Académique Documents
Professionnel Documents
Culture Documents
Cours
Rappel d’algèbre
linéaire
Classes MP
2
Table des matières
1 Espaces vectoriel 6
I Sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . 6
2 Exercices d’approfondissements . . . . . . . . . . . . . . . 8
II Indépendance linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 9
1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . 9
2 Exercices d’approfondissement . . . . . . . . . . . . . . . 11
III Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . 12
1 Exercices d’approfondissements . . . . . . . . . . . . . . . 14
2 Applications linéaires 16
I Notion d’application linéaire . . . . . . . . . . . . . . . . . . . . . 16
II Opérations sur les applications linéaires . . . . . . . . . . . . . . . 18
III Noyau et image d’une application linéaire . . . . . . . . . . . . . 19
IV Applications linéaires et indépendance linéaire . . . . . . . . . . . 20
V Projections et symétries vectorielles . . . . . . . . . . . . . . . . . 21
VI Hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
page 3 / 28
1.5 Exercice : Polynômes d’interpolation de Lagrange . . . . . . . . . 10
1.4 Définition : Cas général . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Exemples : fondamentaux . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Théorème : Détermination d’une application linéaire sur une base 17
3.1 Théorème : de la base incomplète . . . . . . . . . . . . . . . . . . 24
3.12 Théorème : du rang . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4
Espaces vectoriel
chapitre 1
Conventions et notations
I
Sous espaces vectoriels
page 5 / 28
3 • 𝐹 ≠ ∅;
• ∀𝑥, 𝑦 ∈ 𝐹, ∀𝛼 ∈ K, 𝛼 .𝑥 + 𝑦 ∈ 𝐹 .
Exemples 1.1
1.1.1 L’ensemble des suites convergentes, celui des suites bornées sont des
s.e.v de (KN, +, .)
1.1.2L’ensemble C𝑘 (𝐼, K) des fonctions numériques de classe C𝑘 sur un
intervalle non trivial 𝐼 de R, où 𝑘 ∈ N ∪ {∞}, est un s.e.v de (F(𝐼, K), +, .).
1.1.3 Pour tout 𝑛 ∈ N, l’ensemble K𝑛 [𝑋 ] = {𝑃 ∈ K[𝑋 ] / deg 𝑃 6 𝑛} est un
s.e.v de K[𝑋 ].
1.1.4Pour tout 𝑎 ∈ K, l’ensemble 𝐻𝑎 = {𝑃 ∈ K[𝑋 ] / 𝑃 (𝑎) = 0} est un s.e.v
de K[𝑋 ]
Proposition 1.2
Proposition 1.4
6
1.4.3 Dans le cas où 𝐴 = {𝑎 1, 𝑎 2, . . . , 𝑎𝑛 } est fini alors
n ∑︁𝑛 o
Vect(𝐴) = 𝛼𝑖 .𝑎𝑖 / 𝛼 1, · · · , 𝛼𝑛 ∈ K .
𝑖=1
Propriétés 1.5
Soient 𝐴, 𝐵 ⊂ 𝐸. Alors :
1.5.1 Vect(∅) = {0}.
1.5.2 Si 𝐴 ⊂ 𝐵 alors Vect(𝐴) ⊂ Vect(𝐵).
1.5.3 𝐴 est un s.e.v de 𝐸 si et seulement si Vect(𝐴) = 𝐴.
1.5.4 Vect (Vect(𝐴)) = Vect(𝐴).
Définition 1.2
Remarque 1.1
Exercice 1.1
Montrer que l’ensemble des solutions d’une équation différentielle homogène
de second ordre à coefficients constants, est un s.e.v de C2 (R, C).
7
Exercice 1.2
𝐹 = (𝑥, 𝑦, 𝑧) ∈ R3 : 𝑥 + 𝑦 + 𝑧 = 0 ,
Soient
𝐺 = (𝑥, 𝑦, 𝑧) ∈ R3 : 2𝑥 − 𝑦 + 3𝑧 = 0
𝐻 = (𝑥, 𝑦, 𝑧) ∈ R3 : 𝑥 + 𝑦 + 𝑧 = 2𝑥 − 𝑦 + 3𝑧 = 0 .
Exercice 1.3
Pour tous 𝑎, 𝑏 ∈ R on note 𝑓𝑎,𝑏 la fonction définie de R vers R par
∀𝑥 ∈ R, 𝑓𝑎,𝑏 (𝑥) = 𝑎𝑥 + 𝑏.
Exercice 1.4
Montrer que si 𝐹 et 𝐺 sont deux s.e.v de 𝐸 alors 𝐹 ∪ 𝐺 est un s.e.v de 𝐸 si et
seulement si 𝐹 ⊂ 𝐺 ou 𝐺 ⊂ 𝐹 .
II
Indépendance linéaire
8
Exercice 1.5 Polynômes d’interpolation de Lagrange
Soient 𝑎 1, · · · , 𝑎𝑛 ∈ K deux à deux distincts. Pour tout 𝑖 ∈ [[1, 𝑛]] on considère
Î 𝑋 − 𝑎𝑗
le polynôme 𝐿𝑖 = . Calculer 𝐿𝑖 (𝑎 𝑗 ) pour tout 𝑖, 𝑗 ∈ [[1, 𝑛]], et
1≤ 𝑗 ≤𝑛 𝑎𝑖 − 𝑎 𝑗
𝑗≠𝑖
montrer que la famille (𝐿1, · · · , 𝐿𝑛 ) est libre dans K𝑛 [𝑋 ].
Remarques 1.2
Propriétés 1.6
Définition 1.5
9
Exemples 1.2 (fondamentaux)
𝐹 = (𝑥, 𝑦, 𝑧) ∈ R3 : 𝑥 + 𝑦 − 𝑧 = 0
Soient
𝐺 = (𝑥 − 𝑦, 𝑦 + 𝑥, 𝑥 − 3𝑦) : (𝑥, 𝑦) ∈ R2 .
Exercice 1.7
Étudier l ’indépendance linéaire des familles F suivantes dans l’espace vectoriel
10
C1 (R, R) :
1. F = (𝑒 𝑎𝑥 )𝑎 ∈R . 2. F = cos𝑘 𝑥 𝑘 ∈N .
3. F = sin𝑘 𝑥 . 4. F = (cos 𝛼 .𝑥) 𝛼 ∈R+ .
𝑘 ∈N
5. F = (|𝑥 − 𝑎|)𝑎 ∈R .
III
Somme de sous-espaces vectoriels
Définition 1.6
Proposition 1.9
11
Proposition et définition 1.10
Remarques 1.3
Proposition 1.11
12
III.1 Exercices d’approfondissements
Exercice 1.8
Montrer que l’ensemble des fonctions paires et celui des fonctions impaires
sont supplémentaires dans F (R, R).
Exercice 1.9
Montrer que l’ensemble des matrices symétriques et celui des des matrices
antisymétriques sont supplémentaires dans M𝑛 (R).
13
14
Applications linéaires
chapitre 2
I
Notion d’application linéaire
Définition 2.1
Proposition 2.1
page 15 / 28
Exemples 2.1
lim : 𝑐 −→ K
(𝑥𝑛 ) ↦−→ lim 𝑥𝑛
𝐴: C ([𝑎, 𝑏], K) −→ K
∫𝑏
𝑓 ↦−→ 𝑎 𝑓 (𝑥)dx
𝐷: C1 (𝐼, K) −→ C (𝐼, K)
𝑓 ↦−→ 𝑓 0
est linéaire.
Notations
L’ensemble des applications linéaires de 𝐸 dans 𝐹 est noté L(𝐸, 𝐹 ), celui des
endomorphismes de 𝐸 est noté L(𝐸). L’ensemble des formes linéaires de 𝐸
est noté 𝐸 ∗ et s’appelle l’espace dual de 𝐸 (ne pas confondre 𝐸 ∗ avec 𝐸\{0𝐸 }).
Exemples 2.2
16
exemples 2.2 (suite)
II
Opérations sur les applications linéaires
Définition 2.3
Proposition 2.3
Remarques 2.1
Notations
17
Conséquences
Exercice 2.1
Soit 𝑓 ∈ L(𝐸) un endomorphisme nilpotent, d’indice de nilpotence 𝑟 ∈ N∗ ;
c’est à dire 𝑓 𝑟 = 0 et 𝑓 𝑟 −1 ≠ 0 ; où 0 désigne ici l’endomorphisme nul. Montrer
que l’endomorphisme 𝑔 = Id𝐸 + 𝑓 est inversible et déterminer son inverse.
III
Noyau et image d’une application linéaire
18
Théorème 2.6
Exercice 2.2
Soit 𝑓 : K2 −→ K2 définie par 𝑓 (𝑥, 𝑦) = (−𝑥 + 𝑦, −𝑦).
1 Montrer que 𝑓 est un endomorphisme et détérminer Ker (𝑓 ) et Im (𝑓 ).
Que dire de 𝑓 , est elle injective ? surjective ?
2 Montrer que 𝑓 + 𝑖𝑑 est nilpotente, en déduire 𝑓 𝑛 pour 𝑛 ∈ N, puis 𝑛 ∈ Z.
3 Soient (𝑥𝑛 ) et (𝑦𝑛 ) deux suites vérifiants 𝑥𝑛+1 = −𝑥𝑛 + 𝑦𝑛 et 𝑦𝑛+1 = −𝑦𝑛
Expliciter 𝑥𝑛 et 𝑦𝑛 en fonction de 𝑛, 𝑥 0 et 𝑦0 .
IV
Applications linéaires et indépendance linéaire
Notations
Théorème 2.7
Corollaire 2.8
19
3 𝑓 est bijective si et seulement si 𝑓 (B) est une base de 𝐹 .
Exercice 2.3
Montrer que l’endomorphisme
𝑓 : R2 −→ R2
(𝑥, 𝑦) ↦−→ (𝑥 + 𝑦, 𝑥 − 𝑦)
est un isomorphisme, et en déduire que la famille ((1, 1), (1, −1)) est une base
de R2 .
V
Projections et symétries vectorielles
On suppose ici que 𝐹 et 𝐺 sont deux s.e.v supplémentaires dans 𝐸, c’est à dire
que 𝐹 ⊕ 𝐺 = 𝐸. Ainsi, pour tout 𝑥 ∈ 𝐸, il existe un unique élément de 𝐹 × 𝐺, que
l’on notera ici par (𝑥 𝐹 , 𝑥𝐺 ), vérifiant 𝑥 = 𝑥 𝐹 + 𝑥𝐺 .
Définition 2.6
20
𝐺
𝑥
𝑥𝐺 = 𝑝𝐺𝐹 (𝑥) • •
•
𝑥 𝐹 = 𝑝 𝐹𝐺 (𝑥) 𝐹
−𝑥𝐺 • •
𝑥 𝐹 − 𝑥𝐺 = 𝑠 𝐹𝐺 (𝑥)
Propriétés 2.9
Théorème 2.10
Exercice 2.4
Considérons l’endomorphisme 𝑆 de R2 dont l’expression analytique est :
(
𝑥 0 = 𝑥 cos 𝑎 + 𝑦 sin 𝑎
.
𝑦 0 = 𝑥 sin 𝑎 − 𝑦 cos 𝑎
21
Montrer que 𝑆 est une symétrie axiale.
VI
Hyperplans
Définition 2.7
Exemples 2.3
n ∫ 1 o
2.3.1 L’ensemble 𝑓 ∈ C ( [0; 1]; R) : 𝑓 (𝑡)dt = 0 est un hyperplan
0
de C ([0; 1]; R).
2.3.2 étant donné 𝑎 1 ; · · · ; 𝑎𝑛 ∈ K𝑛 non tous nuls, l’ensemble
n 𝑛
∑︁ o
(𝑥 1, · · · ; 𝑥𝑛 ) ∈ K𝑛 : 𝑎𝑖 𝑥 𝑖 = 0
𝑖=1
Proposition 2.11
22
Espaces vectoriels de dimensions
finies
chapitre 3
I
Théorème de la base incom-
plète, espace de dimension finie
Définition 3.1
Un K.𝑒.𝑣 est dit de dimension finie s’il admet une famille génératrice finie.
Si L est une famille libre finie de 𝐸 et G est une famille génératrice finie de 𝐸,
alors on peut compléter L par des vecteurs de G pour obtenir une base de 𝐸.
Si 𝐸 est de dimension finie, alors 𝐸 admet au moins une base. De plus, toutes
ses bases sont finies et elles ont le même nombre d’éléments. Ce nombre
s’appelle dimension de 𝐸 et se note dimK 𝐸, ou tout simplement dim 𝐸.
Exemples 3.1
page 23 / 28
exemples 3.1 (suite)
Remarques 3.1
Propriétés 3.3
Exercice 3.1
Déterminer les dimension des s.e.v S𝑛 (K) et A𝑛 (K) de M𝑛 (K), où S𝑛 (K) est
l’ensemble des matrices symétriques et A𝑛 (K) est celui des matrices antisy-
métriques.
Exercice 3.2
Soit E l’ensemble des fonctions
𝑓 : R −→ R
𝑥 ↦−→ (𝑎𝑥 2 + 𝑏𝑥 + 𝑐) cos 𝑥
où 𝑎, 𝑏 et 𝑐 varient dans R. Montrer que 𝐸 est sous-espace vectoriel de F(R, R)
de dimension finie et calculer sa dimension.
24
II
Dimension d’un sous espace vectoriel
Théorème 3.4
Si 𝐸 est de dimension finie alors tout sous espace vectoriel 𝐹 de 𝐸 est un K.𝑒.𝑣
de dimension finie et dim 𝐹 ≤ dim 𝐸, avec égalité si, et seulement si, 𝐹 = 𝐸.
Théorème 3.5
Corollaire 3.6
Théorème 3.7
Remarque 3.2
25
Théorème 3.8
Proposition 3.9
Si 𝐸 est de dimension finie alors les hyperplans vectoriels de 𝐸 sont les s.e.v
de 𝐸 de dimension dim(𝐸) − 1.
Exercice 3.3
Calculer les dimensions des s.e.v 𝐹 et 𝐺 de R3 définis par :
𝐹 = (𝑥, 𝑦, 𝑧) ∈ R3 : 𝑥 + 𝑦 + 𝑧 = 0
𝐺 = (𝑥, 𝑥, 𝑥) : 𝑥 ∈ R
Exercice 3.4
On suppose que l’espace 𝐸 est de dimension finie 𝑛 ≥ 2 et soient 𝐻 1 et 𝐻 2 deux
hyperplans de 𝐸. Déterminer dim(𝐻 1 ∩ 𝐻 2 ).
III
Rang d’une famille finie de vec-
teurs, d’une application linéaire
Définition 3.2
26
Propriétés 3.10
Définition 3.3
Exemples 3.2
Exercice 3.5
Déterminer le rang de l’endomorphisme 𝑓 de R4 défini par 𝑓 (𝑥, 𝑦, 𝑧, 𝑡) =
(𝑥 + 𝑦, 𝑥 − 𝑦, 2𝑥, 2𝑦)
Propriétés 3.11
27
propriétés 3.11 (suite)
Exercice 3.6
Calculer la dimension du noyau de la forme linéaire
𝑓 : R3 ←− R
(𝑥, 𝑦, 𝑧) ↦−→ 𝑥 + 𝑦 + 𝑧
Exercice 3.7
Soient 𝐸 un K−espace vectoriel de dimension finie 𝑛 et 𝑢 un endomorphisme
nilpotent d’indice de nilpotence 𝑟 . Soit 𝑥 0 un élément de 𝐸 tel que 𝑢 𝑟 −1 (𝑥 0 ) ≠ 0.
1 Montrer que la famille 𝑥 0, 𝑢 (𝑥 0 ), ..., 𝑢 𝑟 −1 (𝑥 0 ) est libre de 𝐸 et que
𝑟 ≤ 𝑛 + 1 − dim(Ker(𝑢)), en particulier 𝑟 ≤ 𝑛.
2 On suppose que 𝑟 = 𝑛.
Montrer que 𝑥 0, 𝑢 (𝑥 0 ), ..., 𝑢 𝑛−1 (𝑥 0 ) est une base de 𝐸.
Montrer que l’ensemble des endomorphismes de 𝐸 qui commutent
avec 𝑢 est l’espace vectoriel C(𝑢) = 𝑣𝑒𝑐𝑡 (𝑖𝑑, 𝑢, 𝑢 2, ...𝑢 𝑛−1 ) et calculer sa
dimension.
28