Professional Documents
Culture Documents
DansPle cas contraire, c’est-à-dire s’il existe une famille (λi )i∈I de scalaires non tous nuls, telle
que i∈I λi ui = 0E on dit que la famille (λi )i∈I est liée, ou encore que les vecteurs qui la
composent sont linéairement dépendants.
Remarques et propriéetés
Par exemple : la famille {1, X, X 2 } est une famille libre dans R[X].
Elle est liée s’il existe λ1 , λ2 , ..., λn l’un au moins étant non nul, tels que : ni=1 λi ui = 0E
P
Par exemple : la famille {1, X, X 2 , X 2 + 3X − X} est une famille liée dans R[X]
2. On ne doit pas confondre non tous nuls et tous non nuls.
1
1.1. FAMILLES LIBRES, CHAPITRE
FAMILLES 1.
GÉN
ESPACES
ÉRATRICES,
VECTORIELS
BASES DE DIMENSION FINIS
3. Une famille de vecteurs est liée l’un des vecteurs qui la compose peut s’écrire comme une
combinaison linéaire des autres.
4. Une famille réduite ‘ a un seul vecteur u est libre ⇔ u est non nul.
5. Une famille de deux vecteurs u et v est liée ⇔ u et v sont colinéaires, ou encore propor-
tionnels, c’est-à-dire s’il existe un scalaire λ tel que u = λv ou v = λu.
6. Toute sous-famille d’une famille libre est libre.
7. Toute sur-famille d’une famille liée est liée.
8. En particulier toute famille contenant 0E ; ou deux vecteurs colinéaires, est liée.
9. Dans l’espace vectoriel K[X] des polynômes à coefficients dans K, toute famille de po-
lynômes non nuls dont les degrés sont différents deux à deux.
Interprétation
Toute application linéaire transforme une famille liée en une famille liée. Une application
linéaire injective transforme une famille libre en une famille libre.
Remarque
Bien entendu, si la famille (f (ui ))i∈I est libre, la famille (ui )i∈I est libre.
Interprétation
On peut donc dire qu’une application linéaire surjective transforme une famille génératrice en
une famille génératrice.
2 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS
1.1. FAMILLES
DELIBRES,
DIMENSION
FAMILLES
FINISGÉNÉRATRICES, BASES
1.1.3 Bases
Définition 3 Soit E un espace vectoriel sur K. On dit qu’une famille (ui )i∈I d’éléments de E
est une base de E si elle est à la fois libre et géenératrice.
Exemples :
1. {(1, 0), (0, 1)} est une base de R2 .
2. {(1, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, ..., 0, 1)} est une base (dite base canonique) de Rn .
3. {1, X, X 2 , ...., X n } est une base (dite base canonique) de Kn [X]
Proposition 1.1.3 La famille (ei )i∈I est une base de E si et seulement si tout vecteur v de E
peut s’écrire, et de manière unique, comme une combinaison linéaire des vecteurs ei :
X
v= λi ei
i∈I
– Existance. (ei )i∈I est une base de E alors (ei )i∈I est une famille génératrice de E alors
tout vecteur v de E il existe λi ∈ K telle que
X
v= λi ei
i∈I
Alors X
(λi − λ0i )ei = 0E
i∈I
Pour toute famille (vi )i∈I de vecteurs de F , il existe une unique application linéaire f de E
dans F telle que : ∀i ∈ I, f (ei ) = vi .
– f est injective ⇔ la famille (vi )i∈I est libre.
– f est surjective ⇔ la famille (vi )i∈I est génératrice dans F .
– f est bijective ⇔ la famille (vi )i∈I est une base de F .
Interprétation Un morphisme est défini de manière unique par les images des vecteurs d’une
base.
Un morphisme f de E vers F est un isomorphisme ⇔ f transforme une base de E en une base
de F . Il transforme alors toute base de E en une base de F .
3 Jellali-zlitni.D
1.2. ESPACES VECTORIELS
CHAPITRE
DE DIMENSION
1. ESPACES
FINIE
VECTORIELS DE DIMENSION FINIS
Remarques
– Avec cette définition, l’espace réduit à {0} est de dimension finie.
– Si un espace vectoriel n’est pas de dimension finie il est dit de dimension infinie. C’est le
cas de l’espace vectoriel K[X] des polynômes à coefficients dans K.
Proposition 1.2.1 Soit E un espace vectoriel sur K. Soit F = {v1 , ..., vn } une famille de n
vecteurs de E.
– Si F est génératrice dans E, toute famille contenant plus de n vecteurs est liée.
– Si F est libre, aucune famille de moins de n vecteurs n’est génératrice dans E.
Remarque(admis) Soit E un espace vectoriel sur K. Soient G1 = {v1 , ..., vn } et G2 = {u1 , ..., up }.
Si G∞ est libre et G∈ est génératrice alors p ≥ n.
Théorème 1 (Définition) Soit E est un K-espace vectoriel de dimension finie non réduit à {0}
alors,
– E admet au moins une base.
– toutes les bases de E sont finies et elles ont le même nombre d’éléments.
Ce nombre est appelé dimension de E et est noté dim(E ).
Par convention, on pose dim({0})=0.
4 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS
1.2. DE
ESPACES
DIMENSION
VECTORIELS
FINIS DE DIMENSION FINIE
Remarque
– On appelle droite vectoriel le tout espace vectoriel E de dimension 1. Tout vecteur non
nul u constitue alors une base de E , et E = {λu, λ ∈ K}.
– On appelle plan vectoriel tout espace vectoriel E de dimension 2. Deux vecteurs u et v
non liés forment une base : E = {λu + µv, λ ∈ K, µ ∈ K}.
– La dimension d’un espace vectoriel E d´ epend du corps de base.
Si E est un espace de dim n sur C, c’est un espace de dimension 2n sur R. Par exemple,
C est une droite vectorielle sur C et un plan vectoriel sur R.
Pour éviter toute ambiguité, on note parfois dimK E..
5 Jellali-zlitni.D
1.2. ESPACES VECTORIELS
CHAPITRE
DE DIMENSION
1. ESPACES
FINIE
VECTORIELS DE DIMENSION FINIS
6 Jellali-zlitni.D
Chapitre 2
Matrices
2.1 Généralités
2.1.1 Définitions et Notations
2.1.2 Matrices particulières
2.1.3 Matrices carrées particulières
Remarque
Si n ≥ 2, l’anneau
Mncontient
des
diviseurs
dezéro.
0 1 0 1 0 0
Par exemple : =
0 0 0 0 0 0
Donc Mn est un anneau non intégre.
7
2.2. OPÉRATIONS SUR LES MATRICES CHAPITRE 2. MATRICES
Proposition 2.2.2 Une matrice carré A est inversible dans Mn (K) si elle est inversible à droite
ou à gauche ( c-à-d s’il ∃B ∈ Mn (K) tq AB = In ou bien BA = In )
Remarques
– Soit A une matrice de Mn (K). Alors
8 Jellali-zlitni.D
CHAPITRE 2. MATRICES 2.2. OPÉRATIONS SUR LES MATRICES
– Déterminer Ak , k ≥ 2
– Utilisation d’une récurrence
Il arrive que les coe cients des premières puissances de A satisfassent à une formule
simple.
Il reste à etablir si cette formule est vraie pour toutes les puissances de A, à l’aide d’une
récurrence.
1 1 1 1
1 1 1 1
Exemple : Soit J = 1 1 1 1
1 1 1 1
– Calculer J 2 , J 3 .
– Montrer par récurence que J n = 4n−1 J
2.2.5 Transposition
Définition 6 Soit A = (aij ) une matrice de Mnp (K). On appelle transposée de A et on note t A
la matrice B = (bij ) de Mpn (K) tq bij = aji ).
(On remplace les lignes par les colonnes)
Remarque :
La transposée d’une matrice ligne est une matrice colonne.
Définition 8 Une matrice A = (aij ) de Mnp (K). est dite antisymétrique si t A = −A.
Cela équivaut à dire que pour tous indices i et j, aij = −aji
Notations et remarques
9 Jellali-zlitni.D
2.3. MATRICE D’UNE APPLICATION LINÉAIRE CHAPITRE 2. MATRICES
Démontration
Définition 9 Soit E un K-espace vectoriel, de dim n ≥ 1, muni d’une base B = (e1 , e2 , ..., en ).
Soit F = {v1 , v2 , ..., vp } une famille de p vecteurs de E.
Pour tout entier j compris entre 1 et p, soit (a1j , a2j , ..., anj ) les composantes de de vj dans la
base B. La matrice A = (aij ) inMnp (K) de M s’ appele la matrice de la famille F dans la
base B.
On note MatB (F ) = MatB (v1 , v2 , ..., vp ) = A.
Cette matrice, élément de Mnp (K), est noté MatB,C (f ) ou bien M (f, B, C)
10 Jellali-zlitni.D
CHAPITRE 2. MATRICES 2.3. MATRICE D’UNE APPLICATION LINÉAIRE
Exemple
1)Soit
f : R2 → R3
(x, y) 7→ (x + y, 2y, y − 2x)
Ecrire la matrice de f relativement aux bases canoniques de R2 et R3 . 2) Soit
ϕ : R2 [X] → R
P 7→ P (0)
Determiner la matrice de ϕ relativement aux bases canoniques de R2 [X] et de R. Remarques
– Pour tout indice j de {1, ..., p}, la j -ième colonne de A = MatB,C (f ) est formée des
composantes du vecteur f (ej ) C.
– Si f ∈ L(E) ( endomorphisme de E). Si on munit E de la même base B au départ et à
l’arrivée on parle de la matrice de f dans la base B. Cette matrice, carrée d’ordre n, sera
notée MatB (f ).
Proposition 2.3.1 Soit E un espace vectoriel sur K muni d’une base B .
Soit f ∈ L(E. on appelle trace de f et on note tr(f ), la trace de f dans une base quelconque de
E
Proposition 2.3.2 Soient E et F deux espaces vectoriels sur K tels que E est muni d’une base
B et F est muni d’une base C.
Soit f ∈ L(E, F ). Pour tout u de E,
l’égalité vectorielle v = f (u) équivaut à l’égalité matricielle MatC (v) = MatB,C (f )MatB (u)
Proposition 2.3.3 Soient E, F deux espaces vectoriels de dimension finis munis des bases B1 ,
B2 .
Soit f, g ∈ L(E, F ). Alors on
1. Mat(f + g, B1 , B2 ) = Mat(f, B1 , B2 ) + Mat(g, B1 , B2 ).
2. ∀α ∈ K, Mat(αf, B1 , B2 ) = αMat(f, B1 , B2 ).
Remarque
La proposition précédente exprime que l’application :
L(E, F ) → Mnp (K)
f 7→ Mat(αf, B1 , B2 )
est linéaire. Comme est évideement bijective, c’est un isomorphisme d’espace vectoriels.
On a, en particulier, l’égalité des dimensions :
dimL(E, F ) = dimMnp (K) = np
Proposition 2.3.4 Soient E, F , G trois espaces vectoriels de dimension finis munis des bases
B1 , B2 ,B3 .
Soient f ∈ L(E, F ) et g ∈ L(F, G). Alors
Mat(g ◦ f, B1 , B3 ) = Mat(g, B2 , B3 ) × Mat(f, B1 , B2 ).
11 Jellali-zlitni.D
2.4. CHANGEMENTS DE BASES CHAPITRE 2. MATRICES
Conséquence
f est un automorphisme de E si et seulement si Mat(f, B1 ) est inversible et
Proposition 2.3.6 Soit E un K-espace vectoriel de dimension n ≥ 1, muni d’une bas B. Soit f
un endomorphisme de E , de matrice A dans la base B. Pour tout entier naturel k, la matrice
de f k dans la base B est Ak .
Exemple
Dans R3 [X], on considère la base canonique B = {1, X, X 2 } ainsi que la base B 0 = {1, X −
2
1, (X − 1) }.
1 −1 1
PB→B 0 = 0 1 −2
0 0 0
2 2
= 1 + (X− 1), X = 1 + 2(X − 1) + (X − 1) , on onbtient :
et puique X
1 1 1
PB 0 →B = 0 1 2
0 0 1
Remarque
12 Jellali-zlitni.D
CHAPITRE 2. MATRICES 2.4. CHANGEMENTS DE BASES
– PB→B 0 = Mat(idE , B 0 , B)
– On déduit alors qu’une matrice de passage est inversible et :
(PB→B 0 )−1 = PB 0 →B et PB→B 0 × PB 0 →B = In
– Soient B, B 0 et B 00 des bases d’un K-espace vectoriel E. Alors
PB→B 0 × PB 0 →B 00 = PB→B 00
– Toute matrice inversible de Gln (K) peut être considéré comme la matrice de passage de
la base canonique de Kn à la base formée des vecteurs colonnes de cette matrice.
Soit x ∈ E/
Xn n
X
x= xi ei = x0i e0i
i=1 i=1
Alors
x1 x01
.. ..
. = PB→B 0
.
xn x0n
Interprétation :
la matrice de passage de 1’ancienne base B à la nouvel le base B donne les anciennes coor-
données de x en fonction des nouvelles.
Exemple On considère B = {(1, X, X 2 } et B 0 = {(1, X − 1, 2X 2 + 1} deux base de R2 [X].
Soit P = aX 2 + bX + cX. Donner les coordonnées de P dans B 0 . On a
13 Jellali-zlitni.D
2.4. CHANGEMENTS DE BASES CHAPITRE 2. MATRICES
M1 = Mat(f, B1 , C1 ) et M2 = Mat(f, B2 , C2 )
Alors on a
M2 = Q−1 M1 P
et d’autre part
M2 X = Q−1 M1 P X, ∀X.
Remarque
Soit E un espace vectoriel sur K, de dimension n ≥ 1, muni de deux base B et B 0 . Soit P lz
matrice de passage de B à B 0 .
Soit f un endomorphisme de E , de matrice M dans B et de matrice M 0 dans B 0 . . Alors on a
l’égalité :
M 0 = P −1 M P
.
2.4.4
14 Jellali-zlitni.D