Académique Documents
Professionnel Documents
Culture Documents
Cours 130223203500 Phpapp02 PDF
Cours 130223203500 Phpapp02 PDF
1 Calcul matriciel
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
matrice
. . . . .
2 Dterminants
2.1
2.2
2.3
2.4
10
Dterminant d'ordre 2 . . . . . . . . . . . . . . . . . . . . . .
Dterminant d'ordre 3 . . . . . . . . . . . . . . . . . . . . . .
Dterminant d'ordre n . . . . . . . . . . . . . . . . . . . . .
Applications . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Calcul de l'inverse d'une matrice carre d'ordre n . . .
2.4.2 Rsolution de systmes linaires ( Mthode de Cramer )
3 Espaces Vectoriels
3.1
3.2
3.3
3.4
3.5
3.6
3
4
4
5
5
7
7
10
10
13
15
15
16
17
Espaces vectoriels . . . . . . . . . . . . . . . . .
Sous-Espaces vectoriels . . . . . . . . . . . . . .
Famille Gnratrice . . . . . . . . . . . . . . . .
Dpendance et Indpendance Linaires - Bases .
Existence de Bases ( en dimension nie ) . . . .
Les Thormes Fondamentaux sur la Dimension
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
18
20
21
23
24
31
Applications Linaires . . . . . . . . . . . . . . . . . . . . . .
Image et Noyau . . . . . . . . . . . . . . . . . . . . . . . . .
Matrices Associes aux Applications Linaires . . . . . . . . .
Matrice d'un Vecteur. Calcul de l'Image d'un Vecteur . . . .
Matrice de l'Inverse d'une Application . . . . . . . . . . . . .
Changement de Bases . . . . . . . . . . . . . . . . . . . . . .
Rang d'une Matrice . . . . . . . . . . . . . . . . . . . . . . .
Matrices Remarquables . . . . . . . . . . . . . . . . . . . . .
Application des Dterminants la Thorie du Rang . . . . .
4.9.1 Caractrisation des Bases . . . . . . . . . . . . . . . .
4.9.2 Comment reconnatre si une famille de vecteurs est libre
4.9.3 Comment reconnatre si un vecteur appartient l'espace engendr par d'autres vecteurs . . . . . . . . . .
4.9.4 Dtermination du rang . . . . . . . . . . . . . . . . .
31
32
35
38
40
40
42
43
45
45
46
47
48
50
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
50
52
53
55
Chapitre 1
Calcul matriciel
Dans tout ce qui suit, K dsigne R ou C.
(1.1)
est appel matrice. Les nombres aij sont appels coecients de la matrice.
Les lignes horizontales sont appeles ranges ou vecteurs ranges, et les lignes
verticales sont appeles colonnes ou vecteurs colonnes de la matrice. Une
matrice m ranges et n colonnes est appele matrice de type (m, n). On
note la matrice ( 1.1) par (aij ).
Exemple 1.1.1. :
1)
2)
0 0 ... 0
0 0 ... 0
La matrice nulle O = .
.. a tous ses coecients nuls.
..
.
0 0 ... 0
Une matrice (a1 , ..., an ) ayant une seule range est appele matrice
uniligne.
3) Une matrice
b1
b2
...
bm
colonne.
1) Une matrice ayant le mme nombre de ranges et de colonnes est appeles matrice carre, et le nombre de ranges est appel son ordre.
2) La matrice carre (aij ) telle que aij = 0 si i 6= j et aii = 1 i est
appele matrice unit, note par I , elle vrie AI = IA = A, A matrice
carre du mme ordre que I .
3) Deux matrices (aij ) et (bij ) sont gales si et seulement si elles ont
mme nombre de ranges et le mme nombre de colonnes et les lments
correspondants sont gaux ; c'est dire aij = bij i, j .
Exemple 1.2.1. : Si A =
B=
1 5 3
4 6 3
0 1 2
!
et
B=
5 1 0
3 1 0
3 2 2
!
, alors
A+
= (aij ).
Exemple 1.2.2. :
Si
A = (2 7 8),
alors
3A = (6 21 24)
j=n
X
aij bjl .
j=1
Exemple 1.2.3. :
3 2 1
0 4 6
A=
AB =
=
!
et
1 0 2
B = 5 3 1 ,
6 4 2
alors
4) C(A + B) = CA + CB
Pour vu que les produits qui gurent dans les expressions soient dnis.
Remarque 1.2.1. :
1) La multiplication matricielle n'est pas en gnral commutative, c..d
AB 6= BA.
2) La simplication n'est pas vraie en gnral, c..d
A=O
pas, ncessairement
ou
AB = O
n'entrane
B = O.
telle que
AB = BA =
I.
Exemple 1.2.4. :!
1 0
1) A =
0 0
!
0 0
BA =
1 0
1 1
B=
0 1
1 0
!
, alors
1 1
1 1
AB =
0 1
0 0
!
et
6= O, B =
6= O et pourtant
2 2
!
0 0
AB =
=O
0 0
a11 0 . . . 0
0 a22 0 . . . ...
0 . . . 0 ann
i 6= j est appele matrice diagonale.
a11
0 a22
ou
2) Une matrice du type
.
.. . . . . . .
0 . . . 0 ann
a11 0 . . . 0
. . . ...
a
22
ann
La premire vrie aij = 0 pour i > j et la seconde aij = 0 pour i < j .
2)
A=
Exemple
1.2.5. :
Si
1 4
A = 2 5 ;
3 6
alors
A=
1 2 3
4 5 6
Exemple 1.3.1. :
Considrons la matrice unit d'ordre
L3 .
2) Remplacer ligne L2 par 6L2 .
3) Remplacer ligne L3 par 4L1 + L3 .
1 0 0
1 0 0
E1 = 0 0 1 , E2 = 0 6 0
0 1 0
0 0 1
1) Permuter les lignes
L2
3.
et
et
1 0 0
E3 = 0 1 0
4 0 1
sont les
Thorme 1.3.1. :
e une opration lmentaire sur les lignes et E la matrice lmentaire
correspondante d'ordre m, alors e(A) = EA pour toute matrice A de type
(m, n).
Soit
Thorme 1.3.2. :
Soit
est
1 0 2
A = 2 1 3
4 1 8
si elle existe.
et nous ap-
pliquons les mmes oprations cette matrice que celles eectues sur
1 0 2
1 0 0
1 0 2
L2 2L1
0 1 0 L3 4L1 0 1 1
2 1 3
4 1 8
0 0 1
0 1 0
1 0 2
1 0 0
L1 +2L3
L3 +L2
0 1 1
2 1 0 L2 L3
0 0 1
6 1 1
1 0 0
2 1 0
4 0 1
A.
0 1 0
0 0 1
d'o
11 2
L3
4 0 1
6 1 1
11
L2
1 0 0
0 1 0
0 0 1
4 0 1
6 1 1
11
A1 = 4 0 1
6 1 1
1 0
A1 = BC avec B = 0 1
0 0
1 0 0
1 0
C = 0 1 1 0 1
0 0 0
0 1
0
1 0 0
1 0 2
0 0 1 0 0 1 0 et
1
0 0 1
0 0 1
0
1 0 0
1 0 0
0 2 1 0 0 1 0
1
0 0 1
4 0 1
Chapitre 2
Dterminants
2.1 Dterminant d'ordre 2
a a
Le symbole 11 12 est appel dterminant d'ordre 2 de la matrice A =
a21 a22
!
a11 a12
a11 a12
et est dni par detA =
= a11 a22 a12 a21 .
a21 a22
a21 a22
Exemple
2.1.1. :
1 3
= 4 6 = 2,
2 4
2 4
= 6 4 = 2,
1 3
3 1
=64=2
4 2
1 3
2 4
, tA =
1 2
3 4
dett A, d'o la valeur d'un dterminant est conserve lorsque l'on change les
Soit A =
a21 a22 a23 , on dnit
a31 a32 a33
10
Chapitre 2 : Dterminants
11
a12 a13
a22 a23
a 32 a33
a a
a a
a a
22 23
12 13
12 13
= a11
a21
+a31
a32 a33
a32 a33
a22 a23
| {z }
| {z }
| {z }
mineur de a11
mineur de a21
mineur de a31
a11
detA = a21
a31
Exemple 2.2.1. :
1 3 0
3 0
3 0
6 4
detA = 2 6 4 = 1
= 12 12 12 = 12
1
2
6 4
0 2
0 2
1 0 2
Remarque 2.2.1. :
Le cofacteur de
Les signes
a22
(1)i+j
est
a a
11 13
(1)2+2
.
a31 a33
(1)
+ +
+
+ +
sous la forme :
Ci1
est le cofacteur de
ai1
dans
detA.
Exemple 2.2.2. :
a a
a a
a a
12 13
11 13
11 12
detA = a21
+ a22
a23
a32 a33
a31 a33
a31 a32
Chapitre 2 : Dterminants
12
fois la valeur du dterminant initial. Cette proprit peut tre utilise pour
simplier un dterminant.
Exemple
2.2.3.
:
3
0
1 3(1) 0
1 3 0
1
1 3 0
2 6 4 = 2(1) 2(3) 2(2) = 2 1 3 2 = 2 1 3(1) 2 =
1 3(0) 2
1 0 2
1
1 0 2
0
2
1 1 0
1 1 0
6 1 1 2 = 12 1 1 1 = 12
1 0 1
1 0 2
Exemple
2.2.4. :
a1 + d1 b1
a2 + d2 b2
a3 + d3 b3
c1 a1 b1 c1 d1 b1 c1
c2 = a2 b2 c2 + d2 b2 c2
c3 a3 b3 c3 d3 b3 c3
Exemple
2.2.5. :
1 2 2
1 2 3 = 0
1 2 1
Exemple
2.2.6.
:
1 1 0
1 1 0
C1 +C3
1 1 1 = 2 1 1 = 1
1 0 1
0 0 1
Chapitre 2 : Dterminants
13
C +C
3
1
signie que l'on a ajout la colonne C3 la colonne C1 .
Exemple 2.2.7. :
3 1 2
Calculer 6 2 4
1
7 3
0 1 2
3 1 2
1 2
C1 +C2 C3
= 5(4 + 4) = 0
6 2 4 = 0 2 4 = 5
2 4
5
1
7 3
7 3
Remarque 2.2.2. :
La ligne ( ou colonne ) dans laquelle seront eectus les calculs ne doit
pas tre multiplie par des scalaires. La multiplication par un scalaire
viendrait multiplier le dterminant par
re-
Exemple 2.2.8. :
1 2
0 2
2L1 L2
= 2,
2 3
1 3
alors que
1 2
= 1
2 3
Chapitre 2 : Dterminants
14
a a . . . a
1n
11 12
a21 a22 . . . a2n
.. = ai1 Ci1 + ai2 Ci2 + . . . + ain Cin
...
.
( i = 1, 2 . . . , ou n )
an1 an2 . . . ann
ou
= a1k C1k + a2k C2k + . . . + ank Cnk
( k = 1, 2 . . . , ou n )
Remarque 2.3.1. :
Les proprits 1) jusqu' 8) restent valables pour un dterminant d'ordre
n.
Pour calculer la valeur d'un dterminant, on dveloppera suivant la ligne
ou colonne o il y a le plus de zros.
Exemple
2.3.1. :
1
1
1 3
1
1 3
0
C +C +C +C
1
123 4 0
1
3
1
1
3
1
=0
=
1 3
1
1
1
1
0 3
3
0
1
1
1
1
1
1
sin2 sin2 sin2
1
1
1
L1 +L2
2
2
2 =
2
2
2 = 0
cos cos cos
cos cos cos
1
1
1
1
1
1
Remarque 2.3.2. :
1)
2)
det(AB) = (detA)(detB)
3)
det(A1 ) = (detA)1
en gnral.
A1
dsigne l'inverse de
A.
Chapitre 2 : Dterminants
15
2.4 Applications
2.4.1 Calcul de l'inverse d'une matrice carre d'ordre n
On rappelle qu'une matrice carre d'ordre n A est inversible s'il existe B
d'ordre n telle que AB = BA = I o I est la matrice unit d'ordre n, c'est
dire la matrice diagonale dont les lments diagonaux sont tous gaux 1.
Critre : A est inversible si detA 6= 0.
Une fois assur que A est inversible, on calcule son inverse l'aide de la
1
formule suivante : A1 = detA
(adjA) o (adjA) dsigne l'adjoint classique
de A c'est dire la matrice t [Cij ] o Cij dsigne la matrice des cofacteurs de
A.
Exemple
2.4.1. :
2 3 4
A = 0 4 2
1 1 5
2
0
3
4
5
14
L1 2L3
5 14
detA = 0 4
=
2
0 4
2 =
= 46 6= 0,
4
2
1 1
5
1 1
5
donc A est inversible.
Dterminons
les
9 cofacteurs de A
4 2
0 2
C11 =
= 18, C12 =
=2
1 5
1 5
0 4
3 4
C13 =
= 4, C21 =
= 11
1 1
1
5
2 4
2
3
C22 =
= 14, C23 =
=5
1
1 1
5
3 4
2 4
C31 =
= 10, C32 =
= 4
4
0
2
2
2
3
C33 =
= 8
0 4
18 11 10
1
A1 = 46
2
14 4
Chapitre 2 : Dterminants
16
lorsque detA 6= 0.
x1
b1
..
..
1
Si on pose X = . et b = . , alors xi = detA
[C1i b1 + C2i b2 +
xn
bn
1
. . . + Cni bn ] = detA detBi o Bi est la matrice obtenue en remplaant la ie`me
colonne de A par b.
Exemple 2.4.2. :
Utiliser la mthode de Cramer pour rsoudre le systme :
x1
+ 3x3 = 2
1 0 3
A = 1 2 2
x1 + 2x2 + 2x3 = 3
x2 + 4x3 = 5
0 1 4
1 0 3
L2 +L1 1 0 3
detA = 1 2 2 = 0 2 5 = 3
0 1 4
0 1 4
2 0 3
2 0
3
x1 = 31 3 2 2 = 13 7 0 6 = 13 [(12 + 21)] = 3.
5 1 4
5 1
4
1 2 3
1 2 3
1
1
x2 = 3 1 3 2 = 3 0 5 5 = 5
3 .
0 5 4
0 5 4
1 0 2
1 0 2
1
1
x3 = 3 1 2 3 = 3 0 2 5 = 53 .
0 1 5
0 1 5
Remarque 2.4.1. :
La mthode de Gauss pour les systmes et celle des matrices lmentaires
pour le calcul de l'inverse demeurent les plus ecaces.
Chapitre 3
Espaces Vectoriels
Dans ce chapitre, K dsignera R, ou C.
E, +, .
), telles que :
1) Pour tout
x, y E, x + y E.
2) Pour tout
x, y E, x + y = y + x.
3) Pour tout
x E, x + 0E = x.
4) Pour tout
x E, x E.
5) Pour tout
x, y, z E, (x + y) + z = x + (y + z).
6) Pour tout
K, x E, x E.
7)
.(.x) = ().x , K
8)
( + ).x = .x + .x , K
et
9)
.(x + y) = .x + .y K
x, y E.
10)
et
x E.
et
x E.
1.x = x x E.
Exemple 3.1.1. :
1) K est un espace vectoriel sur lui mme.
2)
R.
3)
4)
R[X]
17
C.
muni des lois :
18
(a0 +a1 X +...+an X n )+(b0 +b1 X +...+bn X n ) = (a0 +b0 )+(a1 +b1 )X +
... + (an + bn )X n et (a0 + a1 X + ... + an X n ) = a0 + a1 X + ... + an X n .
5) Soit E un espace vectoriel sur K, A un ensemble quelconque non vide,
et
S={
applications
f, g S
et
K,
alors
f +g :AE
a 7 f (a) + g(a)
f : A E
a 7 f (a)
E2 par :
(x1 , y1 )+(x2 , y2 ) = (x1 +x2 , y1 +y2 ) et (x1 , y1 ) = (x1 , y1 ) avec K.
D'une manire analogue, E1 ... En est un espace vectoriel sur K si
E1 , ...,En le sont.
.0 = 0
2)
x = 0 = 0 ou x = 0.
()x = (x) = x.
3)
et
0.x = 0.
Preuve : 1) (0 + 0) = 0 + 0 = 0 0 = 0 et (0 + 0)x = 0x + 0x =
0x 0x = 0.
2) x = 0, si 6= 0 alors 1 x = 0 x = 0.
3) ( + ())x = x + ()x = 0 (x) = (x).
2)
6= .
a) x, y F x + y F.
b)
x F, K x F.
19
1) F
Preuve : ) trivial.
) = 1 et y F y F d'aprs b) ; x F x y F d'aprs
a) ; d'o F est un sous-groupe de E.
Les autres axiomes sont vris pour tous les lments de E et donc
fortiori pour les lments de F.
Proposition 3.2.2. quivalente
seulement si :
6= .
x, y F ; , K x + y F.
1) F
2)
Preuve : Exercice.
Exemple 3.2.1. :
1) Droite vectorielle :
Soit E un espace vectoriel et soit
K; y
par
= v}
v.
v E ; v 6= 0,
alors F
= {y E/
v
-
2) Soient
x1 , x2
E et F
= {y
E/1 , 2
K; y
= 1 x1 + 2 x2 },
x26
x = 1 x1 + 2 x2
x1
-
*
x1
et
x2 .
20
Rn [X] = {
toriel de R[X].
3)
4) Soit F
de
polynmes
P R[X]; degP n}
= {(x, y, z) R3 /2x + y + 3z = 0}
R3 .
2) F
Preuve : 1) F G 6= car 0 F G.
x, y F G et , K (x, y F, , K) et (x, y G,
, K) x + y F G.
2) On prend F 6 G et G 6 F, il existe donc x F ; x / G et y G ;
y
/ F ; on a donc x, y F G.
Si F G est un sous-espace vectoriel alors x + y F G ; c..d x + y F
ou x + y G.
Si x + y F, alors (x + y) x F y F ; contradiction.
Si x + y G, alors (x + y) y G x G ; contradiction.
3) Le complment (E F) ne contient pas 0, donc n'est pas un sous-espace
vectoriel.
xE
Remarque 3.3.1. : Une telle famille ( nie ) n'existe pas toujours. Considrons
R[X]
et
{P1 , ..., Pp }
tre gnratrice, car par combinaisons linaires, on n'obtiendra que des polynmes de degrSup(deg
Par contre pour
trice.
Rn [X],
Pi ).
la famille
{1, X, ..., X n }
21
Exemple 3.3.1. :
1) Dans
2) Dans
R2 , {(1, 0); (0, 1); (1, 2)} est une famille gnratrice.
R2 , {(1, 1); (1, 1)} est une famille gnratrice.
Rn , {(1, 0, ..., 0); ...; (0, ..., 0, 1)} est une famille gnratrice.
3) Dans
4) Dans
Dnition 3.3.2. : Un espace vectoriel est dit de dimension nie, s'il existe
une famille gnratrice nie, dans le cas contraire, on dit qu'il est de dimension innie.
Exemple 3.3.2. :
1)
Rn
2)
R[X]
et
Rn [X]
hv1 , ..., vp i
1 v1 + ... + p vp = 0 1 = ... = p = 0.
que les vecteurs v1 , ..., vp sont linairement indpendants.
Une famille qui n'est pas libre, est dite lie ( on dit aussi que ses vecteurs
sont lis ou linairement dpendants ).
Exemple 3.4.1. :
R3 , les vecteurs v1 = (1, 2, 1) ; v2 = (1, 3, 1) et v3 = (1, 13, 5)
sont lis car 2v1 + 3v2 v3 = 0.
3
2) Dans R , les vecteurs v1 = (1, 1, 1) ; v2 = (0, 2, 1) et v3 = (0, 0, 5)
1) Dans
Proposition 3.4.1. : Une famille {v1, ..., vp} est lie si et seulement si l'un
au moins des vecteurs
vi
teurs de la famille.
Preuve : ) 1, ..., p non tous nuls tels que 1v1 + ... + pvp = 0, si
i 6= 0, alors
1
vi =
i v1 + ... +
i1
i vi1
i+1
i vi+1 ...
p
i vp
22
Proposition 3.4.2. : Soit {v1, ..., vp} une famille libre et x un vecteur quelconque de l'espace engendr par les
vi
), alors la dcomposition de
vi
( c..d
sur les
vi
est unique.
x=
vi ,
c..d
x E !(1 , ..., n ) Kn
tel que
i vi .
i=1
: Soit
B = {v1 , ..., vn }
une bijection :
B :
x=
n
X
n
K
xi vi 7 (x1 , ..., xn )
i=1
Les scalaires xi sont dits composantes de
dans la base
B = {v1 , ..., vn }.
Exemple 3.4.2. :
ke`me rang
n
1) Base canonique de K ,
On vrie qu'ils forment une famille libre, donc c'est une base de F.
23
{v1 , ..., vn }
vi
2) Soit {v1 , ..., vp } une famille gnratrice et {v1 , ..., vp , w1 , ..., wq } une
sur-famille. Alors x E, x =
i=p
X
i vi =
i=p
X
i=1
i=1
3.5
Thorme 3.5.1. :
6= {0}
de dimension nie,
Preuve : Soit G = {v1, ..., vp} une famille gnratrice. Pour tout x E,
il existe 1 , ..., p K tels que x = 1 v1 + ... + p vp .
a) Si tous les vi taient nuls E = {0} ce qui est exclu. Quitte changer
de numrotation on peut supposer v1 6= 0.
b) L1 = {v1 } est une famille libre, si elle tait gnratrice, stop.
c) Supposons L1 non gnratrice. Montrons qu'il existe v {v2 , ..., vp }
tel que {v1 , v } soit libre.
Supposons le contraire ; c..d v1 est li chacun des vi , i = 2, ..., p, d'o
2 , ..., p ; v2 = 2 v1 , v3 = 3 v1 ,..., vp = p v1 , alors
24
x =
i=p
X
i vi
i=1
= 1 v1 +
= (1 +
i=p
X
i i v1
i=2
i=p
X
i i )v1
i=2
L1
L2
L3
... G
de famille libres et le processus peut tre continu tant que Lk n'est pas
gnratrice. Mais G est une famille nie et par consquent le processus doit
s'arrter, ventuellement pour Lk = G . Il existe donc une famille Lk libre et
gnratrice.
Cette dmonstration nous permet d'obtenir une autre version du thorme
prcdent.
Thorme 3.5.2.
: Soit E
6= {0}
alors :
1) De toute famille gnratrice on peut extraire une base.
2) ( Thorme de la base incomplte ). Toute famille libre peut tre complte de manire former une base.
3.6
Preuve : Soit F = {v1, ..., vn} une famille gnratrice et F 0 = {w1, ..., wm}
une famille de vecteurs ( m > n ). Montrons que F 0 est lie.
25
Thorme 3.6.2. :
toutes les bases ont mme nombre d'lments, ce nombre entier est appel
dimension de E sur K et est not
dimK E.
Corollaire 3.6.1.
famille de plus de
n,
toute
lments
Exemple 3.6.1. :
1) Si E
= {0},
on pose
2)
dimK Kn = n.
3)
dimR Rn [X] = n + 1.
dimK E = 0,
et E
= {0} dimK E = 0.
26
dimR C = 2
et
dimC C = 1.
Preuve : Soient {a1, ..., an }, {b1, ..., bn },..., {l1, ..., ln } des bases de
E1,..., Ep
1
respectivement.
La famille {(ai , 0, ..., 0)i=1,...,n1 , (0, bi , 0, ..., 0)i=1,...,n2 , ...,
(0, 0, ..., 0, li )i=1,...,np } est une base de E1 ... Ep .
Exemple 3.6.2. :
dimR Cn = 2n
et
dimC Cn = n.
Preuve : 1) De cette famille, on peut extraire une base, elle doit avoir n
lments, donc c'est elle mme.
2) Cette famille peut tre complte pour former une base qui doit avoir
n lments, donc c'est elle mme.
Thorme 3.6.4.
dimK F dimK E.
2)
dimK F = dimK E E = F.
2) ) Trivial.
) Il existe une base B de F ayant n lments, elle est donc libre dans
F et par suite dans E, elle est donc base de E ; thorme 2.6.3, donc famille
gnratrice de E, donc E = F.
27
+ E2 = {x E/x1 E1 , x2 E2 ; x = x1 + x2 }.
E2
G = E1
E2 , et on dit que
E2 = {0}.
deux sous-espaces
Proposition 3.7.2. :
E
E1
de E2 ,
= E1
E2 , c..d E
= E1 + E2
= {0}.
B1 B2
et E1 E2
B1
de E1 et toute base
B2
p
X
i vi +
|i=1{z }
E1
qp
X
j vp+j E1 + E2
j=1
{z
E2
28
Corollaire 3.7.1. : Soit E un espace vectoriel. Pour tout sous-espace vectoriel E1 , il existe toujours un supplmentaire ; le supplmentaire de E1 n'est
pas unique, mais si E est de dimension nie, tous les supplmentaires de E1
ont mme dimension.
la base incomplte, il existe wp+1 , ..., wn tels que {v1 , ..., vp , wp+1 , ..., wn } soit
une base de E. En posant E2 = {wp+1 , ..., wn }, le sous-espace de E engendr
par {wp+1 , ..., wn }, on obtient un supplmentaire de E1 dans E. Puisque le
choix des wi n'est pas unique, le supplmentaire de E1 n'est pas unique ;
cependant tous les supplmentaires de E1 ont une dimension gale n p,
p tant la dimension de E1 .
Thorme 3.7.1.
E
= E1
1)E1
2)
E2 si et seulement si :
E2 = {0}.
Exemple 3.7.1. :
1) Dans
pendants.
R2 ,
E1
= {v}
et E2
= {w}
et
29
E2
x
1
*
v
@
@
@
@
@
x@2
I
@
2) Dans
si
{e1 , e2 }
R3 ,
soit
E1
L
v 6 . On a R3 = {v}
{e1 , e2 , v} est une base de R3 .
x
x2
un plan vectoriel et
alors
3
v
car
x1
{v}
3) E
et E
= Rn [X],
= E1 + E2
E1
= R,
d'o E
Proposition 3.7.3.
E2
= E1
E1
E2 = {0}
E2 .
dim(E1 +
E2 )
= dimE1 +
=yE1
=zE2
30
On a x + y + z = 0 |{z}
z = (x + y) z E1 E2 z s'ex| {z }
E2
E1
Chapitre 4
Les Applications Linaires
4.1 Applications Linaires
Dnition 4.1.1.
une
est linaire, si :
f (u + v) = f (u) + f (v) u, v E.
f (v) = f (v) v E, K.
Exemple 4.1.1. :
E0
v
7
0
1)
2)
idE :
3)
uE
: E E
K
v 7 v
E
v 7 v
D : R[X] R[X]
est linaire dite drivation.
P
7 DP = P 0
L
5) Soit E = E1
E2 .
Pr1 : E
E1 est linaire dite projection
x = x1 + x2 7 x1 sur E1 paralllement E2 .
4)
31
32
v0 6= 0 un
: E E
6) Soit
vecteur de E
application non linaire car
v 7 v + v0
(0) = v0 6= 0,
dite translation.
f (F)
En particulier
not
Imf .
f (E)
et
f.
f.
est injective
Kerf = {0}.
Exemple 4.2.1. :
L
= E1 E2 , ImPr1 = E1 , KerPr2 = E2
2) D : R[X] R[X]
1) Soit E
P
7 DP = P 0
KerD = R, ImD = R[X].
3) f : R3
R2
(x, y, z) 7 (2x + y, y z)
Kerf = {(x, y, z)/y = 2x et z = y} = {(x, 2x, 2x)/x R}
droite vec-
(1, 2, 2).
Imf = {(x , y )/x, y, z; x0 = 2x + y et y 0 = y z}
.
= (x0 , y 0 )/y = y 0 + z et x = 21 (x0 y 0 z)
1 0
1 0
0
0
0 0
2
Posons z = 0 donc y = y et x = (x y ). D'o (x , y ) R ( (x
2
2
torielle engendre par
0 0
donc
33
En particulier si
E'.
i=n
X
i f (vi ) =
i=1
i=n
X
= f (
i vi ) = 0
( f application linaire )
i=1
i=n
X
i vi = 0
i=1
i=1
Thorme 4.2.1.
i=1
i=1
i=1
34
E est isomorphe K
dimK E = n.
Thorme 4.2.2. ( Thorme de la dimension ) : Soient E et E' deux espaces vectoriels de dimension nie et
dim(Imf ).
Soit {w1 , ..., wr } une base de Kerf , compltons la pour obtenir une base
de E en l'occurrence {w1 , ..., wr , v1 , ..., vnr }.
Montrons que B = {f (v1 ), ..., f (vnr )} est une base de Imf .
1) B engendre Imf , en eet :
r
nr
nr
X
X
X
f (x) = f (
i w i +
i vi ) =
i f (vi ).
i=1
i=1
b) B est libre :
nr
X
i f (vi ) =
i=1
i=1
nr
X
= f (
i vi ) = 0
i=1
nr
X
i vi Kerf
i=1
nr
X
i vi =
nr
X
i=1
r
X
i w i
i=1
i=1
(f application linaire)
i vi
r
X
i wi = 0
i=1
= i = 0, i = 1, ..., n r; i = 0, i = 0, ..., r
Corollaire 4.2.2. : Soit f L(E, E0), E et E' tant deux espaces vectoriels
de mme dimension nie, alors les proprits suivantes sont quivalentes :
1)
est injective.
2)
est surjective.
3)
est bijective.
35
D : R[X] R[X]
7 DP = P 0
n
X
on a
f (x) = f (
xi ei ) =
i=1
xi f (ei ),
donc si on connat
x.
i=1
..
.
=
f (en ) = a1n e01 + a2n e02 + ... + apn e0p
Dnition 4.3.1.
e01 , ..., ep
{e1 , ..., en } et
M (f )ei ,e0j appartenant Mp,n (K) dont
des vecteurs f (e1 ), ..., f (en ) dans la base
: On appelle matrice de
36
M (f )ei ,e0j
a11
.
.
.
=
.
.
ap1
e01
. e02
.
..
..
.
. e0p1
e0p
ap2 . . . . . apn
matrice associe f dpend
a12
. . . . . a1n
E'.
Exemple 4.3.1. :
1) Soit E un espace vectoriel de dimension
idE :
et
x 7 x
{ei } de E.
1 0 . . ... 0
0 1 0 . ... 0
. 0 1 0 ... 0
M (idE )ei =
= In
.
.
..
..
.
...
.
0
0 0 . ... 0 1
On considre une base
Mn (K).
R2 R2
(x, y) 7 (x, 0)
2
Considrons la base canonique {e1 , e2 } de R on a P r1 (e1 ) = e1 , P r1 (e2 ) =
2) Soit E
= R2
matrice unit de
0.
et
P r1 :
1 0
0 0
{e1 , e2 , e3 } la
M (P r1 )ei =
3) Soit
base canonique de
R2 . Considrons l'application
f : R3
R2
de
R3
et
linaire :
(x, y, z) 7 (x y, z y)
!
1 1 0
M (f )ei ,e0j =
0 1 1
4) On considre la forme linaire sur
Rn
f : Rn
R
(x1 , ..., xn ) 7 a1 x1 + a2 x2 + ... + an xn
{e01 , e02 }
la base canonique
En munissant
on obtient
D : R4 [X] R3 [X]
P
7 DP = P 0
0 1 0 0 0
0 0 2 0 0
M (D) =
0 0 0 3 0 par
0 0 0 0 4
R3 [X].
37
respectives
{ei }
et
{1}
5)
et
Proposition 4.3.1.
mension
et
R4 [X]
respectivement,
{ei }
et
{e0j }
l'application :
M (f + g) = M (f ) + M (g), M (f ) = M (f )
0
particulier dimL(E, E ) = np.
et
est bijective, en
Preuve :
M (f + g)ei ,e0j
(f + g)(e1 ) . . .
. . .
. . .
. . .
. . .
. . .
(f + g)(en )
f (e1 ) . . . f (en )
De mme
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
g(e )
1
. . . g(en )
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
M (f )ei ,e0j
(f )(e1 ) . . . (f )(en )
. . .
. . .
= M (f )e ,e0
=
.
.
.
i j
. . .
. . .
i=n
X
i ei , f (x) =
i=1
injective.
Elle
est aussi surjective,car si
A=
i=n
X
i=1
a1n
a21
a2n
..
.
Mp,n (K)
apn
..
.
ap1
...
On considre f en posant :
f (e1 ) = a11 e01 + ... + ap1 e0p
..
.
x=
i=n
X
i=1
la base
{ei }
M (x)ei =
x1
..
.
xn
xi ei
x dans
Proposition 4.4.1.
39
f L(E, E0 ), {e1 , e2 , ..., en } et e01 , e02 , ..., e0p
respectivement, pour tout x E, on a :
: Soit
Preuve : Soit M (f )e ,e
i
d'o f (ej ) =
p
X
0
j
a21
.
.
=
.
ap1
...
a1n
a2n
..
.
apn
akj e0k .
k=1
On a
j=n
j=n
j=n
p
X
X
X
X
f (x) = f (
xj ej ) =
xj f (ej ) =
xj
akj e0k
j=1
p
n
X X
xj akj ) e0k =
j=1
k=1
j=1
y1
j=1
p
X
k=1
yk e0k
k=1
{z
yk
.
donc M (f (x))e0j =
.. .
yp
D'autre part
a21
.
.
M (f )ei ,e0j M (x)ei =
.
ap1
...
a1n
a2n
..
apn
n
X
a1j xj
j=1
..
.
..
=
.
n
X
apj xj
xn
x1
j=1
d'o le rsultat.
Exemple 4.4.1. :
Soit le plan rapport sa base canonique. Dterminer l'image du vecteur
x = (3, 2)
On a
6.
40
M (f (x)) = M (f )M (x)
=
=
=
cos 6 sin 6
sin 6 cos
! 6
3 1
3
2
2
3
1
2
2
2!
3 32
2
2 3+3
2
3
2
Si
0
j
est inversible.
De plus
M (f 1 )e0i ,ej = M (f )1
ei ,e0 .
j
e0i
Pei e0i
p11 . . . p1n
..
.
...
..
.
pn1 . . . pnn
dans la base
Pei e0i
{ei }
41
et
X = M (x)ei , X 0 = M (x)e0i ,
on a
0
i
X 0 = P 1 X .
0
i
0
i
Exemple 4.6.1. :
Soit
R2
{e1 , e2 }
et la base
{e01 , e02 }
dnie par :
Proposition 4.6.2.
deux
Preuve :
f
E(e ) E0(e )
0
j
idE
idE0
E( ) E0( )
f
0
j
E'
E'
Corollaire 4.6.1. :
Soient
f L(E)
et
de E.
A = M (f )ei , A0 = M (f )e0i
0
1
alors A = P
AP .
Notons
On a
et
P = Pei e0i .
deux bases
42
Dnition 4.6.2.
: Deux matrices
P Mn (K)
A, A0 Mn (K)
A0 = P 1 AP .
Exemple 4.6.2. :
Soit
un endomorphisme de
A0
qui
{ei }
est re-
3 1
.
0 2
reprsente f dans la
A = M (f )ei =
Dterminons la matrice
On a
R2
3 3
3 1!
3 0
1 2
!
3 1
0 2!
0 1
1 1
0 1
1 1
base
e01 = (0, 1)
et
Soit
de
colonnes de
vi .
A.
Proposition 4.7.1.
: Soit
f L(E, E').
Soient
{e1 , ..., en }
et
rangf = rangA.
Ainsi deux matrices qui reprsentent la mme application linaire dans des
bases direntes ont mme rang ; en particulier deux matrices semblables ont
mme rang.
43
h
Kn
Kp
h = v 1 of ou
E(e ) E'(e )
f
0
j
( resp Kp )
i ( resp 0j ) le vecteur ei ( resp e0j ), alors l'application h a prcisment A
comme matrice dans
les deux X
bases canoniques car h(i ) = v 1 of ou(i ) =
X
v 1 of (ei ) = v 1 (
aij e0j ) =
aji 0j . Donc rangA = rangh et d'aprs le
j
2) Si
2) Soit {vi } avec vi = g(wi ) une base de Img , alors f (vi ) = (f og)(wi ).
Comme f est injective {f
(v )} est libre et engendre Im(f og) car y Im(f og) =
Xi
X
x ; y = f (g(x)) = f (
i vi ) =
i f (vi ) donc {f (vi )} est une base de
|{z}
Img
44
Dnition 4.8.1.
Glp (K)
et
d'quivalence sur
Mn,p (K),
note
existe
une relation
'.
rangA = rangB .
Lemme 4.8.1. :A M
n,p (K) ;
M (K)
r,r
A
'
rangA = r
...
0
.
0 1 0 ..
.. . . . .
.
.
.
..
.
1 0
...
0 1
0...
Cette dernire est note
0
. . . ...
... 0
..
..
.
.
... 0
... ... 0
Jr .
Preuve : ) trivial.
) A Mn,p (K) dnit une application linaire
: Kp(e ) Kn(e ) . On munit Kp et Kn des bases canoniques (ei ) et
0
j
(e0j ) respectivement.
Soit r le nombre de vecteurs linairement indpendants parmi les images
des vecteurs de la base (ei ) ; c..d Ae1 ,...,Aep , qu'on peut supposer tre
Ae1 ,...,Aer , les autres vecteurs Aer+1 ,...,Aep peuvent s'exprimer en fonction
de ces derniers
:
r
Aek =
j=1
p
On dnit
une nouvelle base f1 , ..., fp dans K ; comme suit
pour k=1,...,r ;
ek ,
fk =
r
X
j=1
M ()fi ,tj
A et M ()fi ,tj
45
1 0 ... 0
0 ... 0
..
010.
..
.. ..
.. . . . . . .
.
. . = Jr
.
0 ... 0
0 ... 0 1
0...
. . . ... ... ... 0
reprsentent la mme application linaire, et sont donc
quivalentes.
Exemple 4.8.1. :
Dterminer le rang de la matrice
1 2
0 1
2 6 3 3 .
3 10 6 5
L1
L1
1 2 0 1
1 2
0 1
rg 2 6 3 3 L2 = rg 0 2 3 1 L2 2L1
L3 3L1
L3
0 4 6 2
3 10 6 5
1 2 0 1
L1
= rg 0 2 3 1 L2 2L1
=2
0 0 0 0
L3 + L1 2L2
det
v1 , , vn
(ei )
6=
46
v1 , , vn
Preuve
: Il
sut de montrer que {v1, ..., vn} est libre si et seulement si
det v1 , , vn
(ei )
=)
i=n
X
i vi = 0, posons vi =
i=1
k=n
X
aki ek , alors on a
n
X
i aki ek = 0 =
n
X
i a1i = 0,
i=1
i,k
k=1
n
X
k=n
X
k=1
aki ek ) = 0 d'o
i (
i=1
...,
i=n
X
6= 0.
n
X
i a2i = 0,
i=1
i ani = 0 =
i=1
..
..
.
.
an1 an2 . . . ann
d'o i = 0
i = 1, ..., n
=) Si det
v1 , ... , vn
(ei )
2
=
..
.
n
0
..
.
(4.1)
= 0 = le systme homogne
( 4.1) admet une innit de solutions, d'o {v1 , ..., vn } est lie.
dimension
(
La famille
) et
{v1 , ..., vr }
mineur d'ordre
A =
v1 , , vr
,
un
non nul.
Preuve : Similaire celle du thorme prcdent, en compltant les vecteurs an de former une base de E.
47
et
un mineur d'ordre
Preuve : =) Si l'un des bordants est non nul, la famille {v1, ..., vr , w}
serait libre.
a11 . . . a1r
b1
.
.
..
..
..
a ... a
br
r1
rr
=) On considre la matrice B =
ar+1,1 . . . ar+1,r br+1
..
...
...
.
an1 . . . anr
bn
Quitte a changer l'ordre des lignes et des colonnes, on peut supposer que
le mineur non nul est le mineur encadr. Les r premiers vecteurs lignes
de B sont indpendants, et chacun des autres est li ces derniers. Ainsi
rangB = r, donc les vecteurs colonnes de B {v1 , ..., vr , w} forment une
famille de rang r et comme {v1 , ..., vr } est libre, w hv1 , ..., vr i.
1
0
4
48
0
1
v2 =
0 ?
1
On a
1
= 1 0 = 1 6= 0
0 1
0
0
A=
1
0
1
0
B=
1
2
.
1
0
1
Les bordants de
sont
et
1 0
1
41 = 0 1 2 =
= 1
1 1
1 0 1
1 0
2
0 1 2 =
= 2.
1 1
0 1
et = 2.
Donc
w hv1 , v2 i
et
42 =
si et seulement si
= 1
dans
Preuve :
un mineur
d'ordre
si et seulement
sont nuls.
a11 . . . a1r
...
a1n
..
..
..
.
.
.
a ... a
...
arn
r1
rr
=) A =
v1 , , vn
=
.
ar+1,1 . . . ar+1,r . . . ar+1,n
..
..
..
.
.
.
ap1 . . . apr
...
apn
Soit le mineur encadr. Les vecteurs {v1 , ..., vr } sont alors indpendants
49
Thorme 4.9.5. : Le rang d'une matrice A est l'ordre maximal des mineurs
non nuls extraits de(
A, c'est dire :
rangA = r
1)
2)
r non nul
s > r sont nuls.
Chapitre 5
Valeurs Propres et Vecteurs Propres
E dsignera par la suite un espace vectoriel sur un corps K ( K = R, ou
C ), de dimension nie n, Mn (K) l'ensemble des matrices carres d'ordre n
et f un endomorphisme de E. Une base de tant choisie dans E, on utilisera
la mme notation pour dsigner un vecteur x E et ses composantes K.
La bijection f M (f ) o M (f ) est la matrice de f , permet d'tendre les
notions dnies pour f toute matrice de Mn (K) et vice-versa.
Ax = x
Dnition 5.1.1.
A, tout lment de K
Ax = x. L'quation (5.1) est
x 6= 0
vriant
quivalente :
(A I)x = 0
On sait que (5.2) n'a pas de solution triviale si et seulement si
I) = 0
det
(5.2)
det(A
50
51
n en , appel le polynme
pA () = det(A I).
et est not
pA () ;
c..d
caractristique de
(A I)x = 0.
Exemple 5.1.1. :
Trouver les valeurs
! et vecteurs propres de la matrice :
A=
1 2
4 8
Le polynme caractristique
de A est :
1
2
det(A I) =
= 2 + 7,
4
8
qui a pour racines 0 et 7, les valeurs propres
sont donc
7. Pour
par 0 et 7
et
"
#" #
" #
1 2 x1
0
= 0,
=
4 8 x2
0
c'est dire
x1 = 2x2 ,
donc
" #
x1
=
x2
" #
2
x2
1
Pour
= 7,
on a
" #
" #
1
x1
= x1
4
x2
Thorme 5.1.2. :
valeur propre
x 6= 0E
de
correspond une
).
52
(1 2 )x = 0, comme 1 6= 2 alors x = 0E .
2) a) E 6= car A0E = 0E = 0E c..d 0E E .
Remarque 5.1.2. : E
: Si
A Mn (K)
et
suivantes :
1)
2)
(A I)
3)
det(A I) = 0.
A.
Proposition 5.2.1. : 1) Si 1
A,
alors E1
2) Si
et
est libre.
E2 = {0E }.
1 , ..., m
e1 , ..., em
et
{e1 , ..., em }
53
(5.3)
1 e1 + ... + m em = 0E
1 , ..., m
A,
entrane {e1 , ..., em } libre, or m > n entrane {e1 , ..., em } li ( car n = dimE
), d'o contradiction.
2) On doit montrer que tout x E1 + ... + Em s'crit d'une manire
unique sous la forme x = x1 + ... + xm o les xi Ei .
En eet, supposons que x = x1 + ... + xm = x01 + ... + x0m avec xi , x0i Ei ,
alors (x1 x01 )+...+(xm x0m ) = 0 o les (xi x0i ) Ei . On a d'aprs la pro
position (5.2.1) xi = x0i pour i = 1, ..., m car sinon les xi1 x0i1 , ..., xil x0il
forment un systme li.
pB ()
pour
B = P 1 AP
et
inversible ).
54
Remarque 5.3.1. : 1) Si f
associe
f,
est un endomorphisme de E et
M (f ) la matrice
caractristique de
par
pf () = pM (f ) ()
un endomorphisme de E et
pf (x)
son polynme
d'ordre
k,
alors
dimK E k .
..
.
..
.
v1
v2
..
.
f (vr ) =
vr
f (w1 ) = a11 v1 + ... + a1r vr + b11 w1 + ... + b1s ws
f (w2 ) = a21 v1 + ... + a2r vr + b21 w1 + ... + b2s ws
..
.
..
.
..
.
0 ... 0
55
.. .. .. ..
..
.. .. ..
. . . .
.
. . .
0 0 . . . 0 b1s b2s . . . bss
pf (x) = det(M (f ) xI) = ( x)r det(B xIs ) o B est la matrice (bij )
et Is la matrice unit d'ordre s. Comme par hypothse pf (x) = ( x)k g(x)
M (f ) =
0 ... 0
5.4 Diagonalisation
Dnition 5.4.1. Une
matrice
A Mn (K)
A=
c'est dire si
aij = 0
pour
a11
..
.
..
..
.
ann
i 6= j.
On sait que les matrices diagonales sont simples du point de vue calculatoire et thorique. Par exemple, la solution de Ax = c, o A est une matrice
de Mn (K) est gnralement lassante lorsque n est grand, mais elle est triviale si A est diagonale. De mme lever une matrice une puissance trs
large (par exemple A100 ) est en gnral encombrant par calcul direct, mais
devient trivial si A est diagonale. Ainsi la diagonalisation d'une matrice, c..d
sa rduction une forme diagonale, s'avrera trs intressante.
Dnition 5.4.2. On dit qu'une matrice carre est diagonalisable s'il existe
une matrice inversible
telle que
P 1 AP
P 1 AP = D.
Lorsque c'est le cas, on dit que
diagonalise
A.
56
possde
dpendants.
2) Si
(5.4)
telle que
d1
P 1 AP = D = ...
...
.. .
.
(5.5)
0 dn
p11 p1n
d1
d1 p11 dn p1n
..
AP = ... ... ... . . . ... = ...
.
pn1 pnn
0 dn
d1 pn1 dn pnn
(5.6)
AP = (d1 p1 , , dn pn ) o pj dsigne la j me colonne de P, de mme
AP = A(p1 , , pn ) = (Ap1 , , Apn )
(5.7)
..
.
..
.
(5.8)
Apn = dn pn
p1 , , pn sont non nuls, sinon P ne serait pas inversible. (5.8) prouve
que les pi sont des vecteurs propres non nuls, et les di sont des valeurs
propres. Le rang de P doit tre n, car P est inversible ; donc les colonnes
de P doivent tre linairement indpendantes. Nous avons dmontr
aussi 2).
57
d1 p11 dn p1n
p11 p1n
..
.
.. = ... ...
= .
pn1 pnn
d1 pn1 dn pnn
d1
..
.
...
.. = P D
.
0 dn
(5.9)
P est inversible car ses colonnes sont linairement indpendantes, en
multipliant (5.9) par P 1 , on obtient P 1 AP = D. A est alors diago-
nalisable.
Remarque 5.4.1.
Si
A Mn (K)
n polynmes du
a, 1 , , n K.
A Mn (K), A
1)
pA
K;
de
pA ,
d'ordre
ki , dim Ei = ki .
P 1 AP = D = ... . . . ...
0 n
pA (x) = pD (x) = (1 x) (n x), les racines de pA (x) sont les
i K donc 1) est vrie. En faisant intervenir l'ordre de multiplicit
des i , on peut crire
m
X
k1
km
pA (x) = (1 x) (m x) . On a
ki = n. Comme A est
i=1
58
m
X
m
X
dim Ei .
i=1
dim Ei < n.
i=1
) On a n = k1 + + km .
2) entrane dim(E1 Em ) =
m
X
dim Ei =
i=1
m
X
ki = n = dim E.
i=1
est diagonalisable.
Exemple 5.4.1.
A = 2
0
2 0
3
0
0
5
Solution :
Le polynme caractristique de
est :
3 x 2
0
3 x 2
pA (x) = 2 3 x
0 = (5 x)
2 3 x
0
0
5x
= (5 x)[(3 x)2 4] = (5 x)2 (1 x)
les valeurs propres sont
E :
et
5.
E1
et
E5 .
x1
x = x2
x3
correspondant
3 2
0
x1
0
0 x2 = 0 .
2 3
0
0
5
x3
0
ssi
(5.10)
= 5,
59
alors
2 2 0
x1
0
2 2 0 x2 = 0
0 0 0
x3
0
2x1 2x2 = 0, c'est dire x2 = x1 donc
x1
1
0
x2 = x1 1 + x3 0
x3
0
1
1
0
c'est dire E5 est engendr par 1 et 0 .
d'o
0
Si
=1
(5.10) devient
0
x1
2 2 0
2 2 0 x2 = 0
0
x3
0 0 4
x1 = x2 et x3 = 0, alors
x1
1
x2 = x1 1 ,
x3
0
1
donc E1 est engendr par 1 . On en dduit que A est diagonalisable,
1 0 1
P = 1 0 1
0 1 0
et
5 0 0
P 1 AP = 0 5 0 .
0 0 1
2) Considrons la matrice
"
A=
3 2
2 1
de
A;
60
On rsout le systme
" # pour en dduire que
engendr par
1
1
Comme
x1 = x2 ,
dimR E1 = 1 < 2, A
c'est dire
E1
est
sable.
3) Soit
R3
f :
R3
x1
3x1 2x2
7 2x1 + 3x2 .
x2
x3
5x3
Trouver une base de
R3
soit
diagonale.
Solution : Si
B = {e1 , e2 , e3 }
R3 ,
alors
1
3
0
2
f (e1 ) = f ( 0 ) = 2 , f (e2 ) = f ( 1 ) = 3 ,
0
0
0
0
1
0
f (e3 ) = f ( 0 ) = 0
0
5
3 2 0
On en dduit que M (f ) = 2
3 0 par rapport la base B. Nous
0 0 5
0
0
0
0
voulons trouver une nouvelle base B = {u1 , u2 , u3 } de telle sorte que
0
0
la matrice A de f relative B soit diagonale. Si nous dsignons par
0
P la matrice de passage de la base canonique B la base inconnue B ,
0
1
on a A = P
AP ; c'est dire P diagonalise M (f ). D'aprs l'exemple
1), nous obtenons
1 0 1
P = 1 0 1
0 1 0
et
5 0 0
0
A =0 5 0
0 0 1
sont
0
u1 = e1 e2
0
u2 = e3
0
u3 = e1 + e2
qui produisent la matrice diagonale
de
f.
61