Condensé Algèbre Linéaire Dans toute la suite E , F,G sont des Espaces Vectoriels sur K (où (K +,×) est un corps commutatif, mais dans la pratique c’est R ou C), muni des deux lois notées + et . (souvent omis). D’aucuns remarqueront certainement ci et là certaines imprécisions, mais elles sont dues au choix d’un rappel-condensé court et efficace. 1 Familles libres et génératrices (nies) Dans toute la suite soit une famille de vecteurs E = (e 1 , . . . , e n ) de E et F un sev de E . On dit que la famille E est génératrice de F ou que F est engendré par la famille E et on note Vect (e 1 , . . . , e n ) = 〈 (e 1 , . . . , e n ) 〉 = F si et seulement si tout x de F s’écrit comme combinaison linéaire de cette famille cad : ∀x ∈ F ∃ a 1 , . . . , a n ∈ K tq x = a 1 x 1 + · · · + a n x n La famille E est dite libre si et seulement si la seule combinaison linéaire nulle est la combinaison à coefficients tous nuls , cad a 1 x 1 + · · · + a n x n = 0 =⇒ a 1 = a 2 = · · · = a n = 0. Une famille de vecteurs est liée ssi l’un des vecteurs est combinaison linéaire des autres. (Notons que, dans ce cas-là, justement, il y a une combinaison de la famille à coefficients non tous nuls. . .). La famille E est une base de F si et seulement si elle est constituée d’éléments de F et vérifie l’une des équivalences : (Les première et troisième sont les plus utilisées) ⇐⇒ E est libre et Card E = dim F ⇐⇒ E est libre et E est génératrice de F ⇐⇒ La matrice représentant E (coordonnées en colonnes) a un déterminant non nul. ⇐⇒ ∀ x ∈ F ∃ !a 1 , . . . , a n ∈ K tq x = a 1 x 1 + · · · + a n x n ⇐⇒ E est génératrice de F et (unicité et existence des coefficients) Card E = dim F Toute famille de Polynômes non nuls et de degrés tous distincts est libre. (très utile dans la pratique) Toute famille de vecteurs E de E tq Card E > dim E est liée. La famille (u, v) est liée ⇐⇒ u = λv ou v = 0 ⇐⇒ u = λv ou v = µu. (sous-entendu, il existe λ, µ tel que...) Attention ! L’implication (u, v) liée =⇒ u = λv est fausse (à cause du cas possible : v = 0 et u 6= 0) 2 Somme de sev Dans toute la suite F , G et H sont des sous espaces-vectoriels de E . F +G est un sev de E . C’est l’ensemble de toutes les sommes des éléments de F et G. F + G est le plus petit sev engendré par F et G, soit F + G = Vect (F ∪ G) = 〈F ∪G〉. On retiendra en particulier que F +G ⊃ F et F +G ⊃ G (ce qui peut se comprendre, si on fait la somme de tous les éléments de F et de 0 ) H = F +G ⇐⇒ ∃ f ∈ F et g ∈ G tq x = f + g (C’est cette formulation, disant d’ailleurs la même chose que la 1), qui est la plus usitée ). si F et G sont de dimension finie F +G l’est et dim (F +G) = dim F + dim G − dim (F ∩G) Par exemple, la somme de deux droites (non identiques) est un plan. La somme de F et G ( cad F +G ). est dite directe ssi F ∩G = {0}. La "somme" se note alors : F ⊕ G. Notons que l’on a F +G = F ⊕ G (si F ∩G = {0}, bien sûr. . .). H = F ⊕ G (on dit F et G sont supplémentaires dans H ) est équivalent à l’une des propriétés suivantes : ⇐⇒ dim H = dim F + dim G ⇐⇒ H = F +G ⇐⇒ ∃ ! f ∈ F et F ∩G = {0} (Le plus utile dans la pratique) et F ∩G = {0} et g ∈ G tq x = f + g (Existence et Unicité de la décomposition) Si F ⊕ G = H , la réunion d’une base de F et de G donne une base de H dite « adaptée à la décomposition » Si F ⊕ G = H , pour définir un morphisme sur H , il faut et il suffit de définir ses restrictions à F et G (La projection sur F paralèllement à G est l’unique endomorphisme "valant" l’identité sur F et 0 sur G) 3 Matrices Dans toute la suite M est une matrice carrée d’ordre n à coefficients dans R ou C de coefficients notés M i j . On appelle f l’endomorphisme de Rn canoniquement associé (cad que M représente dans la base canonique) une Matrice M (d’ordre n ) est dite inversible (∈ GL(n)) ssi elle vérifie l’une des équivalences ⇐⇒ det M 6= 0 ⇐⇒ La famille des vecteurs-colonnes (C 1 , . . . ,C n ) est une base de Rn ⇐⇒ La famille des vecteurs-lignes (L 1 , . . . , L n ) est une base de Rn ⇐⇒ f est un isomorphisme de Rn (donc un automorphisme) ⇐⇒ Il existe une matrice N d’ordre n telle que M × N = N × M = I n ⇐⇒ Ker f = {0} (on peut dire aussi abusivement Ker M = {0}) ⇐⇒ M ne possède pas la valeur propre 0 ⇐⇒ M X = 0 =⇒ X = 0 h La formule-produit de matrices, utile dans les exos (Notez la « formulation ») : A × B i ij = n X Ai k Bk j k=1 M est symétrique (M ∈ S(n)) si et seulement si t M = M si et seulement si ∀ 1 ≤ i , j ≤ n Mi j = M j i (cad les coefficients sont symétriques de part et d’autre de la diagonale) M est antisymétrique (M ∈ A(n)) si et seulement si t M = −M ou ssi ∀ 1 ≤ i , j ≤ n Mi j = −M j i (les coeficients sont opposés de part et d’autre de la diagonale et la diagonale est nulle) On appelle trace d’une matrice carrée M la somme de ses coefficients diagonaux. tr M = Propriétés : tr AB = tr B A tr (αA + βB ) = α tr A + β tr B (linéarité) X Mi i 1≤i ≤n La transposée est un morphisme de Mnp (K) vers M pn (K) qui échange les lignes et les colonnes d’une matrice. £ ¤ Plus précisément, les coefficients vérifient t M i j = M j i . ¡ ¢ Propriétés : t (AB ) = tB t A t αA + βB = αt A + βtB (linéarité) 4 Projections Soit p un endomorphisme de E . Il est appelé projection ssi p ◦ p = p. On détermine les éléments caractéristiques de p (ce sont des sev de E ) par – le sur (projeté sur) F est donné aussi bien par F = Im p = Ker (p − I d ) que par l’ensemble des vecteurs invariants par p ou l’ensemble des vecteurs propres de p associés à 1. – le parallèlement (projeté parallèlement à) G est donné aussi bien par G = Ker p ou encore l’ensemble des vecteurs propres de p associés à 0 A Savoir pour l’efficacité que l’on peut démontrer les deux précédents en une seule fois en montrant p/F = p/G = O Id et F ⊕ G = E . Pour une projection p, on a toujours F ⊕ G = E ou encore E = Ker p ⊕ Im p = Ker p ⊕ Ker (p − I d ) la decomposition de tout x de E sur ces deux espaces est x = p(x)+(x − p(x)). En d’autres termes, x − p(x) est toujours dans la direction de l a projection, ce qui donne pour une projection orthogonale, x − p(x) ⊥ x Si p est un projecteur, rg p = dim Im p = tr p 5 Noyaux et Images Ici f est un morphisme de E vers F , ou un endomorphisme de E , cad de E dans E . Si E est de dimension finie, dim Ker f + dim Im f = dim E . (Théorème du rang) On n’a pas en général, Ker f + Im f = E , et encore moins Ker f ⊕ Im f = E Si E est de dimension infinie, il reste que tout supplémentaire de Ker f est isomorphe à Im f . f ◦ g = O ⇐⇒ Im g ⊂ Ker f (Utile ! par exemple f 2 = 0 ⇐⇒ Im f ⊂ Ker f ) ¡ ¢ Im f /H = f (H ) ¡ ¢ Ker f /H = Ker f ∩ Ker H Pour toute base (e 1 . . . e n ) de E , f est injective ⇐⇒ Ker f = {0}. Im f = Vect ( f (e 1 ), . . . , f (e n )) f surjective ⇐⇒ Im f = F (ou E si endomorphisme) f injective de E vers F =⇒ dim E ≤ dim F f surjective de E vers F =⇒ dim E ≥ dim F f bijective de E vers F =⇒ dim E = dim F f est un isomorphisme de E dans F (ou un automorphisme de E , cad ∈ GL(E ) ) ssi ⇐⇒ f est injective et surjective ⇐⇒ Ker f = {0} et Im f = F ⇐⇒ det f 6= 0 ⇐⇒ f n’a pas pour valeur propre 0 ⇐⇒ Il existe un morphisme g de F dans E tq f ◦ g = g ◦ f = I d ⇐⇒ Toute matrice représentant f dans des bases quelconques est inversible ⇐⇒ f est injective et dim E = dim F ⇐⇒ f et surjective et dim E = dim F ⇐⇒ Ker f = {0} et dim E = dim F ⇐⇒ rg f = dim E = dim F Si E et F sont de dimension finie égales (à n) f est un isomorphisme (automophisme si E = F ) ssi : f injective ⇐⇒ Ker f = {0} ⇐⇒ f surjective ⇐⇒ Im f = F ⇐⇒ rg f = n ⇐⇒ f est bijective ⇐ 6 Matrices semblables - Changements de Base Ici, on considère ici une matrices carrée M à coefficients dans R ou C d’ordre n On utilisera aussi une matrice carrée de meme taille N . M et N sont dites semblables ssi il existe une matrice inversible P tq M = P −1 N P Notez : ∃ P ∈ GL(n) tq N = P −1 M P ⇐⇒ ∃ P 0 ∈ GL(n) tq M = P 0 N P 0−1 (et alors P 0 = P −1 ) M et N sont dites semblables ssi elles représentent le même endomorphisme dans des bases différentes : si M = Mat( f , E ), alors il existe une base F telle que N =Mat( f , F ). Soit g un endomorphisme de E et deux bases E et F de E , Alors où P = P EF est la matrice de passage de la base E à la base F . Mat ( f , E ) = P −1 Mat( f , F ) P Deux matrices semblables M et N ont même trace, déterminant. 7 Quelques chiffres n n (a − b ) = (a − b)(a n−1 +a n−2 b+a n−3 2 2 n−3 b +···+ a b + ab n−2 +b n−1 ³ ) = a −b à ´ n−1 X ! k n−1−k a b k=0 Si E et F sont de dimension finie, E × F est de dimension finie et dim (E × F ) = dim E + dim F à Plus généralement, si les E i sont de dimension finie, dim n Y ! E i = dim (E 1 × · · · × E n ) = k=1 n X dim E i k=1 Si E et F sont de dimension finie, alors L (E , F ) est de dim. finie et dim L (E , F ) = dim E × dim F dim Rn = n dim Rn [X ] = n + 1 dim M (n) = n 2 dim S(n) = n(n + 1) 2 Si P = a0 + a1 X + · · · + an X n et Q = b0 + b1 X + · · · + bm X m , alors P ×Q = c 0 + c 1 X + · · · + c n+m X n+m avec ∀ n ∈ N c n = n X k=0 dim A(n) = a k b n−k n(n − 1) 2