ebook img

CAPES de Mathématiques : Algèbre linéaire [Lecture notes] PDF

48 Pages·2007·0.53 MB·French
by  Germoni
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview CAPES de Mathématiques : Algèbre linéaire [Lecture notes]

Chapitre 0 Universit´e Claude Bernard–LyonI CAPES de Math´ematiques : Alg`ebre lin´eaire Vecteurs Ann´ee 2006–2007 1◦ La structure a) Groupe On appelle groupe un ensemble G muni d’une op´eration : G G G ∗ × −→ (λ,µ) λ µ 7−→ ∗ satisfaisant les conditions suivantes : Associativit´e : pour tous λ,µ,ν G, on a : (λ µ) ν = λ (µ ν) ; on note alors le • ∈ ∗ ∗ ∗ ∗ r´esultat λ µ ν, sans ambigu¨ıt´e ; ∗ ∗ Neutre : il existe e G tel que pour tout λ G, e λ = λ e = λ ; cet ´el´ement est alors • ∈ ∈ ∗ ∗ unique ; si est not´ee +, on note e = 0 ; si est un produit , on note e= 1 ; ∗ ∗ · Oppos´e/inverse : pour tout λ G, il existe λ0 G tel que λ λ0 =λ0 λ =e ; alors λ0 est • ∈ ∈ ∗ ∗ unique ; si = +, on note λ0 = λ ; si = , on note λ0 = λ−1. ∗ − ∗ · On dit de plus que G est commutatif si pour tous λ,µ G, on a : λ µ = µ λ. ∈ ∗ ∗ b) Corps On appelle corps un ensemble K muni de deux op´erations (addition et produit) + : K K K : K K K × −→ et · × −→ (λ,µ) λ+µ (λ,µ) λµ 7−→ 7−→ telles que : K soit un groupe commutatif pour la loi + ; on note 0 son neutre ; • K 0 soit un groupe commutatif pour la loi ; on note 1 son neutre ; en particulier : • \{ } · λ E, 1 λ= λ ; ◦ ∀ ∈ · λ,µ,ν K, (λ µ) ν = λ (µ ν). ◦ ∀ ∈ · · · · les lois + et soient compatibles, c’est-`a-dire : • · λ,µ,ν K, (λ+µ) ν = λ ν +µ ν ; ◦ ∀ ∈ · · · λ,µ,ν K, λ (µ+ν)= λ µ+λ ν ; ◦ ∀ ∈ · · · c) Espace vectoriel Soit K un corps. On appelle espace vectoriel sur K un ensemble E muni de deux loi (addition des vecteurs et produit par un scalaire) + : E E E : K E E × −→ et · × −→ (v,w) v+w (λ,v) λ v 7−→ 7−→ · telles que : E soit un groupe commutatif pour la loi + ; on note 0 son neutre (vecteur nul) ; • les lois + et soient compatibles, c’est-`a-dire : • · v E, 1 v = v ; ◦ ∀ ∈ · λ,µ K, v E, (λ µ) v =λ (µ v) ; ◦ ∀ ∈ ∀ ∈ · · · · λ,µ, K, v E, (λ+µ) v = λ v+µ v ; ◦ ∀ ∈ ∀ ∈ · · · λ K, v,w E, λ (v+w) = λ v+λ w ; ◦ ∀ ∈ ∀ ∈ · · · Exercice : Pour λ K et v E, λ.v = 0 λ= 0 ou v = 0. Par ailleurs, λ ( v) = λ v. ∈ ∈ ⇐⇒ · − − · 1 Attention ! L’inverse d’un vecteur v−1, le produit d’un vecteur par un scalaire v λ, le produit · de deux vecteurs v w, la somme d’un vecteur et d’un scalaire λ+v n’ont en g´en´eral aucun · sens. Exemples d’espaces vectoriels 1. Si K est un corps et L est un corps qui contient K, alors L est naturellement un espace vectoriel sur K : la somme des vecteurs est celle de L, le produit d’un scalaire par un vecteur est la restriction du produit de L `a K L K L. En particulier, K est un × ⊂ × espace vectoriel sur K. 2. Le singleton 0 est un espace vectoriel sur tout corps K. { } 3. SiE estunespacevectoriel surKetX estunensemble,alorsl’ensembleEX desfonctions de X dans E est naturellement un espace vectoriel sur K. Op´erations, pour f,g EX et ∈ λ K : ∈ x X, (f +g)(x) = f(x)+g(x), (λ f)(x) = λ f(x). ∀ ∈ · · Cas particuliers : (a) Si on prend E = K, on voit que les fonctions `a valeurs dans K forment un espace vectoriel sur K. Par exemple, l’ensemble des fonctions de R dans R (resp. C) est naturellement un espace vectoriel sur R (resp. C) ; (b) Si on prend X = 1,...,n pour n N∗, une fonction de X dans E est simplement { } ∈ une n-liste d’´el´ements de E : EX s’identifie naturellement `a En. En particulier, Kn rentre dans ce cadre. (c) Si on prend E = K et X = 1,...,m 1,...,n , ou` m,n N∗, il est traditionnel { }×{ } ∈ denotera l’imagede(i,j) X parunefonctionA KX. Onobtientalorsl’espace ij ∈ ∈ des matrices m n `a coefficients dans K. × 2◦ La sous-structure a) Soit E un espace vectoriel sur un corps K. On appelle sous-espace vectoriel de E toute partie F telle que u,u0 F, λ,λ0 K, λu+λ0u0 F. ∀ ∈ ∀ ∈ ∈ Exemples de sous-espaces vectoriels 1. Pour tout espace E, 0 et E sont des sous-espaces. De plus, tout sous-espace F de E { } contient le vecteur nul, i.e. 0 F. { } ⊂ 2. L’ensemble des fonctions continues de [0,1] dans R est un sous-espace de l’espace des fonctions de [0,1] dans R. L’ensemble des fonctions continues d’int´egrale nulle aussi, mais pas l’ensemble des fonctions continuers d’int´egrale 2 (qui est un sous-espace affine). 3. Pour E un espace vectoriel et X un ensemble, l’ensemble des fonctions `a support fini est un sous-espace de l’espace EX des fonctions de X dans E. On le note E(X). Ici, le support d’une fonction est l’ensemble des ´el´ements de X dont l’image n’est pas nul. Noter que X est fini si et seulement si EX = E(X) (pour peu que E = 0 ). 6 { } Parexemple,siX = N,onsaitqueR(N) s’identifienaturellement`al’espacedespolynˆomes r´eels : une suite (an)n∈N appartient `a R(N) si et seulement si elle est nulle `a partir d’un certain rang, dans ce cas on peut l’interpr´eter comme la suite des coefficients d’un polynˆome. 2 4. Familles, familles presque nulles. Soit E un espace vectoriel et I un ensemble. Il est assez courant de noter (u ) un ´el´ement de EI : cela signifie que u d´esigne l’image de i i∈I i i I. On parle alors de famille index´ee par I, et on dit qu’une famille est presque nulle ∈ si elle appartient `a E(I). b) Op´erations sur les sous-espaces Lemme Soit E , E deux sous-espaces d’un espace vectoriel E sur K. Alors E E et 1 2 1 2 ∩ E +E = u E, u E , u E , u= u +u 1 2 1 1 2 2 1 2 { ∈ ∃ ∈ ∃ ∈ } sont des sous-espaces de E. Attention ! La r´eunion de deux sous-espace n’est pas, en g´en´eral, un sous-espace. Plus pr´ecis´ement, c’est un sous-espace si et seulement si un des deux sous-espace contient l’autre. On dit que deux sous-espaces E et E de E sont en somme directe si leur intersection est 1 2 r´eduite `a 0 . On dit qu’ils sont suppl´ementaires si et seulement s’ils sont en somme directe et { } si leur somme est E. Lemme Deuxsous-espaces E et E de E sont suppl´ementaires si et seulement si tout vecteur 1 2 de E peut s’´ecrire de fa¸con unique comme somme d’un vecteur de E et d’un vecteur de E . 1 2 Exemples : Les fonctions paires et impaires forment deux suppl´ementaires dans l’espace des fonctions r´eelles. 3◦ Les morphismes a) Soit E, F deux espaces vectoriels sur K. Une application ϕ :E F est dite lin´eaire si → u,u0 E, λ,λ0 K, ϕ(λu+λ0u0)= λϕ(u)+λ0ϕ(u0). ∀ ∈ ∀ ∈ On note classiquement (E,F) l’ensemble des applications lin´eaires de E dans F. C’est un L sous-espace de l’espace des fonctions de E dans F. Si E = F, on note (E) = (E,E). L L Lemme La compos´ee de deux applications lin´eaires est lin´eaire. De plus, si ϕ,ϕ0 (E,F), ∈ L ψ,ψ0 (F,G) et λ,λ0 K, on a : ∈ L ∈ ψ (λϕ+λ0ϕ0)= λψ ϕ+λ0ψ ϕ0, (λψ+λ0ψ0) ϕ = λψ ϕ+λ0ψ0 ϕ. ◦ ◦ ◦ ◦ ◦ ◦ b) Etant donn´e ϕ (E,F), on appelle noyau et image de ϕ les sous-espaces ∈L Kerϕ = u E, ϕ(u) = 0 E, Imϕ = v F, u E, ϕ(u) =v F. { ∈ } ⊂ { ∈ ∃ ∈ } ⊂ Lemme Soit ϕ (E,F). Alors ϕ est injective si et seulement si Kerϕ = 0 . ∈ L { } c) Construction d’applications lin´eaires Lemme Soit E, F des espaces vectoriels, E et E deux sous-espaces suppl´ementaires de E. 1 2 Etant donn´e ϕ (E ,F) (i = 1,2), il existe un unique ϕ (E,F) tel que ϕ = ϕ . i ∈ L i ∈ L |Ei i Exemple : Si on d´efinit ϕ : E E, u u et ϕ : E E, u 0, l’application ϕ ainsi 1 1 2 2 → 7→ → 7→ construite est la projection sur E parall`element `a E . C’est un idempotent : elle est ´egale `a 1 2 son carr´e. De plus, tous les idempotents de (E) sont de ce type. L 3 4◦ Familles a) Combinaisons lin´eaires Soit E un espace vectoriel sur K, = (u ) EI une famille quelconque d’´el´ements de E. i i∈I F ∈ On dit qu’un vecteur u E est une combinaison lin´eaire de s’il existe (λ ) K(I) une i i∈I ∈ F ∈ famille presque nulle de scalaires telle que u = λ u . i∈I i i P Attention ! La somme pr´ec´edente n’aurait pas de sens si on n’imposait pas que seuls un nombre fini de λ soient non nuls. i On est naturellement amen´e `a consid´erer l’application c : K(I) E F −→ (λ ) λ u . i i∈I 7−→ i∈I i i Il est facile de voir que cette application est lin´ePaire. On voit que u est combinaison lin´eaire de sietseulementsiuestdansl’imagedec : ceciprouvedoncquel’ensembledescombinaisons F F lin´eaires de forme un sous-espace vectoriel. On montre par une r´ecurrence lourde mais facile F sur le nombrede coefficients non nuls de (λ ) que siun sous-espace contient tous les u , alors i i∈I i il contient toutes leurs combinaisons lin´eaires. En d’autres termes : Lemme L’ensemble des combinaisons lin´eaires d’une famille de vecteurs est le plus petit sous- espace qui contient tous les vecteurs de la famille. On l’appelle espace vectoriel engendr´e par la famille, souvent not´e Vect( ). F b) Familles libres, familles g´en´eratrices Une famille = (u ) EI d’´el´ements de E est dite g´en´eratrice si tout vecteur est combi- i i∈I F ∈ naison lin´eaire de , i.e. si Vect(F) = E, i.e. si pour tout u E, il existe (λ ) une famille i i∈I F ∈ presque nulle de scalaires telle que u= λ u . i∈I i i Une famille = (ui)i∈I EI d’´el´emenPts de E est dite libre si la seule combinaison lin´eaire F ∈ nulle de est la combinaison lin´eaire triviale, i.e. si, ´etant donn´e (λ ) une famille presque i i∈I F nulle de scalaires telle que λ u = 0, on a : λ = 0 pour tout i I. i∈I i i i ∈ P Remarque Une famille est libre (resp. g´en´eratrice) si et seulement si l’application c est F F injective (resp. surjective). 4 Chapitre 1 Bases, matrices On fixe un corps K. 1◦ Base d’un espace vectoriel a) Base d’un espace vectoriel. Rappelons qu’une base = (e ) d’un espace vectoriel E j j∈I B estunefamillelibreetg´en´eratrice. End’autrestermes,toutvecteurv E peuts’´ecriredefac¸on ∈ uniquecomme combinaison lin´eaire des vecteurs de ,c’est-`a-dire sous laformev = x e , B j∈I j j ou` les x (j J) sont des scalaires tous nuls sauf un nombre fini. j ∈ P Commenc¸ons par quelques ´evidences : Proposition Toute famille libre maximale est g´en´eratrice. Toute famille g´en´eratrice mini- male est libre. Ici, la maximalit´e ou la minimalit´e se rapporte `a l’inclusion. Onmontrelapremi`ereassertionparl’absurde,enajoutantunvecteurquineseraitpasengendr´e pour obtenir une famille libre plus grande. Quant `a la deuxi`eme, on la montre en supprimant un vecteur qui aurait un coefficient non nul dans une combinaison lin´eaire nulle. (D´etailler.) L’existence debases en d´ecoule : par exemple, on partd’unefamille g´en´eratrice (l’espace entier s’illefaut!) etonenextraitunesous-familleg´en´eratrice minimale. Enpassant,onatacitement mais lourdement utilis´e l’axiome du choix. On peut ˆetre plus pr´ecis : Th´eor`eme (de la base incompl`ete) Soit une famille libre et une famille g´en´eratrice L G de E contenant . Alors il existe une base de E telle que . L B L ⊂ B ⊂ G Preuve. Soit L l’ensemble des familles de vecteurs qui sont libres et v´erifient . F L ⊂ F ⊂ G Cet ensemble n’est pas vide car il contient . L [Il est inductivement ordonn´e par l’inclusion : si ( n)n∈N est une suite croissante dans L, la F r´eunion est un ´el´ement de L qui majore les . Le lemme de Zorn s’applique donc.] n∈NFn Fn Soit un ´el´ement maximal de L. C’est donc une famille libre. S’il existait un ´el´ement v , B S ∈ G v / Vect( ), alors v serait libre (v´erifier), ce qui contredit la maximalit´e de . Ainsi, ∈ B B∪{ } B B est une base.2 Corollaire Tout sous-espace poss`ede un suppl´ementaire. Preuve. Fixons une base du sous-espace de d´epart. C’est une famille libre de l’espace entier, que l’on compl`ete en une base. Le sous-espace engendr´e par les vecteurs que l’on a ajout´es est un suppl´ementaire de notre sous-espace. (V´erifier.) 2 Th´eor`eme Deux bases d’un espace vectoriel ont toujours le mˆeme cardinal. Preuve. On ne donne la preuve que dans le cas ou` une des bases est finie. Il suffit de montrer que si (e ,...,e ) est une base de E et si (f ,...,f ) est libre avec n m, alors n = m. 1 m 1 n ≥ On modifie la base petit `a petit. Pour commencer, on sait que f est une combinaison lin´eaire 1 des (e ) , disons : f = a e + +a e . L’un des coefficients a n’est pas nul, sans i i=1,...,m 1 1 1 m m i ··· quoi on aurait f = 0. Quitte `a renum´eroter les e , on peut supposer que a = 0. Il est facile 1 i 1 6 de v´erifier que = (f ,e ,...,e ) est une nouvelle base. 1 1 2 m B Supposonssavoirque(f ,...,f ,e ,...,e )estunebasepour1 k n. Montronsqu’apr`es 1 k k+1 m ≤ ≤ avoir renum´erot´e les e (i k+1) si n´ecessaire, (f ,...,f ,e ,...,e ) est une base. i 1 k+1 k+2 m ≥ Par l’hypoth`ese de r´ecurrence, f est combinaison lin´eaire des vecteurs de la base : f = k+1 k+1 c f + +c f +c f + +c e . L’un des scalaires c ,...,c n’est pas nul, sans 1 1 k k k+1 k+1 m m k+1 m ··· ··· 5 quoi on aurait une combinaison lin´eaire non triviale des f (` k+1). Quitte `a renum´eroter ` ≤ les e (i k+1)), on peut supposer que c = 0. On termine facilement la r´ecurrence. i k+1 ≥ 6 A la derni`ere ´etape on obtient : (f ,...,f ) est une base, ce qui entraˆıne en particulier m = n 1 m par la premi`ere proposition.2 Remarque : La preuve pr´ec´edente montre en fait qu’une famille de m+1 vecteurs dans un espace engendr´e par m vecteurs est li´ee. Dans la suite, on ne consid`ere plus que des espaces vectoriels de dimension finie. b) Coordonn´ees. Donn´ees : E un espace vectoriel, = (e ) une base. On peut alors j j=1 a` n B d´efinir un isomorphisme “coordonn´ees” c = c : E Kn ainsi. Un vecteur v E s’´ecrit de E n → ∈ fac¸on unique sous la forme v = x e , on pose : c(v) = (x ) . La r´eciproque de c j=1 j j j j=1 a` n est clairement d´efinie par : c−1((x ) ) = n x e . On consid`erera le plus souvent c(v) Pj j=1 a` n j=1 j j comme un vecteur-colonne, dit “colonne des coordonn´ees de v dans ”. P B Cette application c sert `a transformer l’espace vectoriel “abstrait” E en un espace vectoriel “concret”, Kn. 2◦ Matrices d’une application lin´eaire a) D´efinition. Donn´ees : E et F, deux espaces ; ϕ : E F une application lin´eaire ; → = (e ) une base de E, = (f ) une base de F. On consid`ere la matrice A de j j=1 a` n i i=1 a` m B C ϕ dans les base et , construite colonne par colonne selon la r`egle : B C la j`eme colonne de la matrice est la colonne des coordonn´ees dans de ϕ(e ). j C On a donc : m ϕ(ej) = aijfi . i=1 X Exemple : Etant donn´ee une matrice A de taille m n, on consid`ere l’application lin´eaire × ϕ : Kn Km, X AX. Soit et les bases canoniques de Kn et Km. Alors on a : A can can → 7→ B C Mat (ϕ ) = A. Bcan,Ccan A n b) Calcul de l’image des vecteurs. Si v = x e , on a par lin´earit´e : j=1 j j P n n m n m m n ϕ(v) = x ϕ(e ) = x a f = x a f = a x f . j j j ij i j ij i ij j i   j=1 j=1 i=1 j=1 i=1 i=1 j=1 X X X XX X X   On constate donc que la colonne des coordonn´ees de ϕ(v) est le produit de A par la colonne des coordonn´ees de v. c) Deux isomorphismes fondamentaux. Donn´ees : E et F, = (e ) , = j j=1 a` n B C (f ) comme ci-dessus. On note (K) l’espace vectoriel des matrices de taille m n i i=1 a` m m,n M × et (E,F) l’espace des applications lin´eaires de E dans F. On a d´ej`a construit une applica- L tion Mat : (E,F) (K). Inversement, ´etant donn´ee une matrice A = (a ) B,C m,n ij i,j (K), on nLote Φ →(A)Ml’unique application lin´eaire telle que [Φ (A)](e ) = m a e0.∈ Mm,n B,C B,C j i=1 ij i Proposition Les applications Mat et Φ sont des isomorphismes r´eciprPoques entre B,C B,C (E,F) et (K). m×n L M d) Interpr´etation. Etant donn´ee une matrice A de taille m n, on consid`ere l’application × lin´eaire ϕ : Kn Km, X AX. On peut alors consid´erer le diagramme : A → 7→ ϕ - E F ´etage “abstrait” c c coordonn´ees E F ? ? ? ϕ Kn A -Km ´etage “concret” 6 La formule de b) s’interpr`ete ainsi : c ϕ = ϕ c . L’application ϕ donne une “image” F A E A ◦ ◦ parfaitement fid`ele de ϕ. Par exemple, on a la Proposition (i) c induit un isomorphisme entre Kerϕ et Kerϕ ; E A (ii) c induit un isomorphisme entre Imϕ et Imϕ . F A D´emonstration : (i) Soit v E. On a : v Kerϕ SSI ϕ(v) = 0 SSI c ϕ(v) = 0 SSI F ∈ ∈ ◦ ϕ c (v) = 0 SSI c (v) Kerϕ . A E E A ◦ ∈ (ii) Soit w F. On a : w = ϕ(v) SSI c (w) = c ϕ(v) SSI c (w) = ϕ c (v). Ainsi, F F F A E ∈ ◦ ◦ w Imϕ SSI c (w) Imϕ . F A ∈ ∈ Morale : En termes vagues, l’application ϕ est une “version concr`ete” de l’application A “abstraite” ϕ : on ne perd pas d’information en passant de ϕ `a ϕ , mais les calculs sont A g´en´eralement plus faciles `a l’´etage matriciel. Inversement, ´etant donn´ee une matrice A, il est souvent utile de savoir qu’il existe un “objet abstrait intrins`eque” (=une application lin´eaire qui a pour matrice A) pour ´etudier A. e) Composition des applications et produit de matrices. Soit E, F, G des espaces vectoriels munis de bases , , , et ϕ :E F et ψ :F G des applications lin´eaires. Alors, B C D → → la matrice de la compos´ee est le produit des matrices. Plus pr´ecis´ement, on a : Mat (ψ ϕ) = Mat (ψ)Mat (ϕ). B,D C,D B,C ◦ 3◦ Th´eor`eme du rang On d´efinit le rang d’une application lin´eaire ϕ comme la dimension de l’espace Imϕ. Le rang d’une matrice A est le rang de l’application ϕ : c’est donc la dimension de l’espace engendr´e A par les colonnes de A. Le (ii) de la proposition ci-dessus montre que le rang d’une application lin´eaire est le rang de n’importe laquelle de ses matrices. Attention ! Pour le moment, rien ne dit que c’est la dimension de l’espace engendr´e par les lignes de A. Th´eor`eme Soit ϕ: E F lin´eaire. → (i) (Version abstraite.) La restriction de ϕ a` tout suppl´ementaire du noyau de ϕ est une bijection sur l’image de ϕ. En particulier on a la formule : dimKerϕ+rgϕ = dimE. (ii) (Version matricielle.) Il existe des bases de E et de F telles que B C I 0 Mat (ϕ) = r r×(n−r) , B,C 0 0 (cid:18) (m−r)×r (m−r)×(n−r) (cid:19) ou` r est le rang de ϕ, I est la matrice identit´e r r et les autres matrices sont nulles (en r × indice : leur format). 4◦ Changement de base a) Etant donn´ees deux bases = (e ) et 0 = (e0) d’un espace vectoriel E, on B i i=1 a` n B i i=1 a` n consid`ere la matrice PB,B0 dite matrice de passage de `a 0, constitu´ee de la fac¸on suivante : B B R`egle : Les colonnes de PB,B0 sont les coordonn´ees des vecteurs de 0 exprim´ees dans . B B Proposition Si v E, on note X Kn sa colonne de coordonn´ees dans et X0 sa colonne ∈ ∈ B de coordonn´ees dans 0. Alors : X = PB,B0X0. B 7 Probl`eme mn´emotechnique : est-ce que c’est X0 = PX ou X = PX0 ? R´eponse en regardant la premi`ere colonne de P : d’une part, c’est la colonne de coordonn´ees de e0, le 1 premier vecteur de 0, dans la base ; d’autre part, c’est le produit de P par la colonne B B (1,0,...,0). On obtient ce que l’on veut : pour v = e0, on a X0 = (1,...,0) et X est la 1 premi`ere colonne de PB,B0. Remarque : Par d´efinition, on a : PB,B0 = MatB0,B(Id). Corollaire PB,B0 = PB−01,B. b) Lien avec les applications lin´eaires. Donn´ees : E, F deux espaces vectoriels ; ϕ : E F lin´eaire ; , 0 deux bases de E ; , 0 → B B C C deux bases de F. On note alors : A = MatB,C(ϕ), A0 = MatB0,C0(ϕ), P = PB,B0 et Q = PC,C0. On veut une relation entre ces matrices. On sait que ϕ = Id ϕ = ϕ Id . Prenons les matrices de ces applications en consid´erant le F E ◦ ◦ diagramme : ϕ E, 0 -F, 0 ´etage “nouvelles bases” B C IdE IdF changement de base ? ? ? ϕ - E, F, ´etage “anciennes bases” B C On a donc : MatB0,C(ϕ) = MatC0,C(IdF).MatB0,C0(ϕ) = MatB,C(ϕ).MatB0,B(IdE), d’ou` QA0 = AP, ou encore : A0 = Q−1AP. Etant donn´ees deux matrices A et A0, s’il existe deux matrices inversibles P et Q telles que la relation ci-dessus soit satisfaite, on dit que A et A0 sont ´equivalentes. Cela signifie donc que A et A0 repr´esentent la mˆeme application lin´eaire dans des bases convenables. Cas particulier important : Si E = F, = et 0 = 0, on n’a qu’une seule matrice de B C B C changement de base : P = Q = PB,B0. Dans ce cas, on a : A0 = P−1AP. On dit que A et A0 sont semblables. Cela signifie que A et A0 repr´esentent le mˆeme endomorphisme dans des bases convenables. c) Th´eor`eme du rang(bis). Enappliquantla version (ii) duth´eor`eme a`ϕ , maintenant que A l’on connait l’effet d’un changement de bases sur une matrice, on voit que pour toute matrice A, il existe deux matrices inversibles P et Q telles que Q−1AP soit la matrice du (ii). d) Invariance du rang : Si A0 = Q−1AP, alors rgA = rgA0. En effet, on interpr`ete A et A0 comme la matrice de la mˆeme application lin´eaire ϕ dans les bases dont les matrices de passage sont P et Q. Alors rgA et rgA0 valent le rang de ϕ. C’est le bon moment pour faire la fiche 4 : Algorithme de Gauss et avatars ! 8 On note E = Kn et F = Km. On se donne une base de E = Kn et de F = Km. B C applications lin´eaires matrices syst`emes lin´eaires ϕ :Rn Rm syst`emes AX = B lin´ea→ire A= MatB,C(ϕ) (B parcourt Km) noyau de l’application lin´eaire noyau de la matrice solutions du syst`eme AX = 0 ensemble des B Rm image de l’application lin´eaire espace engendr´e par les colonnes ∈ 9 tel que AX = B a une solution rang de la matrice = rang du syst`eme = rang de l’application = dimension de l’image dimension de l’espace des colonnes nombre d’inconnues principales n rg = dimension du noyau dimension du noyau − nombre d’inconnues secondaires multiplier A `a droite par une matrice inversible modifier changer les inconnues B op´erations ´el´ementaires sur les colonnes multiplier A `a gauche par une matrice inversible op´erations ´el´ementaires modifier C op´erations ´el´ementaires sur les lignes sur les ´equations Chapitre 2 Dualit´e, transposition On fixe un corps K. On ne consid`ere que des espaces vectoriels de dimension finie. 1◦ Dualit´e a) Base duale. Le duald’un espace vectoriel E est simplement : E∗ = (E,K). Etant donn´e L une base = (e ) de E, on d´efinit une famille ∗ = (e∗) de E∗ par l’image de : B i i=1,...,n B i i=1,...,n B e∗(e )= δ (i,j = 1,...,n). i j ij Un vecteur v E s’´ecrit de fac¸on unique v = n x e , pour (x ) Kn. On a donc : ∈ j=1 j j j j=1,...,n ∈ n P n e∗i(v) = e∗i xjej = xi, d’ou` v = e∗i(v) ei.   j=1 i=1 X X   En mots, e∗(v) est la i`eme coordonn´ee de v dans la base . i B Remarque : sans donn´ee suppl´ementaire, un vecteur x E ne suffit pas `a d´efinir une appli- ∈ cation lin´eaire x∗ E∗. Cependant, ´etant donn´ee une base de E, on d´efinit sans ambigu¨ıt´e ∈ B une application lin´eaire τ : E E∗ (qui d´epend de ) par : τ(e ) = e∗, qui est clairement un → B i i isomorphisme. Proposition ∗ est une base de E∗. B D´efinition : On dit que ∗ est la base duale de . B B Remarque : Si E est de dimension infinie, ∗ est encore d´efinie, libre mais pas g´en´eratrice. B b) Base biduale. Soit E un espace vectoriel de dimension finie. D’une part, on peut d´efinir une application lin´eaire ι : E E∗∗ par : [ι(v)](`) = `(v) pour → ` E∗. C’est un isomorphisme (car on suppose E de dimension finie, sinon ce serait seulement ∈ une injection) et il ne d´epend d’aucun choix : d´esormais, on identifiera E et E∗∗. D’autre part, on peut consid´erer la base duale de ∗. C’est la base ∗∗ = (e∗∗) d´efinie par : B B j j∈I e∗∗(e∗) = δ . On a donc : e∗∗(e∗)= [ι(e )](e∗), soit ∗∗ = ι( ). j i ij j i j i B B Morale : Comme on d´ecide d’identifier E et E∗∗, la base duale de ∗ est donc . B B c) Kn, c’est des lignes ou des colonnes ? Consid´erons l’espace vectoriel Col des matrices n n 1 et l’espace Lign des matrices 1 n. Etant donn´ee une ligne L Lign , consid´erons la n n × × ∈ forme lin´eaire Col K, C LC. Puisque LC est une matrice 1 1, c’est un scalaire. De n → 7→ × cette fac¸on, on identifie Lign `a Col∗, le dual de Col . n n n Dans ce contexte, l’application τ : Col Col∗ = Lign associ´ee `a la base naturelle de Col , n n n n → c’est la transposition (qui transforme les colonnes en lignes et inversement). Remarque : On a aussi une base naturelle dans Lign . La colonne des coordonn´ees de n L Lign dans cette base est simplement : tL, la transpos´ee de L. n ∈ Cela dit, cette distinction est unpeuartificielle, vuqu’´etant donn´eunvecteur X Kn, on peut ∈ en faire un ligne ou une colonne. Cela veut dire qu’on peut identifier Kn et son dual de fac¸on standard. Si X0 Kn, on peut le consid´erer comme la forme lin´eaire Kn K, X tX0X. ∈ → 7→ Concr`etement, quand on veut parler de produit par une matrice, il est commode d’identifier un vecteur de Kn `a la colonne de ses coordonn´ees dans la base canonique. Toutes ces consid´erations sont dues au fait que Kn poss`ede une base canonique, ce qui n’est pas le cas d’un espace vectoriel quelconque. Application : Si v E a pour coordonn´ees X Kn dans une base et si ` E∗ a pour ∈ ∈ B ∈ coordonn´ees X0 Kn dans la base duale ∗, alors : `(v) = tX0X (c’est une matrice 1 1, donc ∈ B × un scalaire). 10

See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.