Table des matires

I) Algbre linaire - rappels et complments

1) Espaces vectoriels, sous-espaces vectoriels. .
2) Famille de vecteurs . . . . . . . . . . . . . .
a)
Familles gnratrices - familles libres
b)
Base dun espace vectoriel . . . . . .
3) Applications linaires . . . . . . . . . . . . .
a)
Proprits gnrales . . . . . . . . .
b)
Endomorphismes remarquables . . .
4) Hyperplans en dimension finie . . . . . . . .
5) Matrices . . . . . . . . . . . . . . . . . . . .
a)
Sous espaces stables . . . . . . . . .
b)
complments sur les matrices . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

2
2
7
7
8
16
16
19
24
30
30
32

Chapitre I)

Algbre linaire - rappels et

complments
1)

Espaces vectoriels, sous-espaces vectoriels.

Dans ce chapitre K dsigne R ou C. La notion (la dfinition essentiellement) d espace vectoriel

est suppose acquise.

exemples despaces vectoriels

K n , n N .
K[X], lensemble des polynmes coefficients dans K.
Kn [X], lensemble des polynmes coefficients dans K de degr infrieur ou gal n N.
Lensemble des fonctions continues valeurs dans K, dfinies sur un intervalle I de R.
Mn,p (K), lensemble des matrices n lignes, p colonnes coefficients dans K.
Mn (K), lensemble des matrices de taille n N coefficients dans K.

sous espace vectoriel

Soit (E, +, .) un K-espace vectoriel et F E. On dit que F est un sous espace vectoriel de E si
(F, +, .) est un K-espace vectoriel.

comment tablir que F est un sev de E ?

Soit (E, +, .) un K-espace vectoriel et F E. (F, +, .) est un sev de E ssi :
F nest pas vide.
F est stable par combinaisons linaire : Pour tout couple (x, y) F 2 de vecteurs de F et
tout couple (a, b) K2 de scalaires, le vecteur ax + by est un lment de F .

sev et intersections
Soit E un K-ev et E1 , En une famille de sev de E. Alors E1 En est un sev de E.

Remarque : Ce thorme est faux pour la runion.

Notons F = E1 En .
Pour tout i [[1, n]], Ei est un sev de E, par consquent le "vecteur nul" 0E appartient chacun
des espaces vectoriels Ei donc aussi F. Ainsi F 6= .
Montrons que F est stable par combinaisons linaires :
Soient x et y deux lments de F et (a, b) K2 . Par dfinition, pour tout i [[1, n]] , x Ei et
y Ei , donc (Ei tant par hypothse un e.v) ax + by Ei . Ceci tant vrai pour tout i [[1, n]],
on dduit que ax + by F .

somme de sous-espaces vectoriels

Soit E un K-ev, (Ei )i[[1,n]] une famille de sev de E.
n
n
X
X
On note E1 + E2 + + En =
Ei les vecteurs x E qui scrivent sous la forme x =
xi .
Lensemble

n
X

i=1

i=1

Ei est un sev de E appel somme des sev (Ei )iI .

i=1

somme directe de sous-espaces vectoriels

Soient E1 , E2 , , En n sous espaces vectoriels dun K-ev E. On dit que E est somme directe
max
X
des e.v E1 , , En si nE =
Ei et si tout vecteur de E se dcompose de manire unique sous
i=1

la forme x = x1 + + xn avec i [[1, n]] xi Ei . On note alors E = E1 E2 En .

Remarque Ainsi E = E1 E2 En , implique bien sr E = E1 + E2 + + En .

somme directe de deux sev

Soient E1 et E2 deux sev dun K-ev E. Alors E = E1 E2 ssi E = E1 + E2 et E1

E1 = {0E }

\
Si E = E1 E2 alors E = E1 + E2 . De plus, pour tout x E1 E2 et tout vecteur y = x1 + x2
de E, y scrit aussi y = (x1 + x) + (x2 x). Ce qui de par lunicit de la dcomposition, impose
x = 0.
Rciproquement,
\
Si E = E1 + E2 et E1 E2 = {0E }. Supposons que y E scrit y = x1 + x2 = x01 + x02 , alors
x1 x01 = x2 x02 . Ce qui entrane que le vecteurs x1 x01 est la fois lment de E1 et de E2 .
Do x1 x01 = 0, cest dire x1 = x01 et x2 = x02 . La dcomposition est unique.

2)
a)

Famille de vecteurs
Familles gnratrices - familles libres
combinaison linaire
Soit (xi )i[[1,n]] une famille de vecteurs dun K-espace vectoriel E. On appelle combinaison linaire
n
X
des (xi )i[[1,n]] , toute somme
i xi o pour tout i, i K .
i=1

ev engendr par une famille de vecteurs

Lensemble F des combinaisons linaires des (xi )i[[1,n]] est un sev de E not V ect(x1 , , xn ).
Cest le plus petit sev de E contenant tous les xi .

familles libres - familles lies

Soit (xi )iI une famille dun K-ev E. Les deux propositions suivantes sont quivalentes :
X
i) Pour toute combinaison linaire :
i xi = 0E = i I, i = 0.
iI

ii) Aucun vecteur de la famille nest combinaison linaire des autres.

Une famille de vecteurs vrifiant i) ou ii) sappelle une famille libre (on dit aussi que les vecteurs
de cette famille sont linairement indpendants). Dans le cas contraire, la famille est dite lie.

proprits lmentaires
Une famille est lie ds quelle contient le vecteur nul.
Une famille compose dun seul vecteur est libre si et seulement si ce vecteur nest pas nul
Une famille compose de deux vecteurs est libre si et seulement sils ne sont pas colinaires.
Toute sous-famille dune famille libre est libre.
Toute famille contenant une famille lie est lie.

b)

Base dun espace vectoriel

thorme fondamental
Soit E un espace vectoriel vrifiant E = V ect(x1 , , xn ), alors toute famille {y1 , , yn } libre
de E n lments vrifie :
E = V ect(x1 , , xn ) = V ect(y1 , , yn )

Procdons par rcurrence :

pour n = 1, cest immdiat.

Supposons la proprit vraie au rang n 1 et montrons qualors elle lest au rang n.
Puisque E = V ect(x1 , xn ), nous pouvons poser :
y1

1,1 x1 + 1,n xn

y2

2,1 x1 + 2,n xn

n,1 x1 + n,n xn

yn

Nous pouvons supposer sans perte de gnralit que 1,1 6= 0 de sorte que les vecteurs
n,1
2,1
y1 soient tous des lments de V ect(x2 , , xn ).
y1 , , vn = yn
v2 = y2
1,1
1, 1
La famille (y2 , yn ) tant libre, il est immdiat que la famille (v2 , , vn ) lest aussi. On a donc
par hypothse de rcurrence :
V ect(v2 , , vn ) = V ect(x2 , , xn )
Donc v1 = y1 1,1 x1 V ect(v2 , , vn ) do x1 V ect(y1 , , yn ).
Finalement, pour tout i [[1, n]], xi V ect(y1 , , yn ). Autrement dit :
V ect(x1 , , xn ) = V ect(y1 , , yn )

corollaire
Soit E un espace vectoriel vrifiant E = V ect(x1 , , xn ), alors toute famille libre a au plus n
lments.

quest-ce quune base ?

Une famille libre et gnratrice dun ev E est appele base de E.

coordonnes relativement une base

Si (ei )iI est une baseX
dun ev E, alors pour tout x E, il existe une et une seule combinaison
lineaire telle que x =
i ei .
i

Les scalaires (i )iI sappellent les coordonnes de x dans la base (ei )iI .

dimension finie - infinie

Un espace vectoriel est dit de dimension finie sil peut tre gnr par une famille finie de vecteurs ;
il est dit de dimension infinie sinon.

thorme de la base incomplte

Soit G une famille gnratrice dun ev E et L G une famille libre. Il existe une base B de E,
vrifant L B G.

 lensemble des
Considrons lensemble FL de toutes les familles libres contenues dans G et L
entiers correspondant aux tailles des familles de FL .
ne sont pas vides car L FL .
FL (et donc L)
est major par le cardinal de G de par le thorme fondamental et son corollaire.
Lensemble L
et dsignons par B un lment de FL
Il admet donc un plus grand lment. Posons n = max(L)
de cardinal n.
La famille B est libre puisquelle est dans FL , elle est de plus gnratrice ; on pourrait sinon lui
adjoindre un lment supplmentaire sans quelle perde sa qualit dtre libre, ce qui contredirait
la maximalit de son cardinal.

quest-ce quune dimension ?

Toutes les bases dun ev E de dimension finie ont le mme cardinal n. On dit que n est la
dimension de E et on note n = dim E.

consquences directes
Soit E un K-ev de dimension finie n N :
- Tout systme libre de n vecteurs de E est une base de E.
- Tout systme gnrateur de n vecteurs de E est une base de E.

caractrisation de la somme directe par les dimensions

Soit E un K-ev de dimension
finie n N . Soient E1 , , Ek k sev de E.
(
E = E1 + + Ek
E = E1 Ek ssi
dim(E) = dim(E1 ) + + dim(Ek )

Sens directe :

(
E = E1 + + Ek
supposons que E = E1 Ek et montrons que
dim(E) = dim(E1 ) + + dim(Ek )
Nous savons dj que E = E1 Ek = E = E1 + + Ek .
pour tout i [[1, k]], dsignons par Bi une base de Ei .
Nous allons montrer que la famille B = {B1 , , Bk } est une base de E, ce qui tablira que
dim(E) = dim(E1 ) + + dim(Ek ) :
Il est immdiat que la famille B est gnratrice de E puisque E = E1 + Ek .
Dautre part, par dfinition des sommes directes, il existe une unique manire dcrire
0E = y1 + yk avec yi Bi ; cette manire ne peut tre que celle pour laquelle tous les vecteurs
yi sont nuls. Autrement dit, la famille B est libre.

Sens rciproque :
Raisonnons par labsurde et supposons quil existe deux moyens distincts de dcomposer
un vecteur y E sur la famille B) (dont on sait par hypothse quelle est gnratrice) :
(
y = y1 + yk
Cela entranerait que la famille B nest pas libre et par consquent que
y = y10 + + yk0
dim(E) < dim(E1 ) + + dim(Ek ), ce qui est contraire aux hypothses.

formule de Grassmann
Soit E un K-ev et E1 , E2 deux sev de E de dimension finie. Alors E1 + E2 est de dimension
finie et : dim(E1 + E2 ) = dim(E1 ) + dim(E2 ) dim(E1 E2 )

Dsignons par B12 une base de E1 E2 . Le thorme de la base incomplte garantit quil existe
deux familles B10 et B20 telles que B1 = {B12 , B10 } soit une base de E1 et B2 = {B12 , B20 }, une base
de E2 .
Notons E10 = V ect(B10 ) et E20 = V ect(B20 ).
Les familles B1 et B2 tant libres, on dduit que E12 E10 = {0E } et donc que E1 = E12 E10 .
De mme, E2 = E12 E20 .
Considrons la famille B = {B12 , B10 , B20 }. Par construction, elle est gnratrice de E1 + E2 .
Montrons quelle est libre :
Si 0E = x12 + x01 + x02 (notations videntes) alors x01 est la fois un vecteur de E10 (donc de
E1 ) et un vecteur de E2 . x01 est donc un vecteur de E12 , or E10 E12 = {0E } donc x01 = 0E . De
mme x02 = 0E , ce qui entrane x12 = 0E .
La famille B est donc une base de E1 + E2 , par consquent :
dim(E1 + E2 )

= dim(E1 E2 ) + dim(E10 ) + dim(E20 )

=

dim(E1 E2 ) + dim(E1 ) + dim(E2 ) 2 dim(E1 E2 )

dim(E1 ) + dim(E2 ) dim(E1 E2 )

3)
a)

Applications linaires
Proprits gnrales
quest-ce quune application linaire ?
Soient E et F deux K-ev et f : E F une application. On dit que f est linaire si :
(x, y) E F, (a, b) K2 , f (ax + by) = af (x) + bf (y)
Lensemble des applications linaires de E dans F est un K-ev not L(E, F ).

exemples
Si K, lapplication 1 : E E, x 7 x est linaire.
Z1
Lapplication 2 : C([0, 1], R), f 7

f (t) dt est linaire.

0

Lapplication 3 : R R , (x, y) 7 (x 2y, x + y, 3x y) est linaire.

vocabulaire et proprits lmentaires

Une application linaire de E dans K est appele forme linaire.
Une application linaire de E dans E est appele endomorphisme.
Si f est linaire, alors f (0E ) = 0F .
La compose de deux applications linaires est linaires.
Si f : E F est linaire et bijective, on dit que f est un isomorphisme. Lapplication
rciproque f 1 : F E est alors aussi un isomorphisme.
Si f L(E, F ), il suffit de connatre les images des lments dune base pour connatre f .

conservation de la structure dev

Limage (ou limage rciproque) dun sev par une application linaire est un sev.

im(f ) et ker(f )
Soient E et F deux K-ev et f L(E, F ).
On appelle noyau de f lensemble not ker(f ) = f 1 (0F ) = {x E | f (x) = 0F }.
On appelle image de f lensemble not im(f ) = f (E).
Les ensembles ker(f ) et im(f ) sont des sev. Par ailleurs, f est injective ssi ker(f ) = {0E }

rang de f
Soient E et F deux K-ev et f L(E, F ). On dit que f est de rang fini si im(f ) est de dimension
fini. Lentier dim(im(f )) est alors appel rang de f et est not rg(f ).

thorme du rang
Soient E et F deux K-ev et f L(E, F ).
dim(E) = dim(ker(f )) + dim(im(f ))

Notons n = dim(E) et m = dim(ker(f )). Puisque ker(f ) E, on a : m n.

Si m = n, alors ker(f ) = E et im(f ) = 0F .
Supposons m < n. Nous savons que ker(f ) admet un supplmentaire dans E.
Posons E = ker(f ) E 0 et considrons B 0 = {e01 , , e0nm } une base de E 0 .
Nous remarquons que la famille {f (e01 ), , f (e0nm )} est gnratrice de im(f ) ; elle est de plus
libre :
1 f (e01 ) + + nm f (e0nm )

0F

f (1 e01 + + nm e0nm )
1 e01 + + nm e0nm
1 e01 + + nm e0nm

0F

E 0 ker(f )

0E

La famille B 0 tant libre, cela impose la nullit des i et donc le caractre libre de famille
{f (e01 ), , f (e0nm )}. Cette famille est donc une base de im(f ), ainsi :
dim(E) = dim(ker(f )) + dim(E 0 ) = dim(ker(f )) + dim(im(f ))

corollaire
Pour une application linaire f L(E, F), si dim(E) = dim(F ) alors :
f est bijective f est injective f est surjective.

b)

Endomorphismes remarquables
E dsigne un ev de dimension n.
quest-ce quune homothtie ?
On appelle homothtie de rapport tout endomorphisme h L(E) dfinie par :
x E, h(x) = x

quest-ce quun projecteur vectoriel ?

Soit E = F G de sorte que pour tout x E, il existe un unique couple (x1 , x2 ) F G tel
que x = x1 + x2 .
On appelle projection sur F paralllement G lapplication linaire p dfinie par :
x E, p(x) = x1

caractrisation des projecteurs

Soit p L(E). p est une projection vectorielle sur im(p), paralllement ker(p) ssi pop = p.

sens direct :
Si p est un projecteur, alors avec les notations de la dfinition, pour tout x E : p(x) = x1 et
pop(x) = p(x1 ) = x1 . Donc pop = p.

rciproque :
Soit p L(E) vrifiant p = pop. Dsignons par K et I respectivement le noyau et limage de p.
Daprs le thorme du rang, dim(K) + dim(I) = dim(E).
De plus, pour tout x E, xI = p(x) est un lment de I et xK = x xI est un lment de K
(en effet, p(xK ) = p(x xI ) = p(x) p(xI ) = xI pop(x) = xI p(x) = xI xI = 0E ).
(
dim(K) + dim(I) = dim(E)
Ainsi
donc E = K I
K +I =E
Enfin, pour tout x = xK + xI , il existe y E tel que :
xI = p(y) et xI = p(y) = pop(y) = p(xI ) = p(x) :
p est le projecteur sur im(p) paralllement ker(p).

exo : un exemple
Soit f lendomorphisme de R3 dont la matrice relativement la base canonique scrit :

1
2
1
M = 1 2 1
2
4
2
Montrer que f est un projecteur et prciser ses caractristiques gomtriques.
Quelle est la matrice de f relativement la concatnation dune base de im(f ) et une base de
ker(f ) ?

exo
Soit E = F G, p le projecteur sur F paralllement G et q le projecteur sur G paralllement F .
Exprimer q en fonction de p.

gnralisation
Soit E = E1 Em . Puisque tout vecteur x E se dcompose de manire unique sous
la forme x = x1 + xm (o xi Ei ), on peut dfinir les endomorphismes pi par la relation
pi (x) = xi . Alors :
M
pi est la projection sur Ei paralllement
Ej .
j6=i

p1 + + pm = IdE
Pour j 6= i, pi o pj = 0.

symtries vectorielles
Soit E = F G. Si x E, il existe un unique couple (x1 , x2 ) F G tel que x = x1 + x2 . On
appelle symtrie par rapport F paralllement G lapplication linaire s dfinie par :
x E, s(x) = x1 x2

exo : interprtation
Illustrer la dfinition prcdente par des exemples sur R2 ou R3 .

caractrisation des symtries

Soit s L(E). s est une symtrie vectorielle par rapport ker(s IdE ) paralllement
ker(s + IdE ) si et seulement si sos = IdE .

Sens direct :

Si s est une symtrie, alors il existe deux sev F et G tels que tout x E = F G se dcompose de
manire unique sous la forme x = xF +xG et sos(x) = s(xF xG ) = xF +xG = x. Do sos = IdE .

Rciproque :

Sois s L(E) vrifiant sos = IdE . Nous allons montrer que E = ker(s IdE ) ker(s + IdE ) et
que s est la symtrie par rapport K + = ker(s IdE ) paralllement K = ker(s + IdE ).
Remarquons que
(s IdE )o(s + IdE ) = sos s + s IdE = 0

(E)

et
pour tout x E :
posons
1

x = (s IdE )x
2
Nous remarquons que x+ K + et x K ( de par lidentit (E)) et
x+ = 1 (s + Id )x
E
2
que x+ x = x.
Nous pouvons donc affirmer E = K + + K .
Dautre part, si x K K + alors (s IdE )x = 0E = s(x) = x et (s + IdE )x = 0E =
s(x) = x donc x = x = x = 0E . Ainsi K + K = , et on peut conclure que E = K + K .
Daprs ce qui prcde, tout x E scrit de manire unique sous la forme (notations videntes)
x = xK + + xK et s(x) = s(xK + ) + s(xK ) = xK + + xK = x : s est bien la symtrie par rapport
K + = ker(s IdE ) paralllement K = ker(s + IdE ).

exo : un exemple
Soit f lendomorphisme de R3 dont la matrice relativement la base canonique scrit :

1 1 1
M = 2 2 1
2 1 0
Montrer que f est une symtrie vectorielle et prciser ses caractristiques gomtriques.
Quelle est la matrice de f relativement la concatnation dune base de ker(f Id) et une
base de ker(f + Id) ?

4)

Hyperplans en dimension finie

E dsigne dans tout ce paragraphe un espace vectoriel de dimension n N .
quest-ce quun hyperplan ?
On appelle hyperplan de E tout sous-espace vectoriel de E admettant une droite comme
supplmentaire. Autrement dit, si H est un hyperplan de E, il existe u E non nul tel que
E = H V ect(u).

caractrisation par la dimension

Un sev de E est un hyperplan ssi dim(H) = n 1

caractrisation par les formes linaires

Un sev H est un hyperplan ssi il est le noyau dune forme linaire L(E, K) non nulle.

Sens direct :
Si H est un hyperplan, considrons un vecteur x0
/ H. On a E = H V ect(x0 ) et par construction, H est le noyau de la forme linaire dfinie par x E, (x) = x = xH + x0
(xH H ).
Rciproque :
Si est une forme linaire non nulle, alors le thorme du rang entrane que dim(ker()) =
dim(E) 1, cest dire ker() est un hyperplan.

sous-espaces vectoriels comme intersection dhyperplans

Soit E un espace de dimension n et p un entier infrieur ou gal n.
i) Lintersection de p hyperplans de E est un sous-espace de dimension au moins n p.
ii) Tout sous-espace de dimension n p est lintersection de p hyperplans de E.

i) Soient H1 , , Hp des hyperplans respectivement

noyaux des formes linaires 1 , , p .
(
p
EK
Considrons lapplication linaire :
x 7 (1 (x), , p (x))
\
Hi x ker(). Mais, daprs le thorme du rang,
On remarque que x
1ip

dim(im()) + dim(ker()) = n, or dim(im()) p donc dim(ker()) n p.

ii) Soit F un sev de E de dimension n p et BF = {e1 , , enp } une base de F . Daprs le
thorme de la base incomplte, BF peut tre complte en une base B de E :
B = {BF , v1 , , vp }.
Pour tout i [[1, p]]\
le sev Hi gnr par tous les vecteurs de B sauf vi est un hyperplan.
Par construction,
Hi = F .
1ip

une application importante

Lensemble des solutions dun systme de p n quations n inconnues est un espace vectoriel
de dimension au moins n p.
Il est de dimension exactement n p si les p quations (ce sont des formes linaire de Kn dans
K) sont linairement indpendantes.

5)
a)

Matrices
Sous espaces stables
stabilit dun sev par un endomorphisme
Soient E un K-espace vectoriel et f L(E). On dit quun sous-espace-vectoriel F de E est stable
par f si f (F ) F .
La restriction de f F est alors un endomorphisme de F, induit par f sur F.

trigonalisation par blocs

Soit f L(E) et F un sev de E de dimension p.
On note BF une base de F complte en une base B = {BF , B 0 } de E.

F est stable par f ssi sa matrice reprsentative relativement la base B scrit :



A
B
M atB (f ) =
0np,p C
A tant la matrice (carre dordre p) relativement la base BF de la restriction de f F .

A
On a alors det(M atB (f )) = 
0


B 
= det(A) det(C).
C

gnralisation

Si E =

p
M
Ei et si B = {B1 , , Bp } est une base de E telle que pour tout i, Bi soit une base
i=1

de Ei .

A1
0

Les sev Ei sont stable par f L(E) ssi M atB (f ) = .

..

0
A2
..
.

..
.

0
0
..
.

Ap

On a alors det(M atB (f )) =

p
Y

det(Ai ).

i=1

stabilit et commutation
Montrer que si deux endomorphismes f et g de E commutent (ie f og = gof ) alors im(f ) et
ker(f ) sont stables la fois par f et par g.

 Pour tout sev F de E, on a f (F ) im(f ), en particulier f (im(f )) im(f ) et im(f ) est

stable par f .
Pour tout y im(f ), il existe x E tel que y = f (x). Donc, g(y) = gof (x) = f (g(x))
Im(f ). Ainsi im(f ) est stable par g.
On a f (ker(f )) = {0E } ker(f ) donc ker(f ) est stable par f .
Pour tout y ker(f ), f og(y) = gof (y) = g(0E ) = 0E et g(y) ker(f ). Ainsi, ker(f ) est
stable par g.

b)

complments sur les matrices

trace dune matrice
Soient n N et A = (aij ) Mn (K). On appelle trace de A la somme de ses lments diagonaux :
T r(A) =

n
X
aii
i=1

proprits lmentaires
Soit n N
(
Mn (K) K
Lapplication tr :
A tr(A)

est une forme linaire.

Pour tout couple (A, B) Mn (K), tr(AB) = tr(BA).

Il est immdiat de montrer que lapplication trace est une forme linaire.
On a de plus :

tr(AB) =

(AB)ii =

1in

1in 1jn

aij bji =

1jn 1in

bji aij =

X
1jn

(BA)jj = tr(BA)

matrices semblables
Soient (A, B) Mn (K)2 .
On dit que A et B sont semblables sil existe P GLn (K) telle que : B = P 1 AP .

conservation de la trace par similitude

Deux matrices semblables ont mme trace.

trace dun endomorphisme

Soit E un K-espace vectoriel de dimension finie n.
On dfinit la trace dun endomorphisme f de E comme tant la trace dune matrice M reprsentant
f sur une base quelconque de E.