (f (e1 )); MB (f (e2 )); : : : ; MB (f (en )))) = det(MB (f ))
Cette proposition ramne le calcul du determinant d'un endomorphisme a celui d'une matrice. e On peut maintenant complter le tableau de l'isomorphisme entre applications linaires et mae e trices :
72
xPE
MB (x)
0
MBB (f )
0
MB B (f )MBB (g)
00 0
(MBB (f ))1
0
rg(MBB (f ))
0
det(MB (f ))
Proposition 71.10. Soit A = (aij ) une matrice carre, soit Aij la matrice dduite de A en e e supprimant la ligne i et la colonne j , on a :
Vj Vi
det(A) =
Exemple :
Ainsi ces formules ramnent le calcul du determinant d'une matrice A d'ordre n au calcul des e dterminant des matrices Aij d'ordre n 1. On a int^ret a dvelopper par rapport a la ligne ou e e e colonne qui contient beaucoups de 0 car si aij = 0 inutile de calculer det(Aij ). Dans ce but on cre des 0 dans la matrice on utilisant la rgle donne par la proposition suivante qui se dduit e e e e immdiatement de la proprit fondamental du dterminant (alternance et multiliniarit) e ee e e
73
Proposition 72.10.
Le determinant d'une matrice est inchang si on ajoute une ligne (resp colonne) une come a binaison linaires des autres lignes (resp colonnes) e Si on multiplie une ligne ou colonne d'un matrice par un scalaire, det(A) est multipli par ce e scalaire. Si on permute deux lignes (resp colonnes) le dterminant est multipli par -1 e e
E xemple : Soit
A=f d
On a:
1 1 1 1
1 2 2 1
2 1 3 1 1 2 2
I g g e
c1 + c3
0 0 2 1
det(A) =
1 2 2 1
1
1 1 2
2 3 1 2
0 0 2 1
c2 + c3
0 3 1 3
1
1 1 2
2 3 1 2 0 5 3 6
det(A) =
0 0 2 1
0 3 1 3
1)
1
1 1 2
c4 + 2 c3
det(A) = +(
0 2 1
3 5 1 3 3 6
Le signe (1)i+j peut tre valu rapidement en partant de la case a11 avec un + et en basculant e e e au signe oppos chaque fois qu'en se dplace d'une case horizentalement ou verticalement jusqu'a e e la case aij . Rptons le raisennement sur le dterminant d'ordre 3 on a : e e e
74
det(A) = +(1)
Soit :
0 0 1 3 7
3 7 3
5 9 6
l2 2l3
det(A) = (
1)(+1)
5 9 = 3:(9) + 5:(7) = 8
La preuve de la proposition 71.10 donne une formule explicite de l'inverse d'une matrice :
A 1 =
det(A)
t ((1)i+j det(A )) ij
Toutefois cette formule n'a qu'un int^ret thorique puisqu'elle exige le calcul de n2 determinants e e ce qui est trop m^me si n = 3 e Il existent des determinants faciles a valuer. On a : e
ja j = a
a b = ad bc c d
H H aHH a a a a H b b b bH bHH = c cH c cH cHH
Rgle de Sarus e
+ +
. . . 0 n
1
0
. . . 0
0 ... 0
= 1 2 n
75
1
0
. . . 0
...
0
. . . n
= 1 2 n
1 0 2 . . . . ... . .
. . . 0 n
= 1 2 n
A1
0
. . . 0
A2
0
2
...
0
. . . An
A1
A
. . .
... ...
. . . 0 An
(Les matrices Ai ont leures diagonales principales portes par la diagonale principale de la e matrice totale)
det(tA) = det(A)
Exemples :
1.
2 0 0 0
1 2 1 3
1 0 1 1
1
0 = j 2j 0 1
2 1 3
0 0 1 0 = 2 (2 (1) 1) = 4 1 1
76
2.
1 1 2 2
0 2 0 1 1 1 4
0 0 1 = 3 1 3
1 1
2
3 4 3
am x + am x + + amn xn
P
Noton
a n T A = T a n R am am amn
a11 a12 a21 a22
1 1 2 2
Q U U S
(La matrice du systme). Cette matrice se lit directement sur le systme. e e Matricielement le systme s'crit : e e
P
a n T a n T R am am amn
a11 a12 a21 a22
1 1 2 2
QH Uf Uf Sf d
x1 x2 xn
. . .
I g g g e
H f
=f . f d . .
b1 b2
I g g g e
bm
Dnition 38.10. Un systme linaire est dit de Cramer si sa matrice est carre et inversible e e e e
Proposition 75.10. Soit AX = b un systme linaire de Cramer, alors il admet une et une seule e e solution A1 b
La mthode d'limination peut tre gnralise naturalement comme suit : e e e e e e
En utilisant les quations qui touchent Ar , exprimer les inconnues xi1 ; xi2 ; : : : ; xir qui touchent e
77
e Rapporter l'xpression de xi1 ; xi2 ; : : : ; xir dans les quations qui ne touchent pas Ar e & n r inconnues systme Sr de e m r quation e
V b b ` b b X
xi1 = : : : xi2 = : : : xi = : : :
r
Sr
Remarque.
V ` X
2. Si Ar est inversible et Sr lementaire =A r est maximum. e 3. Le fait que Sr est lementaire T=A que r est maximum. e
Exemple :
V ` X
Il n'est pas facile de vrier si, toutes les 4 determinants d'ordre 3 extraits sont nuls ; il y a des e 1 1 matrices extraites d'ordre 2 de determinant non nul, on peut essayer par exemple Ar = 1 2 le systme de Cramer port par Ar est : e e
&
x+y+zt = 1 x + y z 2t = 3 3x + 3 y z 5t = 7
ce qui donne x = 1 y 3z et t = 2 2z que l'on porte dans les quations qui ne touchent pas e Ar (ici une seule) : 3x + 3 y z 5 t = 4 on trouve : 3(1 y 3z ) + 3y z 5(2 2z ) = 7 On trouve bien un systme lementaire, sa solution gnrale est : e e e e La solution gnerale de S se dduit alors de celle de Sr en remontant les quations. e e e
xt = 1yz x 2t = 3 y + z
f(y; z)jy; z P K g
Soution(S ) =
Soit
V `
(x; y; z; t) X
y; z P K x = 1 y 3z t = 2 2z
W a Y
78
Factoriser l'espace vectoriel E en somme directe E = F1 F2 Fm Chaque Fi doit tre stable par f , c'est--dire : f (Fi ) & Fi e a
La meilleure factorisation tant lorsque Fi soient les plus petits, soit lorsque dim(Fi ) = 1, e c'eat--dire Fi = vect(vi ) avec vi T= 0. La condition f (Fi ) & Fi se traduit par : a
W P K
f (vi ) = vi
Comme pour les autres questions sur les applications linaires, la factorisation d'un endomore phisme, se ramne a celle d'une matrice carre, c'est pour cette raison nous nous limitons aux cas e e des matrices, de plus nous ne traitons que le cas de la factorisation optimale (la diagonalisation) le cas gnral ne fait pas partie du programme. e e Dans la suite Mn;1 (K ) est l'espace vectoriel des vecteur 1 colonne
H f f f d
x1 x2
. . .
I g g g e
xn Il est pratiquement identique a K n . Soit A P Mn (K ), elle dnit un endomorphisme de e Mn;1 (K ), iA : X 3 AX , par abus les objets li a iA (tel que ker(iA ); Im(iA ); : : : ) se notent e ker(A); Im(A); : : :
Dnition 39.11. Soit A P Mn (K ) une matrice carre, P K , on dit est une valeur propre de e e A si il existe un vecteur colonne X P Mn;1 (K ) avec X T= 0 et AX = X
On note sp(A) l'ensemble des valeurs propres de A (sp comme spctre) e Donc
H f
P Sp(A) @A W f . f d .
.
H I e,
x1 x2
I g g g e
1
xn
P Mn; (K ) A f f d
x1 x2 xn
. . .
I g g g e
H f
= f . f d . .
x1 x2
I g g g e
xn
Exemple : Soit
A=d
2 1 1 1 2 1 1 1 2
on a :
79
H
Ad
Donc 4 P sp(A)
1 1 1
I e
=d
4 4 4
I e
= 4d
1 1 1
I e
P sp(A) @A WX P Mn;1 (K ); X T= 0; et AX = X
@A WX P Mn; (K ); X T= 0; et (A In)X = 0
1
A XIn
On note :
PA (X ) = det(A XIn )
La formule explicite du determinant montre que :
P sp(A) @A PA () = 0
80
i aii ,
on a :
PA (X ) = X 2 tr(A)X + det(A)
H
Si A = d
I e,
posons :
On a :
PA (X ) = X 3 + tr(A)X 2 2 X + det(A)
Exemples :
1 1
2
4
, on a :
2. A = d
2 1 1 1 2 1 1 1 2
e,
on a :
2 = 3 + 3 + 3 = 9
2 1 1 2 det(A) = 1 2 1 = 1 1 1 2 0
1 1 0 2 1 = 1 1 1 0
3 1
2 1
1 =4 1
PA (X ) = X 3 + 6X 2 9X + 4 = (X 4)(X 1)2
Donc sp(A) = f1; 4g
81
En vertu du problme de la diagonalisation des matrices, les deux lemmes suivants vont jouer e un r^le tr^s important : o e
v1 + v2 + + vk = 0
vi P Ker(A i In )
(1 k )v1 + (2 k )v2 + + (k1 k )vk1 = 0 L'hypothse de rcurrence montre que (i k )vi = 0 pour i = 1; 2; : : : ; k 1. Comme i k T= 0 e e on obtient v1 = v2 = = vk1 = 0, il reste dans (1) que vk = 0, donc v1 = v2 = = vk = 0
dim(Ker(A In )) m Preuve : Comme Ker(A In ) T= f0g, on a dim(Ker(A In )) ! 1. Soit B1 une base de Ker(A In ), soit k = dim(Ker(A In )) = jB1 j, on complte B1 a B base de Mn;1 (K ), dans e cette base la matrice de iA : Mn;1 (K ) 3 Mn;1 (K )X 3 AX est de la forme :
1
H f f f f d g g ::: ::: ::: ::: ::: g k g 0 ::: 0 e 0 : : : 0 0 A1 k = dim(Ker(AIn )), par suite dim(Ker(AIn ))
0
D'o PA (X ) = (X )k Q u
m
82
Corollaire. Soit A P Mn (K ), P sp(A) une valeur propre de A, si est une racine simple du polyn^me caractristique de A, alors : o e
dim(Ker(A In )) = 1
Dnition 41.11. Soit A P Mn (K ), soit P sp(A) une valeur propre de A. on appel vecteur e propre de A associ la valeur propre tout vecteur X P Mn;1 (K ) (X T= 0) tel que AX = X ea
Proposition 80.11. Soit A P Mn (K ), soit sp(A) = f1 ; 2 ; : : : k g l'ensemble des valeurs propres de A, il est quivalent de dire : e
1. Mn;1 (K ) = Ker(A 1 In ) Ker(A 2 In ) Ker(A k In ) 2. Mn;1 (K ) admet une base forme de vecteurs propres de A e 3. Mn;1 (K ) admet une base o la matrice de l'endomorphisme Mn;1 (K ) 3 Mn;1 (K ) X 3 AX u est une matrice diagonale. 4. Il existe une matrice P P Mn (K ) inversible telle que P 1 AP est une matrice diagonale.
Preuve :
1) =A 2) car si 1) soit pour chaque valeur propre de A, B une base de Ker(A In ), alors en vertu de 1), (B1 ; B2 ; : : : ; Bk ) est une base de Mn;1 (K ) forme de vecteurs propres. e 2) =A 3) immdiat e 3) =A 4) par la formule de changement de base 4) =A 1) car si 4), notons D = P 1 AP , donc AP = P D, soit (c1 ; c2 ; : : : ; cn ) le systme de e Mn;1 (K ) form des colonnes de A et posons e
H f ::: D = f : 0: :2 : 0: : : : : : : d : :: : 0 0 : : : 0 n
:::
0 0
I g g e
Par dnition du produit matrciel la relation AP = P D quivaut a Aci = i ci , donc ci sont e e des vecteurs propres de A, comme P est inversible (c1 ; c2 ; : : : ; cn ) est libre, c'est donc une base de Mn;1 (K ), donc tout X P Mn;1 (K ) est combinaison linaire de vecteurs propres de A, e donc 1)
83
Dnition 42.11. Soit A P Mn (K ). On dit que A est diagonalisable si elle vrie les proprits e e ee quivalentes de la proposition ci-dessus. e
Le thorme suivant fournit un critre pour reconnaitre si une matrice est diagonalisable. e e e
dim(Ker(A In ))
m m
( )
Psp(A)
dim(Ker(A In ))
sp(A)
d (PA (X )) = n
@A @A
&
@ dim(Ker(A Psp(A)
Psp(A)
Psp(A) m = d (PA (X ))
In)) = Psp A m
( )
Corollaire. Soit A P Mn (K ), si PA (X ) est scind et si toutes ses racines sont simples, alors A e est diagonalisable. Preuve : On a applique le corollaire du lemme2
Voici l'algorithme pour diagonaliser une matrice :
84
2. Si il existe une valeur propre de A multiple telle que dim(Ker(A In )) T= m s'arrter A e n'est pas diagonalisable 3. Pour chaque valeur propre de A calculer une base B de Ker(A In ) en rsolvant le e systme linaire (A In )X = 0 e e 4. Posons sp(A) = f1 ; 2 ; : : : ; k g l'ensemble des valeurs propres de A. Soit B = (B1 ; B2 ; : : : ; B ) (c'est une base de Mn;1 (K )) forme de vecteurs propres de A, soit P la matrice de passage e de la base canonique de Mn;1 (K ) B , on a P 1 AP diagonale a
k
Proposition 81.11. Application de la diagonalisation 1 Soit A P Mn (K ) une matrice diagonalisable. Soit P une matrice inversible telle que P 1 AP soit une matrice diagonalisable. Posons
H f ::: P 1 AP = f : 0: :2 : 0: : : : : : : d : :: : 0 0 : : : 0 n
:::
0 0
I g g e
alors :
H
Vm P N
m f : Am = P f : 0: :2: : 0: : : : : : : d : : : : : m 0 0 : : : 0 n
m 1
:::
0 0
I g 1 gP e
Preuve : La matrice P dnit un changement de base B0 3 B (B0 base canonique de e Mn;1 (K )). Dans B , l'endomorphisme X 3 Am X est reprsent par la matrice e e
H f f d
m 1
:::
0 0
I g g e
m=0
Am converge m!
P Mn(C),
85
Proposition 83.11. Application de la diagonalisation 2 Soit A P Mn (C) une matrice diagonalisable. Soit P une matrice inversible telle que P 1 AP soit une matrice diagonalisable. Posons
H f ::: P 1 AP = f : 0: :2 : 0: : : : : : : d : :: : 0 0 : : : 0 n
:::
0 0
I g g e
alors :
H
2 f : eA = P f : 0: e: : : 0: : : : : : : d : : : : : 0 0 : : : 0 e
e1
:::
0 0
I g 1 gP e
Remarque. 1. Si on a calcul Am , inutile d'utiliser la formule ci-dessus eA = P eD P 1 pour e A , l'expression de eA rsulte de l'expression de Am en remplaant chaque m par e calculer e e c
2. Parfois pour les besoins en systmes direntiels, on calcul plut^t etA , il sut dans l'expression e e o m de remplacer chaque m par et de A
Exemples :
1.
1 0 0 0 2 1 0 0 2
I e
scinde
x y z
I e
P Ker(A In) @A (A
H
In ) d
x y z
I e
0 0 0
I e
= @A x= 00 z
&
0 1 0
I e
86 2.
H
A=d
1 0 0 0 0 1
0 1 0
I e
P M (R)
2
5 1 0 0 1 1 0 0 2
I e
x y z
I e
P Ker(AIn) @A (A
H
In ) d
x y z
I e
0 0 0
I e
@A X
V `
y=0 4y + z = 0 3z = 0
=0 @A y = 0 z
&
1 d'o Ker(A In ) = vect d 0 e u 0 Cherchons les vecteurs propres associs a la valeur propre = 2 e
H d
x y z
I e
P Ker(AIn) @A (A
H
In ) d
I
x y z
I e
0 0 0
I e
@A
&
3x + y = 0 y + z = 0
= 3 @A y z = y x
&
1 d'o Ker(A In ) = vect d 3 e u 3 Cherchons les vecteurs propres associs a la valeur propre = 1 e
H d
x y z
I e
P Ker(AIn) @A (AIn) d
H
x y z
I e
=d
0 0 0
I e
@A
&
4x + y = 0 z=0
= 4 @A y z = 0 x
&
1 4 0
I e
B = dd
1 3 3
I H e;d
1 0 0
I H e;d
1 4 0
II ee
P =d
On a :
1 1 3 0 3 0
H
1 4 0
I e
P 1 AP = d
ce qui quivaut a : e
H
2 0 0 0 5 0 0 0 1
I
I e
A=Pd
On en dduit : e
H
2 0 0 0 5 0 0 0 1
e P 1
An = P d
H
2n 0 0 0 5n 0 0 0 1
5n 12
I e P 1
2n 3
=d et
5n 0 0
5n 4
1 =4
1 0
+ 1 =4 n1 2 2n
I e P 1
t
I e
etA = P d 0 e5t
0
H
e2t
0 et
0 0
=d 0 0 4.
e5t
e5t
4
e t =4
et
0
H
e5t
12
e2 + et=4 e e t et
2 3
e2t
A=d 0
3 c'est une matrice diagonale par blocs.
2 3
0 1 0 3 1
I e
88
PA(X ) = (X + 2)(X 1) scind. On a : sp(A) = f1; 2g e Cherchons les vecteurs propres associs a la valeur propre = 1 e
2
H d
x y z
I e
x y z
I e
=d
0 0 0
I e
= @A 3x+ 33y= 00 3x y
&
HH
1 I
@A x = y
H e;d
0 0 1
II ee
x y z
I e
x y z
I e
=d
0 0 0
I e
@A X
V `
3y = 0 3x + 3 y + 3 z = 0
3y = 0
y=0 z = x
1 d 0 e D'o Ker(A In ) = vect u 1 Une base de vecteurs propres est donc :
HH dd
1 I
1 0
e;d
0 0 1
I H e;d
1 0 1
I e
II ee
P =d
On a :
0 1 0 0 1 1 0 0 1 0 0
1 0 1
P 1 AP = d
ce qui quivaut a : e
H
0 0 2
I
I e
A=Pd
1 0 0 1 0 0
0 0 2
e P 1
89 On en dduit : e
H
An = P d
H d
1 0 0 0 1 0 n 0 0 (2)
I e P 1 I e
et
etA = P d
H d
et 0 0 et
0
0 e 2 t
0 0
I e P 1 I e
e 2 t et e2t
0
e2t et 0 et 0 t e2t et e