Form Matlin
Form Matlin
Form Matlin
1. Rang d’une famille de vecteurs — Im f = f (E) = f (x)|x ∈ E est un espace vectoriel de dimension
finie.
E est un K-espace vectoriel.
— Si (e1 , . . . , en ) est une base de E, alors Im f = Vect f (e1 ), . . . , f (en ) .
Rang d’une famille de vecteurs
La dimension de cet espace vectoriel Im f est appelée rang de f :
Soit {v1 , . . . , vp } une famille finie de vecteurs de E. Le rang de la famille
{v1 , . . . , vp } est la dimension du sous-espace vectoriel Vect(v1 , . . . , vp ) en-
gendré par les vecteurs v1 , . . . , vp : rg( f ) = dim Im f = dim Vect f (e1 ), . . . , f (en )
rg(v1 , . . . , vp ) = dim Vect(v1 , . . . , vp ) Le rang est plus petit que la dimension de E et aussi plus petit que la di-
mension de F , si F est de dimension finie.
Proposition. Soient E un K-espace vectoriel et {v1 , . . . , vp } une famille de p Théorème du rang
vecteurs de E. Alors : On rappelle que le noyau de f est Ker f = x ∈ E | f (x) = 0 F , c’est un
sous-espace vectoriel de E.
1. 0 ⩽ rg(v1 , . . . , vp ) ⩽ p : le rang est inférieur ou égal au nombre d’élé-
ments dans la famille. Théorème (Théorème du rang). Soit f : E → F une application linéaire, E
étant de dimension finie.
2. Si E est de dimension finie alors rg(v1 , . . . , vp ) ⩽ dim E : le rang est
inférieur ou égal à la dimension de l’espace ambiant E.
dim E = dim Ker f + dim Im f
Exemple. Le rang d’une famille {v1 , . . . , vp } vaut p si et seulement si la fa-
mille {v1 , . . . , vp } est libre.
Autrement dit : dim E = dim Ker f + rg f
Rang d’une matrice
Le rang d’une matrice est le rang de ses vecteurs colonnes. Cette formule sert à déterminer la dimension du noyau connaissant le rang,
ou bien le rang connaissant la dimension du noyau.
Proposition. Le rang d’une matrice échelonnée par colonnes est égal au
Application linéaire entre deux espaces de même dimension
nombre de colonnes non nulles.
f : E → F est un isomorphisme si f est une application linéaire bijective.
Voici un exemple d’une matrice 6 × 6 échelonnée par colonnes ; les ∗ dé- La bijection réciproque est aussi une application linéaire.
signent des coefficients quelconques, les + des coefficients non nuls. Cette
matrice est de rang 4. Proposition. Soit f : E → F un isomorphisme d’espaces vectoriels. Si E (res-
pectivement F ) est de dimension finie, alors F (respectivement E) est aussi de
+
0 0 0 0 0 dimension finie et on a dim E = dim F .
∗ 0 0 0 0 0
∗
+ 0 0 0 0
Voici une sorte de réciproque extrêmement utile :
∗ ∗ + 0 0 0 Théorème. Soit f : E → F une application linéaire avec dim E = dim F . Les
∗ ∗ ∗ 0 0 0 assertions suivantes sont équivalentes :
∗ ∗ ∗ + 0 0
(i) f est bijective
Proposition. Le rang d’une matrice ayant les colonnes C1 , C2 , . . . , C p n’est (ii) f est injective
pas modifié par les trois opérations élémentaires suivantes sur les vecteurs : (iii) f est surjective
1. Ci ← λCi avec λ ̸= 0 : on peut multiplier une colonne par un scalaire Ainsi, si dim E = dim F , pour montrer que f bijective, il suffit de démontrer
non nul. f injective ou bien f surjective.
2. Ci ← Ci + λC j avec λ ∈ K (et j ̸= i) : on peut ajouter à la colonne Ci
un multiple d’une autre colonne C j . 3. Matrice d’une application linéaire
3. Ci ↔ C j : on peut échanger deux colonnes. — Soit E un espace vectoriel de dimension p et B = (e1 , . . . , e p ) une
Plus généralement, l’opération Ci ← Ci + i̸= j λ j C j conserve le rang de la
P
base de E
matrice. — Soit F un espace vectoriel de dimension n et B ′ = ( f1 , . . . , f n ) une
Méthodologie. Comment calculer le rang d’une matrice ou d’un système base de F .
de vecteurs ? — Soit f : E → F une application linéaire.
Il s’agit d’appliquer la méthode de Gauss sur les colonnes de la matrice A — Pour j ∈ {1, . . . , p}, f (e j ) s’écrit de manière dans la base B ′ :
(considérée comme une juxtaposition de vecteurs colonnes). Le principe de a
la méthode de Gauss affirme que par les opérations élémentaires Ci ← λCi , 1j
a2 j
Ci ← Ci + λC j , Ci ↔ C j , on transforme la matrice A en une matrice éche-
f (e j ) = a1 j f1 + a2 j f2 + · · · + an j f n = . .
lonnée par rapport aux colonnes. Le rang de la matrice est alors le nombre .
.
de colonnes non nulles. an j
B′
Théorème (Matrice inversible et rang). Une matrice carrée de taille n est
La matrice de l’application linéaire f par rapport aux bases B et B ′ est
inversible si et seulement si elle est de rang n.
la matrice (ai, j ) ∈ Mn,p (K) dont la j-ème colonne est constituée par les
L’espace vectoriel engendré par les vecteurs colonnes (vi )1⩽i⩽p et l’espace coordonnées du vecteur f (e j ) dans la base B ′ = ( f1 , f2 , . . . , f n ) :
vectoriel engendré par les vecteurs lignes (w i )1⩽i⩽n sont de même dimen-
sion : f (e1 ) . . . f (e j ) . . . f (e p )
Proposition. rg A = dim Vect(w1 , . . . , w n ) ...
f1 a11 a1 j a1p
Autrement dit le rang d’une matrice égale le rang de sa transposée : f2 a21 a2 j ... a2p
MatB,B ′ ( f ) = .
. . . .
. . . . .
rg A = rg AT . . . . .
fn an1 an j ... anp
Attention ! Les dimensions dim Vect(v1 , . . . , vp ) et dim Vect(w1 , . . . , w n ) sont
égales, mais les espaces vectoriels Vect(v1 , . . . , vp ) et Vect(w1 , . . . , w n ) ne Les vecteurs colonnes sont l’image par f des vecteurs de la base de départ
sont pas les mêmes. B, exprimée dans la base d’arrivée B ′ .
Proposition.
4. Changement de bases
X = PB,B ′ X ′
Coordonnées
Soit E un espace vectoriel de base B = (e1 , e2 , . . . , e p ). Pour chaque x ∈ E,
il existe un p-uplet unique d’éléments de K (x 1 , x 2 , . . . , x p ) tel que Notez bien l’ordre !
Formule de changement de base
x = x 1 e1 + x 2 e2 + · · · + x p e p . — Soient E et F deux K-espaces vectoriels de dimension finie.
— Soit f : E → F une application linéaire.
On note — Soient B E , B E′ deux bases de E.
La matrice des coordonnées de x est un vecteur colonne, noté MatB (x) = — Soient B F , B F′ deux bases de F .
x1
x2
— Soit P = PB E ,B ′ la matrice de passage de B E à B E′ .
E
. . Si B on omet de mentionner la base. — Soit Q = PB F ,B ′ la matrice de passage de B F à B F′ .
. F
. — Soit A = MatB E ,B F ( f ) la matrice de f de B E vers lB F .
xp B
Image — Soit B = MatB ′ ,B ′ ( f ) la matrice de f de B E′ vers B F′ .
E F
Soit f : E → F une application linéaire, B une base de E et B ′ une base Théorème (Formule de changement de base).
de F .
— Soit A = MatB,B ′ ( f ). B = Q−1 AP
x1
x2
— Pour x ∈ E, notons X = MatB (x) = .. . Cas particulier de f : E → E endomorphisme.
. — Soient B, B ′ deux bases de E.
x
yp1
B
— Soit P = PB,B ′ la matrice de passage de B à B ′ .
y2
— Soit A = MatB ( f ) la matrice de f dans la base B.
— Pour y ∈ F , notons Y = MatB ′ ( y) = .. .
. — Soit B = MatB ′ ( f ) la matrice de f dans la base B ′ .
yn B′