CHAPITRE: ESPACES VECTORIELS ET DUALIT E 1

Table des mati` eres

1 Rappels 1
2 Applications lineaires : complements 2
3 Dualite 3
4 Dualite en dimension nie 3
5 Application aux syst`emes dequations 4
6 Representaion matricielle dune forme ou application
lineaire 5
7 Rang de matrices et matrices equivalentes : Rappels 5
1 Rappels
E un K-espace vectoriel.
D enition 1 :
I un ensemble quelconque non vide. (e
i
)
iI
une famille de vecteurs de E.
Soit (
i
)
iI
une famille ` a support ni de scalaires (ie les
i
sont nuls en
dehors dun ensemble ni J I).
La somme

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

0, Im() est un sous espace vectoriel non nul de K, sa dimension ne

peut prendre que la valeur 1 qui est la m eme dimension de K, donc Im() = K et
la surjectivit e de .
D enition 9 :
Un hyperplan dun K-ev E est un sous espace vectoriel de E de codimension
egale ` a 1.
Th eor` eme 9 :
H un sous espace vectoriel de E, les psse :
1. H un hyperplan de E.
2. a EH, E = HKa
3. une forme lin eaire non nulle d enie sur E telle que
H = Ker
Preuve
1) =2) Soit a EH, pour cette raison il est clair que HKa =0.
H est un hyperplan, donc il existe b E tel que : H +Kb = E, a se d ecompose
alors sous forme a = a
H
+b et du fait que a / H, alors ,= 0, et par suite b =
1

a
1

a
H
.
Soit x E , suivant E = H +Kb, x se d ecompose x = x
H
+b = x
H

a
H
+

a H +Ka, do` u le r esultat.

Proposition 3 :
H =Ker un hyperplan, si est une forme lin eaire qui sannulle sur H, alors
elle est proportionnelle ` a , autrement dit :
Ker Ker =il existe K tel que = .
Preuve
Suivant E = HKa, un vecteur x se d ecompose :
x = (x
(x)
(a)
a) +
(x)
(a)
a = x
H
+
(x)
(a)
a
on applique
(x) = (x
h
) +
(x)
(a)
(a) =
(a)
(a)
(x) = (x)
4 Dualit e en dimension nie
Soit E un K-ev de dimension nie egale ` a n.
Th eor` eme d enition 10 :
= (e
1
, .., e
n
) etant une base de E, tout vecteur x de E se d ecompose de
mani` ere unique sous la forme x =
n

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

appel ee base duale de , cest

lunique syst` eme de formes lin eaires v eriant :
i, j :
i
(e
j
) =
i, j
Et par cons equent E

est Kev de dimension nie egale ` a n = dimE.

Preuve
Pour sa libert e il suft d ecrire
n

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

est le syst` eme de coordonn ees associ e ` a une unique 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

f) qui ne d epend pas de la base choisie sappelle la trace de f et se

note tr(f).
Remarque 8 :
la fonction tr est une forme lin eaire sur L(()E), v eriant :
pour tout f , g L(()E), tr(gf) = tr(f g).
Proposition 5 :
Si p est un projecteur dun espace vectoriel de dimension nie, alors :
rg(p) = tr(p)
Preuve
Il suft de consid erer une base adapt ee ` a ImpKerp = E.
D enition 11 :
Deux matrices M, N M
(,K
()) sont dites equivalentes, sil existe
P GL
p
(K), Q GL
n
(K) tel que N = QMP.
Th eor` eme 14 :
Deux matrices sont equivalentes ssi elles repr esentent la m eme application
f L(()K
p
, K
n
) dans deux bases diff erentes.
Preuve
=) M, N M
(,K
()), soit C
p
resp C
n
base canonique de K
p
resp K
n
, et soit
f L(()K
p
, K
n
) lapplication lin eaire dont M soit la matrice associ ee relativement
aux bases C
p
et C
n
, consid erons C
/
p
et C
/
n
les bases respectives de K
p
et de K
n
telles
que Q
1
= P
C
/
n
Cn
et P = P
C
/
p
Cp
, on sait que Mat
C
/
p
,C
/
n
( f ) = (Q
(1)
)
1
MP = N. CQFD
=) Si M et N deux matrices repr esentant la m eme application lin eaire dans
deux bases diff erentes, alors il existe Q et P deux matrices inversibles telles que
N = Q
1
MP, ce qui fait que M et N sont equvalentes.
Remarque 9 :
1. L equivalence de matrices est une relation d equivalence.
2. Deux matrices equivalentes ont le m eme rang.
Th eor` eme 15 :
Si M M
(,K
()) est une matrice de rang r alors il existe P GL
p
(K) et Q
GL
n
(K) tel que :
QMP = J
r
=
_
I
r
0
0 0
_
Preuve
c _s.hajmi@gmail.com
CHAPITRE: ESPACES VECTORIELS ET DUALIT E 6
f lapplication lin eaire canoniquement associ ee ` a M, soit (e
r+1
, ..., e
p
) une base
de Ker f , quon compl` ete en une base (e
1
, .., e
r
, e
r+1
, .., e
p
) de K
p
, posons
pour k = 1..r, e
/
k
= f (e
k
), la restriction de f ` a G = vect(e
1
, .., e
p
) est un isomor-
phisme vers Im( f ), donc (e
/
1
, ..., e
/
r
) est une famille libre quon compl` ete en une
base (e
/
1, .., e
/
n
) de K
n
, et si on pose = (e
1
, .., p) et
/
= (e
/
1
, ..., e
/
n
), on bien
Mat
,
/ ( f ) = J
r
, on conclue que M est equivalente ` a J
r
.
Corollaire 5 :
Deux matrices sont equivalentes ssi elles ont le m eme rang.
D enition 12 :
1. E
i j
M
(
(K)) dont tous les co efcients sont nuls sauf celui se trouvant
a lintersection de la i-i` eme ligne et la j-i` eme colonne et qui vaut 1,
sappelle une matrice el ementaire.
(E
i j
)
1i, jn
la base canonique de M
(
(K)).
2. i, j [[1, n][, i ,= j, K.
T
i j
() = I
n
+E
i j
, sappelle une matrice de transvection.
3. K, i [[1, n][, D
i
() =
_
_
_
_
_
_
_
_
_
_
_
_
1 0
.
.
.
1
0
1 0
.
.
.
0 1
_
_
_
_
_
_
_
_
_
_
_
_
sappelle une
matrice de dilatation.
4. i, j [[1, n][, P
i j
=
_
_
_
_
_
_
_
_
_
_
1 0
1
1
0 0 1
1 0
0 1 0
0 1
_
_
_
_
_
_
_
_
_
_
qui sobtient ` a partir de
I
n
en permutant la i-i` eme et la j-i` eme ligne sappelle une matrice de
permutation.
Remarque 10 :
det(T
i j
() = 1, det(P
i j
) =1, T
i j
(), P
i j
sont inversibles et on a :
(T
i j
())
1
= T
i j
(), (P
i j
)
1
= P
i j
.
Propri et es 2 :
1. E
i j
E
kl
=
jk
E
il
2. E
i j
M est la matrice obtenue ` a partir de M en remplacant la i-i` eme ligne
de M par le j-i` eme ligne, et en annullant les autres.
3. ME
i j
est la matrice obtenue ` a partir de M en remplacant la j-i` eme co-
lonne de M par la i-i` eme colonne, et en annullant les autres.
4. T
i j
()M est la matrice obtenue ` a partir de M en ajoutant ` a la i-i` eme ligne
de M ( la j-i` eme ligne ) et en conservant les autres lignes.
5. MT
i j
() est la matrice obtenue ` a partir de M en ajoutant ` a la j-i` eme co-
lonne de M (la i-i` eme colonne ) et en conservant les autres colonnes.
6. D
i
()M est la matrice obtenue ` a partir de M en multipliant la i-i` eme
ligne de M par et en conservant les autres lignes.
7. MD
i
() est la matrice obtenue ` a partir de M en multipliant la i-i` eme
colonne de M par et en conservant les autres colonnes.
8. P
i j
()M est la matrice obtenue ` a partir de M en echangeant la i-i` eme
ligne et la j-i` eme ligne et en conservant les autres lignes.
9. MP
i j
() est la matrice obtenue ` a partir de M en echangeant la i-i` eme
colonne et la j-i` eme colonne et en conservant les autres
Remarque 11 :
Le rang dune matrice ne change pas si on la multiplie par une matrice de
transvection de permutation ou de dilatation de rapport non nul, et les
op erations el ementaires permettent de d eterminer des matrices P et Q
inversibles tels que QMP soit egale ` a J
r
.
c _s.hajmi@gmail.com