Vous êtes sur la page 1sur 135

Bruno Vallette

ALGBRE LINAIRE POUR TOUS

Bruno Vallette Laboratoire J.A.Dieudonn, Universit de Nice Sophia-Antipolis, Parc Valrose, 06108 Nice Cedex 02, France. E-mail : brunov@unice.fr

ALGBRE LINAIRE POUR TOUS Bruno Vallette

Rsum. Notes du cours dAlgbre linaire pour les conomistes donn en deuxime anne de Licence MASS luniversit de Nice Sophia-Antipolis en 2012/2013.

TABLE DES MATIRES

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1. Applications ensemblistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Fonctions trigonomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4. Polynmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5. Corrections des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1. Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. Combinaisons linaires et gnrateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Dpendance linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6. Le cas Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7. Somme directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8. Corrections des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6 9 9 14 18 26 32 51 51 55 58 60 61 64 68 72

3. Applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 3.1. Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 3.2. Noyau et image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 3.3. Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.4. Matrice associe une application linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 3.5. Trace et dterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.6. Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.7. Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 3.8. Puissances de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 3.9. Corrections des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 4. Espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.1. Formes bilinaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.2. Produits scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.3. Orthogonalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.4. Rduction des matrices symtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.5. Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 Liste des Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

TABLE DES MATIRES

Introduction Le modle conomique de Leontief (prix Nobel dconomie en 1973). Essayons de modliser mathmatiquement lconomie dun pays, par exemple, la France. On mesure des quantits qui nous intressent : le nombre douvriers, la production de bl, de charbon, dacier et de bois, par exemple. Nous avons l 5 paramtres quil est facile dcrire en colonne dans un tableau : x ouvriers y bl charbon = z . acier u t bois Dune anne lautre, ces quantits changent. x y z u t 2010

x y z u t

2011

Ce que lon veut comprendre cest la fonction de transition qui permet de calculer les nouvelles quantits en fonction des anciennes. Si on suppose que cette fonction de transition reste constante au cours du temps, cest--dire quelle ne change pas dune anne sur lautre, on peut alors litrer et faire de la prospective. Par exemple, en litrant 10 fois, on obtiendrait les donnes conomiques de la France dans 10 ans. 2010 2011 2012 2013 Il se peut que le nombre douvriers volue de la manire suivante x = 1, 2x + 0, 3xy 3xu2 , o le premier terme 1, 2x reprsente laugmentation propre de la population douvriers par reproduction en fonction du nombre initial, le deuxime terme traduit la variation de la population en fonction de la nourriture disponible et le dernire terme vient de la pollution engendre par lacier. Nous avons donc l 5 fonctions, une pour chaque variable, quil faut tudier toutes ensemble ! Or, cela peut savrer trs dicile, mme pour un mathmaticien chevronn. Faisons alors lhypothse que le phnomne que nous tudions est linaire, comme cest parfois le cas dans la nature (1) . Cela signie que si on double (respectivement triple ou, plus gnralement, multiplie par un nombre quelconque) les valeurs initiales, alors les valeurs nales seront elles-aussi doubles (respectivement triples ou, plus gnralement, multiplier par un nombre quelconque). Dans ce cas la fonction de transition est une application linaire. Et cest tout le but de ce cours dexpliquer ce que cela signie. Essayons dapprhender un peu cela que implique. Dabord, il ne peut y avoir que des termes de la forme 1, 2x + 2y 3u dans les formules donnant les x , y , . . .. En eet, les termes comme 0, 3xy ou 3xu2 ne sont pas linaires : 0, 3(2 x)(2 y ) = 4 (0, 3xy ) = 2 (0, 2xy ). On peut donc

1. Mais pas toujours. Lexemple le plus clbre des problmes mathmatiques non-linaire est donn par les quations dEuler et de Navier-Stokes qui rgissent les uides en mouvement. Problme au combien important et de multiples applications concrtes. Aujourdhui encore, personne ne sait les rsoudre ! On arrive juste dcrire des solutions approches. Dailleurs, un prix dun million de dollars a t cr par linstitut Clay pour qui arriverait les rsoudre. Alors, motiv/e ?

INTRODUCTION

ranger les coecients dnissant la fonction de transition dans un tableau comprenant 5 lignes et 5 colonnes : 1, 2 2 0 3 0 . .. . . . Cest ce que lon appelle une matrice. On peut facilement multiplier les matrices avec des colonnes de nombres. Si on multiplie la matrice associe la fonction de transition par la colonne des valeurs initiales, on trouve les valeurs de lanne suivante. 1, 2 2 0 3 0 x x . .. y y . . . z = z u u t t Simple non ? On peut aussi multiplier les matrices entre elles. Et si on multiplie la matrice de transition M avec elle-mme, on obtient la loi de transition pour une priode de deux ans. Et ainsi de suite, la puissance 10me de M , M 10 = M M , donne la loi de transition sur 10 ans.
10 fois

Un autre but de ce cours sera de fournir des mthodes algbriques pour calculer les puissances de matrices, notamment en les rduisant. Dimension. Le notion de dimension est une des plus profondes et des plus anciennes des mathmatiques. La dimension dun objet mathmatique est le nombre de paramtres quil faut donner an de le dcrire dlement. Par exemple, il faut et il sut de 2 coordonnes pour dcrire la position dun point dans le plan (abscisse et ordonnes) ou sur la terre (longitude et latitude). Nous disons donc que le plan ou la terre sont des objets de dimension 2. De mme, pour dcrire un point de lespace ambiant, il nous faut 3 nombres : labscisse et lordonne, on y ajoute la hauteur. Lespace est donc de dimension 3. Nous connaissons bien ces objets ; cest dans le plan, sur la terre ou dans lespace que nous faisons de la gomtrie depuis plus de 20 sicles. On sait bien se les reprsenter et travailler dedans. Par exemple, la gomtrie euclidienne nous fournit un moyen de mesurer les distances ; on peut ainsi savoir si deux points sont loin lun de lautre. Le modle conomique sus-mentionn est lui de dimension 5. Il pose le problme de faire la gomtrie euclidienne en dimension suprieure 3. La dicult conceptuelle, que nous avons ici, tient au fait que nous sommes incapables de nous reprsenter de tels espaces de dimension suprieure. Et pourtant, ils existent, la preuve. Si nous pouvions dnir une notion de distance entre les points de tels espaces, nous pourrions par exemple comparer les conomies de la France et de lAllemagne. En eet, la distance entre les deux points 5 coordonnes qui dcrivent respectivement ltat des lconomies de la France et de lAllemagne en 2012 nous renseignerait sur la proximit ou non de nos deux pays. Le dernier chapitre de ce cours dveloppera donc la notion despace euclidien en toute dimension (nie).

TABLE DES MATIRES

Conventions. Les exercices nots avec le symbole sont donc faire dans un second temps.

 sont plus avancs que les autres ; ils

CHAPITRE 1 RAPPELS

1.1. Applications ensemblistes Pour de plus amples dtails sur cette section, on revoie le lecteur [SB98, Annexe A1]. 1.1.1. Le langage ensembliste. Dnition (Ensemble). Un ensemble est une collection dobjets, appels lments. Exemples. Lensemble des tudiants en L2-MASS Nice pendant lanne universitaire 20122013, lensemble des pices dun porte-monnaie, lensemble des villes de France, lensemble des nombres entiers naturels {0, 1, 2, 3, . . .}. (Notez que les trois premiers exemples sont des ensembles avec un nombre ni dlments. Alors que le dernier comporte une innit dlments.) En mathmatique, on crit un ensemble par des accolades {0, 1, 2, 3, . . .} avec dedans chaque lment spar par une virgule. (Lordre dans lequel les lments ne compte pas.) Graphiquement, on reprsente souvent un ensemble par un patate avec une croix pour ses lments. DESSIN DE PATATE Notations. On utilise les notations suivantes, qui se lisent en franais comme indiqu. Notation Se lit Reprsentation aA a A DESSIN
llment a appartient lensemble A

a /A AB AB

a A A

A B B

DESSIN DESSIN DESSIN

llment a nappartient pas lensemble A

lensemble A est inclus dans lensemble A lensemble A nest pas inclus dans lensemble A

Exemples. La ville de Lyon est une ville franaise scrit en mathmatique : Lyon {villes de France} . Le nombre 9 nest pas pair" scrit en mathmatique : 9 / {nombres pairs} . Lensemble des footballeurs fait partie de lensemble des sportifs" scrit en mathmatique : {footballeurs} {sportifs} .

10

CHAPITRE 1. RAPPELS

Lensemble des nombres entiers relatifs {. . . , 3, 2, 1, 0, 1, 2, 3, . . .} nest pas inclus dans lensemble des nombres rels positifs" scrit en mathmatique : {. . . , 3, 2, 1, 0, 1, 2, 3, . . .} {x R | x 0} . Les derniers symboles se lisent { xR | x0 }. Ecace, non ?
lensemble des nombres rels x tels que x soit positif

Il existe un ensemble tonnant qui est obtenu en ne mettant rien dedans ! (Imaginez une boite ou un tiroir vide.) Dnition (Ensemble vide). Lensemble vide est lensemble sans aucun lment. On le note { } ou . Exemple. Lensemble des footballeurs ayant quelque chose dintelligent dire. Oprations. partir de deux ensembles (ou plus), on peut en crer un nouveau grce aux oprations suivantes. Ici, les ensembles B et C sont des sous-ensembles dun ensemble A : B A, C A. (1) Terminologie Intersection Union Dirence Complmentaire Notation B C := {a A | a B et a C } B C := {a A | a B ou a C } B C (ou B \C ) := {b B | b / C} B c := A B = {a A | a / B} Reprsentation DESSIN DESSIN DESSIN DESSIN

Attention . Le ou mathmatique dnissant lunion de deux ensembles nest pas le ou du restaurant. En eet, au restaurant, on peut avoir du fromage ou du dessert, cest--dire soit du fromage, soit du dessert mais jamais les deux. En mathmatique, nous sommes bien plus gnreux : a peut soit appartenir lensemble B , soit lensemble C , soit au deux en mme temps.


Exercice 1 (Oprations ensemblistes I). On considre les ensembles suivants A : lensemble des entiers relatifs pairs {. . . , 4, 2, 0, 2, 4, . . .}, B : lensemble des entiers relatifs impairs {. . . , 5, 3, 1, 1, 3, 5, . . .}, C : lensemble des entiers naturels de 1 10, D : lensemble des nombres rels positifs. Dcrire les ensembles C A, C B , C B , A D, B D, A B et A B . (Ne pas hsiter utiliser une reprsentation graphique, comme laxe des rels, par exemple). Exercice 2 (Oprations ensemblistes II). Soient A, B, C trois sous-ensembles dun lensemble E . Dmontrer les qualits prsentes cidessous : 1. (A B )c = Ac B c , 2. (A B )c = Ac B c , 3. A (B C ) = (A B ) (A C ).


1. Le symbole := nest pas le signe gal habituel ; il signie gal par dnition . On lutilise donc lorsque lon dnit un objet nouveau. (Il traduit une dissymtrie : le membre de gauche est le nouvel objet que lon cherche dnir, alors que le membre de droite est quelque chose qui existe bien.)

1.1. APPLICATIONS ENSEMBLISTES

11

1.1.2. Les applications ensemblistes. Dnition (Application). Une application f : A B est un procd qui associe tout lment a de A un unique lment f (a) de B . Lensemble A est appel lensemble source et lensemble B est appel lensemble but. Exemple. Considrons lapplication suivante : chaque tudiant/e du L2-MASS, on associe son ge. Lensemble de dpart (source) est lensemble des tudiants du L2-MASS et lensemble darrive (but) est lensemble des nombres entiers positifs {0, 1, 2, 3, 4, . . .}. ge : {tudiants de L2-MASS} Claire {0, 1, 2, 3, 4, . . .} 19

DESSIN tout tudiant a, on associe ge(a) := lge de a ; par exemple ge(Claire) = 19. Attention . Les notations sont trs prcises. La che indique de quel ensemble on part et dans quel ensemble on arrive. Alors que la che avec une barre se rfre aux lments ; elle reprsente limage dun lment. Dnition (Image). Llement f (a) de lensemble but est appel limage de a. Lensemble image dune application f : A B est le sous-ensemble du but form de tous les lments atteint par lapplication f , cest--dire les lments de B qui sont limage dau moins un lment de A : Imf := {b B | a A, f (a) = b} . La dernire ligne de symboles mathmatiques se lit en franais de la manire suivante : {
lensemble des

bB

aA

f (a) = b} .
f (a)=b

lments b de B tels que il existe au moins un lement a de A vriant

Exemple. Limage de Claire par lapplication ge est le nombre 19. Limage de lapplication ge est lensemble Im(ge) = {17, 18, 19, 20} . Dnition (Antcdent). Rciproquement, llment a de la source est un antcdent de llment f (a). Attention . Il faut faire trs attention la dissymtrie des dnitions relatives aux applications. Un lement de la source a une unique image. (Une seule che part de chaque lment de gauche). Par contre, tout lment du but peut avoir un nombre quelconque dantcdents. (Il peut y avoir un nombre quelconque de ches qui aboutissent sur un mme lment droite.) Dans lexemple donn ci-dessus, 19 a 2 antcdents : Claire et Remi. Pour mesurer cela, on considre les ensembles suivants. Dnition (Ensemble des antcdents). On considre lensemble de tous les antcdents dun lment b B donn :

Il est donc form de tous les lments a de la source A qui sont envoys sur b. Exemple. TBC...

Conseil . Pour ne pas faire derreur en mathmatique, il sut souvent de bien connaitre la nature des objets avec lesquels on travaille. Ici, par exemple, limage dune application est un sous-ensemble du but, Imf B , alors que chaque ensemble dantcdents est une sous-ensemble de la source, f 1 ({b}) A.

f 1 ({b}) := {a A | f (a) = b} .

12

CHAPITRE 1. RAPPELS

Le cardinal de f 1 ({b}), cest--dire le nombre dantcdents de b, est un nombre intressant. Il donne des informations sur lapplication f . Les trois grands cas suivants nous intresserons tout particulirement. Dnition (Injectivit, surjectivit, bijectivit). Si pour tout b B , le nombre de ses antcdents est infrieur 1, i.e. |f 1 ({b})| = 0 ou 1 , alors on dit que la fonction f est injective. DESSIN Si pour tout b B , le nombre de ses antcdents est suprieur 1, i.e. |f 1 ({b})| = 1 ou 2 ou 3 . . . , alors on dit que la fonction f est surjective. DESSIN Si pour tout b B , le nombre de ses antcdents est gal 1, i.e. |f 1 ({b})| = 1 , alors on dit que la fonction f est bijective. DESSIN Remarques. Lorsquune application est injective, il ny a pas de perte dinformation. En eet, lensemble source se plonge dans lensemble but. Les lments de limage de f correspondent un--un au lment de la source. Une application est surjective lorsque tous les lments du but sont atteints. Cela correspond au cas o Imf = B . Sil existe une application bijective entre deux ensembles, alors ces derniers sont les mmes. En eet, chaque lment de la source correspond un et un seul lment du but. Dnition (Application identit). tout ensemble A, on peut associer lapplication identit qui envoie tout lment a sur lui-mme. On la note idA : A a A a = idA (a) .

Lorsque lon a deux applications f : A B et g : B C dont le but B de la premire correspond la source de la seconde, on peut les composer. Pour tout lment a de A, on peut commencer par considrer son image f (a) par f , puis on peut considrer limage g (f (a)) de f (a) par g . Ceci dnit une nouvelle application. Dnition (Composition). La compose de deux applications f : A B et g : B C est lapplication gf : A C a a = g (f (a)) . Notez linversion des symboles : la compose de f avec g se note g f , cest--dire en crivant de droite gauche, comme en arabe. (2) Exemple. ...
2. Remarquez que si on avait crit limage dun lment par une application de la manire suivante (a)f , alors la compose de deux applications se noterait alors f g car dans ce cas ((a)f )g = (a)(f g ) !

1.1. APPLICATIONS ENSEMBLISTES

13

Si on compose une application f : A B avec lidentit gauche idB f = f ou droite f idA = f (3) , cela ne change rien : on trouve encore lapplication f . On dit que lidentit est une unit pour la composition. Lorsque f : A B est une application bijective, il y a une et une seule che qui part de chaque lment de A (dnition dune application) et il y a une et une seule che qui arrive sur chaque lment de B (bijectivit). On a donc une parfaite symtrie entre ce qui se passe gauche et droite. On peut donc inverser le sens des ches ! Cela dnit bien une application de B vers A. Dnition (Application rciproque). Pour toute application bijective f : A B , on dnit lapplication rciproque par f 1 : B b Exemple. ... Attention . Prenez bien garde que lapplication rciproque nest bien dnie que lorsque lapplication f de dpart est bijective. Dans le cas contraire, il est impossible dinverser le sens des ches. Par exemple, si un lment de B nest atteint par aucune che, comment faire pour lui associer canoniquement un lment gauche ? Nous navons alors aucun moyen de le faire, que de faire des choix ... Proposition 1. Pour toute application bijective f : A B , les deux composes avec son application rciproque f 1 : B A sont gales lidentit : f f 1 = idB , et f 1 f = idA . A f 1 (b) := lunique antcdent de b par lapplication f .

Attention . La notation avec lexposant 1 ne doit pas vous laisser croire que lon parle 1 ici de lapplication inverse qui a un nombre non nul x lui associe son inverse x qui est aussi not 1 1 1 x ... Dit autrement, lapplication rciproque f nest pas lapplication dnie par f ( b) . Un 1 bon moyen pour sen souvenir est que lapplication f (b) na aucun sens ! En eet, si on prend un lment de b de B , il est impossible de regarder son image par f , car f est dnie de A dans B . Remarque. Vous avez surement entendu parler de la notion de fonction. Quelle est la dirence avec la notion dapplication traite ici ? Cest simple ; pour un mathmaticien, une fonction f : A B est une application qui nest pas ncessairement dnie sur tout lensemble A. Cest-dire quil se peut que certains lments de A nait pas dimage bien dnie. Cest, par exemple, 1 le cas de la fonction inverse x x qui nest pas dnie en 0. Dans ce cas, la premire chose faire lorsque lon tudie une fonction, cest de dterminer son domaine de dnition. (Vous avez de la chance, dans ce cours, toutes les fonctions seront bien dnies partout. Nous aurons donc toujours faire des applications mme si nous utiliserons parfois la terminologie de fonction.)

Exercice 3 (Application ensembliste). Nous allons modliser par une application les chanes de tlvision que jai regardes pendant la semaine dernire. Chaque soir, jai regard un lm ou une mission propos par une de ces chanes. Appelons les chanes 1, 2, 3, 4, 5 et 6. Lundi, mercredi et jeudi, jai regard la premire chane. Mardi et vendredi, jai regard la deuxime chane. Samedi, jai suivi le programme de la cinquime chane et dimanche celui de la sixime. Posons f la fonction de lensemble {lundi, mardi, . . . , dimanche} {1, 2, . . . , 6} qui associe un jour la chane regarde.
3. Notez que lon utilise lidentit de lensemble A dans un cas et lidentit de lensemble B dans lautre.

14

CHAPITRE 1. RAPPELS

1. Reprsenter cette application (avec des ensembles et des ches). 2. Quelle est limage Imf de f ? quoi correspond cet ensemble en termes de chane de tlvision ? 3. Dcrire les ensembles dantcdents f 1 ({1}), f 1 ({2}) et f 1 ({4}) de 1, 2 et 4. quoi correspondent ces ensembles dans la ralit ? 4. Cette fonction est-elle surjective et quest-ce-que cela signie-t-il ici ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction surjective ? 5. Cette fonction est-elle injective et quest-ce-que cela signie-t-il ici ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction injective ? 6. Cette fonction est-elle bijective ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction bijective ? Exercice 4 (Fonction bijective). On considre la fonction f : R R dnie par x f (x) := 5x + 17. 1. Repsenter graphiquement cette fonction. 2. Fixons un y R. On considre lquation f (x) = 5x + 17 = y o x est linconnue. Posons f 1 ({y }) := {x R | 5x + 17 = y } lensemble des solutions de cette quation. Dterminer f 1 ({2}) puis f 1 ({y }). 3. Montrer que f est bijective en utilisant deux mthodes direntes (celle que vous avez apprise les annes passes et en appliquant directement la dnition du cours). 4. Dterminer la fonction rciproque f 1 . Vrier par le calcul que f 1 f = idR et que f f 1 = idR . Exercice 5 (Valeur absolue). On rappelle que la fonction valeur absolue | | est dnie de la manire suivante : pour x pour x 0, on pose |x| := x, 0, on pose |x| := x. RR x |x|.

1. Reprsenter graphiquement la fonction valeur absolue

2. Pour tout y R, dterminer le nombre dantcdents de y par la fonction valeur absolue. Distinguer 3 cas, les reprsenter sur le graphe de la question prcdente. Cette fonction est-elle injective ? Est-elle surjective ? Est-elle bijective ? 3. On restreint lensemble darrive R+ et on considre la fonction f dnie par f : R R+ x |x|. Pour tout y R+ , dterminer le nombre dantcdents de y par la fonction f . (Distinguer plusieurs cas.) La fonction f est-elle injective ? Est-elle surjective ? Est-elle bijective ? g : R+ R+ x |x|. Pour tout y R+ , combien y-a-t-il dantcdents de y par la fonction g . La fonction g estelle injective ? Est-elle surjective ? Est-elle bijective ? quelle fonction usuelle est gale la fonction g ?

4. On restreint lensemble de dpart R+ et on considre la fonction g dnie par


1.2. Fonctions trigonomtriques Pour de plus amples dtails sur cette section, on revoie le lecteur [SB98, Annexe A2].

1.2. FONCTIONS TRIGONOMTRIQUES

15

1.2.1. Cosinus, sinus et tangente. Dnition (Angle orient). Un angle orient est dni par deux demi-droites D1 (droite initiale) et D2 (droite nale) partant du mme point.

DESSIN On choisit le sens inverse de parcourt des aiguilles dune montre comme orientation positive. Prenons un point C de la demi-droite D1 et traons la perpendiculaire D1 passant par C . Elle coupe la demi-droite D2 en un point B . Et on obtient ainsi un triangle rectangle. Dnition (Cosinus, sinus, tangente). Le cosinus de langle est dni par cos := ||AC || longueur du ct adjacent . = ||AB || longueur de lhypothnuse

Le sinus de langle est dni par sin := ||BC || longueur du ct oppos . = ||AB || longueur de lhypothnuse

La tangente de langle est dni par tan := ||BC || longueur du ct oppos = . ||AC || longueur du ct adjacent

On remarque immdiatement la relation :

Esprit critique . Est-ce que le cosinus, le sinus et la tangente sont bien dnis ? Il y a en eet un problme potentiel : nous avons choisi un point C quelconque. Or, si on considre un autre point C de la demi-droite D1 , la longueur ||AC ||, par exemple, est dirente de la longueur ||AC || ... Dans ce cas, partir du nouveau point C , eectuons les mmes constructions que prcdement avec C . On considre donc la perpendiculaire la demi-droite D1 passant par C . Cette dernire coupe la demi-droite D2 en B . On peut alors utiliser le thorme attribu Thals pour conclure que les rapports suivants sont gaux : ||AC || ||AC || = , ||AB || ||AB || ||BC || ||B C || = , ||AB || ||AB || et ||BC || ||B C || = . ||AC || ||AC ||

tan =

sin . cos

Les fonctions cosinus, sinus et tangente sont donc bien dnies. On peut les calculer en utilisant nimporte quel point C de D1 . (Ouf !) 1.2.2. La cercle trigonomtrique. Pour tout angle aigu , on choisit le point C tel que le segment AB soit de longueur 1. Le point B se trouve alors sur le cercle de centre A et de rayon 1. De plus, on place le point A au centre du repre canonique du plan avec la demi-droite D1 sur laxe des abscisses. DESSIN

16

CHAPITRE 1. RAPPELS

Dans ce cas, les coordonnes du point B sont (x, y ) = (cos , sin ) . En eet, on a cos = De plus, on a tan = y . x ||AC || x ||BC || y = = x, et sin = = =y . ||AB || 1 ||AB || 1

On peut maintenant dnir les fonctions trigonomtriques pour tout angle par les coordonnes du point B sur le cercle unit, dit aussi cercle trigonomtrique. (4) Units. Il existe (au moins) deux units pour mesurer les angles, les degrs et les radiants. La correspondance entre les deux peut se lire sur le tableau suivant. Angle Nul Droit Plat Degrs 0 90 180 Radiants 0
2

En mathmatiques, on prfre utiliser les radiants pour la bonne raison que 3, 14 . . . est la longueur de larc de cercle unit de langle plat.

DESSIN

Exercice

 6 (Relations cosinus-sinus).
2 2

1. Montrer que cos = sin 2. Montrer que cos = sin

et que sin = cos

.
2

+ et que sin = cos

+ .

3. Montrer que cos = cos( ) et que sin = sin( ). 4. Montrer que cos = cos( + ) et que sin = sin( + ).


Les valeurs suivantes des fonctions trigonomtriques aux angles remarquables sont connatre. Fonction trigonomtrique\ Angle 0 Cosinus 1 Sinus 0 Tangente 0
6 3 2 1 2 3 3 4 2 2 2 2 3 1 2 3 2 2

0 1 non dni +

Pour sen souvenir, on peut utiliser le moyen mnemotechnique suivant : 4 3 2 1 1 0 1= , , , = , 0= . 2 2 2 2 2 2 On peut aussi tracer le cercle trigonomtrique.

DESSIN
4. En eet, remarquez que la construction donne en 1.2.1 ne produit un point B que si langle est aigu.

1.2. FONCTIONS TRIGONOMTRIQUES

17

Remarque. La seule donne du cosinus dun angle ou du sinus ne permet pas de dterminer 3 la valeur de langle lui mme. Par exemple, les deux angles 2 et 2 ont le mme cosinus 0. Donc 3 si on sait que le cosinus dun angle vaut 0, il est impossible de dire si vaut 2 ou 2 . Par contre les deux donnes du cosinus et du sinus dun angle permettent de dterminer langle. Par exemple, le seul angle ayant pour cosinus 0 et pour sinus 1 est langle = 2. 1.2.3. Proprits. GrapheCOS La fonction cosinus est paire : cos() = cos , pour tout angle . GrapheSIN La fonction sinus est impaire : sin() = sin , pour tout angle . Les fonctions drives respectives sont cos = sin et sin = cos .

GrapheT AN La fonction tangente est impaire : tan() = tan , pour tout angle . Proposition 2. Les trois fonctions trigonomtriques sont 2 -priodiques : cos = cos( + 2 ), sin = sin( + 2 ), et tan = tan( + 2 ), pour tout angle .

En appliquant le thorme attribu Pythagore au triangle rectangle ABC, on obtient la relation cos2 + sin2 = 1 . Thorme 1 (Formules de de Moivre). cos( + ) = cos cos sin sin cos( ) = cos cos + sin sin sin( + ) = sin cos + cos sin sin( ) = sin cos cos sin cos 2 = cos2 sin2 , sin 2 = 2 sin cos . , , , ,

Exercice 6 bis (Relations cosinus-sinus). Faire lexercice 6 en utilisant les formules de de Moivre. Exercice 7 (Valeurs des fonctions trigonomtriques II). Calculer les valeurs des fonctions trigonomtriques cos, sin et tan pour les angles suivants : 2 5 ; ; . = 3 6 12

18

CHAPITRE 1. RAPPELS

1.3. Nombres complexes Pour de plus amples dtails sur cette section, on revoie le lecteur [SB98, Annexe A3]. 1.3.1. Ensembles de nombres connus. Ensembles N + Z + Q R + + C +

Oprations licites

0 0

Dnition (Entiers naturels). Le premier ensemble de nombres est lensemble des entiers naturels N := {0, 1, 2, 3, 4, . . .} qui nous sert compter les objets de la vie courante. On peut les sommer + et les multiplier . Que se passe-t-il lorsque lon compte 5 tudiants et que lon veut en retirer 7 ? ? ? Ceci quivaut faire algbriquement 5 7 =? 5 = 7+? Or, on sait quil faut retirer 2 7 pour arrive 5. Nous sommes alors amens considrer des nombres entiers mais ngatifs, 2 par exemple. Dnition (Entiers relatifs). Lensemble des entiers relatifs Z := {. . . , 4, 3, 2, 1, 0, 1, 2, 3, 4, . . .} est lensemble des entiers positifs et des entiers ngatifs. On peut toujours les sommer + et les multiplier . Mais on peut aussi les soustraire . De la mme manire, comment faire pour diviser 5 par 2 ? ? ? Ceci quivaut considrer les quations algbriques 5 2 =? 5 = 2? Or, on sait quil y a 2, 5 fois 2 dans 5. Pour pouvoir eectuer la division, il nous faut ajouter les 5 nombres rationnels, 2, 5 = 2 par exemple. Dnition (Nombres rationnels). Lensemble des nombres rationnels Q := a , a Z, b Z {0} b

est lensemble des fractions de nombres entiers. On peut toujours les sommer +, les multiplier et les soustraire . Mais on peut aussi les diviser . Grce la multiplication, tous les nombres rationnels ont un carr x2 = x x. On peut se poser la question dans lautre sens : soit un nombre, 2 par exemple, existe-t-il un nombre x dont le carr vaut 2, i.e. x2 = 2 ? Une solution (5) est fournie par la racine carr x = 2. Mme si 2 est entier, sa racine nest mme pas un nombre rationnel, voir la dmonstration ci-dessus. Pour cest un nombre parfaitement dni, par exemple comme la mesure de lhypotnuse dun triangle rectangle isocle de ct 1.
2 et 2.

5. Il y a en fait deux solutions :

1.3. NOMBRES COMPLEXES

19

Dnition. Lensemble des nombres rels est lensemble des nombres que lon connait", des quantits mesurables". Mme un lecteur non-mathmaticien professionnel aura reconnu l une dnition bancale. En ralit, les mathmaticiens dnissent les nombre rels comme lensemble des limites de suites convergentes de nombres rationnels, que lon note R := {limites de suites convergentes de suites de nombres rationnels} . On peut toujours les sommer +, les multiplier , les soustraire , les diviser . De plus, tous les nombres rels positifs admettent une racine carre 0. Les nombres rels qui ne sont pas rationnels sont appels les nombres irrationnels et nots R Q. Thorme 2. La racine carre de 2 est un nombre irrationnel, 2 R Q. Remarque. Une fois nest pas coutume, nous allons en donner la dmonstration, pour la bonne raison quelle utilise et illustre un mode raisonnement frquent en mathmatique : le raisonnement par labsurde. Nhsitez surtout pas lutiliser dans les exercices. Dmonstration. Il y a exactement deux possibilits : soit 2 est rationnel, soit 2 est irrationtrouver une contradiction nel. Supposons, par labsurde, que 2 soit rationnel. (Comme nous allons ce choix plus loin, cela montrera que ceci est impossible et donc que 2 est irrationnel.) a Dans ce cas, 2 scrit sous la forme 2 = avec a Z et b Z {0}. Si a et b sont tous les b deux pairs, alors on les divise par le plus grande puissance de 2 pour que lun des deux restes au a moins deviennent impair. Ceci montre que lon peut supposer que lon peut crire 2 = tel que b a et b ne soient pas tous les deux pairs. En levant lgalit 2b = a au carr, on trouve 2b2 = a2 . Ceci impose que 2 divise a2 et donc a. crivons a = 2 avec Z. Dans lgalit prcdent, cela donne 2b2 = (2)2 = 42 . En simpliant par 2, on obtient b2 = 22 . Donc, 2 divise b2 et aussi b. Nous venons donc de montrer que a et b sont pairs, ce qui est contradictoire avec lhypothse de dpart. La racine carre de 2 est donc un nombre irrationnel.

Instant culture . Ce rsultat a beaucoup tonne et merveill les grecs car ils avaient l un nombre dun type nouveau, inconnu auparavant car ils ne connaissaient que les nombres rationnels. 1.3.2. Dnition des nombres complexes. Grce aux nombres rels, nous avons russi dnir les racines carres de nombres positifs. Quen est-il des nombres ngatifs, par exemple que vaut la racine carre de 1 : 1 ? Dit autrement, quelles sont les solutions de lquation x2 = 1 ? Aucun nombre rel ne convient. Alors on cre un nombre que lon note i, pour imaginaire, dont le carr vaut 1 : i2 = 1 . Dnition (Nombres complexes). Les nombres complexes sont les nombres de la forme z = x + iy avec x et y rels. Lensemble des nombres complexes est not C := {z = x + iy | x, y R} . Pour un nombre complexe z = x + iy , on note Re z := x la partie relle de z et Im z := la partie imaginaire de z . Lensemble des nombres complexes z = x + i 0 de partie imaginaire nulle sidentie avec lensemble des nombres rels R = {z = x (+i 0) | x R}. Les nombres complexes z = 0 + iy de partie relle nulle sont appels nombres imaginaires pures ; leurs ensemble est not iR := {z = 0 + iy | y R}.

20

CHAPITRE 1. RAPPELS

Rgles de calcul. On dnit la somme, le produit et la dirence de deux nombres complexes en utilisant les mmes rgles de calcul que pour les nombres rels et la rgle i2 = 1. Ceci donne par exemple : (2 + 3i) + (4 + 5i) (2 + 3i) (4 + 5i) = = = 2 + 3i + 4 + 5i = 2 + 4 + 3i + 5i = 6 + (3 + 5)i = 6 + 8i , 2 4 + 2 5i + 3i 4 + 3i 5i 8 + 10i + 12i + 15 (i2 ) = 8 + 22i 15 = 7 + 22i .

Les rgles plus avances sont toujours vraies. Par exemple, la formule du binme de Newton est encore valide : (1 + 2i)3 = = 13 + 3 12 2i + 3 1 (2i)2 + (2i)3 1 + 6i 12 8i = 11 2i .

Les nombres complexes formant un ensemble plus vaste que les nombres rels, on a plus de libert pour inventer des oprations nouvelles. Par exemple, on peut samuser changer le signe de la partie imaginaire dun nombre complexe. Dnition (Conjugaison). Le complexe conjugu z dun nombre complexe z = x + iy est dni par z := x iy . Par exemple, on a 2 3i = 2 + 3i.


z2 := 3 + 4i et z3 := 1 + i. z1 , z3

Exercice 8 (Oprations lmentaires). Soient les nombres complexes z1 := 2 3i, Calculer les nombres complexes suivants z1 + z2 , z1 z3 , z1 .z2 , z1 .z3 , z 1 .z 1 ,
3 z1

et z1 .z 3 .


z = z+z = zz = zR z iR

Proposition 3. Pour tout nombre complexe z , les galits suivantes sont vries. z , 2Re z , 2iIm z , z=z , z = z .

Ici, la dmonstration est utile pour comprendre le sens de ces relations. Dmonstration. Soit z = x + iy , on a = x + iy = x iy = x (iy ) = x + iy , z z+z = x + iy + x iy = 2x = 2Re z , zz = x + iy (x iy ) = 2iy = 2iIm z , z R y = 0 x + iy = x iy , z iR x = 0 x + iy = x + iy .

1.3. NOMBRES COMPLEXES

21

Regardons maintenant comment on peut eectuer la division de deux nombres. On sait que 1 . diviser des nombres est quivalent multiplier le premier par linverse du second z z = z z On va donc chercher calculer linverse dun nombre complexe z = x + iy lorsque ce dernier nest pas nul. La multiplication de z par son conjugu z donne zz = (x + iy )(x iy ) = x2 + y 2 R+ , qui est un nombre rel positif. Or, le nombre complexe z nest pas nul quivaut dire que ses deux coordones x et y ne sont pas toutes les deux nulles, cest--dire x2 + y 2 = 0. En divisant lgalit prcdente par x2 + y 2 , on obtient (x + iy ) x iy x2 + y 2
inverse de x+iy

=1 .

On a donc trouv linverse de z : z 1 = x y i 2 . x2 + y 2 x + y2

Dnition (Module). Le module dun nombre complexe z est dni par le nombre rel positif |z | := zz .

Avec la notion de module, on peut crire la formule dans linverse de z de manire plus compacte

En pratique . Pour calculer le quotient de deux nombres complexes, la seule ide retenir est : on multiple le numrateur et le dnominateur par le conjugu du dnominateur. Cela donne, par exemple, 1 + 2i (1 + 2i)(2 + 3i) 4 + 7i 4 7 = = = +i . 2 3i (2 3i)(2 + 3i) 13 13 13 Ceci permet de transformer le nombre complexe au dnominateur en un nombre rel !

z 1 =

z |z |2


Exercice 9 (Calcul algbrique). Calculer, sous la forme x + iy , les nombre complexes suivants (1 + 2i)2 , (1 + i)3 , 1 , 1 + 3i 1+i , 2+i i33 , (2 + i)2 , (2 i)2 (1 + i)3 et i11 .

Exercice 10 (Conjugaison). Simplier lexpression 1 + cos x i sin x . 1 + cos x + i sin x

22

CHAPITRE 1. RAPPELS

1.3.3. Reprsentation gomtrique. Tout nombre complexe z = x + iy est dni par deux nombres rels, tout comme les points du plan sont dnis par leurs deux coordonnes dans un repre. On considre le plan P munis de son repre canonique. On dnit lapplication qui a tout nombre complexe associe le point du plan de mmes coordonnes : C z = x + iy P M (z ) := point du plan de coordonnes (x, y ).

DESSIN Cette application est une bijection (6) . Cela signie que lon peut identier lensemble des nombres complexes et lensemble des points du plan. Dnition (Image et axe). Le point M (z ) associ un nombre complexe z est appel limage de z . Rciproquement, le nombre complexe z correspondant au point M (z ) du plan est appel laxe de M . Grce cette correspondance bijective, on peut interprter gomtriquement les proprits algbriques des nombres complexes. (Et parfois, cest plus simple !). Par exemple, la somme de deux nombres complexes correspond la somme des deux vecteurs quils dnissent : z + z OM (z ) + OM (z ) . DESSIN De la mme manire, le point correspondant au conjugu dun nombre complexe est le symtrique de limage du nombre complexe par rapport laxe des abscisses : z symtrieaxe des abscisses (M (z )) . DESSIN

Exercice 11 (Plan complexe). Interprter graphiquement dans le plan complexe les relations de la proposition 3 = z, 1. z 2. z + z = 2Rez , 3. z z = 2iImz , 4. z R z = z , 5. z iR z = z .

Par contre, il est dicile de reprsenter gomtriquement la multiplication des nombres complexes. Pour cela, on va les crire dune autre manire. 1.3.4. Forme trigonomtrique. Revenons la reprsentation gomtrique des nombres complexes. La longueur ||OM (z )|| est gale au module |z |. Appelons cette quantit := ||OM (z )|| = |z | . DESSIN z Le nombre complexe est alors de module 1 et son image se trouve donc sur le cercle trigonomtrique. Il scrit cos + i sin , o est la mesure de langle form. Nous avons ainsi montr que tout nombre scrit sous la forme z= x + iy
forme algbrique

= (cos + i sin )
forme trigonomtrique

6. Do lutilit davoir dni cette notion prcdemment. On vous laisse cette proprit dmontrer en guise de bon exercice.

1.3. NOMBRES COMPLEXES

23

Dnition (Argument). La mesure de langle est appele largument du nombre complexe z et note Arg(z ) := . On rappelle quune mesure dangle est un nombre rel, mais que seule sa valeur modulo 2 , cest-dire multiple de 2 prs, est importante. Ce qui implique que lon peut choisir la mesure de langle dans lintervalle [0, 2 [ ou dans lintervalle ] , ], par exemple. Un nombre complexe z est caractris, soit par deux nombres rels (x, y ), soit par un nombre rel positif et un nombre compris entre et , par exemple. z (x, y )
coordonnes cartsiennes

(, )
coordonnes trigonomtriques

Les formules permettant de passer des coordonnes cartsiennes aux coordonnes trigonomtriques, et vice-versa, sont donnes dans la proposition suivante. Proposition 4. Pour tout nombre complexe, les formules suivantes sont vries x = y = cos sin et cos = = x2 + y 2 x x2 + y 2 y x2 + y 2 .

, sin

Remarque. Vous remarquerez que nous navons pas donn de formule donnant la mesure de langle . Et pour cause, il nen existe pas. Alors comment trouver ? La remarque de la section prcdente disant que seule la valeur du cosinus ou celle du sinus dun angle ne permet pas de dterminer , mais les deux valeurs ensemble oui, prend tout son sens. En eet, les formules ci-dessus donnent le cosinus et le sinus de . Avec ces deux valeurs, on peut retrouver . Exemple. Mettons z = 1 + i sous forme trigonomtrique. On commence par calculer son module |z | = 1 + 1 = 2 . On factorise ensuite z par son module pour faire apparatre cos et sin : 2 1 2 1 . +i z = 2 + i = 2 2 2 2 2
=cos =sin

Du tableau des valeurs des fonctions trigonomtriques donn la section 1.2.2, on sait que seul 2 2 langle de mesure = 4 vrie cos 4 = 2 et sin 4 = 2 . Au nal, la forme trigonomtrique de z est z = 1 + i = 2 cos + i sin . 4 4 La forme trigonomtrique se prte bien la multiplication des nombres complexes et ce grce aux formules de de Moivre, cf. thorme 1. En eet, le produit des deux nombres complexes z = (cos + i sin ) et z = (cos + i sin ) vaut zz = = =
formules de de Moivre

(cos + i sin ) (cos + i sin ) (cos cos sin sin ) + i(cos sin + sin cos ) cos( + ) + i sin( + ) .

Avec les coordonnes trigonomtriques, la multiplication de deux nombres complexes revient juste multiplier les modules et sommer les arguments. Facile, non ? Graphiquement, cela donne DESSIN De la mme manire, on peut calculer les puissances dun nombre complexe.

24

CHAPITRE 1. RAPPELS

Thorme 3 (de de Moivre). La puissance nme dun nombre complexe z = (cos + i sin ) vaut z n = n cos(n) + i sin(n) , pour tout entier n N. Exemple. Mettons la puissance 12 le nombre complexe z = 1 + i. On utilise bien sur la forme trigonomtrique prcdemment calcule ainsi que le thorme de de Moivre : z 12 = ( 2)12 cos 12 + i sin 12 = 26 cos(3 ) + i sin(3 ) 4 4 = 64 cos( ) + i sin( ) = 64 .

 

Exercice 12 (Formule de de Moivre). En utilisant le thorme de de Moivre et celle du binme de Newton, exprimer cos(4) et sin(4) en fonction de cos et sin .

1.3.5. Exponentielle complexe. Lexponentielle est une fonction relle R R qui vrie la relation fondamentale ea+b = ea eb , cest--dire quelle transforme les sommes en produits. Dans cette section, on va chercher ltendre aux nombres complexes C C tout en vriant la mme proprit. Pour cela, on commence par dnir lexponentielle complexe pour les imaginaires purs : pour tout nombre R, on pose Remarque. Il sagit du nombre complexe correspondant au point du cercle trigonomtrique dangle .

Instant culture

ei := cos + i sin .

. Notez que pour = , on a la formule ei = 1

qui a llgance de runir trois des nombres les plus clbres en mathmatiques : la constante dEuler e, le nombre imaginaire canonique i et le nombre .

 
,

Exercice 13 (Exponentielle complexe). Mettre sous forme algbrique les nombres complexes suivants 4e
2i 3

6e3i ,

3i 4

6i 4

et 3e

5i 3

La proprit fondamentale de lexponentielle est bien vrie par les imaginaire purs : ei+i = ei(+ ) = = cos( + ) + i sin( + ) (cos + i sin )(cos + i sin ) = ei ei .

Avec cette dnition, la forme trigonomtrique devient la forme suivante. Dnition (Forme polaire). La forme polaire dun nombre complexe est dnie par z = ei .

1.3. NOMBRES COMPLEXES

25

De la mme manire que la forme trigomtrique, la forme polaire se prte bien la multiplication des nombres complexes : zz = ei ei = ei(+ ) .

Exercice 14 (Forme polaire). Mettre sous forme polaire ei , cest--dire dterminer le module et largument, chacun des nombres complexes suivants 3 + 3i 3 + 3i, 1 i, , 1 + i, 9 et 2 i 2 . 1i Exercice 15 (Puissance de nombre complexe). Calculer la partie relle et la partie imaginaire des nombres complexes suivants (1 i)5 , ( 3 + 3i)7 , (1 + i)14 , ( 2 i 2)13 . On pourra utiliser lexercice prcdent. Exercice 16 (Formule trigonomtrique). On pose 6i 2 z1 := et z2 := 1 i . 2 1. crire les nombres z1 et z2 sous forme polaire. z1 2. crire le quotient Z := sous forme polaire. z2 et de sin . 3. En conclure les valeurs de cos 12 12 Exercice

 17 (Racine de lunit).

1. Pour n entier compris entre 2 et 6, dterminer tous les nombres complexes z qui vrient lquation zn = 1 . On exprimera chacun deux sous forme polaire et sous forme algbrique. 2. Reprsenter graphiquement limage dans le plan complexe de chacune de ces solutions.


Dnition (Exponentielle complexe). Pour tout nombre complexe z = x + iy , on dnit son image par lexponentielle complexe C C par (7) ez = ex+iy := ex eiy = ex (cos y + i sin y ) . Avec cette dnition, lexponentielle complexe vrie la mme relation fondamentale que lexponentielle relle. Proposition 5. Pour toute paire (z, z ) de nombres complexes, la relation suivante est vrie

7. Remarquez que lon dnit lexponentielle complexe par un cas particulier de la relation que lon souhaite la

voir vrier : ex+iy := ex eiy . Malin, non ?

ez+z = ez ez

26

CHAPITRE 1. RAPPELS

Dmonstration. La dmonstration aide ici comprendre le bien fond de la dnition. En crivant z = x + iy et z = x + iy , on a ez+z = =
par dnition

ex+iy+x +iy = ex+x +i(y+y ) ex+x ei(y+y ) ex ex eiy eiy = ex eiy ex eiy ex+iy ex +iy = ez ez .

=
par la relation pour les rels et les imaginaire purs

=
par dnition

Thorme 4 (Formules dEuler). Pour tout nombre rel , les relations suivantes sont vries cos sin = = ei + ei 2 ei ei 2i

Application. Les formules dEuler permettent de linariser les puissances cosn et sinn des fonctions trigonomtriques. Par exemple, grce la formule du binme de Newton, on a cos =
4

ei + ei 2

= = =

1 4i e + 4e2i + 6 + 4e2i + e4i 16 1 e4i + e4i 4e2i + 4e2i + +3 8 2 2 1 cos(4) + 2 cos(2) + 3 . 8

La grande utilit de cette mthode est de permettre le calcul dintgrales de puissances de fonctions trigonomtriques. En eet, si on veut calculer 0 cos4 d, il faudrait pouvoir trouver une primitive cos4 : bon courage. Par contre, les primitives de cos(4), de cos(2) et 3 sont faciles calculer.

Exercice 18 (Linarisation). Linariser les expressions trigonomtriques suivantes, cest--dire les exprimer en fonction de cos(n) et sin(n), sin3 , sin cos3 et cos5 .

Exercice 19 (Racine carre). Calculer, sous forme polaire ou sous forme algbrique, les racines carrs des nombres complexes suivants z1 := i, z2 := 9, z3 := 9, z4 := 34i, z5 := 1+i 3, z6 := 3+2i et z7 := 512i .


1.4. Polynmes Pour de plus amples dtails sur cette section, on revoie le lecteur [Lip03, Annexe].

1.4. POLYNMES

27

1.4.1. Dnition. Dnition (Polynme). Un polynmes coecients rels est une expression de la forme P = an X n + an1 X n1 + + a2 X 2 + a1 X + a0 , o tous les ai sont des nombres rels. Llment X est appel variable formelle. Lensemble des polynmes est not R[X ]. Un lment simple de la forme ai X i est appel un monme. Exemple. Le polynme 7X 3 2X + 1 est coecients rels. On peut aussi considrer des polynmes dont les coecients appartiennent dautres ensembles de nombres. Par exemple, 32 + 2X + 9 est un polynmes coecients entiers. Remarque. Chaque polynme P induit une fonction dite polynmiale R x R P (x) = an xn + + a1 x + a0

dnie en valuant le polynme aux valeurs reels x. Cest probablement sous cette forme que vous avez rencontr les polynmes pour la premire fois. (8) Dnition (Degr). Pour tout polynme P = an X n + + a1 X + a0 , le plus grand entier n tel que an soit dirent de 0 est appel le degr du polynme P . On le note deg P = n. Exemple. Le degr du polynme P = 7X 3 2X + 1 est deg P = 3.

Proposition 6. Pour toute paire de polynmes P, Q R[X ], le degr vrie la relation suivante deg (P Q) = deg P + deg Q . Tout comme les nombres, on peut sommer, soustraite et multiplier les polynmes. Laddition et la soustraction se font terme terme : (2X 3 3X 2 + 5) + (X 2 + 5X 2) (2X 3 3X 2 + 5) (X 2 + 5X 2) = = = = (2 + 0)X 3 + (3 + 1)X 2 + (0 + 5)X + (5 2) 2X 3 2X 2 + 5X + 3 , (2 0)X 3 + (3 1)X 2 + (0 5)X + (5 + 2) 2X 3 4 X 2 5 X + 7 .

La multiplication est donne par la rgle de distributivit de la somme et du produit : (2X 3 3X 2 + 5)(X 2 + 5X 2) = 2X 3 X 2 + 2X 3 5X 2X 3 2 3X 2 X 2 3X 2 5X + 3X 2 2 +5 X 2 + 5 5X 5 2 = = 2X 5 + (10 3)X 4 + (4 15)X 3 + (6 + 5)X 2 + 25X 10 2X 5 + X 4 19X 3 + 11X 2 + 25X 10 .

Existe-t-il une opration inverse la multiplication, cest--dire une division, comme pour les nombres ? La section suivante rpond cette question.

8. Remarquez quun polynme P = an X n + + a1 X + a0 est une expression formelle ; elle nest pas gale un "nombre". Alors que la fonction polynmiale P (x) associe consiste justement faire un calcul et fournit un nombre pour toute valeur de x.

28

CHAPITRE 1. RAPPELS

1.4.2. Division euclidienne. On rappelle la division euclidienne classique des nombres entiers : pour toute paire de nombres entiers a, b Z tel que b = 0 soit non nul, il existe une paire de nombres entiers q, r Z tels que a = bq + r , o la valeur absolue de r vrie |r| < |b|. Par exemple, 7 = 3 2 + 1
a b q r

Dans 7, il y a 2 fois 3 plus 1. Mutatis mutandis (9) , on peut faire exactement la mme chose avec les polynmes ! Ici, il sut de considrer le degr des polynmes la place de la valeur absolue. Thorme 5. Pour toute paire de polynmes A, B R[X ] tel que B = 0 soit non nul, il existe une paire de polynmes Q, R R[X ] tels que A = BQ + R , o le degr de R vrie deg R < deg B . Exemple. La division euclidienne de A := 3X 3 + 2X 7 par B := X 1 donne 3X 3 + 2X 7 = (X 1) (3X 2 + 3X + 5) + (2) .
A B Q R

La question que vous devez tre en train de vous poser est : "mais comment fait-on en pratique pour eectuer la division euclidienne de deux polynmes " ? Voyons cela sur lexemple propos. A= 3X3 3X 3 0 +2X +3X +3X 2 3X 2 0
2

7 7

X1 3X + 3X + 5
2

=B =Q

7 +5 2 =R On pose la division euclidienne comme pour les nombres en plaant le polynme diviser A en haut gauche et le polynme B , par lequel au divise, en haut droite. On commence par chercher le terme de plus haut degr de Q ; il est gal au monme par lequel il faut multiplier le monme de plus haut degr de B pour obtenir le monme de plus haut degr de A. Ici il vaut 3X 2 . On multiplie ensuite B = X 1 par ce monme, ce qui donne 3X 3 3X 2 , et on crit son oppos 3X 3 +3X 2 de lautre ct de la barre verticale, soit gauche, sous A. Aprs, on calcule la somme de A avec ce polynme, ce qui donne ici 3X 2 + 2X 7. On itre ce processus avec ce dernier polynme 3X 2 + 2X 7 la place de A. On sarrte lors que le degr du polynme obtenu gauche est strictement infrieur au degr de B , ici lorsque lon arrive la constante 2. (De toute faon, on ne peut pas aller plus loin.) Au nal, le polynme obtenu droite et sous la barre est le quotient Q = 3X 2 + 3X + 5. Et le polynme obtenu en bas gauche est le reste R = 2.

+2X +3X 5X 5X 0

 

Exercice 20 (Division euclidienne). Calculer la division euclidienne du polynme 4X 5 + X 3 2 par le polynme X 2 + X + 1.

9. Une fois eectus les changements ncessaires en latin.

1.4. POLYNMES

29

1.4.3. Racines de polynmes. Dnition (Racine). Une racine dun polynme P est un nombre a tel que P (a) = 0 . Remarque. On peut sintresser aux racines entires, rationnelles, relles ou complexes, i.e. a Z, Q, R, C. Proposition 7. Un nombre a est racine dun polynme P si et seulement sil existe un polynme Q tel que P = (X a)Q. Dmonstration. On donne la dmonstration car elle peut aider comprendre et retenir ce rsultat. () Si le polynme se factorise sous la forme P = (X a)Q, sa valeur en a vaut P (a) = 0 Q(a) = 0. Donc a est racine de P . () Dans lautre sens, eectuons la division euclidienne de P par X a. Cela donne P = (X a)Q + R, o R est un polynme de degr strictement infrieur celui de X a, cest-dire 1. Il est dont de degr 0, ce qui quivaut dire que le polynme R est une constante R = r. Comme a est racine de P , on obtient en valuant en a : P (a) = 0 Q(a) + r = 0. Ce qui implique que r = 0 et conclut la dmonstration.

Dans ce cas, on dit que le polynme X a divise P . Le degr du polynme Q vrie deg Q = deg P 1. Exemple. Considrons le polynme P := X 3 X 2 + X 1. Cherchons rapidement une racine simple : on teste de tte si 2, 1, 0, 1, 2 sont racines, par exemple. Ici comme la somme des coecients de P est nulle, on sait que 1 est racine. Donc le polynme X 1 divise P et la division euclidienne donne eectivement P = X 3 X 2 + X 1 = (X 1)(X 2 + 1). Il arrive parfois que certaines racines soient plus "racines" que dautres. En eet, dans le polynme (X 3)2 (X 5) = (X 3)(X 3)(X 5), le nombre 5 est une fois racine et le nombre 3 est "deux fois" racine. Dnition (Multiplicit des racines). Une racine a dun polynme P est de multiplicit k si P scrit son la forme P = (X a)k Q mais pas sous la forme (X a)k+1 R. Dans lexemple prcdent, 5 est racine simple et 3 est racine double. Thorme 6. Tout polynme de degr n a au plus n racines comptes avec multiplicit. Exemples. Les deux exemples prcdents illustrent ce rsultat. Le polynme rel X 3 X 2 + X 1 = (X 1)(X 2 + 1) de degr 3 admet une seule racine relle simple, soit ici 1 3. (Le polynme X 2 + 1 na aucune racine relle, et pour cause, il est toujours strictement positif.) Le polynme rel (X 3)2 (X 5) admet une racine simple et une racine double, soit ici 1 + 2 3. Lorsque le polyme est de grand degr ( 3), nous navons pas dautre choix que de chercher les racines la main, puis de factoriser le polynme et ainsi de suite. (Le problme des racines des polynmes de degr suprieur 5 est un problme dicile en mathmatique.) Mais pour les polynmes de bas degr, nous avons les formules suivantes. Degr 1. Lunique racine du polynme P = aX + b de degr 1 est b . a

30

CHAPITRE 1. RAPPELS

Degr 2. Soit P = aX 2 + bX + c un polynme rel de degr 2. On considre son discrimiant

Il y a alors 3 cas de gure. Soit < 0 et alors le polynme P nadmet aucune racine relle. b , cest--dire que le 2a

:= b2 4ac .

Soit = 0 et alors le polynme P admet une racine double b 2a


2

polynme P scrit P = a X +

Soit > 0 et alors le polynme P admet deux racines relles distinctes, qui sont b + 2a et b . 2a

(Remarquez que si = 0, on retrouve la formule prcdente.) 1.4.4. Racines complexes. Le premier cas de gure prcdant < 0 montre quil existe des polynmes rels nayant aucune racine relle. Cest par exemple le cas de X 2 +1. Le thorme 6 nous donne un maximum pour le nombre des racines dun polynme qui nest pas toujours atteint lorsque lon considre les racines dans les nombres rels. Or, il se trouve que nous avons introduit, avec les nombres complexes, un plus grand ensemble de nombres que les nombres rels R C. Il y a donc l plus de chance de trouver des racines de polynmes rels. Dailleurs, si on crit la relation fondamentale i2 = 1, dnissant les nombres complexes, sous la forme i2 +1 = 0, on remarquera que lon a l une racine complexe i du polynme X 2 + 1. Lautre racine tant i : X 2 + 1 = (X i)(X + i).
Considrons nouveau les formules b donnant les racines des polynmes rels de degr 2. 2a Elles ne sappliquent pas si < 0 car il faut en prendre la racine carre. Or, grce aux nombres complexes, on sait maintenant rsoudre ce problme : on peut trouver des nombres complexes dont le carr est ngatif. Ici, cela donne = (1)() = 1 = i .

Proposition 8. Tout polynme rel P = aX 2 +bX +c de degr 2 et de discriminant strictement ngatif < 0 admet deux racines complexes conjugues, donnes par b + i b i et . 2a 2a Remarque. Lorsque P = aX 2 +bX +c est un polynme coecients complexes, i.e. a, b, c C, b ses racines sont toujours toujours donnes par la formule . Comme le discriminant est 2a un nombre complexe, le symbole signie que lon considre les deux nombres complexes dont le carr vaut . Ils se calculent en considrant la forme polaire de , cf. exercice 19. Le fait davoir trouv, dans ce cas prcis, deux racines complexes conjugues nest pas un hasard. Cest un phnomne vrai pour tout polynme rel. Proposition 9. Soit P R[X ] un polynme coecients rels. Si un nombre complexe z C est racine de P , alors son conjugu z est encore racine de P .

1.4. POLYNMES

31

Dmonstration. Encore une fois, la dmonstration permet de comprendre ce qui se passe. Donnons un nom aux coecients de P : P = an X n + + a1 X + a0 , avec ai R. Dire que z est racine signie P (z ) = an z n + + a1 z + a0 = 0. On considre le conjugu de toute cette expression : car le conjugu dune somme est la somme des conjugus et que le conjugu dun produit est le produit des conjugus. Ceci montre que le conjugu z est racine de P .

En pratique . Ce rsultat va vous faire conomiser la moiti de vos calculs. En effet, si vous parvenez trouver une racine complexe (et non relle) dun polynme rel, alors, automatiquement et sans calcul, vous en avez une autre : sa conjugu. Nous venons de voir que pour avoir toutes les racines dun polynme rel de degr 2, il fallait considrer lensemble plus gros des nombres complexes. Passons maintenant aux polynmes rels de degr 3, puis 4, etc. Avons-nous besoin de crer un ensemble de nombres encore plus grand que les complexes pour en trouver toutes les racines ? Et bien non ! Quelque part, nous avons de la chance. Les nombres complexes fournissent toutes les racines des polynmes rels et mme des polynmes complexes. Thorme 7 (DAlembert-Gauss ; thorme fondamental de lalgbre (11) ) Tout polynme rel ou complexe de degr n admet n racines comptes avec multiplicit. Cela signie que tout polynme rel ou complexe se factorise compltement sous la forme P = an X n + + a1 X + a0 = an (X x1 )(X x2 ) (X xn ) , o les x1 , x2 , . . . , xn C sont les racines complexes de P . Dans ce cas, on dit que P est compltement scind sur C. Exemple. Dans le cas du polynme P = X 3 X 2 + X 1 = (X 1)(X 2 + 1) de degr 3, on a 3 racines : 1, i et i. Il se factorise compltement sous la forme P = (X 1)(X i)(X + i).

P (z ) = an z n + + a1 z + a0 = an z n + + a1 z + a0 = P ( z) = 0 ,

Exercice 21 (quation polynmiale). Rsoudre dans C les quations polynmiales suivantes. On crira les solutions sous forme algbrique ou sous forme polaire. (1) (2) (3) (4) (5) 3z 2 + 3z + 2 = 0, z 2 4iz 2 = 0, z 3 = 1, i z 4 = 16 ,
5

z

= 32 + 32i .

 

Exercice 22 (Factorisation). Factoriser compltement les polynmes suivants dans R et dans C, cest--dire trouver toutes les racines relles et complexes. 1. X 3 5X 2 + 7X 3 , 2. X 3 11X 2 + 39X 45 , 3. X 3 3X 2 + 9X + 13 .

11. Le niveau de dicult de la dmonstration dpasse largement le niveau de ce cours.

32

CHAPITRE 1. RAPPELS

1.5. Corrections des exercices

Exercice 1 (Oprations ensemblistes I). On considre les ensembles suivants A : lensemble des entiers relatifs pairs {. . . , 4, 2, 0, 2, 4, . . .}, B : lensemble des entiers relatifs impairs {. . . , 5, 3, 1, 1, 3, 5, . . .}, C : lensemble des entiers naturels de 1 10, D : lensemble des nombres rels positifs. Dcrire les ensembles C A, C B , C B , A D, B D, A B et A B . (Ne pas hsiter utiliser une reprsentation graphique, comme laxe des rels, par exemple). Correction. Lensemble C A est lunion des ensembles C et A. Il contient les nombres qui appartiennent C et ceux qui appartiennent A. Lunion C A est donc forme des nombres entiers relatifs pairs et de tous les nombres entre 1 et 10 : C A = {. . . , 4, 2, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 14, . . .} . De la mme manire, lunion C B est forme des nombres entiers relatifs impairs et de tous les nombres entre 1 et 10 : C B = {. . . , 3, 1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 13, . . .} . La dirence C B contient les lments de C auxquels on retire ceux de B , cest--dire les nombres pairs entre 1 et 10 : C B = {2, 4, 6, 8, 10} . Lintersection A D contient les lments communs A et D, cest--dire les nombres positifs pairs : A D = {0, 2, 4, 6, . . .} . lunion B D est forme des nombres entiers relatifs impairs et de tous les nombres rels positifs : DESSIN Lunion A B est forme de tous les nombres entiers relatifs : A B = Z{. . . , 3, 2, 1, 0, 1, 2, 3, . . .} . Comme aucun nombre ne peut tre la fois pair et impair, lintersection A B est vide : AB = .

Exercice 2 (Oprations ensemblistes II). Soient A, B, C trois sous-ensembles dun lensemble E . Dmontrer les qualits prsentes cidessous : 1. (A B )c = Ac B c , Correction. Commenons par crire (sans rchir) les dnitions de ces deux ensembles : (A B )c = {x E | x / A B } et Ac B c = {x E | x / A ou x / B} . Branchons maintenant le cerveau et essayons de comprendre ce que veut dire x / A B . En franais, cela signie que x nappartient pas lintersection de A et de B , cest--dire quil nest pas vrai que x est dans A et dans B en mme temps. Dans ce cas, x nest pas dans A ou x nest pas dans B (il peut bien sur ntre ni dans A ni dans B ). Mathmatiquement, cela scrit x / A ou x / B . On a donc bien montr que (A B )c = Ac B c .

1.5. CORRECTIONS DES EXERCICES

33

2. (A B )c = Ac B c , Correction. On peut utiliser les deux mthodes suivantes. On peut procder comme prcdemment : on commence par crire les dnitions de ces deux ensembles (A B )c = {x E | x / A B } et Ac B c = {x E | x / A et x / B} . On traduit ensuite en franais x / A B , qui signie que x nappartient pas lunion de A et de B . Donc, llment x nest ni dans A, ni dans B , soit x / A et x / B en langage mathmatique. On a ainsi montr que (A B )c = Ac B c . On peut aussi utiliser la question prcdente de manire ruse : on lapplique aux ensembles Ac au lieu de A et B c au lieu de B . (En eet, la relation dmontre prcdement est vrai pour toute paire densemble ; on choisit ceux que lon veut !) Ceci donne (Ac B c )c = (Ac )c (B c )c . Enn, on utilise la relation (Ac )c = A, cest--dire que le complmentaire du complmentaire est lensemble lui mme. (Le negatif du ngatif dune photographie est la photographie elle-mme.) On obtient dj (Ac B c )c = A B . En considrant le complmentaire de part et dautre de cette galit, on obtient ((Ac B c )c )c = Ac B c = (A B )c .

(lgant non ?

3. A (B C ) = (A B ) (A C ). Correction. Commenons par crire les dnitions de ces deux ensembles : A(B C ) = {x E | x A et x B C } et (AB )(AC ) = {x E | x AB ou x AC } . Lassertion x A et x B C " signie que x est dans A et que x est dans B ou C . Donc llment x est en mme temps dans A et B ou x est en mme temps dans A et C , ce qui se traduit par x A B ou x A C ". On a bien montr que A (B C ) = (A B ) (A C ) .


Exercice 3 (Application ensembliste). Nous allons modliser par une application les chanes de tlvision que jai regardes pendant la semaine dernire. Chaque soir, jai regard un lm ou une mission propos par une de ces chanes. Appelons les chanes 1, 2, 3, 4, 5 et 6. Lundi, mercredi et jeudi, jai regard la premire chane. Mardi et vendredi, jai regard la deuxime chane. Samedi, jai suivi le programme de la cinquime chane et dimanche celui de la sixime. Posons f la fonction de lensemble {lundi, mardi, . . . , dimanche} {1, 2, . . . , 6} qui associe un jour la chane regarde. 1. Reprsenter cette application (avec des ensembles et des ches).

34

CHAPITRE 1. RAPPELS

Correction.

Lundi

/1 @D /2 D 3

Mardi

Mercredi

Jeudi

Vendredi

95 96

Samedi

Dimanche

2. Quelle est limage Imf de f ? quoi correspond cet ensemble en termes de chane de tlvision ? Correction. Limage de lapplication f est le sous-ensemble du but form des lments qui sont atteints par f . Cela donne ici Imf = {1, 2, 5, 6} . Dans le contexte de lexercice, lensemble Imf correspond lensemble des chanes regardes pendant la semaine. 3. Dcrire les ensembles dantcdents f 1 ({1}), f 1 ({2}) et f 1 ({4}) de 1, 2 et 4. quoi correspondent ces ensembles dans la ralit ? Correction. Par dnition, lensemble des antcdents f 1 ({1}) de 1 par lapplication f est lensemble des lments de la source qui sont envoys sur 1. La reprsentation de f montre que f 1 ({1}) = {Lundi, Mercredi, Jeudi} . Dans le contexte de lexercice, cet ensemble correspond aux jours de la semaine pendant lesquels jai regard la premire chane de tlvision. De la mme manire, on a f 1 ({2}) = {Mardi, Vendredi} et f 1 ({4}) = . Ces ensembles correspondent respectivement aux jours de la semaine pendant lesquels jai rgard les chanes 2 et 4. 4. Cette fonction est-elle surjective et quest-ce-que cela signie-t-il ici ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction surjective ?

1.5. CORRECTIONS DES EXERCICES

35

Correction. Une fonction est surjective lorsque tous les lments du but ont au moins un antcdent, cest--dire quils sont atteints au moins une fois. Ce nest pas le cas ici, car llment 4 nest jamais atteint, par exemple. La fonction f nest donc pas surjective. Dans le contexte de lexercice, la fonction f est surjective lorsque toutes les chanes de tlvision sont regardes au moins un soir de la semaine. Ce nest donc pas le cas ici, je nai jamais regard la quatrime chaine, par exemple. Il est possible de changer la programmation pour regarder toutes les chanes au moins une fois, cest--dire pour que la fonction f soit surjective. On peut, par exemple, regarder la chane 1 le lundi, la chane 2 le mardi, la chane 3 le mercredi, la chane 4 le jeudi, la chane 5 le vendredi, la chane 6 le samedi, et nouveau la chane 6 le dimanche. 5. Cette fonction est-elle injective et quest-ce-que cela signie-t-il ici ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction injective ? Correction. Une fonction est injective lorsque tous les lments du but ont au plus un antcdent, cest--dire quils sont, soit jamais atteints, soit atteints une et une seule fois. Ce nest pas le cas ici, car llment 1 est atteint 3 fois, par exemple. La fonction f nest donc pas injective. Dans le contexte de lexercice, la fonction f est injective lorsque toutes les chanes de tlvision sont regardes au maximum un soir de la semaine. Ce nest donc pas le cas ici, je ai jamais regard trois fois la premire chaine, par exemple. Si on essaie de changer la programmation pour obtenir une fonction injective, on se rend compte que lon a un problme. En eet, si du lundi au samedi nous choisissons une chane dirente chaque fois, il ne reste plus de chane nouvelle regarder le dimanche ... Mathmatiquement, on pourrait raisonner ainsi. Si on a une fonction injective entre deux ensembles nis, alors le cardinal de la source est infrieur au cardinal du but. (Faites un dessin pour vous en convaincre et "comptez" les lments de chaque ensemble.) Ce rsultat montre quil ne peut pas y avoir dapplication injective entre les jours de la semaine et les chanes de tlvision car le cardinal de la source (7) est strictement suprieur au cardinal du but (6). 6. Cette fonction est-elle bijective ? Est-il possible, en faisant un autre choix de chanes chaque jour, davoir une fonction bijective ? Correction. Une fonction est bijective si elle est surjective et injective. Les questions prcdentes montrent que ce nest pas le cas ici. La fonction f nest donc pas bijective. Comme nous avons montr quil est impossible davoir une programmation qui corresponde une application injective, il est impossible de trouver une programme qui corresponde une application bijective.


Exercice 4 (Fonction bijective). On considre la fonction f : R R dnie par x f (x) := 5x + 17. 1. Repsenter graphiquement cette fonction. Correction. DESSIN 2. Fixons un y R. On considre lquation f (x) = 5x + 17 = y o x est linconnue. Posons f 1 ({y }) = {x R | 5x + 17 = y } lensemble des solutions de cette quation. Dterminer f 1 ({2}) puis f 1 ({y }).

36

CHAPITRE 1. RAPPELS

Correction. Rsolvons lquation 5x + 17 = 2 dont x est linconnue : 15 = 3 . 5x + 17 = 2 5x = 2 17 = 15 x = 5 Cette quation admet donc une unique solution f 1 ({2}) = {3} . (Ne pas oublier de vrier ce rsultat ; on fait le calcul 5 (3) + 17 = 15 + 17 = 2. Ouf !) Si on part dun nombre quelconque y , pour rsoudre lquation 5x + 17 = y , on procde exactement de mme : y 17 5x + 17 = y 5x = y 17 = 15 x = . 5 (Il ne faut donc pas avoir peur et bien faire la dirence entre le x" inconnue que lon cherche et le y connu que lon sest donn.) Cette quation admet donc une unique solution f 1 ({y }) = y 17 5 .

3. Montrer que f est bijective en utilisant deux mthodes direntes (celle que vous avez apprise les annes passes et en appliquant directement la dnition du cours). Correction. Par dnition, une application f est bijective si tout lment du but admet un unique antcdent. Ici, pour tout nombre y du but, lensemble de ses antcdents f 1 ({y }) est lensemble des solutions de lquation en 5x + 17 = y . Or, nous avons vu la question prcdente que cette quation admet toujours une unique solution. Lapplication f est donc bijective. Comme nous avons aaire une fonction numrique, nous pouvons utiliser le calcul direntiel vu les annes prcdentes : la fonction f est continue, de drive f (x) = 5 strictement positive. Il sagit donc dune application strictement croissante. Comme sa limite en est et que sa limite en + est +, elle dcrit une bijection de R vers R. 4. Dterminer la fonction rciproque f 1 . Vrier par le calcul que f 1 f = idR et que f f 1 = idR . Correction. Comme la fonction f est bijective, elle admet une rciproque, qui est dnie par lunique antcdent par f de chacun des lments y R : f 1 : R y R y 17 . 5

Vrions cette dnition en calculant les images des deux composes. Pour tout x R, on a (5x + 17) 17 5x (f 1 f )(x) = f 1 (f (x)) = f 1 (5x + 17) = = = x . 5 5 Et pour tout y R, on a y 17 y 17 (f f 1 )(y ) = f (f 1 (y )) = f =5 + 17 = (y 17) + 17 = y . 5 5

Exercice 5 (Valeur absolue). On rappelle que la fonction valeur absolue | | est dnie de la manire suivante : pour x pour x 0, on pose |x| := x, 0, on pose |x| := x. RR x |x|.

1. Reprsenter graphiquement la fonction valeur absolue

1.5. CORRECTIONS DES EXERCICES

37

Correction. DESSIN 2. Pour tout y R, dterminer le nombre dantcdents de y par la fonction valeur absolue. Distinguer 3 cas, les reprsenter sur le graphe de la question prcdente. Cette fonction est-elle injective ? Est-elle surjective ? Est-elle bijective ? Correction. Si on se xe un nombre rel y et que lon cherche les solutions en x de lquation |x| = y , cest--dire les nombres x dont la valeur absolue vaut y , il y a 3 cas possibles car la valeur absolue est un fonction positive. Si y > 0 est strictement positif (par exemple y = 2), il y a deux nombres rels x = y et x = y dont la valeur absolue vaut 2 (dans lexemple x = 2 ou x = 2). Si y = 0 est nul, il ny a quun seul nombre rel x = 0 dont la valeur absolue vaut 0. Si y < 0 est strictement ngatif (par exemple y = 2), il ny a pas de nombre rel x dont la valeur absolue vaut y . Graphiquement, on reprsente le nombre y sur laxe des ordonnes. (Cest laxe sur lequel on peut lire les valeurs prises par la fonction f .) On trace ensuite la droite horizontale passant par y . Les points dintersection de cette droite avec le graphe de la fonction f correspondent aux direntes fois o la fonction f prend la valeur y . Si y > 0 est strictement positif, la droite horizontale dordonne y intersecte le graphe de la fonction valeur absolue en deux points distincts. Si y = 0 est nul, la droite horizontale dordonne y intersecte le graphe de la fonction valeur absolue en un seul point. Si y < 0 est strictement ngatif, la droite horizontale dordonne y nintersecte pas le graphe de la fonction valeur absolue. Une fonction est injective lorsque tous les lments du but ont au plus un antcdent, cest--dire quils sont, soit jamais atteints, soit atteints une et une seule fois. Ce nest pas le cas ici, car la valeur 2 est atteinte 2 fois, par exemple. La fonction valeur absolue nest donc pas injective. Une fonction est surjective lorsque tous les lments du but ont au moins un antcdent, cest-dire quils sont atteints au moins une fois. Ce nest pas le cas ici, car la valeur 2 nest jamais atteinte, par exemple. La fonction valeur absolue nest donc pas surjective. Une fonction est bijective si elle est surjective et injective. Les rponses prcdentes montrent que ce nest pas le cas ici. La fonction valeur absolue nest donc pas bijective. 3. On restreint lensemble darrive R+ et on considre la fonction f dnie par f : R R+ x |x|. Pour tout y R+ , dterminer le nombre dantcdents de y par la fonction f . (Distinguer plusieurs cas.) La fonction f est-elle injective ? Est-elle surjective ? Est-elle bijective ?

Correction. Faisons la mme ltude que prcdemment mais pour la fonction f . Si y > 0 est strictement positif, la droite horizontale dordonne y intersecte le graphe de la fonction f en deux points distincts. Si y = 0 est nul, la droite horizontale dordonne y intersecte le graphe de la fonction f en un seul point. Notez que le cas y < 0 strictement ngatif nexiste plus ici car le but est form des nombres positifs ! 3 2 2 cos 2 = cos sin = cos = 12 12 12 6 2 Dans ce cas, tous les lments du but ont 2 ou 1 antcdents. La fonction f est donc surjective, mais pas injective ni bijective. (Remarquez quen restreignant lensemble darrive, on a supprim le cas qui empchait la fonction dtre surjective.)

38

CHAPITRE 1. RAPPELS

4. On restreint lensemble de dpart R+ et on considre la fonction g dnie par

g : R+ R+ x |x|. Pour tout y R+ , combien y-a-t-il dantcdents de y par la fonction g . La fonction g estelle injective ? Est-elle surjective ? Est-elle bijective ? quelle fonction usuelle est gale la fonction g ?

Correction. Faisons la mme ltude que prcdemment mais pour la fonction g . Si y > 0 est strictement positif, la droite horizontale dordonne y intersecte le graphe de la fonction g en un seul point. Si y = 0 est nul, la droite horizontale dordonne y intersecte le graphe de la fonction g en un seul point. Notez quen restreignant lensemble de dpart, on a supprim des antcdents : en eet, tout nombre y > 0 strictement positif nadmet maintenant quun seul antcdent. Dans ce cas, tous les lments du but ont un unique antcdent. La fonction g est donc surjective et injective, cest--dire bijective. Ceci nest pas trs tonnant car la fonction g nest autre que la fonction identit de lensemble R+ .

Exercice

 6 (Relations cosinus-sinus).
2

1. Montrer que cos = sin

et que sin = cos

Correction. Comme souvent, pour se souvenir ou dmontrer les proprits des fonctions trigonomtriques, il sut de tracer le cercle trigonomtrique : DESSIN Le point du cercle correspondant langle a pour coordonnes (cos , sin ). Son symtrique par rapport la premire bissectrice est le point du cercle correspondant langle 2 et ses coordonnes sont (sin , cos ). On a donc montr que (sin , cos ) = cos 2. Montrer que cos = sin
2

, sin 2 2
2

+ et que sin = cos

+ .

Correction. On raisonne de la mme manire. DESSIN Le point du cercle correspondant langle a pour coordonnes (cos , sin ). Son image par la rotation dangle 2 est le point du cercle correspondant langle 2 + et ses coordonnes sont (sin , cos ). On a donc montr que (sin , cos ) = cos + , sin + 2 2 .

3. Montrer que cos = cos( ) et que sin = sin( ). Correction. On raisonne toujours de la mme manire. DESSIN Le point du cercle correspondant langle a pour coordonnes (cos , sin ). Son image par la symtrie daxe des ordonnes est le point du cercle correspondant langle et ses coordonnes sont ( cos , sin ). On a donc montr que (cos , sin ) = ( cos ( ) , sin ( )) . 4. Montrer que cos = cos( + ) et que sin = sin( + ).

1.5. CORRECTIONS DES EXERCICES

39

Correction. On raisonne encore et toujours de la mme manire. DESSIN Le point du cercle correspondant langle a pour coordonnes (cos , sin ). Son image par la symtrie de centre O est le point du cercle correspondant langle + et ses coordonnes sont ( cos , sin ). On a donc montr que (cos , sin ) = ( cos ( + ) , sin ( + )) .


Exercice 6 bis (Relations cosinus-sinus). Faire lexercice 6 en utilisant les formules de de Moivre. 1. Montrer que cos = sin
2

et que sin = cos

.
2

Correction. On applique la quatrime formule de de Moivre = sin = sin cos cos sin = cos . 2 2 2

et = :

Pour la seconde galit, on applique la deuxime formule de de Moivre = cos 2. Montrer que cos = sin = cos cos + sin sin = sin . 2 2 2
2

et = :

+ et que sin = cos

+ .
2

Correction. On applique la troisime formule de de Moivre = sin + = sin cos + cos sin = cos . 2 2 2

et = :

Pour la seconde galit, on applique la premire formule de de Moivre = cos + = cos cos sin sin = sin . 2 2 2

et = :

3. Montrer que cos = cos( ) et que sin = sin( ). Correction. On applique la deuxime formule de de Moivre = et = : cos ( ) = cos cos + sin sin = cos . Pour la seconde galit, on applique la quatrime formule de de Moivre = < et = : sin ( ) = sin cos cos sin = sin . 4. Montrer que cos = cos( + ) et que sin = sin( + ). Correction. On applique la premire formule de de Moivre = et = : cos ( + ) = cos cos sin sin = cos . Pour la seconde galit, on applique la troisime formule de de Moivre = et = : sin ( + ) = sin cos + cos sin = sin .


Exercice 7 (Valeurs des fonctions trigonomtriques II). Calculer les valeurs des fonctions trigonomtriques cos, sin et tan pour les angles suivants : 2 5 = ; ; . 3 6 12

40

CHAPITRE 1. RAPPELS

Correction. On utilise les relations dmontres lexercice prcdent. On a cos 2 = cos 3 3 = cos 1 = , 3 2 3 , 2

2 sin = sin 3 3

= sin = 3
3 2 1 2

sin 23 2 tan = 2 = 3 cos 3

= 3 .

On a 5 cos = cos 6 6 sin

3 = cos = , 6 2 = sin 1 , = 6 2

5 = sin 6 6

1 sin 56 5 3 2 = tan . = 3 = 3 6 cos 56


2

En appliquant les formules de de Moivre (Thorme 1), on a cos = cos 12 4 6 = sin sin 12 4 6 2 3 21 2 = cos cos + sin sin = + == ( 3 + 1) , 4 6 4 6 2 2 2 2 4 2 3 1 2 2 == ( 3 1) , = sin cos sin cos = 4 6 6 4 2 2 2 2 4 sin 12 31 tan . = = 12 cos 12 3+1 On peut aussi appliquer les formules de de Moivre en utilisant 3 2 2 cos 2 = cos sin = cos = 12 12 12 6 2 et 1 = 2 cos sin = sin = . 12 12 12 6 2 Dans tous les cas, faites un dessin du cercle trigonomtrique pour vrier (empiriquement) ces rsultats. sin 2


Exercice 8 (Oprations lmentaires). Soient les nombres complexes z1 := 2 3i, Calculer les nombres complexes suivants z1 + z2 , z1 z3 , z1 .z2 , z1 .z3 , z1 , z3 z 1 .z 1 ,
3 z1

z2 := 3 + 4i et z3 := 1 + i.

et z1 .z 3 .

1.5. CORRECTIONS DES EXERCICES

41

Correction. Les rgles de calcul usuelles, appliques au nombres complexes donnent respectivement. z1 + z2 z1 z3 z1 .z2 z1 z3 z1 z3 = = = = = = (2 3i) + (3 + 4i) = (2 + 3) + (3 + 4)i = 7 + i , (2 3i) (1 + i) = (2 1) + (3 1)i = 1 4i , (2 3i)(3 + 4i) = 2 3 + (3i) 4i 3i 3 + 2 4i 6 + 12 9i + 8i = 18 i (2 3i)(1 + i) = 2 + 3 3i + 2i = 5 i , 2 3i (2 3i)(1 i) 1 5i 1 5 = = = i . 1+i (1 + i)(1 i) 2 2 2

On en prote pour rappeler la mthode pour diviser des nombres complexes : on multiple le numrateur et le dnominateur par le conjugu du dnominateur. z1 z 1
3 z1

= = =

(2 3i)(2 + 3i) = 22 + 32 = 15 , (2 3i)3 = 23 3 22 3i + 3 2 (3i)2 (3i)3 = 8 36i 54 + 27i = 46 9i , (2 3i)(1 i) = 2 3 3i 2i = 1 5i .

z1 z 3


Exercice 9 (Calcul algbrique). Calculer, sous la forme x + iy , les nombre complexes suivants (1 + 2i)2 , (1 + i)3 , 1 , 1 + 3i 1+i , 2+i i33 , (2 + i)2 , (2 i)2 (1 + i)3 et i11 .

Correction. On a (1 + 2i)2 (1 + i)3 1 1 + 3i 1+i 2+i i33 = = = = 1 + 4 i 4 = 3 + 4 i , 1 + 3 i 3 i = 2 + 2 i , 1 3i 1 3 = i , 10 10 10 3 1 (1 + i)(2 i) 3+i = = + i , 5 5 5 5

= i32+1 = i32 i = i48 i = (i4 )8 i = 18 i = i .

On a ici utilis le fait important que i4 = 1 qui dcoule de i2 = 1. (2 + i)2 (2 i)2 = = = (1 + i)3 i11 = 2+i (2 + i)2 1 = = (2 + i)4 2i 5 25 1 4 1 2 + 4 23 i + 6 22 i2 + 4 2i3 + i4 = (16 24 + 1 + 32i 8i) 25 25 1 (7 + 24i) , 25 1 1+i
3 2 2

1i 2

1 1 1 (1 3i + 3i2 i3 ) = (2 2i) = (1 i) , 8 8 4

= i12 i = (i4 )3 i = i .

42

CHAPITRE 1. RAPPELS

Exercice 10 (Conjugaison). Simplier lexpression 1 + cos x i sin x . 1 + cos x + i sin x Correction. Comme dhabitude, on multiplie le numrateur et le dnominateur par le conjugu du dnominateur, ce qui donne 1 + cos x i sin x 1 + cos x + i sin x = = = (1 + cos x)2 2(1 + cos x)i sin x sin2 x (1 + cos x i sin x)2 = 2 2 (1 + cos x) + sin x 1 + 2 cos x + cos2 x + sin2 x 1 + 2 cos x + cos2 x sin2 x 2(1 + cos x)i sin x 2 + 2 cos x 2 cos x(1 + cos x) 2(1 + cos x)i sin x = cos x i sin x . 2(1 + cos x)

Exercice 11 (Plan complexe). Interprter graphiquement dans le plan complexe les relations de la proposition 3 = z, 1. z 2. z + z = 2Rez , 3. z z = 2iImz , 4. z R z = z , 5. z iR z = z . Correction.

Exercice 12 (Formule de de Moivre). En utilisant la formule de de Moivre et celle du binme de Newton, exprimer cos(4) et sin(4) en fonction de cos et sin . Correction. La formule de de Moivre du thorme 3 donne (cos + i sin ) = cos(4) + i sin(4) . On calcule ensuite le membre de gauche grce la formule du binme de Newton : (cos + i sin )
4 4

= =

cos4 + 4i cos3 sin 6 cos2 sin2 4i cos sin3 + sin4 cos4 6 cos2 sin2 + sin4 + 4i cos sin (cos2 sin2 ) .

Or, la relation cos2 + sin2 = 1 leve au carr donne (cos2 + sin2 )2 = cos4 + 2 cos2 sin2 + sin4 = 1 On obtient nalement (cos + i sin ) = 1 8 cos2 sin2 + 4i cos sin (cos2 sin2 ) = cos(4) + i sin(4) , ce qui donne par identication des parties relle et imaginaire : cos(4) = 1 8 cos2 sin2 et sin(4) = 4 cos sin (cos2 sin2 ) .
4


Exercice 13 (Exponentielle complexe). Mettre sous forme algbrique les nombres complexes suivants 4e
2i 3

6e3i ,

3i 4

6i 4

et 3e

5i 3

1.5. CORRECTIONS DES EXERCICES

43

Correction. Il sut dappliquer la dnition de lexponentielle dun nombre imaginaire pur ei = cos + i sin et le tableau des valeurs des fonctions trigonomtriques donn en 1.2.2. Ceci donne 2i 2 2 3 1 = 2 + 2 i 3 , = 4 cos + i sin =4 +i 4e 3 3 3 2 2 6e3i e
3i 4

= = = =

6ei = 6(cos + i sin ) = 6 , 3 cos 4 cos 3 2 3 + i sin 4 + i sin 3 2 2 2 = i , 2 2 = i , 1 3 +i 2 2 3 3 3 . = +i 2 2

e 3e

6i 4

5i 3

3 cos + i sin 3 3

=3

Exercice 14 (Forme polaire). Mettre sous forme polaire ei , cest--dire dterminer le module et largument, chacun des nombres complexes suivants 3 + 3i 3 + 3i, , 1 + i, 9 et 2 i 2 . 1 i, 1i Correction. La mthode est toujours la mme : on calcule dabord le module, puis on le met en facteur, et enn on identie largument grce aux valeurs des fonctions trigonomtriques. Ce qui donne : i 2 2 |1 i| = 2 et 1 i = 2 i = 2e 4 , 2 2 | 3 + 3i| = 3+9= 12 =
=sin( 4) 4 3 = 2 3 et =cos( 4)

1 3 + 3i = 2 3 2
=cos
3

+i

3 = 2 3e i 3 . 2
3

=sin

Avec ces deux formes polaires, on facilement calculer le quotient de ces deux nombres complexes : i 7i 3 + 3i 2 3e 3 = i = 6ei( 3 + 4 ) = 6e 12 . 1i 2e 4 2 2 = 2e i 4 |1 + i| = 2 et 1 + i = 2 + i , 2 2
=cos
4

=sin

9 = 9( 1 +i
=cos

0 ) = 9ei ,
=sin

| 2 i 2| = 2 et 2 2 i 2 = 2 2
=cos( 34 )

i 2 2 3i = 2e 4 ,

=sin( 34 )

44

CHAPITRE 1. RAPPELS


Exercice 15 (Puissance de nombre complexe). Calculer la partie relle et la partie imaginaire des nombres complexes suivants (1 i)5 , ( 3 + 3i)7 , (1 + i)14 , ( 2 i 2)13 . On pourra utiliser lexercice prcdent. Correction. On pourrait bien sur utiliser la formule du binme de Newton, mais cela serait trs bourrin. Prfrons lutilisation rapide et puissante de la forme polaire : 5i 3i i 5 2 2 5 4 4 4 = 4 2e = 4 2e =4 2 = 4 + 4 i , +i 2e (1 i) = 2 2 i i i 7 7i 2 3e 3 = 27 ( 3)7 e 3 = 128 27 3e 3 = 3456 3e 3 ( 3 + 3i)7 = 3 1 = 3456 3 +i = 1728 3 + 5184i , 2 2 (1 + i)14 ( 2 i 2)13 = = 2e
i 4

14

= 27 e

14i 4

1 1 i e 2 = i 128 128
i 4

Ecace, non ? Si vous ntes pas convaincu, essayez de traiter le dernier exemple avec la formule du binme de Newton pour voir ...

2 e

3i 4

13

= 213 e

133i 4

= 8192e

= 8192

2 2 +i 2 2

4096 2 + 4096 2i .

Exercice 16 (Formule trigonomtrique). On pose 6i 2 z1 := et z2 := 1 i . 2 1. crire les nombres z1 et z2 sous forme polaire. z1 2. crire le quotient Z := sous forme polaire. z2 et de sin . 3. En conclure les valeurs de cos 12 12 Correction. 1 1. Le module de z1 vaut |z1 | = 2 6 + 2 = 2. Puis z1 est gal i 3 1 z1 = 2 i = 2e 6 . 2 2
=cos( 6) =sin( 6)

i On a dj calculer la forme polaire de z2 = 1 i = 2e 4 lexercice 14. z1 2. Le quotient Z := se calcule facilement sous la forme polaire : z2 i i i 2e 6 Z = i = ei( 6 + 4 ) = ei 12 . 2e 4

1.5. CORRECTIONS DES EXERCICES

45

3. Passons maintenant la forme algbrique. Du dernier rsultat, on tire que + i sin . Z = ei 12 = cos 12 12 z1 Eectuons le calcul du quotient Z := directement avec les formes algbriques : z2 ( 6 i 2)(1 + i) 1 6i 2 Z= = = 6 + 2 + i( 6 2) . 2(1 i) 4 4 Par identication des parties relle et imaginaire, on trouve nalement 2 2 cos = ( 3 + 1) et sin = ( 3 1) . 12 4 12 4

Exercice

 17 (Racine de lunit).

1. Pour n entier compris entre 2 et 6, dterminer tous les nombres complexes z qui vrient lquation zn = 1 . On exprimera chacun deux sous forme polaire et sous forme algbrique. 2. Reprsenter graphiquement limage dans le plan complexe de chacune de ces solutions. Correction. 1. On cherche les solutions sous forme polaire z = ei . Lquation z n = 1 scrit alors z n = n eni = 1 n = 1 et n = k 2, k Z . Comme est un nombre rel positif, il est ncessairement gal 1, = 1. La seconde condition 2 quivaut dire que est un multiple de 2 n , i.e. = k n . Il y a donc n solutions direntes : 2 2 2 2 , 2 , 3 , . . . , (n 1) . n n n n En eet, pour toute autre de valeur de k , comme lexponentielle est 2 -priodique, on retombe sur une de ces valeurs. Au nal, les solutions sont = 0, 1, ei n , e2i n , e3i n , . . . , e(n1)i n Pour n = 2 : 1, ei = 1 . Pour n = 3 : 1, e Pour n = 4 : 1, ei 2 = i, ei = 1, ei Pour n = 5 :
1, ei 5 = cos 25 + i sin 25 , ei 5 = cos 45 + i sin 45 , 6 8 6 6 8 8 i 5 i 5 e = cos 5 + i sin 5 , e = cos 5 + i sin 5 .
2 4 3 2 i 23 2 2 2 2

1 3 i 4 1 3 3 = +i , e = i . 2 2 2 2 = i .

Pour n = 6 :
3 1 i 3 1, ei 3 = 1 = 2 + 23 i, 2 + 2 i, e 4 5 1 ei = 1, ei 3 = 2 23 i, ei 3 = 1 2

3 2 i

2. DESSIN

46

CHAPITRE 1. RAPPELS


Exercice 18 (Linarisation). Linariser les expressions trigonomtriques suivantes, cest--dire les exprimer en fonction de cos(n) et sin(n), sin3 , sin cos3 et cos5 . Correction. La linarisation des puissances de fonctions trigonomtriques est une application double des formules dEuler donnes au thorme 4. On a ainsi sin3 = ei ei 2i
3

1 3i e 3ei + 3ei e3i 8i

ei ei 1 e3i e3i = 1 (sin(3) 3 sin ) 3 = 4 2i 2i 4


=sin(3 ) =sin

1 (3 sin sin(3)) , 4 ei + ei 2
3

sin cos3

ei ei 2i

1 i (e ei )(ei + ei )(ei + ei )2 16i

1 2i 1 e4i e4i e2i e2i (e e2i )(e2i + 2 + e2i ) = +2 16i 8 2i 2i


=sin(4 ) =sin(2 )

1 sin(4) + 2 sin(2) 8 ei + ei 2
5

cos

1 5i e + 5e3i + 10ei + 10ei + 5e3i + e5i 32

5i 5i 1 e3i + e3i ei + ei e + e +5 +10 16 2 2 2 =cos(5 ) =cos(3 ) =cos

1 cos(5) + 5 cos(3) + 10 cos 16

Exercice 19 (Racine carre). Calculer, sous forme polaire ou sous forme algbrique, les racines carrs des nombres complexes suivants z1 := i, z2 := 9, z3 := 9, z4 := 34i, z5 := 1+i 3, z6 := 3+2i et z7 := 512i . Correction. On utilise la mme mthode qu lexercice 17 savoir que lon considre le nombre complexe sous sa forme polaire : z = ei . On cherche les solutions y 2 = z encore sous forme polaire y = reio . Ce qui quivaut r2 = et 2o = + k 2, k Z . Les solutions sont donc r= Ce qui donne et o= , o= + . 2 2

1.5. CORRECTIONS DES EXERCICES

47

pour z1 = i = ei 2 : ei 4 pour z2 = 9 : 3 pour z3 = 9 = 9e


i

et et et

ei

5 4

3 , 3i ,

: 3i

2 pour z5 = 1 + i 3 = 2ei 3 : 2ei 3

et

2ei

4 3

Dans les trois autres cas, on narrive pas reconnatre des valeurs connues des fonctions trigonom3 4 triques. Par exemple, |z4 | = 5 et z4 = 5 5 5 i , mais nous navons encore jamais rencontr langle 4 3 qui vrie cos = 5 et sin = 5 ... Nous navons pas dautre choix que de travailler avec les formes algbriques. On cherche donc les solutions sous la forme w = x + iy . Son carr vaut w2 = (x2 y 2 ) + 2ixy . En identiant, par exemple, avec z4 = 3 4i, on trouve le systme dquations x 2 y 2 = 3 , 2xy = 4 . On voit facilement de tte que x = 1 et y = 2 sont solutions. Lautre solution est donc x = 1 et y = 2. Au nal, les deux seuls nombres complexes dont le carr vaut z4 = 3 4i sont 1 2i et 1 + 2 i .

(On noublie pas de vrier ce rsultat en calculant, par exemple, le carr de 1 2i.) Dans le cas de z7 = 5 12i, on trouve x2 y 2 = 5 , 2xy = 12 . On voit rapidement de tte que les deux solutions sont 2 3i Dans le cas de z6 = 3 + 2i, on trouve x2 y 2 = 3 , 2xy = 2 . Comme on ne trouve pas rapidement de solutions, on travaille un cran plus loin. Le produit xy tant 1 dirent de 0, cela implique que x et y sont dirents de 0. On peut alors considrer y = x . Donc la 1 2 2 premire quation devient x x = 3, cest--dire x4 3x2 1 = 0 . En posant, X := x2 , cela donne lquation du second degr X 2 3X 1 = 0. En calculant sont discriminant = 13, on trouve une seule solution positive 3 + 13 2 X=x = . 2 Finalement, les deux seuls nombres complexes dont le carr vaut z6 = 3 + 2i sont 3+ 2 13 +i 2 et 3+ 2 13 i 2 . et 2 + 3 i .

3+

13

3+

13

48

CHAPITRE 1. RAPPELS

Exercice 20 (Division euclidienne). Calculer la division euclidienne du polynme 4X 5 + X 3 2 par le polynme X 2 + X + 1. Correction. On procde comme expliqu en 1.4. 4X5 4 X 5 0 4X 4 4X 4 4X 4 0 +X 3 4X 3 3X 3 +4X 3 X3 X 3 0 2 2 +4X 2 +4X 2 X 2 3X 2 3X 2 0 2 X X 3X 4X 2 3 5 X2 + X + 1 4X3 4X2 + X + 3

On obtient donc au nal 4X 5 + X 3 2 = X 2 + X + 1 4X 3 4X 2 + X + 3 4X 5 . On vrie le rsultat en dveloppant le membre de droite.

Exercice 21 (quation polynmiale). Rsoudre dans C les quations polynmiales suivantes. On crira les solutions sous forme algbrique ou sous forme polaire. (1) (2) (3) (4) (5) 3z 2 + 3z + 2 = 0, z 2 4iz 2 = 0, z 3 = 1, z4 =
5 i 16 ,

z

= 32 + 32i .

Correction. (1) On calcule le discriminant = 15. Les deux racines complexes conjugus du polynme 3z 2 + 3z + 2 = 0 sont donc 3 + i 15 3 i 15 et . 2 2 Pour traiter ce polynme, on va commencer par regarder les solutions imaginaires pures : z = iy, y R. Ceci donne le polynme y 2 + 4y 2 = 0. On sest donc ramen un polynme rel. Joli coup, . Le discriminant de y 2 4y + 2 = 0 est = 8. Ses racines sont donc non ? y = 2 2. Au nal, les deux racines complexes du polynme z 2 4iz 2 = 0 sont (2 + 2)i et (2 2)i . (3) On cherche les solutions sous forme polaire z = ei . Cela donne z 3 = 3 e3i = 1 = ei . Do, = 1 et =
3

(2)

+k

2 3 .

Les trois solutions sont donc ei 3 , ei , ei


5 3

1.5. CORRECTIONS DES EXERCICES

49

(4)

On cherche les solutions sous forme polaire z = ei . Cela donne 1 i = 4 ei 2 . 16 2 +k 2 . Les quatre solutions sont donc z 4 = 4 e4i = 1 i 1 i 5 1 i 9 1 i 13 e 8, e 8 , e 8 , e 8 2 2 2 2 .
5

Do, =

1 2

et =

(5)

 Pour simplier lquation, cherchons les solutions sous la forme z = 2w, cela donne z
5 5 i 4

= 25 w5 = 32(1 + i) = 2 (1 + i), cest--dire w = (1 + i). Comme 1 + i = 2e , en posant w = ei , 1 on a = 2 10 et = 20 + k 25 . Les cinq racines de z 5 = 32 + 32i sont donc 2 10 ei 20 , 2 10 ei 20 , 2 10 ei
11 11 9 11 17 20

, 2 10 ei

11

25 20

, 2 10 ei

11

33 20


Exercice 22 (Factorisation). Factoriser compltement les polynmes suivants dans R et dans C, cest--dire trouver toutes les racines relles et complexes. 1. X 3 5X 2 + 7X 3, 2. X 3 11X 2 + 39X 45, 3. X 3 3X 2 + 9X + 13 . Correction. 1. Face un polynme de degr 3, il ny a pas le choix : on cherche une racine la main. Comme la somme des coecients est nulle, alors 1 est racine. En eectuant la division euclidienne de X 3 5X 2 + 7X 3 par X 1, on trouve X 3 5X 2 + 7X 3 = (X 1)(X 2 4X + 3) . (On peut aussi trouver le polynme X 2 4X + 3 la main, voir le cas suivant.) On cherche ensuite les racines de X 2 4X + 3. Par le mme argument, on voit rapidement que 1 est racine. En considrant le coecient dominant et la constante de X 2 4X + 3, on voit quil se factorise de la forme (X 1)(X 3). (On a que X 2 4X + 3 = (X 1)(aX + b) = aX 2 + (b a)X b. Do en identiant a = 1 et b = 3.) Au nal, le polynme se factorise sous la forme X 3 5X 2 + 7X 3 = (X 1)2 (X 3) . 2. On commence par chercher une racine vidente. En faisant les calculs pour des petites valeurs 0, 1, -1, 2, -2, etc., on voit que 3 est racine. Le polynme se factorise donc sous la forme X 3 11X 2 + 39X 45 = (X 3)(aX 2 + bX + c). Si on dveloppe le membre de droite, on obtient, en identiant les coecients : a = 1, 3a + b = 3 + b = 11 et 3c = 45. Ce qui donne a = 1, b = 8 et c = 15 et X 3 11X 2 + 39X 45 = (X 3)(X 2 8X + 15) . De la mme manire, on voit rapidement (12) que 3 est racine de X 2 8X + 15. Do X 2 8X + 15 = (X 3)(X 5). Au nal, le polynme se factorise sous la forme X 3 11X 2 + 39X 45 = (X 3)3 (X 5) .
12. Avant de se prcipiter comme des brutes sur le calcul du discriminant, il est bon de tester de tte si les petits nombres entiers sont racines.

50

CHAPITRE 1. RAPPELS

3. Par un calcul mental, on voit que 1 est racine. Le polynme se factorise donc X 3 3X 2 + 9X + 13 = (X + 1)(X 2 4X + 13) . Comme on ne trouve pas rapidement de racines X 2 4X + 13, on en calcule le discimimant : = b2 4ac = 36 . Le discriminant tant strictement ngatif, le polynme nadmet pas de racine relle. On ne peut donc pas factoriser plus le polynme X 3 3X 2 + 9X + 13 avec des polynmes rels. On passe maintenant aux racines et coecients complexes. La proposition 8 montre que le polynme X 2 4X + 13 admet deux racines complexes conjugues qui sont donnes par b + i 4 + i 36 b i = = 2 + 3i et = 2 3i . 2a 2 2a Au nal, le polynme se factorise sous la forme X 3 3X 2 + 9X + 13 = (X + 1)(X 2 3i)(X 2 + 3i) .

CHAPITRE 2 ESPACES VECTORIELS

Pour de plus amples dtails sur ce chapitre, on revoie le lecteur [Lip03, Chapitre 5]. 2.1. Dnition Comment les mathmaticiens en sont-ils venus faire ce que lon appelle de lalgbre ? Cest trs simple : ils sont fainants ou russ, selon les opinions. Lorsquun mathmaticien rencontre plusieurs objets mathmatiques qui se comportent de la mme manire : il sarrte 2 minutes de travailler pour prendre du recul. Au lieu de se coltiner les dmonstrations des proprits de tous ces objets un par un. Il crit une thorie gnrale qui les englobe tous. Du coup, une seule dmonstration sapplique tous les exemples la fois. Forcment, il faut faire des raisonnements un peu plus abstraits, cest le prix payer. Mais le gain est assur.

Jouons maintenant au mathmaticien et considrons les exemples suivants. DESSIN u + v, (2).u Que peut-on faire avec les vecteurs du plan ? (1) La rponse est simple.

Paradigme 1. Lexemple fondamental de dpart est lensemble P des vecteurs du plan.

On peut sommer les paires de vecteurs : u + v , pour obtenir un nouveau vecteur. On peut multiplier un vecteur par un nombre : (2).u , pour obtenir un nouveau vecteur (2) . Un vecteur est caractris par une direction, un sens et une longueur. On peut donc le reprsenter de plusieurs manires, en choisissant dirents points de dpart. Pour simplier, dans ce cours, on choisira de reprsenter un vecteur en partant de lorigine O. De cette manire, on peut identier les vecteurs avec les points du plan. En eet, un point M du plan, on associe le vecteur OM . Et rciproquement, tout vecteur u, il existe un unique point M du plan tel que u = OM . vecteurs du plan u = OM points du plan M

Ceci nous aidera, par exemple, reprsenter les sous-ensembles de vecteurs en ne reportant que les points M . (On ne verrait rien sur les gures si on devait reprsenter tous les vecteurs.)

1. Un mathmaticien poserait cette question de la manire suivante : "quelle structure algbrique possde lensemble des vecteurs du plan ?". 2. Il existe aussi un produit scalaire qui produit un nombre partir de deux vecteurs. Mais cette structure supplmentaire sera le sujet du chapitre 4.

52

CHAPITRE 2. ESPACES VECTORIELS

Paradigme 2. Considrons maintenant les deux coordonnes (x, y ) qui reprsentent un vecteur u ou le point M . On rappelle que lensemble des paires de nombres rels est note (3) R2 = R R := {(x, y ) | x, y R} .

Au niveau des coordonnes, la somme de deux vecteurs u = (x, y ) et v = (x , y ) est donne par la somme des coordonnes une une u + v = (x + x , y + y ) . De la mme manire, la multiplication par un nombre est donne par la multiplication de chacune des coordonnes : .u = (x, y ) . Pourquoi se limiter deux coordonnes ? Il ny a aucune raison. Si on considre les suites de n nombres, que lon appelle des n-uplets , Rn := {(x1 , x2 , . . . , xn ) | x1 , x2 , . . . , xn R} ,

on peut dnir de la mme manire une somme coordonne par coordonne (x1 , x2 , . . . , xn ) + (x1 , x2 , . . . , xn ) = (x1 + x1 , x2 + x2 , . . . , xn + xn ) . On peut aussi dnir une multiplication par un nombre en multipliant toutes les coordonnes par ce nombre : .(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn ) . Au nal, il se trouve que les rgles de calcul et les proprits algbriques des vecteurs du plan (P , +, .) et des n-uplets (Rn , +, .) sont exactement les mmes. Or, il ne sagit pas l des deux seuls exemples densembles munis dune somme et dune multiplication par les nombres rels. On peut citer les vecteurs de lespace (E , +, .), les nombres complexes (C, +, .), les polynmes (R[X ], +, .), les matrices de taille n m (Mn,m , +, .), etc. On sarrte donc de les tudier un par un et on essaie de les inclure dans une dnition gnrale qui est la suivante. Dnition (Espace vectoriel). Un espace vectoriel (V, +, .) est form dun ensemble V et de deux applications, appeles lois, V V (u, v ) qui vrient lassociativit de la loi + : (u + v ) + w = u + ( v + w ) , la commutativit de la loi + : u+v =v+u , lexistence dun neutre pour la loi + : 0 V tel que u + 0 = 0 + u = u , lexistence dopposes pour la loi + : u V, t V tel que u + t = t + u = 0 , On voit facilement que ce vecteur t est unique. Cest loppos du vecteur u et il est not u.
3. De manire gnral, lensemble des paires dlments venant de deux ensembles A et B est le produit catsien A B := {(a, b) | a A, b B }.

V u+v

et

RV (, u)

V .u

2.1. DFINITION

53

lassociativit pour la loi . : .(.u) = ( ).u , laction identit de lunit pour la loi . : 1.u = u , la distributivit de la somme des vecteurs : .(u + v ) = .u + .v , la distributivit de la somme des scalaires : ( + ).u = .u + .u , pour tout u, v, w V et pour tout , R. Les lments de V sont appels des vecteurs, les lments de R sont appels des scalaires. Le vecteur 0 est appel le vecteur nul. Remarques. Un espace vectoriel consiste en 3 donnes qui vrient 8 axiomes. Les quatre premiers axiomes ne portent que sur la somme des vecteurs, les deux suivant ne portent que sur la multiplication par les scalaires et les deux dernires portent sur la compatibilit entre les deux lois. (4) On peut considrer des espaces vectoriels pour lesquels les scalaires sont dautres nombres que les nombres rels (rationnels, complexes, etc.). Ce ne sera pas le cas dans ce cours ; tous les espaces vectoriels rencontrs ici seront rels. Lexistence du vecteur nul montre que lensemble V ne peut pas tre vide. Exemples. Rcapitulons les premiers exemples despaces vectoriels. On laisse le soin au lecteur de vrier les 8 axiomes chaque fois. Lensemble des vecteurs du plan (P , +, .) ou de lespace (E , +, .) muni de la somme des vecteurs et de la multiplication par les scalaires forment un espace vectoriel. Lensemble des n-uplets de nombres rels (Rn , +, .) muni de la somme et de la multiplication par les scalaires susmentionns forment un espace vectoriel. Lensemble rduit un lment not {0} muni de la somme dnie par 0 + 0 := 0 et de la multiplication dnie par .0 := 0 est un espace vectoriel. (Assez trivial comme exemple,

non ?

Lensemble des nombres complexes (C, +, .) muni de la somme et de la multiplication par les rels .(x + iy ) = x + i(y ) forment un espace vectoriel. Lensemble des polynmes (R[X ], +, .) muni de la somme et de la multiplication par les rels forment un espace vectoriel. Lensemble des matrices (Mn,m , +, .) (5) muni de la somme coordonne par coordonne x1,1 x1,m y1,1 y1,m x1,1 + y1,1 x1,m + y1,m . . . . . . .. .. .. . . . . . . . . . . + . . . = . . xn,1 xn,m yn,1 yn,m xn,1 + yn,1 xn,m + yn,m
4. Pour simplier les notations, on omettra souvent dans la suite le point . pour la multiplication des scalaires. 5. Une matrice est juste un tableau rectangulaire de nombres.

54

CHAPITRE 2. ESPACES VECTORIELS

et de la multiplication des toutes les coordonnes par un rel x1,1 x1,m x1,1 x1,m . . . . .. .. . . . . . . . . . = . . xn,1 xn,m xn,1 xn,m forment un espace vectoriel. Remarquez quil ny a l rien de bien nouveau. En eet, pour m = 1, on retombe sur lexemple prcdent de Rn .

Exercice 23 (Q versus R). On considre laddition et la multiplication usuelles sur Q et R. 1. Est-ce que Q est un espace vectoriel sur R ? 2. Est-ce que R est un espace vectoriel sur Q ?

Exercice 24 (Applications vers un espace vectoriel). Soit A un ensemble et soit (E, +, .) un espace vectoriel sur R. Montrer que lensemble E A des applications de A vers E , muni des oprations suivantes f +g forme un espace vectoriel. : AE x f (x) + g (x) et .f : AE x .f (x)

Grce la dnition, tout espace vectoriel a les mmes proprits gnrales que les vecteurs du plan. (Il est donc bon de garder cette exemple type toujours en tte.) Par exemple, les proprits suivantes sont toujours vries. Proposition 10. Pour tout scalaire R et pour tout vecteur u V , on a .0 = 0 , 0.u = 0 , .u = 0 = 0 ou u = 0 , ().u = .(u) = (.u) . Dmonstration. La dmonstration permet de montrer la pertinence des axiomes choisis. Il ny avait en eet nul besoin dinclure ces proprits dans la dnition car elles en dcoulent naturellement. Commenons par montrer que .0 = 0. On considre .(0 + 0) =
axiome 3

.0 et .(0 + 0)

=
axiome 7

.0 + .0 .

En ajoutant (.0) lgalit obtenue .0 = .0 + .0, on recupre .0 + ((.0)) =


axiome 4

0= =
axiome 1

(.0 + .0) + ((.0))

.0 + (.0 + ((.0)))

=
axiome 4

.0 + 0

=
axiome 3

.0 ,

do le rsultat. On montre maintenant que 0.u = 0 : (0 + 1).u = 1.u =


axiome 6

u et (0 + 1).u

=
axiome 8

0.u + 1.u

=
axiome 6

0.u + u .

2.2. SOUS-ESPACES VECTORIELS

55

En ajoutant u lgalit obtenue u = 0.u + u, on recupre u + (u) =


axiome 4

0 = (0.u + u) + (u)

=
axiome 1

0.u + (u + (u))

=
axiome 4

0.u + 0

=
axiome 3

0.u ,

do le rsultat. Si .u = 0 et que ne soit pas nul, alors il est inversible dans R, et on peut considrer 1 1 1 1 .(.u) = .0 = 0 et .(.u) = ( ).u = 1.u = u .
axiome 4 axiome 6

Do on tire que u = 0. Dmontrons enn la dernire assertion. On considre pour cela ( ).u =
axiome 8

.u + ().u et ( ).u = 0.u = 0 ,

qui donne, par unicit de loppos : (.u) = ().u. On utilise ensuite .(u + (u)) =
axiome 4

.0 = 0 et .(u + (u))

=
axiome 7

.u + .(u) ,

qui donne, par unicit de loppos, (.u) = .(u).

En pratique . On fera les calculs dans nimporte quel espace vectoriel comme on a lhabitude de faire nos calculs pour les vecteurs du plan ou pour Rn . 2.2. Sous-espaces vectoriels On se pose maintenant la question de savoir quand un sous-ensemble dun espace vectoriel possde toute la structure dun espace vectoriel. Dnition (Sous-espace vectoriel). Un sous-ensemble U V dun espace vectoriel (V, +, .) est un sous-espace vectoriel si les restrictions des lois + et . le munissent dune structure despace vectoriel. Exemples et contre-exemples. DESSIN DESSIN DESSIN DESSIN Pour quun sous-ensemble soit un sous-espace vectoriel, il faut et il sut que la somme des vecteurs et la multiplication par les scalaires dlments de U soient encore dans U . Thorme 8. Un sous-ensemble U V dun espace vectoriel (V, +, .) est un sous-espace vectoriel si et seulement si les trois conditions suivantes sont vries 0U , u, v U, u + v U , R, u U, .u U .

56

CHAPITRE 2. ESPACES VECTORIELS

Ces deux dernires conditions sont quivalentes , R, u, v U, Exemples. Toutes les droites du plan P passant par lorigine sont des sous-espaces vectoriels. On parle alors de droites vectorielles. DESSIN Toutes les droites de lespace E passant par lorigine ainsi que tous les plans passant par lorigine sont des sous-espaces vectoriels. DESSIN Lensemble des nombres imaginaires purs iR forment un sous-espace vectoriel de lespace vectoriel des nombres complexes C. Pour tout nombre entier d N, lensemble des polynmes de degr infrieur au gal d, not Rd [X ] := {ad X d + + a0 | a0 , . . . , ad R}, est un sous-espace vectoriel de lespace vectoriel R[X ] des polynmes. Lensemble des matrices carres x1,1 0 . . . 0 triangulaires suprieures x1,2 x1,n . . x2,2 . , xi,j R . .. .. . . . . 0 xn,n .u + .v U .

forment un sous-espace vectoriel de lespace vectoriel des matrices.

Exercice 25 (P ). 1. quelle condition une droite du plan P est-elle un sous-espace vectoriel ? 2. Lunion de deux droites distinctes passant par 0 forme-t-elle un sous-espace vectoriel de P ? 3. Quels sont tous les sous-espaces vectoriels de P ?

Exercice 26 (E ). 1. Quels sont tous les sous-espaces vectoriels de lespace E ? 2. Soient F et G deux sous-espaces vectoriels de E . Donner une condition ncessaire et susante pour que lunion F G de F et G soit un sous-espace vectoriel de E .

Mthode . Vous ne vous en tes peut-tre pas rendu compte mais ce dernier thorme va vous simplier la vie. Si on vous demande, lors dune premire question dun exercice notamment, de dmontrer que quelque chose est un espace-vectoriel, au lieu de vrier la dnition et ses 8 axiomes, appliquez plutt la mthode suivante. Dabord, vous montrez que votre ensemble considrer est le sous-ensemble dun espace vectoriel. Puis, vous utilisez le thorme 8 pour montrer que cest un sous-espace vectoriel (2 ou 3 proprites vrier). Finalement vous concluez, quen soit, cest un espace vectoriel !

2.2. SOUS-ESPACES VECTORIELS

57

Exercice 27 (Sous-espaces vectoriels dapplications). 1. Montrer que lensemble C (R) des applications continues de R vers R est un sous-espace vectoriel de lespace RR des applications de R vers R, cf. exercice 24. 2. Montrer, de deux manires direntes, que lensemble {f : R R | f (1) = 0} des applications de R vers R qui sannulent en 1 est un espace vectoriel pour les oprations usuelles. 3. Lensemble des fonctions relles, cest--dire de R vers R, paires est-il un espace vectoriel pour les oprations usuelles ?


Intressons-nous maintenant au comportement des sous-espaces vectoriels vis--vis des oprations ensemblistes intersection et union. Pour lintersection, tout se passe bien. Proposition 11. Lintersection U V de deux sous-espaces vectoriels U , V dun espace vectoriel (W, +, .) est encore un sous-espace vectoriel. Dmonstration. La dmonstration est trs simple. Cest une application directe du thorme 8. Par exemple, si on prend deux vecteurs u et v de U V . Alors leur somme est dans U car cest un sous-espace vectoriel. De mme pour V . Donc u + v U V . Pour lunion, la situation est plus dlicate. La bte union ensembliste de deux sous-espaces vectoriels nest pas un gnral un sous-espace vectoriel comme lexemple ci-dessous le montre. DESSIN Si on considre deux sous-espaces vectoriels, leur union est bien stable pour la multiplication par les scalaires, mais pas pour la somme des vecteurs. Mais si lunion nest pas un sous-espace vectoriel, il existe peut-tre un plus petit sous-espace vectoriel qui la contient. Pour pallier le dfaut de la somme, on considre lensemble suivant U + V := {u + v | u U, v V } form de toutes les sommes de vecteurs de U et de V . Le thorme suivant montre que cette construction rpond notre question. Thorme 9. Pour toute paire U , V de sous-espaces vectoriels dun espace vectoriel (W, +, .), les proprits suivantes sont vris. Lensemble U + V est un sous-espace vectoriel de W . U V U +V. Tout sous-espace vectoriel Z de W contenant lunion U V contient aussi U + V U V U +V Z . Dnition (Somme de sous-espaces vectoriels). Le sous-espace vectoriel U + V est appel la somme des sous-espaces vectoriels U et V . Cest le plus petit sous-espace vectoriel contenant lunion U V . Exemple. La somme de deux droites distinctes de lespace forme un plan vectoriel. DESSIN

58

CHAPITRE 2. ESPACES VECTORIELS

2.3. Combinaisons linaires et gnrateurs Poursuivons la question prcdente mais avec un sous-ensemble quelconque A dun espace vectoriel V . Si A nest pas un sous-espace vectoriel de V , existe-t-il un plus petit sous-espace vectoriel de V qui le contient ? DESSIN Dire que A nest pas un sous-espace vectoriel signie quil nest pas stable pour la somme des vecteurs ou pour la multiplication par les scalaires. Pour combler ces manques, on considre maintenant toutes les sommes de multiplications de vecteurs de A. Dnition (Combinaison linaire). Les vecteurs de la forme 1 a1 + + n an , avec 1 , . . . , n R et a1 , . . . , an A sont appels des combinaisons linaires de vecteurs de A. Lensemble de toutes les combinaisons linaires de vecteurs de A est note Vect(A) := {1 a1 + + n an | 1 , . . . , n R, a1 , . . . , an A} Thorme 10. Pour tout sous-ensemble A dun espace vectoriel (V, +, .), les proprits suivantes sont vries. Lensemble Vect(A) est un sous-espace vectoriel de V . A Vect(A). Tout sous-espace vectoriel Z de V contenant A contient aussi Vect(A) A Vect(A) Z . Dnition (Espace vectoriel engendr). Le sous-espace vectoriel Vect(A) est appel le (sous-)espace vectoriel engendr par A. Cest le plus petit sous-espace vectoriel contenant A. Exemple. Lespace vectoriel engendr par une paire de vecteurs non colinaires de lespace E est le plan vectoriel qui les contient. DESSIN Dnition (Famille gnratrice). Lorsque le sous-espace vectoriel engendr par A vaut lespace vectoriel (V, +, .) tout entier, on dit que la famille de vecteurs A engendre V ou que cest une famille gnratrice. Cela signie que tout vecteur u de V peut scrire sous la forme dune combinaison linaire de vecteurs de A : u = 1 a1 + + n an .

Interprtation . On peut voir A comme un alphabet grce auquel on peut crire nimporte quel vecteur de V . Pour cela, il faut avoir un nombre susant de lettres. Exemples. Toute paire de vecteurs non colinaires du plan P en forme une famille gnratrice. La famille de vecteurs {(1, 0, . . . , 0), (0, 1, 0 . . . , 0), . . . , (0, . . . , 0, 1)} engendre lespace vectoriel Rn . En eet, tout n-uplets (x1 , . . . , xn ) Rn scrit comme combinaison linaire (x1 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, 0 . . . , 0) + + xn (0, . . . , 0, 1) . Lespace vectoriel des nombres complexes C est engendr par {1, i} car ils scrivent tous comme un combinaison linaire z = x.1 + y.i .

2.3. COMBINAISONS LINAIRES ET GNRATEURS

59

La famille de polynmes {1, X, . . . , X d } engendre lespace vectoriel Rd [X ] des polynmes de degr infrieur ou gal d. En eet, tout polynme P scrit comme une combinaison linaire P = ad X d + + a0 .1 . La famille innie de polynmes {1, X, . . . , X n , . . .} engendre lespace vectoriel des polynmes R[X ]. La famille de matrices {eij , 1 i n, 1 j m} formes uniquement de 0 avec un seul coecient 1 plac la ie ligne et la j e colonne est une famille gnratrice de lespace vectoriel (Mn,m , +, .) des matrices de taille n m. Dnition (Type ni). Si un espace vectoriel est engendr par une famille nie de vecteurs, on dit quil est de type ni. Tous les espaces vectoriels rencontrs dans ce cours seront de type ni. La seule exception sera lespace vectoriel des polynmes sans restriction de degr qui nadmet pas de famille gnratrice forme dun nombre ni dlments.

Exercice 28 (Systme linaire I). Soit S lensemble des solutions du systme x y + z = 0 : S := {(x, y, z ) R3 | x y + z = 0} . 1. Montrer que lensemble S est un sous-espace vectoriel de R3 . 2. En donner plusieurs familles gnratrices.

Exercice

 29 (Systme linaire II).


x + 2y = 0, 2y + z = 0

Soit S lensemble des solutions du systme

S := {(x, y, z ) R3 | x + 2y = 0 et 2y + z = 0} . 1. Montrer, de deux manires direntes, que lensemble S est un sous-espace vectoriel de R4 . 2. En donner une famille gnratrice.


et v3 := (2, 3, 4, 3)

Exercice 30 (Combinaisons linaires). On considre les vecteurs suivants de R4 v1 := (1, 2, 3, 0), ainsi que les familles F1 := {v1 }, On considre les vecteurs suivants w1 := (1, 1, 1, 1), w2 := (1, 1, 1, 1), w1 := (3, 4, 5, 6) . v2 := (0, 1, 2, 3), F2 := {v1 , v2 },

et F3 := {v1 , v2 , v3 } .

1. Est-ce que le vecteur w1 (respectivement w2 et w3 ) est une combinaison linaire des vecteurs de F1 , F2 ou F3 ? 2. Dterminer les sous-espaces vectoriels Vect(F1 ), Vect(F2 ) et Vect(F3 ). 3. Dterminer toutes les manires dcrire les vecteurs (0, 0, 0, 0) et (1, 3, 5, 3) comme combinaisons linaires des vecteurs de F3 .

60

CHAPITRE 2. ESPACES VECTORIELS

Exercice 31 (Drivs de polynmes). On note R3 [X ] lensemble des polynmes coecients rels de degr infrieur ou gal 3. Soit V := {P R3 [X ] | (X + 1)P (2 X 2 )P = 0} . 1. Montrer que lensemble V est un sous-espace vectoriel de R3 [X ]. 2. En donner une famille gnratrice.

Exercice 32 (Familles gnratices de polynmes). Soit Rd [X ] lespace vectoriel des polynmes coecients rels de degr infrieur ou gal d. Donner plusieurs familles gnratrices de Rd [X ].

 

2.4. Dpendance linaire On peut maintenant se poser la question de lunicit de lcriture sous forme de combinaison linaire u = 1 a1 + + n an . Pour cela, on va commencer avec le cas o u est le vecteur nul. Dnition (Famille libre). Une famille A de vecteurs dun espace vectoriel (V, +, .) est dite libre si 1 a1 + + n an = 0 = 1 = = n = 0 . On dit aussi que les vecteurs de A sont linairement indpendants. Cela signie quil ny quune seule manire dcrire le vecteur nul comme combinaison linaire de vecteurs de A, cest--dire avec la combinaison linaire triviale o tous les coecients sont nuls. Exemple. On considre la famille {u, v } forme des deux vecteurs du plan P de coordonnes u = (1, 0) et v = (1, 1). DESSIN Montrons quils sont linairement indpendants. Supposons quil existe deux nombres rels , tels que u + v = 0. En coordonnes, cela signie que (1, 0) + (1, 1) = (0, 0). Si on dveloppe, on trouve

On en conclut donc que ncessairement = = 0 et donc que les vecteurs u etv sont linairement indpendants.

Rgle gnrale . Deux vecteurs sont linairement indpendants si et seulement sils ne sont pas colinaires, cest--dire si aucun des deux ne scrit un scalaire fois lautre, u = v par exemple. Dnition (Famille lie). A linverse, une famille A de vecteurs dun espace vectoriel (V, +, .) est dite lie si elle nest pas libre. Cela signie que le vecteur nul peut dcrire avec au moins une combinaison linaire non triviale de vecteurs de A : 1 a1 + + n an = 0, avec au moins un i = 0 . On dit aussi que les vecteurs de A sont linairement dpendants.

(1, 0) + (1, 1) = ( + , ) = (0, 0) .

2.5. BASES

61

Exemple. On considre maintenant la famille {u, v, w} forme des trois vecteurs du plan P de coordonnes u = (1, 0), v = (1, 1) et w = (0, 2). DESSIN Pour voir que cette famille est lie, il sut dexhiber une combinaison linaire non triviale du vecteur nul. La relation 2u + w = 2u reliant ces trois vecteurs peut se rcrire 2u + 2v + w = 0 , et le tour est jou. Attention . Pour dmontrer quune famille de vecteurs est libre, il ne sut pas de montrer que ses vecteurs ne sont pas colinaires deux--deux ! Cest une erreur trs frquente chez les tudiants. Lexemple prcdent devrait russir par vous convaincre : aucun des trois vecteurs nest colinaire un autre et pourtant, au nal, la famille nest pas libre. Remarque. Toute famille contenant le vecteur nul est lie ! En eet, il sut de considrer la combinaison linaire non triviale du vecteur nul suivante : 1.0 = 0 pour faire capoter laaire. La proposition suivante est fantastique. Elle dit quil sut que le vecteur nul scrive de manire unique comme combinaison linaire de vecteurs de dune famille A pour que cette proprit soit vraie pour tous les vecteurs engendr par A. Proposition 12. Une famille A de vecteurs dun espace vectoriel est libre si et seulement si tout vecteur de lespace Vect(A) engendr par A scrit de manire unique comme combinaison linaire de vecteurs de A. Exemple. Tout vecteur du plan scrit de manire unique comme combinaison linaire u + v de u = (1, 0) et v = (1, 1). Remarque. Cest bien sur le sens (=) de la proposition que nous utiliserons. Dnition (Coordonnes). Soit A une famille libre de vecteurs dun espace vectoriel. Comme tout vecteur u Vect(A) scrit de manire unique u = 1 a1 + + n an , les uniques coecients (1 , . . . , n ) sont appels les coordonnes de u dans la famille A.

Exercice 33 (Polynmes I). On considre la famille suivante de polymes : F := {1, 1 + X, 1 + X + X 2 , 1 + X + X 2 + X 3 } . 1. Montrer que F est une base de R3 [X ], lespace vectoriel des polynmes de degr infrieur ou gal 3, en dmontrant que tout polynme P = a0 + a1 X + a2 X 2 + a3 X 3 scrit de manire unique comme combinaison linaire dlments de F . 2. Donner les coordonnes de P dans cette famille libre.

2.5. Bases Rcapitulons, une famille A est gnratrice si tout vecteur u V peut scrire u = 1 a1 + + n an et une famille est libre si cette criture est unique. Cest ces deux cas la fois qui nous intressent. Dnition (Base). Une famille de vecteurs dun espace vectoriel est une base si elle est libre et gnratrice.

62

CHAPITRE 2. ESPACES VECTORIELS

Proposition 13. Une famille A de vecteurs dun espace vectoriel (V, +, .) est une base si et seulement si tout vecteur u V scrit de manire unique comme combinaison linaire dlments de A :

Interprtation . Une base est un bon alphabet dans lequel on peut crire de manire unique tout vecteur dun espace. Exemples. Toute paire de vecteurs non colinaires {u, v } du plan P en forme une base. La famille de vecteurs {(1, 0, . . . , 0), (0, 1, 0 . . . , 0), . . . , (0, . . . , 0, 1)} est une base de lespace vectoriel Rn . Elle est tellement naturelle quon lappelle la base canonique . Lespace vectoriel des nombres complexes C admet la famille {1, i} pour base. La famille de polynmes {1, X, . . . , X d } est une base de lespace vectoriel Rd [X ] des polynmes de degr infrieur ou gal d. La famille de matrices {eij , 1 i n, 1 j m} formes uniquement de 0 avec un seul coecient 1 plac la ie ligne et la j e colonne est une base de lespace vectoriel (Mn,m , +, .) des matrices de taille n m.

u = 1 a1 + + n an .

Exercice 34 (Bases). Reprendre les exercices 28, 29 et 31 et rpondre la question supplmentaire suivante : (3) Donner une base de ce sous-espace vectoriel.


La notion de base est si merveilleuse que lon peut se demander sil en existe toujours. Le thorme suivant rpond cette question par larmatif. Thorme 11. Tout espace vectoriel (V, +, .) non trivial, i.e. V = {0}, admet au moins une base. Encore plus formidable, toutes les bases ont le mme nombre dlments ! Thorme 12. Toutes les bases dun espace vectoriel de type ni ont le mme nombre de vecteurs. Ce nombre est tellement magnique, quon lui donne un nom. Dnition (Dimension). La dimension dun espace vectoriel (V, +, .) est le nombre dlments de chacune de ses bases. On la note dim V ou dimR V lorsque veut insister sur le fait que V est un espace vectoriel rel. (6)

6. Par convention, on dit que lespace vectoriel trivial V = {0} est de dimension 0.

2.5. BASES

63

Exemples. La dimension du plan est dim P = 2 . La dimension de Rn est dim Rn = n . La dimension de lespace vectoriel rel des nombres complexes est dimR C = 2 . (7) La dimension de lespace vectoriel Rd [X ] des polynmes de degr infrieur ou gal d est dim Rd [X ] = d + 1 . Lespace vectoriel (Mn,m , +, .) des matrices de taille n m est de dimension Mn,m = n m .

Interprtation . La dimension dun espace vectoriel est donc le nombre de coordonnes quil faut donner pour dcrire un lment (vecteur). Cest le nombre de directions direntes (ou degrs de libert) dun espace . Ce chire nous donne la taille dun espace. Comme les espaces vectoriels ici sont tous de cardinal inni, on ne peut pas les comparer avec le nombre de leurs lments. Par contre, on comparer leurs dimensions. La notion de base contient deux notions antinomiques : la famille doit tre gnratrice (il faut susamment de vecteurs) et libre (il nen faut pas trop). Les deux thormes suivants montrent que lon peut modier une famille vriant une proprit pour avoir les deux. Thorme 13 (de la base incomplte). Toute famille libre A dun espace vectoriel peut stendre A B en une base B . Exemple. Dans lespace R3 , on considre la famille {u = (2, 0, 0), v = (1, 1, 1)}. Cette famille est bien libre car les deux vecteurs u et v ne sont pas colinaires. DESSIN Tout vecteur w nappartenant pas un plan Vect({u, v }) engendr par u et v sut complter {u, v } en une base {u, v, w} de R3 . Thorme 14 (de la base extraite). De toute famille gnratrice A dun espace vectoriel, on peut extraire B A une une base B . Exemple. On considre nouveau la famille gnratrice {u, v, w} forme des trois vecteurs du plan P de coordonnes u = (1, 0), v = (1, 1) et w = (0, 2). Toute sous-famille obtenue en supprimant un de ces trois vecteurs forme une base de P . Proposition 14. Soit (V, +, .) un espace vectoriel de type ni. Tout famille gnratrice A de V a au moins dim V lments, |A| Tout famille libre A de V a au plus dim V lments, |A| Tout sous-espace vectoriel W V vrie dim W dim V , dim V .

dim V .

avec galit dim W = dim V si et seulement si W = V .


7. Pour les plus avances dentre vous : comprenez pourquoi la dimension de lespace vectoriel complexe C est dimC C = 1, cest--dire lorsque la multiplication par les scalaires se fait avec des nombres complexes et non plus des rels.

64

CHAPITRE 2. ESPACES VECTORIELS

Soit (V, +, .) un espace vectoriel de dimension n et soit A = {a1 , . . . , an } une base de V . Cette dernire donne permet de dnir une application coordonnes en base A : coordA : V u = 1 a1 + + n an Rn (1 , . . . , n ) ,

qui associe, tout vecteur u de V ses coordonnes dans la base A. Il se trouve que cette application est une bijection ; on peut donc identier les deux ensembles V et Rn . Mais cest encore mieux que cela : lapplication coordonnes envoie un somme de vecteurs sur une somme de n-uplets coordA (u + v ) = coordA (u) + coordA (v )
(8)

et une multiplication par un scalaire sur une multiplication par un scalaire coordA (.u) = .coordA (u)
(9)

Lapplication coordonnes respectent donc les deux structures despace vectoriel. Ainsi, pour tudier les proprits de V , il sut dtudier celle de Rn . Au nal, comme tous les espaces vectoriels admettent une base, on pourra toujours se ramener ltude de Rn ! Pas mal, non ? 2.6. Le cas Rn Mais si on peut toujours se ramener Rn par choix dune base, comment travaille-t-on dans R ? Comment dterminer si une famille de vecteurs y est libre, gnratrice ou forme une base ?
n

Soit A = {a1 = (a1,1 , a2,1 , . . . , an,1 ), . . . , am = (a1,m , a2,m , . . . , an,m )} une famille de vecteur de Rn . On les crit dabord sous forme de colonnes, ce qui ne change rien au fond du problme, a1,1 a1,m a2,1 a2,m t a1 := . , . . . , t am := . . . . . . an,1 Puis, on les range dans une matrice a1,1 a1,2 a2,1 a2,2 MA := . . . . . . an,1 Exemple. A = {(1, 2, 1, 3), (2, 4, 1, 2), (3, 6, 3, 7)} 1 2 3 2 4 6 . MA = 1 1 3 3 2 7 On sautorise maintenant les oprations lmentaires sur les colonnes suivantes. Intervertir deux colonnes : Ci Cj . Multiplier une colonne par un scalaire non nul : Ci Ci . Ajouter une colonne fois un autre : Ci Ci + Cj .
8. En eet, u + v = 1 a1 + + n an + 1 a1 + + n an = (1 + 1 )a1 + (n + n )an . 9. En eet, .u = .(1 a1 + + n an ) = (1 )a1 + (n )an .

an,m

.. .

a1,m a2,m . . . an,m

t a1 =
t

a2

am .

an,2

2.6. LE CAS Rn

65

Dnition (Matrices quivalentes par colonne). On dit que deux matrices sont quivalentes par colonne si on peut passer de lune lautre grce aux oprations lmentaires sur les colonnes. Deux matrices quivalentes par colonne sont notes M N . En eectuant les oprations sur les colonnes de MA , on reste dlement dans le sous-espace vectoriel engendr par la famille A, comme le montre la proposition suivante. Proposition 15. Soit N MA une matrice quivalente par colonne MA . Les vecteurs colonnes de N forme une famille B de vecteurs, ie N = MB , qui appartiennent au sous-espace vectoriel engendr par A : B Vect(A) . De plus, la famille B et la famille A lengendrent le mme sous-espace vectoriel Vect(B ) = Vect(A) . Dmonstration. Les vecteurs B de la matrice N sont obtenus par combinaisons linaires des vecteurs de A. Ils appartiennent donc au sous espace-vectoriel Vect(A) engendr par A. Ceci implique notamment que Vect(B ) Vect(A). On peut montrer que les oprations lmentaires sur les colonnes fonctionnent dans ces deux sens, cest--dire que lon peut aussi obtenir MA partir de N = MB . Do A Vect(B ), puis Vect(A) Vect(B ). Au nal, cela donne Vect(A) = Vect(B ). Exemple. 1 0 0 1 0 0 2 3 0 0 0 0 4 6 =N . 2 2 3 0 3 6 1 1 3 1 3 8 0 3 8 16 2 7 C2 C2 2C1 C3 C3 2C2 C3 C3 3C1 Donc les vecteurs (1, 2, 1, 3) et (0, 0, 3, 8) font parti de Vect(A) et ils lengendrent. 1 2 MA = 1 3 Grce aux oprations lmentaires sur les colonnes, on peut mettre la matrice MA sous forme chelonne , cest--dire sous forme suivante 0 0 0 0 0 . . . . . . . . . . . . . . . 1 0 . . . . . .. . . . 1 . . . MA . . .. . . 0 . . . . .. . . 1 0 0 . . . . . . . . . . . . . . . . . . . . . . 0 0 Les premires colonnes sont formes de haut en bas dabord de 0 puis dun 1. (10) De gauche droite, les 1 apparaissent strictement de plus en plus bas. Tout ceci, nest rien dautre que le clbre pivot de Gauss que vous apprenez depuis que vous tes tout petits. Ce que lon a gagn ici, cest de pouvoir linterprter conceptuellement en terme despace vectoriel.
10. Au lieu de 1, on peut se contenter de nombres non nuls.

66

CHAPITRE 2. ESPACES VECTORIELS

Proposition 16. Les vecteurs colonnes non nuls de la matrice chelonne obtenue partir de MA forment une base du sous-espace vectoriel Vect(A) engendr par A. Donc, le nombre de colonnes non nulles de la matrice chelonne est gal la dimension de Vect(A). Exemple. Dans lexemple de la famille A = {(1, 2, 1, 3), (2, 4, 1, 2), (3, 6, 3, 7)} , le calcul prcdent montre que la famille {(1, 2, 1, 3), (0, 0, 3, 8)} forme une base de Vect(A). On dduit aussi de cette proposition que dim Vect(A) = 2. Tout ceci dmontre que la famille initiale A nest pas libre. En eet, par la proposition 14, on sait que si la famille A tait libre, elle engendrerait un sous-espace vectoriel de dimension 3. En outre, la famille A nest pas une famille gnratrice de tout lespace R4 car elle na que 3 lments. Or, on savait, toujours grce la proposition 14 quun famille gnratrice de lespace R4 de dimension 4 doit avoir au moins 4 lments. Cette mthode nous a donc permis de dmontrer toutes les proprits auxquelles on sintressent

pour la famille A. Puissant, non ?

Remarque. On peut aussi travailler par ligne : remplir la matrice en mettant les vecteurs en ligne et eectuer des oprations lmentaires par lignes. Tous les rsultats restent vrais, condition de changer chaque fois le mot colonne par le mot ligne. Attention . Ne mlangez pas les lignes et les colonnes. On pourrait par exemple considrer la matrice dont les colonnes sont les vecteurs de dpart et faire des oprations lmentaires par ligne. Le seul rsultat qui reste vrai alors est celui qui dit que la dimension du sous-espace vectoriel engendr est gal au nombre de lignes non nulles. Mais en mlangeant les lignes et les colonnes, on perd compltement linterprtation nale des colonnes de la matrice quivalente en terme de vecteurs du sous-espace engendr !


Exercice 35 (R6 ). On considre les vecteurs suivants de R6 : v1 := (1, 2, 3, 4, 0, 1), 1. Ces vecteurs sont-ils libres ? 2. Quelle est la dimension de Vect({v1 , v2 , v3 }), le sous-espace vectoriel de R6 engendr par v1 , v2 et v3 ? 3. Donner trois bases direntes de Vect({v1 , v2 , v3 }). 4. Donner une combinaison linaire non triviale vrie par v1 , v2 et v3 . v2 := (1, 3, 4, 6, 5, 4) et v3 := (3, 8, 11, 16, 10, 9) .

Exercice 36 (R4 ). On considre la famille suivante de vecteurs de R4 : A := {(1, 2, 3, 1), (2, 1, 3, 1), (1, 1, 2, 3), (1, 1, 3, 2), (3, 2, 5, 4)} . 1. Cette famille est-elle libre ? 2. Quelle est la dimension de Vect(A), le sous-espace vectoriel de R4 engendr par A ? 3. Donner deux bases direntes de Vect(A). 4. Donner une combinaison linaire non triviale dlments de A.

2.6. LE CAS Rn

67

Exercice 37 (Sous-espaces vectoriels de R4 ). On appelle U le sous-espace vectoriel de R4 engendr par les vecteurs suivants : u1 := (1, 2, 1, 3), u2 := (2, 4, 1, 2) et u3 := (3, 6, 3, 7) . On appelle W le sous-espace vectoriel de R4 engendr par les vecteurs suivants : w1 := (1, 2, 4, 11) et w2 := (2, 4, 5, 14) . 1. Quelle est la dimension de W ? 2. Montrer que U = W . 3. En donner deux bases direntes.

Application . Revenons ce que nous disons au dbut de cette section sur un exemple, savoir utilisons ce que nous venons dapprendre sur Rn pour rpondre la question suivante. Quelle est la dimension du sous-espace vectoriel Vect({X 2 + X + 1, X 2 1, X + 2}) de lespace vectoriel R2 [X ] des polynmes de degr infrieur ou gal 2 ? Pour cela on commence par considrer la base B := { 1, X, X 2 } de lespace vectoriel R2 [X ]. Grce cette base, on traduit la question prcdent en un problme de R3 . Dans cette base, les trois polynmes de la famille {X 2 + X + 1, X 2 1, X + 2} ont pour coordonnes les trois vecteurs suivants de R3 : A := {(1, 1, 1), (1, 0, 1), (0, 1, 2)} . La matrice de vecteurs colonnes associe est 1 1 0 1 0 1 . 1 1 2 Elle est quivalente par colonne la matrice chelonne 1 1 0 1 1 0 1 1 1 1 2 1 suivante 0 0 1 0 . 2 0

Finalement, daprs la proposition 15, on dduit que la dimension du sous-espace vectoriel de polynmes de dpart vaut dim Vect({X 2 + X + 1, X 2 1, X + 2}) = 2 . Mais, on a plus : la proposition 15 nous dit aussi que les deux polynmes {X 2 + X + 1, X + 2 } en forment une base.

Exercice 38 (Polynmes II). On considre la famille suivante de polynmes F := {1 + X + X 2 + X 3 , 1 X X 3 , 1 X 2 X 3 , 3 X 3 } 1. Cette famille est-elle gnratrice dans lespace-vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3 ? 2. Cette famille est-elle libre dans R3 [X ] ? 3. Cette famille est-elle libre dans R[X ] ? 4. Donner deux bases du sous-espace Vect(F ) engendr par la famille F .

68

CHAPITRE 2. ESPACES VECTORIELS

5. Complter ces bases de Vect(F ) en des bases de R3 [X ].

2.7. Somme directe Nous avons vu au dbut de ce chapitre la notion de somme de deux sous-espaces vectoriels et plus rcemment la notion de dimension. On peut donc se poser la question de la dimension dune somme de deux sous-espaces vectoriels. Proposition 17. Soient U et V deux sous-espaces vectoriels dun espace W . La dimension de leur somme vaut dim(U + V ) = dim U + dim V dim(U V ) . Exemple. On considre les deux plans suivants U et V de lespace R3 , dont la somme engendre tout lespace U + V = R3 . DESSIN Leur intersection U V est une droite, elle est donc de dimension 1. La formule de la proposition est ici bien vrie car les dimensions respectives donnent 3=2+21 . Comme pour les combinaisons linaires et les familles libres, on peut se demander sous quelle condition lcriture u + v des lments de U + V est unique. La dmarche et la conclusion sont les mmes : il sut de demander que le vecteur nul 0 scrive de manire unique. Or cette condition est quivalente U V = {0} (11) . Dnition (Somme directe). Deux sous-espaces vectoriels U et V sont en somme directe si leur intersection est rduite au vecteur nul U V = {0} Dans ce cas, la somme de U avec V se note U V . Exemple. Dans lespace E , un plan U et une droite V non incluse dans U sont toujours en somme directe. DESSIN Proposition 18. Deux sous-espaces vectoriels U et V sont en somme directe si et seulement si tout vecteur de leur somme U + V scrit de manire unique u + v , avec u U et v V . Exemple. Dans lexemple prcdent, tout vecteur de lespace E = U + V scrit de manire unique comme somme dun vecteur du plan U et dun vecteur de la droite V . DESSIN .

Exercice 39 (Somme directe). Montrer que les deux sous-espaces vectoriels de R3 U := {(x, y, z ) R3 | x + y + z = 0} et V := Vect({(2, 0, 0)}) sont en somme directe.

11. Si U V = {0}, alors u + v = 0 avec u U et v V implique u = v U V donc u = v = 0. Si lcriture u + v = 0 est unique, savoir 0 + 0 = 0, alors tout lment w U V vrie w + (w) = 0 avec w U et w V donc w = 0.

2.7. SOMME DIRECTE

69

Poursuivons le parallle avec les familles de vecteurs. Lquivalent ici de la notion de famille gnratrice est une somme qui vaut tout lespace U + V = W . Dans ce cas, tout vecteur de W peut scrire comme une somme dun vecteur de U et dun vecteur de V . Lquivalent de la notion de base est alors une somme directe qui engendre tout lespace U V = W . Proposition 19. Soit deux sous-espaces vectoriels U et V dun espace vectoriel W . Ils sont en somme directe et leur somme engendre tout lespace W : U V =W si et seulement si tout vecteur w de W scrit de manire unique w =u+v , avec u U et v V . Dans ce cas, les dimensions vrient la relation dim W = dim U + dim V

Exercice 40 (Fonctions paires et impaires). Dans lespace vectoriel F des applications de R vers R, on considre les deux sous-espaces vectoriels forms respectivement des fonctions paires f (x) = f (x) et impaires f (x) = f (x) : P := {f : R R | f paire} et I := {f : R R | f impaire} . Montrer que P I = F .

Dnition (Supplmentaire). Dans le cas de deux sous-espaces vectoriels U et V en somme directe et dont la somme engendre tout lespace W , on dit que U est un supplmentaire de V (respectivement que V est un supplmentaire de U ) dans W . Exemple. Soit U une droite vectorielle du plan P . Les supplmentaires de U sont les droites V direntes de U . DESSIN

Interprtation . Chercher un supplmentaire dun sous-espace vectoriel U correspond trouver les directions qui manquent U pour engendrer tout lespace. Par exemple, si on a une base de U , cela revient la complter en une base de tout lespace ; les vecteurs ainsi ajouts engendrent alors un supplmentaire. Attention . Un sous-espace vectoriel admet plusieurs supplmentaires et non un seul. Ne confondez pas les notions de complmentaire et de supplmentaire dun sous-espace vectoriel U . Le complmentaire est unique et est dni comme tout ce qui nest pas dans U . Ce nest jamais un sous-espace vectoriel. Proposition 20. Tout sous-espace vectoriel admet au moins un supplmentaire. Dmonstration. Ce rsultat est une consquence directe du throme 13 de la base incomplte. Proposition 21. Tous les supplmentaires dun sous-espace vectoriel sont de mme dimension. Dmonstration. La dimension de tout supplmentaire V de U dans W est dim V = dim W dim U .

70

CHAPITRE 2. ESPACES VECTORIELS

Exercice 41 (Supplmentaire). On se place dans le plan R2 . On considre la droite vectorielle dquation D := {(x, y ) R2 | 2x + y = 0} . 1. Trouver un supplmentaire de D dans R2 . 2. Est-il unique ? Sinon, combien y en a-t-il ?

Lorsquun espace vectoriel se dcompose en somme directe de deux sous-espaces U V = W , tout vecteur de w W scrit de manire unique w = u + v , avec u U et v V . Ceci dnit deux applications projV U : W w =u+v U u et projU V : W w =u+v V v.

U Dnition (Projections). Les deux applications projV U et projV sont appeles respectivement la projection sur U paralllement V et la projection sur V paralllement U .

DESSIN

Exercice 42 (Projections). Dans lespace R3 , on considre la droite D dquations D := {(x, y, z ) R3 | 3x + y z = 0; x + 2y + z = 0} et le plan P dquation P := {(x, y, z ) R3 | x + y 2z = 0} . 1. Montrer quils sont supplmentaires lun de lautre dans R3 . D 2. Donner lexpression des projections projP D sur D paralllement P et projP sur P paralllement D.

Dnition (Hyperplan). Soit W un espace vectoriel de dimension n. Un hyperplan est un sous-espace vectoriel de dimension n 1. Exemple. Les hyperplans de lespace E de dimension 3 sont les plans. Et les hyperplans du plan P de dimension 2 sont les droites. Il est quivalent de dnir la notion dhyperplan en disant quil sagit des sous-espaces vectoriels dont les supplmentaires sont de dimension 1. Plus gnralement, on peut dnir la somme de plusieurs sous-espaces vectoriels U1 , . . . , Uk par la mme formule U1 + + Uk := {u1 + + uk | u1 U1 , . . . , uk Uk } . Dnition. Les sous-espaces vectoriels U1 , . . . , Uk sont en somme directe si lcriture du vecteur nul sous la forme u1 + + uk = 0 est unique, i.e. u1 = . . . = uk = 0. On note alors la somme de U1 , . . . , Uk par U1 Uk . Proposition 22. Les sous-espaces vectoriels U1 , . . . , Uk sont en somme directe si et seulement si tout vecteur de U1 + + Uk scrit de manire unique sous la forme u1 + + uk . Exemple. Les droites du repre canonique de R3 sont en somme directe. DESSIN

2.7. SOMME DIRECTE

71

Contre-exemple. On considre U1 le plan horizontal de lespace E et deux droites distinctes non horizontales U2 et U3 . DESSIN Dans ce cas, pour tout vecteur non nuls u2 de U2 , on considre le vecteur u3 de U3 de cote oppose. La somme u2 + u3 est un vecteur non nul u1 du plan U1 . Au nal, on a u1 u2 u3 = 0 sans quaucun des vecteurs u1 , u2 et u3 ne soit nul. Les sous-espaces vectoriels U1 , U2 et U3 ne sont pas en somme directe. Attention . Il nest pas susant de vrier que les sous-espaces U1 , . . . , Uk sont deux-deux en somme directe, i.e. Ui Uj = {0}, pour pouvoir en conclure quils sont globalement en somme directe. Le contre-exemple ceci dessus doit vous en convaincre. Thorme 15. Soient U1 , . . . , Uk des sous-espaces vectoriels dun espace vectoriel et soient B1 , . . . , Bk des bases de U1 , . . . , Uk respectivement. Les sous-espaces U1 , . . . , Uk sont en somme directe si et seulement si lunion B1 . . . Bk forme une base de U1 + + Uk . Sils sont en somme directe, alors les dimensions vrient la relation dim (U1 Uk ) = dim U1 + + dim Uk . Nous nous servirons de la notion de somme directe de plusieurs sous-espaces vectoriels pour dcomposer un espace vectoriel tout entier sous la forme W = U1 Uk et ainsi en tudier les proprits petits bouts par petits bouts.

72

CHAPITRE 2. ESPACES VECTORIELS

2.8. Corrections des exercices

Exercice 23 (Q versus R). On considre laddition et la multiplication usuelles sur Q et R. 1. Est-ce que Q est un espace vectoriel sur R ? 2. Est-ce que R est un espace vectoriel sur Q ? Correction. 1. Lorsque lon multiplie un nombre rationnel q Q (vecteur) par un nombre rel r R (scalaire), on obtient priori un nombre rel et en gnral pas un nombre rationnel. Cest le cas, par exemple, pour q = 1 et r = 2 dont le produit vaut 2 qui est un nombre irrationnel par le thorme 2. Donc lensemble Q ne saurait tre un espace vectoriel sur R car la multiplication usuelle ne dnit pas une application de R Q vers Q, mais une application de R Q vers R. 2. Oui, R est un espace vectoriel sur Q. La somme des vecteurs est la somme des nombres rels. La multiplication des nombres rels r R (vecteur) par les nombres rationnels q Q (scalaire) produit bien un nombre rel : Q R R. Enn, les 8 axiomes dnissant un espace vectoriel sont vris ; ils viennent des proprits algbriques gnrales de la somme et du produit des nombres rels (associativit, distributivit, etc.).

Exercice 24 (Applications vers un espace vectoriel). Soit A un ensemble et soit (E, +, .) un espace vectoriel sur R. Montrer que lensemble E A des applications de A vers E , muni des oprations suivantes f +g forme un espace vectoriel. Correction. Pour cet exercice, il na pas dautre choix que de vrier les 8 axiomes qui dnissent la notion despace vectoriel. A chaque fois, on se sert de laxiome vri par la somme + et la multiplication . de lespace vectoriel E . lassociativit de la loi + : Au niveau des applications, on a (f + g ) + h = f + (g + h) , car pour tout x A, lassociativit de la somme dans E donne ((f + g ) + h)(x) = (f (x) + g (x)) + h(x) = f (x) + (g (x) + h(x)) = (f + (g + h))(x) . la commutativit de la loi + : Au niveau des applications, on a f +g =g+f , car pour tout x A, la commutativit de la somme dans E donne (f + g )(x) = f (x) + g (x) = g (x) + f (x) = (g + f )(x) . lexistence dun neutre pour la loi + : Pour neutre, on considre lapplication constante de valeur le vecteur nul de E : 0 : AE x0. Au niveau des applications, on a f +0=0+f =f , car pour tout x A, la somme de E vrie (f + 0)(x) = f (x) + 0(x) = f (x) + 0 = f (x) = 0 + f (x) = (0 + f )(x) . : AE x f (x) + g (x) et .f : AE x .f (x)

2.8. CORRECTIONS DES EXERCICES

73

lexistence dopposes pour la loi + : On dnit loppos dune application f par lapplication f Elle vrie bien f + ( f ) = ( f ) + f = 0 , car pour tout x A, on a (f + (f ))(x) = f (x) f (x) = 0 = f (x) + f (x) = ((f ) + f )(x) . lassociativit pour la loi . : Au niveau des applications, on a .(.f ) = ( ).f , car pour tout x A, lassociativit de la loi . de E donne (.(.f ))(x) = .(.f (x)) = ( ).f (x) = (( ).f )(x) . laction identit de lunit pour la loi . : Au niveau des applications, on a 1.f = f , car pour tout x A, laction de lunit pour la loi . de E donne (1.f )(x) = 1.f (x) = f (x) . la distributivit de la somme des vecteurs : Au niveau des applications, on a .(f + g ) = .f + .g , car pour tout x A, la distributivit de la somme + dans E donne (.(f + g ))(x) = .(f (x) + g (x)) = .f (x) + .g (x) = (.f + .g )(x) . la distributivit de la somme des scalaires : Au niveau des applications, on a ( + ).f = .f + .g , car pour tout x A, la distributivit de la somme des scalaires dans E donne (( + ).f )(x) = ( + ).f (x) = .f (x) + .g (x) = (.f + .g )(x) . : AE x f (x) .

Exercice 25 (P ). 1. quelle condition une droite du plan P est-elle un sous-espace vectoriel ? 2. Lunion de deux droites distinctes passant par 0 forme-t-elle un sous-espace vectoriel de P ? 3. Quels sont tous les sous-espaces vectoriels de P ? Correction. 1. Comme tout sous-espace vectoriel doit contenir le vecteur nul 0, pour quune droite forme un sous-espace vectoriel, il faut quelle passe par lorigine. On utilise le thorme 8 pour montrer que cette condition est susante, savoir : toutes les droites passant par lorigine forment un sous-espace vectoriel du plan. Soit une droite passant par lorigine, i.e. 0 . La somme de deux vecteurs u et v de la droite appartient encore , en eet les deux vecteurs u et v sont colinaires. La multiplication dun vecteur u de la droite par un scalaire fournit encore un vecteur u de . DESSIN On conclut, par le thorme 8, que la droite est un sous-espace vectoriel du plan.

74

CHAPITRE 2. ESPACES VECTORIELS

2. Lunion de deux droites vectorielles distinctes et du plan ne forment pas un sous-espace vectoriel du plan. En eet, la somme de toute paire de vecteurs non nul u et v donne un vecteur u + v qui nappartient pas lunion . DESSIN Le seul cas o lunion de deux droites vectorielles et du plan forme un sous-espace vectoriel est lorsque les deux droites sont identiques = . 3. Le premier sous-espace vectoriel du plan est celui form uniquement du vecteur nul {} . Si maintenant le sous-espace V contient un vecteur u non nul, alors il contient ncessairement toute la droite engendre par ce vecteur car .u V , pour tous les rels . La seconde famille de sous-espaces vectoriels du plan est donc forme des droites vectorielles . Considrons maintenant un sous-espace vectoriel V du plan contenant une droite vectorielle et au moins un vecteur v nappartenant pas . Alors, toute la droite engendre par v doit appartenir au sous-espace V . Et comme tout vecteur du plan peut scrire comme la somme de dun vecteur de et dun vecteur de , on obtient que le sous-espace V est gal au plan tout entier .

Exercice 26 (E ). 1. Quels sont tous les sous-espaces vectoriels de lespace E ? 2. Soient F et G deux sous-espaces vectoriels de E . Donner une condition ncessaire et susante pour que lunion F G de F et G soit un sous-espace vectoriel de E . Correction. 1. Si on reprend ltude eectue la question 3 de lexercice prcdent, on voit dj que le sousespace vectoriel trivial {} , les droites vectorielles et les plans vectoriels , cest--dire passant par lorigine, sont des sous-espaces vectoriels de lespace E . Soit maintenant un sous-espace vectoriel V de lespace qui contient un plan vectoriel P et au moins un vecteur u qui nest pas dans P . Comme V est un sous-espace vectoriel, il contient toute la droite engendre par u. Et comme tout vecteur de lespace peut scrire comme somme dun vecteur du plan P et dun vecteur de la droite , on conclut que le sous-espace V est gal lespace tout entier . 2. Les mmes arguments que ceux qui nous ont permis de rpondre la question 2 de lexercice prcdent sappliquent ici. Lunion de deux sous-espaces vectoriels F et G de lespace ne forment pas un sous-espace ds linstant que lun nest pas inclus dans lautre. En eet, la somme de toute paire de vecteurs u F G et v G F donne un vecteur u + v qui nappartient pas lunion F G. DESSIN Le seul cas o lunion de deux sous-espaces vectoriels F et G de lespace forme un sous-espace vectoriel est lorsque lun est inclus dans lautre F G ou G F .

Exercice 27 (Sous-espaces vectoriels dapplications). 1. Montrer que lensemble C (R) des applications continues de R vers R est un sous-espace vectoriel de lespace RR des applications de R vers R, cf. exercice 24. 2. Montrer, de deux manires direntes, que lensemble {f : R R | f (1) = 0} des applications de R vers R qui sannulent en 1 est un espace vectoriel pour les oprations usuelles.

2.8. CORRECTIONS DES EXERCICES

75

3. Lensemble des fonctions relles, cest--dire de R vers R, paires est-il un espace vectoriel pour les oprations usuelles ? Correction. 1. On applique le thorme 8 en utilisant le fait que lensemble des applications de R vers R forme un espace vectoriel, par lexercice 24. Lapplication 0 constante de valeur nulle est bien continue, donc 0 C (R). Soient f et g deux applications continues, leur somme f +g dnit encore une application continue, i.e. f +g C (R). Soient un nombre rel et f une application continue, lapplication .f est encore une application continue, i.e. .f C (R). En conclusion lensemble des applications continues forme un sous-espace vectoriel de lespace vectoriel des applications de R vers R . 2. La premire mthode consiste vrier un par un les 8 axiomes de la dnition dun espace vectoriel. Nous ne le refaisons pas ici : il sut de faire un copier-coller de la correction de lexercice 24. A noter que lapplication constante de valeur nulle appartient bien lensemble considr. De mme, loppos de toute fonction sannulant en 0, sannule encore en 0. Il ny a donc pas de problme. La seconde mthode consiste dabord appliquer le thorme 8 comme la question prcdente. Notons V lensemble des applications sannulant en 1. Lapplication 0 constante de valeur nulle sannule bien en 1, donc 0 V . Soient f et g deux applications de V , leur somme f + g sannule encore en 1, i.e. f + g V . Soient un nombre rel et f une application sannulant en 1, lapplication .f vrie (.f )(1) = 0 = 0, donc .f V . En conclusion, lensemble V des applications sannulant en 1 forme un sous-espace vectoriel de lespace vectoriel des applications de R vers R. Il forme donc, en soi, un espace vectoriel . 3. On utilise toujours la mme mthode : on applique le thorme 8 pour montrer quil sagit l dun sous-espace vectoriel de lespace vectoriel des applications de R vers R. Et donc, en soit, il vrie la dnition dun espace vectoriel. Lapplication 0 constante de valeur nulle est bien paire. Soient f et g deux applications paires, somme f + g est encore une application paire : (f + g )(x) = f (x) + g (x) = f (x) + g (x) = (f + g )(x) . Soient un nombre rel et f une application paire, lapplication .f est encore paire : (.f )(x) = .f (x) = .f (x) = (.f )(x) .

Exercice 28 (Systme linaire I). Soit S lensemble des solutions du systme x y + z = 0 : S := {(x, y, z ) R3 | x y + z = 0} . 1. Montrer que lensemble S est un sous-espace vectoriel de R3 . 2. En donner plusieurs familles gnratrices. Correction. 1. On applique le thorme 8. Les coordonnes du vecteur nul (0, 0, 0) vrient bien lquation x y + z = 0, il appartient donc S . Soient (x, y, z ) et (x , y , z ) deux lments de S , cest-dire xy+z =0 x y +z =0 . En sommant ces deux galits, on trouve (x + x ) (y + y ) + (z + z ) = 0, ce qui signie que (x + x , y + y , z + z ) = (x, y, z ) + (x , y , z ) S .

76

CHAPITRE 2. ESPACES VECTORIELS

De la mme manire, pour tout R et tout (x, y, z ) S , en multipliant lquation x y + z = 0 par , on trouve (x) (y ) + (z ) = 0, ce qui signie que (x, y, z ) = .(x, y, z ) S . On en conclut que S est un sous-espace vectoriel de R3 . 2. Raisonnons de deux manires direntes. Dabord, lquation x y + z = 0 est lquation dun plan dans lespace R3 et on sait quil faut (au moins) deux vecteurs non colinaires dun plan pour lengendrer. On voit rapidement que u = (1, 1, 0) et v = (0, 1, 1) sont deux tels vecteurs. Donc, la famille {(1, 1, 0); (0, 1, 1)} est une famille gnratrice de S . Si vous ntes pas convaincu par ces arguments, montrons, la main, quil sagit l dune famille gnratrice. Soit w = (x, y, z ) un lment de S ; cela signie que ses coordonnes vrient x y + z = 0, que lon peut rcrire y = x + z . Le vecteur w est donc gal w = (x, x + z, z ) = (x, x, 0) + (0, z, z ) = x(1, 1, 0) + z (0, 1, 1) . Ainsi, tout lment de S peut scrire comme combinaison linaire de la famille {(1, 1, 0); (0, 1, 1)}. Pour obtenir une autre famille gnratrice, on peut louter et dire, par exemple que la famille {(1, 1, 0); (0, 1, 1); (1, 2, 1)} est gnratrice. Il a sut dajouter la famille gnratrice prc-

dente un vecteur de S ! Plus srieusement, si on veut obtenir une autre famille gnratrice, on peut rcrire lquation x y + z = 0 dune autre manire, par exemple x = y z . Dans ce cas, tout vecteur de S scrit (x, y, z ) = (y z, y, z ) = (y, y, 0) + (z, 0, z ) = y (1, 1, 0) + z (1, 0, 1) . Ceci dmontre que la famille {(1, 1, 0); (1, 0, 1)} engendre le sous-espace S .

Exercice

 29 (Systme linaire II).

Soit S lensemble des solutions du systme

x + 2y = 0 , 2y + z = 0

S := {(x, y, z ) R3 | x + 2y = 0 et 2y + z = 0} . 1. Montrer, de deux manires direntes, que lensemble S est un sous-espace vectoriel de R4 . 2. En donner une famille gnratrice. Correction. 1. La premire mthode consiste utilise le dsormais fameux thorme 8. Les coordonnes du vecteur nul (0, 0, 0) vrient bien les deux quations x +2y = 0 et 2y + z = 0, il appartient donc S . Soient (x, y, z ) et (x , y , z ) deux lments de S , cest--dire x + 2y = 0 x + 2y = 0 et 2y + z = 0 et 2y + z = 0 .

En sommant ces galits deux deux, on trouve (x + x ) + 2(y + y ) = 0 , 2(y + y ) + (z + z ) = 0 , ce qui signie que (x + x , y + y , z + z ) = (x, y, z ) + (x , y , z ) S .

2.8. CORRECTIONS DES EXERCICES

77

De la mme manire, pour tout R et tout (x, y, z ) S , en multipliant les deux quations x y + z = 0 par , on trouve (x) + 2(y ) = 0 , 2(y ) + (z ) = 0 , ce qui signie que (x, y, z ) = .(x, y, z ) S . On en conclut que S est un sous-espace vectoriel de R3 .

Lautre mthode, bien plus lgante

P := {(x, y, z ) R3 | x + 2y = 0} et Q := {(x, y, z ) R3 | 2y + z = 0} . Il sagit l de deux plans vectoriels, ce sont donc deux sous-espaces vectoriels de R3 . (On peut aussi le dmontrer comme lexercice prcdent.) En remarquant que S est lintersection de P et de Q, S = P Q, et comme lintersection de deux sous-espaces vectoriels est encore un sous-espace vectoriel (Proposition 11), on en conclut que S est un sous-espace vectoriel de R3 . 2. Comme expliqu lexercice prcdent, on peut raisonner de deux manires direntes. On peut dabord dire que S est lintersection de deux plans vectoriels et donc quil sagit dune droite vectorielle. Or, pour engendrer une droite, il sut dun vecteur non nul. Ici, on voit, par exemple, 1 que les coordonnes du vecteur (1, 2 , 1) vrient les deux quations et donc quil est dans S . Au nal, la famille {(1, 1 2 , 1)} est gnratrice de S . On peut aussi rcrire les quations qui dnissent S , par exemple de la manire suivante x + 2y = 0 2y + z = 0 x = 2y z = 2y .

, revient considrer les deux sous-ensembles

Les lments de S sont donc tous de la forme (2y, y, 2y ) = y (2, 1, 2) . Ceci montre que la famille {(2, 1, 2)} engendre le sous-espace S .

Exercice 30 (Combinaisons linaires). On considre les vecteurs suivants de R4 v1 := (1, 2, 3, 0), ainsi que les familles F1 := {v1 }, On considre les vecteurs suivants w1 := (1, 1, 1, 1), w2 := (1, 1, 1, 1), w3 := (3, 4, 5, 6) . F2 := {v1 , v2 }, et F3 := {v1 , v2 , v3 } . v2 := (0, 1, 2, 3), et v3 := (2, 3, 4, 3)

1. Est-ce que le vecteur w1 (respectivement w2 et w3 ) est une combinaison linaire des vecteurs de F1 , F2 ou F3 ? 2. Dterminer les sous-espaces vectoriels Vect(F1 ), Vect(F2 ) et Vect(F3 ). 3. Dterminer toutes les manires dcrire les vecteurs (0, 0, 0, 0) et (1, 3, 5, 3) comme combinaisons linaires des vecteurs de F3 .

78

CHAPITRE 2. ESPACES VECTORIELS

Correction. 1. On peut voir par un calcul mental rapide quaucun des vecteurs w1 , w2 et w3 , nest colinaire au vecteur v1 . Ils ne sont donc pas combinaison linaire de vecteurs de F1 . Dire que le vecteur w1 est combinaison linaire des vecteurs de la famille F2 signie quil existe deux nombres rels 1 et 2 tels que w1 = 1 v1 + 2 v2 . Au niveau des coordonnes cela donne (1, 1, 1, 1) = 1 (1, 2, 3, 0) + 2 (0, 1, 2, 3) = (1 , 21 + 2 , 31 + 22 , 32 ) . On a donc ramen ltude du systme dquations suivantes 1 = 1 21 + 2 = 1 31 + 22 = 1 32 = 1 .
1 ne satisfont pas la deuxime Ce systme nadmet pas de solution car les valeurs 1 = 1 et 2 = 3 quation. On en conclut que le vecteur w1 ne scrit pas comme combinaison linaire des vecteurs de F2 . On procde de la mme manire pour le vecteur w2 . Ceci donne le systme dquations 1 = 1 21 + 2 = 1 31 + 22 = 1 32 = 1 . 1 Ce systme nadmet pas de solution car les valeurs 1 = 1 et 2 = 3 ne satisfont pas la deuxime quation. On en conclut que le vecteur w2 ne scrit pas comme combinaison linaire des vecteurs de F2 . On procde toujours de la mme manire pour le vecteur w3 . Ceci donne le systme dquations 1 = 3 21 + 2 = 4 31 + 22 = 5 32 = 6.

Ce systme admet une unique solution qui est 1 = 3 et 2 = 2. On en conclut que le vecteur w3 scrit comme combinaison linaire des vecteurs de F2 : w3 = 3v1 + 2v2
(12)

Dire que le vecteur w1 est combinaison linaire des vecteurs de la famille F3 signie quil existe trois nombres rels 1 , 2 et 3 tels que w1 = 1 v1 + 2 v2 + 3 v3 . Au niveau des coordonnes cela donne (1, 1, 1, 1) = = 1 (1, 2, 3, 0) + 2 (0, 1, 2, 3) + 3 (2, 3, 4, 3) (1 + 23 , 21 + 2 + 33 , 31 + 22 + 43 , 32 33 ) . + 2 3 3 23 33 = 1 = 1 = 2 = 1.

On a donc ramen ltude du systme dquations suivantes 1 + 2 3 = 1 1 21 + 2 + 33 = 1 2 3 + 2 + 4 = 1 2 2 1 2 3 32 33 = 1 . 32

Ce systme nadmet pas de solution car les deux dernires quations sont incompatibles. On en conclut que le vecteur w1 ne scrit pas comme combinaison linaire des vecteurs de F3 .
12. Rsultat que lon vrie la n en eectuant le calcul direct de 3(1, 2, 3, 0) + 2(0, 1, 2, 3) = (3, 4, 5, 6).

2.8. CORRECTIONS DES EXERCICES

79

On procde de la mme manire + 2 3 1 21 + 2 + 33 31 + 22 + 43 32 33

pour le vecteur w2 . Ceci donne le systme = 1 + 23 1 = 1 2 3 = 1 2 2 3 2 = 1 . 32 33

dquations = = = = 1 3 2 1 .

Encore une fois, ce systme nadmet pas de solution car les deux dernires quations sont incompatibles. On en conclut que le vecteur w2 ne scrit pas comme combinaison linaire des vecteurs de F3 . On procde encore une fois de la mme manire pour le vecteur w3 . Ceci donne le systme dquations 1 + 23 = 2 1 + 23 = 3 21 + 2 + 33 = 3 2 3 = 2 3 + 2 + 4 = 4 2 2 = 4 1 2 3 2 3 32 33 = 3 . 32 33 = 6. Les trois dernires quations sont quivalentes et le systme se rduit 1 = 3 23 2 = 2 + 3 . Il admet donc, par exemple, 1 = 5, 2 = 3, 3 = 1
(13)

comme solution. Au nal, le vecteur w3 scrit w3 = 5v1 + 3v2 + v3 .

2. Le sous-espace vectoriel engendr par la famille F1 est form des vecteurs de la forme Vect(F1 ) = {1 (1, 2, 3, 0) = (1 , 21 , 31 , 0) | 1 R} . Le sous-espace vectoriel engendr par la famille F2 est form des vecteurs de la forme Vect(F2 ) = {1 (1, 2, 3, 0) + 2 (0, 1, 2, 3) = (1 , 21 + 2 , 31 + 22 , 32 ) | 1 , 2 R} . Le sous-espace vectoriel engendr par la famille F3 est form des vecteurs de la forme Vect(F3 ) = {(1 + 23 , 21 + 2 + 33 , 31 + 22 + 43 , 32 33 ) | 1 , 2 , 3 R} . 3. On utilise les mmes systmes dquations qu la question 1. Dans le cas du vecteur (1, 3, 5, 3), on aboutit au systme 1 = 1 23 2 = 1 + 3 . Donc, toutes les manires dcrire le vecteur (1, 3, 5, 3) comme combinaisons linaires des vecteurs de F3 sont (1, 3, 5, 3) = (1 2)v1 + (1 + )v2 + v3 , avec R . Pour le vecteur nul, on obtient le mme type de rsultat : (0, 0, 0, 0) = 2v1 + v2 + v3 , avec R .

Exercice 31 (Drivs de polynmes). On note R3 [X ] lensemble des polynmes coecients rels de degr infrieur ou gal 3. Soit V := {P R3 [X ] | (X + 1)P (2 X 2 )P = 0} . 1. Montrer que lensemble V est un sous-espace vectoriel de R3 [X ]. 2. En donner une famille gnratrice.
13. Rsultat que lon vrie la n en eectuant le calcul direct.

80

CHAPITRE 2. ESPACES VECTORIELS

Correction. 1. On applique le thorme 8 de la manire suivante. Le polynme nul P = 0, appartient V : (X + 1) 0 (2 X 2 )0 = 0. Lensemble V est stable pour la somme : soient P, Q V , montrons que P + Q V . Comme P, Q V , on a (X + 1)P (2 X 2 )P = 0 et (X + 1)Q (2 X 2 )Q = 0 . Do, en sommant et en utilisant le fait que la drive dun somme est la somme des drives, (X + 1)(P + Q) (2 X 2 )(P + Q) = (X + 1)(P + Q ) (2 X 2 )(P + Q ) = (X + 1)P (2 X 2 )P + (X + 1)Q (2 X 2 )Q = 0 . Ce qui donne nalement P + Q V . Lensemble V est stable pour la multiplication par les scalaires : soient P V et R, montrons que P V . Comme P V , on a (X + 1)P (2 X 2 )P = 0. Do, en multipliant par , (X + 1)(P ) (2 X 2 )(P ) = (X + 1)P (2 X 2 )P = ((X + 1)P (2 X 2 )P ) = 0 . Ce qui donne nalement P V . On en conclut que V est un sous-espace vectoriel de R3 [X ]. 2. Soit P = a0 + a1 X + a2 X 2 + a3 X 3 un polynme de R3 [X ]. Ce polynme appartient V si et seulement si (X + 1)P (2 X 2 )P = (X + 1)(a1 + 2a2 X + 3a3 X 2 ) (2 X 2 )(2a2 + 6a3 X ) = a1 4a2 + (a1 + 2a2 12a3 )X + (4a2 + 3a3 )X 2 + 9a3 X 3 = 0 . Par identication, ceci est quivalent au systme linaire suivant a1 4a2 =0 a1 + 2a2 12a3 = 0 4a2 + 3a3 = 0 9a3 = 0 qui admet pour unique solution a1 = a2 = a3 = 0. Le sous-espace vectoriel V est donc gal au sous-espace vectoriel form des polynmes constants : V = {a0 R3 [X ] | a0 R} . Par exemple, {1} en est une famille gnratrice.

Exercice 32 (Familles gnratices de polynmes). Soit Rd [X ] lespace vectoriel des polynmes coecients rels de degr infrieur ou gal d. Donner plusieurs familles gnratrices de Rd [X ]. Correction. On a dj vu que la famille des monmes {1, X, X 2 , . . . , X d } forme une famille gnratrice de lespace vectoriel des polynmes de degr infrieur ou gal d. En eet, chaque polynmes scrit, par dnition, comme combinaison linaire de monmes.

2.8. CORRECTIONS DES EXERCICES

81

Comme toute famille obtenue partir dune famille gnratrice par ajout des vecteurs est encore gnratrice, on peut donc dire que la famille {1, X, X 2 , . . . , X d , 3X 2 7X 5 , 2 + 3X X 4 }

(en supposant que d 5) est une famille gnratrice. Plus srieusement, on prtend que la famille

1, (X + 1), (X + 1)2 , . . . , (X + 1)d est une autre famille gnratrice de lespace vectoriel des polynmes de degr infrieur ou gal d. Pour cela, il sut de montrer quelle engendre tous les vecteurs de la famille gnratrice prcdente {1, X, X 2 , . . . , X d }. En eet, on a 1 X X
2

= 1, = (X + 1) 1 , = (X + 1)2 2(X + 1) + 1 , = (X + 1)3 3(X + 1)2 + 5(X + 1) 3 , .

X3

Exercice 33 (Polynmes I). On considre la famille suivante de polymes : F := {1, 1 + X, 1 + X + X 2 , 1 + X + X 2 + X 3 } . 1. Montrer que F est une base de R3 [X ], lespace vectoriel des polynmes de degr infrieur ou gal 3, en dmontrant que tout polynme P = a0 + a1 X + a2 X 2 + a3 X 3 scrit de manire unique comme combinaison linaire dlments de F . 2. Donner les coordonnes de P dans cette famille libre. Correction. 1. Soit P = a0 + a1 X + a2 X 2 + a3 X 3 un polynme de R3 [X ], cest--dire que les coecients ai sont donns une fois pour toute. On chercher sil est possible de trouver des scalaires 0 , 1 , 2 , 3 (ce sont les inconnues) qui vrient P = a0 + a1 X + a2 X 2 + a3 X 3 = 0 1 + 1 (1 + X ) + 2 (1 + X + X 2 ) + 3 (1 + X + X 2 + X 3 ) = (0 + 1 + 2 + 3 ) + (1 + 2 + 3 )X + (2 + 3 )X 2 + 3 X 3 . donne le systme suivant 0 a0 1 a1 a2 a3 Ce qui en identiant les coecients 0 + 1 + 2 + 3 = 1 + 2 + 3 = 2 + 3 = 3 =

2 3

= = = =

a0 a1 a1 a2 a2 a3 a3 .

Ce systme dquations na donc quune seule solution. Ce qui signie quil existe une unique manire dcrire tout polynme de degr infrieur ou gal 3 comme combinaison linaire de vecteurs de F . La famille F est donc une base de R3 [X ] . 2. Les coordonnes du polynme P dans la base F est le n-uplet form des solutions du systme, savoir (a3 , a2 a3 , a1 a2 , a0 a1 ) .

82

CHAPITRE 2. ESPACES VECTORIELS

Dit autrement, P = a3 1 + (a2 a3 ) (1 + X ) + (a1 a2 ) (1 + X + X 2 ) + (a0 a1 ) (1 + X + X 2 + X 3 ) .

Exercice 34 (Bases). Reprendre les exercices 28, 29 et 31 et rpondre la question supplmentaire suivante : (3) Donner une base de ce sous-espace vectoriel. Correction. (3) Exercice 28. On a dj vu que la famille {(1, 1, 0); (0, 1, 1)} est une famille gnratrice de S . Comme ses deux vecteurs ne sont pas colinaires, ils sont libres. On a donc l une base de S . Avec lautre manire de raisonner, on a vu que tout vecteur (x, y, z ) de S dcrivait de manire unique sous la forme (x, y, z ) = (x, x + z, z ) = (x, x, 0) + (0, z, z ) = x(1, 1, 0) + z (0, 1, 1) . Ce qui donne une seconde dmonstration du fait que la famille {(1, 1, 0); (0, 1, 1)} est une base de S . 1 , 1) engendrait le sous-espace Exercice 29. De la mme manire, on a vu que le vecteur (1, 2 vectoriel S . Comme il est non nul, il forme une base de S . Exercice 31. Comme prcdemment, le polynmes constant 1 engendre le sous-espace vectoriel V . Comme il est non nul, il forme une base de V .

Exercice 35 (R6 ). On considre les vecteurs suivants de R6 : v1 := (1, 2, 3, 4, 0, 1), 1. Ces vecteurs sont-ils libres ? 2. Quelle est la dimension de Vect({v1 , v2 , v3 }), le sous-espace vectoriel de R6 engendr par v1 , v2 et v3 ? 3. Donner trois bases direntes de Vect({v1 , v2 , v3 }). 4. Donner une combinaison linaire non triviale vrie par v1 , v2 et v3 . Correction. 1. On peut utiliser la mthode vue dans le cours qui consiste considrer la matrice dont les colonnes sont formes des vecteurs v1 , v2 , v3 puis lchelonner : 1 1 3 1 0 1 1 0 0 2 3 8 1 2 1 0 2 2 3 4 11 3 1 3 3 1 0 . 4 6 16 2 4 2 0 4 4 0 5 10 0 5 0 0 5 0 1 4 9 1 3 1 1 3 0 C3 C3 2C2 C3 C3 C1 C2 C2 C1 On remarque que lon nobtient que deux colonnes non nulles dans la matrice chelonne. Ceci signie que le sous-espace vectoriel engendr par les vecteurs v1 , v2 , v3 est de dimension 2, par la proposition 16. Or, on a vu la proposition 14 que le nombre de vecteurs dune famille libre est infrieur la dimension de lespace dans lequel ils vivent. Ici, on a 3 vecteurs dans un sous-espace de dimension 2, ils ne sauraient tre libres. 2. Nous avons tabli la question prcdente que dim Vect({v1 , v2 , v3 }) = 2 . v2 := (1, 3, 4, 6, 5, 4) et v3 := (3, 8, 11, 16, 10, 9) .

2.8. CORRECTIONS DES EXERCICES

83

3. On peut commencer par appliquer la proposition 16 qui dit que les vecteurs colonnes non nuls de la matrice chelonne forme une base du sous-espace engendr. On a donc que la famille {(1, 2, 3, 4, 0, 1), (0, 1, 1, 2, 5, 3)} forme une base de Vect({v1 , v2 , v3 }). Comme le sous-espace vectoriel engendr par v1 , v2 , v3 est de dimension 2, il sagit dun plan vectoriel. Toute base est donc forme dune paire de vecteurs non colinaires. On a donc que {(1, 2, 3, 4, 0, 1), (1, 3, 4, 6, 5, 4)} forme une base de Vect({v1 , v2 , v3 }) et que {(1, 2, 3, 4, 0, 1), (3, 8, 11, 16, 10, 9)} forme une base de Vect({v1 , v2 , v3 }). 4. Les oprations lmentaires sur les colonnes nous ont montr que la troisime colonne moins deux fois la deuxime moins la premire donnait la colonne nulle. Ce qui se traduit en terme de vecteurs par : v3 2v2 v1 = 0 .

Exercice 36 (R ). On considre la famille suivante de vecteurs de R4 : A := {(1, 2, 3, 1), (2, 1, 3, 1), (1, 1, 2, 3), (1, 1, 3, 2), (3, 2, 5, 4)} . 1. Cette famille est-elle libre ? 2. Quelle est la dimension de Vect(A), le sous-espace vectoriel de R4 engendr par A ? 3. Donner deux bases direntes de Vect(A). 4. Donner une combinaison linaire non triviale dlments de A. Correction. 1. La famille de vecteurs A nest pas libre car elle contient strictement plus de vecteurs que la dimension de lespace vectoriel dans lequel elle est. (On a appliqu la proposition 14.) 2. On utilise toujours la mme mthode qui consiste formes des vecteurs de A puis lchelonner : 1 1 2 1 1 3 2 1 1 1 2 1 3 3 2 3 5 2 1 1 3 2 4 3 considrer la matrice dont les colonnes sont 0 1 1 5 0 0 1 1 0 0 0 1 0 0 . 0 0

Comme on obtient une matrice chelonne forme de 4 vecteurs colonnes non nuls, on en dduit, par la proposition 16, que la dimension du sous-espace vectoriel engendr par la famille A est 4, dim Vect(A) = 4 . 3. Encore une fois, on utilise la proposition 16 qui arme que les vecteurs colonnes de la matrice chelonne forment une base de Vect(A), cest--dire ici {(1, 1, 2, 3), (0, 1, 1, 5), (0, 0, 1, 1), (0, 0, 0, 1)} est une base de Vect(A). Les vecteurs {(1, 2, 3, 1), (0, 1, 1, 5), (0, 0, 1, 1), (0, 0, 0, 1)} appartiennent Vect(A) et leur matrice associe est chelonne. Ils forment donc une autre base de Vect(A).

84

CHAPITRE 2. ESPACES VECTORIELS

4. Les oprations lmentaires par colonnes ont montr que v5 = v2 + v3 , relation que lon peut aussi vrier la main.

Exercice 37 (Sous-espaces vectoriels de R4 ). On appelle U le sous-espace vectoriel de R4 engendr par les vecteurs suivants : u1 := (1, 2, 1, 3), u2 := (2, 4, 1, 2) et u3 := (3, 6, 3, 7) . On appelle W le sous-espace vectoriel de R4 engendr par les vecteurs suivants : w1 := (1, 2, 4, 11) et w2 := (2, 4, 5, 14) . 1. Quelle est la dimension de W ? 2. Montrer que U = W . 3. En donner deux bases direntes. Correction. 1. Comme les deux vecteurs w1 et w2 ne sont pas colinaires. Ils sont libres ; ils engendrent donc un sous-espace vectoriel de dimension 2, dim W = 2 . 2. On commence par remarquer que les vecteurs w1 et w2 appartiennent U grce aux relations suivantes w1 = 3u1 u2 et w2 = 4u1 u2 .

(On peut aussi utiliser la base {v1 := (1, 2, 1, 3), v2 := (0, 0, 3, 8)} de U trouve dans le cours et remarquer que w1 = v1 v2 et w2 = 2v1 v2 .) On en dduit que W U . Or, dans le cours, nous avons vu que dim U = 2. Comme les deux sous-espaces vectoriels U et W sont de mme dimension, on en conclut quils sont gaux U =W . 3. Comme il sagit dun sous-espace vectoriel de dimension 2, toute paire de vecteurs non colinaires en forme une base. Par exemple, les familles {u1 , u2 } , forment des bases de U = W . {v1 , v2 } et {w1 , w2 }

Exercice 38 (Polynmes II). On considre la famille suivante de polynmes F := {1 + X + X 2 + X 3 , 1 X X 3 , 1 X 2 X 3 , 3 X 3 } 1. Cette famille est-elle gnratrice dans lespace-vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3 ? 2. Cette famille est-elle libre dans R3 [X ] ? 3. Cette famille est-elle libre dans R[X ] ? 4. Donner deux bases du sous-espace Vect(F ) engendr par la famille F . 5. Complter ces bases de Vect(F ) en des bases de R3 [X ].

2.8. CORRECTIONS DES EXERCICES

85

Correction. 1. On utilise la base canonique {X 3 , X 2 , X, 1} de R3 [X ] dans laquelle on crit les lments de F pour se ramener un problme dans R4 . Ceci donne la famille {(1, 1, 1, 1), (1, 0, 1, 1), (1, 1, 0, 1), (1, 0, 0, 3), } de R4 . La matrice de vecteurs colonnes correspondante est donc 1 1 1 1 1 0 1 0 . 1 1 0 0 1 1 1 3 Elle admet pour matrice chelonne quivalent par 1 1 1 1 1 0 1 0 1 1 0 0 1 1 1 3 colonne la matrice suivante 1 0 0 0 1 1 0 0 . 1 0 1 0 1 2 2 0

Par la proposition 16, on en dduit que la famille F engendre un sous-espace vectoriel de dimension 3 et non 4 = dim R3 [X ]. Cette famille nest donc pas gnratrice. 2. La famille F contient 4 vecteurs et engendrent un sous-espace vectoriel de dimension 3. La proposition 14 montre quelle ne peut pas tre une famille libre. 3. Le fait de considrer la famille F dans R3 [X ] ou dans lespace plus gros R[X ] de tous les polynmes ne change rien au fait quelle nest pas libre. Daprs la question prcdente, il existe dans R3 [X ] une combinaison linaire non triviale entre les vecteurs de F . Cette combinaison linaire non triviale est toujours vrie dans R[X ]. Donc la famille F nest pas libre dans R[X ]. 4. Daprs la proposition 16, on sait que les vecteurs colonnes de la matrice chelonne, interprts, dans R3 [X ] forment une base de Vect(F ). On a donc que la famille {X 3 + X 2 + X + 1, X 2 + 2, X + 2} forme une base de Vect(F ). Les oprations lmentaires sur les colonnes montrent que lon a obtenu ces trois vecteurs uniquement partir des trois premiers vecteurs de la matrice, le quatrime scrivant comme combinaison linaire des trois premiers. On en dduit donc que les trois premiers vecteurs, interprts dans R3 [X ], i.e. {1 + X + X 2 + X 3 , 1 X X 3 , 1 X 2 X 3 } , forme une base de Vect(F ). 5. La forme de la matrice chelonne montre quil sut dajouter un polynme constant non nul aux deux familles prcdentes pour obtenir deux bases de R3 [X ] : {X 3 + X 2 + X + 1 , X 2 + 2 , X + 2 , 1} et

{1 + X + X 2 + X 3 , 1 X X 3 , 1 X 2 X 3 , 1} .


Exercice 39 (Somme directe). Montrer que les deux sous-espaces vectoriels de R3 U := {(x, y, z ) R3 | x + y + z = 0} et V := Vect({(2, 0, 0)}) sont en somme directe.

86

CHAPITRE 2. ESPACES VECTORIELS

Correction. Il sut de montrer que lintersection entre U et V se rduit au vecteur nul. Les lments de V sont les vecteurs colinaires (2, 0, 0), cest--dire les vecteurs de la forme (2, 0, 0) avec R. Ils vrient lquation x + y + z = 0 de U si et seulement si 2 + 0 + 0 = 0, ce qui impose = 0. Donc, U V = {0}, i.e. U et V sont en somme directe .

Exercice 40 (Fonctions paires et impaires). Dans lespace vectoriel F des applications de R vers R, on considre les deux sous-espaces vectoriels forms respectivement des fonctions paires f (x) = f (x) et impaires f (x) = f (x) : P := {f : R R | f paire} et I := {f : R R | f impaire} . Montrer que P I = F . Correction. On commence par montrer que les deux sous-espaces vectoriels P et I sont en somme directe. Soit f une fonction la fois paire f (x) = f (x) et impaire f (x) = f (x). Elle vrie f (x) = f (x) = f (x), donc 2f (x) = 0 puis f (x) = 0, pour tout x R. On en conclut que P I = {fonction partout nulle} . On montre ensuite que la somme de P avec I engendre tout lespace des fonctions de R vers R. Pour cela, on remarque que toute fonction f scrit sous la forme f (x) + f (x) f (x) f (x) f (x) = + , 2 2 o p est une fonction paire p(x) = p(x) et o i est une fonction impaire i(x) = i(x).

Rus non ? Au nal, on a montr P I =F .

p(x)

i(x)

Exercice 41 (Supplmentaire). On se place dans le plan R2 . On considre la droite vectorielle dquation D := {(x, y ) R2 | 2x + y = 0} . 1. Trouver un supplmentaire de D dans R2 . 2. Est-il unique ? Sinon, combien y en a-t-il ? Correction. 1. La droite des abscisses est un supplmentaire de D : son intersection avec D est rduite au vecteur nul 0 et sa somme avec D engendre tout le plan R2 . Dit autrement, tout vecteur du plan scrit de manire unique comme un vecteur de D et dun vecteur horizontal. 2. En fait, toute droite vectorielle du plan, dirente de D, en est un supplmentaire par les mmes arguments.

Exercice 42 (Projections). Dans lespace R3 , on considre la droite D dquations D := {(x, y, z ) R3 | 3x + y z = 0; x + 2y + z = 0} et le plan P dquation P := {(x, y, z ) R3 | x + y 2z = 0} .

2.8. CORRECTIONS DES EXERCICES

87

1. Montrer quils sont supplmentaires lun de lautre dans R3 .


D 2. Donner lexpression des projections projP D sur D paralllement P et projP sur P paralllement D.

Correction. 1. Soit (x, y, z ) un vecteur appartenant D et P . Alors il vrie le systme dquations suivant 3x + y z = 0 x + 2y + z = 0 x + y 2z = 0 . En faisant la dirence entre la deuxime et la troisime quation, on trouve y = 3z . Ceci donne 3x 4z = 0 x 5z = 0 , puis x = 5z et 11z = 0. Do, seule la solution (0, 0, 0) vrie ce systme, cest--dire D P = {0} . On sait que la droite D est de dimension 1 et que le plan P est de dimension 2. Comme D et P sont en somme directe, la proposition 19 arme que dim(D P ) = dim D + dim P = 1 + 2 = 3 . Donc, D P = R et D et P sont supplmentaires lun de lautre. 2. La question prcdente dmontre que tout vecteur de w R3 scrit de manire unique comme la somme w = u + v dun vecteur u de D et dun vecteur v de P . crivons explicitement une telle dcomposition : soit w = (x, y, z ) et cherchons u = (a, b, c) et v = (, , ) tels que x=a+ y =b+ z =c+ . Lquation de P , vrie par v , est + 2 = 0 et elle donne a + b 2c = x + y 2z . Avec les deux quations de D vries par 3a + b c a + 2b + c a + b 2c u, on obtient le systme suivant = 0 = 0 = x + y 2z .
3

En sommant les deux premires et en sommant deux fois la deuxime avec la dernire, on obtient 4a + 3b = 0 3a + 5b = x + y 2z a + b 2c = x + y 2z . On multiplie la premire par 3 et la deuxime 12a + 9b = 12a + 20b = a + b 2c = par 4 pour arriver 0 4(x + y 2z ) x + y 2z .

La dirence entre la deuxime et la premire permet de trouver b b= puis a a= 3 (x + y 2z ) , 11 4 (x + y 2z ) , 11

88

CHAPITRE 2. ESPACES VECTORIELS

et enn c 5 (x + y 2z ) . 11 Les coordonnes (, , ) du vecteur v sont donc c= (, , ) = 14 3 6 4 7 19 5 5 1 x + y z, x + y z, x + y + z 11 11 11 11 11 11 11 11 11 .

Au nal, la projection projP D sur D paralllement P envoie le vecteur w sur le vecteur u, soit R3 D 3 4 5 (x, y, z ) 11 (x + y 2z ), 11 (x + y 2z ), 11 (x + y 2z ) et la projection projD P sur P paralllement D envoie le vecteur w sur le vecteur v , soit R3 (x, y, z ) P
14 11 x

3 11 y

6 4 11 z, 11 x

7 11 y

19 5 11 z, 11 x

5 11 y

1 11 z

CHAPITRE 3 APPLICATIONS LINAIRES

De manire gnrale en mathmatiques, cest ltude des applications entre objets qui nous intressent le plus. Par exemple, parce quelles nous donne des informations sur les objets eux-mmes. Nous avons vu au premier chapitre la notion dapplication entre deux ensembles et le deuxime chapitre a mis au jour la notion despace vectoriel. Dans ce chapitre nous tudierons la bonne notion dapplication entre espaces vectoriel : les applications linaires. Pour de plus amples dtails sur ce chapitre, on revoie le lecteur [Lip03, Chapitres 8-9-10].

3.1. Dnition Comme un espace vectoriel est la donne dun ensemble et de deux lois, on tudie les applications ensemblistes entre deux espaces vectoriels qui respectent la somme des vecteurs et la multiplication par les scalaires. Plus prcisment, cela correspond la dnition suivante. Dnition (Application linaire). Soient (U, +U , .U ) et (V, +V , .V ) deux espaces vectoriels. Une application f : U V est dite linaire si f u1 +U u2 = f u1 +V f u2 , f ( .U u) = .V f (u) , pour tout u1 , u2 , u U et R. On les appelle aussi des morphismes. Remarque. Ces deux conditions sont quivalentes au seul fait que lapplication f prserve les combinaisons linaires de deux vecteurs f 1 . u1 + 2 . u2 = 1 . f u1 + 2 . f u2
(1)

Cest encore quivalent au fait que f prserve nimporte quelle combinaison linaire f 1 . u1 + + n . un = 1 . f u1 + + n . f un .

Il est facile de voir que toute application linaire envoie le vecteur nul de U sur le vecteur nul de V : f 0U = 0V .

1. Lorsque le contexte est vident, on note simplement les lois de U et de V par + et par . pour simplier les notations.

90

CHAPITRE 3. APPLICATIONS LINAIRES

Exemples. Les applications de la forme R R x ax avec a R sont linaires. En eet, a(x + y ) = (ax) + (ay ). Ce sont dailleurs les seules applications linaires de R dans R. Toute matrice M Mn,m donne naissance une application f M : Rm X o la multiplication M X de la matrice M 1,1 1,m x1 . . . . .. . . . . . . n,1 n,m xm Rn MX ,

par le vecteur colonne X est 1,1 x1 + + 1,m xm . . = . n,1 x1 + + n,m xm

qui est linaire car la multiplication des matrices lest : M (X + Y ) = M X + M Y Toute application linaire R
m n

et M (X ) = (M X ) .

dans R est de cette forme, voir ci-dessous !

Nous avions dj vu une application linaire au chapitre prcdent : lapplication coordonnes dans une base A = {a1 , . . . , an } coordA : V u = 1 a1 + + n an Rn (1 , . . . , n ) .

Dans lautre sens, lapplication combinaison linaire clA : Rn V (1 , . . . , n ) 1 a1 + + n an .

est aussi linaire. Notez que ces deux applications sont inverses lune de lautre. Pour toute dcomposition dun espace vectoriel en la somme directe de deux sous-espaces U vectoriels W = U V , les deux projections projV U et projV sur U paralllement V et sur V paralllement U sont des applications linaires. Pour tout espace vectoriel V , lapplication identit idV : V v V v.

est manifestement linaire. Contre-exemple. Lapplication

R R x x+2 nest pas linaire, par exemple, parce que limage de 0 nest pas 0. Lapplication R R x x2 nest pas linaire. Certes limage de 0 est bien 0 mais elle ne respecte ni la somme (x + y )2 = x2 + 2xy + y 2 = x2 + y 2 , ni la multiplication par les scalaires (x)2 = 2 x2 = x2 .

3.1. DFINITION

91

Proposition 23. Toute application linaire f : Rm Rn est de la forme f = f M : Rm X Rn MX ,

o la matrice M est compose en colonnes des images par f des vecteurs 0 1 0 . . ,..., . . 0 . . 1 0 de la base canonique de Rm : M = f 0 . . , . . . , f . . 0 1 0 1 0 . . .

Dmonstration. La dmonstration est simple est clairante, surtout pour la suite du cours. Si on appelle 0 1 . 0 . e1 = . , . . . , em = . 0 . . 1 0 x1 . la base canonique de Rm , alors tout vecteur X = . . scrit X = x1 e1 + + xm em dans xm cette base. Donc son image par lapplication linaire f est f (X ) = f (x1 e1 + + xm em ) = x1 f (e1 ) + + xm (em ) . 1,i . Si on note les vecteurs images f (ei ) = . . , alors limage de tout vecteur X vaut n,i f (X ) = x1 f (e1 ) + + xm f (em ) 1,1 1,m 1,1 x1 + + 1,m xm . . . . = x1 . = MX . . + + xm . . = . n,1 n,m n,1 x1 + + n,m xm

On note lensemble des applications linaires entre les deux espaces vectoriels U et V par Hom(U, V ) := {f : U V | f linaire}
(2)

Attention

. La prochaine proposition va vous faire bien rchir ; prenez de laspirine.

Proposition 24. Lensemble (Hom(U, V ), +, .) des applications linaires entre deux espaces vectoriels xs, muni de la somme et de la multiplication des scalaires des fonctions, est un espace vectoriel.
2. Dans la littrature, on trouve aussi L(U, V ).

92

CHAPITRE 3. APPLICATIONS LINAIRES

Dmonstration. Il sut de montrer que cest un sous-espace vectoriel de lespace vectoriel de toutes les applications partant de U et arrivant dans lespace vectoriel V . En fait, la somme de deux applications linaires est encore une application linaire (f + g )(1 u1 + 2 u2 ) = f (1 u1 + 2 u2 ) + g (1 u1 + 2 u2 ) = 1 f (u1 ) + 2 f (u2 ) + 1 g (u1 ) + 2 g (u2 ) = 1 (f + g )(u1 ) + 2 (f + g )(u2 ) . Et la mutliplication dune application linaire par un scalaire donne encore une application linaire. Remarque. Notez la mise en abyme (3) : on part de deux espaces vectoriels, on considre les applications entre eux et cela forme un nouvel espace vectoriel ! Prenez le temps de digrer cela. Sinon, dis plus simplement, cette proposition arme que toute combinaison linaire dapplications linaires est encore linaire. Poursuivons ltude des oprations possibles sur les applications linaires avec la composition. Soit W un troisime espace vectoriel. On peut composer toute paire dapplications linaires de U vers V et de V vers W respectivement : U
f

/V
g f

/W . 5

Proposition 25. La compose g f de deux applications linaire f et g est encore une application linaire. Exemple. Si les espaces vectoriels en question sont des puissances de R, i.e. U = Rm , V = Rn et W = Rp , alors on sait que les applications linaires sont ncessairement matricielles par la proposition 23. Rm 
fM

/ Rn

fN

5 / Rp

fN fM =fN M

/ MX  / NMX . X La compose de la multiplication par une matrice M puis par une matrice N est bien une application linaire puisquelle est gale la multiplication par la matrice produit N M . Proposition 26. Lorsquune application linaire f : U V est bijective, alors son application rciproque f 1 : V U est linaire. Exemple. Nous verrons plus loin que si une application linaire matricielle fM : Rm Rn est bijective, alors cela force les dimensions tre gales : n = m. La fonction rciproque est encore matricielle, par la proposition 23, cest--dire (fM )1 = fN , o N M = M N = I . La matrice N est linverse de la matrice M ; on la note N = M 1 . Au nal, ceci se rsume en (fM )1 = fM 1 . Nous venons de considrer trois oprations qui prservent les applications linaire : la somme, la multiplication par un scalaire et la composition. Entre elles, elle vrie la proprit suivante. Proposition 27. La composition des applications dnit une application Hom(U, V ) Hom(V, W ) (f, g ) Hom(U, W ) gf

3. se dit lorsque dans une oeuvre est fait rfrence loeuvre elle-mme. Par exemple, lorsque dans un lm on parle de ce lm comme dans La folle histoire de lespace de Mel Brooks, ou comme dans certains tableaux de Magritte.

3.2. NOYAU ET IMAGE

93

qui est bilinaire, cest--dire quelle est linaire gauche et droite :

Interprtation . Si on rsume, on a que lensemble des applications linaires entre espaces vectoriels est encore un espace vectoriel et que la composition des applications linaires dnit une application bilinaire. Que de mises en abyme ! On pourrait continuer ce triturage intellectuel, mais on va arrter les frais. Tout ceci vous montre la richesse de la notion despace vectoriel.

(1 f1 + 2 f2 ) g = f (1 g1 + 2 g2 ) =

1 (f1 g ) + 2 (f2 g ) , 1 (f g1 ) + 2 (f g2 ) .

3.2. Noyau et image On va maintenant tudier comment se comporte les applications linaires vis--vis des sousespaces vectoriels. Proposition 28. Soit f : U V une application linaire. Pour tout sous-espace vectoriel U de U , son image par f f (U ) = {f (u) V | u U } est un sous-espace vectoriel de V . Pour tout sous-espace vectoriel V de V , son image rciproque par f f 1 (V ) = {u U | f (u) V } est un sous-espace vectoriel de U . Exemples. Dans lespace E , considrons la projection projV U sur le plan horizontal U paralllement la droite verticale V . DESSIN Soit U un plan vertical. Sa projection par projV U sur le plan horizontal est une droite vectorielle, cest--dire bien un sous-espace vectoriel du plan horizontal. Soit V une droite vectorielle du plan horizontal. Son image rciproque par la projection projV U est le plan vertical quelle dnit. Il sagit bien dun sous-espace vectoriel de lespace E. On va sintresser plus particulirement au deux cas extrmes suivants U = U et V = {0}. Dnition (Image et noyau). Limage dune application linaire f : U V est le sous-espace vectoriel du but dni par Imf := f (U ) .

Le noyau dune application linaire f : U V est le sous-espace vectoriel de la source dni par Kerf := f 1 {0} .

Exemples. Soient U et V deux droites vectorielles distinctes du plan P . On considre la projection projV U sur U paralllement V . DESSIN Dans ce cas, limage de la projection est la droite U et le noyau de la projection est la droite V.

94

CHAPITRE 3. APPLICATIONS LINAIRES

Soit une application linaire entre des puissances de R fM : R m X Rn MX ,

o M est une matrice de Mn,m . On appelle c1 , . . . , cm les m vecteurs de Rn donnes par les colonnes de la matrice M : 1,m 1,1 . . n c1 := . . R . . , . . . , cm := . n,1 n,m Limage de lapplication fM est le sous-espace vectoriel de Rn engendr par les c1 , . . . , cm : Im fM = Vect(c1 , . . . , cm ) . En eet, les lments x1 . fM ( X ) = fM . . xm de limage de fM sont les lments de 1,1 1,m . . . = x1 . + + xm . . n,1 n,m la forme = x1 c1 + + xm cm .

Le noyau de lapplication fM est le sous-espace vectoriel de Rm form par les vecteurs dont les coordonnes sont solutions du systme de n quations linaires m inconnues : 1,1 x1 + + 1,m xm = 0 , . . . n,1 x1 + + n,m xm = 0 . En eet, par dnition, on a Ker fM = {X Rm | M X = 0}.

Interprtation . On commence ici voir lintrt de la thorie des espaces vectoriels : on vient dinterprter les braves solutions de systmes dquations linaires comme un sous-espace vectoriel particulier, le noyau dune application linaire matricielle. On peut donc sattendre ce que la suite du cours nous donne de nouveaux outils pour rsoudre ce genre de question ... Thorme 16. Soit f : U V une application linaire. Lapplication f est surjective si et seulement si Imf = V . On dit alors que cest un pimorphisme et on le note f : U V. Lapplication f est injective si et seulement si Kerf = {0}. On dit alors que cest un monomorphisme et on le note f : U V. Lapplication f est bijective si et seulement si Imf = V et Kerf = {0}. On dit alors que cest = V. un isomorphisme et on le note f : U Exemples. Dans tout espace vectoriel dcompos sous la forme W = U V , la projection projV U : W U sur U est un pimorphisme mais pas un monomorphisme si V = {0}. Les deux applications coordonnes et combinaison linaire dans une base sont des isomorphismes, inverses lun de lautre :

En pratique . Notez la puissance pratique de ce rsultat. Lorsque lon veut montrer quune application est injective, nous avons vu quil fallait compter le nombre dantcdents pour

1 coordA = cl A

et

1 clA = coord A .

3.2. NOYAU ET IMAGE

95

chaque lment du but. Dans le cas o lapplication est linaire, il sut juste de vrier que le seul antcdent du vecteur nul (du but) est le vecteur nul (de la source) ! conome, non ?

Exercice 43 (Drivation). Dans lespace vectoriel R[X ] des polynmes, on considre lapplication drivation suivante der : R[X ] R[X ] P = a0 + a1 X + + an X n P = a1 + 2a2 X + + nan X n1 .

1. Lapplication der est-elle linaire ? 2. Dcrire son image Im(der). Cette application est-elle un pimorphisme ? 3. Dcrire son noyau Ker(der). Cette application est-elle un monomorphisme ? 4. Lapplication der est-elle un isomorphisme ?

Exercice 44 (Dcalage). Dans lespace vectoriel R[X ] des polynmes, on considre lapplication dcalage suivante dec 1. Lapplication dec est-elle linaire ? 2. Dcrire son image Im(dec). Cette application est-elle un pimorphisme ? 3. Dcrire son noyau Ker(dec). Cette application est-elle un monomorphisme ? 4. Lapplication dec est-elle un isomorphisme ? 5. Si oui, dcrire son application linaire rciproque. : R[X ] R[X ] P (X ) P (X + 1) .

Exercice 45 (Application linaire matricielle). Dans lespace vectoriel R3 , on note E := {e1 , e2 , e3 } la base canonique e1 := (1, 0, 0), f1 := (1, 0, 1), e 1 f1 , f e2 := (0, 1, 0), e3 := (0, 0, 1) . On considre la famille F := {f1 , f2 , f3 } dnie par f2 := (0, 1, 2),
3 3

f3 := (2, 1, 1) .

Il existe une unique application linaire f : R R qui envoie e2 f2 , e 3 f3 . 1. Montrer que cette application linaire est de la forme : R3 R3 X MX ,

o M M3 (R) est une matrice 3 3 que lon explicitera. 2. Dcrire limage Im(f ) de f et en donner une base. 3. Lapplication f est-elle un pimorphisme ? 4. Dcrire le noyau Ker(f ) de f . 5. Lapplication f est-elle un monomorphisme ? 6. Lapplication f est-elle un isomorphisme ? 7. Si oui, dcrire lapplication rciproque.

Proposition 29. Soit f : U V une application linaire.

96

CHAPITRE 3. APPLICATIONS LINAIRES

Lapplication f est un pimorphisme si et seulement si, pour toute toute famille gnratrice A = {a1 , . . . , an } de U , son image f (A) = {f (a1 ), . . . , f (an )} par f est une famille gnratrice de V . Lapplication f est un monomorphisme si et seulement si, pour toute toute famille libre A = {a1 , . . . , an } de U , son image f (A) = {f (a1 ), . . . , f (an )} par f est une famille libre de V. Lapplication f est un isomorphisme si et seulement si, pour toute toute base A = {a1 , . . . , an } de U , son image f (A) = {f (a1 ), . . . , f (an )} par f est une base de V .

En pratique . On se servira, bien sur, plus souvent de limplication directe (de la gauche vers la droite) qui se lit respectivement : un pimorphisme prserve les familles gnratrices, un monomorphisme prserve les familles libres et un isomorphisme prserve les bases. Exemples. Dans lespace E , reprenons lexemple de la projection projV U sur le plan horizontal U paralllement la droite verticale V . La projection sur le plan horizontal dune famille gnratrice de E donne une famille gnratrice du plan P . DESSIN Mais, la projection dune base de E donne une famille de trois vecteurs du plan qui nest jamais libre. La projection est bien un pimorphisme mais pas un monomorphisme. Considrons linclusion du plan P dans lespace E , par exemple comme tant le plan horizontal. DESSIN Toute famille libre du plan P reste une famille libre lorsquelle est vue dans lespace E . Par contre, une famille gnratrice du plan P nengendre pas plus que le plan horizontal de lespace E ; elle perd donc la proprit dtre gnratrice par linclusion. Au nal, linclusion est un monomorphisme mais pas un pimorphisme. Corollaire 1. Si deux espaces vectoriels sont isomorphes, alors ils ont la mme dimension. Dmonstration. Cest une consquence directe de la dernire assertion de la proposition 29 : un isomorphisme envoie une base sur une base. Donc les bases de la source et du but ont le mme nombre dlments.

3.3. Rang On va maintenant tudier le comportement des applications linaires vis--vis des dimensions. Dnition (Rang). Le rang dune application linaire f est la dimension de son image rg f := dim Imf . Exemple. Considrons le cas des applications linaires fM : Rm Rn entre puissances de R. Nous avons vu prcdemment que limage de fM tait le sous-espace vectoriel de Rn engendr par les vecteurs colonnes de la matrice M , Im fM = Vect(c1 , . . . , cm ). Le rang de lapplication fM est donc la dimension de ce sous-espace. Il est gal au nombre de colonnes non nulles dans la matrice chelonne. Cest ce que lon appelle le rang de la matrice M . Proposition 30. Pour toute application linaire f : U V , on a rg f si et seulement si f est un pimorphisme. dim V avec galit

Le thorme fondamental suivant relie le rang dune application linaire la dimension de sa source.

3.3. RANG

97

Thorme 17 (du rang). Toute application linaire f : U V depuis un espace vectoriel U de dimension nie vrie dim U = dim Kerf + rg f . Dmonstration. La dmonstration est simple et permet dillustrer comment on utilise la notion de supplmentaire pour dcomposer un espace vectoriel. Le noyau de f est un sous-espace vectoriel de la source U . Il admet donc (au moins ) un supplmentaire : U = Ker f S . On considre la restriction f : S Im f de f la source S et au but limage de f . Comme Ker f et S sont en somme directe, Ker f S = {0}, alors le noyau de f est rduit au vecteur nul et f est injective. Il est facile de voir que limage de f est gale limage de f . Donc, lapplication f est un isomorphisme. Le corollaire 1 implique que les dimensions de S et de Im f sont gales, cest--dire rg f = dim U dim Kerf . Exemple. Dans lespace E de dimension 3, reprenons lexemple de la projection = projD P : E P sur un plan P paralllement une droite D. Dans ce cas, Ker = D et Im = P et le thorme du rang donne dim E 3 = = dim Ker 1 + + rg 2.


Exercice 46 (Sous-espace vectoriel). On considre le sous-ensemble de R4 dni par F := {(x, y, z, t) R4 | 2x y = 0, x y + t + z = 0} . 1. Montrer que F est un sous-espace vectoriel de R4 en lcrivant comme le noyau dune application linaire bien choisie. 2. Calculer la dimension du sous-espace vectoriel F .

La proposition suivante est similaire la proposition ?? du chapitre ?? qui compare les cardinaux des ensembles source et but. Ici, comme les dirents cardinaux sont innis, cette notion ne nous aide pas beaucoup. A la place, on utilise celle, plus pertinente, de dimension. Proposition 31. Soient U et V deux espaces vectoriels de dimensions nies. Sil existe un pimorphisme U V entre U et V , alors dim U dim V . Sil existe un monomorphisme U V entre U et V , alors dim U dim V . Sil existe un isomorphisme U V entre U et V , alors dim U = dim V . Dmonstration. Cest un corollaire direct du thorme du rang quon laisse au lecteur comme (trs bon) exercice. Attention . Il existe une erreur malheureusement trop frquente contre laquelle vous devez vous travailler. Si on vous donne une application xe f : U V , ce nest pas parce que la dimension de la source est suprieure celle du but que cette application prcise f est un pimorphisme ! Lapplication nulle de R2 dans R en est un bon exemple. Les contraposes (4) des assertions de la proposition prcdente donnent le corollaire suivant.
4. La contrapose dune implication logique A B est non B non A. Par exemple, la contrapose de sil a russit son partiel, alors cest quil a travaill est sil ne travaille pas, alors il naura pas son partiel.

98

CHAPITRE 3. APPLICATIONS LINAIRES

Corollaire 2. Soient U et V deux espaces vectoriels de dimensions nies. Si dim U < dim V , alors il nexiste aucun pimorphisme U V entre U et V . Si dim U > dim V , alors il nexiste aucun monomorphisme U V entre U et V . = V entre U et V . Si dim U = dim V , alors il nexiste aucun isomorphisme U Dans le cas de deux espaces vectoriels de mme dimension nie, le thorme suivant montre que toutes les situations ne peuvent pas arriver. Thorme 18. Soit f : U V une application linaire entre deux espaces vectoriels de mme dimension nie. Les propositions suivantes sont quivalentes. f pimorphisme f monomorphisme f isomorphisme .

Interprtation . En gnral, quatre cas sont possibles : injectif-surjectif, non injectifsurjectif, injectif-non surjectif et non injectif-non surjectif. Or, dans le cas o les dimensions sont les mmes et nies, alors seuls les deux cas injectif-surjectif et non injectif-non surjectif peuvent arriver. En pratique, si vous connaissez les dimensions de la source et du but et quelles sont gales, vous pouvez conclure linjectivit (ou non) partir de la surjectivit (ou non) ! Cest trs puissant. Mais attention ! Vous vous souviendrez bien que cela ne fonctionne pas si les dimensions sont direntes. Considrons maintenant le cas U = V . Dnition (Endomorphisme et automorphisme). Une application linaire f : U U entre le mme espace vectoriel est appele un endomorphisme. Sil est inversible, on parle dautomorphisme. Exemple. Pour conclure, revenons lexemple des endomorphismes fM : X M X de Rn . Ils correspondent aux matrices carres Mn de taille n. Le thorme 18 se traduit de la manire suivante en terme de matrices M de rang maximal n le systme dquations linaires M X = 0 nadmet que la solution triviale X = 0 M est inversible .

Dans ce cas, lapplication linraire fM est un automorphisme dont la rciproque est donne par la matrice inverse : (fM )1 = fM 1 . 3.4. Matrice associe une application linaire On vient de voir que lon connait toutes les applications linaires entre puissances de R ; elles sont donnes par multiplication matricielle. Dautre part, la calcul matriciel simple nous permet dtudier toutes les proprits de ces applications linaires (rang, noyau, surjectivit, injectivit, etc.). Pour toute application linaire f : U V , il serait donc trs intressant de pouvoir se ramener ce cas. Pour cela, il sut de choisir une base U = {u1 , . . . , um } de U et une base V = {v1 , . . . , vn } de V . On peut alors identier lespace U Rm et lespace V Rn grce aux isomorphismes coordonnes et combinaison linaire". f /V U O O
clU coordU clV coordV

 Rm

fM

 / Rn

3.4. MATRICE ASSOCIE UNE APPLICATION LINAIRE

99

La compose coordV f clU est une application linaire de Rm vers Rn ; elle est donc de la forme matricielle fM : X M X , avec M Mm,n . Dnition (Matrice associe une application linaire). La matrice de lapplication linaire f : U V dans les bases U et V est la matrice dont les colonnes sont composes des coordonnes dans la base V des images des vecteurs de la base U . MatV ,U (f ) := [f (u1 )]V , . . . , [f (um )]V Si on note ces coordonnes par f (u1 ) = 1,1 v1 + + n,1 vn , ... , f (um ) = m,1 v1 + + n,m vn alors la matrice reprsentant lapplication linaire f dans les bases U et V est 1,1 1,m . . .. . MatV ,U (f ) = . . . . . n,1 n,m .

En pratique . Pour ne pas faire derreur et bien vous souvenir de la dnition, nhsitez pas crire en bas des colonnes les vecteurs reprsents et droite de la matrice la base V de V . Cela donne 1,2 1,1 1,m v1 2,1 . . . n,1 f (u1 ) 2,2 . . . n,2 f (u2 ) .. . 2,m . . . n,m f (um ) dans nimporte quelle base U est la matrice 0 0 . =I . .. . . .
3

v2 . . . vn

...

Exemples. La matrice de lapplication identit id : U U ... identit ! 1 0 0 1 MatU ,U (id) = . . . . . . 0


3

Dans R , on considre la projection : R P sur le plan horizontal P paralllement la droite verticale D. Les images des vecteurs de la base canonique B = {e1 , e2 , e3 } sont
D D projD P (e1 ) = e1 , projP (e2 ) = e2 et projP (e3 ) = 0 .

projD P

Donc la matrice de cette projection dans la base canonique B de R3 et la base canonique {e1 , e2 } de P est e1 0 0 1 0 f (e1 ) 1 f (e2 ) 0 f (e3 ) e2

Cette matrice que nous venons de dnir rpond positivement la question de dpart. Proposition 32. La compose coordV f clU est lapplication linaire matricielle fM : Rm Rn dnie par la matrice M = MatV ,U (f ) reprsentant lapplication f dans les bases U et V . On peut maintenant lire toutes les proprits de lapplication linaire f sur la matrice MatV ,U (f ).

100

CHAPITRE 3. APPLICATIONS LINAIRES


Exercice 47 (Drivation bis). On reprend les notations de lexercice 43. Dans lespace vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3, on considre lapplication linaire drivation suivante der : R3 [X ] R3 [X ] P P .

1. crire la matrice MatB,B (der) de lapplication linaire der dans la base B := {1, X, X 2 , X 3 }. 2. En utilisant la matrice MatB,B (der) rpondre aux questions suivantes. Lapplication linaire der est-elle un pimorphisme ? Lapplication linaire der est-elle un monomorphisme ? Lapplication linaire der est-elle un automorphisme ? 3. Quelle est la dimension de limage de der ? 4. Quelle est la dimension du noyau de der ?

Exercice 48 (Matrice associe une application linaire). On considre lapplication suivante f : R3 R4 (x, y, z ) (x + 2y + 3z, 2x + 4y + 6z, x + y + 3z, 3x 2y 7z ) .

1. Montrer que lapplication f est linaire. 2. Lapplication linaire f est-elle surjective ? 3. crire la matrice MatBR4 ,BR3 (f ) de lapplication linaire f dans les bases canoniques de R3 et R4 . 4. Dcrire limage de lapplication f en utilisant la matrice MatBR4 ,BR3 (f ). 5. En dduire la dimension du noyau de f . 6. Dcrire le noyau de lapplication f en utilisant la matrice MatBR4 ,BR3 (f ).

Exercice 49 (Nombre complexe). On considre lapplication suivante f : C z C z + iz .

1. Montrer que lapplication f est R-linaire. 2. crire la matrice M atB,B (f ) de lapplication linaire f dans la base canonique B := {1, i} de C. 3. Lapplication f est-elle un isomorphisme ?

On peut se demander quelle est la matrice qui reprsente la compose de deux applications linaires. U O
clU coordU f

/V O
clV coordV

/W O
clW coordW

 Rm

fM

 / Rn
fM fN =fM N

fN

 4 / Rp

3.4. MATRICE ASSOCIE UNE APPLICATION LINAIRE

101

Ce diagramme commutatif montre que la rponse est donne par le produit des deux matrices de g et de f . Proposition 33. Soient f : U V et g : V W deux applications linaires et soient U une base de U , V une base de V et W une base de W . La matrice reprsentant la compose g f : U W dans les bases U et W est le produit des deux matrices qui reprsentent g et f respectivement : MatW ,U (g f ) = MatW ,V (g )MatV ,U (f ) .


Exercice 50 (Composes). Soient f et g des endomorphismes de R2 dont les matrices associes dans des bases donnes sont 1 1 3 2 A := et B := . 2 1 5 3 Calculer les matrices reprsentant les composes f g et g f dans les mmes bases. Nous avons vu quune application linaire matricielle fM : Rn Rn est un isomorphisme si et seulement si la matrice M est inversible. Dans ce cas, lapplication rciproque est donne par linverse de la matrice : (fM )1 = fM 1 . Ceci donne la matrice qui reprsente la rciproque dune application linaire, avec la proposition 33. Proposition 34. Soit f : U V un isomorphisme et soient U une base de U et V une base de V . La matrice reprsentant la rciproque f 1 : V U de f dans les bases V et U est linverse de la matrice qui reprsente f : MatU ,V (f 1 ) = (MatV ,U (f ))
1


Exercice 51 (Dcalage bis). On reprend les notations de lexercice 44. Dans lespace vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3, on considre lapplication linaire dcalage suivante dec : R3 [ X ] P (X ) R3 [ X ] P (X + 1) .

1. crire la matrice MatB,B (dec) de lapplication linaire dec dans la base B := {1, X, X 2 , X 3 }. 2. En utilisant la matrice MatB,B (dec), calculer limage par dec du polynme P = 2X 3 3X 2 +7. 3. Reprendre les questions de lexercice 44 avec cette reprsentation matricielle de lapplication dec. 4. Montrer que la famille {1, 1 + X, 1 + 2X + X 2 , 1 + 3X + 3X 2 + X 3 } forme une base de R3 [X ].

Considrons lexemple de lapplication identit id : U U mais crivons l en prenant deux bases direntes. Soient U et U deux bases de U . Dnition (Matrice de passage). On appelle matrice de passage de la base U dans la base U la matrice de lapplication identit dans les bases U et U : MatU ,U (id) .

102

CHAPITRE 3. APPLICATIONS LINAIRES

Par dnition, la matrice de passage est compose, en colonne, des coordonnes des vecteurs de la base U dans la base U .

En pratique . On va surtout utiliser la matrice de passage de la manire suivante. On connait souvent une base U de lespace que lon tudie, par exemple une base canonique (5) et on voudrait tudier les proprits dune nouvelle base U . La seule manire de dnir cette nouvelle base est de la dnir en coordonnes dans la premire base. Cette donne est donc quivalente la matrice de passage. Notez que cette interprtation permet de ne pas se tromper dans lordre des bases. En eet, il est trs naturel dcrire la nouvelle base dans lancienne alors que le problme inverser est beaucoup plus dicile.

Application (Changement de bases dans un mme espace vectoriel) Lorsque lon a deux bases U (ancienne) et U (nouvelle) dun mme espace vectoriel U , on est amen chercher les coordonnes dun vecteur dans la nouvelle base partir de celles dans lancienne. La matrice de passage apporte une solution puissante cette question. Soit u = 1 u1 + + n un un vecteur de U crit dans la base B = {u1 , . . . , un }. Pour trouver les coordonnes de u dans lautre base U , il sut de regarder son image par lidentit dans la base U la source et la base U au but. Or on sait que la matrice de cette application est justement MatU
,U (id)

= (MatU ,U (id))

Proposition 35. Les coordonnes 1 , . . . , n du vecteur u dans la base U sont donnes par le produit de la matrice colonne compose des coordonnes dans la base U avec linverse de la matrice de passage 1 1 . 1 . . . . . = (MatU ,U (id)) . n n Exemple. Reprenons lexercice 33 avec cette mthode. On travaille dans lespace vectoriel R3 [X ] avec sa base canonique U = 1, X, X 2 , X 3 . On considre la nouvelle base donne par U = 1, 1 + X, 1 + X + X 2 , 1 + X + X 2 + X 3 . La matrice de passage de la base U dans la base U est donc 1 1 1 1 0 1 1 1 MatU ,U (id) = 0 0 1 1 . 0 0 0 1 Son inverse est gale 1 1 0 0 0 1 1 0 1 . (MatU ,U (id)) = 0 0 1 1 0 0 0 1 Un polynme P = a0 + a1 X + a2 X 2 + a3 X 3 a donc pour coordonnes dans la nouvelle base U 1 1 0 0 a0 a0 a1 0 1 1 0 a1 = a1 a2 . 0 0 1 1 a2 a2 a3 0 0 0 1 a3 a3
5. cet adjectif signie trs naturel voire intrinsque. Attention, tous les espaces vectoriels nadmettent de telle base.

3.4. MATRICE ASSOCIE UNE APPLICATION LINAIRE

103

Au nal le polynme P scrit de la manire suivante dans la base U : P = (a0 a1 ) + (a1 a2 )(1 + X ) + (a2 a3 )(1 + X + X 2 ) + a3 (1 + X + X 2 + X 3 ) .


Exercice 52 (Changement de base). On considre la base suivante de R3 B := {(1, 0, 2), (2, 1, 1), (3, 0, 7)} . 1. crire les coordonnes dun lment (x, y, z ) de R3 dans la base B . On considre U := V ect({(1, 0, 2)}) et V := V ect({(2, 1, 1), (3, 0, 7)}) . 2. Dcrire la projection projV U sur U paralllement V .

Application linaire)

(Changement de base dans la matrice associe une application

Attention . La matrice reprsentant une application linaire dpend trs fortement des bases choisies. Si on change de bases, les coecients de la matrice changent aussi. Soit f : U V une application linaire et soient U et V des bases de U et de V respectivement. Ces donnes induisent la matrice associe MatV ,U (f ). On se donne maintenant deux nouvelles bases U et V de U et de V respectivement. Quelle est la nouvelle matrice MatV ,U (f ) reprsentant lapplication linaire f en fonction de lancienne MatV ,U (f ) ? La compose des trois applications suivantes U U
idU

/U U

/V V

idV

/V V

nest rien dautre que la fonction f mais dans les nouvelles bases. Donc la rponse est donne en passant aux direntes matrices associes. Proposition 36. La matrice reprsentant lapplication linaire f : U V dans les nouvelles bases U et V est donne par

Dmonstration. Cest un corollaire direct des propositions 33 et 34.

Conseil . Il ne faut pas avoir peur de toutes ces notations. Prenez le temps de bien comprendre ce que lon fait. Et puis, les notations que nous avons choisies ds le dbut fournissent un moyen pour sen souvenir. Comme la composition des fonctions, si on lit de la droite vers la gauche la formule MatV ,U (f ) = MatV ,V (id) MatV ,U (f ) MatU ,U (id) : on passe de la base U vers la base U sans changer les lments (identit), puis on eectue lapplication f de U vers V et enn on passe de la base V vers la base V sans changer les lments. Enn, on change les places de V et V dans la matrice de gauche au prix dinverser la matrice.

MatV

,U

(f ) = (MatV ,V (id))1 MatV ,U (f ) MatU ,U (id) .

104

CHAPITRE 3. APPLICATIONS LINAIRES

Corollaire 3. Dans le cas dun endormorphisme f : U U , si on note P := MatU ,U (id) la matrice de passage entre deux bases et M := MatU ,U (f ) la matrice de f dans la base U , alors la matrice de f dans la base U est MatU
,U

(f ) = P 1 M P .

Exemple. On considre lapplication linaire f : R3 (x, y, z ) R3 (2y z, 3x 2y, 2x + 2y + z ) .

Sa matrice dans la base canonique U = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} est 0 2 1 0 . M := 3 2 2 2 1 Considrons maintenant la base U := {u1 = (1, 1, 1), u2 = (4, 3, 2), u3 = (2, 3, 2)} . La matrice de passage P = MatU ,U (id) de la base U dans la base U est donc 1 4 2 3 3 . P = 1 1 2 2 Son inverse est P 1 0 1 5 = 30 5 12 18 0 5 . 6 1

Au nal la matrice reprsentant lendomorphisme f dans la base U est donne par le produit 0 12 18 0 2 1 0 12 18 1 0 5 0 5 5 0 5 3 2 MatU ,U (f ) = P 1 M P = 30 5 6 1 2 2 1 5 6 1 1 0 0 0 . = 0 2 0 0 4

Chouette rsultat, non ? En choisissant une bonne base, on a pu simplier drastiquement la matrice reprsentant lapplication linaire. Sous cette forme, ltude de f est encore plus simple. La question que vous devez maintenant vous poser est : mais comment a-t-il fait pour trouver une si jolie base ? On vous donnera le secret de ce tour de magie dans la suite ...

Exercice 53 (Application linaire et changement de bases). Soit f : R4 R3 lapplication linaire dnie par 1 f (x, y, z, t) = (y + t x, 2x + t, x z ) . 2 1. crire la matrice M := MatBR3 ,BR4 (f ) de lapplication f dans les bases canoniques de R4 et R3 . On considre les vecteurs a1 := (1, 1, 0, 1), a2 := (1, 0, 1, 0), a3 := (0, 1, 1, 1), a4 := (1, 2, 0, 0) .

3.4. MATRICE ASSOCIE UNE APPLICATION LINAIRE

105

2. Montrer que A := {a1 , a2 , a3 , a4 } est une base de R4 . On considre les vecteurs b1 := (2, 0, 0), b2 := (0, 1, 1), b3 := (1, 1, 0) . 3. Montrer que B := {b1 , b2 , b3 } est une base de R3 . 4. crire la matrice N := MatB,A (f ) de lapplication f dans ces deux bases, partir de sa dnition. 5. Donner les matrices de passage P et Q des bases canoniques respectivement de R4 et R3 aux bases A et B . 6. Retrouver la matrice N grce aux matrices M , P et Q.

Exercice 54 (Application linaire matricielle). On reprend les notations de lexercice 45. Dans lespace vectoriel R3 , on note E := {e1 , e2 , e3 } la base canonique o e1 := (1, 0, 0), e2 := (0, 1, 0), e3 := (0, 0, 1) .

On considre la famille F := {f1 , f2 , f3 } dnie par f1 := (1, 0, 1), f2 := (0, 1, 2), f3 := (2, 1, 1) .

1. Montrer que F est une base de R3 . Soit f : R3 R3 lapplication linaire reprsente dans la base F par la matrice 1 1 2 N := MatF ,F (f ) := 0 1 1 . 2 1 1 2. Donner une base de limage Im(f ) et du noyau Ker(f ) de f . 3. Donner les coordonnes des vecteurs e1 , e2 et e3 dans la base F . 4. En dduire les coordonns de f (e1 ), f (e2 ) et f (e3 ) dans la base F . 5. Donner enn les vecteurs f (e1 ), f (e2 ) et f (e3 ) dans la base canonique E . On considre la matrice reprsentant lapplication linaire f dans la base canonique E : M := MatE ,E (f ) . 6. Dcrire la matrice M . On dnote les matrices de passage par P := MatE ,F (id) et P 1 = MatF ,E (id) . 7. Retrouver la matrice M par un calcul laide des matrices N , P et P 1 . 8. Donner la matrice reprsentant lapplication f avec pour base la source E et pour base au but F : A := MatF ,E (f ) .

106

CHAPITRE 3. APPLICATIONS LINAIRES

3.5. Trace et dterminant


1 M := 4 6 2 0 7 3 5 . 8

Exercice 55 (Rang). On considre la matrice

1. Calculer le dterminant de M . 2. Quel est le rang de la matrice M ? 3. Montrer que la famille {(1, 4, 6), (2, 0, 7), (3, 5, 8)} forme une base de R .
3

Exercice 56 (Trace). On considre lapplication f : R3 [X ] R3 [X ] dnie par a+b+c 2 f (a + bX + cX 2 + dX 3 ) := d + X + (d b)X 3 . 2 1. Montrer que lapplication f est linaire. 2. Calculer sa trace.

Exercice 57 (Mthode de Cramer). On considre le systme dquations linaires suivant = 1 2x + y z 3x + 2 y + z = 4 x + 3y + z = 2. 1. Dcrire lensemble des solutions avec la mthode de Cramer. 2. Retrouver ce rsultat par un calcul matriciel utilisant linversion dune matrice.

 

3.6. Diagonalisation

Exercice 58 (Diagonalisation valeurs propres simples). Soit f : R3 R3 lapplication linaire dont la matrice dans la base canonique B est la suivante 1 1 1 M = M atB,B (f ) := 1 1 0 . 0 0 1 1. Quel est le rang de f ? 2. En dduire, sans calcul, que 0 est valeur propre de M . 3. Calculer le polynme caractristique f (X ) de f . 4. En dduire, sans plus de calcul, mais en justiant, que f est diagonalisable. 5. Montrer, sans diagonaliser compltement M , que tr(M n ) = 1 + 2n , pour tout n N\{0}. 6. Diagonaliser lendomorphisme f .

3.7. TRIGONALISATION

107

Exercice 59 (Diagonalisation valeurs propres avec multiplicit) On note B := {e1 , e2 , e3 } la base canonique de R3 . On considre lapplication linaire f : R3 R , X M X , dont la matrice reprsentative dans la base B est la suivante 3 1 1 2 0 . M = MatB,B (f ) := 0 1 1 3
3

1. Quel est le rang de f ? 2. En dduire que F := {f (e1 ), f (e2 ), f (e3 )} est une base de R3 et que 0 nest pas valeur propre de M . 3. Calculer le polynme caractristique f (X ) de f . 4. Quelle sont les dimensions des sous-espaces propres E2 et E4 associs aux valeurs propres 2 et 4 ? Trouver une base de R3 constitue de vecteurs propres de f . 5. Trouver une matrice inversible P GL3 (R) et une matrice diagonale telles que M = P 1 P . 6. Calculer les puissances M k , pour k N.

Exercice 60 (Diagonalisabilit). On considre lapplication linaire f : R3 R3 dont la canonique B est la suivante 7 3 M = M atB,B (f ) := 6 2 4 2

matrice reprsentative dans la base 4 5 . 1

1. Calculer le polynme caractristique f (X ) de f . 2. Quelle sont les dimensions des sous-espaces propres E1 et E2 associs aux valeurs propres 1 et 2 ? 3. La matrice M est-elle diagonalisable ? 4. La matrice M est-elle trigonalisable ? 5. Donner une base dans laquelle lendomorphisme f soit reprsent par une matrice triangulaire suprieure.

 

3.7. Trigonalisation

Exercice 61 (Trigonalisation). On considre lapplication linaire f : R3 R3 dont la matrice reprsentative dans la base canonique B est la suivante 2 2 3 M = M atB,B (f ) := 5 1 5 . 3 4 0 1. 2. 3. 4. Lendomorphisme f est-il trigonalisable sur R ? Quelle est la dimension du sous-espace propre E1 associ la valeur propre 1 ? Lendomorphisme f est-il diagonalisable sur R ? Donner une base dans laquelle lendomorphisme f soit reprsent par une matrice triangulaire suprieure.

108

CHAPITRE 3. APPLICATIONS LINAIRES

3.8. Puissances de matrices


M := 1 2 2 1 .

Exercice 62 (Puissance de matrice). On considre la matrice suivante

1. Calculer les puissances M k , pour k N, en diagonalisant la matrice M . 2. Retrouver ce rsultat en utilisant le thorme de Cayley-Hamilton et la division euclidienne des polynmes.

3.9. CORRECTIONS DES EXERCICES

109

3.9. Corrections des exercices

Exercice 43 (Drivation). Dans lespace vectoriel R[X ] des polynmes, on considre lapplication drivation suivante der : R[X ] R[X ] P = a0 + a1 X + + an X n P = a1 + 2a2 X + + nan X n1 .

1. Lapplication der est-elle linaire ? 2. Dcrire son image Im(der). Cette application est-elle un pimorphisme ? 3. Dcrire son noyau Ker(der). Cette application est-elle un monomorphisme ? 4. Lapplication der est-elle un isomorphisme ? Correction. 1. On sait que la drivation est une opration linaire : pour toute paire P, Q de polynmes et pour toute paire , de nombres rels, elle vrie (P + Q) = P + Q . Lapplication der est donc linaire : der(P + Q) = der(P ) + der(Q) . 2. Pour polynme peut scrire comme le driv dun autre : soit Q = b0 + b1 X + + bn X n , on considre b1 bn P := b0 X + X 2 + + X n+1 . 2 n+1 On a alors que Q = P = der(P ). Limage de der est donc Im der = R[X ] et cette application est un pimorphisme. 3. On cherche les polynmes dont la drive est nulle : soit P = a0 + a1 X + + an X n tel que P = a1 + 2a2 X + + nan X n1 = 0 . Ceci impose a1 = a2 = . . . = an = 0. Le polynme P est donc une constante, do Ker der = {polynmes constants P = a0 } .

Comme le noyau de cette application nest pas rduit au vecteur nul, elle nest pas injective. Dit autrement, lapplication der nest pas un monomorphisme. 4. Comme lapplication de drivation nest pas un monomorphisme, ce nest pas non plus un isomorphisme.

Exercice 44 (Dcalage). Dans lespace vectoriel R[X ] des polynmes, on considre lapplication dcalage suivante dec 1. Lapplication dec est-elle linaire ? 2. Dcrire son image Im(dec). Cette application est-elle un pimorphisme ? 3. Dcrire son noyau Ker(dec). Cette application est-elle un monomorphisme ? 4. Lapplication dec est-elle un isomorphisme ? 5. Si oui, dcrire son application linaire rciproque. : R[X ] R[X ] P (X ) P (X + 1) .

110

CHAPITRE 3. APPLICATIONS LINAIRES

Correction. 1. Lopration de dcalage prserve les combinaisons linaires : pour toute paire P, Q de polynmes et pour toute paire , de nombres rels, on a dec(P + Q) = (P + Q)(X + 1) = P (X + 1) + Q(X + 1) = dec(P ) + dec(Q) . Lapplication dec est donc linaire. 2. Pour polynme peut scrire comme limage par dec dun autre : soit Q(X ) = b0 + b1 X + + bn X n , on considre le polynme P (X ) := Q(X 1) . On a alors que Q(X ) = P (X + 1) = dec(P ). Limage de lopration de dcalage est donc lespace des polynmes tout entier Im dec = R[X ] . Lapplication dec est donc un pimorphisme. 3. On cherche les polynmes P (X ) = a0 + a1 X + + an X n dont limage par lopration de dcalage est nulle, i.e. P (X + 1) = 0. Ceci signie que le polynme Q(X ) = P (X + 1) = 0 est nul. Ainsi, P (X ) = Q(X 1) = 0 et Ker dec = {0} .

Comme le noyau de cette application est pas rduit au polynme nul, elle est pas injective. Lapplication dec est un monomorphisme. 4. Lapplication de dcalage est la fois un pimorphisme et un monomorphisme, cest donc un isomorphisme. 5. On sait par la thorie que lapplication rciproque de dec est encore linaire. Il est facile de voir que cette application rciproque est donne par le dcalage inverse : dec1 : R[ X ] R[ X ] P (X ) P (X 1) .

Il sagit bien dune application linaire, par les mmes arguments qu la question 1.

Exercice 45 (Application linaire matricielle). Dans lespace vectoriel R3 , on note E := {e1 , e2 , e3 } la base canonique e1 := (1, 0, 0), f1 := (1, 0, 1), e 1 f1 , f e2 := (0, 1, 0), e3 := (0, 0, 1) . On considre la famille F := {f1 , f2 , f3 } dnie par f2 := (0, 1, 2),
3 3

f3 := (2, 1, 1) .

Il existe une unique application linaire f : R R qui envoie e2 f2 , e 3 f3 . 1. Montrer que cette application linaire est de la forme : R3 R3 X MX ,

2. 3. 4. 5. 6. 7.

o M M3 (R) est une matrice 3 3 que lon explicitera. Dcrire limage Im(f ) de f et en donner une base. Lapplication f est-elle un pimorphisme ? Dcrire le noyau Ker(f ) de f . Lapplication f est-elle un monomorphisme ? Lapplication f est-elle un isomorphisme ? Si oui, dcrire lapplication rciproque.

3.9. CORRECTIONS DES EXERCICES

111

Correction. 1. Soit (x, y, z ) R3 . Ce vecteur scrit xe1 +ye2 +ze3 sur la base canonique E . Comme lapplication f est linaire, son image par f est gal f (x, y, z ) = = f (xe1 + ye2 + ze3 ) = xf (e1 ) + yf (e2 ) + zf (e3 ) = xf1 + y f2 + z f3 1 0 2 x + 2z . y+z x 0 + y 1 + z 1 = 1 2 1 x + 2y + z forme fM avec pour matrice 2 1 . 1

On voit donc que lapplication linaire f est de la 1 0 M = 0 1 1 2

2. Limage de f est le sous-espace vectoriel form de tous les vecteurs images f (x, y, z ) = xf1 + y f2 + z f3 . Il sagit donc du sous-espace vectoriel Vect(f1 , f2 , f3 ) de R3 engendr par les vecteurs f1 , f2 et f3 . En chelonnant la matrice M par colonne, on trouve la matrice triangulaire suivante 1 0 0 0 1 0 1 2 1 qui possde trois colonnes non nulles. Donc la famille F est une base de R3 . Au nal, on obtient que Im f = R3 avec, par exemple, pour base la famille F . 3. Comme limage de f est tout lespace vectoriel R3 , cette application est un pimorphisme. 4. Par dnition, le noyau de f est form de tous les antcdents du vecteur nul, cest--dire Ker f = {(x, y, z ) R3 | f (x, y, z ) = (0, 0, 0)}. Il est donc form des solutions du systme suivant x + 2z = 0 y+z = 0 x + 2y + z = 0 . En ajoutant la premire ligne la troisime puis en lui soustrayant deux fois la deuxime, on obtient z = 0, puis x = y = 0. On a ainsi montr que Ker f = {(0, 0, 0)} . 5. Comme le noyau de f est rduit au vecteur nul, cette application est un monomorphisme. 6. Comme lapplication f est la fois un pimorphisme et un monomorphisme, cest donc un isomorphisme. 7. Lapplication rciproque f 1 = (fM )1 est lapplication linaire matricielle fM 1 donne par la matrice inverse M 1 . En eet, on a fM fM 1 = fM M 1 = fI = idR3 et de mme fM 1 fM = fI = idR3 . On calcule donc linverse de la matrice M avec la mthode classique des opration par lignes : 1 0 2 1 0 0 1 0 2 1 0 0 1 0 2 1 0 0 0 1 1 0 1 0 0 1 1 0 1 0 0 1 1 0 1 0 1 2 1 0 0 1 0 2 3 1 0 1 0 0 1 1 2 1 1 0 0 1 4 2 3 1 . 0 1 0 1 0 0 1 1 2 1

112

CHAPITRE 3. APPLICATIONS LINAIRES

Linverse de la matrice M est donc la matrice 1 4 2 3 1 . M 1 = 1 1 2 1 Et lapplication rciproque de f est f 1 : R3 x X= y z R3 x + 4y 2z M 1 X = x + 3y z . x 2y + z


Exercice 46 (Sous-espace vectoriel). On considre le sous-ensemble de R4 dni par F := {(x, y, z, t) R4 | 2x y = 0, x y + t + z = 0} . 1. Montrer que F est un sous-espace vectoriel de R4 en lcrivant comme le noyau dune application linaire bien choisie. 2. Calculer la dimension du sous-espace vectoriel F . Correction. 1. On considre lapplication f : R4 (x, y, z, t) R2 (2x y, x y + t + z ) .

Comme, cette application scrit matriciellement sous la forme f (X ) = M X , avec x y 2 1 0 0 , X= z et M = 1 1 1 1 t cest donc une application linaire. Son noyau est donc un sous-espace vectoriel de R4 . Il est form des vecteurs (x, y, z, t) vriant les deux quations 2x y = 0 et x y + t + z = 0. Ceci montre que F est un sous-espace vectoriel de R4 . 2. La matrice M est clairement de rang 2 (rang maximal). En appliquant le thorme du rang lapplication linaire f , on trouve dim F = dim Kerf = dim R4 rg f = 4 2 = 2 .

Exercice 47 (Drivation bis). On reprend les notations de lexercice 43. Dans lespace vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3, on considre lapplication linaire drivation suivante der : R3 [X ] R3 [X ] P P .

1. crire la matrice MatB,B (der) de lapplication linaire der dans la base B := {1, X, X 2 , X 3 }. 2. En utilisant la matrice MatB,B (der) rpondre aux questions suivantes. Lapplication linaire der est-elle un pimorphisme ? Lapplication linaire der est-elle un monomorphisme ? Lapplication linaire der est-elle un automorphisme ? 3. Quelle est la dimension de limage de der ? 4. Quelle est la dimension du noyau de der ?

3.9. CORRECTIONS DES EXERCICES

113

Correction. 1. On commence par calculer les images des vecteurs de la base B par lapplication der : der(1) = 0, der(X ) = 1, der(X 2 ) = 2X et der(X 3 ) = 3X 2 . Par dnition, la matrice MatB,B (der) est forme en colonne des coordonnes des images des vecteurs de B dans la base B , ce qui donne ici 0 0 0 0 1 0 0 0 0 2 0 0 0 0 3 0 1 X X2 X3

der(1) der(X ) der(X 2 ) der(X 3 ) soit 0 0 MatB,B (der) = 0 0 1 0 0 0 0 2 0 0 0 0 3 0

2. Comme le rang de la matrice MatB,B (der) est gal 3, le rang de lapplication linaire der est gal 3. Ceci est strictement infrieur la dimension de lespace but dim R4 = 4, donc lapplication der nest pas un pimorphisme. Nous sommes en prsence dun endormorphisme en dimension nie, le thorme 18 montre alors que lapplication der nest pas non plus un monomorphisme. Ce nest donc pas un automorphisme. 3. La dimension de limage de lapplication linaire der est gale au rang de la matrice MatB,B (der), do rg der = 3 . 4. Le thorme du rang appliqu lapplication linaire der donne dim R4 [X ] = dim(Ker der) + rg der, do dim(Ker der) = 4 3 = 1 .


Exercice 48 (Matrice associe une application linaire). On considre lapplication suivante f : R3 R4 (x, y, z ) (x + 2y + 3z, 2x + 4y + 6z, x + y + 3z, 3x 2y 7z ) .

1. Montrer que lapplication f est linaire. 2. Lapplication linaire f est-elle surjective ? 3. crire la matrice MatBR4 ,BR3 (f ) de lapplication linaire f dans les bases canoniques de R3 et R4 . 4. Dcrire limage de lapplication f en utilisant la matrice MatBR4 ,BR3 (f ). 5. En dduire la dimension du noyau de f . 6. Dcrire le noyau de lapplication f en utilisant la matrice MatBR4 ,BR3 (f ).

114

CHAPITRE 3. APPLICATIONS LINAIRES

Correction. 1. Lapplication f peut scrire sous la forme matricielle f (X ) = M X avec 1 2 3 x 2 y 4 6 . X= z et M = 1 1 3 3 2 7 t Cest donc une application linaire. 2. Lapplication linaire f part dun espace de dimension 3 pour arriver dans un espace de dimension 4. La dimension maximale de son image est donc de 3 ; il est impossible que son image soit lespace but R4 tout entier. Lapplication f nest pas surjective. 3. Par dnition, la matrice MatBR4 ,BR3 (f ) est forme en colonne des coordonnes dans BR4 des images des vecteurs de BR3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Cela donne f (1, 0, 0) = (1, 2, 1, 3), f (0, 1, 0) = (2, 4, 1, 2), f (0, 0, 1) = (3, 6, 3, 7) et donc 1 2 MatBR4 ,BR3 (f ) = 1 3 2 3 4 6 =M . 1 3 2 7

4. Limage de lapplication linaire f est lespace vectoriel engendr par les vecteurs colonnes de M . On chelonne en colonne la matrice M pour trouver 1 0 0 1 0 0 1 2 3 2 0 0 0 0 4 6 . 2 2 1 1 3 0 1 3 6 1 3 3 8 0 3 8 16 3 2 7 Limage de lapplication linaire f est donc de dimension 2 et admet pour base Im f = Vect ({(1, 2, 1, 3), (0, 0, 3, 8)}) . 5. Le thorme du rang appliqu lapplication linaire f donne dim R3 = dim(Kerf ) + rg f . On en conclut dim(Kerf ) = 3 2 = 1 . 6. Le noyau de f est form de lensemble des solutions du systme dquations linaires M X = 0 : x + 2y + 3z = 0 2x + 4y + 6z = 0 x + y + 3z = 0 3x 2y 7z = 0 . On voit rapidement que (1, 2, 1) est une solution non nulle. Comme on sait que le noyau de f est un sous-espace vectoriel de dimension 1, alors on a que le noyau est la droite engendre par le vecteur (1, 2, 1) Kerf = Vect({(1, 2, 1)}) .

Exercice 49 (Nombre complexe). On considre lapplication suivante f : C z C z + iz .

3.9. CORRECTIONS DES EXERCICES

115

1. Montrer que lapplication f est R-linaire. 2. crire la matrice MatB,B (f ) de lapplication linaire f dans la base canonique B := {1, i} de C. 3. Lapplication f est-elle un isomorphisme ? Correction. 1. Montrons que f prserve les combinaisons linaires relles. Soient deux nombres rels , R et soient deux nombres complexes z, w C. On a f (z + w) = z + w + i(z + w) = z + w + iz + iw = f (z ) + f (w) . 2. Calculons dabord les images des vecteurs de la base B = {1, i} par lapplication linaire f : f (1) = 1 + i et f (i) = 1 i . Par dnition, la matrice MatB,B (f ) est forme en colonne des coordonnes des images des vecteurs de B dans la base B , soit MatB,B (f ) = 1 1 1 1 .

3. Comme la matrice MatB,B (f ) reprsentant lapplication linaire f dans la base B est de rang 1, alors le rang de f est gal 1. Donc lapplication linaire f nest pas surjective donc pas bijective. Ce nest pas un isomorphisme.

Exercice 50 (Composes). Soient f et g des endomorphismes de R2 dont les matrices associes dans des bases donnes sont 1 1 3 2 A := et B := . 2 1 5 3 Calculer les matrices reprsentant les composes f g et g f dans les mmes bases. Correction. Par la proposition ??, on sait que la matrice reprsentant la compose de deux applications est le produit des matrices de chacune delle. La matrice associe la compose f g est donc donne par le produit AB = 1 2 1 1 3 5 2 3 = 2 11 1 7 .

Et la matrice associe la compose g f est donne par le produit BA = 3 5 2 3 1 2 1 1 = 7 1 11 2 .


Exercice 51 (Dcalage bis). On reprend les notations de lexercice 44. Dans lespace vectoriel R3 [X ] des polynmes de degr infrieur ou gal 3, on considre lapplication linaire dcalage suivante dec : R3 [ X ] P (X ) R3 [ X ] P (X + 1) .

1. crire la matrice MatB,B (dec) de lapplication linaire dec dans la base B := {1, X, X 2 , X 3 }. 2. En utilisant la matrice MatB,B (dec), calculer limage par dec du polynme P = 2X 3 3X 2 +7. 3. Reprendre les questions de lexercice 44 avec cette reprsentation matricielle de lapplication dec.

116

CHAPITRE 3. APPLICATIONS LINAIRES

4. Montrer que la famille {1, 1 + X, 1 + 2X + X 2 , 1 + 3X + 3X 2 + X 3 } forme une base de R3 [X ]. Correction. 1. On commence par calculer les images des vecteurs de la base B par lapplication dec : dec(1) = 1, dec(X ) = 1 + X, dec(X 2 ) = 1 + 2X + X 2 et dec(X 3 ) = 1 + 3X + 3X 2 + X 3 . La matrice MatB,B (dec) est forme en colonne dans la base B , ce qui donne ici 1 0 MatB,B (dec) = 0 0 des coordonnes des images des vecteurs de B 1 1 0 0 1 2 1 0 1 3 3 1

2. Les coordonnes du polynme P = 2X 3 3X 2 + 7 dans la base B sont 7 0 C= 3 . 2 Les coordonnes de limage cest--dire 1 0 0 0 dec(P ) dans la base B sont donnes par le produit MatB,B (dec)C , 1 1 0 0 1 2 1 0 7 1 0 3 3 3 2 1 6 0 = . 3 2

Limage de P par dec est donc dec(P ) = 6 + 3X 2 + 2X 3 . 3. Limage de lapplication linaire est lespace vectoriel engendr par les vecteurs dont les coordonnes dans la base B sont les colonnes de la matrice MatB,B (dec). Comme la matrice MatB,B (dec) est de rang maximal 4, alors limage de lapplication de dcalage est tout lespace vectoriel R3 [X ], i.e. Im dec = R3 [X ] , et lapplication dec est un pimorphisme. Il est facile de voir que seul le vecteur nul est solution x 0 y 0 MatB,B (dec) z = 0 t 0 du systme dquations linaires .

Donc, le noyau de lapplication dec est rduit au vecteur nul Ker dec = {0} , et lapplication dec est un monomorphisme. On en conclut que lapplication dec est un automorphisme. La matrice associe sa rciproque dans la base B est linverse de la matrice MatB,B (dec) que lon calcule par des oprations en

3.9. CORRECTIONS DES EXERCICES

117

ligne

1 1 1 1 0 1 2 3 0 0 1 3 0 0 0 1

1 0 0 0

0 1 0 0

0 0 1 0

1 0 0 0 0 0 1 0

0 1 0 0

0 0 1 0

0 0 0 1

1 0 0 0

1 1 1 1 2 3 . 0 1 3 0 0 1

Do (MatB,B (dec))1 1 0 = MatB,B (dec1 ) = 0 0 1 1 1 1 2 3 . 0 1 3 0 0 1

On peut remarquer quil sagit bien de la matrice de lapplication P (X ) P (X 1) dans la base B . 4. La famille {1, 1 + X, 1 + 2X + X 2 , 1 + 3X + 3X 2 + X 3 } est limage de la base B par lisomorphisme dec. Cest donc une base, par la proposition 29.

Exercice 52 (Changement de base). On considre la base suivante de R3 B := {(1, 0, 2), (2, 1, 1), (3, 0, 7)} . 1. crire les coordonnes dun lment (x, y, z ) de R3 dans la base B . On considre U := Vect({(1, 0, 2)}) et V := Vect({(2, 1, 1), (3, 0, 7)}) . 2. Dcrire la projection projV U sur U paralllement V . Correction. 1. On commence par crire la matrice associe lapplication identit partant de la base canonique C et arrivant dans la base B . Elle est compose des coordonnes des vecteurs de B dans la base C: 1 2 3 P := MatC ,B (id) = 0 1 0 . 2 1 7 On calcule linverse de cette matrice en faisant les oprations suivantes sur les lignes 1 2 3 1 0 0 1 2 3 1 0 0 0 1 0 0 1 0 0 1 0 0 1 0 L3 L3 2L1 2 1 7 0 0 1 0 5 1 2 0 1 1 2 3 1 0 0 0 1 0 0 1 0 L3 L3 +5L2 0 0 1 2 5 1 1 0 0 7 17 3 0 1 0 0 1 0 . L1 L1 2L2 3L3 0 0 1 2 5 1 Linverse P 1 de la matrice P sinterprte comme la matrice de lapplication identit de la base canonique C vers la base B , i.e. P 1 = MatB,C (id). Au nal, pour obtenir les coordonnes dans la nouvelle base B dun vecteur dni par (x, y, z ) dans la base canonique, il sut de regarder son image par lapplication identit (ne change pas

118

CHAPITRE 3. APPLICATIONS LINAIRES

le vecteur) mais reprsente de la base C vers la base B ; matriciellement, elles sont donnes par le produit suivant x 7 17 3 x 7x 17y 3z . 1 0 y = y P 1 y = 0 z 2 5 1 z 2x + 5y + z Les coordonnes dun vecteur (x, y, z ) dans la base B sont donc (7x 17y 3z, y, 2x + 5y + z ) . 2. Nous venons de voir que tout vecteur (x, y, z ) scrit de manire unique (x, y, z ) = (7x 17y 3z ).(1, 0, 2) + y.(2, 1, 1) + (2x + 5y + z ).(3, 0, 7)
U V

La projection projV U sur la droite U paralllement au plan V associe au vecteur (x, y, z ) sa composante sur U , cest--dire (7x 17y 3z ).(1, 0, 2). Pour rsumer, la projection projV U est lapplication linaire R3 U (x, y, z ) (7x 17y 3z ).(1, 0, 2) .


Exercice 53 (Application linaire et changement de bases). Soit f : R4 R3 lapplication linaire dnie par 1 f (x, y, z, t) = (y + t x, 2x + t, x z ) . 2 1. crire la matrice M := MatBR3 ,BR4 (f ) de lapplication f dans les bases canoniques de R4 et R3 . On considre les vecteurs a1 := (1, 1, 0, 1), a2 := (1, 0, 1, 0), a3 := (0, 1, 1, 1), a4 := (1, 2, 0, 0) . 2. Montrer que A := {a1 , a2 , a3 , a4 } est une base de R4 . On considre les vecteurs b1 := (2, 0, 0), b2 := (0, 1, 1), b3 := (1, 1, 0) . 3. Montrer que B := {b1 , b2 , b3 } est une base de R3 . 4. crire la matrice N := MatB,A (f ) de lapplication f dans ces deux bases, partir de sa dnition. 5. Donner les matrices de passage P et Q des bases canoniques respectivement de R4 et R3 aux bases A et B . 6. Retrouver la matrice N grce aux matrices M , P et Q. Correction. 1. On calcule les images des vecteurs de la base canonique et on les range en colonne pour former la matrice M . Cela donne 1 1 0 1 0 1 . M = 2 0 1 0 1 0 2

3.9. CORRECTIONS DES EXERCICES

119

2. On forme la matrice compose en lchelonne (en colonne) : 1 1 1 0 0 1 1 0

colonne par les coecients des vecteurs de la famille A et on 0 1 1 1 1 2 0 0 1 0 1 0 0 1 1 1 0 0 1 0 0 0 . 0 1

Comme la matrice chelonne est de rang maximal (4 colonnes non nulles), la famille A est une base de R4 . 3. On procde la mme manire : 2 0 0 0 1 1 1 1 1 1 0 0 0 1 1 0 0 . 1

Comme la matrice chelonne est de rang maximal (3 colonnes non nulles), la famille B est une base de R3 . 4. Par dnition, la matrice N = MatB,A (f ) est compose en colonne des coordonnes dans la base B des images des vecteurs de la famille A par lapplication f . On commence donc par calculer les images des vecteurs de A : f (a1 ) = 1, 3, 1 2 , f (a2 ) = 1 , 2 , 1 2 , f (a3 ) = (2, 1, 1), f (a4 ) = 1, 2, 1 2 .

On les crit ensuite dans la base B . Par exemple, on cherche rsoudre f (a1 ) = b1 + b2 + b3 . Ce qui est quivalent au systme dquations linaires 2 + = 1 = 1 2 (1 ) + = 3 = 3 1 = 1 = 2 , 2
3 1 , 2, 5 dont lunique solution est (, , ) = 4 2 . On a donc

3 1 5 f (a1 ) = b1 + b2 b3 . 4 2 2 En procdant de la mme manire, on trouve 7 1 5 f (a2 ) = b1 b2 + b3 , 4 2 2 f (a3 ) = b2 + 2b3 , 1 1 3 f (a4 ) = b1 + b2 + b3 . 4 2 2 Ce qui donne au nal 3 7 1 0 4 4 4 1 1 1 . N= 1 2 2 2 5 5 3 2 2 2 2 5. Par dnition, les matrices de passage sont formes des coecients des vecteurs des nouvelles bases dans la base canonique. Ici, cela donne 1 1 0 1 2 0 1 1 0 1 2 0 1 1 . P = MatBR4 ,A (idR4 ) = 0 1 1 0 et Q = MatBR3 ,B (idR3 ) = 0 1 0 1 0 1 0

120

CHAPITRE 3. APPLICATIONS LINAIRES

6. Par la proposition 36, on sait que la matrice reprsentant f dans les bases A et B est gale au produit des matrices suivantes N = MatB,A (f ) = (MatBR3 ,B (id))1 MatBR3 ,BR4 (f ) MatBR4 ,A (id) = Q1 M P . Or, linverse de la matrice Q est gale
1 2

Q1 = 0 0

1 2 0 1

1 2

1 . 1

Et le produit Q1 M P redonne bien la matrice N de la question 4 : 3 4 1 1 1 0 1 1 1 1 0 1 1 2 2 2 1 0 1 2 1 0 2 0 0 1 0 1 0 1 1 0 = 2 1 0 1 0 0 1 1 2 1 0 1 0 5 2

7 4 1 2 5 2

0 1 2

1 4 1 . 2 3 2

Exercice 54 (Application linaire matricielle). On reprend les notations de lexercice 45. Dans lespace vectoriel R3 , on note E := {e1 , e2 , e3 } la base canonique o e1 := (1, 0, 0), e2 := (0, 1, 0), e3 := (0, 0, 1) .

On considre la famille F := {f1 , f2 , f3 } dnie par f1 := (1, 0, 1),


3

f2 := (0, 1, 2),

f3 := (2, 1, 1) .

1. Montrer que F est une base de R . Soit f : R3 R3 lapplication linaire reprsente dans la base F par la matrice 1 1 2 N := MatF ,F (f ) := 0 1 1 . 2 1 1 2. Donner une base de limage Im(f ) et du noyau Ker(f ) de f . 3. Donner les coordonnes des vecteurs e1 , e2 et e3 dans la base F . 4. En dduire les coordonns de f (e1 ), f (e2 ) et f (e3 ) dans la base F . 5. Donner enn les vecteurs f (e1 ), f (e2 ) et f (e3 ) dans la base canonique E . On considre la matrice reprsentant lapplication linaire f dans la base canonique E : M := MatE ,E (f ) . 6. Dcrire la matrice M . On dnote les matrices de passage par P := MatE ,F (id) et P 1 = MatF ,E (id) . 7. Retrouver la matrice M par un calcul laide des matrices N , P et P 1 . 8. Donner la matrice reprsentant lapplication f avec pour base la source E et pour base au but F : A := MatF ,E (f ) .

3.9. CORRECTIONS DES EXERCICES

121

Correction. 1. On chelonne (en colonne) la matrice compose en colonne par les coecients des vecteurs de la famille F : 1 0 2 1 0 0 0 1 1 0 1 0 . 1 2 1 1 2 1 Comme la matrice chelonne est de rang maximal (3 colonnes non nulles), la famille F est une base de R3 . 2. On chelonne en colonne la matrice 1 1 0 1 2 1 N : 2 1 1 0 1 2 0 0 1 0 . 3 0

Comme limage de f est le sous-espace vectoriel engendr par les vecteurs dont les coordonnes dans F sont les colonnes de N , on dduit de la matrice chelonne que limage de f est de dimension 2 et quil admet pour base {f1 + 2f3 , f2 + 3f3 } . Do Im f = Vect ((5, 2, 1), (6, 4, 5)) . 3. Par le thorme du rang, on sait que la dimension du noyau de f est 1 ; une base est donc donne par un de ses vecteurs non nuls. Les coordonnes dans F des vecteurs du noyau vrient le systme dquations linaires suivant x + y + 2z = 0 x+z = 0 y+z = 0 y+z = 0 . 2x y + z = 0 Le vecteur (1, 1, 1) en est une solution non nulle. Do Ker f = Vect ((1, 1, 1)) . 4. Les coordonnes des vecteurs e1 , e2 et e3 dans la base F forment les colonnes de la matrice MatF ,E (id), qui est linverse de la matrice MatE ,F (id). Or cette dernire est la matrice de passage de la base F dans la base canonique ; elle est donc forme en colonne des coecients des vecteurs de F : 1 0 2 P = MatE ,F (id) = 0 1 1 1 2 1 En faisant des oprations par ligne, on calcule 1 MatF ,E (id) = (MatE ,F (id))1 = P 1 = 1 1 e1 Ce qui donne au nal e1 = f1 f2 + f3 , e2 = 4f1 + 3f2 2f3 , e1 = 2f1 f2 + f3 . . 4 3 2 e2 2 1 1 e3 f1 f2 f3

122

CHAPITRE 3. APPLICATIONS LINAIRES

5. Les images des vecteurs de E par lapplication linaire f dans la base F sont donnes par le produit matriciel N P 1 qui vaut 0 N P 1 = 0 0 f (e1 ) 3 1 3 f (e2 ) 1 0 2 f (e3 ) f1 f2 f3

Il sut ensuite dutiliser la dnition des vecteurs de F dans la base canonique : f (e1 ) = 0 = (0, 0, 0), f (e2 ) = 3(1, 0, 1) + (0, 1, 2) + 3(2, 1, 1) = (9, 4, 2), f (e3 ) = (1, 0, 1) 2(2, 1, 1) = (5, 2, 1). 6. Par dnition, la matrice M = MatE ,E (f ) est compose en colonne des coordonnes dans la base E des images des vecteurs de la base E par lapplication f . La question prcdente nous donne cette matrice : 0 9 5 M = 0 4 2 . 0 2 1 7. Par le corollaire 3, on sait que la matrice M reprsentant f dans la base E est gale au produit des matrices suivantes M = MatE ,E (f ) = MatE ,F (id) MatF ,F (f ) MatF ,E (id) = P N P 1 . Le calcul eective 1 0 0 1 1 2 redonne bien la 1 1 2 1 0 1 2 1 1 matrice N : 1 2 1 1 1 1 4 2 0 3 1 = 0 2 1 0 9 4 2 5 2 . 1

8. La matrice A = MatF ,E (f ) reprsentant f dans la base E et la base F est gale au produit des matrices suivantes M = MatF ,E (f ) = MatF ,F (f ) MatF ,E (id) = N P 1 . Le calcul donne 1 0 2 1 1 1 1 2 1 1 1 1 4 2 0 3 1 = 0 2 1 0 3 1 3 1 0 . 2

On retrouve bien le rsultat de la question 5.


2 0 7 3 5 . 8

Exercice 55 (Rang). On considre la matrice

1 M := 4 6 1. Calculer le dterminant de M . 2. Quel est le rang de la matrice M ? 3. Montrer que la famille

{(1, 4, 6), (2, 0, 7), (3, 5, 8)} forme une base de R3 .

3.9. CORRECTIONS DES EXERCICES

123

Correction. 1. La mthode de Sarrus donne ici det M = 60 + 84 64 35 = 45 . 2. En considrant, lapplication linaire fM : R3 R3 , X M X , on a que son dterminant est non nul, donc elle est de rang maximal par le thorme 18, cest--dire rg M = 3 . 3. La famille {(1, 4, 6), (2, 0, 7), (3, 5, 8)} est limage de la base canonique de R3 par lautomorphisme fM . Cest donc une base par la proposition 29.

Exercice 56 (Trace). On considre lapplication f : R3 [X ] R3 [X ] dnie par f (a + bX + cX 2 + dX 3 ) := d + 1. Montrer que lapplication f est linaire. 2. Calculer sa trace. Correction. 1. Soient , R deux nombres rels et soient P = a + bX + cX 2 + dX 3 et Q = a + b X + c X 2 + d X 3 deux polynmes. On a f (P + Q) = = f (a + a ) + (b + b )X + (c + c )X 2 + (d + d )X 3 (d + d ) + (a + a ) + (b + b ) + (c + c ) 2 X + 2 ((d + d ) (b + b ))X 3 a +b +c 2 a+b+c 2 X + (d b)X 3 + d + X + (d b )X 3 d+ 2 2 f (P ) + f (Q) . a+b+c 2 X + (d b)X 3 . 2

= =

Donc lapplication f est linaire. 2. Pour calculer la trace de f , il sut de la reprsenter matriciellement grce une base. La matrice associe f dans la base canonique B = {1, X, X 2 , X 3 } de R3 [X ] est 0 0 M=
1 2

0 0
1 2

0 0
1 2

1 0 0 1 f (X 3 )

1 X X2 X3

0 f (1) Au nal, on a

1 f (X )

0 f (X 2 )

tr f = tr M =

3 . 2

124

CHAPITRE 3. APPLICATIONS LINAIRES

Exercice 57 (Mthode de Cramer). On considre le systme dquations linaires suivant = 1 2x + y z 3x + 2 y + z = 4 x + 3y + z = 2. 1. Dcrire lensemble des solutions avec la mthode de Cramer. 2. Retrouver ce rsultat par un calcul matriciel utilisant linversion dune matrice. Correction. 1. On considre les matrices 2 A := 3 1 1 2 3 1 1 1 1 et B := 4 . 2

x Avec ces notations, les solutions du systme dquations linaires sont les vecteurs X = y z de R3 qui vrient AX = B . Le dterminant de la matrice A vaut 2 1 1 3 2 1 = 4 + 1 9 6 + 2 3 = 11 1 3 1 par la mthode de Sarrus. Comme ce dterminant nest pas nul, donc le systme admet une seule solution qui est donne, par exemple, par la mthode de Carmer de la manire suivante. 1 1 4 det A 2 2 1 3 det A 1 2 1 3 det A 1 1 2 3 1 4 2 1 2 3 1 11 1 = = 1, 11 1 1 1 = 0, 1 1 11 4 = = 1. 11 2

x=

y=

z=

La seule solution de ce systme est donc (1, 0, 1) . 2. Une autre manire de trouver ce rsultat consiste inverser la matrice (inversible) A : 1 4 3 1 2 3 5 A1 = 11 7 5 1 Dans ce cas, lunique solution est donne par X = A1 B , cest--dire x 1 1 y = 2 11 z 7 4 3 1 1 3 5 4 = 0 . 5 1 2 1

3.9. CORRECTIONS DES EXERCICES

125

Exercice 58 (Diagonalisation valeurs propres simples). Soit f : R3 R3 lapplication linaire dont la matrice dans la base canonique B est la suivante 1 1 1 M = M atB,B (f ) := 1 1 0 . 0 0 1 1. 2. 3. 4. 5. 6. Quel est le rang de f ? En dduire, sans calcul, que 0 est valeur propre de M . Calculer le polynme caractristique f (X ) de f . En dduire, sans plus de calcul, mais en justiant, que f est diagonalisable. Montrer, sans diagonaliser compltement M , que tr(M n ) = 1 + 2n , pour tout n N\{0}. Diagonaliser lendomorphisme f .

Correction. 1. Le rang de f est le rang de la matrice M . On le calcule en chelonnant la matrice, par exemple par colonnes de la manire suivante. 1 1 0 1 1 0 1 0 1
C2 C2 C1 C3 C3 +C1

1 1 0

0 0 0

0 1 1 C2 C3 1 1 0

0 1 1

0 0 0

Comme la matrice chelonne possde deux colonnes non nulles, son rang est gal 2, do rg f = 2 . 2. Comme le rang de f nest pas maximal, lapplication linaire f nest pas surjective. Nous sommes en prsence dun endomorphisme en dimension nie, cette application nest donc pas injective, par le thorme 18. Donc il existe au moins un vecteur non nul u = 0 dans son noyau, i.e. f (u) = 0 = 0.u. La valeur 0 est donc valeur propre. 3. Par dnition, le polynme caractristique est gal f (X ) = det(M XI3 ) = 1X 1 0 1 1X 0 1 0 . 1X

En le dveloppant par rapport la dernire ligne, on trouve f (X ) = = (1 X ) 1X 1 1 = (1 X )((1 X )2 1) = (1 X )(X 2 2X ) 1X

(1 X )X (X 2) .

4. Le polynme caractristique est scind racines simples, on a donc, par thorme du cours, que lendomorphisme f est diagonalisable. 5. On sait que, dans ce cas, tous les sous-espaces propres non triviaux, ici E0 , E1 et E2 , sont de dimension 1. Ce qui signie quil existe une base de vecteurs propres de R3 de la forme V = {v0 , v1 , v2 } avec v0 E0 , v1 E1 et v2 E2 . Mme sans connatre les coordonnes exactes de ces trois vecteurs, on peut conclure que la matrice reprsentant lendomorphisme f dans cette base sera 0 0 0 := MatV ,V (f ) = 0 1 0 . 0 0 2 Si on appelle P := MatB,V (id) la matrice de passage de la base B la base V , alors = P 1 M P , o de manire quivalente M = P P 1 . Donc 0 0 0 M n = P n P 1 = P 0 1 0 P 1 . 0 0 2n

126

CHAPITRE 3. APPLICATIONS LINAIRES

On conclut que tr(M n ) = tr(P n P 1 ) = tr(n ) = 1 + 2n . 6. Diagonaliser lendomorphisme f signie trouver une base de vecteurs propres de R3 . = 0. On cherche un vecteur propre de valeur propre 0, cest--dire une vecteur de R3 qui vrie f (v0 ) = 0. Avec la dnition de f , cela revient chercher une solution non nulle au systme suivant x+yz = 0 x+y = 0 z = 0, Le vecteur de coordonnes v0 = (1, 1, 0) convient. = 1. On cherche un vecteur propre de valeur propre 1, cest--dire une vecteur de R3 qui vrie f (v1 ) = v1 . Avec la dnition de f , cela revient chercher une solution non nulle au systme suivant x+yz = x x+y = y z = z, Le vecteur de coordonnes v1 = (0, 1, 1) convient. = 2. On cherche un vecteur propre de valeur propre 2, cest--dire une vecteur de R3 qui vrie f (v2 ) = 2v2 . Avec la dnition de f , cela revient chercher une solution non nulle au systme suivant x + y z = 2x x+y = 2y z = 2z , Le vecteur de coordonnes v2 = (1, 1, 0) convient. Soit P := MatB,V (id) la matrice de passage de la base V dans la base B . Elle est forme en colonne des coordonnes des vecteurs de la base V dans la base B , soit 1 0 1 P = 1 1 1 . 0 1 0 On calcule linverse 1 0 1 1 1 1 1 0 0 1 0 0 de la matrice P par les oprations par ligne 0 0 1 0 1 1 L2 L3 0 1 0 0 1 0 L3 L3 +L1 0 1 0 1 2 1 1 0 1 1 1 0 L3 2 (L3 L2 ) 0 1 0 0 0 1 1 2 1 1 0 0 2 0 1 0 0 L1 L1 L3 ) 0 0 1 1 2
1 2 1 2

suivantes 0 0 0 1 1 0 0 0
1 2 1 2 0 1 2

0 1 1 2 1
2

1 1 2

Ce qui donne au nal P 1 = 0 Le calcul nal de P 1 M P = MatV ,B (id)MatB,B (f )MatB,V 1 2 0


1 2 1 2

1 . 1 2

3.9. CORRECTIONS DES EXERCICES

127

vaut bien = MatV ,V (f ) : 1 1 1 1 1 2 2 2 0 0 1 1 1 1 1 0 0 1 2 2 2

1 1 0 1 1 0

0 1 0 1 1 = 0 1 0 0

0 1 0

0 0 . 2

Exercice 59 (Diagonalisation valeurs propres avec multiplicit) On note B := {e1 , e2 , e3 } la base canonique de R3 . On considre lapplication linaire f : R3 R , X M X , dont la matrice reprsentative dans la base B est la suivante 3 1 1 2 0 . M = MatB,B (f ) := 0 1 1 3
3

1. Quel est le rang de f ? 2. En dduire que F := {f (e1 ), f (e2 ), f (e3 )} est une base de R3 et que 0 nest pas valeur propre de M . 3. Calculer le polynme caractristique f (X ) de f . 4. Quelle sont les dimensions des sous-espaces propres E2 et E4 associs aux valeurs propres 2 et 4 ? Trouver une base de R3 constitue de vecteurs propres de f . 5. Trouver une matrice inversible P GL3 (R) et une matrice diagonale telles que M = P 1 P . 6. Calculer les puissances M k , pour k N. Correction. 1. On chelonne la matrice M par colonnes de la manire suivante. 3 0 0 3 1 1 C2 3C2 +C1 0 6 0 0 2 0 C3 3C3 +C1 1 2 8 1 1 3 Comme la matrice chelonne possde trois colonnes non nulles, son rang est gal 3 rg M = 3 . 2. Comme le rang de M est maximal, et comme f est un endomorphisme dun espace de dimension nie, alors le thorme 18 montre que f est un automorphisme. Et on sait, par la proposition 29 quun isomorphisme envoie une base sur une base. Donc F = {f (e1 ), f (e2 ), f (e3 )} est une base de R3 . Comme f est un automorphisme, son noyau est rduit au vecteur nul Kerf = E0 = {0} . Il ny a donc aucun vecteur propre associ 0. La valeur 0 nest pas une valeur propre de f . 3. La polynme caractristique de f est gal f (X ) = det(M XI3 ) = 3X 0 1 1 2X 1 1 0 . 3X

En le dveloppant par rapport la deuxime ligne, on trouve f (X ) = = (2 X ) 3X 1 1 = (2 X )((3 X )2 1) = (2 X )(X 2 6X + 8) 3X

(X 2)2 (X 4) .

128

CHAPITRE 3. APPLICATIONS LINAIRES

4. Par le thorme ??, on sait que la dimension du sous-espace propre E4 est gale 1 et que la dimension du sous-espace propre E2 est comprise entre 1 et 2. Pour pouvoir tre plus prcis, on faut rsoudre les deux systmes dquations linaires qui les dnissent. = 2. On cherche les vecteurs propres de valeur propre 2, cest--dire les vecteurs de R3 qui vrient f (u) = 2u : 3x y z = 2x 2y = 2y x = y + z . x + y + 3z = 2z , Le sous-espace propre E2 est donc le plan dquation x = y + z . Il est donc de dimension 2. Et une base en est donn par les deux vecteurs v1 := (1, 1, 0), v2 := (1, 0, 1) . = 4. On cherche un vecteur propre de valeur propre 4, cest--dire un vecteur de R3 qui vrient f (v3 ) = 4v3 : x y z = 0 3x y z = 4x y = 0 2y = 4y x + y z = 0 , x + y + 3z = 4z , Le vecteur de coordonnes v3 := (1, 0, 1), est un vecteur propre de valeur propre 4. Au nal, la famille V = {v1 = (1, 1, 0), v2 = (1, 0, 1), v3 = (1, 0, 1)} forme une base de vecteurs propres de R3 . 5. Soit P := MatB,V (id) la matrice de passage de la base V dans la base B . Elle est forme en colonne des coordonnes des vecteurs de la base V dans la base B , soit 1 P = 1 0 1 0 1 1 0 . 1

Dans ce cas, la matrice = P 1 M P nest autre que la matrice diagonale compose des valeurs propres : 2 0 0 = 0 2 0 . 0 0 4 6. On calcule linverse de la matrice P par les oprations par ligne, ce qui donne P
1

0
1 2 1 2

1 1 2 1 2

0
1 2 1 2

3.9. CORRECTIONS DES EXERCICES

129

On a donc Mk = 1 k P P = = 2k
1 k 2 (2 1 k 2 (2

0
1 2 1 2

1 1 2 1 2

0
1 2 1 2

k 2 0 0
k

0 2k 0

0 1 0 1 0 4k

1 0 1

1 0 1

0 +4 ) 4k )
k 1 k 2 (2

0 0

4 ) . 1 k k 2 (2 + 4 )


Exercice 60 (Diagonalisabilit). On considre lapplication linaire f : R3 R3 dont la canonique B est la suivante 7 3 M = M atB,B (f ) := 6 2 4 2 1. Calculer le polynme caractristique f (X ) de f . 2. Quelle sont les dimensions des sous-espaces propres E1 et E2 associs aux valeurs propres 1 et 2 ? 3. La matrice M est-elle diagonalisable ? 4. La matrice M est-elle trigonalisable ? 5. Donner une base dans laquelle lendomorphisme f soit reprsent par une matrice triangulaire suprieure. Correction. 1. 2. 3. 4. 5. matrice reprsentative dans la base 4 5 . 1

Exercice 61 (Trigonalisation). On considre lapplication linaire f : R3 R3 dont la matrice reprsentative dans la base canonique B est la suivante 2 2 3 M = M atB,B (f ) := 5 1 5 . 3 4 0 1. Lendomorphisme f est-il trigonalisable sur R ? 2. Quelle est la dimension du sous-espace propre E1 associ la valeur propre 1 ? 3. Lendomorphisme f est-il diagonalisable sur R ? 4. Donner une base dans laquelle lendomorphisme f soit reprsent par une matrice triangulaire suprieure.

130

CHAPITRE 3. APPLICATIONS LINAIRES

Correction. 1. 2. 3. 4. Exercice 62 (Puissance de matrice). On considre la matrice suivante M := 1 2 2 1 .

1. Calculer les puissances M k , pour k N, en diagonalisant la matrice M . 2. Retrouver ce rsultat en utilisant le thorme de Cayley-Hamilton et la division euclidienne des polynmes. Correction. 1. 2.

CHAPITRE 4 ESPACES EUCLIDIENS

Pour de plus amples dtails sur ce chapitre, on revoie le lecteur [Lip03, Chapitres 613]. 4.1. Formes bilinaires 4.2. Produits scalaires 4.3. Orthogonalit 4.4. Rduction des matrices symtriques 4.5. Formes quadratiques

BIBLIOGRAPHIE

[Lip03] S. Lipschutz Algbre linaire, [Bu Sciences, 512.5 LIP], 2003. 26, 51, 89, 131 [SB98] C. P. Simon & L. Blume Mathmatiques pour conomistes, [Bu Sciences, 330.015 1 SIM], De Boeck Universit, 1998. 9, 14, 18

134

BIBLIOGRAPHIE

Index
n-uplets, 52 pimorphisme, 94 application linaire, 89 automorphisme, 98 base, 61 base canonique, 62 combinaison linaire, 58 coordonnes, 61 dimension, 62 droite vectorielle, 56 endomorphisme, 98 espace vectoriel, 52 espace vectoriel engendr, 58 famille gnratrice, 58 famille lie, 60 famille libre, 60 forme chelonne, 65 hyperplan, 70 image, 93 inverse matrice, 92 isomorphisme, 94 linairement dpendants, 60 linairement indpendants, 60 loi, 52 matrice, 53 matrices quivalentes par colonne, 65 monomorphisme, 94 morphisme, 89 noyau, 93 oppos, 52, 73 projection, 70 rang, 96 scalaire, 53 somme, 57 somme directe, 68 supplmentaire, 69 type ni, 59 vecteur, 53 vecteur nul, 53

LISTE DES NOTATIONS

135

Liste des Notations


MatV ,U (f ), 99