Professional Documents
Culture Documents
1 Calculmatriciel
1.1 et .Dnitions. .proprits. . . . . . . . . . . . . . . . . . 3 1.2Opsurrationsles . .matrices. . . . . . . . . . . . . . . . . 1.2.1A .ddition. . . . . . . . . . . . . . . . . . . . . . . . 4 5 4
1.2.2 parun.Multiplication.scalaire.. . . . . . . . . . . 1.2.3 des .Multiplication.matrices.. . . . . . . . . . . . 5 1.3Matrices.lmentaires. . . . . . . . . . . . . . . . . . . . . 7 1.3.1Oprationslmentairessurune. .matrice. . . . . . 7 1.3.2 pourApplicationvl'inersedterminerd'unematrice . .carre. . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Dterminan ts
10
2.1 td'ordreDterminan 2 . . . . . . . . . . . . . . . . . . . . . . 10 2.2 td'ordreDterminan 3 . . . . . . . . . . . . . . . . . . . . . . 10 2.3 td'ordreDterminan n . . . . . . . . . . . . . . . . . . . . . 13 2.4Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.4.1deCalculvl'inersed'unematricecarred'ordre 2.4.2 deRsolution(systmesMlinairesdethode)Cramer16
n . . . 15
3 VEspacesectoriels
17
3.1 vEspaces.ectoriels.. . . . . . . . . . . . . . . . . . . . . . 17 3.2 v .ectorielsSous-Espaces.. . . . . . . . . . . . . . . . . . . 18 3.3Famille. .Gnratrice. . . . . . . . . . . . . . . . . . . . . 20 3.4DpetendanceceIndpendan-LinairesBases. . . . . . . . 21 deExistence(Basesen)niedimension. . . . . . . . . . . 23 3.5 3.6 LesFtauxThormessurlaondamen..Dimension. . . . . 24 1
31
31 32 35 38 40 40 42 43 45 45 46 47 48
50
50 52 53 55
(1.1)
est appel matrice. Les nombres aij sont appels coecients de la matrice. Les lignes horizontales sont appeles ranges ou vecteurs ranges, et les lignes verticales sont appeles colonnes ou vecteurs colonnes de la matrice. Une matrice m ranges et n colonnes est appele matrice de type (m, n). On note la matrice ( 1.1) par (aij ).
Exemple 1.1.1. :
1)
2)
0 0 ... 0 0 0 ... 0 a tous ses coecients nuls. La matrice nulle O = . . . . . . 0 0 ... 0 Une matrice (a1 , ..., an ) ayant une seule range est appele matrice
uniligne.
3) Une matrice
b1 b2 . . . bm
colonne.
1) Une matrice ayant le mme nombre de ranges et de colonnes est appeles matrice carre, et le nombre de ranges est appel son ordre. 2) La matrice carre (aij ) telle que aij = 0 si i = j et aii = 1 i est appele matrice unit, note par I , elle vrie AI = IA = A, A matrice carre du mme ordre que I . 3) Deux matrices (aij ) et (bij ) sont gales si et seulement si elles ont mme nombre de ranges et le mme nombre de colonnes et les lments correspondants sont gaux ; c'est dire aij = bij i, j .
Exemple 1.2.1. : Si A =
B= 1 5 3 3 2 2
4 6 3 0 1 2
et
B=
5 1 0 3 1 0
, alors
A+
L'addition des matrices satisfait les proprits suivantes : Pour A, B et C des matrices de type (m, n) on a : 1) A + B = B + A 2) (A + B ) + C = A + (B + C ) 3) A + O = O + A = A o O est la matrice nulle 4) A + (A) = O o A = (aij ).
Exemple 1.2.2. :
Si
A = (2 7 8),
alors
3A = (6 21 24)
Cette multiplication vrie : Pour A, B des matrices de type (m, n) 1) (A + B ) = A + B 2) ( + )A = A + A 3) (A) = ()A 4) 1A = A
aij bjl .
Exemple 1.2.3. :
A= 3 2 1 0 4 6
et
1 0 2 B = 5 3 1 , 6 4 2
alors
AB = =
3(1) + 2(5) + (1)(6) 3(0) + 2(3) + (1)(4) 3(2) + 2(1) + (1)(2) 0(1) + 4(5) + 6(6) 0(0) + 4(3) + 6(4) 0(2) + 4(1) + 6(2) 7 2 6 56 36 16
Le produit matriciel vrie les proprits suivantes : 1) (AB ) = (A)B , K 2) A(BC ) = (AB )C 3) (A + B )C = AC + BC
4) C (A + B ) = CA + CB Pour vu que les produits qui gurent dans les expressions soient dnis.
Remarque 1.2.1. :
1) La multiplication matricielle n'est pas en gnral commutative, c..d
AB = BA.
2) La simplication n'est pas vraie en gnral, c..d pas, ncessairement
AB = O
n'entrane
A=O
ou
B = O.
telle que
AB = BA =
I.
Exemple 1.2.4. :
1)
A=
1 0 0 0
B=
0 1 1 0
, alors
AB =
0 1 0 0
et
BA =
2)
0 0 1 0 1 1 2 2 = O, B = 1 1 1 1 =O
et pourtant
A=
AB =
0 0 0 0
=O a11 0 0 ... 0
. . .
a22 0 . . .
...
0
i = j est appele matrice diagonale. a11 0 a22 ou 2) Une matrice du type . ... ... . . 0 . . . 0 ann a11 0 . . . 0 ... . . a . 22 . . . 0 est appele matrice triangulaire. ann La premire vrie aij = 0 pour i > j et la seconde aij = 0 pour i < j .
...
. . .
3) Au lieu de AA on crit tout simplement A2 , de mme A3 = A2 A .... 4) Si les lignes et les colonnes d'une matrice sont changes, la matrice obtenue est appele transpose de la matrice d'origine ; la transpose de A est note t A. 5) Si A = (aij ), alors t A = (bij ) avec bij = aji , on a t (t A) = A.
Exemple 1.2.5. :
Si
1 4 A = 2 5 ; 3 6
alors
A=
1 2 3 4 5 6
Exemple 1.3.1. :
Considrons la matrice unit d'ordre 1) Permuter les lignes
3.
L2
et
1 0 0 E3 = 0 1 0 4 0 1
sont les
Thorme 1.3.1. :
e une opration lmentaire sur les lignes et E la matrice lmentaire correspondante d'ordre m, alors e(A) = EA pour toute matrice A de type (m, n).
Soit
Les oprations lmentaires ont des oprations inverses du mme type 1) Permuter Ri et Rj est son propre inverse. 1 2) Remplacer Ri par kRi et remplacer Ri par k Ri sont inverses 3) Remplacer Rj par kRi +Rj et remplacer Rj par kRi +Rj sont inverses. Supposons que e est l'inverse d'une opration lmentaire sur les lignes e, et soit E et E les matrices correspondantes. Alors E est inversible et son inverse est E . En particulier un produit de matrices lmentaires est inversible.
Thorme 1.3.2. :
Soit
est
1.3.2 Application pour dterminer l'inverse d'une matrice carre Exemple 1.3.2. :
Trouver l'inverse de la matrice
1 0 2 A = 2 1 3 4 1 8
si elle existe.
et nous ap-
pliquons les mmes oprations cette matrice que celles eectues sur
A.
1 0 2 1 0 2 1 3 4 1 8 0 1 0 L3 +L2 0 1 0 0
0 0 1 0 0 1 2 1 1
L3 4L1 1 0 0 2 1 0 6 1 1
L2 2L1
1 0 2 0 1 1 0 1 0
L1 +2L3
1 0 0 2 1 0 4 0 1
L2 L3
11 2
0 1 0 0 0 1
d'o
4 0 1 6 1 1 11 2 2
L3
L2
1 0 0 0 1 0 0 0 1
11
4 0 1 6 1 1
A1 = 4 0 1 6 1 1 0 1 0 0 1 0 2 0 0 1 0 0 1 0 et 1 0 0 1 0 0 1 0 1 0 0 1 0 0 0 2 1 0 0 1 0 1 0 0 1 4 0 1
1 0 A1 = BC avec B = 0 1 0 0 1 0 0 1 0 C = 0 1 1 0 1 0 0 0 0 1
Chapitre 2 Dterminants
2.1 Dterminant d'ordre 2
Le symbole
a11 a12 a21 a22 a11 a12 est appel dterminant d'ordre 2 de la matrice A = a21 a22 a11 a12 = a11 a22 a12 a21 . a21 a22
Exemple 2.1.1. :
1 3 2 4 3 1 = 4 6 = 2, = 6 4 = 2, =64=2 2 4 1 3 4 2
On constate alors que : 1) Si deux ranges ( ou deux colonnes ) d'un dterminant sont permutes la valeur d'un dterminant est multiplie par 1. 2) Si on pose A =
1 3 2 4
, tA =
1 2 3 4
dett A, d'o la valeur d'un dterminant est conserve lorsque l'on change les
Chapitre 2 : Dterminants
11
a11 a12 a13 detA = a21 a22 a31 a32 a22 = a11 a32 a23 a33 a23 a33
a21
+a31
mineur de a11
mineur de a21
mineur de a31
Exemple 2.2.1. :
1 3 0 3 0 3 0 6 4 = 12 12 12 = 12 1 2 detA = 2 6 4 = 1 6 4 0 2 0 2 1 0 2
`me `me Le cofacteur de l'lment de detA de la ie ligne et la k e colonne est gal (1)i+k fois le mineur de cet lment ( c. .d le dterminant d'ordre `me `me 2 obtenu en supprimant la ie ligne et la k e colonne ).
Remarque 2.2.1. :
Le cofacteur de
a22
est
(1)2+2
Les signes
(1)i+j
+ + + + +
(1)
Ci1
ai1
dans
detA.
3) Le dterminant de A, detA, peut tre developp suivant n'importe quelle ligne ou colonne, c'est dire, qu'il peut tre crit sous la forme d'une somme de trois lments de n'importe quelle ligne ( ou colonne ), chacun multipli par son cofacteur.
Exemple 2.2.2. :
detA = a21 a12 a13 a11 a13 a11 a12 + a22 a23 a32 a33 a31 a33 a31 a32
4) Si tous les lments d'une ligne ( ou d'une colonne ) d'un dterminant sont multiplis par une constante k , la valeur du nouveau dterminant est k
12
Chapitre 2 : Dterminants
fois la valeur du dterminant initial. Cette proprit peut tre utilise pour simplier un dterminant.
Exemple 2.2.3. :
1 3(1) 0 1 3 0 1 3 0 1 3 0 2 6 4 = 2(1) 2(3) 2(2) = 2 1 3 2 = 2 1 3(1) 2 = 1 3(0) 2 1 0 2 1 0 2 1 0 2 1 1 0 1 1 0 6 1 1 2 = 12 1 1 1 = 12 1 0 1 1 0 2
5) Si tous les lments d'une ligne ( ou colonne ) d'un dterminant sont nuls, la valeur du dterminant est nulle. 6) Si chaque lment d'une ligne ( ou colonne ) d'un dterminant est exprim sous la forme d'un binme, le dterminant peut tre crit comme somme de deux dterminants.
Exemple 2.2.4. :
a1 b1 c1 d1 b1 c1 a1 + d1 b1 c1 a2 + d2 b2 c2 = a2 b2 c2 + d2 b2 c2 a3 b3 c3 d3 b3 c3 a3 + d3 b3 c3
7) Si deux lignes ( ou colonnes ) d'un dterminant sont proportionnelles, la valeur du dterminant est nulle.
Exemple 2.2.5. :
1 2 2 1 2 3 =0 1 2 1
8) La valeur d'un dterminant est conserve si l'on ajoute une ligne ( ou une colonne ) une combinaison des autres lignes ( ou colonnes ).
Exemple 2.2.6. :
1 1 0 1 1 1 1 0 1
1 3 C +C
1 1 0 2 1 1 = 1 0 0 1
Chapitre 2 : Dterminants
1 3 signie que l'on a ajout la colonne C3 la colonne C1 .
13
C +C
Cette dernire proprit permet de simplier normment les calculs, elle permet de rduire le calcul d'un dterminant d'ordre 3 au calcul d'un seul dterminant d'ordre 2.
Exemple 2.2.7. :
3 1 2
Calculer
6 2 4 1 7 3
C1 +C2 C3
3 1 2 6 2 4 1 7 3
0 1 2 1 2 = 5(4 + 4) = 0 0 2 4 = 5 2 4 5 7 3
Remarque 2.2.2. :
La ligne ( ou colonne ) dans laquelle seront eectus les calculs ne doit pas tre multiplie par des scalaires. La multiplication par un scalaire viendrait multiplier le dterminant par
re-
Exemple 2.2.8. :
1 2 2 3
1 2
2 L L
0 2 1 3
= 2,
alors que
1 2 2 3
= 1
. . .
. . .
Pour n 2, a signie la somme des produits des lments de n'importe quelle ligne ou colonne par leurs cofacteurs respectifs c'est dire
14
Chapitre 2 : Dterminants
. . .
. . .
( i = 1, 2 . . . , ou n )
= a1k C1k + a2k C2k + . . . + ank Cnk ( k = 1, 2 . . . , ou n )
ou
Le dterminant d'ordre n est alors dni en fonction de n dterminants d'ordre (n 1), chacun est son tour, dni en fonction de (n 1) dterminants d'ordre (n 2) et ainsi de suite, nalement on aboutit aux dterminants d'ordre 2.
Remarque 2.3.1. :
Les proprits 1) jusqu' 8) restent valables pour un dterminant d'ordre
n.
Pour calculer la valeur d'un dterminant, on dveloppera suivant la ligne ou colonne o il y a le plus de zros.
Exemple 2.3.1. :
1 1 1 3 1 1 3 1 1 3 1 1 3 1 1 1
1 2 L +L C1 +C2 +C3 +C4
0 1 1 3 0 1 3 1 =0 0 3 1 1 0 1 1 1
Remarque 2.3.2. :
1) 2) 3)
en gnral.
A1
dsigne l'inverse de
A.
Chapitre 2 : Dterminants
15
2.4 Applications
2.4.1 Calcul de l'inverse d'une matrice carre d'ordre n
On rappelle qu'une matrice carre d'ordre n A est inversible s'il existe B d'ordre n telle que AB = BA = I o I est la matrice unit d'ordre n, c'est dire la matrice diagonale dont les lments diagonaux sont tous gaux 1. Critre : A est inversible si detA = 0. Une fois assur que A est inversible, on calcule son inverse l'aide de la 1 formule suivante : A1 = detA (adjA) o (adjA) dsigne l'adjoint classique de A c'est dire la matrice t [Cij ] o Cij dsigne la matrice des cofacteurs de A.
Exemple 2.4.1. :
2 3 4 A = 0 4 2 1 1 5
1 3 L 2L
2 3 4 detA = 0 4 2 1 1
donc
0 5 14 0 4 2 = 1 1 5
5 9
5 14 = 46 = 0, 4 2
Dterminons les
4 2 = 18, C12 1 5 0 4 1 1
A 0 2 = =2 1 5 3 4 1 5 = 11
= 4, C21 =
A1
2 3 = 8 0 4 18 11 10 1 = 46 2 14 4 4 5 8
16
Chapitre 2 : Dterminants
x1 b1 . . , alors x = 1 [C b + C b + Si on pose X = . . et b = . . 1i 1 2i 2 i detA xn bn 1 `me . . . + Cni bn ] = detA detBi o Bi est la matrice obtenue en remplaant la ie colonne de A par b.
Exemple 2.4.2. :
Utiliser la mthode de Cramer pour rsoudre le systme :
1 0 3 A = 1 2 2 0 1 4
1 0 3 0 2 5 =3 0 1 4
2 0 3 3 2 2 = 5 1 4
1 3
2 0 3 7 0 6 = 1 3 [(12 + 21)] = 3. 5 1 4
1 3
x2 =
1 3
1 2 3 1 3 2 = 0 5 4 1 0 2
1 2 3 0 5 5 = 0 5 4 1 0 2
5 3 .
x3 =
1 3
1 2 3 = 0 1 5
1 3
0 2 5 = 0 1 5
5 3.
Remarque 2.4.1. :
La mthode de Gauss pour les systmes et celle des matrices lmentaires pour le calcul de l'inverse demeurent les plus ecaces.
E, +, .
), telles que :
1) Pour tout 2) Pour tout 3) Pour tout 4) Pour tout 5) Pour tout 6) Pour tout 7) 8) 9)
x, y E, x + y E. x, y E, x + y = y + x. x E, x + 0E = x. x E, x E. x, y, z E, (x + y ) + z = x + (y + z ). K, x E, x E.
et
.(.x) = ().x , K
x E.
et
x E.
x, y E.
10)
Exemple 3.1.1. :
1) K est un espace vectoriel sur lui mme. 2) 3) 4)
C R
R. C.
muni des lois :
R[X ]
17
18
(a0 + a1 X + ... + an X n )+(b0 + b1 X + ... + bn X n ) = (a0 + b0 )+(a1 + b1 )X + ... + (an + bn )X n et (a0 + a1 X + ... + an X n ) = a0 + a1 X + ... + an X n .
5) Soit E un espace vectoriel sur K, A un ensemble quelconque non vide, et
S={
Si
applications
f, g S
et
K,
f : A E a f (a)
6) Soient E1 et E2 deux espaces vectoriels sur K. On dnit une structure d'espace vectoriel sur E1
E2 par : (x1 , y1 )+(x2 , y2 ) = (x1 + x2 , y1 + y2 ) et (x1 , y1 ) = (x1 , y1 ) avec K. D'une manire analogue, E1 ... En est un espace vectoriel sur K si
E1 , ...,En le sont.
.0 = 0
et
0.x = 0.
x = 0 = 0 ou x = 0. ()x = (x) = x.
Preuve : 1) (0 + 0) = 0 + 0 = 0 0 = 0 et (0 + 0)x = 0x + 0x =
0x 0x = 0. 2) x = 0, si = 0 alors 1 x = 0 x = 0. 3) ( + ())x = x + ()x = 0 (x) = (x).
19
= . a) x, y F x + y F.
x F, K x F.
Preuve : ) trivial. ) = 1 et y F y F d'aprs b) ; x F x y F d'aprs a) ; d'o F est un sous-groupe de E. Les autres axiomes sont vris pour tous les lments de E et donc fortiori pour les lments de F. Proposition 3.2.2. quivalente
seulement si : 1) F 2) : F est un sous-espace vectoriel de E si et
= . x, y F ; , K x + y F.
v E ; v = 0,
alors F
= {y E/
par
= v } v.
v
2) Soient
x1 , x2
E et F
= {y
E/1 , 2
K; y
= 1 x1 + 2 x2 }, x1
et
x2 .
x 26
x = 1 x1 + 2 x2
*
x1
20
Rn [X ] = { toriel de R[X ].
4) Soit F de
P R[X ]; degP n}
= {(x, y, z ) R3 /2x + y + 3z = 0}
R3 .
G G
Preuve : 1) F G = car 0 F G. x, y F G et , K (x, y F, , K) et (x, y G, , K) x + y F G. 2) On prend F G et G F, il existe donc x F ; x / G et y G ; y / F ; on a donc x, y F G. Si F G est un sous-espace vectoriel alors x + y F G ; c..d x + y F ou x + y G. Si x + y F, alors (x + y ) x F y F ; contradiction. Si x + y G, alors (x + y ) y G x G ; contradiction. 3) Le complment (E F) ne contient pas 0, donc n'est pas un sous-espace
vectoriel.
xE
Remarque 3.3.1. : Une telle famille ( nie ) n'existe pas toujours. Considrons
R[X ]
et
{P1 , ..., Pp }
tre gnratrice, car par combinaisons linaires, on n'obtiendra que des polynmes de degrSup(deg Par contre pour trice.
Pi ).
la famille
Rn [X ],
{1, X, ..., X n }
21
Exemple 3.3.1. :
1) Dans 2) Dans 3) Dans 4) Dans
R2 , {(1, 0); (0, 1); (1, 2)} est une famille gnratrice. R2 , {(1, 1); (1, 1)} est une famille gnratrice. Rn , {(1, 0, ..., 0); ...; (0, ..., 0, 1)} est une famille gnratrice.
Dnition 3.3.2. : Un espace vectoriel est dit de dimension nie, s'il existe
une famille gnratrice nie, dans le cas contraire, on dit qu'il est de dimension innie.
Exemple 3.3.2. :
1) 2)
Rn
et
Rn [X ]
R[X ]
v1 , ..., vp
Une famille qui n'est pas libre, est dite lie ( on dit aussi que ses vecteurs sont lis ou linairement dpendants ).
Exemple 3.4.1. :
R3 , les vecteurs v1 = (1, 2, 1) ; v2 = (1, 3, 1) et v3 = (1, 13, 5) sont lis car 2v1 + 3v2 v3 = 0. 3 2) Dans R , les vecteurs v1 = (1, 1, 1) ; v2 = (0, 2, 1) et v3 = (0, 0, 5)
1) Dans sont linairement indpendants.
Proposition 3.4.1. : Une famille {v1, ..., vp} est lie si et seulement si l'un
au moins des vecteurs teurs de la famille.
vi
Preuve : ) 1, ..., p non tous nuls tels que 1v1 + ... + pvp = 0, si
i = 0, alors 1 vi = i v1 + ... +
i1 i vi1
p i vp
22
) vi tel que vi = 1 v1 + ... + i1 vi1 + i+1 vi+1 + ... + p vp c..d 1 v1 + ... + i1 vi1 vi + i+1 vi+1 + ... + p vp = 0.
Proposition 3.4.2. : Soit {v1, ..., vp} une famille libre et x un vecteur quelconque de l'espace engendr par les
vi
( c..d
vi
), alors la dcomposition de
sur les
vi
est unique.
Dnition 3.4.2. : On appelle base une famille la fois libre et gnratrice. Proposition 3.4.3. : Soit {v1, ..., vn} une base de E. Tout x E se dcompose d'une faon unique sur les n
vi ,
c..d
x E !(1 , ..., n ) Kn
tel que
x=
i=1
i vi .
B = {v1 , ..., vn }
n K
B :
x=
xi vi (x1 , ..., xn ) x
dans la base
B = {v1 , ..., vn }.
Exemple 3.4.2. :
`me rang ke
{ek = (0, ..., 1 , 0...0)/k = 1, ..., n}. n 2) Base canonique de Rn [X ], {1, X, ..., X }. 3 3) Soit F = {(x, y, z ) R /2x + y + 3z = 0}. F est un sous-espace 3 vectoriel de R . v = (x, y, z ) F y = 2x 3z donc v F v = (x, 2x 3z, z ) = x(1, 2, 0) + z (0, 3, 1), donc (1, 2, 0) et (0, 3, 1) engendrent F.
On a On vrie qu'ils forment une famille libre, donc c'est une base de F.
n 1) Base canonique de K ,
23
{v1 , ..., vn }
vi
2) Soit {v1 , ..., vp } une famille gnratrice et {v1 , ..., vp , w1 , ..., wq } une
i=p i=p
sur-famille. Alors x E, x =
i=1
i vi =
i=1
3) Soit F = {v1 , ..., vp } une famille libre et F une sous-famille de F , quitte changer la numrotation F = {v1 , ..., vk } avec k p. Si F est lie, l'un des vi serait combinaison linaire des autres. 4) Soit F = {v1 , ..., vp } et G = {v1 , ..., vp , w1 , ..., wq }, l'un des vecteurs vi est combinaison linaires des autres vecteurs de F , d'o de G , d'o G est lie. 5) {0} tant lie, toute sur-famille est lie.
3.5
Thorme 3.5.1. :
= {0}
de dimension nie,
Preuve : Soit G = {v1, ..., vp} une famille gnratrice. Pour tout x E, il existe 1 , ..., p K tels que x = 1 v1 + ... + p vp . a) Si tous les vi taient nuls E = {0} ce qui est exclu. Quitte changer
de numrotation on peut supposer v1 = 0. b) L1 = {v1 } est une famille libre, si elle tait gnratrice, stop. c) Supposons L1 non gnratrice. Montrons qu'il existe v {v2 , ..., vp } tel que {v1 , v } soit libre. Supposons le contraire ; c..d v1 est li chacun des vi , i = 2, ..., p, d'o 2 , ..., p ; v2 = 2 v1 , v3 = 3 v1 ,..., vp = p v1 , alors
24
i=p
x =
i=1
i vi
i=p
= 1 v1 +
i=2 i=p
i i v1 i i )v1
= ( 1 +
i=2
ce qui entrane {v1 } gnratrice de E, faux. La famille L2 = {v1 , v } est donc libre, en changeant ventuellement de notation, on peut supposer v = v2 . d) Si L2 = {v1 , v2 } est gnratrice, stop. Supposons le contraire. En rptant le mme raisonnement que prcedemment, on voit qu'il existe v {v3 , ..., vp } tel que la famille L3 = {v1 , v2 , v } est libre. On construit ainsi une suite :
L1
L2
L3
... G
de famille libres et le processus peut tre continu tant que Lk n'est pas gnratrice. Mais G est une famille nie et par consquent le processus doit s'arrter, ventuellement pour Lk = G . Il existe donc une famille Lk libre et gnratrice. Cette dmonstration nous permet d'obtenir une autre version du thorme prcdent.
Thorme 3.5.2.
alors :
: Soit E
= {0}
1) De toute famille gnratrice on peut extraire une base. 2) ( Thorme de la base incomplte ). Toute famille libre peut tre complte de manire former une base.
3.6
Preuve : Soit F = {v1, ..., vn} une famille gnratrice et F = {w1, ..., wm}
une famille de vecteurs ( m > n ). Montrons que F est lie.
25
1) Si l'un des wi = 0, F est lie. Stop. 2) Supposons tous les wi non nuls, w1 = 1 v1 + ... + n vn , w1 = 0 i = 0, quitte changer la numrotation, supposons 1 = 0 d'o v1 = 2 n 1 1 w1 ( 1 v2 + ... + 1 vn ). Pour x E, x = 1 v1 + ... + n vn , en remplaant v1 par son expression, on constate que x est combinaison linaire de w1 , v2 ,...,vn , d'o {w1 , v2 , ..., vn } est gnratrice. Considrons w2 , w2 = 1 w1 + 2 v2 + ... + n vn . Si 2 = 3 = ... = n = 0, alors w2 = 1 w1 . D'o F lie. Stop. Supposons que l'un des i = 0, pour xer les ides disons 2 , on aura 1 1 v2 = w2 (1 w1 + 3 v3 + ... + n vn ). 2 2 En raisonnant comme ci-dessus, on voit que {w1 , w2 , v3 , ..., vn } est gnratrice. Ainsi de proche en proche, on arrive remplacer v1 ,...,vn par w1 ,...,wn et {w1 , w2 , ..., wn } serait gnratrice. En particulier, wn+1 serait combinaison linaire de w1 ,...,wn et donc F serait lie.
Thorme 3.6.2. :
toutes les bases ont mme nombre d'lments, ce nombre entier est appel dimension de E sur K et est not
dimK E.
Corollaire 3.6.1.
famille de plus de
: Dans un espace vectoriel de dimension nie lments est lie, et une famille de moins de
n,
toute
lments
en extraire d'aprs un thorme du paragraphe 5, une base qui aurait moins de n lments.
Exemple 3.6.1. :
1) Si E 2) 3)
= {0},
on pose
dimK E = 0,
et E
= {0} dimK E = 0.
dimK Kn = n. dimR Rn [X ] = n + 1.
26
aussi de K,
dimR C = 2
et
dimC C = 1.
des espaces vectoriels de dimension
Preuve : Soient {a1, ..., an }, {b1, ..., bn },..., {l1, ..., ln } des bases de E1,..., Ep
respectivement. La famille {(ai , 0, ..., 0)i=1,...,n1 , (0, bi , 0, ..., 0)i=1,...,n2 , ..., (0, 0, ..., 0, li )i=1,...,np } est une base de E1 ... Ep .
Exemple 3.6.2. :
dimR Cn = 2n
et
dimC Cn = n.
Preuve : 1) De cette famille, on peut extraire une base, elle doit avoir n
lments, donc c'est elle mme. 2) Cette famille peut tre complte pour former une base qui doit avoir n lments, donc c'est elle mme.
Thorme 3.6.4.
1) 2)
Preuve : On pose dim E = n. 1) a) Si dim F = 0 on a dim F n. b) Si dim F = 0, alors F = {0} et donc F admet une base, B, qui est une partie libre de F donc de E cardinalB n d'aprs Corollaire 3.6.1.
K K K
2) ) Trivial. ) Il existe une base B de F ayant n lments, elle est donc libre dans F et par suite dans E, elle est donc base de E ; thorme 2.6.3, donc famille gnratrice de E, donc E = F.
27
+ E2 = {x E/x1 E1 , x2 E2 ; x = x1 + x2 }.
E2 = {0}.
G = E1
E2 , et on dit que
deux sous-espaces
= E1
E2 , c..d E
= E1 + E2 B1
et E1 E2
= {0}. B2
Proposition 3.7.2. :
E
E1
de E2 ,
B1 B2
Preuve : ) Soit B1 = {v1, ..., vp}, B2 = {vp+1, ..., vq } des bases de E1 et E2 , respectivement. Alors tout x E s'crit de manire unique sous la
forme x = 1 v1 + ... + p vp + 1 vp+1 + ... + qp vq B1 B2 est une base de E.
)
p q p
x=
i=1
i vi +
j =1 E1
j vp+j E1 + E2
E2
28
Corollaire 3.7.1. : Soit E un espace vectoriel. Pour tout sous-espace vectoriel E1 , il existe toujours un supplmentaire ; le supplmentaire de E1 n'est pas unique, mais si E est de dimension nie, tous les supplmentaires de E1 ont mme dimension.
Preuve : On expose la dmonstration en dimension nie. Soit {v1 , ..., vp } une base de E1 et soit n = dim E, d'aprs le thorme de
K
la base incomplte, il existe wp+1 , ..., wn tels que {v1 , ..., vp , wp+1 , ..., wn } soit une base de E. En posant E2 = {wp+1 , ..., wn }, le sous-espace de E engendr par {wp+1 , ..., wn }, on obtient un supplmentaire de E1 dans E. Puisque le choix des wi n'est pas unique, le supplmentaire de E1 n'est pas unique ; cependant tous les supplmentaires de E1 ont une dimension gale n p, p tant la dimension de E1 .
Thorme 3.7.1.
E
= E1
1)E1 2)
E2 si et seulement si :
E2 = {0}.
Preuve : ) D'aprs la proposition 2.7.2. ) Soit {v1 , ..., vp } une base de E1 et {wp+1 , ..., wn } une base de E2 , n tant la dimension de E. Montrons que l'union des bases est libre :
1 v1 + ... + p vp + p+1 wp+1 + ... + n wn = 0 1 v1 + ... + p vp = (p+1 wp+1 + ... + n wn ) 1 v1 + ... + p vp = 0 et p+1 wp+1 + ... + n wn = 0 p+j = i = 0 i = 1, ..., p et j = 1, ..., n p, d'aprs la proposition prcedente E = E1 E2 .
E2 E1
Exemple 3.7.1. :
1) Dans pendants.
R2 ,
E1
= {v }
et E2
= {w}
et
29
E2
x
@ @ x 2 I @ @
x 1 * v @ @ @ @
E1
2) Dans si
R3 ,
soit
un plan vectoriel et
{e1 , e2 }
alors
{v }
car
{v }
x1
3) E et E
= Rn [X ],
E1
= R,
E2
E1
E2 = {0}
= E1 + E2
d'o E
= E1
Proposition 3.7.3.
dim(E1 +
E2 )
= dimE1 +
Preuve : Posons dimE1 = p, dimE2 = q et dim(E1 E2) = r (r p, q). Considrons {a1 , ..., ar } une base de E1 E2 qu'on complte pour obtenir {a1 , ..., ar , br+1 , ..., bp } une base de E1 , {a1 , ..., ar , er+1 , ..., eq } une base de E2 . Tout vecteur de E1 + E2 s'crit en fonction des ai , bj et ek , 1 i r, E1 + E2. Elle est aussi libre car :
=xE1 E2
30
On a x + y + z = 0 z
E2
= (x + y ) z
E1
E1 E2 z s'ex-
prime en fonction des ai d'o r+1 er+1 + ... + q eq = 1 a1 + ... + r ar mais {a1 , ..., ar , er+1 , ..., eq } est une base de E2 d'o r+1 = ... = q = 0 = 1 = ... = r et on a alors z = 0 x = y , on en dduit aussi que r+1 = ... = p = 0 = 1 = ... = r , d'o la famille est libre, d'o base de E1 + E2 . On en dduit
dim(E1 + E2 ) = r + (p r) + (q r) = p+qr = dimE1 + dimE2 dim(E1 E2 ).
une
est linaire, si :
f (u + v ) = f (u) + f (v ) u, v E. f (v ) = f (v ) v E, K.
Remarque 4.1.1. : f (0) = 0 car (homomorphisme de groupes). Dnition 4.1.2. : Une application linaire de E dans E est appele endomorphisme.
Exemple 4.1.1. :
1)
: idE :
E v 0
E E
2)
E v v
3)
uE : E E K v v
D : R[X ] R[X ] est linaire dite drivation. P DP = P 5) Soit E = E1 E2 . Pr1 : E E1 est linaire dite projection x = x1 + x2 x1 sur E1 paralllement E2 .
4)
31
32
6) Soit
v0 = 0 un : E E
(0) = v0 = 0,
v v + v0
f (F)
En particulier not
f (E)
et
Imf .
f.
f.
Preuve : Il sut de vrier la stabilit pour l'opration externe. Soit K et x Kerf , f (x) = f (x) = 0 = 0 x Kerf . Proposition 4.2.3. : f Exemple 4.2.1. :
1) Soit E est injective
Kerf = {0}.
P DP = P KerD = R, ImD = R[X ]. 3) f : R3 R2 (x, y, z ) (2x + y, y z ) Kerf = {(x, y, z )/y = 2x et z = y } = {(x, 2x, 2x)/x R}
torielle engendre par
droite vec-
(1, 2, 2). Imf = {(x , y )/x, y, z ; x = 2x + y et y = y z } . 1 = (x , y )/y = y + z et x = 2 (x y z ) 1 1 2 Posons z = 0 donc y = y et x = (x y ). D'o (x , y ) R ( (x 2 2 y ), y , 0) R3 ; f (( 1 2 (x y ), y , 0)) = (x , y ) 2 suite Imf = R .
donc
33
{f (vi )}1in est libre dans E'. 2) Si f est surjective et la famille {vi }1in famille {f (vi )}1in est gnratrice de E'.
En particulier si
E'.
i=n
i=1
= f (
i=1 i=n
i vi ) = 0 i vi = 0
( f application linaire )
=
i=1
2) x E, i K ; x =
i=n
i vi .
i=1 i=n i=n
Soit y E , x E ; y = f (x) = f (
i vi ) ( surj ) d'o y =
i=1 i=1
i f (vi ).
Thorme 4.2.1.
Preuve : ) f : E E isomorphisme, d'aprs la proposition prcdente l'image d'une base de E est une base de E', donc E et E' ont mme dimension. ) Supposons dimE = dimE , soit {e1 , ..., en } une base de E et {e1 , ..., en } une base de E'. Considrons l'application f : E E
ek ek
i=n i=n i=n
Pour x =
i=1
i ei , on pose f (x) = f (
i=1
i ei ) =
i=1
i ei , on vrie que
34
E est isomorphe K
dimK E = n.
Thorme 4.2.2. ( Thorme de la dimension ) : Soient E et E' deux espaces vectoriels de dimension nie et
dim(Imf ).
Soit {w1 , ..., wr } une base de Kerf , compltons la pour obtenir une base de E en l'occurrence {w1 , ..., wr , v1 , ..., vnr }. Montrons que B = {f (v1 ), ..., f (vnr )} est une base de Imf . 1) B engendre Imf , en eet :
r nr n r
f (x) = f (
i=1 n r
i w i +
i=1
i vi ) =
i=1
i f (vi ).
b) B est libre :
i f (vi ) = 0
nr
i=1
= f (
i=1 n r
i vi ) = 0 i vi Kerf
(f application linaire)
=
i=1 n r
=
i=1 n r
i vi =
i=1 r
i w i i wi = 0
i=1
=
i=1
i vi
= i = 0, i = 1, ..., n r; i = 0, i = 0, ..., r
f f f
35
f injective Kerf = {0} dimE = dim(Imf ) dimE = dim(Imf ) E = Imf f est surjective.
D : R[X ] R[X ] P DP = P f
2) Une application linaire
on a
f (x) = f (
i=1
xi ei ) = x.
xi f (ei ),
i=1
donc si on connat
. . .
Dnition 4.3.1.
e1 , ..., ep e1 , ..., ep
: On appelle matrice de
{e1 , ..., en } et M (f )ei ,ej appartenant Mp,n (K) dont des vecteurs f (e1 ), ..., f (en ) dans la base f
dans les bases
36
a11
M (f )ei ,ej
. . . = . . ap 1
a12
. . . . . a1n
Exemple 4.3.1. :
1) Soit E un espace vectoriel de dimension
et
idE :
matrice unit de
Mn (K).
2) Soit E
= R2
P r1 :
0. M (P r1 )ei =
3) Soit de
1 0 0 0 {e1 , e2 , e3 } la
R3
et
{e1 , e2 }
la base canonique
R2 . Considrons l'application f : R3 R2 1 1 0 0 1 1
Rn
37
canoniques respectives
{ei }
et
{1}
et
D : R4 [X ] R3 [X ] P DP = P 0 1 0 0 0 0 0 2 0 0 M (D) = 0 0 0 3 0 par 0 0 0 0 4 R3 [X ].
R4 [X ]
Proposition 4.3.1.
mension
et
respectivement,
{ei }
et
{ej }
l'application :
et
est bijective, en
Preuve :
(f + g )(e1 ) . . . . . . . . . = . . . . . . . . . = . . . . . . . . . . . . . . . (f + g )(en ) g (e ) 1 + . . . g (en ) . . . . . . . . . . . . . . .
M (f + g )ei ,ej
f (e1 ) . . . f (en )
De mme
38
M (f )ei ,ej
donc M est linaire. Soit f KerM = M (f )ei ,ej = 0 = f (e1 ) = f (e2 ) = ... = f (en ) = 0, donc si x E x =
i=n i=n
(f )(e1 ) . . . (f )(en ) . . . . . . = M (f )e ,e = . . . i j . . . . . .
i ei , f (x) =
i=1 i=1
. . .
ap 1
. . .
f (en ) = a1n e1 + ... + apn ep . Pour x E ; x = 1 e1 + ... + n en , on pose f (x) = 1 f (e1 ) + ... + n f (en ). On vrie que f est linaire et M (f )ei ,ej = A.
x=
i=1
xi ei
x dans
{ei }
M (x)ei =
x1
. . .
xn
39
Proposition 4.4.1.
: Soit
M (f (x))ej = M (f )ei ,ej M (x)ei . a11 a12 ... a21 . . = . ap1 ... a1n a2 n . . . apn
Preuve : Soit M (f )e ,e
i
d'o f (ej ) = On a
k =1
akj ek .
j =n
j =n
j =n
f (x) = f (
j =1 p
xj ej ) =
j =1 n
xj f (ej ) =
j =1 p
xj
k =1
akj ek
=
k =1
(
j =1
xj akj ) ek =
k =1 yk
yk ek
y1
a1j xj j =1 . . . n apj xj
j =1
d'o le rsultat.
Exemple 4.4.1. :
Soit le plan rapport sa base canonique. Dterminer l'image du vecteur
x = (3, 2)
On a
6.
40
M (f (x)) = M (f )M (x) = = =
cos 6 sin 6 sin cos 6 6 3 1 2 2 3 1 2 2 3 32 2 2 3+3 2
3 2 .
3 2
1 M (f 1 )ei ,ej = M (f ) ei ,e
E
Pe i e i
:
Pe i e i =
p11 . . . p1n
. . .
e i
dans la base
{ei }
...
. . .
pn1 . . . pnn
41
et
X = M (x)ei , X = M (x)ei ,
E
on a
X =P
i
X.
E
Exemple 4.6.1. :
Soit
R2
{e1 , e2 }
et la base
{e1 , e2 }
dnie par :
5 4 x = 5e1 + 4e2 .
Proposition 4.6.2.
bases de E et
: Soient
deux
idE
f
i
E
idE
j
E' E E'
E( ) E( )
Corollaire 4.6.1. :
de E. Notons On a
Soient
f L(E)
et
deux bases
et
P = Pe i e i .
42
Dnition 4.6.2.
A = P 1 AP .
A, A Mn (K)
P Mn (K)
Exemple 4.6.2. :
Soit
un endomorphisme de
R2
{ei }
est re-
A = M (f )ei = A
qui
Dterminons la matrice
3 1 . 0 2 reprsente f dans la
base
e1 = (0, 1)
et
e2 = (1, 1). A = P 1 AP =
On a
1 1 1 0 3 3 3 1 3 0 1 2
3 1 0 2 0 1 1 1
0 1 1 1
.
= =
vi .
A Mp,n (K), A = (c1 , ..., cn ) o l'on a not ci A (ci Kp ). On appelle rang de A le rang de la A.
: Soit
colonnes de
Proposition 4.7.1.
On a alors
f L(E, E').
Soient
{e1 , ..., en }
et
e1 , ..., ep
rangf = rangA.
Ainsi deux matrices qui reprsentent la mme application linaire dans des bases direntes ont mme rang ; en particulier deux matrices semblables ont mme rang.
43
u
f
i
v
j
h = v 1 of ou
( resp Kp ) i ( resp j ) le vecteur ei ( resp ej ), alors l'application h a prcisment A comme matrice dans les deux bases canoniques car h(i ) = v 1 of ou(i ) = v 1 of (ei ) = v 1 ( aij ej ) = aji j . Donc rangA = rangh et d'aprs le lemme suivant, on dduit que rangA = rangf
j
E(e ) E'(e )
g f
rangf = rang (f og ).
rangg = rang (f og ).
2) Soit {vi } avec vi = g (wi ) une base de Img , alors f (vi ) = (f og )(wi ). Comme f est injective {f (vi )} est libre et engendre Im(f og ) car y Im(f og ) = x ; y = f (g (x)) = f ( i vi ) = i f (vi ) donc {f (vi )} est une base de
Im(f og ), d'o rangg = rang (f og ).
Img
On en dduit qu'en composant gauche ou droite par une application linaire bijective, le rang ne change pas.
44
Dnition 4.8.1.
Glp (K)
et d'quivalence sur
A, B Mn,p (K) sont quivalentes s'il Q Gln (K) telles que B = Q1 AP . C'est en fait
:
existe
une relation
Mn,p (K),
note
0
. . .
rangA = r A
1 0
0 . 0 1 0 . .
...
. . . . . .. .. 0
...
0 1
0 . . . ...
... 0 . . . . . . ... 0
... ... 0
0...
Cette dernire est note
Jr .
(ej ) respectivement. Soit r le nombre de vecteurs linairement indpendants parmi les images
Preuve : ) trivial. ) A Mn,p (K) dnit une application linaire p n n : Kp (e ) K(e ) . On munit K et K des bases canoniques (ei ) et
i j
des vecteurs de la base (ei ) ; c..d Ae1 ,...,Aep , qu'on peut supposer tre Ae1 ,...,Aer , les autres vecteurs Aer+1 ,...,Aep peuvent s'exprimer en fonction de ces derniers : r
Aek =
j =1
p On dnit une nouvelle base f1 , ..., fp dans K ; comme suit pour k=1,...,r ; ek ,
fk =
e k
On a alors Afk = 0 pour k = r + 1, ..., p. Posons alors Afj = tj pour j = 1, ..., r. Les tj sont par hypothse linairement indpendants. Compltons les pour obtenir une base de Kn , disons tr+1 , ..., tn . Considrons alors la matrice de l'application linaire dans les nouvelles bases f1 , ..., fp et t1 , ..., tn , on a alors :
45
M ()fi ,tj
A et M ()fi ,tj
1 0 ... 0 0 ... 0 . . 010. . . . . . . . . . . . . . . . = Jr . . . 0 ... 0 0 ... 0 1 0... . . . ... ... ... 0 reprsentent la mme application linaire, et sont donc
quivalentes.
Preuve : rangA = r = A
Exemple 4.8.1. :
Dterminer le rang de la matrice
1 2 0 1 2 6 3 3 . 3 10 6 5
det v1 , , vn
=
(ei )
46
dsigne la matrice dont les colonnes sont les compo(ei ) santes des vecteurs v1 , ..., vn dans la base (ei ) de E.
v1 , , vn
Preuve : Il sut de montrer que {v1, ..., vn} est libre si et seulement si
det v1 , , vn
i=n ( ei )
= 0.
k =n
=)
i=n i=1 k =n
i vi = 0, posons vi =
k =1 n
aki ek , alors on a
n n
i (
i=1 n k =1
aki ek ) = 0 d'o
i,k
i aki ek = 0 =
i=1
i a1i = 0,
i=1
i a2i = 0,
...,
i=1
i ani = 0 = a11 a12 . . . a1n a21 a22 . . . a2n . . . . . . an1 an2 . . . ann 1 2 = . . . n 0 0 . . . 0
(4.1)
( 4.1) admet une innit de solutions, d'o {v1 , ..., vn } est lie.
(ei )
= 0 = le systme homogne
) et
A = v1 , , vr
{v1 , ..., vr } r
un
mineur d'ordre
non nul.
Preuve : Similaire celle du thorme prcdent, en compltant les vecteurs an de former une base de E.
47
4.9.3 Comment reconnatre si un vecteur appartient l'espace engendr par d'autres vecteurs
Soit A une matrice et un mineur d'ordre r extrait de A. On appelle bordant de tout mineur d'ordre r +1 extrait de A, dont est un dterminant extrait. Si A Mp,n (K) et un mineur d'ordre r, il ya exactement (p r)(n r) bordants de dans A.
un mineur d'ordre
. bordants
B = v1 , , vr , w
Preuve : =) Si l'un des bordants est non nul, la famille {v1, ..., vr , w}
serait libre.
a11 . . . a1r b1 . . . . . . . . . a ... a br r1 rr =) On considre la matrice B = ar+1,1 . . . ar+1,r br+1 . . . . . . . . . an1 . . . anr bn .
Quitte a changer l'ordre des lignes et des colonnes, on peut supposer que le mineur non nul est le mineur encadr. Les r premiers vecteurs lignes de B sont indpendants, et chacun des autres est li ces derniers. Ainsi rangB = r, donc les vecteurs colonnes de B {v1 , ..., vr , w} forment une famille de rang r et comme {v1 , ..., vr } est libre, w v1 , ..., vr .
2 Exemple 4.9.1. : Pour quelles valeurs de , R le vecteur w = 1 1 0 4 appartient-il au sous-espace de R engendr par les vecteurs v1 = 1 et 0
48
0 1 v2 = 0 ? 1
On a
0 1
et
0 A= 1 0
1 0 1
= 1 0 =1=0 0 1 0 1
0 B= 1 0
0 1
2 . 1
sont
Les bordants de
1 = 0 1 2 = = 1 1 1 1 0 1 w v1 , v2
1 0
et
2 = 2. 0 1 2 = 1 1 0 1 et = 2.
1 0
Donc
si et seulement si
= 1
un mineur
d'ordre
dans
sont nuls.
Preuve :
. . . . . . . . . a ... a ... arn r1 rr =) A = v1 , , vn = . ar+1,1 . . . ar+1,r . . . ar+1,n . . . . . . . . . ap1 . . . apr ... apn Soit le mineur encadr. Les vecteurs {v1 , ..., vr } sont alors indpendants
a11 . . . a1r
...
a1n
49
et chaque vecteurs vs ( s r + 1 ) appartient l'espace v1 , ..., vr . Donc les vecteurs colonnes engendrent un espace de dimension r, d'o rangA = r. =) Quitte changer l'ordre des colonnes de A, on peut supposer que {v1 , ..., vr } est libre. On peut alors extraire de la matrice forme par les r premires colonnes de A un mineur d'ordre r non nul. Quitte changer la numrotation des coordonnes, on peut supposer que soit le mineur form par les r premires colonnes de A. Or rangA = r, d'o vs v1 , ..., vr pour s r + 1 ; d'aprs le thorme 4.9.3 tous les bordants de dans sont nuls.
Thorme 4.9.5. : Le rang d'une matrice A est l'ordre maximal des mineurs
non nuls extraits de
A, c'est dire : 1) Il existe un mineur d'ordre r non nul rangA = r 2) Tous les mineurs d'ordre s > r sont nuls.
(5.1)
o K et x E. On constate que x = 0 est une solution triviale ; notre but est de trouver celles qui sont non triviales ; de telles solutions sont appeles vecteurs propres de A.
Dnition 5.1.1.
quivalente :
x = 0
vriant
(A I )x = 0
On sait que (5.2) n'a pas de solution triviale si et seulement si
(5.2)
det(A
I ) = 0
det
50
51
caractristique de
et est not
pA () ;
c..d
(A I )x = 0.
Exemple 5.1.1. :
Trouver les valeurs et vecteurs propres de la matrice :
A=
1 2 4 8 A
est :
Le polynme caractristique de
det(A I ) =
qui a pour
sont donc
dterminer les vecteurs propres correspondants, remplaons dans (5.2), on obtient : Pour
et
7. Pour par 0 et 7 x1 = x2
= 0,
1 2 4 8
x1 0 = x2 0
c'est dire
x1 = 2x2 ,
donc
x2
2 1
Pour
= 7,
on a
1 x1 = x1 4 x2
Thorme 5.1.2. :
valeur propre
x = 0E
de
correspond une
52
b) 1 , 2 K et x1 , x2 E entranent A(1 x1 + 2 x2 ) = 1 A(x1 ) + 2 A(x2 ) = 1 x1 + 2 x2 = (1 x1 + 2 x2 ). Donc E est un sous-espace vectoriel de E. c) E = {0 } car valeur propre entrane l'existence d'un x = 0 tel que Ax = x c..d x E . d) A(E ) E car si x E , Ax = x E .
E E
Remarque 5.1.2. : E
A Mn (K) A.
et
(A I )
det(A I ) = 0.
Proposition 5.2.1. : 1) Si 1
A,
et alors E1 2) Si
et
E2 = {0E }.
sont des valeurs propres distinctes d'une matrice carre
1 , ..., m
e1 , ..., em
{e1 , ..., em }
est libre.
53
2
(5.3)
On applique A, on obtient 1 1 e1 + ... + m m em = 0 , on multiplie (5.3) par m et en soustrayant on a : 1 (m 1 )e1 + ... + m1 (m m1 )em1 = 0 . L'hypothse de rcurence entrane i = 0 pour i = 1, ..., m 1, en remplaant dans (5.3) on obtient m = 0.
E
1 , ..., m
A,
pB ()
pour
B = P 1 AP
et
inversible ).
54
Remarque 5.3.1. : 1) Si f
associe
est un endomorphisme de E et
M (f ) la matrice
f,
caractristique de
par
pf () = pM (f ) ()
la base choisie puisque deux matrices associes un endomorphisme sont semblables. 2) Deux matrices semblables ont les mmes valeurs propres.
un endomorphisme de E et
pf (x)
son polynme
d'ordre
k,
alors
linairement indpendants v1 , ..., vr , nous pouvons complter {vi } de manire obtenir une base de E {v1 , ..., vr , w1 , ..., ws }. Nous avons
f (v1 ) = f (v2 ) = v1 v2
. . .
. . .
. . .
f (vr ) = vr f (w1 ) = a11 v1 + ... + a1r vr + b11 w1 + ... + b1s ws f (w2 ) = a21 v1 + ... + a2r vr + b21 w1 + ... + b2s ws
. . .
. . .
. . .
55
M (f ) =
0 ... 0 0 ... 0
a12 a22 . . . as2 . . . . . . . . . . . . . . . . . . . . . . . . 0 0 . . . a1r a2r . . . asr 0 0 . . . 0 b11 b21 . . . bs1 0 0 . . . 0 b12 b22 . . . bs2 . . . . . . . . . . . . . . . . . . . . . . . . 0 0 . . . 0 b1s b2s . . . bss pf (x) = det(M (f ) xI ) = ( x)r det(B xIs ) o B est la matrice (bij ) et Is la matrice unit d'ordre s. Comme par hypothse pf (x) = ( x)k g (x)
o g () = 0, il s'ensuit que r k .
5.4 Diagonalisation
Dnition 5.4.1. Une
si elle est de la forme : matrice
A Mn (K ) a11
. . . .. .
A=
c'est dire si
0
. . .
0 aij = 0
pour
ann
i = j.
On sait que les matrices diagonales sont simples du point de vue calculatoire et thorique. Par exemple, la solution de Ax = c, o A est une matrice de Mn (K ) est gnralement lassante lorsque n est grand, mais elle est triviale si A est diagonale. De mme lever une matrice une puissance trs large (par exemple A100 ) est en gnral encombrant par calcul direct, mais devient trivial si A est diagonale. Ainsi la diagonalisation d'une matrice, c..d sa rduction une forme diagonale, s'avrera trs intressante.
Dnition 5.4.2. On dit qu'une matrice carre est diagonalisable s'il existe
une matrice inversible
telle que
P 1 AP
P 1 AP = D.
Lorsque c'est le cas, on dit que
diagonalise
A.
56
possde
dpendants. 2) Si
A possde n vecteurs propres linairement indpendants p1 , , pn 1 et P = (p1 , , pn ), alors P AP = D est diagonale, o le j me me lment diagonal de D est gal la j valeur propre de A.
) Si A est diagonalisable, il existe une matrice inversible p11 p12 p1n p21 p22 p2n P = . . . . . . . . . pn1 pn2 pnn
(5.4)
telle que
. P 1 AP = D = . . d1
...
. . . .
(5.5)
0 dn
(5.7)
. . .
. . .
(5.8)
Apn = dn pn p1 , , pn sont non nuls, sinon P ne serait pas inversible. (5.8) prouve
que les pi sont des vecteurs propres non nuls, et les di sont des valeurs propres. Le rang de P doit tre n, car P est inversible ; donc les colonnes de P doivent tre linairement indpendantes. Nous avons dmontr aussi 2).
57
) Si A possde n vecteurs propres linairement indpendants, disons p1 , , pn , soit d1 , , dn les valeurs propres respectives. Alors AP = (Ap1 , , Apn ) = (d1 p1 , , dn pn ) d1 p11 dn p1n p11 p1n . . . . . = . . . = . . . . pn1 pnn d1 pn1 dn pnn
d1
. . .
...
. . . = PD
0 dn
(5.9)
P est inversible car ses colonnes sont linairement indpendantes, en multipliant (5.9) par P 1 , on obtient P 1 AP = D. A est alors diago-
nalisable.
Remarque 5.4.1.
le thorme 1.6).
Si
A Mn (K )
n polynmes du
a, 1 , , n K.
A Mn (K ), A pA
1)
K; i
de
pA ,
d'ordre
ki , dim Ei = ki .
) . .. . . . P 1 AP = D = . . . 0 n pA (x) = pD (x) = (1 x) (n x), les racines de pA (x) sont les i K donc 1) est vrie. En faisant intervenir l'ordre de multiplicit des i , on peut crire
m
pA (x) = (1 x) (m x) . On a
k1 km i=1
ki = n. Comme A est
58
dim Ei .
dim Ei < n.
m
dim Ei =
i=1
ki = n = dim E.
La runion des bases des Ei est une base de E forme de vecteurs propres, d'o A est diagonalisable.
1) du thorme 1.7 est vrie. En outre 1 dim Ei 1, donc 2) est satisfaite et A est diagonalisable.
Exemple 5.4.1.
2 0 3 0
A = 2 0
Solution : Le polynme caractristique de
0 5
est :
pA (x) =
3 x 2 2 3 x
0 0
= (5 x)
3 x 2 2 3 x
et
5.
E1
et
E5 .
ssi
E :
x1 x = x2 x3
correspondant
(A I )x = 0 c'est dire 3 2 0 x1 0 0 x2 = 0 . 2 3 0 0 5 x3 0
(5.10)
59
= 5,
alors
2 2 0 x1 0 2 2 0 x2 = 0 0 0 0 x3 0
d'o
2x1 2x2 = 0, c'est dire x2 = x1 donc x1 1 0 x2 = x1 1 + x3 0 x3 0 1 1 0 c'est dire E5 est engendr par 1 et 0 . 0
Si
=1
(5.10) devient
0 x1 2 2 0 2 2 0 x2 = 0 0 x3 0 0 4
On rsout le systme pour trouver
5 0 0 P 1 AP = 0 5 0 . 0 0 1 3 2 2 1 A;
2) Considrons la matrice
A= pA () = ( + 1)2 ; = 1 E 1 :
2 2 2 2
x1 x2
0 0
60
x1 = x2 ,
c'est dire
E1
est
1 1
Comme
dimR E1 = 1 < 2, A
f :
R3
R3
R3
soit
B = {e1 , e2 , e3 }
R3 ,
alors
1 3 0 2 f (e1 ) = f ( 0 ) = 2 , f (e2 ) = f ( 1 ) = 3 , 0 0 0 0 1 0 f (e3 ) = f ( 0 ) = 0 0 5 3 2 0 On en dduit que M (f ) = 2 3 0 par rapport la base B. Nous 0 0 5 voulons trouver une nouvelle base B = {u1 , u2 , u3 } de telle sorte que la matrice A de f relative B soit diagonale. Si nous dsignons par P la matrice de passage de la base canonique B la base inconnue B , 1 on a A = P AP ; c'est dire P diagonalise M (f ). D'aprs l'exemple
1), nous obtenons
1 0 1 P = 1 0 1 0 1 0
et
5 0 0 A =0 5 0 0 0 1
61
sont
u1 = e1 e2 u2 = e3 u3 = e1 + e2
qui produisent la matrice diagonale
de
f.