§ 13 : Dimension finie 1. Notions de base, de coordonnées et de dimension 1.1 Sous-espace engendré par un famille de vecteurs Notation 1. Dans tout le chapitre, K désigne R ou C, n et p sont des entiers naturels non nuls. Définition 1 (rappel). Soit E un K-espace vectoriel, et (u1 , . . . , un ) une famille de vecteurs de K. On dit que (u1 , . . . , un ) engendre E, ou encore que (u1 , . . . , un ) est une famille génératrice ou un système générateur de E, si et seulement si ∀v ∈ E, ∃(λ1 , . . . , λn ) ∈ Kn : v = λ1 u1 + · · · + λn un ce qui revient à dire : E = Vect(u1 , . . . , un ) = {λ1 u1 + · · · + λn un : (λ1 , . . . , λn ) ∈ Kn }. Notation 2. Par convention, si n = 0, Vect(∅) = {0E }. On note également Ku = Vect(u). (l’espace engendré par un vecteur est formé de ses multiples). Exemple 1. Donner une famille génératrice de F = {(a, b, a + b) : (a, b) ∈ R2 }. Soit G = Vect(cos2 , sin2 , cos × sin}. Les fonctions x 7→ 2, x 7→ cos(x)}, et x 7→ cos(2x)} appartiennent-elles à G ? 1.2 Famille libre de vecteurs Définition 2. Soit F = (u1 , . . . , un ) une famille de n vecteurs d’un K-espace vectoriel E. La famille est libre si et seulement si toute combinaison linéaire nulle de ses vecteurs a des coefficients tous nuls : ∀(λ1 , . . . , λn ) ∈ Kn , λ1 u1 + · · · + λn un = 0E =⇒ λ1 = · · · = λn = 0 Cela signifie que l’équation d’inconnues λ1 , . . . , λn : λ1 u1 + · · · + λn un = 0E a pour seule solution (0, . . . , 0). Une famille qui non libre est dite liée. Deux vecteurs liés sont colinéaires, trois vecteurs liés sont coplanaires. Exemple 2 (Espace). Lesquelles des familles suivantes sont libres dans R3 ? Interpréter. √ 1 0 0 1 4 7 1 0 2 √1 1 0 , 1 , 0 2 2 , 5 , 8 3 2 , 2 4 2 , 0 √ 0 0 1 3 6 9 3 0 4 8 5 1 2 3 Exemple 3 (Fonctions). Montrer que la famille (cos2 , sin2 , cos sin) est une famille libre de l’espace vectoriel des fonctions définies sur R et à valeurs réelles. 1.3 Bases et coordonnées Définition 3. Soit B = (u1 , . . . , un ) une famille ordonnée de n vecteurs d’un K-espace vectoriel E. La famille B est une base de E si et seulement si elle est à la fois libre et génératrice. Lorsqu’un espace vectoriel possède une base finie, il est dit de dimension finie. (1) Exemple 4. On considère le K-espace vectoriel Kn . La famille B = (e1 , . . . , en ) composée des vecteurs ei dont toutes les composantes sont nulles, sauf la composante i qui vaut 1, est une base de Kn , appelée base canonique de Kn . 1 0 0 Par exemple, la base canonique de R3 est formée des vecteurs e1 = 0 , e2 = 1 , e3 = 0 0 0 1 (1). Une famille infinie est libre lorsque toute ses sous-familles finies sont libres. Elle est génératrice lorsque tout vecteur est combinaison linéaire finie de ses membres. C’est une base lorsqu’elle est libre et génératrice. www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, § 13 : Dimension finie 1/6 Exemple 5 (Plan). Parmi ces familles de vecteurs, lesquelles sont libres ? Génératrices ? Forment une base ? (( ) ( )) (( ) ( )) (( ) ( ) ( )) (( )) 1 1 −1 0 1 3 5 1 1 2 3 4 , , , , −1 2 4 0 2 4 6 1 Proposition 1. Coordonnées La famille B = (u1 , . . . , un ) est une base d’un K-espace vectoriel E si et seulement ∀y ∈ E, ∃!(λ1 , . . . , λn ) ∈ Kn , y = λ1 u1 + · · · + λn un . Cela signifie que chaque vecteur de E est s’écrit de manière unique comme une combinaison linéaire de vecteurs de la base. Les coefficients (λ1 , . . . , λn ) sont les coordonnées du vecteur y dans la base B. La matrice colonne formée des coordonnées (λ1 , . . . , λn ) du vecteur y dans la base B est notée MatB (y). En particulier, l’application CB de E dans Kn , qui à un vecteur u associe MatB (u) Démonstration. L’existence d’une solution (λ1 , . . . , λn ) ∈ Kn à l’équation y = λ1 u1 + · · · + λn un vient du fait que B est génératrice. Si (µ1 , . . . , µn ) vérifie également y = µ1 u1 + · · · + µn un , la différence des deux équations 0E = (λ1 − µ1 )u1 + · · · + (λn − µn )un implique λ1 − µ1 = 0, . . . , λn − µn = 0 par liberté de B. Ainsi la solution est unique. □ ( ) 1 Exemple 6. u = . Préciser la matrice MatB (u) des coordonnées de u dans la base B de l’exemple 5 1 . −7 Exemple 7. Soit B = {cos2 , sin2 , cos × sin} et G = Vect(B). Pourquoi B est–elle une base de G ? Calculer MatB (1), MatB (x 7→ cos(2x)) et MatB (x 7→ sin(2x)). Exemple 8. Montrer que L ∈ L(E, F) est un isomorphisme si et seulement si l’image d’une base est une base. 1.4 Matrice d’une application linéaire Définition 4. Soient : ⋆ E un K-espace vectoriel de dimension p, muni d’une base B = (e1 , . . . , ep ). ⋆ F un K-espace vectoriel de dimension n, muni d’une base B ′ = (e1′ , . . . , en′ ). La matrice dans la base B au départ et B ′ à l’arrivée d’une application linéaire f de E dans F, est la matrice ′ (aij ) ∈ Mnp (K), dont la j-ème colonne est le vecteur [f(ej )]B des composantes de f(ej ) dans la base B ′ : ∀j ∈ J1 ; pK, f(ej ) = a1j e1′ + · · · + anj en′ On notera cette matrice MatB,B ′ (f) ou simplement MatB (f) lorsque f est un endomorphisme et B = B ′ . Remarque 1. La matrice de f dans la base B au départ et B ′ à l’arrivée se présente ainsi : e1′ e2′ f(e1 ) f(e2 ) . . . a11 a21 .. . ai1 .. . ′ en an1 .. . ei′ .. . f(ej ) . . . f(ep ) a12 a22 .. . ... ... a1j a2j .. . ... ... a1p a2p .. . ai2 .. . ... aij .. . ... aip .. . an2 ... anj ... anp Proposition 2. Soit E et F deux K-espaces vectoriels de dimensions finies. Soit f une application linéaire de E dans F et u un vecteur de E. On note B une base de E et B ′ une base de F. Alors MatB ′ (f(u)) = MatB,B ′ (f) × MatB (u). www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, § 13 : Dimension finie Kp MatB,B ′ (f)× Kn ⟨−1⟩ CB CB ′ E f F 2/6 Démonstration. On adopte les notations de la remarque 1 Soit u ∈ E. p p p p n n ∑ ∑ ∑ ∑ ∑ ∑ uj ej = uj f(ej ) = uj aij ej′ = aij uj ej′ . f(u) = f j=1 j=1 Le coefficient de ej′ j=1 i=1 i=1 j=1 ( ) dans la décomposition de f(u) dans la base B ′ est bien MatB,B ′ (f)MatB (u) j . □ Exemple 9. . Soit un C-espace vectoriel E muni d’une base B = (e1 , e2 ). On définit l’endomorphisme f par f(e1 ) = e1 + 2e2 et f(e2 ) = e1 . Soit u le vecteur u = e1 + e2 Déterminer la M matrice de f dans la base B et le vecteur colonne X des coordonnées de u dans cette base. Comment interpréter le produit MX ? Exemple 10 (Fonctions). . Soit, comme dans l’exemple 7, la famille B = {cos2 , sin2 , cos sin} et G = Vect(B). On définit l’application D sur G par ∀f ∈ G, D(g) = g ′ . 1 Calculer l’image par D de la base B de G et en déduire que D est un endomorphisme de G. 2 Donner la matrice de M de l’endomorphisme D dans la base B. 3 Étudier le noyau et l’image de cette matrice. En déduire le noyau et l’image de D. 1.5 Dimension Proposition 3. Dimension Soit B = (u1 , . . . , un ) une base d’un K-espace vectoriel E. Alors : ⋆ il n’existe pas de famille libre à plus de n éléments. ⋆ il n’existe pas de famille génératrice de moins de n éléments ⋆ toute base a exactement n éléments. Ce nombre n est appelé la dimension de E et noté dim(E). Démonstration. Soient n + 1 vecteurs de E : v1 , . . . , vn+1 . En considérant les coordonnées suivant chaque ui de l’équation λ1 v1 + · · · + λn+1 vn+1 = 0E , on obtient un système de n + 1 équations à n inconnues, qui contient au maximum n pivots, donc un paramètre au moins : il n’y pas unicité des solutions, la famille n’est pas libre. De même, avec n − 1 vecteurs de E : v1 , . . . , vn−1 : les composantes suivant les ui de l’équation y = λ1 v1 + · · · + λn−1 vn−1 , donnent un système de n équations à n − 1 inconnues, qui contient au maximum n − 1 pivots, donc au moins une ligne de zéros : les y ne satisfaisant pas l’équation associée ne peuvent se décomposer suivant les vi , la famille n’est donc pas génératrice. Une famille libre n’a pas plus de n éléments, une famille génératrice pas moins de n, donc une base en a n. □ Notation 3. Par convention, la dimension de l’espace vectoriel nul est nulle : dim({0}) = 0. Un espace vectoriel E est une droite vectorielle si dim E = 1, un plan vectoriel si dim E = 2. En cas d’ambiguïté, on précise le corps de référence en indice de dim : dimC C = 1 et dimR C = 2. Exemple 11. Dimension de Kn , M3,2 (R), Rn [X] = Vect(1, X, . . . , Xn ), et G défini dans l’exemple 7 ? 2. Propriétés des bases 2.1 Caractérisation d’une base Proposition 4. Reconnaître une base Soit B ⋆ B ⋆ B ⋆ B une famille d’un espace vectoriel de dimension n. Les propositions suivantes sont équivalentes : est une base. est une famille libre à n éléments. est une famille génératrice à n éléments. www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, § 13 : Dimension finie 3/6 Démonstration. Soit B ′ une base de E. On note B = (u1 , . . . , un ). Les composantes suivant B ′ de l’équation y = λ1 u1 + · · · + λn un mènent à un système de n équations à n inconnues. Dans les deux dernières situations, ce système admet n pivots exactement (car l’équation 0 = λ1 u1 + · · · + λn un admet une solution unique si B libre, et l’équation initiale admet au moins une solution si B génératrice). Ainsi, le système admet une unique solution : B est une base. La réciproque est vraie d’après la proposition 3 □ Exemple 12. Justifier rapidement (sans pivot) que la base B de l’exemple 5 1 est une base de R2 . 2.2 Théorème de sélection - complétion d’une base Proposition 5 (Sélection - complétion). De toute famille génératrice d’un espace vectoriel de dimension finie E, on peut extraire une base. Toute famille libre d’un espace vectoriel de dimension finie E peut être complétée en une base. Démonstration. Soit (u1 , . . . , un ) une famille génératrice de E : pour tout y ∈ E l’équation admet au moins une solution. On résout λ1 u1 + · · · + λn un = y par la méthode du pivot : la famille P constituée des vecteurs correspondants aux colonnes à pivot est une base (génératrice : en choisissant les paramètres égaux à 0 on obtient y ∈ Vect(P) et libre : le système admet une unique solution : autant de pivots que de colonnes). Si E est de dimension finie p et (u1 , . . . , un ) est une famille libre, soit n = p et c’est une base, soit n < p et en prenant un+1 ∈ E \ Vect(u1 , . . . , un ) on complète la famille en une famille libre de n + 1 vecteurs. En répétant l’opération n − p fois on obtient une famille libre à p éléments, donc une base. □ Remarque 2. Cela implique en particulier que tout espace vectoriel de dimension finie possède une base. Pour compléter une famille libre (u1 , . . . , uk ) en une base de E de dimension finie, on considère une base (e1 , . . . , en ) de E et on résout α1 u1 + · · · + αk uk + λ1 e1 + · · · + λn en = 0 en commençant par prendre les k premiers pivots dans les k premières colonnes. Les colonnes à pivot forment une base contenant la famille initiale. 3. Utilisation de la dimension 3.1 Dimension et sous-espaces vectoriels Proposition 6. Soit F un sous-espace vectoriel d’un K-espace vectoriel E. ⋆ dim(F) ⩽ dim(E) ⋆ si dim F = dim E alors F = E Démonstration. Une base B de F est une famille libre à dim E, que l’on peut compléter en une base de E. Donc dim(F) ⩽ dim(E). Si une base de F a dim(E) éléments, c’est une famille libre à dim(E) éléments, donc une base de E. Ainsi, F = Vect(B) = E. □ Proposition 7. Formule de Grassmann Soient F et G deux sous espaces vectoriels d’un K-espace vectoriel E. Alors dim(F + G) = dim(F) + dim(G) − dim(F ∩ G). En particulier, dim(F ⊕ G) = dim(F) + dim(G). Démonstration. L’idée est de compléter une base de F ∩ G d’une part en une base de F, et d’autre part en une base de G. On montre alors que les dim(F) + dim(G) − dim(F ∩ G) considérés forment une base de F + G. □ www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, § 13 : Dimension finie 4/6 3.2 Dimension et applications linéaires Théorème 8. « du rang » Soit L ∈ L(E, F) une application linéaire entre deux K espaces vectoriels E et F de dimension finie. Alors dim(E) = dim(Ker(L)) + dim(Im(L)) La dimension rg(L) = dim(Im(L)) est appelée le rang de L. Démonstration. Soit E ′ un supplémentaire de Ker(L) dans E : E = E ′ ⊕ Ker(L). On considère L ′ : E ′ → Im(L) la restriction de L à E ′ . On démontre qu’il s’agit d’un isomorphisme et on utilise la formule de Grassmann. □ Exemple 13. Soit L ∈ L(E, F). Interpréter en terme d’injectivité, surjectivité de L les égalités : 1 dim(F) = rg(L) ? 2 dim(E) = rg(L) ? 3 dim(E) = dim(F) = rg(L) ? En déduire une condition nécessaire et suffisante pour qu’il existe un isomorphisme de Rn dans Rm . 4. Propriétés des matrices d’une application linéaire 4.1 Composition et réciproque Proposition 9 (Composition). E, F et G sont des K-espaces vectoriels MatB,B ′ (f)× MatB ′ ,B ′′ (g)× Kp Kn Km de dimensions finies. ⋆ E est de dimension p, muni d’une base B =. MatB ′ ,B ′′ (g)MatB,B ′ (f)× ⟨−1⟩ ⋆ F est de dimension n, muni d’une base B ′ . CB CB ′′ ′′ g ◦ f ⋆ G est de dimension m, muni d’une base B . Soient f ∈ L(E, F), g ∈ L(F, G) et u ∈ E . On a alors : E F G g f MatB,B ′′ (g ◦ f) = MatB,B ′ (g)MatB ′ ,B ′′ (f) Proposition 10. E et F sont deux espaces vectoriels de dimensions finies. ⋆ E est muni d’une base B. ⋆ F est muni d’une base B ′ . ( )−1 Soit L un isomorphisme de E dans F. Alors MatB ′ ,B (L⟨−1⟩ ) = MatB,B ′ (L) K (MatB,B ′ (f))−1 × Kn p ⟨−1⟩ CB ′ CB Démonstration. Le produit des deux matrices, en utilisant la proposition précédente, donne l’identité. □ E f⟨−1⟩ F 4.2 Changement de base Tous les résultats de cette section viennent de la proposition 9. Définition 5. Soient E un K-espace-vectoriel de dimension finie n. E est muni de deux bases B = (e1 , . . . , en ) et B = (e1′ , . . . , en′ ) On appelle matrice de passage de la base B vers la base B ′ la matrice dont ′ les colonnes sont (les coordonnées )−1dans la base B des vecteurs de la base B . . On a encore P = MatB,B ′ (Id) e1 e2 .. . en e1′ e2′ ... a11 a21 .. . a12 a22 .. . ... ... a1n a2n .. . an1 an2 ... ann en′ Proposition 11. Formules de passage Soit E un K-espace vectoriel de dimension p, et B = (e1 , . . . , ep ), B ′ = (e1′ , . . . , ep′ ) deux bases de E. Soit P la matrice de passage de la base B vers la base B ′ . Alors : −1 1 ∀u ∈ E, Mat(u) ′ = Mat ′ MatB (u) B B ,B (Id)MatB (u) = P ( )−1 2 Mat(Id) ′ : P−1 est la matrice de passage de B ′ vers B B ,B = MatB,B ′ (Id) 3 Si f est un endomorphisme de E : MatB ′ (f) = P−1 MatB (f)P. www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, § 13 : Dimension finie 5/6 Notation 4. B La terminologie peut-être trompeuse : pour obtenir les coordonnées de u dans la base B ′ , on multiplie les coordonnées de u dans la base B par la matrice de passage de B ′ vers B ! ( ) ( ) x x+y 2 2 Exemple 14. Soit L : R −→ R , 7→ . y 2x + 2y Soit B la base de R2 introduite dans l’exemple 5 1 . 1 Donner la matrice A de l’application L dans la base canonique, puis la matrice A ′ de L dans la base B. 2 3 Donner la matrice de passage P de la base canonique vers la base B de l’exemple 5 ′ 1 . ∗ Exprimer A en fonction de P et A et en déduire A pour n ∈ N . n Remarque 3. Plus généralement, si E et F sont deux espaces vectoriels de dimensions finies, si l’espace E est muni de deux bases E et E ′ , si l’espace F est muni de deux bases F et F ′ , et si f est une application linéaire de E dans F : MatE ′ ,F ′ (f) = Mat−1 F ,F ′ (Id)MatE,F (f)MatE,E ′ (Id). Bilan du § 13 Prérequis 1 Maîtriser le chapitre §12 Espaces vectoriels. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .□ 2 Maîtriser le chapitre §10 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 3 Rudiments de calcul dans les complexes : §3 Complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ Objectifs prioritaires 1 connaître la définition d’un sous-espace engendré par une famille de vecteurs (1.1) . . . . . . . . . . . . . . . . . . . . □ 2 connaître la définition d’une famille libre de vecteurs (1.2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 3 connaître la définition d’une base, de la dimension d’un espace vectoriel (1.3). . . . . . . . . . . . . . . . . . . . . . . . .□ (a) savoir refaire les exemples 2 et 5 (Kn ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ connaître le lien entre dimension, famille libre, génératrice, et base (proposition 3). . . . . . . . . . . . . . . . . . . .□ 4 5 connaître la formule de Grassmann et le lien entre dimension et sev (proposition 7) . . . . . . . . . . . . . . . . . . □ 6 savoir compléter une base d’un sev en une base d’un ev (théorème 5) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 7 connaître le théorème du rang (3.2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 8 savoir passer d’un vecteur à ses coordonnées dans une base (section 1.3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 9 savoir former la matrice d’une application linéaire et connaître ses propriétés (section 1.4) . . . . . . . . . . . □ (a) exemple 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 10 (b) exercices 5, 11 et 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ savoir travailler dans des bases différentes (section 4.2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ (a) bien comprendre l’exemple 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ (b) exercices 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ Objectifs secondaires 1 savoir résoudre des exercices de synthèse plus abstraits (exercices 1 et 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ 2 matrices d’applications linéaires dans un cadre abstrait : exemples 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ Approfondissement 1 savoir démontrer des propriétés abstraites : exercice 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . □ www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, Bilan du § 13 6/6 TD du § 13 Exercice 1. Polynômes de Lagrange On note Cn [X] le C–espace vectoriel des polynômes à coefficients complexes, de degré inférieur où égal à n. Soient n + 1 nombres complexes deux à deux distincts α0 , . . . , αn . Pour tout k ∈ {0, . . . , n}, on définit le polynôme de Lagrange Lk par Lk (X) = ∏ X − αi . αk − αi i̸=k 1 2 3 4 5 Donner la base canonique et la dimension de Cn [X]. Dans cette question seulement, n = 2 et α0 = 0, α1 = 1, α2 = 3. Écrire les trois polynômes de Lagrange L0 , L1 , L2 . Donner un polynôme P de C2 [X] tel que P(0) = 1, P(1) = −3 et P(3) = 0. Vérifier que ∀k ∈ {0, . . . , n}, Lk ∈ Cn [X]. Montrer que B = {L0 , . . . , Ln } est une famille libre de Cn [X]. En déduire que B est une base de Cn [X]. En déduire que deux polynômes de degrés inférieur où égal à n qui coïncident en n + 1 valeurs de la variable sont égaux. Exercice 2. Étude d’un endomorphisme de l’espace x y−z x Soit a ∈ R et Ea = y ∈ R3 , x + y + z = a et L : R3 → R3 , y 7→ z − x . z z x−y 1 2 3 4 5 Donner une condition nécessaire et suffisante sur a pour que Ea soit un sous-espace vectoriel de R3 . Démontrer que L est un endomorphisme de R3 . Déterminer une base de Ker(L), en déduire le rang de L. L’application L est-elle injective ? surjective ? Vérifier que Im(L) ⊂ E0 , puis que Im(L) = E0 . Montrer que Im(L) ⊕ Ker(L) = R3 . Exercice 3. Espace des exponentielles-polynômes de degrés 2 Soit E l’ensemble des fonctions R → R, x 7→ (ax2 + bx + c) ex où a, b, c sont réels. 1 2 3 4 5 Montrer que E est un sous espace-vectoriel de l’espace F(R, R) des fonctions de R dans R. Déterminer une base B de l’espace vectoriel E. Soit L l’application définie par L(f) = f ′ pour f ∈ E. Vérifier que L est un endomorphisme. Donner la matrice A de l’endomorphisme L dans la base B. Déterminer A−1 . Trouver une primitive de x 7→ (x2 + x + 1)ex . Exercice 4. Endomorphisme d’un( espace ) de polynômes Soit f : R4 [X] −→ R4 [X], P(X) 7→ f P(X) = P(X) − XP ′ (X). 1 2 3 4 Vérifier Donner Donner Donner ATS 2014 que f est un endomorphisme de R4 [X]. la matrice de f dans une base au choix, que l’on précisera. une base du noyau de f. la dimension et une base de l’image de f. Exercice 5. Endomorphisme 3 1 Soit la matrice A = −1 1 1 1 de l’espace donné par sa matrice −3 1 1 1 1 et les vecteurs ε1 1, ε2 −1 et ε3 0. −1 1 0 1 On note B = (e1 , e2 , e3 ) la base canonique de R3 et B ′ = (ε1 , ε2 , ε3 ). Enfin, f est l’endomorphisme de R3 dont la matrice est A dans la base canonique. 1 2 3 Vérifier que B ′ est une base de R3 . Écrire la matrice de f dans la base B ′ . Donner une base de l’image et du noyau de f. Exercice 6. Endomorphisme de carré nul Soit E un K-espace vectoriel, et L un endomorphisme de E. Montrer : Im(L) ⊂ Ker(L) ⇐⇒ L ◦ L = 0. www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, TD du § 13 1/2 Exercice 7. Endomorphisme et changement de base x 3x + y − z 1 Soit f : R3 → R3 , y 7→ −x + 5y − 3z. 2 z 4y − 2z 1 2 3 Montrer quef est de R3 , et préciser sa matrice A dans la base canonique C de R3 . un endomorphisme 0 1 1 Soient e1 = 1, e2 = 0 et e3 = 1. Montrer que B2 = (e1 , e2 , e3 ) est une base de R3 . 1 1 0 Déterminer la matrice B de l’application linéaire f dans la base B2 . Exercice 8. Composées d’un endomorphisme du plan Soit B = (e1 , e2 ) une base d’un C-espace vectoriel E. Soient u = e1 + e2 , v = −e1 + e2 , et l’endomorphisme L de matrice dans la base B : A = 1 2 3 ( ) 2 −1 . −1 2 Montrer que B ′ = (u, v) est une base de E. Donner la matrice A ′ de l’endomorphisme L dans la base B. En déduire L ◦ · · · ◦ L(e1 ). (n compositions) Exercice 9. Système différentiel linéaire 2 guidé ( ) ( ) { d’ordre x ′ (t) = −7x(t) − 9y(t) −1 3 On considère le système différentiel (S) et les vecteurs u et v . 1 −2 y ′ (t) = 6x(t) + 8y(t) 1 2 3 4 Pour t réel on note X(t) le vecteur de R2 de composantes x(t) et y(t). Montrer que X ′ (t) = AX(t) où A est une matrice de M2 (R) à préciser. On note φ l’endomorphisme canoniquement associé à A. Calculer φ(u) et φ(v). En déduire la matrice D de φ dans la base (u, v). Soit P la matrice de passage de la base canonique vers la base (u, v). Démontrer que X ′ = AX ⇐⇒ Y ′ = DY où Y = P−1 X. Résoudre Y ′ = DY et trouver les composantes x̃(t) et ỹ(t) de Y. Résoudre le système différentiel (S). Exercice 10. Étude d’un projecteur x x 1 0 0 Soient φ : R3 → R3 , y 7→ −x + 2y − 2z, et les vecteurs e1 = −1, e2 = 2, e3 = −2. z −x + y − z −1 1 −1 1 2 3 4 5 6 7 8 9 Démontrer que φ est un endomorphisme de R3 . Déterminer une base du noyau de φ. L’application φ est-elle un automorphisme ? Déduire de ce qui précède la dimension de Imφ. L’endomorphisme φ est-il surjectif ? Démontrer que : Imφ = Vect(e1 , e2 , e3 ). Déduire de ce qui précède une base de Imφ, et une description de Imφ par des équations linéaires. Démontrer que R3 = Imφ ⊕ Kerφ. (le noyau et l’image de φ sont des espaces supplémentaires). Prouver que Ker(φ − IdR3 ) = Imφ. (on rappelle que IdR3 : R3 → R3 , u 7→ u) Montrer que ∀u ∈ Imφ, φ(u) = u. Calculer ensuite, pour tout (u, v) ∈ Imφ × Kerφ, φ(u + v). En déduire que φ ◦ φ = φ : on dit que φ est un projecteur sur Imφ parallèlement à Kerφ. Exercice 11. Endomorphisme donné par l’image d’une base Soit B = (e1 , e2 , e3 ) une base de R3 et f l’application linéaire définie par : f(e1 ) = e1 + 2e2 − e3 f(e2 ) = 2e1 + 7e2 + 3e3 f(e3 ) = 3e2 + 5e3 1 2 3 ATS 2010 Donner la matrice de f dans la base B. Déterminer l’image et le noyau de f. Montrer que Im(f) et Ker(f) sont supplémentaires. www.yann-angeli.fr [23 janvier 2016] ATS 2015-2016, TD du § 13 2/2