Vous êtes sur la page 1sur 8

Complments dalgbre linaire 1 - 1

Sommaire
1. Familles de vecteurs 1
1.1. Famille libre . . . . . . . . . . . . . . . . . 1
1.2. Famille gnratrice . . . . . . . . . . . . . 1
1.3. Base . . . . . . . . . . . . . . . . . . . . . 1
1.4. Proprits . . . . . . . . . . . . . . . . . . 2
2. Sous-espaces vectoriels 2
2.1. Somme de sous-espaces vectoriels . . . 2
2.2. Base adapte . . . . . . . . . . . . . . . . 2
2.3. Hyperplan . . . . . . . . . . . . . . . . . . 3
2.4. Sous-espaces stables . . . . . . . . . . . 3
3. Trace 4
3.1. Trace dune matrice . . . . . . . . . . . . 4
3.2. Trace de deux matrices semblables . . . 4
3.3. Trace dun endomorphisme . . . . . . . . 5
4. Transpose dune matrice 5
4.1. Transpose . . . . . . . . . . . . . . . . . 5
4.2. Oprations sur les transposes . . . . . 5
4.3. Matrices symtriques et antisymtriques 6
5. Complments 7
5.1. Colbert, lyce numrique . . . . . . . . . 7
5.2. Les mathmaticiens du chapitre . . . . . 8
Dans tout le chapitre, E est un espace vectoriel sur ( ou ), de dimension nie ou non.
Les direntes parties de ce chapitre, form de complments, sont indpendantes.
1. Familles de vecteurs
I dsigne un ensemble dindices, non ncessairement ni. Par exemple {1, 2, . . . , n}, , ...
F dsigne la famille des (u
i
)
iI
1.1. Famille libre
Dnition : F est libre toute sous-famille nie de F est libre.
Cest dire : J I, J nie

j J

j
u
j
= 0 j J,
j
= 0
Exemple : Dans [X], (X
n
)
n
est une famille libre.
Thorme : Toute famille de polynmes non nuls chelonne en degr est libre.
Dmonstration : En fait, cela signie que les polynmes, non nuls, sont de degrs dirents deux
deux.
Si on considre une combinaison linaire, le coecient du polynme de plus haut degr est ncessai-
rement nul !
Et donc tous les coecients sont nuls, la famille est libre !
1.2. Famille gnratrice
Dnition : F est gnratrice tout vecteur de E est combinaison linaire de vecteurs de F .
Cest dire : u E, J I, J nie
_

j
_
j J
tel que u =

j J

j
u
j
Exemple : Dans [X], (X
n
)
n
est aussi une famille gnratrice.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
1 - i Complments dalgbre linaire
1.3. Base
Dnition : F est une base F est gnratrice et libre.
Exemple : Dans [X], (X
n
)
n
est donc aussi une base de [X].
Cest la base canonique de [X].
Thorme : Plus gnralement, dans [X], une famille tage complte, cest dire (P
k
)
k
de degr
k, est aussi une base de [X].
1.4. Proprits
Ceci tend bien les dnitions en dimension nie.
Toute sous-famille dune famille libre est libre.
Toute sur-famille dune famille gnratrice est gnratrice.
: E F linaire, (u
i
)
iI
gnratrice de E ((u
i
))
iI
est gnratrice de Im(E)
Thorme :
(u
i
)
iI
libre
(u, (u
i
)
iI
) lie
_

u est combinaison linaire des (u


i
)
iI
Dmonstration : Une liaison contenant des coecients non nuls contient ncessairement u avec un
coecient non nul...
On crit : u +

iI

i
u
i
= 0
Si = 0, alors

iI

i
u
i
= 0, mais comme cette famille est libre, chaque
i
est nul, ce qui est impossible.
Si 0, alors : u =

iI

i
u
i

, ce qui prouve le rsultat annonc.


Thorme : Limage dune famille libre par une application linaire injective est libre.
Dmonstration :

j J

j

_
u
j
_
= 0
_

j J

j
u
j
_

_
= 0

j J

j
u
j
= 0 j J,
j
= 0
2. Sous-espaces vectoriels
2.1. Somme de sous-espaces vectoriels
Dnition : E un -espace vectoriel, (F
1
, F
2
, . . . , F
n
) des sous-espaces vectoriels, la somme F de ces
sous-espace est :
F = {u E, u =
1
u
1
+
2
u
2
+ +
n
u
n
;
1
,
2
, . . . ,
n
, u
1
F
1
, u
2
F
2
, . . . , u
n
F
n
}
On la note : F = F
1
+ F
2
+ + F
n
.
Dnition : Si, de plus, les
i
et les u
i
sont uniques, on dit que la somme F est directe.
On la note alors : F = F
1
F
2
F
n
.
2.2. En dimension ne, base adapte une somme directe
Thorme : En dimension nie, si F = F
1
F
2
F
n
, on obtient une base de F en mettant bout
bout les bases de F
1
, F
2
, . . . , F
n
.
Cette base est appele base adapte de F la somme directe.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
Complments dalgbre linaire 1 -
Dmonstration : On va le montrer pour n = 2, F = F
1
F
2
, mais le principe de la dmonstration reste
de mme.
On considre donc une famille F de vecteurs, obtenue en mettant bout bout une base F
1
de F
1
et
une base F
2
de F
2
; F = F
1
F
2
.
On va dabord montrer que F est gnratrice.
Soit u F, alors, u = u
1
+ u
2
, avec u
1
F
1
et u
2
F
2
.
Donc u
1
Vect (F
1
) Vect (F ) et u
2
Vect (F
2
) Vect (F ).
Ce qui prouve que u Vect (F ). La famille est bien gnratrice.
On va maintenant montrer que la famille est libre. On utilise les mmes notations.
Si u = 0, avec u = u
1
+ u
2
, alors u
1
= u
2
= 0, puisque la somme est directe.
u
1
= 0 prouve que ses coecients dans la base F
1
sont nuls, de mme, u
2
= 0 prouve que ses coe-
cients dans la base F
2
sont nuls.
Comme les coecients de u dans la famille F sont ceux de u
1
dans la base F
1
puis ceux de u
2
dans
la base F
2
, ils sont tous nuls.
La famille est bien libre, ce qui termine la dmonstration.
2.3. Hyperplan dun espace vectoriel de dimension nie
Dnition : E un espace vectoriel de dimension n,
F est un hyperplan de E F est un sous-espace vectoriel de E de dimension n 1.
Thorme : E, de dimension n, tant muni dune base B,
F est un hyperplan de E F admet une quation du type a
1
x
1
+ a
2
x
2
+ + a
n
x
n
= 0,
avec, bien sr, les a
i
non tous nuls.
Dmonstration : Lapplication qui, u, de coordonnes (x
1
, x
2
, . . . , u
n
) dans B,
associe : a
1
x
1
+ a
2
x
2
+ + a
n
x
n
est linaire de rang 1, son noyau est donc de dimension n 1, ce qui
prouve la rciproque.
Pour le sens direct, considrons une base de F, de dimension n 1, quon complte par un n-me
vecteur pour obtenir une base B

de E.
Dans cette base, lquation de F est x

n
= 0. Les formules de changement de base nous donnent
x

n
= a
1
x
1
+ a
2
x
2
+ + a
n
x
n
o les a
i
sont la dernire ligne de linverse de passage de B vers B

.
Ce qui dmontre limplication dans le sens direct.
Exemple : En dimension 2, les hyperplans sont les droites vectorielles !
En dimension 3, les hyperplans sont simplement les plans.
2.4. Sous-espaces stables par un endomorphisme
Dnition : E un -espace vectoriel, un endomorphisme de E, F un sous-espace vectoriel de E.
F est stable par u F, (u) F
Dnition : A
1
M
p
1
(), A
2
M
p
2
(),. . ., A
k
M
p
k
(), et les O sont des matrice (en gnral
rectangulaires) nulles, avec bien sr : p
1
+ p
2
+ + p
k
= n.
Alors,
_

_
A
1
0 0
0 A
2
0
.
.
.
.
.
. 0
.
.
.
0
0 0 A
k
_

_
est diagonale par blocs.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
1 - Complments dalgbre linaire
Thorme : E un -espace vectoriel, un endomorphisme de E,
F
1
, F
2
, . . . , F
k
des sous-espaces vectoriels de E, stables par ,
tels que E = F
1
F
2
F
K
, alors, dans une base adapte cette somme directe,
alors la matrice de est de la forme :
_

_
A
1
0 0
0 A
2
0
.
.
.
.
.
. 0
.
.
.
0
0 0 A
k
_

_
Remarque : Les A
i
sont les matrices des restrictions de aux F
i
, dans leurs bases respectives !
Exemple : Lorsquon fait, dans le plan, une projection orthogonale par rapport une droite D, cette
droite et la droite orthogonale sont stables par cette projection.
On a la mme chose pour la symtrie orthogonale par rapport la droite D.
Mieux, dans lespace, on la mme chose pour une projection ou une symtrie orthogonale par rapport
la droite D ou le plan P .
3. Trace dun endomorphisme et dune matrice
3.1. Trace dune matrice
Dnition : La trace dune matrice, note tr (A), est la somme des lments diagonaux. avec les
notations classiques, pour une matrice n n, on a :
tr (A) =

n
i=1
a
ii
Exemple : La trace de
_

_
1 2 3
3 4 5
5 6 7
_

_
est 1 + 4 + 7 = 12.
Thorme : Lapplication : tr : M
n
() qui M associe tr (M) est linaire.
Cest donc une forme linaire de .
Dmonstration : tr (A) =
n

i=1
a
ii
et tr (B) =
n

i=1
b
ii
Par ailleurs, avec et dans , les lments de A+ B sont : a
ij
+ a
ij
et donc :
tr (A+ B) =
n

i=1
(a
ii
+ a
ii
) =
n

i=1
a
ii
+
n

i=1
b
ii
= tr (A) + tr (B)
3.2. Trace de deux matrices semblables
Thorme : A, B deux matrices n n, alors,
tr (AB) = tr (BA)
Dmonstration : Llment i
` eme
ligne et colonne de AB est
n

j =1
a
ij
b
j i
,
tr (AB) =
n

i=1
n

j =1
a
ij
b
j i
=
n

j =1
n

i=1
b
j i
a
ij
=
n

i=1
n

j =1
b
ij
a
j i
= tr (BA)
car les indices de sommation sont muets.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
Complments dalgbre linaire 1 -
Thorme : 2 matrices semblables ont la mme trace.
La rciproque est fausse !
Dmonstration : A

= P
1
AP,
tr (A

) = tr
_
P
1
AP
_
= tr
_
P
1
(AP)
_
= tr
_
(AP) P
1
_
= tr
_
APP
1
_
= tr (A)
Exemple : Les deux matrices
_

_
1 2 3
0 4 5
5 6 7
_

_
et
_

_
2 1 3
4 0 5
6 5 7
_

_
ne dirent que par linterversion
des deux premires colonnes mais ne sont pas semblables puisquelles nont pas la mme trace !...
3.3. Trace dun endomorphisme en dimension nie
Dnition : Comme deux matrices semblables ont la mme trace, la trace dun endomorphisme en
dimension nie est dnie comme la trace de sa matrice dans nimporte quelle base.
4. Transpose dune matrice
4.1. Transpose
Dnition : Soit A une matrice de M
n,p
(), cest dire une matrice n lignes et p colonnes.
La transpose de A, note
t
A, ou A
T
est une matrice de M
p,n
(), cest dire une matrice p lignes et n
colonnes.
Son lment i-me ligne et j -me colonne est llment j -me ligne et i-me colonne de A, souvent
not a
i,j
.
En pratiques, les lignes de A deviennent les colonnes de A
T
, tandis que les colonnes de A deviennent
les lignes de A
T
.
Par exemple, la transpose de
_

_
1 2
3 4
5 6
_

_
est
_

_
1 3 5
2 4 6
_

_
, tandis que la transpose de
_

_
1
2
3
_

_
est
_
1 2 3
_
.
Remarque : La transpose de la transpose est la matrice elle-mme !
Autrement dit : A M
n,p
(), on a :
_
A
T
_
T
= A.
Remarque : Si U et V sont des vecteurs colonnes n composantes, alors U
T
V est une matrice une
ligne et une colonne, cest dire un scalaire !
En dimension 2 ou 3, dans une base orthonormale, cest mme le produit scalaire de ces deux vecteurs.
4.2. Oprations sur les transposes
Thorme : (Linarit de la transposition)
Soient A, B M
n,p
(), et , , alors : (A+ B)
T
= A
T
+ B
T
.
Dmonstration : Llment ligne i et colonne j de (A+ B)
T
est llment ligne j et colonne i de
A+ B, cest dire a
j ,i
+ b
j ,i
.
Llment ligne i et colonne j de A
T
est llment ligne j et colonne i de A, cest dire a
j ,i
.
Llment ligne i et colonne j de B
T
est llment ligne j et colonne i de B, cest dire b
j ,i
.
Donc, llment ligne i et colonne j de A
T
+ B
T
est a
j ,i
+ b
j ,i
.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
1 - 6 Complments dalgbre linaire
On a donc bien lgalit annonce.
Thorme : (Transpose dun produit)
Soient A M
n,p
() et B M
p,q
(). On sait alors que A B M
n,q
().
De plus, on a : (A B)
T
= B
T
A
T
.
On remarquera linversion de lordre des termes du produit. . .
Dmonstration : Llment ligne i et colonne j de (A B)
T
est llment ligne j et colonne i de A B.
Cest donc le produit de la ligne j de A par la colonne i de B, ou encore
p

k=1
a
j ,p
b
p,i
.
Llment ligne i et colonne j de B
T
A
T
est le produit de la ligne i de B
T
par la colonne j de A
T
,
cest dire le produit de la colonne i de B par la ligne j de A
T
, ou encore
p

k=1
b
p,i
a
j ,p
.
On a bien montr lgalit demande demande.
Thorme : (Transpose de linverse)
Soit A GL
n
(), cest dire une matrice carre inversible dordre n coecients dans .
Alors :
_
A
T
_
1
=
_
A
1
_
T
.
Dmonstration : On applique le thorme prcdent avec une matrice A carre inversible et B = A
1
.
On a donc :
_
A A
1
_
T
= I
T
n
= I
n
=
_
A
1
_
T
A
T
, en notant classiquement I
n
la matrice identit dordre
n.
Ce qui prouve que
_
A
T
_
1
=
_
A
1
_
T
.
4.3. Matrices symtriques et antisymtriques
Dnition : Une matrice carre A est symtrique si et seulement si A
T
= A.
Cela revient ce que les lments ligne i et colonne j sont gaux aux lments ligne j et colonne i.
Par exemple, dans le plan, la matrice dans une base orthonormale dune symtrie orthogonale par
rapport une droite est symtrique.
Autre exemple : la matrice
_

_
1 2
2 3
_

_
est symtrique.
Dnition : Une matrice carre A est antisymtrique si et seulement si A
T
= A.
Cela revient ce que les lments ligne i et colonne j sont les opposs des lments ligne j et colonne
i.
Par exemple, dans le plan, la matrice dans une base orthonormale dune rotation est antisymtrique.
Autre exemple : la matrice
_

_
1 2
2 3
_

_
est antisymtrique.
Thorme : Lensemble des matrices symtriques dordre n, muni de la somme des matrices et du
produit dune matrice par un scalaire, a une structure despace vectoriel, sous-espace vectoriel de
M
n
().
Thorme : Lensemble des matrices antisymtriques dordre n, muni de la somme des matrices et
du produit dune matrice par un scalaire, a une structure despace vectoriel, sous-espace vectoriel de
M
n
().
Pour ces deux thormes, la stabilit par combinaison linaire se montre facilement en utilisant la
linarit de la transposition.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
Complments dalgbre linaire 1 -
Thorme : (Dcomposition canonique) Soit M M
n
(), alors il existe une unique matrice sym-
trique S et une unique matrice antisymtrique A telle que M = S + A.
Dmonstration : Si M = S + A, alors M
T
= S
T
+ A
T
= S A.
Donc, ncessairement, S =
1
2
_
M + M
T
_
et A =
1
2
_
M M
T
_
.
La somme de ces deux matrices est bien M, il sut enn de vrier que
1
2
_
M + M
T
_
est symtrique
et que
1
2
_
M M
T
_
est symtrique, ce qui est trs facile en utilisant la linarit de la transposition et
la transpose de la transpose.
5. Complments
5.1. Colbert, lyce numrique
a/ Maple
Comme pour tout lalgbre linaire, il faut dabord charger lextension LinearAlgebra :
> with(LinearAlgebra);
> LinearSolve(A,B); permet de rsoudre les systmes linaires crits matriciellement, A tant la
matrice et B le vecteur second membre. La rponse est le, ou les, vecteurs X tels que AX = B.
> ReducedRowEchelonForm(A); eectue la rduction de Gauss complte dune matrice.
Si on a un vecteur second membre B, on crira alors : > ReducedRowEchelonForm(<A|B>);
> Eigenvalues(A); fournit les valeurs propres dune matrice et
> Eigenvectors(A); les valeurs propres et une base de chaque vecteur propre. Dans la mesure, bien
sr, o Maple sait rsoudre lquation qui permet de calculer les valeurs propres...
Comme toujours avec Maple, on se mera quand la matrice ou le vecteur dpendent dun paramtre.
La rponse fournie correspond en gnral au cas gnral.
Rappelons que suivre Outils/Tches/Naviguer/Linear Algebra permet daccder de nombreuses
tches prdnies, dont toutes les prcdentes.
b/ HP 40G-40GS
Les systmes linaires se rsolvent simplement en divisant la matrice par le vecteur second membre !
On pourra aussi regarder la commande LINSOLVE.
On peut aussi utiliser RREF dans le menu MATH, L4C2, choisir Matrix. On lui fournit une matrice
constitue de la matrice du systme et dune colonne supplmentaire : le second membre. Cela est
meilleur quand on a une innit de solutions.
Dans ce mme sous-menu, on trouve EIGENVAL et EIGENVV pour les valeurs propres et les couples
valeurs et vecteurs propres, ainsi que RANK et TRACE pour le rang et la trace de la matrice.
c/ HP 50G
On rsout un systme linaire par LINEAR SYSTEMS ou, comme ci-dessus, par RREF du menu MATRICES,
L8C3.
On trouve aussi LINSOLVE dans le menu S.SLV, L7C2, pour une rsolution symbolique.
Mais on a aussi Solve lin sys dans le menu NUM.SLV, L7C2 pour une rsolution numrique.
On y prsente clairement la matrice A, le vecteur second membre B, et la solution, le vecteur X.
Par ailleurs, dans le menu MATRICES, L8C3, lentre EIGENVECTORS propose EGVL et EGV pour les va-
leurs propres et les couples valeurs et vecteurs propres.
Par ailleurs, le menu MATRICES, L8C3, a un sous-menu LINEAR APPL qui propose la recherche du
noyau par KER et de limage par IMAGE.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr
1 - 8 Complments dalgbre linaire
Enn, ce mme menu MATRICES, L8C3, a un sous-menu OPERATIONS qui contient les commandes RANK
et TRACE pour le rang et la trace de la matrice.
d/ TI 89
La rsolution des systmes linaires se fait par Simult du menu MATH, L8C3, sous-menu Matrix.
Dans ce mme sous-menu, les commandes eigVl et eigVc donnent les valeurs et vecteurs propres.
Malheureusement, cest ici toujours un calcul numrique approch, valable uniquement pour une
matrice numrique ! De plus les vecteurs propres sont (inutilement ?) norms.
Pour avoir les valeurs propres exactes, il faut rsoudre le polynme caractristique, en faisant un
solve du det de la matrice moins x fois la matrice identit.
Ensuite pour chaque valeur propre , il faut faire un rref de la matrice moins fois la matrice identit.
On obtient un systme rduit dquations du sous-espace propre.
e/ TI N-spire CAS
La rsolution des systmes linaires se fait par Simult.
La commande eigVc donne les vecteurs propres et eigVl les valeurs propres.
Malheureusement, cest ici toujours un calcul numrique approch, valable uniquement pour une
matrice numrique ! De plus les vecteurs propres sont (inutilement ?) norms.
Pour avoir les valeurs propres exactes, il faut rsoudre le polynme caractristique, en faisant un
solve du det de la matrice moins x fois la matrice identit.
Ensuite pour chaque valeur propre , il faut faire un rref de la matrice moins fois la matrice identit.
On obtient un systme rduit dquations du sous-espace propre.
f/ ClassPad 300
Dans le menu Action, le sous menu Matrix-Calculation fournit la commande rref qui permet de
rsoudre un systme linaire.
Toujours au mme endroit, les commandes eigVl et eigVc fournissent les valeurs et vecteurs propres
(numriques).
5.2. Les mathmaticiens du chapitre
Cayley Arthur 1821-1895 Mathmaticien anglais, on lui doit la notion de groupe et il passe pour tre
linventeur des matrices.
Jordan Camille 1838-1922 Ce mathmaticien franais est clbre pour ses travaux en algbre linaire,
entre autres...
Peano Giuseppe 1858-1932 Italien, cest lui qui donna la dnition axiomatique des espaces vecto-
riels.
Cours de Sp T.S.I. Christophe Caignaert Lyce Colbert jioo Tourcoing http://c.caignaert.free.fr

Vous aimerez peut-être aussi