JE DEMOCRATIQUE DU CONGO DE LUBUMBASHI Par : Pr. Dr. Ir. Ngoy Biyukaleza Bilez Collaborateurs : GT Ie KILLIBA Séraphin ; Aes Ie BEYA Methi vt BEMWABDTABLE DES MATIERES. CChapitt® 4. Notions sur les Namibyes bres Complexes et sures 4a Les nombres ese compen 4.2) tes matcices . chapite 2 Structures. alge 22 Groupe. 23 Anneau 24 Comps. 25 Espace vectorie|, Chapitre 3 Espaces vectorlets_. 3.1 Independance lintaire 32 Base et dimension. 33 Sousespaces veetoriels 34 Somme de sous-ipaces vectoriets 35 Varlétis lineaires attines Chapitre 4 Applications Ijneaires et mpatics.. 41 definitions. 42 Proprietts.. 43. Representation matricielle d'uneapplication linesire ‘4 Matrices de changement de bases 45 Illustrations Chapitré 5: Formeslingalres, Espace Dual et Base Elerion Chapitre 6 Formes bilineaires, formes quadratiques eFormes Hermitennes 6A Definitions. 62. Formes bilintsires formes qundrstiques et matrices 6.3: Procede d’orthogonalisation de Gram-Schmiat 6.4 Sous-espaces orthOzOna Haro 6.5. Formes Hermtiennes. Chante 7 Determinants. 7A Definition am 7.2 Praprietes elémenraires.. 73 Auteer propriétts du determinant. 7A Calcul d'un determinaet on 75 Determinants de matrices particulléves 476 Caleu) de Haverse d'une matrice par fa mathe de des cofecteut. Chapitre BSystemes d’equations finéaireschapitre 1 Notions sur Chapitre 1 Notions sur les Nombres Complexes et sur les Matrices 11 Les nombres complexes LLL Objectif " Mal le le eset ae joe Teme des ls, cei rene cerns incovélens, Par exemple le Fe tee ea na te Heine Helle, Le bute ete section est etuier un ensemble: gui content spssmible des els et dans lequel x1 | posséde une (et méme devs) racine) 1.2 Construction des nombres complexes ‘On uote i, mn nombee “imaginal ire” rel que} on consire ensemble des nombres de fs Forme aH 4 iis et b sont des réets s if Beceem meet Cet ensemble sera noté © et ses elements seront appeiés “nombres complexes”. Dans cet ensenile, le polyndme x21 posse deux rocines i= O+Tieti= 04-1). On souhsite généraliser Madlition des récls 8 ces nouveaux nombres, On d'fiit ds ors (Ab) CHAD=GO + O=Hi, (Dans te membre de dre, Le prenies et le eoisibme signe + désignent addition dans BI es aise de voir que 0~ Ui est Ieneutre pour cette adltion et que oppose dea +b ss (~a) +H) i On lesnote respoctiversent Octet La commutativité de celle addition découte claivement de la. commmtativité de addition des résts, iéralise égulement la multiplication des réels en definisssat (at (etd i)= (ae Ba) (ad #he) i A nouvenuy i est file de-voir qué te netitre ef est OL, noté 1, et que le symtrigue di Nombre non nul ai bi, noté 45, este nome complexe sta ‘La commulativité de cette multiplication d’ecoule elarement de la commutaivil’e de la multiplication ot de addition des résis. (On parle aussi dn quotient de deux nombres complexes + z avon #0. pans te hombre complexe atbi, le «s'appelle partie rédlle ct eb, partie Imaginaire, On note a=Re(aship et Ama +00. Remarque ‘Lenombre rét a pouvant s/identifier [tai lteosto ¥08) 4 Oa etouve done Is proprieié: Fe module d'un produit de deux nombres complexes ext le produit de leurs modules tao rel = tal baal Deplus,on voit que argument dui produit de deux nombres complexes est la somme dé feurs arguments arg(2y 23) = argzs Fargea. 7 Lapuisance ni'eme d'un nombre complexe est done rlativement sisée & trouver lorsqu'on eonnail fe moxtule ct ‘argument de oe nombre, plus aisée que si on az sous sa forme algebrique a Hb (surtout lorsque n est grand ?) Catt demiére formule est appelée formule de Moivre, sins siz=[2) (Cos(@}tisin(®)) etsineN, ona: | = [el (Cos(nd)Hisin(nd)) De méme, on peut montrer que = =: Exemple i 43 . 7 Soit ay =VE + AVE et zy = 222 + $f en notation tigonometrique, on (cos%-+ isin?) et 72 = (e055 +180) yt = 2a(case +) + isin + 2) = Geos ye B(cos + in) 11.6 Notation exponentielle “Ainsis 2= [Pl (e0s(@)tisin(0)) pout étve noté 25 |e) ©, prapiee los néstas du paragraph préeédent,on a1 22— Va 0 a] = ps] fea] et. ip oi et Mater? 2 Fl Cnremarque que le ls (bien eonmus) de ealoul des exposanss'ppliquent ans Vesponeselle complexe c! Feast peadutest I somme 0 exposis el 'exposant d'un invetse es opposé de enposant_ausntion SepenEANC A PSpaliees eh gen Cn peut ssi MOLEX que si2— fey om tg nS ie Boe es exponents vse, 2 — et et seulement si 8 new vemples Wi j3 Bete Lt Représentations gdomeviques sitnnatbietn=erdi sau a= (te), smn desde nanbres omplenes x epson par poi de codons cb d) c'est edire le polit eorrespondant ia cme (yeetoriclle) des veteurs OZ; et OZ 3. S18) est argument de z; et 82 eelut de 2, on suit que z 2a pour module fez et pour argument Gi ~s, DES lors, pour trouver le point représentant 2: za, on applique dzs une rotation d’sngle fet de centre o, suivie d'une homothetie de centre 0 ct de rappor fai. 11.8 Racines niémes d'un nombre conplese On conse le nombre complexe non mil=# e®cton cherehe ses mcinesnitmes (complexes). Autrement dit, on herche tes nombres complexes y els que y"=2(9 € No). Sion note y= se, on cherle dans; Pape a forme de Moivie, Set tls que st et= ro ‘ ‘ sar re Fe eee puisque { prond n’importe quelle valeur entire, qu'il ya une infinité de possibiliés, On pourait penser a prior,a temachp us| pana done ftalement que n mines distinetes ‘emarae Gsomsriquement, Jesu i iquement, Jes affixes dey tines nigies de re!” sont los somsmets dun polyzone réaulier dt céxésinsoit dans un cercle de centre Oct de myn 4 ample feb (Gomme eeu ges ag eo [+8 =8etgt-5) <5 ona yy> Vie 14H; cae yan VBe! 3 (Cas Parteutler, n-25 V2 =~ 2 119 Rguations du second deeré dans ‘On peut montiee que toute uation du sevond depré 4 conicients complexes posséde deux racines complies, Lesmacitesde axttbxte=0(oia40) sontdonnées par 2 08 = dae et ob VE designe un nombre complexe dent fe care aut Exemple Resoudre Méquationssuivante (I=) 4244-0. A444 (Tei) —-1DGT Soit eth ital que (#4b i}? =A- ‘Dds tues, fa rover les réclsatels que 12 et 4 =, Crest une even bicade quia pourscnions NS A= colo b==4, [Nove obtenons = (42 44 st es raginesrecherchéen sent aprés avoir conjugué, x1 = “Ii els 23,(Ue rice um tableatt de nombres. Ces une fay gonese de réunir osraves donnés cay ohet mashématine W556 dns de pomtresy come, ersen rosea re dee esol Girasysmed€4utlon io, mas aus das ene @ ntsc ome evra le hapires sans Sin iteret ne tient jas seulement dans sa notation mais ass ams *Varithmérique™ que Von d&fiait Bir IS ties. Cette sertion consists & mettre surpieds cee arithrtigue et faire quegies pas dans le wosabulsire, tres Frum, 1 ty coueept de matric. srthmtigue et faire queics pas dons 122, Défnitions satrice sun tubleas de nombees (dans oe ours, co nombres seont rik oy complexes), Exemples — "i as x 38 (: ¢)es0o) o 9 aL) an 1 {2 tille dé Tn matrive est déerite par lo sombre de tlgnes ot fe nombre de colonies qu'elle content © une rpatrice qui pose m lignes ct m colonnes ex dite matrice tm n (ow de genre m * m). ‘Aim, Te premibre malrice ces exerplesprésédents est une matrice 2% 2 tandis que le demmiere st une arise 1* 1. L'element qui @ trouve a la i Signe et & 1a j® colonte: de Ta matrice A et genétalement note aij, On Geri, pour ime matrice mn, nu, de maniére plus consise, Asaij)isicm isjen ‘Vensemble ds matioes m ¥ 1/2 Gents dans R at note Matrnxin(R) 06 encore RTI". De mine, on a Pensomble Matma(C) (ou €™""), Une matrive n » m est appelee matrice earrée dl ordre n. Tes Aran i type af) duce muciee carbs A sone ks éléments diagonasx A A. ls costituent |e diagonale de A. 1.2.3 Opérations sur les Addition Give om deux marins do gents, la sonene A+ Best lu mutrice obfeme en addionnant ks lémonts de B aux éléments correspandanis de A (42 B)y = 8) Pi)domain exemple 24 i 4) 2 {addition de matrices est commutative en niison de (a commutativité de Haddition des reels (ou des suplexes)- emarque proprigtés © = Une matrice dont ous les Cements sont nals et neutre pour Paddition. Une tele matice est anpelée matrice nulle et nae ©. Ona pour toute mattice A, A+O=0+A-A + Thute matrice A poss8de un oppose pour Vaddition + it s'ayit dev matrice obtenve en changeant Je signe de tous fs elements de A, le est notte -A 1 Multiplication par un seatire ‘A ext une mutrice et a, un sealire (x6 ow complexe), le matrice a ext obtenue en multipliont haque élement de A pay ot (Aja exemple Af Produit de deux mattioes Remarque £14 définiion maine sable peu valwele ae eee ame de produit oust) 3st eves 3 Togige, plus eflcre que le produit gui consisterat implement & multiplier élément par ement. : Le produit me carlcn Ade pare 1 0 wy me mate de een pst une mates © de genre m* p tele que jy = 84 by Pa By Ain By Ye bus (ounrement dit, Done, pour tour Pelment sti laf ie en ]® elnne dee strice on multiple eI alent dea #2 Ryne de A par Je 18" cioment del j® cloane & Bon fu joute e prods du 2° element deta i® ligne de-A pat le 2 élément dl j® colome de B, eepacmple )=(areettes setts (2) aie Cea wate par une autre, il faut done que Je nombre de lignes de Ie Lorie les deux produits A Ba BA Cea le ce rot te? acceso neers es rare par exemple, Content 2 23 mattiplicetion dss ee te multiplication wasicille ates asommutative en général, meme si les deux produits A B et A sont dfinis et ont mbme genre, on & ainsi parewnle (3 4).(2 S26 9.0 2: apeaa 4 Ue mitre particularité du produit msriiel ex que A B= Os A= 0 ox B= O. tf GIG AlGo §. Demme, il fut prendre garde ae fait que ABA Co B= (tout ves pesec arctrenhe reel a=G 28-4 a)#e-(6 0) (On, par exemple, Neutre : ‘Une matrice earrée dant tons ie éléments sont mils excenléy es éléments diegonatix qui valent 1, et noutre pour le produit matriciel. Une tlle metre et appelée matrice identité ct es notée | ‘Ona done, pour toute maurice A, AL= Act TA= A (Dans tu premibreéguite, Posdre det estégal au none delennes eA; dans Is scone gst il Sept une mateice identité crordre zo! au nombre de Fgues de A), Inverse = Cn peu s*interroger sur Penistone pour wre atrce A doe, d'une matrce Belle wie AB=BA=1 Om pout monirer ave sexist alors B ot unique qe (eons ps vide) A et une matric carte B cappelic lors Pinyerse de A etext motte A! On vera plus loin Tune matrice canes aest ps nxessremet inverse et qeles sont ks conditions pour quelle le soit=> Fooulenent de flu Vey 4 _ Bei/a pan) pla Vieaw clave 4 mda Wem f. nw hag de parte wb ne oP p90 [fransposée une y gi Acatuie matrice jgnes de en colonies andor, SA= (aij) ct A= (oy, ‘ Tatransposte de A. noe a, ea vce nobus en eran es Bij = aj; exemple 2.3 sa-(i 4) aa @ 1 3) 5 6 3 4 6, Propriétes ACER SREERE rekiy (ABI ARB® Aina (mts Beat yee al Cas particuliers + Une matrice symétrique et une matrise ean = At felle matrice, on done aij = af eet 146 14 6 (i 20 steremtcumtrin mis 2 0) etn 6 05. 508 * Une matrive antisy métrique est use mtrice eiree A tele gre A = AS. Pans une tele matrice, ona dine ajj = Oct aij ~ aj ( oO 1 ) a4 0 6 late nee ee vee )) 1 a5 icoriscuen ae ma toewanrea 7K, ‘Toute matrice eartée est le somme Guns matrice symétrique e& d'une matriee onti-symétrique, Bh ef, a etl estaiséde verifier que tent CG 2%)+Gia 0) ¢ Définition cet ls samme ees élémenls diagonans. 126 Trace d’une matrice cartes ee earrée, lee tr La trace dune matric(AB) = HCA) HEC); (aay 127 Determinant dune matrice cw tr(A) 5 meal Carrée diordre 2 p Das 2 pale ne matiee dan 2, on «dt i : Pere ee EOE (OUR = Row), det At= dt As deo) =? dl) de(A B)= de St ae © Singuliéte lorsque del A~ 1. Si dot A # 0, on dit que A cx une matrice 125 Inverse d'une mutrice carrée d'ardve 2 Goh on 1 dei diy ne mien cep eas en meri fet ienitle dtsoltmt saan & be Ba fl, Danse caseume matice @onsre2,(@ PY =a (& —4 ceordre2(% 9) axe a) Exemple i) (2.3), (onpenssone net 3.2 “= 9) Propridtés = S{ A extimversible, alors Al est imversble et (ANT = (A _ 5) et B soot imershles alors AB estimensble et (A BY! = Bo! AT! <'S1A est nversble, alors A“! estinverible et (ATHY TA. = S7A et inwersible et st et non mil, alors A est imersiblet (HAY = g A! (Cesproprieves seront verifies pour des matrices eirées ordre n quelenaue ts) 4.2.9 Matrices diagonates Définition Line iairice diggonate ex une matrice carne dont Tes Heinenis not dlagonaux sont eatus #0 Propriétés : Soit D une matrice diagonal. + DE=D, Destunematrice symétrique; 1D ea inversble si et seolement si es elements Giagoneux Sont-noo nul,Dene ee lonnet (bos Sire ane ign + multiplier une ligne por un hombre won por des operations élamentaires (done % sable de transformer tine matrige Ary in muliiple dane autre figne gr ds mulation pr ds mates émenires) i et toujours ; eens *n en une matric Gchelomnge, Ai outs de sete transforma, iy'une ligne a €t@ modifiée, a aie: Iss Ht 26 modi, ellen pat pte ite ss an seine foe. 1 pasble Ls on ol arver& une matrieéchelnante simple evan a re le (Sle) wt pr milton ghntrtrte mm 43 ete prodt mares soaemaner nn mnie Exemple + Considérons le matrice suivante 3 2 1 2 4 3 6 Mettons ensuite cette matrice sous forme échelonnée simple 1 oo 4 a7 45/7 O10 =r =i? © 0 4-7 -3/7 oo 9 0 9 #0 0 0 0 Application au caleul de inverse d'une matrice ‘Ue maniére pratique de determiner Pinverse dune matice A (nin) (i elle existe) sosiste& former une mtrice (n 2n) en justaposant A et la matrice unité (A(T) et puis elfesersur les Henes de vette matrice ées opérations élémentaires pour mettre la matrice A sous sa forme échclonniée simple Si ls forme échelonnée simple de.A. ext diferente de Jz matrive identilé, on peut monirer que A n'est fs inversible. En revancho, si Ip forme éelielonnte simple de A est Is matrice idemtite, sluts, Is transformation de la matrice idensté fournit la matrice imerse de A. Exemple + Soit la matrice 12 2 a(t =) 21 = ‘Mettons la matrice (AL) sous s: forme Schélonnée simple A 2-21 0 O ( 340 1 21-30 0 hen a 0 neta (o 4 ipo ) Gela2y 34 heh-thy 0-7 4 2 bel ( 1 0) 3/2 12 =n) het Wo ibs2 3/2 3/2 geht 2 o-* 3 3 bebon (03 opp ae =p) h-G/2 0 0 tb5/2 3/2 4/2 ‘La matrice inverse de A est lo matrice suivantea forme éliclonne simple de la matriee complete et 01 2 ale oo 0 of6 ‘oo 0 0 ant pass ans fos membres de dite des tquations, pas ux Indices des colonnes des pivots (vest sire 3 e4)> on met Ieyasu are: ft = 8 788 ORs = Sx, — 4x, cemniet piVOL BTS pas dans la dornidne oul bre colonne, Ey fais cosresponantes 16s variables indices ne correspond Coa tan au nme lei da sales x} x2_ onion ds aoe, Ta selaine sien lonnant sux variables 3 et x4 des wilrsarbtralnes, fee = Len ‘ten donnant aux variables x1 ct x2 les wleurs suivames C2 bo = 5424-4, {a solution da systéme linésire peut également se metre sous la forme générale suivante may p89 PD 9 a\ fs 2 =. @) (a)ea(? ou wal \o o 1 Un chapitre est consaeré & la rSsolution ds gysitmes linéeizes et il a pour but de développer Te cate thiorigue dans loquel s‘instrent naturellemient les résulats précédenis, En particulier, on vorrs que le ‘nombre r d’6quations non mules du sysieme éahclonné ne depend pus de la maniére dont Méchelonnement 2 te realise, Chapitre 2. Structures algébriques “Avant Paborder les problémes d’algebre linéaire oui vont-nows oper pendant le plus grande partic ‘gs covanurs, nous definissons quelgucs structures algGbriques abstates que nous reurliserons plus tard 2.1 Loi de composition 8), ide composition interne - - On appele la cde composition iaterne ete cents un ensenbe out pation de pie A de JFL dang F, On et alors que E est mun de Tol nteme considérée: C'est dire a couple (sy) de A, une loi interne fait comespondre un lémnent 2 de E +3) 1719) ‘Notations ‘La valeur x,y) cerespondanta couple (tarp le composé dex ely qu en sont les termes. 8% 3) prend les symboles divers: s=y5 xy Ou XY. xT y, X+y earatéisGs por = Ladin, La multipication, Le tue T,Letole (€-Thest'ensemble Ennai une lo iteme'T Exemple: Sut, ab eta sont desis interes patot dines 4) loi de composition externe ede corp osierple F déleent b,c. e4n ensemble O a eéments ay. onappelle ot de jel eléments de 0, toute application Fde Sx E dans B:faa), Elément de E, est Fe composé st), element de Eee Composé de wet de x pour loi ekteme comsiderte Mekappele semble opracuspoucis enemas On note en wena fla.a) par un same name tune mulliplication erage BET ca ph mpkentan, dans cas da i Pans certains cas on distinguera (0,3) Bvemple Sift et FVensemble des veeteurs libres de Ia péoméirie et z i oe S dela péoméiricgigmentaie, la mulliplication d'un veeter libre prinidela! (48) e¥ estunctoledume ac wee he ~ 62 (nication & gauche) e (0,3) ac (multiplication & droit), 22 Groupe 22.1 Définitions Considérons un ensemble G non vide et munissons le d'une Joi de composition +. Cette loi de composition est une fonction du produit cartésien G » G. Definition 1: G,+ est un groupe s at seulemunt si |, La Toi + est interne et partout définie Voxy) € G*G 3 xtyeG 2, La loi + est associative Way2es (c+y)oz= xa(oz) 3. Il existe un élément neutre v pour la loi = EG Wwe G vex= xev= x 4, ‘Tous les Elements de G sont symtrisables KEG ye G xty=yex Propriété 1 : Si G est un groupe, il existe un élément neutre y CG et il ext unique. Propriété 2: Si G est un groupe, il existe un element symttrique pour x EG et il est unique L’élement symétrique de x €G est souvent noté x”! Propriété 3 = vay eG 3v.w uniques G |xev—y ctwex= y. ‘Gn représente un groupe explicitement dans int table dite de "Cayley". Dela propriété 3, on en deduit que dang la table dite de *Cayley”, chaque élément du groupe apparait une et une seale fois dans chaque Tigne et dans chaque colonne. * bet aaa | anh Définition 2: G,« est un groupe commutatif si et seulement si 1, G,+ et un groupe 2. La loi + est commutative Weyed xty- x Une groupe eommutatif ext aussi appelé un groupe abélien. Cette notion de commuta-tivité si implement que ordre dans lequel on écrit les Elements pour la loi + a" pas d"importance, Une loi ‘commutative est souvent noige + (addition), Son neutre est noté 0 et le symétrique de x est =X. Un élément a G3 est regulier pour la loi * VayG arx=any 3 x= you vay ai Xea= yeas x Dans un groupe, tout 6lément ext régulier. Cette propriété permet deffectuer une simplification par a Te nombre d’éléments dans un groupe G est noté |G22. Applications vine mpplitation f de B. dans g" ap dans Best un procaide qui tout elemer see lement de 1 assoie un élément et ua image deF EP(E) f(y ; ; Wx F) PE’) en pt j c () = eit=x') ep Liimage inverse de F' @(E') fT ge> al Uinjesion ete spricaonf wleqw vaya e=9 Baty cin Une surjection est ume application f telle que vs €E', KEE |1(x) = x! a Une bijection ext une application F qui est & la f - tt! ost une bijection, fx @'|x! [image inverse de ‘une injection et une surjection. Dans ce eas, ji] = {E| Soient deux applications Fs —yB" ergs’ 5 1. ‘La composition de ces i pplication ine (G0) tune apieion BPE SEM x Ge HyG)= ui) KEE Propriétés : 1, La composition d"applications est une foi associctive 2fetg tions = @* f infection 3. f etg surjections => g° £ surjection 4. etg bijections = g» f bijection 2.2.3 fllustrations 1, Exemples des Groupes fins Zp t= (Oslyeceyn 1 fot (Modulo-n) ost groupe commutatif et [Zn|-=m- V4se = (IsRxcRys Rz}-+ ob 1 et In tansformaton identi de Pesce et RxGRy. Ba) roprésentent respetvement ane rotation de 18) degrés autour de xs x(),2) {,-1,i,—1},.. est un groupe 3 4 elements ; Oo Tisigg ke lated, “Hse groupe ds terns, Les micines nedmes de Punité {n0,1LA2o--stn-ls. = {1 What hcestT 4. forment an groupe nmultiplicatif 8 n elements PQA 2. Exemples des Groupes infinis £47, 4,8, 4 C, 400,40, 500, El ; ‘Lis norries complenes de module 1 nous U = {2 €C) la) 1}. Matruen(R), f= { matrices (mn) &enefciens rel }, Matunen(C),-+ = { matrices (m%n) 8 coefficients complexes}. | Care mntries cartes (n 1) inverse coe GI ncC) = { ates cabs (0%) inversbles&coefcents complexes}, a9224 Ley groupes de permutations Soit In Penseiible des entiers (1, = In si ati) On note Sq ensemble des permutations de Jn: Une tennsposition et une permutation qui éehange deux. nonnbres de Jn, et lisse fixes es tres aij Ini = j |e) Propriété 1 :[ il yan) permutati Démonstration ; Raisonhons par recurrence sur n, La proprigté est vraie pour n= 1 Supposons la propriété yraic pour in 1 el montrons que oclle-i est aussi vrai pour n, Considérons les permutations o telles que o(1)= 1. 1 y ena autant que de permutations dasn— 1 autres nombres, soit (1 ~ D}! par liypothse de résurrence, On eonsidére ensite es permutations « telles que s(1) = 2,0(1) = 3..--,0(1) =n. Chacun de ces ensomites contient done (n~ 1)! tléments, L'union de oes ensembles forme bien ensemble dks permutations de Jn dans Jn. Le nombre total de ox permutations est alors n(n 1)! = nl Propriété 2 -[ Sn,® est un groupe & n! eléments non commutatif, +A}, On appelle permutation «une bijection dda) dans Jn: Nous illustrons ici Te groupe $3, dont kes élements sont t=() 2 3-2? Za=(6 2 3 12 3 2 3 1 31 2 weG 7 DaeGh Dad 29 D3 2) remésente In ijeotion de (1.2.3) dans {1,23} telle que o1(f) = 2,04(2) = 3 et o1(3) — 1. Le composition das permutations x2 et of, notée o} * 42 = 73, pout ire représentée comme suit La notations, = ( 2 a B {Ss tai 2a 2eiel+3 goede 5 Le table de Cayley de $3, est représentée ci-dessous = Propriété 3: Proprieté 4 ¢[ 20Propsig\é 5 ...%4', i vient €@ “o') COME DE = etayace’ Exemple : eaymtk = Seite = (4334 .) € 54 ¢t ne décomposition de vette permutation en produit de transpositions: 1234),234),0254 Geass2a'Gasd) A cette permutation ©, on aside te nombre do) = C1)? appelé fa signature doo, La op eee Soit un ensemble A muni de deox luis + ot 6 intemes et partout defines. Definition 3 = Ay+.6 stun wnveau Stet seulement 4, A,» est un groupe commutati 2) Lali» et aovoxintive Vay2ed (xey)ez= xelye2)=xeyer 43, La loi est distribolive par apport a la loi VaxyeSA | xo(y*z)= Ney exer ct Geayyer=xeztyen Un amneau est done compost d'un groupe eommutlit test une sone Tok interme ssodtive et distributive par rapport ila loi du groupe, Nous dren de pls qu"un annean est unitare si Ta ssn Ip admet up neutre, Définition 4 + A,*,< est un anneau unitsire si et seulement si | 1 Ajeet un annem 2, Laloi « admet un élément neutre w HEA KE | A xous Hex ica est commutatif si le Toi » est commutative iment 2 €A ext regufier pourle luiesi Wy€A agx= dey 2X—y Examples d’annestix hat, Zn, +. PE) aN Matnxn(R), +. {matrices eurées (nxn) a coclficints risls J+ Matnsen(C).=,.~ { motroes earées (n * n) & coofliciens oomplexes }, +. R[x], +... les polyndmes & coefficients reels. C[x], +, lespolyeinies ® welficlents complexes F(R.R).+,, les fonotions de R dans R. 24 Corps 24.1 Définition Si nous considérons’ un anneau unitaire K,+,e, nous voyons qu'il reste une propriéié que nows pouvons imposer a la sewnde loi ¢: la symétrisabitité, Si nous Pimposons, nous obtenons ce cue l'on appelte tin corps, Définition 5; K,+,© eet un oops siet seulement si 1. K,=,0 est un annem onitaire non réduit & {v) dive p 3. WeeK \ vy) FEK xey=yox=p SiK.*,¢ est un comps, alors iil n'y « pas de diviscur du neutre et K \ {v}, © est un groupe, Un eorps est ‘omumutatif sila loi e est commutative. Un corps commutatif est ausi appelé un champ. Nous verrons ts rapidement que les corps sont importants en algéhte. En fle kes “nombres” que nous uilserons dans toute 4a suite du cours sont ds éléments d'un corps, genéralement commutatif, Les plus usucls sont R, Pensemible es nombres réels et l'ensemble des nombres complexes, que l'on note C; tout deux munis ds lois dadditioa G) vt de multiplication (), 24.2 Exemples de corps Z, +. ost un anneat infini mais n'est pas un corps. QE Rots 5 C.+y. sont dos corps infinis Zq,,>.- es un corps fini si et seulement sin est premier 2.5 Espace vectarie] 25.1 Definition ‘Lanotion despace vectoriel est fondamentale en mathématique, Pour définir un espe vectoriel, nous evons besoin de deux ensembles et d'un certain nombre de lois de compo-sition. DVabord, nows choisissons un corps commutatif K,, dans lequel nous puiscrons des nombres appelés scalaires. Nous avons aussi bescin dun cmsemnble V- dobjets que l'on appelle veoteurs. Cet ensemble de vecteurs ext doié de deux. lois de composition. [La premnigre, souvent notée +, estime loi interne et correspond it Iadlition des veetents. [La seve loi, natée , assace un scalare et 2 un vecteur un nouveau vexteur et correspond Ta multiplication dun vosteur par un Scalsire. I] ne sagit done plus d'une loi interne, mais bien d’une loi définie sur le produit eartésien K = V ‘et valeurs dans V. Nous pouvons done maintenant définir rigourcusement un espnoe vec “Définition 6 : V.{K.#.}.-%. est um espe wetoriel set seulement si | K, +, 0 est un corps commutatif V1 cst un groupe commutatif (O te neutre) Mey x= x Double distributivit® WBE WEY (a* B)x= 0.x Bx On dit, plus brigvement, que Vest un espace vectoriel sur K. Dans la plupart des ces, ks distinctions, de notation entre + et + et entre » et .scront omises, Un egce vectoriel n'est jamais vide = il comtiem au moins élément © (@'est-idire leneutre du groupe 2+ th ume tee de comperiton invirne #86 exbevine (emdlbhic cle Leym enkie enrombte comimintatif des vesonrs), L'espace vestoriel V le plus simple seréduit @ (}, 17 et appelé espiee wectoriel ut 2.5.2 Exemplesd'espaces veetorielt 1, Soit K® Fensemble des n-uples d°elements du comps K, XP ORD RK ower xi K KP est un espace vectoriel sur K En conséquenee, RM est un espace vectoriel sur R et CP est un espace vectoriel sur C, On peut définir im espace vostoril A vesteurs complexes et scalaires réels, Dans oe cs, C est um espace~ yectoriel sur R ct C™ est un espace-vectoriet sur R. 4, Matmxn(K) = { matrices (m x n) a coefficients dans un corps K } K [x] les polynémes & coefficients dans un corps K P(x) kes pelyndmes 4 coefficients dans un corps K de degré inférieur ou égal 8a Tl existe encore bien (autres expascs vectoriels. Citons , par exemple, F({a,b],R) espace vectoricl dss fonctions définies sur un intervallefa,b] et wleur dans R Chapitre 3 Espaces veetoricls Dans le chepitee préctdent nous avons introduit la définition d'un egaxe vectorie! V sur un comps K. Dans ce chapitre, nous analysons plus avant les eaces vecoriels. ‘Un nombre fini de veetours (X1,..-.Xkc} (X} @V i= Tyo+-sK) est appelé une famille. ‘Tout veoweur X defini par GX) + ...1 akXie (al,.-..0k EK) est une combinaison linéaire Da de la famille. La notation suivante roprisente la somme des produits «Xi, wi EK, Xi EV pour tous ies indices i entiers allant de) & k Propriété < $i X est une combinsison lingsire de (%1,...,Xic} et que chaque Xi,i = 1,...ok est uno combinaison linaire de {Y1,..., YI}, alors X ex une combinason linéaire d= {Y1,...,Y1}. X et me cambinsison —lintaire de (X14... Xk} > =X est une combinaison lingaire de {¥1,..-5 YU) ‘Un nombre infini de veoteurs {Xi, 1= 125.044 ‘est appelé une famille infinie ow suite. 3.1 Indépendance linéaire Sil existe un ensemble de k selaires (al,,..,k) mon tous nuls tels queDato Jes vestonrs Xt...) Nk} sont Hintuirement dependants et lo fimille (X3,-..) Xk} estdite like: Definition 1: Les veeteurs {X10 Xk} sont lingairement indgpenclants si Dhak =0 = = 095 1...K La familie {X1,.., Xk} estdite libre. lle infinie est dite libre si chacune de ss sous-familles fies est fre, [DEfinition 2: Une famille {X1,..-, Xk) ext dite yéngrattice si a, SK sk = Thy ak; = 0 a Dans ce eas, (OUT veer d& West combinalson lingaire des veclews (X1).«.: XK. Propriéiés élémentaires : 1, Toute sousefamille d'une fannie fibre et libre. 2, ‘Toute famille de-vexieurs qui contient le vecteur nal est lee 53. Une famille est ide si et seolement sie veseur mul s*ésrit de eax fagons différentes (au moins) comme combinaison linéaire de Jv famille. Une famille est Tige si et seulement si Tun au moins de sc yesteurs est combinaison fingsire des autres, ‘Une famille est fibre si ct seulement si aucun vecteur de V pe pout s*écrire de deux manieres différentes comme eombinaison linéaire de J famille . Si l'on ampute une famille genératrice d'un de sx Gléments combinsison linéaire: des autres, Ia famille reste stnerairice i Propriété | Toute sous-famille (une fanflle Wore et fi appl ASR & fonBenoA Soit 1a fumille suivante (X1,X2_0.<)%id s+) Ridse-+ Nike Si ln sousefimille {Xis-1+ Xi) es lion -ajye non tous nuls | oi1Xi1 #2. Paik Xig =O OX] 4... Fai Xi + aig Xix + 40% = OF La famille {X1,%2s Xn} st le 1O=OX1 10X24 Ya famille {0, X1,%° Proprigie > Une famille eX ie si et seulement si le verteur ms" Rigor diférentes (an moins) comme combinaison Tinaire dete famille. & i boroya ba Combrnatiren LinenareaXe dun (eyo) La famille (81,X2,-...Xn) estlite, U Byes. HoH fHUS HUIS [UIT 1.1 an%n =O Aivs! que In combinaison linéaire OX| +...+0Xn =O ile SHES sens sin STS tee Soitla famille {N1,....Xis-.-.Xn} Shona Xi = BIX1+...+Bi-1Xi-d + ist Xie +... + fond PX = PIX =.= Bi 1 Xin] ~ Pied XH — Bon = OU La famille: (X1,X2.000,%n} estlite, t 2Ais-Gn op (lis nuls [eX] +e aiXi be any = O v X= GUIXI +... 1Xi-1 4 ais Nit +. Fn Xn) [Propriété 5 Une Taille ext ibre si et soulcmen si aieun vestaur de V nepeul seariee |, Wyre de deux maniéres diferentes. comme com ile. ee ~ Soit Ta fa He kl, was Xa} est lide oy Xy By Xe (Qn + Gn) XnProprie 6+ Si Hon ampute une famille aucririce un des Ementssnmbinaison Tinenire deste, ta fame reste drei Soit ta fomile génératrice 1X1,....Xin-+-.Xn} J VREV 3), isin [X= RT FRX H-. Pan Xy Ee stoma Xi = BONY. PRU HPN. BoXn bh X= GIN +2. ai(BIX1 Host BiAXin| + PAINE Pech Pan) Ft anXn b X= (1 -GiBONL +2.4 (ir FeiPDRiAL Hai) —aifli HH) XiL toot(an = aiBn)Xa 0 La fimille (201, Xn} rete ginératrice, Theortme général W@indépendine Soient (X1,---, Xm} ne fille ge |p) me fomille bre, sors Démonstration | {Y1,21,....Xm} est une fale genératie ot ite Par eonséquent i existe des salaires Bi, o,...0mn eK et non tous nuls tes qve Pht) ami=0 Sitous lesonetfiviens nj tate mls on aura qasj1¥ ~ Oavee | = Oe qt impliquersit wie ¥1 = O et done qe Te famille {Y 1, ,..4 Yp) ne serait ps ire (propie 2), Tl exise done nfsesscemieat un cueliien aj ~ 0 et soi} Elf,.,.m) tel qe aj ~ 0. Le famille AYLXI yoy X) Xj toss Nm} est enone gbreratrice puisqe fe vortour Xj es combinsison linéaire de cette famille (propriétt 6). (On recommeonce leraisennemen! ivec Ia fatnitle e&nératrice (¥|,X1,..0,X|-1.Xjtls-.-sXm) ot la famille libre £Y2,-... ph Si p> i, on obticndrait {Vi.....Ym} une feinille géneratrige, ce gui est en contradiction aves e fii que ls famille {Y1,-.-.Yp} est libre. Done, il faut we p= m. aa We ne ea BS Su TE DO Be Sense | Une base de'V est oie (v].,.-..n} et les vestours vi EV sont les yeeteuts de bse. Propriété ee Lise condition ndeessaie et sufisime pour quTune famille soit une bse, cat que tout vecte X de s'exprime de fagon unique comme combinaison lingoire ds voteurs de fese Demonstration : Wieo¥n) tune tae (v1, sy} es une famille fibre * € e K X= DR ayy et x1, som uniques (propre 5), Sifyisecavvmn} estune baw et X= TZLy ey; les lements x{,....2%1n sont appeles les coor 26 y af epoatle A ciprpn’ wa Wella Canmgre Conbinasra bnere “der ils,données deX dang cette base, Unesee vevtoriel est de dimension finie si] est engendré par ume famille finie de vecteurs, est-aedire Sil posstde une finnille génerattice finic. Dans le cas vontraire, il est de dimen-sion infinic Dans ce paragraphe, nous considérons tin espace veetoriel de dimension finie. Théoréme du prolongement d'une famille libre en une base Soit (XI...) Xp) une fille tibre et {¥1, ‘ ). Si 1X ‘m} une famille génératrice (mm p). Si (XL, | Xp} mest pas une buse, il est possible d’extraire une sous-famille QYileeYiN) Me {¥iov..¥m} de tlle manizre quo la famille {Xt.---) Xp. Yilses-y Vit} soit une base, Corollaires = Soit un espace vestorie! \ de dimension finie et non réduit au veeteur nul De toute famille gengratrice de V., il est possible d'extratre une base, 2. V sdmet une hase, Démonstration : Soit {(Y1,.... Ym} une femille genératrice de V ; il existe au moins un verteur Yj non nul, Soit X1 wa tel veeteur: Le theoreme précédent peut appliquer & la famille fibre {X1} et la famille penératrice {¥1,...,¥m}. Théoréme ¢ [Dans un espace de dimension finie, toutes Yes bees posstdent ul mime nombre de vecteus Démonstration : Soient deux bises (v1,...,0n} et [0 j..gv! Ys Par une double application du théortme général Windépendince, il vient que n= n' ota’ Sn > n = [Pefinision 4; Ta ditension d'un spa vestoril (de dimension fine) et Je nombre de veeteurs dims une quctoongue de ss bases Par convenfion, on dit que ta dimension de Pespace vectoriel nul ext ero Propriétés : Soit dim V = n (n= 0), #7 1. Toule fiumille de plus den yectours est lige (corollaire du théoreme général d’indépendance). 2. Tonte famille libre 4 n vecteurs est une base de V (corollaire du prolongemnt d'une famille libre en tine base). 3. Toute famille genératrice & n vecteurs est unc base de V (corotlaire de Textrection d’une base au sein 'une famille genératriee), Jitustrations R™ est un espace vectoriel sur R ct C™ est un espe vectoriel sur C, Ce sont deux paces veetoriels de dimension n, Dans. les deux cas, les. vesteurs (1,0, 24 0), (0, Lyeoy Ooo oy (0, -+-40h 1) Lornnent une base, appelée base eanunigue: 2, On peut définir un espace vectoriel & yecteurs complexes et seslaires reels, Dans ce sas, C est ‘un espace-veetoriel sur R de dimension 2 et Tes veeteurs {1.1} for-ment une base. CP est un, ‘espace-veetoriel sur R de dimension On. Les vecteurs 2,0,...,0), G.0,.050), 0,1. 0), (0,4,..+.0),....(0,....0, 1), (0,..., 0,7) forment une base. . Pre), les polynbmes 4 coefficients dans un corps K de degré inférieur ou égal 8 n, est un espace voctoriel sur K de dimension n+1, Les vectors {1,x,x?_...,x7} forment une base, appelte base canonique.4 Mate (X)\= 4 matrices (an % 9) a ebeffnints dang wun orps IK] est an eguve vectorial fur de dimecsion mi. Une tse (ippelés base eanonique) e constitnée dos mn matrices dont tous is coelicients sont mols sauf un seul, respectivemeat pour les min coupes indices (i), gui vaut 1 Lbese cationique de Mat232(R) es comme suit: GCICI DEY) [Nous be Tous inleressons ps toujours, en aletbre et x gtométrie & Pespce comple, mas bien perfois i cenaines patties de celui (lens droitesete.), Cos partes ont , cngenéra, zs propritis qui en font dessus [Détinition Se Un sasessenble W now we War jd vetoed V eam ou vectoriel, ou varieté linéaire si et seulement st VEY eV = X4Y ay MEKVX EW 3 aX EW ou, de 33 Suuii-cipaces veetort _ Seabees ectortels ‘oupe de V+. Soit ume famille (X1,.. -. Xi}. Llensemble dex combinaisons lingaires de a fille forme un sous ssp vectoriel + c'est le sous-espace engendré par la famille ct X1,....Xk sont appelée des agtnérateurs du sous-espce Tesois-espescongendré par unepartie P deV cstdone constituédetoutes Is combinaisonslinaires de familles ‘sunsdeP. C'est leplus petit sousespre vectoricl @sV qui contin! P. Casparticutigr : rang d'une matrice im. Ligne hh celoren iene Gan) 1,5 Propriétés : i ‘aperton fementires ne modest ps rag une mate fs sntots Smentires ss (m * m) sont de rang m. ~>+ Toute matrice A (mn) peut étre transformée en me matrice écielonnge simple tout. en conservant Je méme rang.rar eB mor Glo) sa forme echelonnée simple est in avee Ln fa mat Soit A (nn) ef re(A) =n, alors DATiifod 77 Ue aa ny SEIN a eR ABS BA™I si B et unique et cles A Remarque = Les matrices carrées (> n) inveribles formen{ un grou linéaire note GL). Propriété 1 : Unecondition nbsesstincctsuffismlepour que A matrice earnbe (na) soit iversible est que re) > Propritié 2:8) AB=1 3BA=1 Démonstration ; Sepposons qu'il existe dem marioes difzentes Hct C (1h n) telles que A. B= ol C A=, Leégalités suhantes montront que névessairement B= C B- (CA)B=CAB=C(AB)=C Ltinterseetion de deux souvesrus vectoriels est un sousespize appelé groupe XY € Win We U XY ey) + ax4py ev X,Y € We = oX +PY ava aX +pY evinW2 equ nest ps un sos-eas set si Wi CR \ La réunion dedoux sous ow W2 EW], Ea effey sil 'y \ Wy alors X1 +X2 EW] ct X1 + X2 EW? ce gui imphique que exis X1 AW] W2 et X: X1 +2 QW) UW? alors que X1,X2 WiUW2. 3.4 Somme de sous-espaces veetoriels __ Délinition 8: Si Wi ot W2, sont deux snisespoes vector des vecteurs Y = X1 + X2, aver X1 EW) et X2 EW ext un susespece EY Has Pensa | fappelé somme ct note Wi = W2. Si Wa — Wy PW est le sous-espare sammie de deux sou-esproes yectoriels W) et W se dézomposer de ilferenes manieres comtine samme de veteurs de Wet W2. EW? (els que put en général Défimition 9: Si VXYEW3, Il existe des vertenrs unigues X1 EW) et X2 jamme directs de Wet W2, notte 5 = OW =WOwW, Wy =XIws yt Ware (0) Esemples ensemble S dos matrices symétriques et ensemble T ses mptricesanti-symétriques (am) sont 45s els de RTT dont la sents en direete: REMY = SET [L’emernble U des mactoes triangutaires sup rues, Peasemibie L des matrices triamwlaires infrieues et Fenseible D dks merece dingonsles (n> n) snl également ds souscspnssvertorels de RPP, On a que ne non deel) wir LML = DE {0} = Lt ra a Theordme 1 FSi WL et WE son supplemen Démonstration Soieu X EV. X1, * QW) ot X3,X" EWa tele que X = XT 2X2 ONIN W2S X1— x] 0 > x} Theertme 2 : Soit'v'= Théoreme de Grossman Si Wi cf Wa. sont deox swsesposes quoleongues de V., de dimension finic, te théoréme prévédent Udevient dans ce cas plas abnral dim (Wy 1 W2) — dim Wy ediea Wo — dimewi Wo 2, lors dim V = dim WH diem Wo, ny IT exis ‘Théoréme 3: Soil W un snusespace de dimension + Wun espace vectriel de dimensi ae WE Démonsiration : Soie (v},,..,ve} unehwede W., Exvert du thtoréme de prolongement d'une Tibre en une hase, il existe Ue Bee fViy.eso¥eyYrely azn}. West le suuvospare engends® por Fret pas unique Variétes linésives altines: (Franalahon) Soient Von epice vectoriel, W un sucess ct Y un veeteur de V. Une translation de vecteur Y est application ty 2V = V-2X — X = Y.. C'est mo bijection de V dans V nition 11; L'tmage de W dons parla translation ty Sappelie me varies esroce WF de dimensios frets Yn) Le smusespae 3 lingaire affine et ot notee wy ~ {X= VIX EW} ‘ine wariete Tinéalre afine deV- ast done toute partie dV qul est obfenne par transTation din sousespace ey La voriété Tingaire ane wy ext esseniellemen détenminge par le sms-esoce vectoriel W, appelé sous-espace dirceteur de Ws) >< Une partie w de Vest une varie linéaire affine si pour un élément quetoon = {X — ¥,X Gv} oot un susespwe vestoriel de Vi w= Y + W Ew dimension une variété legaire affine es 1a dimension d son se Tinedire afinie de dimension 1 est eppelge unc droite. Une! varietéineaire afine de dimension lin plan. Une veriene Fintaie offine de dimeust ¥ dew wW asespuce diveeteie, Une Wivibte { estappelte un hyperplin [Cuapitre 4 Applications linéaires et matrices Te but de oe chapitre ext d'iutraduire ls upplicetions linéares et leur representation sms forme de matrices 4.) Defini Soient deux espa vectoriels ¥_ ot W sur lemme coms KDbiluition ; Oo appelle applicution linéaire f de ¥ dans Wi, ame npplication celle que (OXY) = fH) aX) =at(x) ou, de maitre éauivalente eX ep Y= efOQsP tO) (Quelqves definitions et proprictes elémentaires he aX) = + Lenoyau Kerth) doF eseditini prs Kerth) = (8 aT) =O Ooo ne Soient X,Y EXer(f) = £(X)= F(Y)=O F(aX * BY) - af(X) 4 EC )= 0+ PO= 0 > aX “PY Kerf) 2 Ker(F) ~ {0) siet seulement si stinjective, Ker(f) - (0) Soient X,Y €¥ [1089 = #0) = f(X—¥)=f00) fr) 0 =X —¥ Eker(H)=X = ¥ SF injeaive f injective = WY W,X 4 = £X)4£CY) Comme (0) = 0 = KW X40 Mx)H05 Kertt) = {0} Ltimage Iin(f) de est définie par Ime?) = (ew [x)= 7.x Sy 2 1m(#) ext un sausespuce vectored dW Soient X',Y' elm(f) > SKY & X' = F(X) Y= TO) aX! +pY = af(X) + BRCY) = f(aX +BY) + ax’ 1 py emf) << Im(f) = W sit seilement si f ext surjective Si TmCP) ext de dimension finie, on appelie rang d: I’application linéaire rg(t}), le dimension de Im(4). Si-¥ et W sont de dimension finie (espectivement 1 etm) alors re(0) = min(o,m) ‘Lrensenible des epplications linésires de V_ dans W «st note L(V, W). Une application lingeire de V_ dans Vest appelée un opérarcur ou ine transfor-mation linéaire. Lrensemble des operateurs est done L(V.V ). «© Une application linéaire de V- dans K (Rou C) est eppelée une forme linéaire (ou fonetionnelle). + Si une application f EL(V,W) ost bijective, alors F 1 eL(W,¥). 42 Propriétes Soit F EL(V, W). [ Timage par f d'une famille lige de V-extune femillefiée de W. Soit {X|,-.-,Xin] famille lige de V, alors: 3u),..-.tn on tous nuls tels que ay XJ +... anXn = O. F(utX1 +... —anXn) = a f(K1) 4 <.Fanl(Xny= (0) = 0 = {f(X1).-., F(Xn)} est une famille lige de W 2. Leimage par f d'une famille génératrive de V est une famille génératrice de m(f). Goit {Xt,..-.Xn} famille géneratrice de V., alors WK A Ay,...,0n tels que X = 0X] +...+anXn. FQ = f@IX1 +... | onXn) = @1f(X1) >... + anf(Xn) SUX). FORM) } ‘est une famille génératrice de Tm(f). 4, Une condition nécesssire et sullisanie (CNS) pour que f soit injective est que 'image de toute famille 3libew de V est une famille Libre de W Demonstration Condition nécessaire Soit injective et (Xi... Xp} une famille Hibee, Yerar-o-1(Yaen)-0- Yan=0 puisque Ker(F)= (0) = aj = OW (FOXI)....6T(p)) famille libre, : Condition sulfitsmie = Soit F tlle que {f(X1)..-.,fOXp)) et une famille libre si (X15 Xp} est ve famille bre Sif n'est pas injective, eesta-dire Rer(f) = |}. alors 1K ~ 0. EKer(1), famille libre et {£(X} = 0} devrait Bie wpe famille libre, ce qui ot impessible Corollaire : [L’image d'une bast dV est une base de im (E) sit selement sf es injective 4. Soit {¥is.s.svn} ame tase de V. Pour toute femille (¥1,.-..Yn} de W, il existe une seule application linéaire F telle ue f(vi) = Yi i= Iysvsat Demonstration: Existence H=Visaim €V etsoit F définie por fOr)= Emm + F verifie bien F(vi) = Vi M Univite :Soity L(V, W) telle que e(vi) = Vi W 08)= {Thaw =Thahaasf S.Sidim¥ = n< i [dim¥ = dimKer(f) + rath) [Xp est une Soit Démonsitation = n=0:V= {0} = dim¥ = dimKer(f) = ra(f) - On a) dimKerif) Ker(f) = [O} eh done fest injective. Soit (iss. vn} ume base de V {£0} )poroy fn) est une bascde mcr) > 1g(f) =m. b) dim Ker(#) Ker(f) = V = dim Im(f)= ref)~ 0 @) dim Ker(f) = k= Soit [v],-.1¥K} une Gee @ Ker(f) et son prolongement {v1,...,¥n} en une base de V. YEGVIcE I)... fin) est une famille Ibe de Im) puisque aires) <0» Ay au) =0 Y) aareken oa 09, Or sf) = ret fOr)... fvn)t = FEFOK- Dee FOn)} = re(f)= ak. 4 Soit dim V = dim W =n, Pour qu'une application linéaire f soit une bijection, it suffit qu'elle soit: + Soit injective, c'est--dire dim Ker(f) = 0 + Soit surjective, eesti-dire dim Im(T) ~ rg(F) = n Demonstration : n @ f surjective 43 Soit F L(V, W), ¥= Wim} des bass respecives de Vet W. 43.1 Matrice associte & une application linéaire Soit {£601),....(¥n)} qui Seeit dans ta fase y+f (my) = Maa cid La matrive A'Gy yyy de dimension (m % n) définie par an [=f fen flea est ls matrice assoviée & f dans les bases v et w. Lorqu’il ne peut y avoir de confision sur ke bas ¥ el w, la tnatrice ser noiée AT. La jéme colonne de AT ext done formée des cvordonnées du yeoteur f(y) dans Ia base w. Soient ¥ =) 7 ajuj €V ot ¥ = f(x) Doyee eW, alors : 7 i $8) Date Laden Oras s uo eee Soit Xu = (#1,++.:@n)! les coordonnées de X dans la base vet Yao = (yay-s-ethn)! les coordonnées de ¥ dans ta base w, il vient = Yu = Abvy 43.2. Application linéaire associée & une matsiee Soit A une matrice (m%n). tant donné les boss v et w, eclfe matrice définit ue application lintaire (une et une seule en vertu de la propriété 4 section 4.2) assoviée la matrice A. Ll suit de poser Alga =A Clesta-dire de defini f par f(vj) = IM, ayw; f=1)in ‘Les élémerits de la jéme calonne de A. sont done pris comme eoordonnées dans Ja base w de l'image de vj par f. 433° Propriéiés 1. ra(f) = rg(A!) car ImCF) néest autre qne Mensemble des combinaisons linéaires des colonnes dela matrice Af, Soient f 1.7, W), ¢ €L(W, U) et v, w,u des huss respectives de VW, 1: ae f) = agal Le produit de composition de deux applications . sinsi que le produit mateiciel, n'est pas commutatif Soit F inversible (F ext done une bien) enre V et W de méme dimension AF est inversible et (ATT! = AC) 55 sen ope renee EeNobion de Changers da SS Soient v= {v1 Va} ety! = fv vy" } deux bases du méme espace veetoriel V., Au sein de V le changement de coordonnées de te tuse dey & y’ peut Gtre considért comme l'application Tinéaire } identique de V., muni dee base, dans V., muni de ts base v 81,2) = Eiki Py2'e la matree (nn) asscibe cate application ext notbe is Pay Da | Poa = Alven= [Pa Py tm f= fur my Pmt Pf Pre La Jéme eolonne de cette matrice est eonstinude des coordonnées de vj dans la base v’ Soient | x=% Vi = DX yy’ EV et Xy = Gut,..-.Kn)! lescoordoinbes deX dans ta base i soot x”) des cootdonnées de dans Ja tse vf matrice de changement de base permet —e fn wea briee ol pacar j Xy! = Pw Xv] an | $11 cst la matrice identité (nn) associte& L'application identique de V dans V , considéré avee la miéme i | bese y, il vient | [2 =POR) Pew) | ‘Les matrices de changement de base sont done inversibles et Peetw) Etant donné f €L(V,W),v et v" deux buses de V, w et w' deux buses de W, quel est le lien entre les matrices associées & £, d’une part dans les bases (v, w), d’autre part dans les bases (v', w’) 2 ! Pew)” Soit XV et ¥ = f(X), ona que oom - eel tobe 1 As : Keo Mos AY Voge SE Ly L tx Fron) Xe Fas) Yu ct on obtiont que Aa) Poswt = Bovey Mowy Piste fol) Pity Af any Pl i | ‘Les matrices eorrespondant & une méme application linéaire dans des bases différentes sont Gites éqquivalentes. ! SUW = Via = uw! =o ih viene: | hy } Alli = TAC Ab iy Taal 4 | Les matrices correspondant & une méme transformation linéaire (un méme opérateur) dans des bases 1 | Aifferentes sont dites semblables 5 et ee Poviva 2 ve =V, Voy, POW) Wezv Pay Pow | Kix Ptyw) Xy Fea4.5 Hlustrations 1, Soit R? et tes ewe bises V= HCL TCO, 1.20) ete! = $1 O01 DY Pour obtenir tn mistrice de chanuement de base P(y.y"), on exprime chaque vosteur deta tase v dns a hase é Cestb-uire tig en i+ 0p 4 Wy eines oot ht W's +504 Soit Xv = (1/3, -2/3,1/3)' tes covidonnées d'un yeeteur X dans la bae vy et Ky! = (1/3,0,—1/3)* tes coordonnées du meme vecteur X dans la base v' (On verifie que Xv! = P(v,v')Xv et Xv = Pev'w)Xv"= 2. Soit l'espace des polynames P2(x) et deux bases de P2(x): v= {1% x4} et = {x2 -2x45,2x2 = 3x01 3) Soit Pespace des polynimes P(x) et deus bass de Pr(x): w= {1.x} et wi = (242K, -3 + 4x}. On considére l’application linéaire “derive” P2¢e) = Prd + po) —B cs On obtient que 5 0 3 =f 1 9).. =po,=(-2 — Ng =(0 3 Yin =riio=(2 i) He 44 963 9G 2-61 dD ‘On vérifie que les colonnes ‘de cette matrice sont bien formées dks coordonnées: dks dérivees des vecteurs dey! dans La base Ww’. Chapitre 5 : Formes linéaires, Espace Dual et Base Duale SoitV un espade vectoriel sure comps, Une aplication @ =~ K est appeliéefonetionnelle linéaire ou forme linéaire si, pour toutu ety € Vet pour outa & BK: @(au + By) = aep(u) + BOW) End autres termes, une forme linéaire ou fonctionnelle linéaire sur Vest une application linéaire de V dans K. Exemple : May Sur K. SoitT: VK, larace !T(A}= dia + dzg bo" aon 08 Ar(ay)) edd & toute ratrive on associe la Somme des éléments diagonaux, Sig et yp sontdes formes lindaires sur V et @ € K, on4 un Espace Dual de V et on note ¥" : e (@ + WO) = ov) + HO), = (ag)iv) = ae(v)Leonsetble des forshes linéaires sr un ‘ néaives Surun espace vectoriel \ sur un corps K esl auss! uni espace vectoriel Sur K qui verifie les deus: proprigids ci-dessus . : Base Dual : stpposons V un espace vetorel de dimension n sur un comps K. la dimension Ue espace dus West uss m(Duloque Kes de dimension | sur nisms. En fa chaque ave de V deme ue bse Supposons que {vi.¥9j..¥9)} soit une ase de V sur K, Soit ga. € Ws les formes lindalies dines asil parse) = 85 = {9 5) ators (1, wera} est tne base de V*, on note Lipy}-E0pps Pad Labase (i) est appelée la base duate de {vy} et les famules préoéduntes utilisant fe symbole de Kronecker §j sont une éeritare eontractée pour : Pind Pnkv2) = 0, On lv 1 @n(Va} = Ces applications linésires (9) sont uniques et bien défnies Exemple : considérons la base suivante de @? : (v, = (2,1); vg = (3,1). Trowver la base duale (9,2). Solution : cherchons les forme linéaires 4) (x,y) = ex + By et (x.y) = yx + Ay telle que! 4 (vy oie 1 Os, 4) = 22,1) = 2y +h (a d= 22D) = By on en déduit = —1,f = 3,y = 1, = ~2. Done la base dusle est: gi)= 0 204)°0, alvz)=1; ainsi ff pala) = @a(3,1) = 3y +4 {o(ky) = —x + 3y.@,0%y) =x—y} Théorérne 1: soit {v4,,....Ym} une base de V et soit {@;,.... Pn} la base duale de V', Alors pour tout vectour ude V w= @y(u)vy + @2Cu)ve +--+ @a(t)¥p et pour toute forme y EV": Wi = WO) Os + PC) p2 ++ HOH) On ‘Théondme 2: soient (Ve, 0 /Ya} EL rons Wg) Bes dase de Vet soit {94.--,Pni el (aso "Pn es bases dates de V" comrespondant espectivement aux bases (7) ot (v.) Supposons que P sei Ia mace de passage dela ase {ud alla base {1y;] Alors (P74) est la mattice de passage de (gu) 8 (2). Chapitre 6 Formes bilinéaires, formes quadratiques et Formes Hermitiennes Lebut deve chapitre est dintraduire les eoncepts de fortes bilineaires et forines quadra-tiques, 61 Définitions Soit-un espace vectoriel V, défini sur un corps K. et une application f ; V x V — K telle que KY) fY). - Définitior f est une forme bilinéaire dans V si elle vérific les dew J. W &V, application X —+ F(X, ¥ ) est une forme linéaire c’est-i-dire: F(aiX) + 02X2,¥)= a1 FOX1,Y) © 02 £002, ¥ 2. WK EV, Papplivation ¥ —> P(X, ) est ne forme tinéaire c'est-i-dire f(Kear V1 + agV2) = a1 FOS V1) + 02 FOX, Y2) (On peat doter Pensemble des formes bilinésires de V dune loi d'addition (£4 KY) = FLY) + 20GY) d'une loi multiplication par un scalaire (@f(X,V) = af(X.¥)ge sorte que T'ensenrble des formes biting} ‘une forme bilinesine fon § forme un expice vestoriel sSsocier ime forme quadratique deV dens K, definie par UV RIX Li firme bilingaie est dite symeteique a fRY)= 1X) wy ihineaire symetrique et «le forme quadratique assocée i vient FOXY) =112 (OC1V)— GOK) av) Bp sf estune forme bi ) cor WY) = FOC bY.x ey) TORRY = FOXY) 4 Y= YD G(X) 12 #9} 1 g(¥) Exemple > Soit Vespice vectoriel Rv = fy1,....vn} me base 2 = 3 ¥=ZiLivimi » L'application f définie comme suit rR eR? oR nme et i OY) > 7001) = Bho est une forme bilinéaite symétrique, } La forme quadratique tsocige est définie parsq > R™ 4 RX — fO¥)=Dhi7? Remarque ; Pans le chapitre eonsaeré aux espaces métriques, nous veerins que Je produit scalaire, nore ||) = XIV >, defini sur le corps K = R, est une forme bilingaire symétrique et fa forme quadratique associee j } ast le carré de la nore, i 6.2 Formes bilinéaires formes quadratiques et matrices Mi 621 Matrice d'une forme fflincatre ik Soit V_ un espaoe veetoriel de dimension n et v= {v1 ,...,vn } une base de V’. Soient I X=Vhiaey et ¥ =TEyyy: i Sif est une forme bilinéaire dans V, i vient i eT i [ran 2 peices) | ! [et | La matrice A (mn) assoeige & f relativement 4 la bese v est par définition 1a matrice Formée des ii ements i i} aij = FOL) bi om. i On peut éerire <= Be } Et F(X Y)— Ky AY = Vier Le ay Wy i aX)= Xy AXv= EP aga? + Dir Dyerty%iry ” (i Tis Bléments aj}. sont appelés parfis les coefficients de soit ¥ =< R2,.v= {vj.v2} une base, X = xb 1 +x2 v2 eV = y1 vy +92 0 ° i ( ae) ! FRY) = XyA¥w=Ge DG 5) G, i - Fax y2t 4x2 yl +530 92 | xi yl B12 ¥ ¢ 2) %) f Q(X) = £(%,X)= Xy AXv= 4 s)he =XP+ 4x1 x2 t 3xdat +5 xh SAPS 6x1 x2 45.32 Exempl 37gsople XP PACA 4 Ab xy ax) x.) = al OI = Xy ax, = Gy x)(2 \4 gt 2trt2+4 amy 4540 aS) . coon am Cae) ts 9 sly dasa) 122. Forme bilinéaire associée 4 tne marries St. (0% 2). On peut lui asiocie, canoniguement, ne fixie bilingaire et une forme quadeutique isk? fOGY) = xy Ay xen qx) 423 Propriéré de changement de base Xy AX Xan | Siett v ct »” deux bases de ¥ + ALA” Tes matries asosies& dans ces deux bas tespectivement Hen = a [A= Roky APOiW) 'WF(y'.v) Teprisente la matrive de changement de bese: dans V ‘onrdonnées de la base y' a 1a hase ¥. torrespondant su chinge-ment de (X,Y) = Xty AY = Ow'y) Xv ACW) W) Ap Fevr Arak "4 Forte bilinenires symiétrigues définies pasitives (non négatives ition 2: Une forme bilingsire symétrique (et la forme qusdratque associ) 4 HE aefinie positive définie non niggative (semi définie positive) NOX) = gexp> 0 wk — OW NOX) = gaye 0 we Ye ani ‘i ¢ définie positive (non négative) lire idemtique, une mitrice A (nX 1) symétrique cst e51 18 forme bilinénire assoviée-eaoniquesnent A "eu. définie- postive. (nan négative), est dd XEAX 20 W= O41... Kn)! = Oy. fht XtAX = 6 wK-= Gd xn A tne forme bilineaire symétrique f dans V_ dEfinie positive (non negative) eorrespond, dans n‘importe quelle base de V., ube matrice symétrique détinie positive (non négalive), Récipraquemem, «il existe une tnsede V dns laquelle Ja matrice associge 8, eal symétrique définie postive (non négative), la. forme bitingaire £ est symétrique definie positive (non negative) Remarques Les termes diagonauy dime matriee 9 négatifs), Notons que la réciprogue n'est vraie que si la matrice et disgonale. Exemples : Matrices syméiriques . ymetrique definie positive (non néeative) sont posiifs (non ( 4) dérinie postive (4 penser) (GE 7) nomtepinie posite (2 2) non definiepositive 6.3. Procédé d’orthogonalisation de Gram-Sehimidt A partir dune famille Tibre {X1,....Xp}, il est possible de construire ue fhmille orhogo-nale iv1.---.¥p} devecteuts non mus: ‘vj et In difference entre Xj et la somme des projections orthogonales de Xi sur ks vetteurs V1...) VieL Corollaires i un espace jen) V., de dimension finie n> 0. Soit un espuve yertoriel euclidien (hermitien) V, de din 1, Une famille orthogonale peut se prufonger en unc base orthogonal, 2. V admet une base orthonormal: Si (visecesvm} est une bxe orthoponale, alors fe; = G75>, 1=1,-.,n} est une bax orthonarmale 3, La edordonnée ay d'un vectour X dans une bese orthonormiale fe,,...€,) est la eomposante de 4, Soit fe1,..-ctn} ue base orthonormele ct X suresee Kem =0 =x LYeveW Propriété 2 :[ Wl estum equce vostoriel Demonstration Soient Y1,¥2 eW 4; We i vient ealYi © apa >= ap < Vil > 202 < YoY == 0 = al¥i +02¥2 a2. Propritté 3 :SiW # (0) et WV, alos W EW L = y (w+ ex le suppleinenaire orthogonal 4 W) Démanstration + x aynwl S> 0-4 WOW?= {0} Bi teh ser) ne be ortonomase de W ef sm poongemen fel,....¢eerety--.sen} ane be srihonormale de Waves ef EWE i= rt 2,.-s.m- ferels-vos@n} est ume famille libre de “wl car toute famille orthogonale finie de veetours num muls est libre. feretsscesea) et me fail gveratrice de Ws eit: ye Dhans ave SMe Xp ea 0 Fader Sha Tiaenel Par consequent V¥ =2iL ei € Yr Hl i y= yneewerh Yi mvewt jste une desomposition unique Y = Y| + ¥2 avec ‘Corollaires =mace Mithoriel ob un veclewr eaffpitvone alora at enoerbl on opt pate Ve gre hnjustrations Soft? mn de Ine ip 1 ean de Te Tse canon 4 = (10), eg = (0/1) oF eomaons es sorte VIGF i= 2/5 ViFi=nt cnt Projection orthogonale de X sur 1" roy X= SEY oe =Yy> Orthogonalisation de la base (X.1") =2 =F (2-2) =6:3)[-1,1].3), Pewpac [etetl et a valeur dans Re reels de degré inférienr ow Ggal & 2 (considérés ur suivante {1.0.27} pour Py(r). Le produit ecalaie est defini par wevtorot des fouetious continues défnies aur an aunerll P2(2) des polynames & ‘coefficients: Tous eonaiderons Ia base < fale) >= f fla) ole)de Vfl2)yal2) € C118) Orthogonalisation de ta base {1,202} : polyndmes de Legendre a nia) = 1 pe = [en og Se ae an oe) eS toe af eee _s#its _<#e> ts vl) = “Tp EP fet 1 = #45 Soit la fonction [e| € C([-1,1],R), S* meilleure appraximation par un polyaime de deere inférieur ou égal a 2 est sa projection sur Pa(z). . <[elll> <{elle> . ot point = SEIS y 4 SERPs + Sap) 4 + 0s, un exemple typique d application del soit NER™™ ct pent rFGUE dap procenation ganoere lex susiemes Equal A x= badmette une solution, it #8 = vectoriel de RE enge fappartient pas ependin env yectoriel do R™ enscid sa pur Kes wocteurs colounes els mate tne solution approx approshéce di sysiéme Ax = b sn semplac partenant au sousespuce vectorial Je RO rs colonnes dé A qui ext le nde pares. veoks us proche de b (au Sons de distance eudigienne wstale sur RM, nduite pr pute solution du systéme d’Squations lingaires A. x seus-espae veelorie produit seluire wsuc) boi b est la projection arthozonate de b sure i wench par les vecteurs colonnes de, ext sppelée solution approche de A > 6.5, Formes Hermitiennes i Soit V un espace vectitiel de dimension finie sur le corps complexe ©. Soit fy WaV> € tells ) flaus bus, «= allai,vebflus.v) i (QU) of a, bE Cet wet vE-V. Alors Fest appelic une forme hecmitienne sur Vs Comme I i Pondingire Fteprésente le nombre complexe conjugué de k € ©, f(u,avisbyo) =v F bv, 0) - alu) -F BAW w= aT u) BAG 1°) montre que f est linéaire par rapport & la premiére variable rapport a seconde variable ; et d’aprées 2°) Ru, v)= Mw) et done que flv.) est rel pour tout VE " 4 SiA pets 1°) et 2°} 09 3°) a ‘montee que f est antlinéaire par | fu) 46 ft, v2) 2) est une mattive earrée nxn sur ct 8 = (By) la matrice obtenue en prentant les conjugués | ‘des élément complaes de A et 1 Ja malrice A srmsposée. Si A est une matrice Hermitienne A'=8. Aedite aij-Zy. Si A est hermiticnne f(X, Y)= X'A¥ définl une forme hermiienne sor €” Bdelinie par (s}> fy, v) estanpetée forme quadratique bermitienne ou forme b} sssocice 4 la forme hemmienne [. nous pouvons oblenir £4 puntir de @ gra Leupplication 9 vomplexe quad atiqu Thidentité suivante appelée fone polaire de F: Mu, v> ator) atu [ator ate) i dq] soit ne base de V, Lematrice H= (hy) ou hfs) est appel “Jenca hase {e(). D'aprés 2") fen 6) = Re e0 ; done H est hermitienne Supposons maintenant que (2: Jeteprésentaion matrcietle di is Ainsi toute représentation diagons) t en particulier, Tes élément diagonaux de H sont contient seulement des éléments réc vc fae forme heetenne sur V> Alors esste une base {@,..,y) de V dans taquells od fies @) = @ pour ij, De plus tou 7 3 posits ef fe méme nombre N a ‘Theorems {est roprésentée par tne matice agonal ex ote reprise dingonate de fs fe meme nombre Pa diffrence S~ PLN eat appelée la signature df | venne fest dteposiive si q(v)= Rv, v)E0% poor lout EVs ¢ vent sé gon analogue, une forme h (u,v) > Opour out y #2. dite définie positive si aly) Exemples . _ 1) Soit Fle produit soalairesur:€? ve#d AU wy) TUN® 7 atta gone i vt Dy fu, u) = 2022 + 2% * PPE lel? tt an? > 0 $F 441-(1) 5). Formons (Hin, (4, []2 9), appliquons tes operations i 5). Fomons cin, (2, B®), app am J aXeentas a) J ee La LA ot) sur In Solon carspondt Ci Bie ate clon «lenin colonashersenpeseomespontaats Cot ICC Carag Ontouvefivlemens (2 Ot 4 Ha até dap, 11) ie transposée de posons £) la transosee a Wi a ere a) Chapitre 7 Déter ants Dans ce chapitre, nous envisgeins étude Wane guantts fie aux mati sige aux transformations Finéalres ou opéiat 1 Definition comme formée dem ee). Soit une matrice A EM ai(qn)(K), Cesle maviee peut Etre consi e vests colonnes de K® 5 (A®T,....A0%) ou oanme forme de m vetours lignes de AlN), Ls colomes et les lignes de A sernt dans ce chopitre apples mdis-finetement Is [Pefnition 1; Lederman TmeommeAcuemprenm | | at | Matinen) = KA aA) trot) mde ) l eee 2 ee iy rppplonsel Sq eat Vemenble dp permutctions do (Thun. 1) 6 «(@) reputseme Ix sieature de Fee GMM CS corminan odors Tae te ‘lstinele 38 A choisis de agoo ee qu'il y ail parm os n facteurs, un et Sie ragéss de A. Chague ene es multiple par=1, slo que cx une permutation pate o Hp ter seanidérant la matrce A comme forge den colonics wu de lignes, le dterminant peut = noter sos la forme |AD) jones et chicun @enine eu ext Te prod de n Gléments un seal Bement de chacune (on éerit aussi Te détermin A eA) = JAI = detvAST, AY 1 5 8 (eb ical... palny Exemple : soit a matrice A= (0) aiineees a1e(1 epee NG) = ao) sortneriayderG) - ed NOME, |. SM aamioieda) + 2 dose ee © ea) ata (19a a)0213) 26 86-108 9) gp gy gee He21085 — s1aepneat at Tentean 72 Propriétés lémentaires People ls Si Gem te Qian; sigeDémonstration : La inant on permute dews ranges, Je d&terminanl change de Petmntation do deux rangées ext une transposition < do {1,..-.n}. Dans la <éGinition du determinant, chacine dex permutations « devien donc une permuls- dkeoule de e(0") = €x)e(0)= -c(0), BH) = J £0 Dea tern ion 6! = e+, la propriee = Ye @eCitseay ttn EY EG) tara eue9 = = aay Propriété 2: Sion multiplie par une constante a, tous Jes éléments d'une meme rangée, ie déterminant est multiplié: ira Démonsiration = La propri@it Wéeoule du fet qu'un et un seu cour de sasune de eette nngte apparait dans chacun des termes. aex(a) = Ye aa) A anc oan A = YE (oat Aertd ~-Freind eaet(A) FropiGea Si une vangée e& forme de Ta simme de deux sous-rangics liéterminant est 6gal & la srmme ces deux d&terminans comrespondant respectivement aux dete sou-anuts. Démonstration + Démonstration identique & la preeédente, deita) = J, € mse ioe +2" eo} Aas =D) €@)esety alata trot Ly oe Agi) ~ pai) eae 4 det ar Tee non nul dans 1 calcu du dterminancerespund i a permutation émonstration ; Les were(o) = 1. (i) = i, pour laquelle aio(i) ~ dutty = J, © ast) Anat (i atn(t)o-- antia) 00En vertu des proprittts 2'6t3, led Sonn: erminant est une forme Tineaire pour chu on peut terite I Spat dei AS BA : te BAT,.A®) = adereacl,..., AS... APR)Ip dawat™ Autres propriétis du déterminant “Tiles les proprités enonsées dns ete section sont ahem, on pes en tiation te definition 6 1R(4) jee inverse Propriété 1 Démonstratioi uA) a4) propriété 13: [id Démoustration Si A s'est pis inversible (CA) el(A) (en verts de la propriéte 9, rata Propriété 14 Aco(), 9) = efa)det( AP... AP 0016 Démonstration Corolla de la propre § és 1 4 4 defiissene & maniére univoquc [application “deserminant” et sa nition du déterminen, Bees. Thorne 18 ep | inc esa ae Demonstration + Cove ope Pa Cateul drum aéterainant miton memati canes A (on) con tn A pons Sales es oip ee cies Cas 1 Fee rere spnnonsnaotone dea apes et poknes rte nea paps et p sige ene De Dale cae = de voir que Pon peut ealeuer dea). Sp eemotons Ap la m letionnons rive p< tnlonnes of notons An=p cette [Detiattion 2 Réele de Lapa =, [si dans une matriee anes A (n'¥n) on sgsit une sauratioe quckonque fmbe Sans une mies earrée A (0%) se Cece rigs), M_ (i p) ou (9 7). 1a-sowne dbs produits ds [ee ‘de M pur Jour cofactour respectit est gale au determi émonstration : Solent iTssscsips PDEmice Ap (9 * P) este alimtes dws M_ perm les coloanes €1 2 pit A’ Ta matrice obter stone dans As ce Te ip aus p prem jones 1 seplacer sn Figne de Ta position ik 4 Ja psitim Jone dé la position jk Ja pasition k noses Seonlonnes. On obtien ext . hy o aera) Aucune permutation west rel uns Ap ct A deu(ty) =aetate= J) (ooh terh’,-,= adet(Bioo edalysostorn pete) Meat) ai Sp. représonte Pesseblo ds permutations de {1 pevmlations de {p 4 Le=--s} ap} et olt Sep TERRE espe Sep — (a - (1.82), R Spin? np) Sony aAl- 9)! Porm vations ifort * Samp cte{a)= asl) (02). TL vent dnt dei(Ap) det An-p) —B, ©) Aho) -Pm0in) seSpSimp cs expression ext onside de (np) armas ae A), TLvient done ‘ei(Ap) colacteur de d wen tle) aet(Racr) aaa) 1) )ae i il - & fesous différestes do cheisit Jes culorn jp = en les par-eourent cialis spassalonst See yt So is ya _— det(4y) deity) | Y, aex(a,) cotctevrde da) | oi mts oem") wae Ap (=) exe tse mdse M (p=) ae Lu termination ses pet ue aio min Sie isa nei oss Te choix de p rangbes © [ait de imnitr i plus opportune peur ealeslor cist Fxemple 1 1 3,0 2) a1 0 22 Soitlamatrice A=|0 1 3 0 2 4-6 3 10 5 1 00 5/ Appliquons ta régle de lx place en fixant les eolonnes. ot 3 me ol 2 sae aetay = ore Olle -2 ae comet | zfs 2 8 b a ne me o | pees 0 eenenee lo i 2/40) aie i cape wet lo alle ; ta a 0 4 saved 1 pcan | fe 2 ofc h i ey dt 2 4 Ks ale 3 2 11 aeeeiol a searses[3 0 2 of, i seeoeem ul : sen eee 3 1 Ge b dB 4 4 Ole 4 212404364 0424412 +0-244040= 60peveloppement d'un déterminant suivent une pasticulaisons ta rele de T place au ule ws'p = 1. Seit uns rangbe 7 Glisons ime ligne), te mates M Les n matrices Al, (J 1) de A sot Tes n termes #3} Nolen Au iy maleice An correspondant & Al = aij: cente matrice canée (n 1% -m~ [) es omens 8 sopprimant 1 ligne { et le colonne jd A. ; ‘Aij) estuppléle miner ii Ai aij ot (1)! det(Ai) tle cofuteur te ij nolo Lutgle de Laplace s*éerit . z aera) = Yay des(ay) = Yaweer lou) Fa développant suivant a ligne { ou dexta) = Jay da(ay) =)’ ayeoF i) Geveloppant suivant la figne Exemple : Sion considére la matrice Dae a-(s2 0) 254 oc dfhord ume Hane ne uaa meant ne sina abode exile 2 ‘Le determinant de A seit alors 3s 3 4 tayeacye 3lescn nae deta) =3C- 9} a) 43-1) (B al=2743=20 78 Dilerminants de matrices partie Matrice sealai det(aIn) = a et det(a A) = al) det A), Matrices triangulaj (et diagonals) dot(A) = [Tihs au Morrices tomennsires sag —1 Ga) aT GHC surcos eistalee Deut mans ft com axnguowtciitamematice ete] A= P7! BP, Des matrices semblables ont meme determinant, det(A) der! BP) = se? Ty dec( 8) de(P) — de) cerns ae man aptoramsiene os mec) SS See Usa ened can Pa roms ee termite transformation Fngsire (@"un operateut) aaeateal de Pinverse dune matrice Par If tho de des cofacteurs ao} Onw done: Aa” Designs par xij eomients dt E : ventité. On cr deduit les bgali ine] est Ie jome ve a i ss anation A =a (es eo. 1 21, acmy= xij det(A) saab eatin MAASAI fet =(-1yi' aacag= cot iD‘on doe fe Fe5uHat svat si A= collaji) désigne la matrice dea xemple © Considérons ta metsice 2 3-1) axa 1-5 In tice des fates Mustestion Déterminant de Vandermonde coca a att aa) 2 | 2 Toa) nt quu be r&iliat eet vrai pour n= 1 1 0 0 a! Lana aman > af 1 aoa aman at ut | 1% ces oi = aah? ] mir dans ching gor ot en npliqunns Hiypottine dl 5 mnetnant on edonee shai ats sirens, on obtieat ke 36 Yup = ay)fag an) = (an Hd AS© eye tre 8 Systimes d°équations linéa < Ge shapitee u pour but @ naan x médisdes pratiqies de reselution dos systines dEquations lindsires du type AX= 8. ol.x estum vecteur doKM, bye veleur ce KI et A une metsee & cet onps K. possédant m Tigney cm colonnes Définiions Defin tion + Un systtme linéaire ex une file ations de fa forme ak Fk ay FF aye = i bom my tomb tite =D Kt ina Fk yy Hoe denly = Bs ot fs opefficlerts aij 1 foscccam j = Th-s.yn et tes tema indéepeadnts bi a sombees "un corps K.. Résuure 99 syséme eons 4 0 pour leuelles ws 2quations sont suits, ‘Un systome lingaire serit aver dns K lx valeurs dks incomes 1. <--.3 Sey Yaatnn baat Upsution spt inlet an ies 2K, vl aX) a - Aasb Résodre un systnne linear sigifie router Pnsenbie do Sfuront ds syste. $1 5E n'y a pus de sohtion,leaysteme est dit inapossible es équatious sot ites incompatibes, Sides astimes in inconmues ont mme essenble desolation, ils sone cits Equivalents TAI b= O, le qsteme Ax = best appelé un systime komogene, A rout systems non hiomogeue, on peut ret ra(A) =n (dane dev(A) # Oot A Ala matrios A d'un syste I le gytane lintaire Ax ~ bes dit de Cramer, eesion ngs F Zaire, correspond ine 8p pA KP, KM ink? otAGD= Ax Ax = hearvespond equation iatesille dot On seit que rg(A)= ra(P*) et fe syst Interpretation géometriai erplan afin (varie fstare affine dimension 1) dans Tage Sauation seme pesos done tersction dt m Kyperls afin, Résoudre un syne linssire yevient dome & chereber tes equations paramétrigies d cet intersection si ¢ Fensemble des solutions: Cages tquation représente un BYP: de a ttrice re wdmet at’ moins we Slaton 5) et selene ile ran ne anariee dusyseme: rB(A,D)= ee(A), etimmedite Sianconsidere le syste tinbiresaus le forme on sya ita sample eo ane Cue propre 2propritt ‘allie sl ct seulement si atcun vee Fnene ue le famille Connme (A) = mingen.n), on 9 que SeppenaTE Sn cagiire 7, CREATE Une fame our ne peut serie de des: manires difexerts comme combi (A) = a iinpliqne nésesirement m = 9, Un sysiime: re Cinconmes wedimet en aucun cis yno solution uiyue Gl ite de solutions). le mimbre deqiations ex infericur ay n ‘se it impossible, sot il admet une in $22. Systéme homo ‘Du gervgrape précelent, it resale que + Un systeme homugkne posstde toujours au moins une solution, la solution ttiviale X ~ 0 te + Un sysitne homogene in ineonmes n’admet ge Ja solution tiviale set sealement si re(A) * Unsysteme homopEne dont le nombre d’équations et infrieur au nombre d'ieonnues amet tovjours tks solutions non nes. Peoprigté 2 5 Ker(PA) est Penseerble tes solutions du sytaie honogte b) Si rE(A) =F, Temsemble dis solulions du syséme homogéne forme un soups sectoriel de K, de dimension n~ €) ensele ds solutions du system homoge ext le nae orthogonal at sousespsce par fs Fics de A. 823 Systtme non homogene Proprieré 4 4) $1 X exlune solution pectioulitre du systime Tsai, slr ses solutions du syste linésize, Fate | 1b) Si 1e(A) = ry Lemsemble es solutions du syttme lnkire non Homogéne forme wn | ie affine de KE, de dimension n ~ varie | Cotoltaires + Pour qu'un system fin sdimerte au moins one faire non homogene admette une sol solution et qu’ le systtme hemogtne associé ne prsside que In selntion vil suit qu'il + Un systeme de Cramer adie tours une solution migue X = ATT importantes et kes ps fréquernentlistes en prague Prineipe de Ja enéthoue : on usiise pour resoule systbmes 4équstions linaires@ Tandon sur tes types oertins sores uations da =e : Hon owt emilee i ton par ine 1 Das am ie Ue sto eerie tau lens” , auatins. on peut multiplier x ee nt applies dbs operations élemeataires sur leséquations 269 soit wn syste austions Am jnoonmes, set ommne le Hen suivant ds coefficients, i paticulicr les squivsten a syste suv ( ym + {teat \ ee uet'on appelle matrice com Récolution d'un systems Sine culonne eat ule, elle tmatrice, On peut done ls sup Ss tnutes kes alonnes de la mst or ‘Sle mnatrice A extn Hb 6 + Spon, Stel que bi paurun syste ms équation etn connes, on assoc ables slant see ia colonne des termes indpendants sion operations élemestaines sr la matic CCoasdérons un systane dem Sq = tye myalors uations sre node ese be Cerpiaday bom Cuttin = b+ aby oe bn co plete di syne obra el adjlgsant& Ia matrice A dssoetie se complies un syibme Lingsire four-nlt dons un linéaire obs 2 ienanis Srivons Tess Ta forme SuPanle Gea) wh efbue es operatons elémenires sr les lames Je tose Forse jen ented ppm (nestaleent fo onside ae rice A sont alls, Costing amare et dja isang frm Echelomaée, On ae jr 0 = By , oo lbs 0 0 Ob / » est Tienseble ds soltions het te ye nf adnel gs soto. rpms po esos a1), ota Ta are gw et OByun pons de vues oy tse de substi Remargue * L renset, Four poursuivre mie, nee colo sewer lerang dela matrice A. a) Sibel =0 5 by Sib <0 = ba) Sir Jere eolomme, Nons pouvurs alors effeuer ume transforms inl evlgnes indices? &m ot es eolemnes dindices 2 2-01 sous forme Ed 011) Tet ca comic qin al ict Sa (Owe ma wy ae Sa GX} din ks n~ 1 de inion numérique dk eal depend “pve res Equations sovup de Iva tfcient fe plus ran Asi si 0 bola, ar du pive vk le de rene pour piv ae iene colonne, suf le fs venous eee a annle us es eaten dae i on 8 pls besoin de fire itervenir I premire ligne fait siilaire sur 12 ss elon creat une eolonne dans Io es tl wn oblient fralement ta chug fois use alone et une Hig (ou sin A considéror cst lle) jusguta ce uri yen nese plus (A,8) Se stm (Aco) =e syste net zu moins ne station, seme adpct we solution unique. Dars ec Al 1g(A}=syteme adie wh ep lex}, ane} ef) fepuanie teat me lt uacnge gupnit neqvtoeson eve un he 4 el deb 1) meer eaitons et inonmus ls savcles nj | eis) dnt 1 seson dsr sn less res xj, | elt, ye) (yen varies principale) rome mlgie a fonction ds 1 patices ty eps hs wis ares pes Pe Bi series ni, 5 CLits-- sin) open vaviabies seotden Tes tis hs spot dee dl forme éshelonne simple js ma insect oy wes ds ables aj} -+s jes en fontion dy ribios indices} € {315 o}x} ds valeurs ner Ie sje cede. Les Cea un systime qui doon tuuses, Les solutions sebtiennert ex dosmant x : abiaives fj et amx sorbles xj1.-.- Sir 1S leur dante olution s’erivem également sms Ia forme gbnésle suivante = One sed Wy) seh oui unig sv ee CG) en panivlier, © yotdme de Cramer a. H(A) 2 La soln nique di sytme donnée pi oe A(n «ted ne A ai Resalution Suit Ax= byseprdcA AO BACH Atma) a sa Illustrations 1, Résoudre Ie sysiine linbre suivant par fa méthode do Gauss, A tae 4% 4 Bh + Gy 4 ay | ay 4 Oy + Sq + ee ee omplerée du systane (Ab) est 12 5 ot 33 {a fone écelonnée simple enrespond & A 2 = pie u ao i 00 : 0 0 Lats secondaire sont ae (zy = 4 - 2 - Gen 47h Ls solutions du syslemne lingaive peuvent secre sos J Forme entra ayy (14 a = %\_{ 0 1 0 S/F \ all elo «(2 a) NO 0 1 (4) ineuter Te systeme linéaire suivant hoe gh ea Ge ee yey tet irige compleige du systime (4:6) oo Afi de simplifier les cafouls, permattons es Tens ay aa i) ts My te |e G9 +a) Lu forme éehelonnie oorrespondeave wicdkt(APT. AGEL, p, acre : SAM aAKA) 4 Mlustrations 1, Resoudre le systime linéaire suiyar y suivant par la méthode le de Gass, + 2% + bi ae castles Couples Oeyeeye a Lamatioe compete dv sysime (A.tyeas + Ls forme échelonnie simple eorrespond & £ [Ls varies sevondaires sont ‘Les yarlables principales valent = = By — e = h, Lis solutions du sysime linéaire peuvent sEnire us a forme wera sulante a) _{ 9 Bee © a i (2 Piseuter e system Tinexire suivant La matrie completée du syste (44) ‘Afin de simplificr scales, permuttons Ie les et au {Le forme éehefonnée enrrespond a2 i or, 4 u fg aaotalineDecete ore helonnée, dn pen gaa ire que ti er() =|) i sols 6 SUivants sont 8 eosidérer + Lua firme dehetomnge simple axa] 5 2 OU 0d ig oa o ‘Nous oblenons la solution tinigu suivante, Xe y= 2m 1N(t=2) ne (2) forme fhelomée Pee elonné ot 2 ah) 0 lo, Les variables seeondaires sont = en you La variable principale vant : aa 1-12 Jas solutions dur systéme linéaire peuvent s'trite sous a forme genérale suivante: ()-@-G}@) foo ( = if 00 Lesystime est impossible. 3, Trouver ensemble des solutions du sysiime Lintaire lomogine suivant: . 0 Mot om + % ; My + Bx + 2x3 a 5 2a, + % =] La forme échelonnée est :smatrice compleige dle yee (Ab) et La firme échclonnée est On emque que Te rang dA au 2 Lis ncn Secondsites sont x En dont ks aleus = 3 etx4, 84 = 0] nro este de Crater (ee Ky + ax, = <2 on obtient solution xy = x9 = —1/2 En donnant les valeurs x3 = 0) x4 \ Stet réscant le systiene do Cramer sulvant (ats ka + 3m = = ( obtient 1g solution RL 12 .x9 = -39 Lissolutions di systime Tinésire homngte peuycats"teire ssa forme geatrale suivante é Chapitre 9 Valeurs propres et vecteurs propres re) ete applicetinn lindas dun epae veri (ov opérateurTintsre) «st sme appl sons fe transformation do est space vectriel ct ca dns uismme, Dans oe ehaptre, nus nous ines won dost : Peale roe lo resi ee igen mle exes gan Sppesés, ou dune maniése générale le yetourspropres de la transfor. Valeurs propres et vee initions et proprities as d (pas secesitemant oe dimension Lv.) Ae ew Ube transformation linésire -matin. teurs propres dune trans-for ration lineaire nic) sur un comps Ket F une un espe veeteriel V transformation linéaire de V CE [pation 1 BER ra ct a,x = 0, tel que fs) avegoue ronal apne IO PE | ta yaleur propre ae Deinissons gxy= (x | (EAC) = 03 identgue dans ¥- S(B) est le nya de fe ans Formal soy= (x 1F09 ion tnkaite : 1 represen ta transfoemetion ™2 n'est fs inverse Définition 2 fF) =F x) Af) 1. Les verteurs propres. asso 3. E'image fo) DétiionsratIOn Sait C1) NS(2Q). slors £(x) ~ 1 0 Propriété 2 Demonstration > ar ~ La proprieié est aie pvr : ~ Suppasens qu'elle fe soit pour K= 1) k= < sox Yeas) & km deundbe retin Yew" extynie post Fen soustreyant 18 yas tx propel ‘eetour © et done rede F isiay= 10) toriel) propre def associe ) tine homorhétie de rapport 2 et S(0) ct incus dans fe x To= ak x = overt — Anne 4 Ja valeur propre 1 sunt ke vestous propres Issés invariants par f quit © mire sisibe pu 2K iL iIovexiste quline se stp multiple In veces POETS at de Sth) 1 $(H) et dit stable ) Sif) pest pas inversible A levaleur propre 0, crite dew compositions position dommant fe compos° ‘ef puisque Sa, ak At eee wo goient xi SCA), x1 # OLE = 1 sk cteosidénas Sh ensidens 3 2) = 0 En vert Ha proprted prxbdete, il vient: ix] = © et done ai = ¢ yi 92. Valeurs propres et vecteu 321 Definitions "3 propres dune matrice carrée ~ Difinition 3 ; Soi me mat i Soit tne mattive cande A eMatinany(K) ot f € LRM KB) Ia transformation lingaire cannique ass A, alors es valeurs Drupres, les vecteurs. propres, les sos-espaas propres et le spectre do A. sont les valeurs pmpres, les vevteurs propres, les suse une 8s propres et le spectre de Ta Auirement dit + AK estune valeur propre de As'i existe um weetaur non nul, x KT, tet que Ax hx, (Un tel vectenr est appelé un veeteur propre de A sisocié& la velour propre 2 + Tensemble das vectours propres associés 8 2 ext anpaé le sous-espace propre de A associé & 2. Le specie A de A est l'ensemble des valoms propre de A, Ls propriétés 1, 2 et 3 de a section préctdente somt done vraies ans pone les valeurs propres et les \eelours propres dune matrice care [a remarque 4) de la section présédene sexarime (ka fagpn suivante 0 est valeur propre de A si at seulement si det(A) = D ou rg(A) < 2. : $i es une yaleur propre dune matrice A imversite, 2 est valeur props ds A Axzix a A lnsk lx se ur propre associé, fet valeur propre de A et F vesteur Si est une valeur propre de A. et lin vert 58 ie eae Polyndme caractévistique d'une matrice carrée 4 Lesysme ineaire omonine #0) cy Ctodire get seulement si rye de deere ® fag et u ues Faces 11) représente un pol "A. Les valeurs propres de $0emargue importance Ses "Di, St POW dep « Dans R par contre, i ny a pee Native A 73 Ps inves siours ste de P11 5 don fe TY 5 ore sire yao pas Mracines réetles: ify ena al : sion ds vateug 4 (a coellicients dans Ky Y4T*¥FS propre Caller le ply ears 1 Psterminr les zoe le) sor seine deo vl 8 pes tou rockdure de determin: —— = St Yeelours propres dune niuctrive earrée tristique 5 Sot kes valeurs popes (EK). inns € K) sie dimension n = rg(A—A1) = 9, ‘it systéme homage (A — AL) x Propriétés du polyname o el form par os solutions, Ce sousespace propre aractéristique de A. A SHGUES de A ct de Al soe eniqus AeCA~A1) = det(A apt “al 4. Das polynime cracteinique; AMD) = daca any + Te coellicient de «™ ese (—1yn, Les polyndmes ci + te cocficient del es 10-1 3 8in= 23 11) a Sin= 3: de(A—t1 #OQA) OO - (FR dettayyye 1 det ). 4 det( Aji) ext le mincur de-ajj. oo « H(A); + te ferme independen y ext detA), 1 — te(A) C+ deta), éristique d'une transformation Hnéalre d'un espace veetoriel de dimension Sci L(V, V) et dim =n, Rappelons que les matrices sswciees & une transformation linéaire (oy un opérateur) dans des Kees différentes sone semiblables; fs determinants de matrices sembishies sont Ggaux et yu'on peut done gatler du déterminant dune vsformation linéaire (ou déterminant Jun opérateur, . ‘epulynime carsetéristique de le transformation lingsice fest dine, par definition, elu transformation linéaire £ — 11, «esti =" dans une base a Enoonslusion, si y dvermineat rele plybme carctrisique de a mative asocige& f Jeonque de V., Ce polyndme e¢ ineépendant dea fee uiliste {visses¥n) estame bse qoekonqie de ett L(V) ~ Péqution £(49) — 2.x revient 8 equation matille Aaya > BRE les specues de fet de A(y,y_ Sot identigus : i seulerent si xy stun vexteur propre ds @¥ estun veeteur propre de f associé 2 AK sie selene st xy GR ct c Ae assnci 32 Muiplicité des valeurs propres SNAIG"E TT La mmiipilene algebrique d'me velour propre 7, netée | Petition aE ae racine du polynéme caractéristique Sa), tla multplene de 2 ant oe sie do olen rss est dire exposant de (t— 2) dans le desomposiion di poly facteurs irredveibles. dite valeur simp I ia ae Treite geomeiique & pm a), aI espe propre SQ) qui Tut est assoc mg() ~ ‘ng(2), est le dimension. di 3 pim S049), oprieté [meQ) = enonstetio | —— ery ne valeur Dmpre ef pe pepse (V]se-s¥n} de eee : Fett yg Tr ten ene Gh AH). Pings Aly puke to ohn) a:00-)* @-®). iiviet geA-11) = det(.= ony dees — a ene KC, ERE) =A Raia ty-k) Remargue + Dats C, on que Eyeamg(@) = n 93 Valeurs propres et Yecteurs pro res de matrices particuliéres |. Matrices semblables (B = pl apy * Deux matrices semblebles ont méme polyndme caoéristique e¢ donc mtine spot, dey(B= tl) = detPVAR = 11) = getie—!( yp) = dei — 1) © Siocest um vecteur propre assneié& 2. pour A, Pl estun yeoteur propre assovis¢ & pour PH AP Ax=ix = P lap @tx) <2. 4x) Remarque i Si Xi....5%k sont des vestews popres linésiremen indSpendan’s de A, alors orha,.. PT hxk Je sont aussi pour Pl Ap, 2. Matrices aires Le spectre d'une matrice triangulsire est formé des iermes disgonsux aa(a-z) =| [au-0 5A. Diegonalisation d’une matrice (@une transforma-tion linéaire) 54.) Théoreme de base 2) Enoncé en termes de transformations Finésires Lsquiire conditions suivantes sont éavale 5 LV =SQ1j@ 802) @--- OSR-K) oa Bh 2 ade we ae ea OTE dnl 5. amet ne ae tn aririiucapaens 4K ct igQ)= mah) ute racine A du poly sn lingnre fest ite Blsscandiions sont verf heer 5) nonce en termes de mistrices Sbit A EM ate CK), Ls quite aux) oh S(1)@ $02) @--- OSHS (dek) linkin rations suivantes sont &quivatentes 1. KP = Ik}. yendanls (ils forment 2. A admet n veeteurs PREPS done une base de K")Aes di sonalisable, eye 2° ei tire-o8sembiie une matr Se ng 4 Tiersen Pybus nie pein) K eam ons Sot WEES Tete 4 eae diate La condition 3 sige we A= ppl Pee eR cll ereamcian jag ge cei roe Oe dE nee io prs A ie ls me cigs Ja matrice dingonale: D st fa matrice dont Tes termes diagonaux sont kes valeurs propres de A, anor eur multiplicité algebrigue respec : pamonsteation = oie Soit (ete 98n ke baie de SC), 1 = 4... mee ni ~ mg(hi) et Vhamy = 0 Gonsiderons ta famille forme den vexteas propiee eo Atel tanstetteltng! eth atagh (Crest une famille libre étant donné S(BaaloonSiaenes L..ni) extune baw de SQ). rant donné £(¢!) = 9 nj la mative assoiée & f dues ele base s"Gerit a waleue propred,aparaissant ny, a i s cote bases "beri Soi Tae tele qe marie Sf sce vee oj € ketapparsissant nos >L.uk a joe seri {Le polyadme carueréristigue de oewe mses []@-o"-° ct done aj = 9 stena() = 8 indie qu stems agama BBaU 3 23, & Sha) estengendré par ks veel lone mg(Aa) = BE dea toe cami dea p, Etant donnéEee Me UA) = Fs mal Si) = (pap Iypethise 4), ~ $08) NSA))= (0) 125 : Oigy 1 vient: vo Corollaire = sont toutes si 942 Algorithme de. diagonalisation 1. Former le’ polyndme"caractéristique de A et determiner ss racines NB, {Si K = R et que toutes les racines ne sont pus rélles, la matrice Test pas diagonalisable 2. Déterminer une base de chaque sous-espace propre. Si la dimension dun sousespuce propre est inférieure & la multiplicité algébrique de la valeur propre correspondante, la matrice n'est pas diagonalisable 3, Reunir ces bases en une seule base de K™; constituer la matrice P formée de ces vecteurs de base. 4, Caleuler P—1, 5. Caleuler D= P~!AP, (Pour une transformation linéaire f, idem avec V_au lieu de KP),nqonitinre a don lett taynai(2o4 1 wma( Aa) = ar )=t-menne{ (Ke) x osn={( “Ss )vex} = omj(h) =1 RA) fh Bi) [=A] ma(Ae) = 1 i y I; | : LR, te (i-a2-0 4 {73 pt i . An oy [Ay anew Le watrice A peat dtr dlagnalisde lee 34! (4) coun (jem rea ) 4ay Injen =o ma(Ed) « mare ( 4): &23,- CK-f,) (4-4, |-1~2 2. Montrer que la matrice 1 6 PMID, 1 5 3 2s)-{(3).aeR} S my(a)=3 ‘Gt (riangnlarisable ot Ia rédiite 1g renle dle Laplace) ta = 49) = 42h =A) oar exec PAE \ dbchapitre 10 Matricescarrées partion res _Une trasformation linsire (oy operate tntire) ea : dine arenes Pepe ee hota Se, nn me pin aes q dawisoger les relations des transformations lineires et de ta metriqve dan le ie fat doané ane Tse te Vespace vectors, on peu mci ane newt cares 8 uns vsformalioh jie, ans c© chapitre, nous nous inéressons i qugus natces cares parties, {1 Matrices unitaires et orthogonates soit V un espace veetoriel hermitien (K = C) ou eudidien (K = R), Définition 1: Une transformation unitaire (K - © ou orthogonale (K = R), est une application £ de V dans V qui conserve le produit sealaire, e“est-a-dire weve Proprieté 1: £ est une transformation unitaire (orthogonale) siet s si a) f L(V, V) (fest fintnire) et AECXRI = TXT WK EV (Fennserve Te none) b)f AL(V.V) (Cost lincaire) of LCR) — ECV i= 1X V1 YKY €V (Foomserve fa distance) Te tancfornation antaive (orllogonalo) conserve non sulement orthogonalité de veces mais aust kes AGstuces et les normes, Proprieté 2: ie aaastrnain i GRA) St we eon ie inyersible. ‘b) Son inverse est une trans! c) L’ensemble des transform: aver Ta loi de composition. formation wnitare (orthogonile). rans untaires (orthogensles) forme un. group. Pbmonstration : 2 . re -jol=9 2 X20 SiO) = 0 = Ix1= if(X)L = IO £ est une bijection. Done Ker(f) — {0} = f ext une injection 2 bit, 1 “ex} fo! estunitsire (orthogonale). TG te NCO ferns Fo sites! = be = ix! testi one Tce tanaformation anitie (orthogonal). caxn, glory A* = A lest 1a matri +} Soit ue matrices A © 68esunitairest | a 1) FDS a me mattice unitaire, \er(A)2 = Définition 4 et Une mistrise A OPH et orthaaogale @ a. ' Gas: BUCA) = 6A). SA oie mac onagnne SA Propriéte Be: 1 tisirice asocée¥ une wansfonmaon vise (ontogame) Gas ms bs fansforman valve (oregon) se Dax matrices A ct B sont dites semblables s'il existe une matrice Pinversible tel i E 8 les s'il existe une matrice queA=P 1B P, Das K ~ C, dew matrices A et B sont dites unitairement semblables s'il existe uno matrioe P aire tel que A= P* BP avec P* P= 1 Dusk = R, deux matrices A ei B sont cites othogondlement semblables s'il exite une malrie P “inogonile tel que A= PB P ave PIP = 1 10,2 Matrices hermiticnnes et symétriques SGV un eye vestorielhermitien (K = ©) ou emlien(K = R), Définition 5: Une matrice A CP"? ext hermitienne si A= At aw at po ioe A RPM cl symbtrique si Définition 6 : Une matric al M3 Matrices normales SGILV un espace vectoriel hermitien (K > ©) Fine nest normale si Definition : RAY = ATA eet! © Je omnis AX t= TAX aes = Ayes = BIAS A asin St cnc nie eels A oe ‘a ct Bil fagrritie 2: Soient deanx mattiecs IM une matrice normale eaA= Ppp Ata = @* BPS BP) PY BY PP BP =P RPP BP pr pt Ber BRT P ; : =P BPP BYP =P" BP) (PY BP) “AAT Theordme ; Toote matrive normale triangulaice xt diogonale, ‘Wad Yaleurs propres ct veeteurs propres de matrices particulltres “Propriété 1: Fesous-espece propre associé & Tn valeur propne d'une mace nore et identique au sms-eSpae pro isso & la valeur propre 2 de son adjoime. Démonstration = ‘Solt A une matrice normale. Etane dooné que Ia norme est conserée enire wre matrice momma et sn edjoiate IAXI= IA XI = Tadjointe de A— 11 est AY — Fs = A=tT est une matrice normale + aaa 9-@- 9a Biyees: ae a vient : jax exe Pal ‘et done : (xia x7 Or «xia? Ro RFprop ttt® 2: Dax veteurs piopres d'une wince nom es Peis: Ten est de man rile serespondat 1 eax lee Dropres disstinctes)soht tt ss sousespaces propre. pimonstration = SHAK=2X AY =nY 23 y, srvertu dele propriété Ion «que A* y = nex < > dred =) =as SAX = 2X, X =U et A une matrice unitsire Mvient A* X= A} X = AX=EX et done? Propriété 4: [Ls sailes valeurs propres reclles pessbles d'une matrce orthogonale sont {Corltsire de 1a propriété des matrices unitaires) as Wane mace Feri soe Ses [Tes valeur XX =O pout A une matrie hentienne, TF went epue @ I Propribie 6: WCoratlaire dea propriété dks matrices ‘permitiennes.) Propri jete 7: Une Demonstration sesociee 8 terton fingaite eC, Soft Z eo? mn sar propre de A. associé & wie AUP on nuts. 11 view: geiay= 22 , : ECA se ma pe KE = ; st ree eee ‘Tne et el il faut AX = 2% rs ences son agonist les Ts oes se demander als wos 27 oe eee Beoremye = | URE MUI he est 10H camer nga Tepemonstration ip) tondtion Snir. so i a +S Aue mati ni : tirement disgonalise Pansy jie D dlagonale. tent donne ou'une an we daca wériee diagonals et normale, Wy mntice Py A ett ogelement une (2) Le condition es sulfite. En oft, sit A ane ont . mnttice norte = AAT = Ata ‘Ou peut éorire ¢ | Prap=u a oi U es we mattice triangulsire supé Cc orm 5 Perieure nore. Commu toute mulriee normale: tr-angulaire agonle, a matrice A est unitairement diagoraisebc . aa Coroteire « [PRE itice carte rE eat onkogmlemen digestible wl) ements ele ex symetriqu Detonstration : {@)La condition est ness. Eu off sot A une matic orthoalementdagonalisnable plap=p 0 ptP=i ‘nee D diggonale. Ona : A= ppt done: Ate potrt= PDPt=A ‘este que A est symétrigue. (6) scandent sutame, En fl sot A anenatrve elle mii: Als A le ex normale, et done unitairement cigs Eo peP=t sus propres dA sont eles, les Yea ropes fe atrice P estan fait elle orthosonele : Gomme is ae meth Took praet able BED = diag(21,...:90 astiluant ies colonnes de P sont G22! onal ‘saatie itd bien arthoxoatemet Hene de & ae Naleurs propres | Disgonalisable PA | SomA)=n Oni fat Xonnale Hermitionye YER OW Unitaire ui Poa Oui j Syinétriqe ven Omhogouale | A4°=A'A=1] SidER oud ‘aus cas parsivliers dos matices normalss, hemmitiennes, unilaires et syméariques, i] exile ne Mie orthogonale forme de vecteurs propres. Fn chisissant une telle bie et en Ja rendant Ronormale, lt matics P est uniaire (orthogunle dans fe es symerigue). | IRCICE! i xereies ’entrainement avec solutions JSTRICES E1' SYSEMES D°EQUATIONS LINEAIRES ; Ty Calculer les proce AB eB quand ils exert dans es 5 punts @ AqG@ 2 -1 3).B-1 02 D A nexiste pas. Re ee nous ligne (ome dehelonnge sip x matics jne A Ala forme échelon Reale on a i. ee ae e eo Bees Viens 0S ee a Beye 4 62 By og 0 8 NO OO A 36 2-6 5 : he ayeay, Yh? qe a? 0-5 Blafot pate u = nen (9 0 00 BONs os 3 3 Big ot Ane Moris aBF PH tiie seats oe Rip: 0000 4) Coleuler AB en uritisant la mu tiplication pat be : ans: Meg dan Sas a6 gf Oe hog ee ited ee A donne y pe 024) w(s a 2) 2 it oa 264 22 |p ae Creer) a 4 a i 7 Appligier 1a notion de matrce setielonée mauice éehelonnée Simple, 4 la nsuluion es systéines ies suivants : Dendy sbe=1 l = sezieety ty 1 Reps 0285-4, 3M ao - Deb Oy At se mg eS iis es gy (ee yh ee ten fet 4 Reel BI 9 PMD ay ay “aan zea Berane 4 ey ear ea ty+ e410 eee Fs (x + ay=3 © Wl { ore bem s+ ay a+ 2W Ath Trae a bhomemerbe » foe tee RE lie + dy — 52 420 Paget Staph a ae Ewe 2 Sy 432 = — zit tor pas de. soitin Sx my 4 22+ Sw = 2 fer (X+ Sy +47 13w = 3 >| : Dea 2542) 3 32 te the ot déterminer la a que 2°) aucune solution tne d'ieanmies 957 i=) ne soa deh de leone on hued we soljatytlend 9) Be Ay tee =k Rep yey egy = 1217825 a onjourssme sistem 354-3 ae hes at ky 2 Rep 1) 423, x 1 BED | 24 he. {spaCES VECIORIELS Rep sion comsidere 8, {is Be (0, 2 Ree a ere ep don te babes TCAD) 10.21. sommeissontannonire drole te neon (5, 0, 6)} est libre ou Lee, J Bssent les Ml Dy Gheb, 2,1, 0) trouver ans 2) On donne le sous ensemble F de 8 din par P(A ya eR ae 0) 3) iif que F ests sous espace vostiil b) Montes que F= Veet (2.100, C1. 0.3) €), En lisant les aerons de Gauss véifiee que =Veot (1, -. [)OndomelesvecemdeW Wee ah Qsteice dito eon te 2) Quelle elation dotvent vise, b pour gue os wets ferment une famille libre? 5) Lorsque ces vetteuts foment une fm: Hes donor dens chagie cas une combinaison linéaire viiée Soluion : a) cireBitrtyit-rnite= B om abouts & (above 2e(h1a-2c)-0 la file et bre sae DF biat2o\b~a-20)70 eRe 4) a familie est de dre chacln des ots cus svete: Dea a 2ectb=-a8 2c 0m « nepecivemet les combinaisons sutvantes al ytesyte=nile Os itis ‘gp On deme e sous ensemble V de Babin par (5, 2429) © V'~ ber A X10" Bh) Monte gue Sete ay CA. 0,21), et donne nate ne base x diserson dW, Rap vine base (21.0) (6,0, 2.3)}.dim(t=2 FP rrouver te tang du syste (1, O12). (0.2-15) 04 180 ip Ra Here rence ble des ontions dun ebb on vide X ers fecogsK- Que ut Sen Se ae ee es Ges ron ag Ser (ony ts, vee Semoumece Ves menses eae eee Ri, monic: que vats uh jes veel st A318 Sat = (6s 2 lcason sare mt dane x cat mera 8) (A204 Hoa) Ceab) bab HEA) LE) LHC PEARY, 5 Minter que west un sows espace de VV" 82 4 se Montes aw 82 aie aot ads vedo aise sepa ils) eam te les lois suvantes favofied) ot COMBINAISON LINEAIRE. 4, 5) come combinsison nae des veteuns 61 = 1S) ere. te verteur y= (le (12,3) Gh) 26 i 1) gous:tonme de combina fiir dos mates AL jeune eae A ess 3) een SENERATEURS Ht w= (0, 0, DY engendrent Be. eee 21) Morice quetes voctomes = (EAN TL 5.2, eedlta. dol un engender’ 22) Trouver a quelles vonditions: ‘eur a, bet 23) Montter que Je mit XY ie (fe, bo OF me BP ewe emANDANCELINEARE TE 45-2b enone mie ou yin " ‘i 2.v=2,5.n, Solon: So mex Pos Paar 9 5 deminer ou ou Wen les ecu etn ea See ens eo int bi 1 O80,2.9,-0, .601)0,4,8) Solution ons pases GON W.