MAT231, Chapitre 4 MAT231 – Chapitre 4 : Algèbre linéaire Université Joseph Fourier – 2008-2009 Pierre Bérard 1/85 MAT231, Chapitre 4 Rappels de première année Applications linéaires, compléments Matrice associée à une application linéaire Changements de base Réduction des endomorphismes, I Groupe des permutations Formes multi-linéaires Déterminant Déterminant d’un endomorphisme Calcul des déterminants Réduction des endomorphismes, II 2/85 MAT231, Chapitre 4 Chapitre 4, Algèbre linéaire Dans tout ce chapitre, K désigne R ou C. 3/85 MAT231, Chapitre 4 Rappels de première année Rappels de première année Définition (Espace vectoriel) Soit K un corps commutatif. Un espace vectoriel sur le corps K est la donnée d’un groupe commutatif (E , +), dont l’élément neutre est noté 0E , et d’une action de K sur E , · : K × E → E , (λ, x ) 7→ λ · x (ou plus simplement λx ) telle que I pour tous α, β ∈ K et x ∈ E , (α + β) · x = α · x + β · x , I pour tous α ∈ K et x , y ∈ E , α · (x + y ) = α · x + α · y , I pour tous α, β ∈ K et x ∈ E , (αβ) · x = α · (β · x ), I pour tout x ∈ E , 1K · x = x . 4/85 MAT231, Chapitre 4 Rappels de première année Exemples I L’ensemble Rn , muni des opérations usuelles, l’addition des vecteurs et la multiplication des vecteurs par un scalaire, est un espace vectoriel sur R. I L’ensemble Cn , muni des opérations usuelles, l’addition des vecteurs et la multiplication des vecteurs par un scalaire, est un espace vectoriel sur C. I L’ensemble Mm,n (R) des matrices à m lignes et n colonnes, muni des opérations usuelles, addition des matrices et multiplication d’une matrice par un scalaire, est un espace vectoriel sur R. 5/85 MAT231, Chapitre 4 Rappels de première année Définition On appelle combinaison linéaire de vecteurs de E toute somme (finie) de la forme α1 u1 + · · · + αk uk où les αj sont des éléments de K et où les uj sont des éléments de E . Définition On dit qu’une famille {uj }j∈I de vecteurs de E est une famille génératrice si tout élément de E peut s’écrire comme combinaison linéaire (finie) d’éléments de la famille {uj }j∈I . 6/85 MAT231, Chapitre 4 Rappels de première année Définition On dit qu’une famille {uj }j∈I de vecteurs de E est une famille libre P si, pour tout sous-ensemble fini J ⊂ I, l’égalité j∈J αj uj = 0 implique que αj = 0 pour tout j ∈ J . Définition On dit qu’une famille de vecteurs de E est une base de E si elle est libre et génératrice. 7/85 MAT231, Chapitre 4 Rappels de première année Exemples I La famille e1 := (1, 0, . . . , 0), . . . , en := (0, . . . , 0, 1) est une famille libre et génératrice de Rn . C’est une base de Rn . I La famille {1, X , X 2 , . . .} est une base de l’espace vectoriel sur C[X ] des polynômes à coefficients complexes. I La famille {e ikx }k∈Z est une famille libre dans l’espace vectoriel sur C des fonctions continues de R dans C. Elle n’est pas génératrice. 8/85 MAT231, Chapitre 4 Rappels de première année Proposition et Définition Soit A une partie non vide d’un espace vectoriel E . L’ensemble Vect(A) des combinaisons linéaires de vecteurs appartenant à A est un sous-espace vectoriel de E , appelé l’espace vectoriel engendré par A. C’est le plus petit (au sens de l’inclusion) sous-espace vectoriel de E qui contient A. 9/85 MAT231, Chapitre 4 Rappels de première année Définition On dit qu’un K-espace vectoriel E est de dimension finie sur le corps K s’il possède une famille génératrice finie. On dit qu’un espace vectoriel est de dimension infinie s’il n’est pas de dimension finie. 10/85 MAT231, Chapitre 4 Rappels de première année Théorème (de la base incomplète) Soit E un K-espace vectoriel de dimension finie. Soient L une famille libre de E et G une famille génératrice. Alors, il existe une base B de E telle que L ⊂ B ⊂ L ∪ G. Corollaire Soit E un espace vectoriel de dimension finie, non réduit à {0}. 1. Toute famille libre de E est contenue dans une base. 2. Toute famille génératrice de E contient une base. 3. L’espace vectoriel E possède une base finie. 11/85 MAT231, Chapitre 4 Rappels de première année Lemme Soit E un espace vectoriel. Soit {v1 , . . . , vn } une famille de n vecteurs de E . Alors, toute famille de (n + 1) vecteurs du sous-espace vectoriel Vect(v1 , . . . , vn ) est liée. Théorème et Définition Soit E un K-espace vectoriel de dimension finie. Alors, toutes les bases de E ont le même nombre d’éléments. Ce nombre s’appelle la dimension de l’espace vectoriel E . Attention. La dimension dépend du corps de base. Ainsi, le C-espace vectoriel C2 est de dimension 2 sur C, mais il est de dimension 4 si on le voit comme un R-espace vectoriel. 12/85 MAT231, Chapitre 4 Rappels de première année Corollaire Soit E un K-espace vectoriel de dimension n. 1. Toute partie libre de E a au plus n éléments. 2. Toute partie libre de E qui possède n éléments est une base. 3. Toute partie génératrice de E a au moins n éléments. 4. Toute partie génératrice de E qui a n éléments est une base. 13/85 MAT231, Chapitre 4 Rappels de première année Soit E un espace vectoriel. Si F et G sont deux sous-espaces vectoriels de E , alors F ∩ G est un sous-espace vectoriel de E . Attention, en général F ∪ G n’est pas un sous-espace vectoriel de E. 14/85 MAT231, Chapitre 4 Rappels de première année Définition Soit E un espace vectoriel et soient F et G deux sous-espaces vectoriels. 1. On note H := F + G l’espace vectoriel Vect(F ∪ G) engendré par F et G. On dit que l’espace H est la somme des espaces F et G. 2. On dit que H est la somme directe des espaces F et G si H = F + G et si de plus F ∩ G = {0}. On écrit alors H = F ⊕ G. 3. Si E = F ⊕ G, on dit que les espaces F et G sont supplémentaires (ou encore que l’espace G est un supplémentaire de F et réciproquement). 15/85 MAT231, Chapitre 4 Rappels de première année Proposition L’espace vectoriel H est somme directe des sous-espaces vectoriels F et G, H = F ⊕ G, si et seulement si tout vecteur x de H peut s’écrire de manière unique sous la forme x = xF + xG avec xF ∈ F et xG ∈ G. Si F et G sont de dimension finie, alors H est également de dimension finie. Étant donnés F une base de F et G une base de G, la famille F ∪ G est une base de H et dim(H) = dim(F ) + dim(G). 16/85 MAT231, Chapitre 4 Rappels de première année Généralisation. Plus généralement, soient E1 , . . . , Ep des sous-espaces vectoriels de E , de somme F := E1 + · · · + Ep (définie comme Vect(∪i Ei )). On dit que les espaces Ej sont en somme directe, et on écrit leur somme F = E1 ⊕ · · · ⊕ Ep si, pour tout T j, 1 ≤ j ≤ p, Ej E1 + · · · + Ej−1 + Ej+1 + · · · + Ep = {0}. Proposition Les sous-espaces Ej , 1 ≤ j ≤ p sont en somme directe si et seulement si tout vecteur x de F , s’écrit de manière unique comme x = x1 + · · · + xp avec xj ∈ Ej pour 1 ≤ j ≤ p. De plus, si Ej est une base de Ej , pour 1 ≤ j ≤ p, alors E = ∪pj=1 Ej est une base de F . Si les espaces Ei sont de dimension finie, F est également de dimension finie et on a l’égalité dim(F ) = dim(E1 ) + · · · + dim(Ep ). 17/85 MAT231, Chapitre 4 Rappels de première année Définition (Application linéaire) Soient E , F deux espaces vectoriels sur le corps K. Une application linéaire u de E dans F est une application u : E → F qui vérifie 1. Pour tous x , y ∈ E , on a u(x + y ) = u(x ) + u(y ). 2. Pour tout α ∈ K et pour tout x ∈ E , on a u(αx ) = αu(x ). 18/85 MAT231, Chapitre 4 Rappels de première année Définition Soient E , F deux K-espaces vectoriels et u : E → F une application linéaire. 1. On appelle image de u, et on note Im(u), le sous-espace vectoriel u(E ) ⊂ F . 2. On appelle noyau de u, et on note Ker(u) le sous-espace vectoriel u −1 (0) ⊂ E . Proposition Soient E , F deux K-espaces vectoriels et u : E → F une application linéaire. Alors, I l’application u est injective si et seulement si Ker(u) = {0} ; I l’application u est surjective si et seulement si Im(u) = F . 19/85 MAT231, Chapitre 4 Rappels de première année Corollaire Si l’espace vectoriel E est de dimension finie et si E = {e1 , . . . , en } est une base de E , on pose V = {u(e1 ), . . . , u(en )}. On a les propriétés suivantes. I L’application u est surjective si et seulement si V engendre F . I L’application u est injective si et seulement si V est libre dans F. I L’application u est bijective si et seulement si V est une base de F . Dans ce cas, on dit que u est un isomorphisme de E sur F , que E et F sont isomorphes et on a dim(E ) = dim(F ). 20/85 MAT231, Chapitre 4 Rappels de première année Théorème (du rang) Soient E , F deux K-espaces vectoriels et u : E → F une application linéaire. Si l’espace vectoriel E est de dimention finie, alors dim(E ) = dim(Im(u)) + dim(Ker(u)). Application. Si F et G sont deux sous-espaces vectoriels d’un espace vectoriel E de dimension finie, alors dim(F + G) + dim(F ∩ G) = dim(F ) + dim(G). 21/85 MAT231, Chapitre 4 Rappels de première année Théorème Soit E un espace vectoriel de dimension finie n, et soit F un espace vectoriel. On se donne respectivement E = {e1 , . . . , en } une base de E et V = {v1 , . . . , vn } une famille de vecteurs de F . Alors, il existe une application linéaire u de E dans F , et une seule, telle que u(ei ) = vi pour 1 ≤ i ≤ n. Autrement dit, une application linéaire est entièrement déterminée par la donnée de l’image d’une base. Proposition Soient E et H deux espaces vectoriels et u une application linéaire de E dans H. Soient F , G deux sous-espaces vectoriels supplémentaires de E . Alors l’application u est entièrement déterminée par ses restrictions u|F et u|G . 22/85 MAT231, Chapitre 4 Rappels de première année Références Université Joseph Fourier, Grenoble I. Mathématiques, Informatique et Mathématiques appliquées. Licence Sciences et Technologies, Première Année. http ://ljk.imag.fr/membres/Bernard.Ycart/mel/ 23/85 MAT231, Chapitre 4 Applications linéaires, compléments Applications linéaires, compléments Notations Soient E et F deux K espaces vectoriels. I On note LK (E , F ) (ou, plus simplement, L(E , F ) s’il n’y a pas d’ambiguïté sur le corps de base), l’ensemble des applications linéaires de E dans F . I On note LK (E ) l’ensemble des applications linéaires de E dans lui-même (endomorphismes de E ). I On note E ∗ l’ensemble L(E , K) des applications linéaires de E dans K (formes linéaires sur E ). L’ensemble E ∗ s’appelle le dual de E . 24/85 MAT231, Chapitre 4 Applications linéaires, compléments Proposition Les ensembles LK (E , F ), LK (E ) et E ∗ , munis des opérations (u, v ) 7→ u + v , (λ, v ) 7→ λv , définie par (u + v )(x ) := u(x ) + v (x ), définie par (λv )(x ) := λv (x ), sont des espaces vectoriels sur K. De plus, si G est un espace vectoriel sur K, la composition des applications, (u, v ) 7→ v ◦ u, définit une application de LK (E , F ) × LK (F , G) dans LK (E , G). En particulier, la composition des applications linéaires est une loi interne sur LK (E ). 25/85 MAT231, Chapitre 4 Applications linéaires, compléments Soient E , F deux K-espaces vectoriels de dimension finie. Soient E = {e1 , . . . en } une base de E et F = {f1 , . . . fm } une base de F . • Pour 1 ≤ j ≤ n, on définit les formes linéaires ej∗ : E → K, par ej∗ (ek ) := δjk , c’est-à-dire, ej∗ (ej ) = 1 et ej∗ (ek ) = 0 si k 6= j. • Pour 1 ≤ i ≤ m et 1 ≤ j ≤ n, on définit les applications linéaires Eij : E → F , par Eij (ek ) := δjk fi , c’est-à-dire, Eij (ej ) = fi et Eij (ek ) = 0 si k 6= j. 26/85 MAT231, Chapitre 4 Applications linéaires, compléments Proposition Soient E et F des espaces vectoriels de dimension finie sur K, de bases respectives E = {e1 , . . . en } et F = {f1 , . . . fm }, où n = dim(E ) et m = dim(F ). I L’espace vectoriel E ∗ est de dimension n et la famille {ej∗ , 1 ≤ j ≤ n} est une base de E ∗ (appelée la base duale de la base E). I L’espace vectoriel LK (E , F ) est de dimension nm et la famille {Eij , 1 ≤ i ≤ m, 1 ≤ j ≤ n} est une base de LK (E , F ). I En particulier, l’espace vectoriel LK (E ) est de dimension n2 . 27/85 MAT231, Chapitre 4 Applications linéaires, compléments Transposée d’une application linéaire Définition Étant donnés deux espaces vectoriels E et F et u une application linéaire de E dans F , on définit une application de F ∗ dans E ∗ , notée tu et appelée transposée de l’application u, par la relation t u(ϕ) := ϕ ◦ u pour toute forme linéaire ϕ ∈ F ∗ . 28/85 MAT231, Chapitre 4 Applications linéaires, compléments Proposition L’application tu est une application linéaire de F ∗ dans E ∗ . Pour tous u, v ∈ L(E , F ) et pour tout λ ∈ K, on a t (u + v ) = tu + tv et t(λu) = λtu. De plus, si u ∈ L(E , F ) et v ∈ L(F , G), alors t (v ◦ u) = tu ◦ tv . 29/85 MAT231, Chapitre 4 Applications linéaires, compléments F Définition (bi-dual d’un espace vectoriel) Soit E un espace vectoriel de dimension finie n. On note E ∗∗ l’espace dual de l’espace E ∗ . Cet espace vectoriel est appelé le bi-dual de E . Si E := {e1 , . . . , en } est une base de E , on note E ∗ := {e1∗ , . . . , en∗ } la base duale de E et on note E ∗∗ := {e1∗∗ , . . . , en∗∗ } la base duale de E ∗ . 30/85 MAT231, Chapitre 4 Applications linéaires, compléments F Proposition et Définition Soit E un espace vectoriel de dimension finie n. L’application c : E → E ∗∗ définie par c(x )(ϕ) := ϕ(x ) pour tous x ∈ E , ϕ ∈ E ∗ est un isomorphisme linéaire de E sur E ∗∗ . On l’appelle l’isomorphisme canonique de E sur son bi-dual E ∗∗ . Étant données une base E de E et E ∗∗ la base associée de E ∗∗ , on a c(ej ) = ej∗∗ . 31/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Notations I On désigne par Mm,n (K) l’ensemble des matrices à m lignes et n colonnes et à coefficients dans K. C’est un K-espace vectoriel de dimension mn dont une base est donnée par la famille {Mij | 1 ≤ i ≤ m, 1 ≤ j ≤ n} des matrices élémentaires, où Mij est la matrice dont tous les coefficients sont nuls sauf le coefficient de la i-ème ligne, j-ème colonne qui vaut 1. I On désigne par Mn (K) l’ensemble des matrices carrées à n lignes et n colonnes. On rappelle que c’est à la fois un K-espace vectoriel et un anneau (non commutatif) pour la multiplication des matrices. 32/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Définition (matrice associée à une application linéaire) Soient E et F deux espaces vectoriels de dimension finie. Soient E = {e1 , . . . , en } et F = {f1 , . . . , fm } des bases respectivement de E et F , où n = dim(E ) et m = dim(F ). On appelle matrice associée à l’application linaire u : E → F , relativement aux bases E et F, la matrice dont les colonnes sont les coordonnées des vecteurs u(ej ), 1 ≤ j ≤ n, dans la base F, c’est-à-dire la matrice, notée MFE (u), telle que MFE (u) = mij 1≤i≤m,1≤j≤n où les coefficients mij sont définis par u(ej ) = m X mij fi pour tout j, 1 ≤ j ≤ n. i=1 33/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Théorème L’application MFE : LK (E , F ) → Mm,n (K) MFE : u 7→ MFE (u) est une application linéaire bijective (un isomorphisme linéaire) de LK (E , F ) dans Mm,n (K). De plus, avec les notations du Transparent 27, MFE (Eij ) = Mij . 34/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Proposition (Écriture matricielle) Soit x ∈ E un vecteur qui s’écrit x = x1 e1 + · · · + xn en dans la base E ; on note XE le vecteur colonne des coordonnées de x dans la base E. Le vecteur u(x ) s’écrit u(x ) = y1 f1 + . . . + ym fm dans la base F ; on note YF le vecteur colonne des coordonnées de u(x ) dans la base F. Alors, y1 x1 .. . E E . = MF (u) .. , càd YF = MF (u)XE . ym xn 35/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Proposition Soient E , F et G trois K-espaces vectoriels de dimension finie et E, F et G des bases de E , F et G respectivement. Soient u : E → F et v : F → G des applications linéaires. Alors MGE (v ◦ u) = MGF (v ) MFE (u) où le produit dans le second membre est le produit des matrices. En particulier, MEE est un isomorphisme de l’anneau LK (E ) des endomorphismes de E dans l’anneau Mn (K) des matrices carrées d’ordre n = dim(E ). 36/85 MAT231, Chapitre 4 Matrice associée à une application linéaire Proposition Soit u : E → F une application linéaire entre deux espaces vectoriels de dimension finie, et soit tu : F ∗ → E ∗ sa transposée. Alors, ∗ MEF∗ (tu) t = MFE (u) . 37/85 MAT231, Chapitre 4 Changements de base Changements de bases Définition On appelle matrice de passage de la base E à la base E 0 et on note 0 PEE , la matrice dont les colonnes sont les coordonnées des vecteurs de la base E 0 dans la base E. Propriété 0 0 La matrice PEE est la matrice MEE (iE ) de l’application identité iE , (E , E 0 ) → (E , E) , x 7→ x de E dans lui-même, relativement aux bases E 0 et E. 38/85 MAT231, Chapitre 4 Changements de base Proposition 0 0 La matrice PEE est inversible et (PEE )−1 = PEE0 . Coordonnées d’un vecteur relativement à deux bases différentes Proposition Soit x ∈ E un vecteur dont les coordonnées dans la base E sont données par le vecteur colonne XE et dont les coordonnées dans la base E 0 sont données par le vecteur colonne XE 0 . Alors, 0 XE = PEE XE 0 et XE 0 = PEE0 XE . 39/85 MAT231, Chapitre 4 Changements de base Matrices d’une application linéaire relativement à deux paires de bases Proposition Soient E et F deux espaces vectoriels de dimension finie et soit u ∈ L(E , F ) une application linéaire. On se donne deux bases E et E 0 de l’espace vectoriel E et deux bases F et F 0 de l’espace vectoriel F . Alors 0 0 MFE 0 (u) = PFF0 MFE (u)PEE . 40/85 MAT231, Chapitre 4 Changements de base Le diagramme commutatif 0 E (u) MF 0 (E , E 0 ) −−−−→ (F , F 0 ) u 0 E PE yiE x F iF PF 0 u (E , E) −−−−→ (F , F) E (u) MF traduit les égalités 0 0 u = iF ◦ u ◦ iE et MFE 0 (u) = PFF0 MFE (u)PEE . 41/85 MAT231, Chapitre 4 Changements de base Corollaire Soit E un K-espace vectoriel de dimension finie n et u ∈ L(E ) un endomorphisme de E . Si E et E 0 sont deux bases de E , il existe 0 une matrice P ∈ Mn (K), inversible, telle que MEE0 (u) = P −1 MEE P. 0 La matrice P est donnée par P = PEE . 42/85 MAT231, Chapitre 4 Changements de base Le diagramme commutatif 0 (E , E 0 ) MEE0 (u) −−−−→ (E , E 0 ) u 0 E PE yiE x iE PEE0 u (E , E) −−−−→ (E , E) MEE (u) traduit les égalités u = iE ◦ u ◦ iE 0 0 0 et MEE0 (u) = (PEE )−1 MEE (u)PEE . 43/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Réduction des endomorphismes, I Analyse raisonnée Étant donné un endomorphisme u d’un espace vectoriel E , de dimension finie sur un corps K, on veut trouver une base de E dans laquelle la matrice de l’endomorphisme soit la plus simple possible, c’est-à-dire une matrice diagonale ou une matrice triangulaire supérieure (ou inférieure), formes qui permettent de résoudre simplement les systèmes linéaires ou les équations différentielles linéaires par exemple. 44/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Valeurs propres – Vecteurs propres Soit E un K-espace vectoriel de dimension n. Définition Soit u ∈ L(E ). Le scalaire λ ∈ K est appelé valeur propre de l’endomorphisme u s’il existe un vecteur x ∈ E tel que x 6= 0 et u(x ) = λx . Le vecteur x est dit vecteur propre de u associé à la valeur propre λ. Définition Si λ est valeur propre de u, le sous-espace vectoriel Eλ := Ker(u − λiE ) de E s’appelle l’espace propre de u associé à la valeur propre λ (il est, par définition, non réduit à {0}). 45/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Proposition Soit u ∈ L(E ). Si λ1 , . . . , λp sont des valeurs propres de u deux à deux distinctes, alors les espaces propres associés, Eλ1 , . . . , Eλp , sont en somme directe, c’est-à-dire, pour tout j, 1 ≤ j ≤ p, Eλ j \ Eλ1 + · · · + Eλj−1 + Eλj+1 + · · · + Eλp = {0}. Corollaire Si u ∈ L(E ) et si dim(E ) = n alors u possède au plus n valeurs propres distinctes dans K. 46/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Théorème et Définition (Endomorphisme diagonalisable) Soit E un K-espace vectoriel de dimension n et soit u ∈ L(E ) un endomorphisme de E . Les trois assertions suivantes sont équivalentes. 1. Il existe une base de E formée de vecteurs propres de u. 2. Les espaces propres Eλ1 , . . . , Eλp de u correspondant à des valeurs propres distinctes vérifient E = Eλ1 ⊕ · · · ⊕ Eλp . 3. Il existe une base E de E telle que la matrice MEE (u) de u dans cette base soit diagonale. Dans ce cas, on dit que l’endomorphisme u est diagonalisable. 47/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Corollaire Soit E un K-espace vectoriel de dimension n et soit u un endomorphisme de E qui admet n valeurs propres distinctes dans K. Alors l’endomorphisme u est diagonalisable. 48/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Théorème et Définition (Endomorphisme trigonalisable) Soit E un K-espace vectoriel de dimension n et soit u ∈ L(E ) un endomorphisme de E . Les deux assertions suivantes sont équivalentes. 1. Il existe une base E = {e1 , . . . , en } de E telle que les sous-espaces vectoriels V1 := Vect(e1 ), V2 := Vect(e1 , e2 ), . . . , Vn := Vect(e1 , . . . , en ) soient stables par u, c’est-à-dire u(Vj ) ⊂ Vj pour 1 ≤ j ≤ n. 2. Il existe une base E de E telle que la matrice MEE (u) de u dans cette base soit triangulaire supérieure. Dans ce cas, on dit que l’endomorphisme u est trigonalisable. Les coefficients diagonaux de la matrice MEE (u) sont les valeurs propres de u dans K. 49/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Définition Soit M une matrice carrée n × n, à coefficients dans K. Soit u l’endomorphisme de Kn dont la matrice associée relativement à la base canonique de Kn est M. On dit que la matrice M est diagonalisable (resp. trigonalisable) si l’endomorphisme u correspondant est diagonalisable (resp. trigonalisable). 50/85 MAT231, Chapitre 4 Réduction des endomorphismes, I Hypothèse (T) On dira que le corps K possède la propriété (T) si, pour tout K-espace vectoriel E , de dimension finie, tout endomorphisme u de E possède au moins une valeur propre c’est-à-dire, il existe au moins un élément λ ∈ K tel que Ker(u − λiE ) 6= {0}. Théorème Supposons que le corps K possède la propriété (T). Soit E un espace vectoriel de dimension finie sur K. Alors, tout endomorphisme u de E est trigonalisable. Remarque. On montrera ultérieurement que C possède la propriété (T). Le corps R ne possède pas la propriété (T). 51/85 MAT231, Chapitre 4 Groupe des permutations Groupe des permutations I Pour n ∈ N• , on désigne par N•n l’ensemble {1, 2, . . . , n}. I On désigne par Sn le groupe des permutations, c’est-à-dire le groupe des bijections de N•n dans lui-même. Notons que le groupe Sn a n! éléments. I On peut expliciter une permutation σ ∈ Sn par un tableau σ= 1 2 ··· σ(1) σ(2) · · · ! n . σ(n) 52/85 MAT231, Chapitre 4 Groupe des permutations I On note σ ◦ τ ou στ la composition des deux permutations σ et τ ; on note ι la permutation identité. I On appelle transposition une permutation τ qui échange deux indices et qui laisse les autres inchangés. Autrement dit, une permutation τ est de la forme τ = τij où τij (i) = j, τij (j) = i, et τij (k) = k, pour k 6= i, k 6= j. Pour toute permutation τ , on a τ 2 = τ . 53/85 MAT231, Chapitre 4 Groupe des permutations Théorème Pour n ≥ 2, l’ensemble des transpositions de Sn engendre Sn , c’est-à-dire, toute permutation peut s’écrire comme produit de transpositions. Remarque. La décomposition d’une permutation en produit de transpositions n’est pas unique en général. Remarquons également que pour n ≥ 3, le groupe S3 n’est pas commutatif. 54/85 MAT231, Chapitre 4 Groupe des permutations Définition (Signature) Soit n ≥ 2 et soit σ ∈ Sn . Le nombre (σ) défini par (σ) = Y 1≤i<j≤n σ(i) − σ(j) i −j s’appelle la signature de la permutation σ. 55/85 MAT231, Chapitre 4 Groupe des permutations Théorème Pour σ ∈ Sn , la signature (σ) est égale (−1)N où N est le nombre d’éléments de l’ensemble {(i, j) ∈ N•n × N•n | i < j et σ(i) > σ(j)} (c’est-à-dire le nombre d’inversions de σ). La signature est un homomorphisme surjectif du groupe Sn sur le groupe multiplicatif Γ = {−1, 1}. 56/85 MAT231, Chapitre 4 Groupe des permutations Définition Les permutations telles que (σ) = 1 forment un sous-groupe de Sn appelé le groupe alterné et noté An . Les éléments de An sont appelés permutations paires ; les élements de Sn \ An sont appelés permutations impaires. Attention. Les permutations impaires ne forment pas un sous-groupe. 57/85 MAT231, Chapitre 4 Formes multi-linéaires Formes multi-linéaires Soit E un K-espace vectoriel de dimension finie n et soit p ∈ N• . Définition On dit que l’application ϕ de |E × ·{z · · × E} (p exemplaires de E ) p dans K est une forme p-linéaire sur E si, pour tout j tel que 1 ≤ j ≤ p, et pour tous vecteurs y1 , . . . , yp ∈ E , les applications partielles x 7→ ϕ(y1 , . . . , yj−1 , x , yj+1 , . . . yp ) sont des formes linéaires de E dans K. Si p = 2, on dira que ϕ est bilinéaire. On notera Lp (E , K) l’ensemble des formes p-linéaires sur E . 58/85 MAT231, Chapitre 4 Formes multi-linéaires Étant données ϕ ∈ Lp (E , K) une forme p-linéaire sur E et σ ∈ Sp une permutation, on définit une forme p-linéaire sur E , notée σ ∗ ϕ, par la formule σ ∗ ϕ(x1 , . . . , xp ) := ϕ(xσ(1) , . . . , xσ(p) ). 59/85 MAT231, Chapitre 4 Formes multi-linéaires Définition On dit qu’une forme p-linéaire, ϕ ∈ Lp (E , K), est symétrique si σ ∗ ϕ = ϕ pour tout σ ∈ Sp . On désigne par Sp (E , K) l’ensemble des formes p-linéaires symétriques sur E . Définition On dit qu’une forme p-linéaire, ϕ ∈ Lp (E , K), est anti-symétrique si σ ∗ ϕ = (σ)ϕ pour tout σ ∈ Sp . On désigne par Ap (E , K) l’ensemble des formes p-linéaires anti-symétriques sur E . 60/85 MAT231, Chapitre 4 Formes multi-linéaires Définition On dit qu’une forme p-linéaire, ϕ ∈ Lp (E , K), est alternée si ϕ(x1 , . . . , xp ) = 0 chaque fois qu’il existe deux indices distincts i et j tels que xi = xj . Propriété Une p-forme linéaire ϕ sur E est alternée si et seulement si elle est anti-symétrique (rappelons que K = R ou C). 61/85 MAT231, Chapitre 4 Formes multi-linéaires Exemples • Pour p = 1, on retrouve les formes linéaires. • Dans R2 , l’application (x1 , y1 ), (x2 , y2 ) 7→ x1 x2 + y1 y2 définit une application bilinéaire symétrique. • Dans R2 , l’application (x1 , y1 ), (x2 , y2 ) 7→ x1 y2 − x2 y1 définit une application bilinéaire anti-symétrique. • Si ϕ1 , . . . , ϕp sont des formes linéaires sur E , l’application (x1 , . . . , xp ) 7→ ϕ1 (x1 ) · · · ϕp (xp ) définit une application p-linéaire que l’on note ϕ1 · · · ϕp . 62/85 MAT231, Chapitre 4 Formes multi-linéaires Théorème Soit E un K-espace vectoriel et soit p ∈ N• . 1. Les ensembles Lp (E , K), Sp (E , K) et Ap (E , K), munis des opérations naturelles, sont des espaces vectoriels sur K. 2. Pour qu’une p-forme linéaire ϕ sur E soit symétrique, il faut et il suffit que τ ∗ ϕ = ϕ pour toute transposition τ ∈ Sp . 3. Pour qu’une p-forme linéaire ϕ sur E soit anti-symétrique, il faut et il suffit que τ ∗ ϕ = −ϕ pour toute transposition τ ∈ Sp . 63/85 MAT231, Chapitre 4 Formes multi-linéaires Remarques • Si E est de dimension finie n, on peut montrer que Lp (E , K) est de dimension finie. • Si ϕ ∈ Lp (E , K) alors ϕ(x1 , . . . , xp ) = 0 si l’un des vecteurs xj est nul. 64/85 MAT231, Chapitre 4 Formes multi-linéaires Proposition et Définition Soit E un K-espace vectoriel de dimension finie et soit ϕ ∈ Lp (E , K) une forme p-linéaire sur E . Alors S(ϕ) := X σ ∗ ϕ et A(ϕ) := σ∈Sp X (σ)σ ∗ ϕ σ∈Sp sont des formes p-linéaires sur E . De plus, 1. la forme S(ϕ) est symétrique, on dit que c’est la symétrisée de ϕ ; 2. la forme A(ϕ) est anti-symétrique, on dit que c’est l’anti-symétrisée de ϕ. 65/85 MAT231, Chapitre 4 Déterminant Déterminant associé à une base d’un espace vectoriel Soit E un K-espace vectoriel de dimension finie n et soit E = {e1 , . . . , en } une base de E . On désigne par E ∗ = {e1∗ , . . . , en∗ } la base duale de E ∗ . 66/85 MAT231, Chapitre 4 Déterminant Proposition et Définition L’application de E n dans K qui au n-uplet de vecteurs (x1 , . . . , xn ) Q associe nj=1 ej∗ (xj ) est une forme n-linéaire sur E . Son anti-symétrisée (x1 , . . . , xn ) 7→ X σ∈Sn (σ) n Y ej∗ (σ(xj )), j=1 est notée DetE et appelée le déterminant associé à la base E. Elle vérifie DetE (e1 , . . . , en ) = 1. Il en résulte en particulier que An (E , K) 6= {0}. 67/85 MAT231, Chapitre 4 Déterminant Exemples • Dimension 2 • Dimension 3 Soit E un K-espace vectoriel de dimension n et soit p ∈ N• . Soit E = {e1 , . . . , en } une base de E et soit E ∗ = {e1∗ , . . . , en∗ } la base duale. 68/85 MAT231, Chapitre 4 Déterminant Théorème Avec les notations précédentes, 1. Si p > n, on a Ap (E , K) = {0}. 2. L’espace vectoriel An (E , K) est de dimension 1 et admet pour base DetE . Si ϕ ∈ An (E , K), on a ϕ = ϕ(e1 , . . . , en ) DetE . De plus, DetE est le seul élément de An (E , K) qui prend la valeur 1 sur le n-uplet {e1 , . . . , en }. 3. Soit X := {x1 , . . . , xn } ∈ E n un n-uplet de vecteurs. On a, DetE (X ) = X σ∈Sn (σ) n Y ej∗ (xσ(j) ) = j=1 X (σ) σ∈Sn n Y ∗ eσ(j) (xj ). j=1 69/85 MAT231, Chapitre 4 Déterminant Soit X = (x1 , . . . , xn ) un n-uplet de vecteurs de E . Définition On dit que DetE (X ) := DetE (x1 , . . . , xn ) est le déterminant du n-uplet dans la base E. Proposition Soit E un espace vectoriel de dimension n. 1. Si E et F sont des bases de E alors DetE (F) est inversible dans K et (DetE (F))−1 = DetF (E). 2. Soit E une base de E et soit F un n-uplet de vecteurs. Alors, F est une base de E si et seulement si DetE (F) 6= 0. 70/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Théorème et Définition (Déterminant d’un endomorphisme) Soit E un K-espace vectoriel de dimension finie n ≥ 1 et soit u un endomorphisme de E . Il existe un unique scalaire, appelé déterminant de u, et noté Det(u), tel que pour tout ϕ ∈ An (E , K), et tous x1 , . . . , xn ∈ E , on ait ϕ(u(x1 ), . . . , u(xn )) = Det(u)ϕ(x1 , . . . , xn ). Ce scalaire est donné, dans une base E = {e1 , . . . , en } de E , par Det(u) = DetE (u(e1 ), . . . , u(en )). 71/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Remarque. La première formule du Transparent 71 montre que le déterminant d’un endomorphisme ne dépend pas du choix d’une base particulière. La deuxième formule donne un moyen de calculer le déterminant. 72/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Théorème Soit E un espace vectoriel de dimension n ≥ 1. 1. On a Det(iE ) = 1. 2. Pour λ ∈ K et u ∈ L(E ), on a Det(λu) = λn Det(u). 3. Pour u, v ∈ L(E ), on a Det(v ◦ u) = Det(v )Det(u) et Det(tu) = Det(u) où tu ∈ L(E ∗ ) est l’endomorphisme transposé de u. 4. Un endomorphisme u de E est inversible si et seulement si son déterminant est non nul et alors, Det(u −1 ) = (Det(u))−1 . 73/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Définition (Déterminant d’une matrice carrée) Soit A = (aij ) ∈ Mn (K) une matrice carrée sur le corps K. On appelle déterminant de la matrice A, et on note Det(A) ou encore |aij |, le déterminant du n-uplet des vecteurs colonnes de A dans la base canonique de Kn . 74/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Proposition Étant donnée une matrice carrée A = (aij ) ∈ Mn (K), on a Det(A) = X σ∈Sn (σ) n Y j=1 ajσ(j) = X σ∈Sn (σ) n Y aσ(j)j j=1 et, en particulier, Det(tA) = Det(A) où tA désigne la matrice transposée. Proposition Soit E un espace vectoriel de dimension finie et E une base de E . Si u ∈ L(E ) et si A := MEE (u) est la matrice de u dans la base E, alors Det(u) = Det(A). 75/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Propriétés Soient A, B ∈ Mn (K) et λ ∈ K. Le déterminant d’une matrice carrée possède les propriétés suivantes. I Si on effectue une permutation σ sur les vecteurs colonnes de A et si on appelle C la matrice ainsi obtenue, on a Det(C ) = (σ)Det(A). I Le déterminant de A dépend linéairement de chacun des vecteurs colonnes de A. I Le déterminant de A ne change pas si on ajoute à l’un de ses vecteurs colonnes une combinaison linéaire des autres vecteurs colonnes. Il est nul si un des vecteurs colonnes est combinaison linéaire des autres vecteurs colonnes. 76/85 MAT231, Chapitre 4 Déterminant d’un endomorphisme Propriétés, suite I Comme Det(tA) = Det(A), les propriétés ci-dessus sont également valables pour les vecteurs lignes. I On a Det(In ) = 1 (où In désigne la matrice identité d’ordre n), Det(λA) = λn Det(A) et Det(AB) = Det(A)Det(B). I Si A est une matrice 1 × 1 identifiée à un scalaire α, on a Det(A) = α. I La matrice A est inversible si et seulement si Det(A) 6= 0 et alors Det(A−1 ) = (Det(A))−1 . 77/85 MAT231, Chapitre 4 Calcul des déterminants Calcul des déterminants Lemme Soient n, p, q ∈ N• avec n = p + q. Soient A ∈ Mp , B ∈ Mq et C ∈ Mp,q . On définit une matrice M ∈ Mn par ! M := A C . 0 B Alors, Det(M) = Det(A)Det(B). 78/85 MAT231, Chapitre 4 Calcul des déterminants Proposition Soit M ∈ Mn une matrice de matrices, triangulaire supérieure, c’est à dire de la forme M := M11 M12 · · · 0 M22 · · · .. .. . . 0 0 ··· M1m M2m .. . Mmm où les Mii , 1 ≤ i ≤ m, sont des matrices carrées. Alors, Det(M) = Det(M11 ) · · · Det(Mmm ). 79/85 MAT231, Chapitre 4 Calcul des déterminants Corollaire Si a11 a12 · · · 0 a22 · · · A := .. .. . . 0 0 ··· a1n a2n .. . ann est une matrice triangulaire supérieure de taille n × n, alors Det(A) = a11 · · · ann . 80/85 MAT231, Chapitre 4 Calcul des déterminants Proposition et Définition Soit A := (aij ) une matrice carrée. On désigne par Âij la matrice obtenue à partir de A en supprimant la i-ème ligne et la j-ème colonne. Alors, pour 1 ≤ i, j ≤ n, Det(A) = n X k=1 (−1) k+j akj Det(Âkj ) = n X (−1)i+k aik Det(Âik ). k=1 La première (resp. seconde) égalité est appelée le développement du déterminant de A suivant la j-ème colonne (resp. suivant la i-ème ligne). 81/85 MAT231, Chapitre 4 Calcul des déterminants Définition Étant donnée une matrice A := (aij ), le nombre (−1)i+j Det(Âij ) s’appelle le co-facteur du coefficient aij . La transposée de la matrice des co-facteurs s’appelle la matrice complémentaire de la matrice A et se note Ã. Proposition Soit A ∈ Mn une matrice et soit à sa matrice complémentaire. Alors, Aà = ÃA = Det(A)In . En particulier, si Det(A) 6= 0, la matrice A est inversible et son inverse est donnée par la formule A−1 = (Det(A))−1 Ã. 82/85 MAT231, Chapitre 4 Réduction des endomorphismes, II Soit E un K-espace vectoriel de dimension finie et soit E une base de E . Soit u un endomorphisme de E et A sa matrice dans la base E. Les formules Det(A − λIn ) = X (σ) σ∈Sn = X σ∈Sn (σ) n Y j=1 n Y (ajσ(j) − λδjσ(j) ) (aσ(j)j − λδσ(j)j ) j=1 permettent de définir un polynôme de degré n PA (X ) := X (σ) σ∈Sn n Y j=1 (ajσ(j) −X δjσ(j) ) = X σ∈Sn (σ) n Y (aσ(j)j −X δσ(j)j ). j=1 83/85 MAT231, Chapitre 4 Réduction des endomorphismes, II Proposition et Définition (Polynôme caractéristique) Soient E, F deux bases de E et soient A, B les matrices de l’endomorphisme u dans ces bases. Alors, PA (X ) = PB (X ). Ce polynôme, noté Pu (X ), s’appelle le polynôme caractéristique de l’endomorphisme u. Proposition Les valeurs propres de l’endomorphisme u ∈ LK (E ) sont les racines, dans K, du polynôme caractéristique Pu (X ) ∈ K[X ]. 84/85 MAT231, Chapitre 4 Réduction des endomorphismes, II Version Octobre 2008 mat231-chap4-algebre-lineaire-081013.tex (13 octobre 2008) 85/85