Académique Documents
Professionnel Documents
Culture Documents
C. Dezélée
February 12, 2018
Contents
1 Espaces vectoriels 3
1.1 Définition, espaces vectoriels classiques . . . . . . . . . . . . . . . 3
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Sous-espace vectoriel engendré par une famille de vecteurs . . . . 5
1.4 Produit cartésien, intersection . . . . . . . . . . . . . . . . . . . . 6
1.5 Somme de s.e.v., somme directe, supplémentaires . . . . . . . . . 6
1.6 Famille génératrice, famille libre, base . . . . . . . . . . . . . . . 8
2 Applications linéaires 10
2.1 Définitions, propriétés élémentaires . . . . . . . . . . . . . . . . . 10
2.2 Polynômes d’endomorphismes . . . . . . . . . . . . . . . . . . . . 11
2.3 Image et noyau, surjectivité et injectivité . . . . . . . . . . . . . 12
2.4 Détermination d’une application linéaire . . . . . . . . . . . . . . 13
2.5 Projecteurs et symétries . . . . . . . . . . . . . . . . . . . . . . . 13
1
MPSI G.Monod 2017-2018
page : 2
MPSI G.Monod 2017-2018
1 Espaces vectoriels
Dans tout ce chapitre, K désigne R ou C.
λ · (v1 + v2 ) = (λ · v1 ) + (λ · v2 ) ; (λ + µ) · v1 = (λ · v1 ) + (µ · v1 ) ;
(λµ) · v1 = λ · (µ · v1 ) ;
1 · v1 = v1 .
Les éléments de E sont alors appelés les vecteurs et ceux de K les scalaires.
Remarque 1.2 Avec les notations précédentes, on dira aussi que (E, +, ·) est
un K-espace vectoriel. On remarquera qu’un espace vectoriel E ne peut être
vide.
Remarque 1.3 Pour tout v ∈ E, on notera −v son opposé (inverse pour la loi
+).
Exercice 1.6 Soit A un ensemble non vide. Montrer que RA est un R-espace
vectoriel, en précisant pour quelles lois. Faire de même pour E A si E est un
R-espace vectoriel.
Remarque 1.7 Les exemples décrits dans ces deux exercices seront des espaces
vectoriels classiques. (Sauf si cela est demandé, on ne redémontre pas qu’ils ont
une structure de K-espaces vectoriels.)
Exercice 1.8 Les ensembles suivants sont-ils, pour les lois naturelles, des es-
paces vectoriels ?
page : 3
MPSI G.Monod 2017-2018
1. E1 = {(x, y) ∈ R2 / x2 + y 2 = 1} ;
E2 = {(x, y) ∈ R2 / 3x + 2y = 0} ;
E3 = {(x, y) ∈ R2 / 3x + 2y − 5 = 0} ;
E4 = {(x, y, z) ∈ R3 / 2x + 4y − z = 0 et 3x − y = 0}.
2. E5 = {M ∈ M4 (C) / tr(M ) = 0} ;
Sn (R) = {M ∈ Mn (R) / t M = M } ;
An (R) = {M ∈ Mn (R) / t M = −M } ;
GLn (R) = {M ∈ Mn (R) / M est inversible} ;
Tn+ (R) = {M ∈ Mn (R) / M est triangulaire supérieure}.
3. E6 = {u ∈ RN / lim un = 0} ;
n7→+∞
E7 = {u ∈ RN / lim un = 2} ;
n7→+∞
I(R) = {f : R 7→ R / ∀x ∈ Rf (−x) = −f (x)} ;
P (R) = {f : R 7→ R / ∀x ∈ Rf (−x) = f (x)} ;
E8 = {f : R 7→ R / lim f (x) = 0}.
x7→3
où (λ1 , . . . , λn ) ∈ Kn .
Exercice 1.13 Trouver des exemples de sous-espaces vectoriels dans les exer-
cices précédents.
page : 4
MPSI G.Monod 2017-2018
2. ∀(λ, v1 , v2 ) ∈ K × F × F , λv1 + v2 ∈ F .
Remarque 1.15 C’est souvent cette caractérisation qui est utilisée pour mon-
trer qu’un ensemble F est un espace vectoriel, en précisant d’abord de quel espace
vectoriel classique E on va montrer que F est un sous-espace vectoriel.
Exercice 1.16 Prouver cette caractérisation et l’utiliser dans les exercices précédents.
Exercice 1.17 Montrer que l’ensemble des solutions d’un système linéaire ho-
mogène à n inconnues dans K est un s.e.v. de Kn .
Exercice 1.18 Montrer que l’ensemble des solutions d’une équation linéaire
homogène d’ordre n sur un intervalle I, dont les coefficients sont des fonctions
continues sur I, est un s.e.v. de C n (I).
page : 5
MPSI G.Monod 2017-2018
Exercice 1.27 Déterminer pour F une famille génératrice plus simple, dans
les cas suivants :
Exercice 1.31 Prouver cette propriété. Montrer qu’en revanche, une union de
deux sous-espace vectoriels A et B de E n’est pas un sous-espace vectoriel de
E, sauf si A ⊂ B ou B ⊂ A.
page : 6
MPSI G.Monod 2017-2018
Définition 1.39 Avec les notations précédentes, on dit que deux s.e.v. A et B
de E sont en somme directe si tout élément de A + B s’écrit de façon unique
comme la somme d’un élément de A et d’un élément de B. On notera alors
A ⊕ B l’ensemble A + B, et on l’appellera somme directe de A et de B.
Définition 1.43 Avec les notations précédentes, on dit que A et B sont supplémentaires
dans E si A et B sont en somme directe et si cette somme est E, autrement dit
si tout élément de E s’écrit de façon unique comme la somme d’un élément de
A et d’un élément de B.
Exercice 1.44 Montrer à l’aide d’un raisonnement par analyse et synthèse que
An (R) et Sn (R) sont supplémentaires dans Mn (R).
Remarque 1.47 Soit A et B, deux espaces en somme directe, alors pour tout
vecteur v ∈ A + B, il existe un unique couple (a, b) ∈ A × B tel que v = a + b.
Le vecteur a s’appelle alors la composante de v sur A et b la composante de v
sur B.
page : 7
MPSI G.Monod 2017-2018
Définition 1.51 On dit qu’un espace vectoriel est de dimension finie sur K s’il
existe une famille génératrice finie de E sur K.
Exercice 1.52 Parmi tous les espaces vectoriels vus dans les précédents exer-
cices, préciser ceux qui sont de dimension finie.
Exercice 1.55 Montrer que {X 2 +1, X −1, X +1} est libre sur R (dans R[X]).
Exercice 1.56 Dans E = C, montrer que {1, i} est libre sur K = R, mais n’est
pas libre sur K = C.
Remarque 1.59 Une famille libre ne peut contenir le vecteur nul, ou des vecteurs
colinéaires, ou plus généralement, elle ne peut contenir un vecteur qui serait
combinaison linéaire d’autres vecteurs de cette famille. Une famille de vecteurs
A est libre si et seulement si aucun de ses vecteurs n’est combinaison
linéaire des autres vecteurs de A.
page : 8
MPSI G.Monod 2017-2018
Exercice 1.66 Déterminer des bases pour les espace vectoriels classiques (sauf
pour ceux du type RA où A est infini).
2 0 1 3
Exercice 1.67 Soit F = VectR { 1 , 3 }, 1 , 2 }. Déterminer
−1 −3 1 −1
une base de F sur R en extrayant de la famille génératrice de F donnée une
famille libre, qui est encore génératrice de F . (On pourra d’abord chercher toutes
les combinaisons linéaires de ces vecteurs qui sont égales au vecteur nul.)
page : 9
MPSI G.Monod 2017-2018
2 Applications linéaires
Dans tout ce paragraphe, E et F désignent deux K-espaces vectoriels.
Remarque 2.3 L’identité de E, notée IdE , est toujours une application linéaire.
L’application de E dans F qui à tout vecteur de E associe le vecteur nul de F
est également linéaire.
f2 : RR → R
2.
h 7 → h(4) + 1
f3 : D1 (R) → RR
3.
h 7 → h0
f4 : R[X] → R[X]
4.
P 7 → P 0 (X) − P (X + 1) + 3P (1)
f5 : C 0 ([a, b]) → R
Z b
5.
h 7→ h(t)dt
a
f6 : R2 → R
6.
(x, y) 7→ xy + 3x
f7 : RN → RN
7.
u 7 → (un+1 − un )n∈N
f8 : R3 → R2
8.
(x, y, z) 7 → (3x − 2y + z, 7x − 3z)
Exercice 2.5 Soit A ∈ Mn,p (K). Montrer que l’application suivante est K-
linéaire
f: Kp → Kn
X 7 → A.X
page : 10
MPSI G.Monod 2017-2018
Exercice 2.7 En utilisant cette notion, on peut montrer directement que l’application
f8 est linéaire, en tant qu’application linéaire canoniquement associée à une ma-
trice à préciser.
Exercice 2.16 Soit A ∈ Mn (K) une matrice inversible. Montrer que l’application
linéaire canoniquement associée à f est un isomorphisme de Kn , et que sa bi-
jection réciproque est l’application linéaire canoniquement associée à A−1 .
page : 11
MPSI G.Monod 2017-2018
r
X
ak f k .
k=0
Exercice 2.27 Prouver les deux propriétés précédentes et déterminer les im-
ages et noyaux des applications linéaires de l’exercice 2.4. On pourra notamment
utiliser, grâce à la dernière propriété, que si {e1 , . . . , en } est génératrice de E
et si f ∈ LK (E, F ), alors
im(f ) = f (E) = f (Vect{e1 , . . . , en }) = Vect{f (e1 ), . . . , f (en )}.
page : 12
MPSI G.Monod 2017-2018
Exercice 2.32 Soit f ∈ LK (E) tel que que P (X) = X 3 −1 soit un polynôme an-
nulateur de f . Montrer que ker(f 2 +f +IdE ) et ker(f −IdE ) sont supplémentaires
dans E. On procédera par analyse et synthése.
(Il s’agit alors de la projection orthogonale sur l’axe des abscisses dans R2 .)
Exercice 2.37 Soit f : R[X] 7→ R[X] qui à tout polynôme P associe son reste
dans la division euclidienne de P par X 2 + 2X + 1. Montrer que f est un
projecteur, dont on précisera les éléments propres.
page : 13
MPSI G.Monod 2017-2018
Exercice 2.47 Prouver cette propriété, montrer qu’une symétrie est inversible
et préciser son inverse. Préciser aussi un polynôme annulateur d’une symétrie.
page : 14
MPSI G.Monod 2017-2018
Définition 3.1 Un K-espace vectoriel E est dit de dimension finie s’il existe
une famille génératrice finie de E sur K.
Remarque 3.2 On rappelle que par convention : l’espace engendré par ∅ dans
→
− →
−
E est réduit à { 0 E }, donc { 0 E } est de dimension finie.
On rappelle également le théorème suivant :
Théorème 3.3 Soit A une famille de vecteurs d’un K-espace vectoriel E. Alors
→
− →
−
1. Si 0 E ∈ A alors VectK (A) = VectK (A − { 0 E }).
page : 15
MPSI G.Monod 2017-2018
page : 16
MPSI G.Monod 2017-2018
page : 17
MPSI G.Monod 2017-2018
et cette inégalité est une égalité si et seulement si la somme des Ek est directe.
page : 18
MPSI G.Monod 2017-2018
Remarque 4.2 Quand E n’est pas de dimension finie, les implications suiv-
antes restent vraies :
f injective =⇒ 2) (et 3));
1) =⇒ f injective.
3. Il existe une famille génératrice de E qui est envoyée par f sur une famille
génératrice de F
4. Toute famille génératrice de E est envoyée par f sur une famille génératrice
de F .
Remarque 4.5 Quand E n’est pas de dimension finie, les implications suiv-
antes restent vraies :
f surjective =⇒ 2) ;
f surjective =⇒ 4) ;
1) =⇒ f surjective ;
3) =⇒ f surjective.
page : 19
MPSI G.Monod 2017-2018
Remarque 4.8 Quand E n’est pas de dimension finie, les implications suiv-
antes restent vraies :
f bijective =⇒ 2) ;
1) =⇒ f bijective.
Définition 4.9 On dit que deux espaces vectoriels sont isomorphes s’il existe
un isomorphisme entre ces deux espaces.
3. En déduire la dimension de E.
4. En déduire que l’ensemble des suites dans E est bien celui décrit dans le
chapitre Suite I, selon les solutions de l’équation caractéristique aX 2 +
bX + c = 0.
page : 20
MPSI G.Monod 2017-2018
est un isomophisme.
|Im(f )
Exercice 4.22 Démontrer ce théorème en montrant que l’application f˜ = f|G
est un isomorphisme.
page : 21
MPSI G.Monod 2017-2018
Définition 4.28 On dit que f ∈ L(E, F ) est inversible à droite s’il existe g ∈
L(F, E) tel que f ◦ g = IdF . On dit que f ∈ L(E, F ) est inversible à gauche s’il
existe g ∈ L(F, E) tel que g ◦ f = IdE .
Exercice 4.30 Prouver cette propriété en utilisant un résultat classique sur les
composées injectives ou surjectives.
page : 22
MPSI G.Monod 2017-2018
2
Exemple 5.2 Soit B =(1, X, X ), base canonique de R2 [X] et P (X) = (X −
1
1)2 . Alors M atB (P ) = −2.
1
→
−
Remarque 5.5 La matrice représentative de 0 LK (E,F ) est la matrice nulle de
taille (p, n), quelles que soient les bases de départ et d’arrivée choisies.
page : 23
MPSI G.Monod 2017-2018
Théorème 5.13 Soit u une application linéaire entre deux espaces vectoriels
de dimensions finies, et soit A une matrice représentative de u. Alors rg(u) =
rg(A).
page : 24
MPSI G.Monod 2017-2018
Remarque 5.26 Les matrices M atB (u) et M atB0 (u) sont donc semblables.
(On rappelle qu’on dit que deux matrices A et B dans Mn (K) sont semblables
s’il existe P ∈ GLn (K) tel que B = P −1 AP .)
Exercice 5.29 Montrer que T r(M atB (u)) est indépendant du choix de la base
B de E, et que T r(u) est donc bien définie.
page : 25
MPSI G.Monod 2017-2018
3. φ(1A ) = 1B .
On peut vérifier qu’un morphisme d’anneau envoie un inversible de A sur un
inversible de B, et que φ(a−1 ) = φ(a)−1 si a est un inversible de A.
Remarque 5.33 En particulier φ(LK (E)∗ ) = φ(LK (E))∗ = Mn (K)∗ , i.e. φ(GL(E)) =
GLn (K) (φ réalise une bijection de l’ensemble des automorphismes de E dans
l’ensemble des matrices inversibles de taille n).
page : 26
MPSI G.Monod 2017-2018
Exercice 5.41 Justifier cette propriété. Puis, en remarquant que A ∈ GLn (K)
si et seulement si t A ∈ GLn (K), énoncer une caractérisation de l’inversiblité
d’une matrice portant sur les lignes de cette matrice.
page : 27
MPSI G.Monod 2017-2018
Théorème 5.49 Soit A une matrice non nulle. Le rang de A est égal au max-
imum des ordres des matrices carrées extraites de A qui sont inversibles.
Remarquer que U ∈ Mn1 ,p1 (K), V ∈ Mn1 ,p2 (K), W ∈ Mn2 ,p1 (K) et T ∈
Mn2 ,p2 (K), où p1 + p2 = p et n1 + n2 = n.
Théorème 5.51 (Produit par blocs) Soit A ∈ Mn,p (K) et A0 ∈ Mp,q (K).
On écrit ces matrices par blocs compatibles à la multiplication, i.e. :
0
V0
U V U
A= et A0 = ,
W T W0 T0
où U ∈ Mn1 ,p1 (K), V ∈ Mn1 ,p2 (K), W ∈ Mn2 ,p1 (K), T ∈ Mn2 ,p2 (K), et U 0 ∈
Mp1 ,q1 (K), V 0 ∈ Mp1 ,q2 (K), W 0 ∈ Mp2 ,q1 (K) et T 0 ∈ Mp2 ,q2 (K). Alors
page : 28
MPSI G.Monod 2017-2018
Exercice 6.3 Si E admet une base B = (e1 , . . . , en ), pour tout i ∈ [[1, n]], on
note e∗i l’application qui à tout vecteur v de E associe la coordonnée de v sur ei ,
dans la décomposition de v sur la base B. Montrer que e∗i est une forme linéaire
sur E. On appelle e∗i une application coordonnée de E, relativement à la base
B.
n
X
Remarque 6.11 On dit que ak xk = 0 est une équation de l’hyperplan H
k=1
dans la base B.
n
X
Remarque 6.12 La proposition précédente signifie que H = ker( ai e∗i ).
k=1
1 Une droite vectorielle de E est un sous-espace vectoriel de dimension 1 de E.
page : 29
MPSI G.Monod 2017-2018
n
X n
X
Exercice 6.13 À quelle condition les équations ak xk = 0 et bk x k = 0
k=1 k=1
sont-elles les équations d’un même hyperplan de E dans une base fixée ?
page : 30