Upload
nour1960
View
19
Download
0
Embed Size (px)
DESCRIPTION
Probabilite
Citation preview
Cours elementaire dalgebre lineaire sous forme
dexercices Deuxieme edition
R Rolland
Table des matieres
Espace vectoriel
La structure despace vectoriel
Premiers exemples despaces vectoriels
Sous espaces vectoriels
La sous structure de sous espace vectoriel
Exemples de sous espaces vectoriels
Homomorphismes despaces vectoriels
Application lineaire Noyau Image
Premieres proprietes des applications lineaires
Structure de lensemble des applications lineaires
Combinaisons lineaires
Partie engendree par une famille de vecteurs
Exemples de familles de vecteurs
Bases Dimension
Bases dun espace vectoriel
Exemples de bases
Somme directe de sous espaces
Decomposition despaces vectoriels
Exemples de decompositions
Somme de plusieurs sous espaces
Projections
Projection et somme directe
Formes lineaires
Formes lineaires Espace dual
Exemples de formes lineaires Applications
Complements sur la dualite
Matrices et applications lineaires
Applications lineaires entre espaces vectoriels munis de bases
Exemples de matrices dapplications lineaires
Operations elementaires sur les matrices
Operations sur les matrices
Structures des espaces de matrices
Determinants
Formes multilineaires alternees Determinants
Calcul de determinants
Applications lineaires en dimension nie
Bases et applications lineaires
Exemples
Systemes lineaires
Problemes lineaires en dimension nie
Resolution explicite de systemes lineaires
Valeurs propres vecteurs propres
Une premiere etude des valeurs propres et vecteurs propres
Decomposition spectrale des operateurs
Lalgebre engendree par un operateur
Les operateurs T I
k
Spectre index et polynome minimal
Decomposition de lespace en sous espaces spectraux
Polynome caracteristique
Appendice Une autre approche des projecteurs spec
traux
Exemples
Interventions de lalgebre lineaire
Fonctions sur un groupe abelien nitheorie du signal ni
Lespace F
Les caracteres de G
Produit scalaire hermitien sur F
Transformation de Fourier
Matrices associees aux objets precedents
Fonctions de F et polynomes formels
Convolution et ltres stationnaires
Analyse numerique Interpolation
Introduction
Interpolation de Lagrange
Le probleme general de linterpolation
Quelques exemples importants
Analyse numerique calcul des integrales
Introduction
Mise en uvre de methodes interpolatoires
Presentation generale des quadratures elementaires
Ordre dune methode
Acceleration de convergence Formule de Richardson
Methode de Romberg
Espaces vectoriels
Chapitre
Espace vectoriel
Introduction
En geometrie plane il est dusage dintroduire la notion de vecteur Lensemble de ces
vecteurs du plan est muni de deux operations de base laddition des vecteurs et la mul
tiplication dun vecteur par un nombre reel Bien dautres ensembles sont munis de deux
operations possedant des proprietes analogues a cellesci des ensembles de fonctions de
polynomes etc Cest cette structure commune appelee structure despace vectoriel que
nous allons etudier Compte tenu de lorigine concrete que nous avons indiquee il ne faudra
pas setonner du langage geometrique employe De plus il est conseille de sappuyer dans
une certaine mesure sur cette analogie pour nourrir son intuition concernant les structures
introduites
La structure despace vectoriel
Denition Un espace vectoriel E sur un corps commutatif K ap
pele corps des scalaires est un ensemble non vide muni dune operation in
terne addition quon notera telle que
EV E est un groupe abelien pour laddition
et dune operation externe application de K E dans E qui a un couple
x associe lelement x quon notera aussi quand aucune confusion nen
resulte x telle que
EV x y x y
Chapitre
EV x x
EV x x x
EV x x
Ex Montrer que pour tout x E et tout K x et
attention par abus de notation il est dusage de noter le vecteur nul et
aussi le zero du corps de base ce sont bien sur des objets dierents Le
lecteur prendra garde dans un premier temps a sassurer quil est capable de
bien distinguer ces deux objets dans les diverses formules ecrites
Attention lintuition geometrique a aussi ses limites notamment quand le
corps de base est de caracteristique non nulle
Ex Montrer que si K est un corps de caracteristique pour tout x E
x x Que se passetil pour un corps de caracteristique p
Premiers exemples despaces vectoriels
On laisse le soin au lecteur de preciser les operations et de verier les pro
prietes requises dans les exemples suivants
Ex Geometrie Lensemble des vecteurs de la geometrie plane ainsi que
lensemble des vecteurs de la geometrie dans lespace sont des espaces vecto
riels sur R
Ex Nombres complexes C est un espace vectoriel sur R C est un
espace vectoriel sur C
Ex Nombres reels R est un espace vectoriel sur Q
Ex Fonctions Lensemble des fonctions denies sur un intervalle I de
R a valeurs dans R est un espace vectoriel sur R
Ex Lensemble des fonctions polynomiales de R dans R est un espace
vectoriel sur R Lensemble des fonctions polynomiales de degre n de R
dans R est un espace vectoriel sur R
Ex Tout corps commutatif K est un espace vectoriel sur lui meme
Ex K
n
est un espace vectoriel sur K
Ex Polynomes Les polynomes a r variables et a coecients dans un
corps K forment un espace vectoriel sur K
Espaces vectoriels
Ex Les polynomes a r variables a coecients dans un corps K et de
degre total n forment un espace vectoriel sur K
Ex Les polynomes a r variables a coecients dans un corps K et dont
les degres partiels par rapport a certaines des variables sont bornes est un
espace vectoriel sur K
Ex Si K est un sous corps dun corps commutatif K
alors K
est un
espace vectoriel sur K
Ex Soit A un ensemble non vide et FAE lensemble des fonctions de
A dans un espace vectoriel E sur le corps K Alors FAE est un espace
vectoriel sur K
Ex Espace produit Si E et F sont deux espaces vectoriels sur K le
produit E F est un espace vectoriel sur K
Ex Suites Montrer que les suites delements de K forment un espace
vectoriel sur K
Ex Que dire des suites reelles Des suites reelles qui convergent vers
Des suites reelles qui divergent vers Des suites reelles croissantes Des
suites reelles convergentes
Ex Algebre de Boole SoitA un ensemble non vide et PA lensemble
des parties de A On denit sur PA la somme de deux parties comme etant
leur dierence symetrique U V UV U V V U De plus
on denit le produit dun element de PA par un element du corps a deux
elements f g par U et U U Montrer que dans ces conditions
PA est un espace vectoriel sur le corps a deux elements
Remarque Si de plus on tient compte de loperation multiplication denie
comme etant lintersection de deux parties on a une structure dalgebre de
Boole
Chapitre
Sous espaces
Chapitre
Sous espaces vectoriels
Introduction
Comme toujours lorsquon denit une structure on introduit la notion de sous structure
Ainsi nous etudions maintenant la notion de sous espace vectoriel Beaucoup densembles
interessants sont des sous espaces vectoriels despaces plus gros Dans ce cas pour montrer
que ce sont des espaces vectoriels il nest pas necessaire de verier toutes les proprietes de
laddition et de la multiplication externe La stabilite par rapport a ces operations sut
La sous structure de sous espace vectoriel
Denition Soit E un espace vectoriel sur un corps K Un sous en
semble F de E est un sous espace vectoriel de E si cest un espace vectoriel
pour les deux operations induites par E sur F
Ex Montrer quun sous ensemble non vide F dun espace vectoriel E sur
un corps commutatif K est un sous espace vectoriel de E si et seulement si
x y F x y F
Kx F x F
on dit alors que F est stable par rapport a ces operations
Ceci donne un moyen commode de montrer que des ensembles sont munis
dune structure despace vectoriel
Chapitre
Ex Montrer que lintersection dune famille non vide de sous espaces
vectoriels dun espace E est un sous espace de E
Ex Peut on dire que la reunion dune famille de sous espaces vectoriels
de E est un sous espace vectoriel de E
Denition Soit A un sous ensemble de lespace vectoriel E Conside
rons la famille de tous les sous espaces de E qui contiennent A Cette famille
est non vide puisque E en fait partie Lintersection des sous espaces de cette
famille est appelee le sous espace engendre par A On note A ce sous
espace
Ex Le sous espace engendre par A est le plus petit sous espace de E au
sens de linclusion des ensembles contenant A
Exemples de sous espaces vectoriels
Ex Montrer que lensemble CR des fonctions continues sur R a valeurs
dans R est un sous espace vectoriel de lespace de toutes les fonctions denies
sur R a valeurs dans R
Ex Montrer que lensemble des fonctions derivables sur R a valeurs dans
R est un sous espace vectoriel de lespace de toutes les fonctions denies sur
R a valeurs dans R Que peuton en dire par rapport a CR
Ex Montrer que lensemble F
a
AE des fonctions denies sur un en
semble non vide A a valeurs dans un espace vectoriel E et qui sannulent
en un point xe a A est un sous espace de lespace FAE des fonctions
de A dans E
Ex Montrer que lensemble des fonctions PR de R dans R qui sont
paires est un sous espace vectoriel de lespace FRR de toutes les fonctions
de R dans R Estce aussi vrai pour les fonctions impaires
Ex Soit a b un intervalle xe de R Une fonction f de a b dans R est
dite en escalier sil existe un partage a x
x
x
n
b de a b tel
que f soit constante sur chaque intervalle x
i
x
i
Montrer que lensemble
des fonctions en escalier est un sous espace vectoriel de lespace Fa bR
de toutes les fonctions de a b dans R
Sous espaces
Ex Montrer que les suites de nombres complexes qui convergent vers
forment un sous espace vectoriel de lespace de toutes les suites de nombres
complexes
Ex Soit F lespace des fonctions continues sur un intervalle a b anes
ie de la forme axb par morceaux ie il existe un partage a x
x
x
n
b de a b tel que f soit ane sur chaque intervalle x
i
x
i
Montrer que F est un sous espace de Fa bR
Chapitre
Homomorphismes
Chapitre
Homomorphismes despaces
vectoriels
Introduction
Nous etudions maintenant les applications dun espace vectoriel dans un autre sur un
meme corps qui conservent la structure Ces applications dites applications lineaires
sont centrales dans la theorie Nous reviendrons dans la plupart des chapitres qui suivent
a leur etude approfondie
Application lineaire Noyau Image
Denition E et F etant deux espace vectoriels sur le meme corps K
un homomorphisme de E dans F ou encore une application lineaire
de E dans F est une application f de E dans F telle que
Hom fx y fx fy
Hom fx fx
Dans le cas ou F E on dit que f est un endomorphisme de E ou encore
un operateur de E
Ex Montrer que si f est une application lineaire f
Ex Montrer que lensemble des elements de E dont limage est est un
sous espace vectoriel de E
Chapitre
Ex Montrer que si f est injective alors est le seul element de E dont
limage soit
Ex Reciproquementmontrer que si est le seul element de E dont limage
soit alors f est injective
Ex Montrer que limage de f cestadire fE est un sous espace vec
toriel de F On note Imf cette image
Denition Si f est un homomorphisme de E dans F le noyau de f
note Kerf est le sous espace vectoriel de E constitue des elements de E
qui ont pour image
Le noyau de f Kerf et limage de f Imf sont deux objets tres
importants pour letude dun homomorphisme f Compte tenu de lexercice
on peut enoncer le resultat
Theoreme Un homomorphisme f est injectif si et seulement si son
noyau est fg Dans ce cas f est un isomorphisme de E sur son image notee
Imf ou encore fE
Premieres proprietes des applications li
neaires
Dans la suite K designe un corps commutatif
Ex Citer des applications lineaires et des applications non lineaires
Ex Montrer que dans lespace vectoriel des vecteurs de la geometrie dans
lespace la projection sur un plan parallelement a une droite et la projection
sur une droite parallelement a un plan sont des applications lineaires dont
on determinera le noyau et limage
Soient n m deux entiers Soit f lapplication de K
m
dans K
n
qui a
x
x
m
fait correspondre x
x
n
Montrer que f est un homomor
phisme application lineaire dont on determinera le noyau et limage
Ex Soit C
R lespace vectoriel des fonctions derivables sur R et ayant
une derivee continue fonctions de classe C
et CR lespace des fonctions
continues sur R Montrer que la derivation D est un homomorphisme de
C
R dans CR Quels sont son noyau et son image
Homomorphismes
Ex Soit KX lespace vectoriel des polynomes a une variable a coe
cients dans K Soit T lapplication de KX dans lui meme qui a un poly
nome P X fait correspondre le polynome P X Montrer que T est un
endomorphisme Quels sont le noyau de T et son image
Ex Soit K
n
X lespace vectoriel des polynomes a une variable a coe
cients dans K et de dege n Soit D lapplication de K
n
X dans lui meme
qui a un polynome associe son polynome derive Montrer que D est un en
domorphisme Quels sont son noyau et son image
Ex Soit KX lespace vectoriel des polynomes a une variable a coe
cients dans K Soit FK lespace des fonctions deK dans lui memeMontrer
que lapplication qui a un polynome P X fait correspondre la fonction po
lynomiale x P x est un homomorphisme On suppose le corps K inni
quel est le noyau de
Supposons maintenant que K soit le corps a deux elements quel est le noyau
de
Ex Soit KX lespace vectoriel des polynomes a une variable a coe
cients dans K et soit DX un polynome non nul On considere lapplication
de KX dans lui meme qui a tout polynome P X associe le reste de la
division euclidienne de P X par DX Montrer que cette application est
un endomorphisme Quels sont son noyau et son image
Ex Soit K
n
X lespace vectoriel des polynomes a une variable a coef
cients dans K et de dege n On xe un point a K et on considere
lapplication de K
n
X dans K qui a tout polynome P X associe sa valeur
P a Montrer que cette application est un homomorphisme Quels sont son
noyau et son image
Ex Soit CR lespace des fonctions continues sur R a valeurs dans R
Fixons deux points a et b dans R Soit I lapplication de CR dans R denie
par
If
Z
b
a
ftdt
Montrer que cette application est un homomorphisme Quelle est son image
Ex Fixons a dans R Soit f lapplication de R dans R
qui a x associe
x ax Montrer que f est une application lineaire Quels sont son noyau et
son image
Chapitre
Ex Fixons a b c d dans R Soit f lapplication de R
dans R
qui a tout
x y associe ax by cxdy Montrer que f est un endomorphisme Quels
sont son noyau et son image
Le cas ou f est une application lineaire de E dans le corps de base K est
particulier On dit que f est une forme lineaire Ce cas par son importance
motive une etude specique ulterieure
Structure de lensemble des applications
lineaires
Ex Soient E et F deux espaces vectoriels sur le meme corps K Notons
LEF lensemble des homomorphismes de E dans F Si f et g sont des
elements de LEF et si est un element de K on denit f g f comme
on le fait habituellement pour les fonctions cestadire par
f gx fx gx
fx fx
Montrer que muni de ces operations LEF est un espace vectoriel sur K
Ex Soit EFG trois espaces vectoriels sur le meme corps K Si f est
une application lineaire de E dans F et g une application lineaire de F dans
G montrer que g f est une application lineaire de E dans G
Ex On considere maintenant lespace LE des endomorphismes des
operateurs de E En plus de laddition et de la multiplication par un sca
laire denies dans un exercice precedent on considere aussi loperation de
composition des applications f g Montrer que ces operations conferent a
LE une structure dalgebre non commutative
Montrer que si f et g elements de LE verient f g I I est lapplication
identite alors f et g ont des inverses
Combinaisons lineaires
Chapitre
Combinaisons lineaires
Introduction
Comme dans le cas du plan geometrique ou de lespace il est important de savoir dans
quelles conditions on peut decomposer un vecteur sur dautres vecteurs et dans quels cas
cette decomposition est unique Ces questions conduisent aux notions de familles libres
de familles generatrices et enn a la notion de base En examinant les exemples donnes
le lecteur pourra faire un inventaire non exhaustif des methodes utilisees pour montrer
que des familles sont libres que des familles sont generatrices que des familles sont des
bases
Partie engendree par une famille de vec
teurs
On rappelle quune famille non vide delements dun ensemble A est une
application dun ensemble non vide I appele ensemble des indices dans
A La famille est alors notee x
i
iI
ou x
i
i A
Denition Soit E un espace vectoriel sur un corpsK Soit S x
i
iI
une famille non vide de E On appelle combinaison lineaire delements
de S toute somme de la forme
X
iI
i
x
i
ou seuls un nombre ni de coecients
i
sont non nuls
Chapitre
Ex Montrer que lensemble des combinaisons lineaires delements de S
est un sous espace vectoriel de E et que ce sous espace est le sous espace
engendre par S On notera S ce sous espace
Denition La famille S delements de E est dite generatrice si
S E Autrement dit tout element de E sexprime comme combinaison
lineaire des elements de S
Denition La famille S delements de E est dite libre si tout element
de S secrit de maniere unique comme combinaison lineaire des elements
de S Les elements de S sont alors dits lineairement independants Si
la famille S nest pas libre on dit quelle est liee les elements de S sont
alors lineairement dependants
Remarque attention on travaille ici sur des familles et non simplement
sur des parties Par exemple x
x
x
est une famille de trois elements si
x
x
la partie qui lui est associee est fx
x
g
Ex Montrer que S est une famille libre si et seulement si on a limplication
suivante
X
iI
i
x
i
i I
i
Ex Montrer que la famille S est liee si et seulement sil existe un vecteur
de S qui est combinaison lineaire des autres vecteurs de S
Montrer que si la famille S contient alors elle est liee
La reciproque est elle vraie
Montrer que si la famille S contient deux vecteurs identiques alors elle est
liee
Ex Soit E un espace vectoriel non reduit a fg Montrer lequivalence
entre les trois proprietes suivantes
S est une famille libre maximale au sens de linclusion dans lensemble
des parties libres de E
S est une famille generatrice minimale au sens de linclusion dans
lensemble des parties generatrices de E
S est une famille a la fois libre et generatrice
Que se passetil dans le cas particulier tres simple dun espace vectoriel
reduit a fg
Denition Une famille libre et generatrice de E est appelee une base
de E
Combinaisons lineaires
Exemples de familles de vecteurs
Ex Donner des exemples de la geometrie plane et de la geometrie dans
lespace de familles libres et non generatrices de familles generatrices et non
libres de familles libres et generatrices
Ex Soit A un ensemble non vide E un espace vectoriel On note FAE
lespace des fonctions de A dans E Soit S la partie de FAE constituee des
fonctions constantes et des fonctions qui sannulent en un point xe x
A
Determiner S
Ex Soit a b un intervalle de R Notons Fa bR lespace des fonctions
de a b dans R On considere le sous ensemble S de Fa bR deni par
S fx x u jx uju a bg
Determiner S
Determiner S fg
Ex Soit
i
i
une suite de nombres reels dont les termes sont tous
distincts Montrer que la famille de fonctions
e
i
x
i
est libre
Chapitre
Bases Dimension
Chapitre
Bases Dimension
Introduction
La notion de base est centrale pour letude des espaces vectoriels de dimension nie Tout
espace vectoriel admet une base mais en dimension innie dans la plupart des cas il est
impossible den construire une explicitement Comme nous le verrons dans la suite on est
souvent amene a considerer plusieurs bases sur un meme espace et regarder alors quels
sont les liens entre les composantes des vecteurs dans les diverses decompositions
Bases dun espace vectoriel
Denition Une base dun espace vectoriel E est une famille e
i
iI
delements de E qui est a la fois libre et generatrice
Denition Un espace E est dit de dimension nie sil possede une
famille generatrice nie
Ex Montrer que tout espace vectoriel de dimension nie non reduit a
fg admet une base ayant un nombre ni delements En fait tout espace
vectoriel non reduit a fg admet une base mais la demonstration quand on
nest pas en dimension nie nest pas du niveau de ce cours
Le resultat qui suit theoreme de lechange est fondamental dans letude
des bases des espaces vectoriels
Chapitre
Ex Soit E un espace vectoriel F une famille libre de E et G une famille
generatrice de E Montrer que si F E alors il existe x G tel que F fxg
soit une famille libre et que dans ces conditions F F fxg
Ex Theoreme de la base incomplete Soit E un espace vectoriel
de dimension nie F une famille libre de E et G une famille generatrice
de E Montrer quon peut completer la famille F en une base de E en lui
adjoignant des vecteurs de G
Ex Montrer que dans un espace vectoriel de dimension nie toutes les
bases ont le meme nombre delements
Denition Si E est un espace de dimension nie nous appellerons
dimension de E et noterons dimE le nombre delements dune base de
E toutes les bases ont le meme nombre delements si E fg et si
E fg
Remarque en dimension nie n on indexe en general les elements dune
base par f ng ou par f n g
Ex Soit E un espace vectoriel de dimension nie n Montrer que e
i
in
est une base de E si et seulement si e
et pour tout i n e
i
e
e
i
Denition Soit E un espace vectoriel s
i
iI
une famille de vecteurs
de E telle que le sous espace S s
i
iI
engendre par les vecteurs s
i
soit de
dimension nie On appelle rang de la famille s
i
iI
la dimension de S
Remarques
Sur les methodes utilisees en dimension nie En dimension nie
si on connat la dimension n de lespace pour montrer quune famille de n
elements est une base il sut de montrer quelle est soit libre soit genera
trice Remarquons quun espace de dimension n sur un corps ni a q elements
a q
n
elements cette remarque permet de trouver la dimension n de lespace
si on connat son cardinal
Suites et fonctions Une fonction f dun ensemble ni a n elements
dans un corps K outre sa representation fonctionnelle peut etre denie aussi
par ses valeurs cestadire par un nuple a
a
n
Ce nuple peut etre
aussi considere comme la suite des coecients dun polynome a
a
X
Bases Dimension
a
n
X
n
Ces trois representations dun meme objet peuvent etre utiles
De plus se donner une base dun espace de dimension n revient a representer
tout element de cet espace par ses composantes cestadire par un nuple
ce qui donne aux trois representations precedentes une grande importance
Droites et hyperplans Dans un espace vectoriel E de dimension n
un sous espace vectoriel de dimension est appele droite vectorielle ou
plus brievement droite un sous espace vectoriel de dimension n est
appele hyperplan vectoriel ou plus brievement hyperplan
Exemples de bases
Ex Montrer que dans K
n
la famille e
i
in
ou
e
i
le etant la i
e
composante est une base
Ex Montrer que la famille XX
est une base de KX et que la
famille XX
X
n
est une base de lespace K
n
X des polynomes de
degre n
Ex Soit FAK lespace des fonctions denies sur un ensemble ni A a
valeurs dans le corps K Pour tout a A notons e
a
la fonction denie par
e
a
a et e
a
x si x a Montrer que la famille e
a
aA
est une base
Quelles sont les composantes dune fonction f sur cette base
Ex Dans lespace K
n
X des polynomes de degre n on considere pour
tout i n un polynome P
i
X de degre exactement i Montrer que la
famille P
i
X
in
est une base de K
n
X
Ex Soit E un espace vectoriel de dimension n et e
i
in
une base de
E Pour tout j n on pose
f
j
X
ij
a
ij
e
i
avec a
jj
Montrer que la famille f
j
jn
est une base de E
Ex Soit E un espace vectoriel de dimension n sur le corps ni F
q
a q
elements Quel est le nombre delements de E Quel est le nombre de familles
libres de E ayant k elements Quel est le nombre de bases de E Combien y
Chapitre
atil de sous espaces de dimension k dans E Quel est le nombre de directions
de droites dans E
Ex Soit B
n
Ff g
n
f g lespace sur le corps a deux elements
des fonctions booleennes de n variables booleennes Quel est le nombre dele
ments de B
n
En deduire la dimension de B
n
Pour tout a a
a
n
f g
n
on denit la fonction
e
a
x
x
n
Y
in
x
i
a
i
Montrer que la famille e
a
afg
n
est une base de B
n
Comparer avec lexer
cice
Quelles sont les composantes dune fonction f sur cette base
Montrer que toutes les fonctions de B
n
sont des fonctions polynomiales en n
variables de degre total au plus n et de degre partiel par rapport a chaque
variable au plus
Trouver une base de B
n
constituee de fonctions monomiales
Traiter en detail lexemple n
Ex Soient E et F deux espaces vectoriels de dimension nie Construire
une base de lespace LEF des applications lineaires de E dans F Quel
est la dimension de cet espace
Somme directe
Chapitre
Somme directe de sous espaces
Introduction
La notion de somme de sous espaces permet une decomposition plus grossiere des vecteurs
que la notion de base On obtient par exemple des decompositions du type toute fonction
reelle est de maniere unique somme dune fonction paire et dune fonction impaire
Decomposition despaces vectoriels
Denition Soient E
et E
deux sous espaces vectoriels dun espace
E La somme de ces deux sous espaces notee E
E
est lensemble des
x
x
ou x
E
et x
E
Ex Montrer que la somme E
E
est un sous espace vectoriel de E
Ex Soit F E
E
Montrer que pour que tout element de F secrive
de maniere unique sous la forme x
x
avec x
E
et x
E
il faut et
il sut que E
E
fg
Denition Si E
et E
verient E
E
fg on dit que la somme
E
E
est une somme directe et on la note E
E
Ex Soient E
et E
deux sous espaces de dimension nie dun espace E
tels que E
E
fg Soit u
u
p
une base de E
et v
v
q
une
base de E
Montrer que u
u
p
v
v
q
est une base de E
E
Chapitre
On en conclut que dimE
E
dimE
dimE
Ex Soit E un espace vectoriel et e
i
iI
une base de E Considerons une
partition I J K de I Montrer que si on pose E
e
i
iJ
et E
e
i
iK
alors E E
E
Ex Soit E un espace de dimension nie et E
un sous espace de E Montrer
quil existe un sous espace E
de E tel que E E
E
Ce sous espace E
estil unique
Ex Si E
et E
sont deux sous espaces de dimension nie de E montrer
que dimE
E
dimE
dimE
dimE
E
Denition Soit E un espace de dimension nie et E
un sous espace
de E Un sous espace E
de E tel que E E
E
est appele un supple
mentaire de E
dans E
Ex Montrer que tous les supplementaires de E
ont la meme dimension
Denition En dimension nie la dimension dun supplementaire de
E
est appelee la codimension de E
et notee codimE
Ex Soit E un espace de dimension nie dont on xe une base e
e
n
Soit C un sous espace vectoriel de dimension k de E Montrer quil existe
une sous famille de n k vecteurs e
i
e
i
n
k
de la base e
e
n
telle
que
E C e
i
e
i
nk
Pour tout j f ng n fi
i
nk
g on decompose e
j
en la somme dun
vecteur c
j
C et dun vecteur f
j
e
i
e
i
nk
e
j
c
j
f
j
Montrer que la famille c
j
ainsi obtenue est une base de C
Comment sont les composantes des vecteurs e
j
ou j f ngnfi
i
nk
g
dans la base g
i
in
ou g
i
e
i
si i fi
i
nk
g et g
i
c
i
sinon
Denition Soit E un espace vectoriel decompose en somme directe
de deux de ses sous espaces E
et E
E E
E
La projection p sur E
parallelement a E
est lapplication qui a tout x de E
fait correspondre sa composante x
sur E
dans la decomposition x x
x
ou x
E
et x
E
Somme directe
Ex Montrer que la projection p ainsi denie est une application lineaire
veriant p
p Quel est le noyau de p Quelle est limage de p
Ex Soit E un espace vectoriel de dimension nie et f un endomorphisme
de E tel que f
f Montrer que f est une projection
Exemples de decompositions
Ex Donner des exemples et des contre exemples dans le plan et dans
lespace faire des dessins
Ex Montrer que C R i
Ex Soient E et F deux espaces vectoriels sur le meme corps On considere
les deux sous espaces E
et F
de E F denis par E
E fg et
F
fg F Montrer que E F E
F
Ex Soit FRR lespace de toutes les fonctions de R dans R On note
P le sous espace constitue des fonctions paires et I le sous espace constitue
des fonctions impaires
Montrer que FRR P I
Ex Soit FRR lespace de toutes les fonctions de R dans R On note
F
a
le sous espace des fonctions nulles au point a et C le sous espace des
fonctions constantes
Montrer que FRR F
a
C
Ex Soit KX lespace des polynomes a une variable et a coecients
dans le corps K Fixons NX KX et notons n suppose le degre
de NX Soit E le sous espace de KX constitue des multiples AXNX
de NX Montrer que
KX K
n
X E
ou K
n
X est le sous espace constitue des polynomes de degre n
Ex Soit E un espace vectoriel de dimension n H un hyperplan vectoriel
de E D une droite vectorielle qui nest pas contenue dans H Montrer que
E H D
Chapitre
Somme de plusieurs sous espaces
Nous etendons maintenant la notion de somme directe a un nombre ni
quelconque de sous espaces
Ex Montrer que la somme de deux sous espaces vectoriels est associative
Ceci nous permet donc denvisager de generaliser la notion de somme a un
nombre ni de sous espaces
Denition Soit Ei
is
une famille nie de s sous espaces vectoriels
dun espace vectoriel E La somme de ces s sous espaces notee E
E
s
est lensemble des x
x
s
ou x
i
E
i
Ex Montrer que la somme E
E
s
est un sous espace vectoriel de
E
Ex Montrer que pour que tout element de E
E
s
secrive de maniere
unique sous la forme x
x
s
ou x
i
E
i
il faut et il sut que pour
chaque i s on ait
E
i
E
E
i
E
i
cdots E
s
fg
Denition Si la famille Ei
is
verie pour chaque i s
E
i
E
E
i
E
i
E
s
fg
on dit que la somme E E
s
est directe On la note
M
is
E
i
Ex Soit
E
E
E
n
une suite de sous espaces vectoriels de dimension nie dun espace vectoriel
E Montrer quil existe une suite F
i
in
de sous espaces vectoriels de E
telle que pour tout j n
E
j
M
ij
F
i
Ex Generaliser les notions de somme et de somme directe a une innite
de sous espaces
Projections
Chapitre
Projections
Introduction
La notion de projection est une notion tres importante liee a la decomposition en somme
directe On peut intuitivement se faire une idee de ce que represente une projection en se
placant en geometrie a dimensions sur R et en pensant par exemple a la projection sur
un plan parallelement a une droite
Projection et somme directe
Denition Soit E un espace vectoriel decompose en somme directe
de deux de ses sous espaces E
et E
E E
E
La projection p sur E
parallelement a E
est lapplication de E dans E
qui a tout x de E fait correspondre sa composante x
sur E
dans la decom
position x x
x
ou x
E
et x
E
Ex Montrer que la projection p ainsi denie est une application lineaire
veriant p
p Quel est le noyau de p Quelle est limage de p
Ex Soit E un espace vectoriel de dimension nie et f un endomorphisme
de E tel que f
f Montrer que f est une projection
Chapitre
Ex Soit E un espace vectoriel de dimension nie E
E
deux sous es
paces de E Soit F
un supplementaire de E
dans E et F
un supplementaire
de E
dans E
Montrer que la somme F
F
est directe
Soit p
la projection de E sur E
parallelement a F
et p
la projection de
E
sur E
parallelement a F
Montrer que p p
p
est la projection de E
sur E
parallelement a F
F
Ex Montrer que si deux projections p
et p
commutent alors p
p
est
une projection
Montrer que
Imp
p
Imp
Imp
et que
Kerp
p
Kerp
Kerp
Construire des exemples de projections qui commutent
Formes lineaires
Chapitre
Formes lineaires
Introduction
Les formes lineaires sont des applications lineaires particulieres lespace darrivee est de
dimension cest le corps de base K Ceci motive une etude specique En eet il est
clair par exemple que letude dune fonction de R
n
dans R
m
se ramene a letude de m
fonctions de R
n
dans R quand on veut etudier un signal ou il y a n entrees et m sorties
on peut etudier chaque sortie en fonction des n entrees en particulier on peut considerer
que letude dune application lineaire de R
n
dans R
m
peut passer par letude de m formes
lineaires sur R
n
Cette facon de voir meme si elle ne constitue pas le seul angle dattaque
motive une etude particuliere du cas des formes lineaires De plus du fait que m les
resultats sexpriment souvent de maniere plus agreable et plus instructive
Formes lineaires Espace dual
Denition Soit E un espace vectoriel sur un corps K Une forme
lineaire sur E est une application lineaire de E dans K
Ex Montrer que si f est une forme lineaire non nulle alors Imf K
en particulier la dimension de limage de f est
Denition Le dual de E que nous noterons E
est lensemble des
formes lineaires sur E
Chapitre
Ex Montrer que E
muni de laddition des formes lineaires et de la
multiplication par un scalaire est un espace vectoriel sur K
Ex Soit f une forme lineaire non nulle sur un espace vectoriel E de
dimension nie n Montrer que le noyau de f est un hyperplan de E
Ex Reciproquement montrer que tout hyperplan de E est le noyau dune
forme lineaire
Ex Soit E un espace vectoriel de dimension nie n muni dune base
e
i
in
de E On considere dans E
la famille e
j
jn
denie par e
j
ei
ij
on rappelle que la notation de Kronecker
ij
designe si i j et sinon
Que peut on dire de la dimension de E
Montrer que la famille e
j
jn
est
une base de E
La dimension de E
est donc n
Denition La base e
j
jn
de E
est appelee la base duale de la
base e
i
jn
Denition Le bidual E
de E est le dual de E
Ex On suppose que E est un espace vectoriel de dimension nie Soit q
lapplication de E dans E
denie par
qxf fx
ou x E et f E
Montrer que q est un isomorphisme de E sur E
Attention ici le fait que
E soit de dimension nie est primordial En dimension innie qE nest pas
egal a E
Ex Montrer que si f
j
jn
est une base de E
il existe une unique base
e
i
in
dont f
j
jn
est la base duale Ainsi on peut parler de couples de
bases duales
Ex Soit E un espace vectoriel de dimension n Supposons quil existe une
famille e
i
in
de E et une famille f
j
jn
de E
telles que f
j
e
i
ij
Montrer qualors e
i
in
est une base de E et que donc f
j
jn
est sa
base duale
Formes lineaires
Exemples de formes lineaires Applica
tions
Ex Montrer que pour tout i n lapplication p
i
de R
n
dans R qui
a tout x x
x
n
associe x
i
est une forme lineaire sur E Montrer que
la famille p
i
in
est une base de R
n
De quelle base la base p
i
in
est
elle la base duale
Ex Soit RX lespace des polynomes a coecients reels
a Montrer que si a R lapplication
a
qui a tout polynome P fait
correspondre sa valeur P a au point a est une forme lineaire sur RX
b Montrer que lapplication I qui a tout polynome P fait correspondre
son integrale sur le segment est une forme lineaire sur RX
c Montrer que lapplication qui a tout polynome P fait correspondre la
valeur de sa derivee au point a est une forme lineaire sur RX
Ex formule des trois niveaux
a Notons R
X lespace des polynomes de degre sur R Rappeler la
dimension de R
X
Notons
a
la forme lineaire qui a tout polynome P de degre fait corres
pondre sa valeur P a au point a Soit un reel distinct de et de On
considere les formes lineaires
Montrer quil existe polynomes
P
P
P
quon calculera veriant
i
P
j
ij
si i j sinon pour
tout i et tout j dans f g
En conclure que
est une base de R
X
et que P
P
P
est
une base de R
X
Notons I la forme lineaire sur R
X denie par
IP
Z
P tdt
Montrer quil existe constantes telles que
I
et donc que pour tout polynome P de degre on a
Z
P tdt P P P
Chapitre
b On se place maintenant dans lespaceR
X des polynomes de degre
sur R et comme dans le a on considere les formes lineaires
ou
a
est la forme lineaire qui a tout polynome P de degre fait correspondre
sa valeur P a au point a On note J la forme sur R
X denie par
JP
Z
P tdt
Montrer que si on pose P
X XXX la famille P
P
P
P
est une base de R
X
Calculer
a
P
pour a f g
Montrer quil existe une valeur et une seule
de telle que JP
On
calculera explicitement cette valeur
Montrer que pour
J est dans le sous espace engendre par
En conclure quil existe des constantes
quon calculera explicite
ment telles que pour tout polynome P de degre on ait
Z
P tdt
P
P
P
Ex On se place dans lespace R
X des polynomes de degre sur R
On considere les formes lineaires
ij
ou i et j sont dans f g denies par
ij
P D
i
P
j
ou D est loperateur de derivation
Montrer quil existe polynomes P
ij
quon determinera tels que
ij
P
kl
ik
jl
Ainsi les P
ij
et les
ij
forment un couple de bases duales
Ex On se place dans lespace R
X des polynomes de degre sur R
Soient et tels que On note
et
les formes lineaires
sur R
X ou comme dans les exercices precedents
u
P P u Montrer
quil existe deux polynomes P
X et P
X quon calculera explicitement
tels que
u
P
v
uv
u v f g
En conclure que si et sont xes il existe des constantes et telles que
I
Formes lineaires
ou I designe la forme lineaire sur R
X denie par
IP
Z
P tdt
ce qui veut dire que pour tout P R
X
IP P P
Sinspirer des exercices precedents pour montrer quil existe un choix et un
seul des points et pour lequel cette derniere formule est vraie pour tout
polynome de degre Determiner ces points et ainsi que les constantes
et qui decoulent de ce choix
Ex polynomes de Lagrange Sur R on considere des points
x
x
x
n
On note
u
la forme lineaire sur lespace R
n
X des polynomes de degre n
denie par
u
P P u Considerons les polynomes
L
k
X
X x
X x
k
X x
k
X x
n
x
k
x
x
k
x
k
x
k
x
k
x
k
x
n
Montrer que pour i j f ng
x
i
L
j
ij
En conclure que les polynomes L
k
X forment une base de R
n
X ayant
x
j
j
pour base duale
Soit P X R
n
X Alors P X se decompose dans la base des L
k
X sous
la forme
P X
n
X
k
a
k
L
k
X
Calculer les coecients a
k
de cette decomposition
En conclure quil existe un polynome de degre n et un seul qui prend aux
n points x
i
des valeurs xees y
i
Quel est ce polynome On lappelle polynome dinterpolation de La
grange veriant les conditions donnees
Ex Soit E un espace de dimension n sur le corps ni F
q
a q elements
Quel est le nombre dhyperplans vectoriels distincts Quel est le nombre
dhyperplans vectoriels distincts contenant un sous espace xe de dimension
k n
Chapitre
Complements sur la dualite
Ex Soient E et F deux espaces vecoriels de dimension nie et T une
application lineaire de E dans F On denit lapplication T
du dual F
de
F dans le dual E
de E par
T
fx fT x
Montrer que T est une application lineaire de F
dans E
Cest la trans
posee de f
Ex Soient E et F deux espaces vectoriels de dimension nie et T une
application lineaire de E dans F q lapplication de E dans E
denie par
qxf fx q
lapplication de F dans F
denie de la meme fa con
Montrer que T
qx q
T x
Ex Soit F un espace vectoriel de dimension nie n et f
f
n
une
base de F Soit C un sous espace de dimension k de F Notons lapplication
de F F dans le corps de base denie par
x y
n
X
i
x
i
y
i
ou x
P
n
i
x
i
f
i
et y
P
n
i
y
i
f
i
Notons T lapplication de F dans F
qui
a tout y F associe T y
y
de telle sorte que
y
x x y
a Montrer que T est un isomorphisme de F sur F
En particulier pour
tout g F
il existe un unique y F tel que pour tout x F gx x y
b Denissons maintenant
C
fy F
y
x x Cg
Montrer que C C
Montrer que si C
C
alors C
C
Montrer que C
C
Montrer enn que C C
Matrices
Chapitre
Matrices et applications
lineaires
Introduction
Nous nous placons dans cette partie dans des espaces vectoriels de dimension nie Nous
allons voir quune application lineaire peut etre lorsque des bases sont choisies dans lespace
de depart et celui darrivee representee par un tableau de coecients quon appelle une
matrice En consequence on peut operer sur ces tableaux de nombres en pensant aux ope
rations correspondantes sur les applications lineaires et reciproquement Nous exposerons
cette notion en nous referant en permanence a cette double interpretation
Applications lineaires entre espaces vec
toriels munis de bases
Soient E et F deux espaces vectoriels de dimensions nies respectivesm et n
sur un meme corps K Soient e
e
e
m
une base de E et f
f
f
n
une base de F Soit enn f une application lineaire deE dans F Tout element
x de E secrit de maniere unique sous la forme
x
m
X
j
x
j
e
j
et donc
Chapitre
fx
m
X
j
x
j
fe
j
Par consequent lapplication f est connue des que les images fe
j
sont
connues Reciproquement si on xe les fe
j
la formule precedente denit
bien une application lineaire Se donner une application lineaire est donc
equivalent a se donner les images des vecteurs de la base choisie Il est com
mode de stocker dans un tableau rectangulaire appele matrice les compo
santes des vecteurs fe
j
dans la base f
f
f
m
Plus precisement on
met a la colonne j et a la ligne i la composante a
ij
du vecteur fe
j
sur
le vecteur de base f
i
Ainsi la colonne j du tableau contient bien le vecteur
sous forme de composantes fe
j
Denition La matrice
A a
ij
in
jm
ou encore
A
B
B
a
a
a
m
a
a
a
m
a
n
a
n
a
nm
C
C
A
est la matrice de lapplication lineaire f dans les bases donnees Cette matrice
a n ligne et m colonnes on dira que sa taille est nm
Remarquons bien que si on utilise dautres bases pour les espaces E et F on
change aussi la matrice de lapplication lineaire f
Soit E un espace vectoriel de dimension nie lidentite de E dans E lorsque
on choisit la meme base dans E espace de depart et dans E espace darrivee
a pour matrice
I
B
B
B
C
C
C
A
appelee matrice unite
Matrices
Exemples de matrices dapplications li
neaires
Ex Soit E le plan vectoriel muni dune base orthonormee On considere
dans E la rotation vectorielle dangle E est ici a la fois espace darrivee et
espace de depart avec la meme base Quelle est sa matrice
Ex On muni R
de la base habituelle e
e
e
et R
de la base f
f
Soit lapplication lineaire
de R
dans R
denie par x
x
x
ax
bx
ou a et b sont des
constantes reelles Quelle est la matrice de
Ex Soit K
n
X lespace des polynomes de degre n a coecients dans
K On munit cet espace de la base x
x
x
x
n
n
Soit D loperateur
de derivation de K
n
X dans luimeme Quelle est la matrice de D
Ex Reprenons les hypotheses et les notations de lexercice precedent Soit
T
h
loperateur de translation sur K
n
X deni par T
h
P X P X h
Exprimer T
h
en fonction de h et de D penser a la formule de Taylor pour
les polynomes
Quelle est la matrice de T
h
Ex On considere le plan de la geometrie euclidienne muni dun repere
orthonorme O e
e
Soit t lapplication lineaire de ce plan dans lui meme
de matrice pour la base xee
T
h
h
ou h
Quelle est limage
ON par t du vecteur
OM de coordonees x y
Donner une construction geometrique de cette image
Soit M
On construit successivement les points M
n
tels que
OM
n
t
OM
n
Montrer que les points M
n
sont sur une spirale logarithmique
Ex Soit E lespace vectoriel sur le corps f g des applications anes
de f g
dans f g cestadire les applications de la forme x
x
x
u
u
x
u
x
u
x
dont on prend pour base les applications
x
x
x
x
x
x
x
Chapitre
x
x
x
x
x
x
x
x
Soit F lespace vectoriel des fonctions de f g
dans f g muni de la base
e
i
i
ou e
i
x
x
x
si i x
x
x
autrement dit si i a
x
x
x
pour developpement binaire et e
i
x
x
x
sinon
Soit I lapplication qui a f E fait correspondre f F Quelle est la matrice
de I dans les bases considerees
Ex Soit K
X lespace des polynomes de degre a coecients dans
le corps K et x
x
x
x
des points distincts de K Soit T lapplication de
K
X dans K
denie par
T P P x
P x
P x
P x
Quelle est la matrice de T lorsque K
X est muni de la base des monomes
et K
de sa base habituelle les
matrices de cette forme ou leurs transposees sont dites matrices de Van
dermonde
Quelle est la matrice de T lorsque K
X est muni de la base des polynomes
de Lagrange L
L
L
L
cf Formes lineaires Ex
Ex Soit K
X lespace des polynomes de degre a coecients dans
le corps K et x
x
des points distincts de K Soit T lapplication de K
X
dans K
denie par
T P P x
P
x
P x
P
x
Quelle est la matrice de T lorsque K
X est muni de la base des monomes
et K
de sa base naturelle
Ex Soit u u
u
u
u
un point xe dans R
On considere lapplica
tion T
u
de R
dans R
denie par
T
u
f
f
f
f
g
g
g
g
avec
g
i
X
kli mod
f
k
u
l
Quelle est la matrice de T
u
lorsque R
est muni de sa base naturelle
Remarque Ici on peut considerer les elements de R
comme des fonctions
denies par leurs valeurs de ZZdans R Alors si f f
f
f
f
est
une telle fonction la fonction g T
u
f est la convolee f u Les matrices
de cette forme sont dites matrices circulantes
Operations sur les matrices
Chapitre
Operations elementaires sur les
matrices
Introduction
Il existe de nombreuses operations interessantes sur les tableaux matriciels Nous presen
tons ici les operations simples qui decoulent des operations de base sur les applications
lineaires laddition la multiplication par un scalaire la composition la transposition
Operations sur les matrices
Soient EFG trois espaces vectoriels sur le meme corps K munis des bases
respectives e e
i
im
f f
j
jn
g g
k
kp
Ex Montrer que si a et b sont des applications lineaires de E dans F de
matrices respectives a
ij
ij
et b
ij
ij
alors ab a pour matrice a
ij
b
ij
ij
Denition La somme de deux matrices A a
ij
ij
et B b
ij
ij
de meme taille est la matrice C c
ij
ij
de meme taille ou c
ij
a
ij
b
ij
On note C AB
Ex Montrer que si a est une application lineaire de E dans F de matrice
a
ij
ij
et si K alors a a pour matrice a
ij
ij
Denition Le produit dune matrice A a
ij
ij
par un scalaire
est la matrice C c
ij
ij
de meme taille ou c
ij
a
ij
On note C A
Chapitre
Denissons le produit dun vecteur ligne par un vecteur colonne
a
a
n
b
b
n
A
comme etant le scalaire
P
n
i
a
i
b
i
Ex Soit b LEF une application lineaire de E dans F de matrice
B b
ij
ayant donc n lignes et m colonnes et a LFG une application
lineaire de F dans G de matrice A a
ij
ayant donc p lignes et n colonnes
La composee a b est une application lineaire c de E dans G et sa matrice
sera notee C c
ij
Cette matrice a p lignes et m colonnes
Montrer que le coecient c
ij
est obtenu en faisant le produit de la ligne i de
la matrice A par la colonne j de la matrice B
Denition Le produit de deux matrices A a
ij
ij
de taille p n
et B b
ij
ij
de taille nm est la matrice C c
ij
ij
de taille pm ou
c
ij
P
n
k
a
ik
b
kj
On note C AB
Ex Soit a LEF dont la matrice est A a
ij
ij
de taille nm
Considerons lapplication transposee a
de F
dans E
denie par a
x
ax Montrer que la matrice a
ij
ij
de a
quand F
est muni de la base
duale de la base f et E
muni de la base duale de la base e est de taille mn
et verie a
ij
a
ji
Denition La transposee de la matrice A a
ij
de taille nm
est la matrice A
t
a
ji
de taille mn
Ex Montrer que AB
t
B
t
A
t
Structures des espaces de matrices
Compte tenu de linterpretation des matrices en termes dapplications li
neaires les structures de bases seront les memes
Notons M
mn
K lensemble des matrices ayant m lignes et n colonnes a
coecients dans K Avec laddition des matrices et la multiplication par un
scalaire M
mn
K est muni dune structure despace vectoriel sur K
Ex Construire une base de M
mn
K Quelle est sa dimension
Operations sur les matrices
Lorsque m n on a lespace M
n
K des matrices carrees dordre n La
multiplication des matrice est alors une operation interne de cet ensemble et
lui confere une structure danneau non commutatif Lunite de lanneau est
la matrice unite
Ex Donner des exemples de matrices carrees de meme taille A et B telles
que AB BA
Ex Montrer que si A et B sont des matrices inversibles dansM
n
K alors
AB
B
A
Chapitre
Determinants
Chapitre
Determinants
Introduction
A une famille de n vecteurs dans un espace de dimension n ou encore a une matrice carree
de taille n n qui peut etre consideree aussi comme la famille formee par ses n vecteurs
colonnes on associe un element du corps de base appele le determinant du systeme quon
peut concevoir de maniere intuitive comme le volume algebrique du parallelepipede
en dimension n construit sur les vecteurs de la famille Ainsi ce determinant sera si et
seulement si la famille de vecteurs est liee
Formes multilineaires alternees Deter
minants
Soit E un espace vectoriel sur le corps K de dimension nie n dans lequel
on xe une base e e
i
in
Denition Une forme nmultilineaire alternee f est une appli
cation de E
n
dans K qui est lineaire par rapport a chacune des n variables
et qui verie en outre pour tout couple i j n et tout x
x
n
fx
x
i
x
j
x
n
fx
x
j
x
i
x
n
Ainsi lorsque f est nmultilineaire alternee en utilisant la decomposition de
toute permutation en produit de transpositions on peut ecrire pour toute
permutation de f ng
fx
x
n
fx
x
n
Chapitre
ou est la signature de la permutation
Ex Montrer que lensemble des formes nmultilineaires alternees est un
sous espace vectoriel de lensemble des fonctions de E
n
dansK Nous noterons
A
n
E cet espace vectoriel
Ex Soit x
x
n
une famille de n vecteurs de E dont les composantes
dans la base e xee sont donnees par
x
i
n
X
j
x
ij
e
j
Soit A
n
E
Montrer que
x
x
n
X
S
n
x
x
nn
e
e
n
ou S
n
est le groupe des permutations de f ng
Soit K Montrer que lapplication
de E
n
dans K denie par
x
x
n
X
S
n
x
x
nn
est une forme nmultilineaire alternee
En conclure que dimA
n
E et que toute forme multilineaire alternee
est denie par sa valeur prise sur e
e
n
Denition On appelle determinant dans la base e e
e
n
la forme nmultilineaire alternee qui vaut sur e
e
n
Ainsi
detx
x
n
X
S
n
x
x
nn
Le determinant dune matrice carree est le determinant de la famille de ses
vecteurs colonnes
Ex Utiliser la formule precedente pour calculer dans le cas n
det
a
a
a
a
Determinants
Ex Montrer que detA detA
t
Ex Montrer que detA
n
detA
Ex Donner un exemple dans lequel detAB detA detB
Ex Montrer que si la famille x
x
n
est liee alors detx
x
n
En conclure que si A est une matrice carree et si B est obtenue a partir de
A en ajoutant a une colonne resp a une ligne une combinaison lineaire des
autres colonnes resp des autres lignes alors detA detB
Ex Soit A a
ij
ij
une matrice carree dordre n Si i j n notons
A
ij
la matrice carree dordre n obtenue en supprimant de la matrice A
la ligne i et la colonne j
Montrer que
detA
n
X
i
ij
a
ij
detA
ij
puis
detA
n
X
j
ij
a
ij
detA
ij
La premiere formule donne le developpement du determinant suivant la co
lonne j la deuxieme formule donne son developpement suivant la ligne i
Ex Soit A une matrice diagonale dont les coecients diagonaux seront
notes
i
Quel est le determinant de A En particulier quel est le determinant
de la matrice unite
Ex Montrer que detAB detAdetB
En conclure que si A est inversible detA et que detA
detA
Ex Montrer que detA est equivalent a A inversible
Ex Soit E un espace vectoriel de dimension n muni dune base e Soit
f
j
jm
une famille nie de vecteurs de E On appelle A la matrice de
taille nm dont les vecteurs colonnes sont les vecteurs f
j
decomposes dans
la base e Montrer que le rang du systeme de vecteurs f
j
jm
est r si et
seulement sil existe une matrice carree B extraite de A de taille r r de
determinant non nul et toute matrice carree de taille r r extraite
de A est de determinant nul
Chapitre
Calcul de determinants
Les problemes de calcul de determinants se classent dans deux categories
distinctes Dune part le calcul de type formel pour les determinants qui ont
une forme particuliere dautre part le calcul numerique de determinants sans
forme algebrique particuliere Le cas du calcul formel de determinants nest
pas un cas decole De nombreux problemes concrets conduisent en eet a
sinteresser a des determinants ayant une forme particuliere et pour lesquels
on arrive a obtenir une formule close
Le calcul numerique de determinants !quelconques! se fait des que lordre
depasse trois ou quatre par des methodes numeriques adaptees par exemple
pivot de Gauss
Ex Calculer le determinant
D
n
cos sin
sin cos
Ex Calculer le determinant
a b c d
Ex Calculer le determinant
x y x y
y x y x
x y x y
Ex calculer le determinant dordre n tridiagonal en fonction des para
metres abc
Determinants
D
n
a b
c a b
c a b
a b
c a
On pourra etablir une relation de recurrence liant D
n
a D
n
et D
n
Ex Determinants de Vandermonde On considere le determinant
V z
z
z
n
z
z
z
n
z
n
z
n
z
n
n
On remarquera que ce determinant est un polynome en les n variables
z
z
n
Quel est le degre de ce polynome
Montrer que ce polynome a pour tout i j le monome z
j
z
i
en facteur
Calculer ce determinant
Ex Calculer le determinant
D
n
n
n
n
n
n
n
ou
k
e
ik
n
Ex Calculer le determinant circulant dordre n
a
a
a
n
a
n
a
a
n
a
a
a
on pourra multiplier a droite ce determinant par le determinant de lexercice
precedent
Chapitre
Ex Calculer le determinant dordre n
cosx
sinx
cosnx
sinnx
cosx
sinx
cosnx
sinnx
cosx
n
sinx
n
cosnx
n
sinnx
n
Ex On veut calculer le determinant D
n
dordre n dont le coecient
dindice i j est
a
i
b
j
on supposera que a
i
b
j
Montrer dans un premier temps que D
n
est de la forme
D
n
c
n
Q
n
ij
a
i
a
j
b
i
b
j
Q
n
ij
a
i
b
j
ou c
n
est une constante
Montrer que
lim
a
n
a
n
D
n
a
b
a
b
n
a
n
b
a
n
b
n
puis que
lim
b
n
lim
a
n
a
n
D
n
a
b
a
b
n
a
n
b
a
n
b
n
En conclure que
lim
b
n
lim
a
n
a
n
D
n
D
n
puis que pour tout n c
n
Applications lineaires
Chapitre
Applications lineaires en
dimension nie
Introduction
Nous reprenons ici letude des applications lineaires dun espace de dimension nie dans
un autre espace de dimension nie Nous regarderons alors ce quapporte la notion de base
a cette etude
Bases et applications lineaires
Soit E et F deux espaces vectoriels sur le meme corps K de dimensions res
pectivesm et n Soit e e
e
m
et f f
f
n
des bases respectives
de E et de F est une application lineaire de E dans F
Ex Montrer que Im e
e
m
Denition On appelle rang dune application lineaire la dimension
de son image
Ex Soit G un sous espace vectoriel de E Montrer quil existe une appli
cation lineaire de E dans F telle que Ker G
Ex Soit G un sous espace vectoriel de E Dans E on denit la relation
xRy si et seulement si x y G
Montrer que R est une relation dequivalence
Chapitre
Montrer que sur lensemble quotient on denit une structure despace vecto
riel en posant
clx cly clx y
clx clx
ou clx designe la classe dequivalence de x
Denition Lespace vectoriel denit precedemment est appele es
pace quotient de E par G on le note EG
Ex Soit D un supplementaire de G dans E
E GD
Si x et y sont deux elements de E alors x et y secrivent de maniere unique
sous la forme x g
x
d
x
et y g
y
d
y
avec g
x
g
y
G d
x
d
y
D
Montrer que si x y G alors d
x
d
y
On peut alors denir lapplication p de EG dans D par
pclx d
x
Montrer que p est une application lineaire
Montrer que p est bijective
Quelle est la dimension de EG
On remarque quil est en un certain sens equivalent de travailler avec un
supplementaire de G ou avec EG
Ex factorisation des applications lineaires Montrer quil existe une
application injective " unique de EKer dans F telle que " s ou
s est la surjection naturelle de E sur EKer
Si de plus est surjective alors " est bijective
Ex SoitD un supplementaire deKer dans E Montrer que la restriction
"
de a D est surjective Comparer "
a lapplication " de lexercice
precedent
Denition Soit e
e
e
m
une autre base de E La matrice P
de lapplication identite de E muni de la base e
sur E muni de la base e est
la matrice de passage de la base e a la base e
Ainsi les colonnes de P
sont les coordonnees des vecteurs de la nouvelle base e
dans lancienne base
e
Applications lineaires
Ex Montrer que P est inversible
Ex Soit e
e
e
m
une autre base de E et f
f
f
n
une
autre base de F Notons P la matrice de passage de la base e a la base e
et
Q la matrice de passage de la base f a la base f
Si A est la matrice de
pour les bases e et f montrer que la matrice A
de pour les bases e
et f
verie
A
Q
AP
Ainsi dans le cas ou F E et ou f e f
e
on obtient pour lendomor
phisme
A
P
AP
Ex Etudier le cas ou F E
f e
base duale de E et f
e
Si P est la matrice de passage de e a e
quelle est la matrice de passage de
e
a e
Montrer que
A
P
t
AP
Ex Soit E un espace vectoriel de dimension nie n e e
e
m
une
base xee dans E f une application lineaire de E dans E endomorphisme ou
operateur de matriceA dans les bases donnees Montrer que A est inversible
f inversible si et seulement si detA
Ex Expression de linverse dune matrice
Soit A a
ij
ij
une matrice carree dordre n Si i j n notons A
ij
la
matrice carree dordre n obtenue en supprimant de la matrice A la ligne
i et la colonne j
On appelle cofacteur de a
ij
le nombre
ij
detA
ij
Montrer que
A
detA
C
ij
ij
ou C
ij
est le cofacteur de a
ji
Exemples
Ex Soit R
n
X lespace des polynomes de degre n Soit m n et
x
x
m
des reels distincts Soit F le sous espace des multiples du polynome
NX Xx
Xx
m
Quelle est la dimension du quotientR
n
XF
Chapitre
Determiner un isomorphisme de ce quotient sur R
m
X
Ex Dans le plan de la geometrie euclidienne on considere une base or
thonormee e
e
Soit R
la rotation vectorielle dangle On considere la
base f
f
ou f
R
e
et f
R
e
Quelle est la matrice de passage
de la base e
e
a la base f
f
On considere lapplication lineaire de
matrice
S
cos
sin
sin
cos
dans la base e
e
Quelle est la matrice de cette application lineaire dans
la base f
f
Systemes lineaires
Chapitre
Systemes lineaires
Introduction
La resolution dun systeme lineaire de m equations a n inconnues pouvant prendre leurs
valeurs dans un corps donne sinterprete en terme dalgebre lineaire comme la recherche
dun vecteur dans un espace de dimension n dont limage par une application lineaire
donnee est un vecteur donne dans un espace de dimension m Nous verrons a ce propos
plusieurs problemes distincts existence dune solution unicite determination de la ou des
solutions algorithmes eectifs de calcul
Problemes lineaires en dimension nie
Un systeme lineaire de m equations a n inconnues est un systeme du type
a
x
a
n
x
n
b
a
x
a
n
x
n
b
a
m
x
a
mn
x
n
b
m
ou les inconnues x
i
sont a chercher dans un corps K les coecients a
ij
du
systeme sont dans K et les donnees b
i
des seconds membres sont aussi dans
K
Pour un tel systeme les problemes poses sont les suivants
a Le systeme possedetil au moins une solution
b Sil existe une solution est elle unique
Chapitre
c Sil existe des solutions peut on les ecrire suivant une formule en
fonction des coecients et des seconds membres
d Comment calculer numeriquement une solution lorsqu on se donne
des valeurs numeriques explicites pour les coecients et les seconds membres
En particulier ce calcul peut il etre realise pratiquement a partir de formules
closes
La premiere chose que nous allons faire est dinterpreter de diverses manieres
en termes dalgebre lineaire le probleme pose Nous verrons que ces diverses
fa cons de voir sont toutes interessantes par les divers eclairages quelles
apportent au probleme
La premiere presentation est celle sous forme de systeme que nous avons
donnee Partant de la considerons lapplication lineaire L de K
n
dans K
m
qui a tout x x
x
x
n
fait correspondre y y
y
y
m
ou y
i
P
n
j
a
ij
x
j
Notons b b
b
b
m
le vecteur de K
m
constitue par les
seconds membres du systeme Dans ces conditions on cherche les solutions de
Lx b cestadire les vecteurs x de K
n
dont limage par L est un vecteur
donne b de K
m
Sous cette forme il est clair que la resolution du systeme
lineaire passe par letude de lapplication lineaire L Dailleurs si on munit
K
n
et K
m
de leurs bases naturelles on peut ecrire le systeme sous forme
matricielle
Ax b
ou encore
B
B
a
a
a
n
a
a
a
n
a
m
a
m
a
mn
C
C
A
B
B
x
x
x
n
C
C
A
B
B
b
b
b
m
C
C
A
Ainsi que nous lavons deja remarque dans le chapitre sur les formes lineaires
on peut considerer que letude dune application lineaire deK
n
dans K
m
peut
se faire par letude de m formes lineaires sur K
n
Plus precisement notons
L
i
i m la forme lineaire sur K
n
denie par
#L
i
x
n
X
j
a
ij
x
i
Dans cette optique la recherche des solutions du systeme se ramene a la
recherche des solutions communes aux m equations
L
i
x b
i
Systemes lineaires
Comme les solutions de chaque equation denissent un hyperplan ane
cas L
i
ou lespace tout entier cas L
i
b
i
ou encore
lensemble vide cas L
i
b
i
on voit bien la signication geome
trique de lensemble des solutions cest une intersection dobjets du type
precedent
Remarquons encore que si on appelle A
A
A
n
les vecteurs colonnes
donc elements de K
m
de la matrice A le probleme pose se ramene aussi
a trouver les coecients x
i
dune combinaison lineaire de ces vecteurs qui
vaille b
n
X
i
x
i
A
i
b
Enn compte tenu de linterpretation du probleme en terme dalgebre lineaire
on peut penser a lexprimer de maniere qui semble plus generale
Soient E et F deux espaces vectoriels de dimensions nies respectives n et
m sur un corps K et L une application lineaire de E dans F Etant donne
b F existetil x E tel que Lx b
En fait en xant une base dans E et une base dans F on se ramene a
un systeme du type deni precedemment si bien que cette fa con de po
ser le probleme nest pas reellement plus generale Cependant elle est inte
ressante car elle permet de saranchir de laspect analytique quimposent
des bases xees pour une expression plus intrinseque A titre dexemple ci
tons le probleme dinterpolation suivant considerons u
u
m
des points
distincts de R Soit L lapplication lineaire de R
n
X espace des poly
nomes sur R de degre n dans R
m
qui a tout P R
n
X fait
correspondre P u
P u
m
Etant donne b b
b
m
un ele
ment de R
m
trouver P tel que LP b ou encore tel que pour tout
i m P u
i
b
i
Remarquons encore que le probleme sous sa forme intrinseque peut se pre
senter a laide de formes lineaires sous la forme suivante soit E un espace
vectoriel de dimension n sur K soient L
L
m
des formes lineaires sur E
et b
b
m
des elements deK trouver les vecteurs x de E tels que pour tout
i m on ait L
i
x b
i
A titre dexemple le probleme dinterpolation
cite au dessus sexprime facilement sous cette forme
En conclusion disons que nous utiliserons pour chaque probleme lineaire a
resoudre lune ou lautre de ces formes en choisissant bien entendu la plus
Chapitre
commode compte tenu du contexte
Ex On reprend les notations de lintroduction et on suppose m n
Montrer que les conditions suivantes sont equivalentes
le probleme lineaire Lx b a une solution et une seule pour tout
b K
m
L est bijective
KerL fg
detA
il existe b K
m
tel que le probleme Lx b ait une solution et une
seule
Donner des exemples et des contreexemples
Denition Lorsque dans le cas ou m n les conditions equiva
lentes precedentes sont realisees on dit que le systeme lineaire considere est
un systeme de Cramer Remarquons que le fait detre un systeme de Cra
mer ne depend pas du second membre du systeme
Ex Montrer que si m n il nest pas possible que le systeme ait une
solution et une seule cestadire que soit il na pas de solution soit il a
plusieurs solutions Donner des exemples de chaque cas
Dans le cas general lanalyse du probleme nest pas tres dicile a faire en
regardant le noyau et limage de lapplication lineaire L
Ex Si le systeme a une solution x x
x
n
lensemble de toutes les
solutions est xKerL
Le systeme a une solution si b ImL En particulier le systeme homogene
associe Lx a toujours une solution est toujours solution
Si le rang de L est m dimension de lespace darrivee F le systeme a
toujours une solution sinon il existe des cas ou il nen a pas
Si le noyau de L est reduit au vecteur nul il y a au plus une solution
Les divers cas precedents peuvent eventuellementetre detectes par des valeurs
de determinants
Ex Nous cherchons a resoudre Lx b ou L est une application lineaire de
lespace vectoriel E de dimension n dans lespace vectoriel F de dimensionm
espaces dans lesquels on suppose que des bases ont ete xees Nous notons
A a
ij
in
jm
la matrice de L dans les bases xees Soit r le rang de L
Systemes lineaires
dimension de limage On sait alors quil existe un sous determinant dordre
r non nul extrait de la matrice A on supposera pour xer les idees que cest
celui obtenu pour i r j r et que tout sous determinant dordre
r extrait de A est nul Montrer que le systeme admet une solution si et
seulement si pour tout s m r
a
a
r
b
a
a
r
b
a
r
a
rr
b
r
a
rs
a
rsr
b
rs
Ex Dans le cas dun systeme de cramer dont la matrice carree est
A a
ij
in
jn
dont les seconds membres sont b
b
n
lunique solution
x
x
k
x
n
secrit
x
k
a
a
k
b
a
k
a
n
a
n
a
nk
b
n
a
nk
a
nn
a
a
n
a
n
a
nn
Les formules precedentes dites formule de Cramer ne sont pas employees
pour la resolution explicite numerique des systemes sauf eventuellement en
petite dimension Parmi les methodes explicites de resolution la methode
du pivot de Gauss ou encore methode par elimination est tres simple
Divers algorithmes plus ou moins elabores realisent cette elimination Nous
proposons ici lalgorithme suivant dit algorithme de Crout
Ex Soit A une matrice carree dordre n dont le determinant est non nul
A a
ij
ijn
On cherche deux matrices carrees dordre n
L
ij
ijn
avec
ij
si j i
U
ij
ijn
avec
ij
si j i
Chapitre
telles que A LU
Combien y atil de coecients a determiner
Combien y atil dequations qui permettent de les determiner
Ceci explique quon puisse en outre imposer
ii
i n
Puisquon sait que les coecients
ii
valent on ne les stocke pas On
va donc pouvoir mettre les deux matrices L et U dans le meme tableau T
carre dordre n L matrice triangulaire inferieure et U matrice triangulaire
superieure
Pour chaque couple i j veriant i j n on dispose donc de la relation
infij
X
k
ik
kj
a
ij
etape
Calculer les
i
en fonction des a
i
Permutation des lignes an que parmi tous les
i
ainsi calcules celui de
plus grande valeur absolue se trouve en position Par abus de notation
nous appellerons toujours ces nombres
i
Montrer quapres permutation
Calculer les
j
pour j en fonction des a
j
et de
On peut iterer ce calcul supposons calculees les p premieres lignes et les
p premieres colonnes
etape p
Calcul de la p
e
colonne a partir du rang p cest a dire des elements
ip
pour i p Montrer que
ip
se calcule en fonction de a
ip
et delements deja
calcules
Permutation des lignes pour mettre le
ip
ou i p de plus grande
valeur absolue en position p p On montrera alors que le
pp
ainsi trouve
est non nul
Calcul de la p
e
ligne a partir du rang p cest a dire des elements
pj
pour j p Montrer que
pj
sexprime en fonction de a
pj
et delements deja
calcules
Remarque
Systemes lineaires
Lorsquon utilise cette transformation de la matrice A sous la forme LU
pour resoudre le systeme AX B on est amene a tenir compte des diverses
permutations faites sur les lignes en faisant des permutations analogues sur
les composantes de B on a alors ensuite a resoudre LUX B soit encore
LY B puis UX Y
Ex Montrer que le systeme Lx b admet une solution si et seulement
si pour toute solution u de L
u on a ub
Resolution explicite de systemes lineaires
Ex Resoudre
x
x
x
x
x
x
x
x
x
Ex Quand le systeme suivant possedetil une solution unique
ax
bx
cx
dx
bx
ax
dx
cx
cx
dx
ax
bx
dx
cx
bx
ax
Ex Resoudre le systeme
x
x
x
x
x
x
x
x
x
x
x
x
Ex Resoudre le systeme
x
x
x
x
x
x
x
x
x
x
x
x
Ex Soit a resoudre un systeme de Cramer du type
a
x
a
n
x
n
b
a
n
x
a
nn
x
n
b
n
Chapitre
Notons pour k n
S
k
s
k
s
k
n
A
la solution du systeme
a
x
a
n
x
n
a
k
x
a
kn
x
n
a
k
x
a
kn
x
n
a
k
x
a
kn
x
n
a
n
x
a
nn
x
n
Montrer que la solution cherchee est
b
S
b
n
S
n
On pourra montrer que S
S
n
est une base de K
n
Quelle est sa base
duale
Valeurs propres vecteurs propres
Chapitre
Valeurs propres vecteurs
propres
Introduction
Nous etudions ici les notions tres importantes de vecteurs propres et valeurs propres
Nous traiterons dabord le cas simple de la diagonalisation des applications lineaires Nous
reprendrons ensuite letude de la decomposition spectrale de maniere plus complete en se
placant toutefois dans le cas ou le corps de base est algebriquement clos
Une premiere etude des valeurs propres
et