Académique Documents
Professionnel Documents
Culture Documents
iI
i
e
i
(qui est en fait une somme nie) sappelle une combi-
naison lin eaire des (e
i
)
iI
La famille (e
i
)
iI
est dite g en eratrice de E si tout vecteur de E est combi-
naison lin eaire des (e
i
)
iI
.
La famille (e
i
)
iI
est dite libre si toute sous famille nie de cette famille
est libre.
La famille (e
i
)
iI
est dite li ee si elle est non libre ou sil en existe une sous
famille li ee.
La famille (e
i
)
iI
est dite base de E si elle est libre et g en eratrice.
Exemples 1 :
1. E = K[X], la famille (X
k
)
kN
est une base de E, appel ee base canonique
de K[X].
2. A une alg` ebre, a A.
Si a nadmet pas de pomi, alors (a
k
)
kN
est une base de K[a].
Si a admet un pomi de degr e n, alors la famille (a
k
)
0kn1
est une
base de K[a].
Th eor` eme 1 :
La famille (e
i
)
iI
est li ee sil en existe un vecteur combinaison lin eaire des
autres vecteurs.
Th eor` eme 2 :
La famille (e
i
)
iI
est une base ssi tout vecteur de E se d ecompose de facon
unique sous forme de combinaison lin eaire des (e
i
)
iI
.
D enition 2 :
= (e
i
)
iq
une base de E, un vecteur x de E s ecrit de facon unique sous
forme de combinaison lin eaire
x =
iI
i
e
i
des vecteurs de la base,
i
, i I sappellent les coordonn ees de x
dans .
D enition 3 :
(E
k
)
k=1..p
une famille de sous espaces vectoriels de E,
p
k=1
E
k
=
p
k=1
x
k
, x
k
E
k
est un sous espace vectoriel appel e la somme des
sous espaces vectoriels (E
k
)
k=1..p
, et on dit que la somme
p
k=1
E
k
est directe
sil y-a unicit e de l ecriture de tout vecteur x de
p
k=1
E
k
sous la forme x =
p
k=1
x
k
.
Th eor` eme 3 :
(E
k
)
k=1..p
une famille de sous espaces vectoriels de E, les psse
1.
E
k
est directe.
2. (x
k
)
k=1..p
p
k=1
E
k
,
p
k=1
x
k
= 0 =x
k
= 0, k [[1, p][.
3. k [[1, p][, E
k
(
i,=k
E
i
) =0.
Preuve
1) = 2) Soit (x
k
)
k=1..p
p
k=1
E
k
, tel que
p
k=1
x
k
= 0, par unicit e de la
d ecomposition du vecteur nul , x
k
= 0, k.
2) =3) Soit k [[1, p][ et soit x
k
E
k
(
i,=k
E
i
), il existe pour chaque i ,=k, x
i
E
i
tel que x
k
=
i,=k
x
i
, et ` a ce moment :
i<k
x
i
x
k
+
i>k
x
i
= 0, et par cons equent i, x
i
= 0, en particulier x
k
= 0.
3) =1) Soit x
p
k=1
E
k
qui s ecrit x =
p
k=1
x
k
=
p
k=1
x
/
k
, pour k [[1, p][, on aura
x
k
x
/
k
=
i,=k
(x
/
i
x
i
) E
k
(
i,=k
E
i
), do` u x
k
x
/
k
= 0.
Proposition 1 :
(E
k
)
k=1,..p
une famille de sous espaces vectoriels de E, soit pour chaque k,
k
une base de E
k
.
p
k=1
E
k
est directe ssi
p
k=1
k
est une base de
p
k=1
E
k
.
Preuve
=) Il est clair dabord que
p
k=1
k
est une famille g en eratrice de
p
k=1
E
k
. Notons
k
= (e
k
i
)
iI
k
, soit pour chaque k [[1, p][ (
k
i
)
iI
k
une famille ` a support ni tel que
p
k=1
iI
k
k
i
e
k
i
=0, la somme est directe et
iI
k
k
i
e
k
i
E
k
, donc
iI
k
k
i
e
k
i
=0, la famille
k
est libre donc i I
k
,
k
i
= 0.
=) Soit (x
k
)
1kp
p
k=1
E
k
tels que
p
k=1
x
k
= 0, x
k
E
k
, donc il existe (
k
i
)
iI
k
` a support ni tel que x
k
=
iI
k
k
i
e
k
i
, et en utilisant nalement le fait que
p
k=1
k
est
une base,
p
k=1
iI
k
k
i
e
k
i
= 0 =
k
i
= 0 et par suite x
k
= 0
Corollaire 1 :
Si on suppose que k, dimE
k
est nie, alors :
p
k=1
E
k
est directe ssi dim
_
p
k=1
E
k
_
=
p
k=1
dimE
k
Preuve
Soit pour chaque k,
k
une base de E
k
.
=) Si
p
k=1
E
k
est directe alors
p
k=1
k
est une base de
p
k=1
E
k
, de cardinal :
p
k=1
card
k
(il ny-a pas de vecteurs r edondants dans une famille libre), do` u le
c _s.hajmi@gmail.com
CHAPITRE: ESPACES VECTORIELS ET DUALIT E 2
r esultat.
=) On montre que =
p
k=1
k
est une base de
p
k=1
E
k
.
card(
p
k=1
k
)
p
k=1
card(
k
)
et
p
k=1
card(
k
) =
p
k=1
dim(E
k
) = dim(
p
k=1
E
k
)
est donc une famille g en eratrice de
p
k=1
E
k
dont le cardinal est plus petit que la
dimension, cest donc une base, et nalement la somme est directe.
D enition 4 :
On dit que (E
k
)
k=1..p
sont suppl ementaires si E =
p
k=1
E
k
et
E
k
est directe
et on ecrit E =
p
k=1
E
k
.
Remarque 1 :
Si dimE est nie, alors :
E =
p
k=1
E
k
ssi
_
_
E =
p
k=1
E
k
et dimE =
p
k=1
dimE
k
.
D enition 5 :
On suppose E =
p
k=1
E
k
.
Une base de E qui s ecrit sous la forme =
p
k=1
k
.
k
base de E
k
sappelle
une base adapt ee ` a la d ecomposition E =
p
k=1
E
k
.
Remarque 2 :
Si E =
p
k=1
E
k
, alors il existe une base adapt ee ` a cette d ecomposition, pour cela
il suft de prendre de chaque E
k
une base
k
, la r eunion de ces bases forme
une base adapt ee, lexistence de
k
est justi ee par le th eor` eme fondamental
suivant.
Th eor` eme 4 : admis
1. Tout K-ev admet au moins une base.
2. Tout sous espace vectoriel de E admet au moins un suppl ementaire.
Corollaire 2 : Th eor` eme de la base incompl` ete
Toute famille libre dun K-ev peut etre compl et ee en une base de E.
Preuve
1
une famille libre, on pose F = vect(
1
), F admet un suppl ementaire G, une
base
2
de G est une complet ee de
1
en une base de E.
D enition 6 :
F un sous espace vectoriel de E, une base de E est dite adapt ee ` a F sil
existe une sous famille
1
de qui soit une base de F.
Remarque 3 :
Si F est un sous espace vectoriel de E, alors il existe une base de E adapt ee
` a F, pour cela il suft de prendre une base
1
de F et de la compl eter en une
base de E.
2 Applications lin eaires : compl ements
Th eor` eme 5 :
E et E
/
deux K-ev. = (e
k
)
kI
une base de E,
/
= (v
k
)
kJ
(I J) une famille
de E
/
, il existe une unique application lin eaire u qui envoi sur
/
c` ad tel
que k I : u(e
k
) = v
k
Preuve
Existence :
Il suft de consid erer lapplication u : x =
kI
k
k
e
k
kI
k
k
v
k
.
Unicit e :
Si u
1
et u
2
de telles applications lin eaires, alors pour
i 1, 2 et x =
kI
k
e
k
E, u
i
(x) = u
i
(
iI
k
e
k
) =
iI
k
u
i
(e
k
) =
iI
k
v
k
, do` u
l egalit e u
1
= u
2
.
Projecteurs assici es ` a une d ecomposition :
E =
p
k=1
E
k
, soit pour chaque i [[1, p][, P
i
:
_
_
_
E E
x =
p
k=1
x
k
x
i
, la suite
(P
i
)
i=1..p
v erie :
1. P
2
i
= P
i
(puisquil sagit de la projection sur E
i
parall element ` a
k,=i
E
k
).
2. Pour i ,= j, P
i
P
j
= 0.
3.
p
i=1
P
i
= I
E
(P
i
)
i=1..p
sappelle le syst` eme de projecteurs associ e ` a la d ecomposition E =
p
k=1
E
k
.
Th eor` eme 6 :
E, E
/
deux espaces vectoriels, on suppose
E =
p
k=1
E
k
.
Une application lin eaire de E dans E
/
est parfaitement d etermin ee par
ses restrictions aux sev E
k
, autrement dit si pour tout k [[1, p][, u
k
L(E
k
, E
/
) alors il existe une unique application lin eaire E E
/
tel que
k [[1, p][, u
/E
k
= u
k
Remarque 4 :
Pour chaque k [[1, p][, u
k
L(E
k
, E
/
), lunique application
u L(E, E
/
) tel que u
/E
k
= u
k
est d enie par u =
p
k=1
u
k
P
k
, avec (P
k
)
k=1..p
la suite des projecteurs associ ee ` a la d ecomposition E =
p
k=1
E
k
.
Th eor` eme 7 :
Si u L(E, E
/
), alors tout suppl ementraire G de Keru est isomorphe ` a Im u,
et en fait la restriction de u ` a G est isomorphe de G dans Im u.
Preuve
Posons v = u
/G
, v est bien une application lin eaire de G sur Im u, dautre part :
Kerv = KeruG =0, do` u linjectivit e de v.
Soit y Im u, il existe x E tel que y = u(x), x s ecrit x = x
G
+x
/
, avec x
G
G et
x
/
Keru, et dans ce cas :
y = u(x) = u(x
G
) +u(x
/
) = u(x
G
) = v(x
G
), do` u la surjectivit e de v.
Corollaire 3 : formule du rang
Si E est de dimension nie, et u L(E, E
/
) alors rgu est ni et on a dimE =
dimKeru+rgu
Preuve
c _s.hajmi@gmail.com
CHAPITRE: ESPACES VECTORIELS ET DUALIT E 3
Imu est de dimension ni car il est isomorphe ` a au moins un suppl ementaire G
de Keru, dailleurs rg(u) = dimG = dimE dimKeru.
Corollaire 4 :
Deux suppl ementaires dun m eme sous espace vectoriel sont isomorphes.
Preuve
Soit G et H deux suppl ementaire du m eme sous espace vectoriel F. soit p la
projection sur H parall element ` a F on a : Kerp = F et Im(p) = H, G est un
suppl ementaire de Kerp, il sera donc isomorphe a Imp = H.
D enition 7 :
On dit quun sous espace vectoriel de E est de comdimension nie sil admet
un suppl ementaire de dimension nie et dans ce cas la dimension commune
` a ses suppl ementaires sappelle la codimension de F et se note codimF.
Remarque 5 :
Si E est de dimension nie, alors
codimF = dimEdimF
Th eor` eme 8 :
u L(E, E
/
).
Si dimE
/
est nie, alors Keru est un sous espace vectoriel de codimension
nie egale au rgu.
Preuve
Si G est un suppl ementraire de Keru, alors il sera isomorphe ` a Im(u), qui est un
sous espace vectoriel de E
/
, donc G est de dimension nie.
Exemple : A une alg` ebre, si a est un el ement de A admettant un pomi alors I
ensemble des polyn omes annulateurs de a est un K-ev de codimension nie egale
au degr e n de
a
.
3 Dualit e
E un K espace vectoriel.
D enition 8 :
On appelle forme lin eaire sur E toute application lin eaire de E dans K, les-
pace L(E, K) de toutes les formes lin eaires sur E sappelle lespace dual de
E et se note E
.
Propri et e 1 :
Lapplication :
:
_
E
E K
(, x) (x)not e
=
x,
est une forme lin eaire.
Proposition 2 :
Toute forme lin eaire non nulle sur E est surjective.
Preuve
E
a
1
a
H
.
Soit x E , suivant E = H +Kb, x se d ecompose x = x
H
+b = x
H
a
H
+
k=1
e
k
(x)e
k
, alors le syst` eme de coor-
donn ees associ e (e
k
)
0kn
est une base de E
j=1
j
e
j
=0 et dappliquer ` a e
i
, on obtient
i
=0.
Cest une famille g en eratrice car, pour E
et x =
p
j=1
x
j
e
j
E,
on a (x) =
p
j=1
x
j
(e
j
), ceci dune part et dautre part :
x =
p
i=1
x
i
e
i
=
j
(x) =
p
i=1
x
i
e
j
(e
i
) = x
j
, ce qui fait nalement que =
p
j=1
(e
j
)e
j
.
c _s.hajmi@gmail.com
CHAPITRE: ESPACES VECTORIELS ET DUALIT E 4
Remarque 6 :
1. x E, x =
p
k=1
e
k
(x)e
k
=
p
k=1
x, e
k
e
k
.
2. E
, =
p
k=1
e
k
, e
k
Exemple E = R
2
, e
1
= (1, 1), e
2
= (1, 2).
Ecrire relativement ` a la base canonique lexpression de (e
1
, e
2
).
Exercice 1. ,
/
deux bases de E, On pose P =P
, montrer que P
=
t
P
1
Proposition 4 :
Si e E0, alors il existe E
tel que :
(e) = 1 (ou tout simplement (e) ,= 0) autrement dit :
Ker =0
Preuve
il suft de poser e
1
=e, compl eter en une base = (e
1
, .., e
p
), puis de consid erer
= e
1
qui est le premier vecteur de la base duale, on a bien (e) = 1.
Th eor` eme 11 :
Toute base
/
de E
=
/
). sappelle la base ant eduale de
/
.
Th eor` eme 12 :
(
1
, ..,
p
) une famille libre de formes lin eaires et H
i
= Ker
i
, i = 1..p les
hyperplans associ es, alors dim
p
i=1
H
i
= n p, et toute forme lin eaire nulle
sur F =
p
i=1
H
i
est combinaison lin eaire de (
1
, ..,
p
)
Remarque 7 :
Si (
1
, ..,
p
) est li ee, et soit r =rang(
1
, ...,
p
), et quitte ` a r eindexer on peut
supposer que (
1
, ...,
r
) est libre et k r +1,
k
vect(
1
, ..,
r
), alors
p
k=1
ker(
k
) =
r
k=1
ker(
k
), on obtient donc la formule dans le cas g en eral :
dim(
p
i=1
Ker(
i
)) = nrang(
1
, ..,
p
)
Th eor` eme 13 :
Si F est un sous espace de E, de dimension egale ` a p, alors lensemble des
formes lin eaires sannulant sur F est un sous espace vectoriel de E
de di-
mension np.
5 Application aux syst` emes d equations
1. Soit S lensemble des solutions dans K
n
du syst` eme :
S :
_
_
n
j=1
a
i j
x
j
= 0
...
n
j=1
a
p j
x
j
= 0
Notons M = (a
i j
)
i, j
M
pn
(K), et (c
1
, .., c
n
) la base canonique de K
n
Alors S peut etre interpr et e comme etant lintersection des hyperplans :
Ker
i
, i = 1..p
i
: x
n
j=1
a
i j
x
j
;
i
=
n
j=1
a
i j
c
j
Par cons equent :
Si (
1
, ..,
p
) est libre ( et donc p n ) , cest ` a dire que les vecteurs
lignes de M forment une famille libre, ou les equations du syst` eme sont
lin eairement ind ependantes alors :
S est un espace vectoriel de dimension np, son expression est :
S = vect(e
p+1
, .., e
n
)
avec (e
1
, .., e
n
) la base ant eduale dune compl et ee de la famille (
1
, ..,
p
).
Si (
1
, ..,
p
) est li ee, on note r = rg(
1
, ..,
p
), par exemple (
1
, ...,
r
) est
libre et k r +1,
k
vect(
1
, ..,
r
), alors les pr derni` eres equations
sont redondantes, et tout le syst` eme est r eduit aux r premi` eres equations,
dans ce cas alors :
S est un espace vectoriel de dimension nr, son expression est :
S = vect(e
r+1
, .., e
n
)
avec (e
1
, .., e
n
) la base ant eduale dune compl et ee de la famille (
1
, ..,
r
).
2. consid erons maintenant : S
/
lensemble des solutions dans K
n
du syst` eme :
S
/
:
_
_
n
j=1
a
i j
x
j
= b
1
...
n
j=1
a
p j
x
j
= b
p
Alors S
/
peut etre interpr et e comme etant :
p
1
1
i
0,
i
=
i
b
i
.
i
sappelle dans ce cas une fonction afne et S
/
la vari et e afne de direction
lespace vectoriel S, et si X
0
est une solution particuli` ere de S
/
alors
S
/
= X
0
+S
3. R eduction de Gauss
En math ematiques, l elimination de Gauss-Jordan, aussi appel ee pivot de
Gauss, nomm ee en hommage ` a Carl Friedrich Gauss et Wilhelm Jordan, est
un algorithme de lalg` ebre lin eaire pour d eterminer les solutions dun syst` eme
d equations lin eaires, pour d eterminer le rang dune matrice ou pour calculer
linverse dune matrice carr ee inversible. Lorsquon applique l elimination de
Gauss sur une matrice, on obtient sa forme echelonn ee r eduite.
a) Calcul de linverse dune matrice carr ee par lalgorithme de Gauss-
Jordan :
Inverser une matrice A carr ee inversible dordre n, revient ` a cr eer un
tableau ` a n lignes et 2n colonnes en bordant la matrice A par la matrice
identit e I
n
.
Ainsi, pour inverser la matrice A = (a
i j
) de format (n, n),
on utilisera la matrice augment ee suivante :
_
A
I
n
_
=
_
_
_
a
1,1
a
1,n
1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
a
n,n
0 1
_
_
_ La transformation de Gauss-Jordan
consiste ` a transformer ce syst` eme en un syst` eme equivalent dont le bloc
gauche est lidentit e, cest-` a-dire quil faut modier la matrice (A[I)
pour quelle devienne de la forme (I[A
1
) en utilisant les propri et es de
lalgorithme. On notera :
l
k
i
la ligne i de la matrice A ` a lit eration k
a
k
i j
le scalaire a
i j
de la matrice A ` a lit eration k
Lalgorithme de Gauss-Jordan est le suivant : Pour k allant de 1 ` a n
Si il existe une ligne i k telle que a
k1
ik
,= 0
echanger cette ligne i et la ligne k : l
i
l
k
l
k
k
1
a
k1
kk
l
k1
k
Pour i allant de 1 ` a n et i ,= k
l
k
i
l
k1
i
a
k1
ik
l
k
k
Sinon A nest pas inversible, abandonner (on sait ici que le rang de la
matrice est k 1).
Apr` es l etape k de lalgorithme, la colonne k a tous ces coefcients nuls
sauf un : celui de la diagonale, qui vaut 1.
Variante : on peut aussi chercher le coefcient a
k1
ik
, i k le plus
grand (en valeur absolue) avant d echanger les lignes. Cela am eliore la
stabilit e de lalgorithme. De m eme on peut aussi faire des echanges sur
les colonnes pour trouver un coefcient plus grand, mais il faut garder
la trace de ces permutations.
c _s.hajmi@gmail.com
CHAPITRE: ESPACES VECTORIELS ET DUALIT E 5
b) R esolution dun syst` eme d equations lin eaires par lalgorithme de
Gauss-Jordan
On veut r esoudre un syst` eme d equations A.X = B, o` u B est un vecteur
x e, et X le vecteur inconnu. On cr ee un tableau ` a n lignes et n +1
colonnes en bordant la matrice A par le vecteur B. On utilise le m eme
algorithme que ci-dessus. On obtient ` a la n une matrice identit e, et dans
la derni` ere colonne le vecteur X recherch e.
Variante : dans lalgorithme pr ec edent, si on nex ecute la boucle in-
terne que pour i allant de k +1 ` a n, on obtient une matrice triangulaire
sup erieure. Il ne reste plus qu` a remonter pour retrouver les valeurs
des coefcients de X.
Exemple 2 :
Soit le syst` eme d equations suivant :
_
_
_
x y + 2z = 5
3x + 2y + z = 10
2x 3y 2z = 10
On etablit la matrice corres-
pondante et on applique la premi` ere etape de Gauss-Jordan, le pi-
vot est 1 :
_
_
(1) 1 2 5
3 2 1 10
2 3 2 10
_
_
On ajoute un multiple de la premi` ere
ligne aux deux autres lignes pour obtenir des z eros (respectivement
3l
1
et 2l
1
) ; le nouveau pivot est ensuite 5 :
_
_
1 1 2 5
0 (5) 5 5
0 1 6 20
_
_
La deuxi` eme ligne est multipli ee par
1/5 :
_
_
1 1 2 5
0 (1) 1 1
0 1 6 20
_
_
On ajoute cette deuxi` eme ligne ` a la
troisi` eme et ` a la premi` ere, le nouveau pivot est 7 :
_
_
1 0 1 4
0 1 1 1
0 0 (7) 21
_
_
On divise la 3e ligne par 7 :
_
_
1 0 1 4
0 1 1 1
0 0 (1) 3
_
_
On utilise la 3e ligne pour eliminer des co-
efcients dans la premi` ere et deuxi` eme ligne. Nous sommes alors
en pr esence dune forme echelonn ee r eduite avec la matrice iden-
tit e dun c ot e et la valeur des variables dans lautre :
_
_
1 0 0 1
0 1 0 2
0 0 1 3
_
_
La solution du syst` eme est ainsi :
_
_
_
x = 1
y = 2
z = 3
_
_
_
.
6 Repr esentaion matricielle dune forme ou applica-
tion lin eaire
1. Soit E une espace vectoriel de dimension n.
= (e
1
, ..., e
p
) une base de E,
sa base duale.
(
1
, ..,
n
) un syst` eme de formes lin eaires sur E, donc :
i [[1, n][ :
i
=
p
j=1
a
i j
e
j
(a
i1
, ..., a
in
) sappelle la repr esentation matricielle de
i
dans la base , et
M = (a
i j
)
1in,1jp
M
(,K
()) sappelle la repr esentation matricielle du
syst` eme : (
1
, ..,
n
) dans .
2. F et E deux espace vectoriels de dimension respectivement p, n, f L(F, E)
/
= (v
1
, .., v
p
) une base de F, = (e
1
, .., e
n
) une base de E.
Dans la base , f se d ecompose f =
n
i=1
f
i
e
i
, o` u f
i
F
, et dans
/
, matriciel-
lement f
i
s ecrit : f
i
=
p
j=1
a
i j
v
j
.
M = (a
i j
) M
(,K
()) constitue une repr esentation de f , dans laquelle les lignes
correspondent ` a la repr esentation matricielle de chaque f
i
dans
/
.
Avec ces notations nous avons, pour tout j, f (v
j
) =
n
i=1
a
i j
e
i
, et donc cette
repr esentation donne une nouvelle d ention de la matrice standard quon
connait dune application lin eaire.
7 Rang de matrices et matrices equivalentes : Rappels
1. A M
K
(, ) A = (a
i j
) la trace de A est le scalaire tr(A) =
n
i=1
a
ii
.
2. tr est une forme lin eaire sur M
(
(K)), v eriant :
A, B M
(
(K)) : tr(AB) = tr(BA).
D enition 10 :
E un espace vectoriel de dimension nie, une base de E, f L(()E),
tr(Mat