Dans tout ce chapitre, i est l'ensemble & ou € et les lettres n, p,q,... désignent des enters naturels non nuls. APPLICATIONS LINEAIRES, EQUATIONS LINEAIRES DEFINITION ET PREMIERS EXEMPLES Définition 3.1.1 (Application linéaire) Soit E et F deux K-espaces vectoriels. On appelle application linéaire de E dans F toute application f: E— F qui vérifie: 1. Vx, yeE, f(xty) = f+ fs 2. VER, VAEK, f(Ax) = ASQ). Lensemble des applications linéaires de E dans F est noté (E,P) Cas particulier oi E = F: Une application linéaire de E dans lui méme est appelée un endo- morphisme de E. ensemble des endomorphismes de E est noté £(E). Cas partiulier ott F = : Une application linéaire de E dans K est appelée une forme linéaire dek. (Caractérisation nisuelle des applications linéaires) Snit F et F deme K-espaces. vectoriels. application f:E — F est linéaire, siet seulement si, Vx yEE,VAWEK, fAxt Hy) =AfO) +H f()- Exemple 9.1 Suil.a,yeE,VA, Wels SOx+ py) = FO + (UY) = AP) + HL) Soit E et F deux ik-espaces vectoriels Vf CLEP), fOr) = fOr +0E)= flr) + fp), done flr) = Op32 Chapter 3. APPLICATIONS LINEAIRES = Exemple 3.2 + Pour 'application linéaire (x, y,2)-+ (x+ y,.-+ 2) de R® dans R est linéaire. + Pour tout ae, l'application P— P(a) c’évaluation en x est une forme linéaire sur KIX) + Pour tout A¢ K{X], 'application P— AP de multilication par A est un endomorphisme dekix] * Pour tout Qe K{XI, application P—- AP de composition a droite par Q est un endomor- phisme de KIX] + Trapplication P»— P! de dérivation est 1m endamorphisme de KIX] + Lapplication (x, y) 2+ x + y+ 1 n'est paslinéaire de R? dans & car: (0,0) = 140. * Lapplication (x, y) + x2 + y n'est pas linéaire de R? dans R car : y(2(, D) = w2,2) =6 4 4=2y(1,). Exercise 3.1 Soit FR REZ) (-y+Zx-y-x+y) Montrer que f est un endomorphisme. . Réponse : 1) Soit X = (x, y,z),Y = (x",y',2') eR et AER, Montrons que f(AX + Y) = Af(X) + f(¥). Ona fAX+Y) = fAX+X A+ VAT 2) = (Ay) + (AZ + 2'), Ax +X) = AY + e+ x)+Ayty))= Moy tza-yoxt y+ (oy tz’ yhoxl + y= ASG) + fOr yZ) As(X) + fC). Done f est une application linéaire définie de R* dans lui méme donc f est endomorphisme de ®* . Proposition 3.1.2 SoitE,Ey,...E, fo: EE x..xEn (nN) destk-espaces vectoriels. 'application (ison fnl))- fest linéalre de E dans E; x... Fn, Slet seulement st, fi(2),..» Jal] sont des applications linéalres de respectivement de E dans Ej, ... , de E dans Ep. Définition-Théoréme 3.1.3 (Formes coordonnées relativement a une base) Soit E un K- espace vectoriel. On suppose que E posséde une base B = (¢)je1. Pour tout /€ I, application quiassocie a tout vecteur de E sa coordonnée dans % selon le vecteur e; est une forme linéaire de E appelée la i-eme forme coordonnée de Edans B. = Exemple 3.3 Soit ie 1c Net f: x= ¥ xe ~ x; est une forme linéaire sur E, En effet Va yeE,VA PEK, fOAx+ py) = f(D Axe + pyper = Axi + wy = ALO) + HO. ta Théoréme 3.1.4 (Composition d’applications linéaires) Soit E, F et G trois K-espaces vecto- riels. Pour tous f € Z(E,F) et g¢ 2(EG) alors: go f ¢ £(E,G) #Exemple 3.4 Vx, yEE,VA, EK, Bo fx py) = g(fx+ Hy) BAF) + WFQ) = Ago FO) + Hg FO).3.1 APPLICATIONS LINEAIRES, EQUATIONS LINEAIRES 33 3.1.2 IMAGE D'UN SOUS-ESPACE VECTORIEL PAR UNE APPLICATION LINEAIRE Théoréme 3.1.5 (Image d'un sous-espace vectoriel par une application linéaire) Soit E et F deux k-espaces vectoriels et f ¢ 4(E, F) + Pour tout sous-espace vectoriel A de E, "image f(A) de A par f est un sous-espace vectoriel de F. + En particulier, Imf = /(E) est un sous-espace vectoriel de F sur lequel on peut lire la surjectivité de f : fest surjective de E sur F « Imf =F. sExemple 3.5 + Soit A un sous-espace vectoriel de E, x.y €ffA).A.u € K alors il existe Ap EA: X= f(x) et y= fn. = f(A) CF et fapplication linéaire alors 0; = (Ox) € f(A) ~ Stabilité par combinaison linéaire: Ax+ wy = Af(rr) + Hf) = FOL + yr) or Axi-+Hy1 € Acar A est sous-espace vectoriel de E. Finalement Ax-+uy = f(x +Hyi) € fA Conclusion f(A) est un est un sous-espace vectoriel de F. Théoréme 3.1.6 (Image d’un Vect par une application linéaire) Soit E et F deux K-espaces vectoriels et f e-Z(E,F). * Pour toute partieX de: f(Vect(X)) = Vect(f(X)). + En particulier, si E posséde une base B : Imf =Vect(f(B)). = Exemple 3.6 * SoitXcE, FVect(X) = FULMA oyjgest EULA apigen =QOFARM ayer = Vect(f& fel presmiienutte —8L-——presgite multe tel presait nutle * Dai Im, le cas particulier, si B est une base de E alors (EB) = fVect(@)) = Vect(f@)). = Exemple 3.7 Pour l'application linéaire (x,y,z) 2+ (x + y,x +z) de R° dans R2, B = (e; = (1,0,0),e> = (0,1,0),€3 = (0,0, 1)) estune base(famille génératrice) deR® done f(A) = (fer), fle2), Fles)) = (1,1), 0,0), (0,1) est une famille génratrice de Im f. . ‘3.1.3 EQUATIONS LINEAIRES ET NOYAUX D'UNE APPLICATION LINEAIRE Théoreme 3.1.7 (Image réciproque d’un sous-espace vectoriel par une application linéaire) Soit E et F deux k-espaces vectoriels et f € (E, F) et B un sous-espace vectoriel de F. image réciproque f~!(B) de B par f est alors un sous-espace vectoriel de E. = Exemple 3.8 * Soit B un sous-espace vectoriel de F, x, y€ f~'(B),A, © K done f(x) €B et EB. — f71(B) cE et f application linéaire conc 0 = f (0g) € B et puis Of € f-'(B) = Stabilité par combinaisun linéaite: (4+ wy) = AS (4) + W/(y) © B dou Ax + Bye SB) Conclusion f~!(B) est un est un sous-espace vectoriel de E. Définition-Théoréme 3.1.8 (Noyau d'une application linéaire ou d’une matrice) * Soit E et F deux -espaces vectoriels et f € (E, F). On appelle noyau de fet on note34 Chapter 3. APPLICATIONS LINEAIRES Ker fl’ensemble : Kerf = f7' (0p) = (x € E/ f(x) = Or). I1sagit la d’un sous-espace vectoriel de E et on peut notamment y lire V'injectivité de f: S est injective sur Be Kerf = (0x). Moralité: On peut dire aussi que Ker f est ensemble des éléments de E qui ne comptent pas aux yeux de f, qu'elle ne voit pas. En effet, pour tous xe E et ke Kerf: f(x +k) = f(x) par linéarit Cas Pratique: En tant que sous-espace vectoriel de E, Ker f contient Or, done pour montrer que *f est injective, il suffit en réalité de montrer inclusion : Ker f (Og). = Exemple 3.9 ‘+ Supposons f injective et montrons qu’alors : Ker f ~ {0p}. ou encor pour tout xe Kerf: f(x) = 0r = f(r), dene comme f est injective: * Sous 'hypothese que : Kerf lesquels : (2) = (2). Alor Ker f= (Og), dane: r= ‘orf {0}. Or On. {Or}, montrons que f est injective. Soit x,x” € E pour S(X= x!) = f(x) - fl’) = Or par linéarité, done: x= x' € OF, ie: «= Exemple 3.10 Pour I'application linéaire (x, 7,2) + (x+ y,x+ 2) de R® dans R?, Kerf ={(x, yz) €R3/ f(x) = Ope}. X=(yy,2e Kerf f(%y,2) x(1, 1) € Vect({(1,-1,-1)}). Par conséquert Ker, X+ ¥X+Z) = (0,0) @ (y= —x el Z=—2) OX = (4 -4,-0) Vect({(1,-1,-D)) . Exercise 3.2 Soit FR — Ble ya) — (Cyt ex-y—x ty) 1) Montrer que f est un endomorphisme. 2) Déterminer Im(f) et montrer que Ker(/) et Im(f) sont supplémentaires. Réponse : 1) Ker(f) = {(x, y,2) €R?: f(x, ¥,2)) = (0,0,0) -y¥+Z,x-y,-x+ ye Soit X = (x, y,2) € Ker(f) alors (0,0,0) = (-y+2z,x-y,-x+y) done x= y=2>X= (1,1, 1) €Vect(1,1, 1)). > Ker(f) ¢Veer‘(1,1,1)). Or (1,1, € Ker(f) par conséquent Ker(f) = Vect(((1, 1, D))- Posons w= (1, 1,1) La famille {u} est génératrice de Ker(f) donc on peuty extraire une base Keri). comme c’est un sigleton forme d’un vecteur non nul donc elle libre d’oit une base de Ker(f). En effet dimKer(f) = 1. 2) Im(f)=(f(.%.2) tg (yz) WP = (yt x-y-x ty) ta (xyz) ER) soit Y = (-y+z,x-y,-x+y) € Im(f) tel que (x, y,z) € R° alors Y = x(0,1,-1)+y(-1,-1, + 2(1,0,0) posons 24 = (0,1,—1), Ua = (-1,—1,D), ts = (1,0,0) alors Im(f) = Vect(tu, tp, u3}). Montrons que Ker(f) et Im(f) sont supplémentaires. On sait (1, 2, us} est génératrice de Im(f) donc on peut y extraire une base Im(f). Soit 1,0, 0 tq 01114 + et + 0343 = 0 alors ouve facilement que par exemple {ay = ~1, a2 = 1, a5 = ~1) est une solution de l’équation donc le nouveau systéme générateur obtenu est Hié up =~ uy — ug alors (1, us} reste génératrice de Im(f) et comme les deux vecteurs ne sont pas colinéaires alors le systéme générateur (21, us) est libre donc une base de lm(,) La reunion des deux base {u, 1, us] est une base de R (il faut montrer que c’est libre et maximal) donc Ker(f) et Im(f) sont supplémentaires.3.14 3.1 APPLICATIONS LINEAIRES, EQUATIONS LINEAIRES 35 Théoréme 3.1.9 (Solutions d'une équation linéaire) Soit E et F deux K-espaces vectoriels, Se LEP) et weF. * Si yo @ mf, equation : f(x) = yp d’inccnnue x ¢ E n’a pas de solution. ‘Yo Imf, ensemble des solutions de ’équation : f(x) = yo d’inconnue x E est un sous-espace affine de E de direction Ker f ite. : xo +Kerf avec f(x) = yo = Exemple 3.11 Si yo € Inf alors il existe xp € E tq f(x) = yo, done pour tout xe E: yo = F(X) © xo) = f(x) & f(xy) = Op © xp- XE Kerf xe xo+Kerf. Par conséquent le sous espace affine xp +Ker f est l'ensemble des solution de 'équation f(x) = yo = Exemple 3.12 . ISOMORPHISMES ET ESPACES VECTORIELS ISOMORPHES Définition 3.1.2 (Isomorphisme, espaces vectoriels isomorphes) Soit E et F deux K-espaces vectoriels. © On appelle isomorphisme de E sur F toute application linéaire bijective de E sur F. Cas particulier oi E = F : Un isomorphisme de E sur E est aussi appelée un automor- phisme de E. Lensemble des automorphismes de E est noté GL(E) et appelé le groupe linéaire de E. + On dit que F est isomorphe aE s'il existe un isomorphisme de E sur F Moralit Le fait que deux espaces vectoriels Soi: isomorphes signifie intuitivement que ces deux espaces sont « identiques » d'un strict point de vue vectoriel. Un isomorphisme est alors comme un dictionnaire parfait pour passer de Yun de ces espaces & autre. Toute propriété vectorielle— i.e. que l'on peut exprimer en termes de combinaisons linéaires — de l'un des espaces a son analogue dans l'autre espace. Théoréme 3.1.10 (Composition d'isomorphismes, réciproque d'un isomorphisme) Soit E et F deux K-espaces vectoriels. (i) Sif est un isomorphisme de E sur F et g un isomorphisme de F sur G, go f est un morphisme de E sur G. Gi) Sifest un isomorphisme de E sur f alors f~! est un isomorphisme de F sur E. #Exemple 3.13 (i) gof estune bijection, et d'aprés 3.1.4 go f est linéaire done go f isomor- phisme. Gi) f-! est une bijection de F dans E. Pour lalinéarité, soit y1, y2 €BA, We K FO ty =f OLE + Hf FO = FFAS OH fe) = AF OW +H Fe) « Exemple 3.14 R° et R(X] sont isomorphes Vapplication qui A chaque triplet (a, b,c) ¢ R associe a+ bX + cX? est un isomorphisme d’espace vectoriel. . Théoréme 3.1.11 (somorphisme en dimension finie) (®) Soit E et F deux 'K-espaces vectoriels, SiE est de dimension finie et si F est isomorphe a E, alors F est de dimension finie et : dim E = dim E (ii) Tout K-espace vectoriel de dimension finie n # 0 est isomorphe ak”. Généralement, deux k-espaces vectoriels de méme dimensions finies sont isomorphes.36 Chapter 3. APPLICATIONS LINEAIRES = Exemple 3.15 - (i Soit E un K-espace vectoriel de dimension finie n # 0, F isomorphe a E alors il exite un morphisme bijectif f : E — F. Si B = (e))icien est une base de E alors F = Imf = f(Vect(B)) = Vect(f(B)) (d’aprés la curjectivité de f). Il reste alors juste a montrer que le systéme générateur de F f(B) est libre. Soit (Aj)) ¥ Aver € Ker f, comme fest injective alors : Aye; = Og. Comme 5 =i A 1» = 0. Finalement /(B) est libre et B= (¢))isien est une base, cela implique que A1 générateur. dimE = card(B) = card(f(B)) = dimE (ii) Pour la démonstration, il suffit de montrer (x) i 20g = a-c donc ag = $(a- 0, 2 = a—b-cet a, =¢+h-3(a-0) Done 1 fui +1.uo + dug et ler) te Lu ~ Lt + 0.us et plea © €3=(0,0,1) = $uy — uw — hus et ples) (uy) + ple) + Zep lus) plus) = lua) 13,1) (ter) ~ plua) — 3¢p(us) = (-1,1,) ESPACE D’APPLICATIONS LINEAIRES Théoréme 3.3.2 (Opérations sur les applications linéaires) Soit E et F deux K-espaces vecto- riels. “(E,F) est un sous-espace vectoriel de F®, donc un Ik-espace vectoriel. = Exemple 3.23 O.1e,4) est application x E— 0p. Pour tout f,g ¢ Z(E,F),A, We K. On montre facilement que Af + ug © ZE,F). . Théoréme 3.3.3 (Dimension d’un espace vectoriel d’applications linéaires) Soit E et F deux K- espaces vectoriels de dimension finie. Alors ¢(E, F) est de dimension finie et : dim &(E, F) = dim x dime. = Exemple 3.24 :ion linéaire de E dans F: c'est 'application nulle qui envoie 0p sur 0¢. Done Z(E,F) = (02,9) et donc L(E,F) = 0 = dimE x dimF (ii) si E # (0;1, alors E de dimension finie admet une bas: (eiisn- Lapplication u®. (u(e),..., ule) est linéaire de °F, F) dans FP". Uappcation @ est hijective car pour tout (fi)istsn €F", Blu € P(B,F) telle que (fay fu) = (U(@1),» €(@n)) = p(w). Done dimZ(E,F) = dimF" = dim x dimF. (i) SiE = (0¢} alors il existe une seule appli Définition-Théoréme 3.3.4 (Anneau “£(E)) Soit E un K-espace vectoriel. + (Y(E),+,0) est un anneau, non commucatif en général, avec : Lie) = Ide. + GL(E) est le groupe des inversibles de ’anneau 2B) : U(Z(E)) = GLEE).40 Chapter 3. APPLICATIONS LINEAIRES On omet souvent de noterIe symbole de composition en notant g f dla place de ge f pour tous f.ge2E). 3.4 Formes Linéaires, Espace dual et Hyperplan Définition 3.4.1 Soit E un K-espace vectoriel. On appelle forme linéaire sur E une application linéaire: QiE—K ensemble des formes linéaires @(E,K) cst noté E* est dit espace dual de E. @® _SiE est de dimension finie, (¢1,€2,...en} une base de E. Pour tout 1 = i < m, posons le) = ay Pour tOUt x= xe +++ +.tnen EE, OM PCA) = Ki Pler) +++ XyWPlCn) = AX H+ + Ay Ainsi les formes linéaires ont des applications de la forme: mien te + Xn€n MLA FoF Onde dim(lmg) = dimy (ie) = Let dim(Kerg) = dime (B)-1 et d'apres3.3.3, dim B* = dir. LB, dime. Exercise 3.4 Soit V = Ra[x] le R-espace vectoriel des polynomes sur R de degré inférieur ou égal a2: P(x) = a+ bx+cx* Posons respectivement fi, fs, f trois applications définies de V dans R par 1 2 1 nw f P(xdx, fe f P(xjdx, no f P(xdx f 0 hy Montrer que les fi, fs, fa sont des formes linéaires sur V = Réponse : On se propose juste de faire la verification que pour l'une d’entre elle car on pourra adopter le méme procédé pour les autres. Soit RQe V,ce Ralors filaP +Q) = fy (AP +Q(xdx =a fy Pi(xdx+ fj (Qiwdx = afi(P) + fi(Q) et fi(P) €R. Done f; est une forme linéaire sur V. . 3.4.1 Base Duale Théoréme 3.4.1 (Base Duale) Soit E est de dimension finie, {e1,¢2,....én} une base de E, Soit Ia famille de formes linéaires {0,,--- ,8,} définies par: 0\(e))=51 (symbole de Kronecker) Alors {01,---,0,,} est une base E* dite base dual de {e1, e2 = Exemple 3.25 Soit (AJisizn ©" pour lesquels Ai8; = Ups, done pour tout x€ E alors } A;8;(x) = 0x, en i particulier si x = e, pour 1 = k< n nous avons 0 A,0;(ex) = Ag. Par conséquent la famille {01,-+- On} est libre. Comme dimE* = dimE =n donc {0),-- ,On} est une base de E*. .3.4 Formes Linéaires, Espace dual et Hyperplan 4l = Exemple 3.26 (Base dualc) Soit {e1,¢2,¢3} une base de R* o& e; — (0,1, 1), €2 — (1,0, 1), e3 — (1, 1,0). Déterminer la base {0),02,03} de (HS)* duale de {e1, ¢2, es}. Soit x = (x1 x2, x3) €R® Pour 0;(x) = ax + bxz + ex avec a,b,c € R et O;(¢1) = 1, By (e2) = 0 et O (es bt+ce=1 =4a +c=0 a+b =0 Done 00) =-ba + tat bay 2 2 2 Pour 82(x) = ax, + bx2 + x3 avec a, b,c € Ret 82(e1) = 0, B2(e2) = 1 et Ba(e3) = 0 b+o=0 Sia +c=1 a+b =0 Done 62x) =tm—tx+ by 2 2 2 Pour 03(x) = axy + bx2 + 0x3 avec a,b,c € Ret 03(e1) = 0, 03(€2) = Oct O3(e3) = 1 b+c=0 =4a +c=0 a+b =1 Done See @3(0) = Sart 5400-54 ala) = part 542 548 Par conséquent {0;,62,05) est la base de (R°)* cuale de {e),€2,e3}. . Exercise 3.5 Soit V = RyI.x le R-espace vectoriel des polynomes sur R de degré inférieur ou 6gal a2: P(x) = a+ bx + cx* Posons respectivement fi, fs, fs trois applications définies de V dans R par 1 2 1 filP) = f Plxddx, f(P)= f Pixidx, falP)= f P(xidx Montrer que {/, fs, fal est une base de V* en exhibant la base de V dont ilest duale. = Réponse: Pour que (fi, fo, fs) soit une base il suffit qu'il existe une base {P},P2,P3} de V telle que (i, fa, fs) soit sa base duale. Dans ce cas on aurait: AR) = 1 Aly = AR) = filP2) = 0 flP2) = 1 flP2) = 042 Chapter 3. APPLICATIONS LINEAIRES filPs) — 0 AlP3) = 0 flP3) = 1 Essayons de donner unc résolution générale en Posons P(x) = @ | bx | ex? 1 Al) = faspeserdx=a Pr) = + bxtcx)d. far) =f arderexras 1 : flP) = f (a+bxtex)dx=f lo Alors on obtient loot file) = lax+ zbx? + 50x7lg d AP) = art 5bx+ her e fale) = tart sbi? Sexy! =f done fil) = fi) = flP) = Alors b= +f, Pour P), d= 1,e= f =Oalors Py(x) =1+x Pour P2, ¢= 1,d = f = alors P2(x) Pout P2, f= 1,d=e=0aluis P3(a) =! Montrons que {P},P2,Ps} est une base de V ... en exprimant (P},P2,P| dans la base canonique de V qui est (1, x,x°), on obtient la matrice 1. 22-3 4H ~|-10 3 fu -2.6 -3 En appliquant des opérations élémentaires sur les lignes on obtient une matrice échelonnée sans ligne nulle donc le systeme est libre et maximal donc une base de V. Alors (fi, f2, fs} est la base duale de {P;, P2,Ps} C’out (fi, f2, fa} est une base de V" . 3.4.2 Bidual3.4.3 3.4 Formes Linéaires, Espace dual et Hyperplan 43 Définition 3.4.2 (Bidual d’un Espace Vectoriel)Soit E un '4-espace vectoriel. L'ensemble des formes linéaires #(E*,K) est noté E** est ditespace bidual de E. Proposition 3.4.2 Soit E un K-espace vectoriel de dimension finie, alors E** est canoniquement isomorphe a E = Exemple 3.27 Montrons qu'on peut construire un ismorphisme entre E et E** sans fixer une quelconque base. Soit ® : EE" x=, oi, est l'application : EK oo) EE" = LEE", K) car pour tout @1, (02 € E* et he K (wy + Aeog) = (1 + Aeag)(X) = wi (x) + Awe(x) = Px(w1) + APx(W2). Maintenant Montrons que ® est linéaire. Pour x, y¢E,a€K etweE* O(c + AY) (W) = Oy,qy(W) = Ox + AY) = (x) + Ay) = Oy (ta) + Ay (W) = My +a,)(W). Comme « est quelconque alors (x + ay) = @(x) + a®(y) ce qui veut dire que ¢ est linéaire. D’apris le théoréme préeédent dimE = dimE**, or en dimension finie égale pour montrer Visomorphisme, il suffit juste de montrer que application est injective. Soit x € Ker® done (x) =, = 0 Yo CE", ®x(w) =0 & Yo CE", w(x) = 0. Orpour tout 6; une forme appartenant a la base duale de K on a x; = 8,(x) = 0 ce qui veut dire que x = 0 d’ou l'injectivite de @ qui entraine immédiatement la bijectivité. . En dimension infinie, on montre que est injectif. mais il nest pas surjectif. Ce veut dire que E nest pas isomorphe & E** mais plutét a Imo, Hyperplans Définition 3.4.3 (Hyperplan) Soit E / {Or} un &-espace vectoriel — pas forcement de di- mension finie. On appelle hyperplan de E tout noyau d'une forme linéaire non nulle de BE. Théoréme 3.4.3 (Caractérisation géométrique des hyperplans) Soit [ # {0,) un KK-espace vectoriel et H une partie de E. Les assertions suivantes sont équivalentes : (i) Hest un hyperplan de E (i) Hest supplémentaire d’une droite de E En particulier, si E est de dimension finie nor nulle n, les hyperplans de E sont exactement ses sous-espaces vectoriels de dimension n—1. = Exemple 3.28 + (@ > (i). Supposons que H soit un hyperplan. Alors il existe une forme li tele que H = Kerg. g non nulle alors il existe v € E\Kery et HnVect(v) reste juste a montrerqueE SH +Veet(v). 5 ee Soit x €E. En effet comme p(v) # 0x alors £1 v € Vecr(v), montrons que x~ £2} ye H = ire non nulle (0). I nous44 Chapter 3. APPLICATIONS LINEAIRES Kerg. p(x = £3.) = ox) - S3p(v) = 0x. Done x= Sy eH dou x= (x- HF) + Hive H+Vect(v) + (i) > (@. supposons que F = H 8 Vect(v) pour un certain v € F, D’aprés le théoreme 3.3.1 il existe une unique application linéaire(form linéaire) de E dans K telle que p(v) = Let (HH) = 0 alors Ker = Hite. Hest un hyperplan. Théoréme 3.4.4 (Comparaison des équations d'un hyperplan) Soit E # {Or} un K-espace vectoriel, H un hyperplan de E et p, w deux formes linéaires non nulles de E dont H est le noyau, Alors: y= Ay pour un certain \< K*. = Exemple 3.29 Soit v € E tel que E =H Vect(v). la forme linéaire ip(v)y — y(v)ip est nulle sur H et sur Veet(v) donc elle est nulle sur E par linéarité. Comme @ non nulle sur E et H= Kery donc @(v) 4 0x done y= p= Ap avech= ame eK Théoréme 3.4.5 (Intersections d’hyperplans) Soit E un -espace vectoriel de dimension finie non nulle net r€ (IL, nll. (i) Lintersection de r hyperplans de E est un sous-espace vectoriel de E de dimension au moins n~r. (ii) Tout sous-espace vectoriel de E de dimension n~ r est intersection d'exactement r hyperplans de E «= Exemple 3.30 (i) Soit Hy, H,...,H, des Hyperplans de E et Vi € [|1, nl], .p; la forme linéaire telle que Hy = Kerq:. Lapplication x 2+ (1(4), (9210). -.,6Pr(x)) de E dans K" est linéaire et Ker {Hietdapresle théoreme du rang dim () Hi = dimKer = dim ~rg(p) or rg() = dimimd = dims! =r done dim A Hy2n-r, (il) Soit H un sous espace de Ede dimension — r alors H admet une famille ér41,€r42+-€n) comme base. Comme (, +1, €/42,--»€n) est libre alors elle se compléte en une base de E (Cyne Crs Crs1s€rs2soer Onde (2) = Oy => xe Kere? fa HEH xe Veet ers1s€r4255€n) > ej (0) = Conclusio 1 Kere? donc F est I ection d'exactement r hyperplans de E. 3.5 PROJECTEURS, SYMETRIES Définition 3.5.1 (Projecteur ct symétric) Soit E unk espace vectoriel ct H et H’ deux sous espaces vectoriels supplémentaites de E. Tout élément x E s’écrit d'une et une seule fagon, comme la somme d’un élément h¢ H et d’un élément h€ H, de sorte que :x = h +h’. Avec ces notations ; * Vapplication de E dans E quia x associe h est appelée projection sur H parallélement & H’ ou encore projecteur sur H de direction H’, + l'application de E dans E qui a x associe h— hy’ est appelée symétrie par rapport 4H3.5 PROJECTEURS, SYMETRIES 45 parallélement aH! ou encore symétric par rapport a H de dircetion H’. Dans les deux cas, H est appelé la base et H' la direction de la projection ou de la symétrie, Théoréme 3.5.1 (Propriétés des projecteurs et des symeétries) Soit E un K-espace vectoriel el Het deux suus-espaces vecturiels supplémentaives de E. Ou uute p la projection sus parallélement a H et s la symétrie par rapport a H parallélement aH. (i) Propriétés des projecteurs : p est un endomorphisme de E et : p? = p. H=Imp=Ker(p Ide) =(ecE/p(x)=x) et Hi =Kerp. (ii) Propriétés des symétries : s est un automorphisme de E et : s? = Idg, i.e. H=Ker(s~Idp)=(xeE/s(x)=x} et H =Ker(s-+Idg) = {xe B/s(x) =-x). = Exemple 3.31 (@ E=HOH et py =Idy et py = O-qy', alors p étant l’unique vérifiant ces conditions c.f, théortme 3.3.1. Montrons que p? = p, soit x= h 1 ht cE alors p®(x) = p(pth | h')) = p(h) = p(h+0p) = h = p(x) © p? = p. Nousavons aussi Imp cHc tre Bip) = x} c lmp et (x E/ p(x) = x} = (x € E/(p—Idp)(x) = 9} = Ker(p—ldg) dott H = Imp = Ker(p—Idg) = (x€ E/p(a) = x}. De méme Hc Kerp or Het Imp = H sont en somme directe sur E alors H'-Kerp. Gi) D'apres la définition de s il est 'unique endomorphisme qui vérifie spy = Id et Sy =Idjy. Soit x= h+ ht € B alors s°(x) = s(s(h+h)) = s(h=h') = s(h+(-h)) = heh =xe dy. Kor(s-dp) ~ (v B/s(2) ~x}~ {x hh €E/h4 HW — h-W)~ lx~ hs BIH ~ 0g) de méme Ker(s-+ Ide) = {x€ E/s(x) =-a}={x=h+h eE/h+h’ / E/h=0p)=H Théoréme 3.5.2 (Caractérisation des projecteurs) Soit E un K-espace vectoriel et p:E— E une application. pest un projecteur si et seulement si p est lineaire et : p? = p. Dans ce cas, Imp et Kerp sont supplémentaires dans E et p est la projection sur Imp par- allelement a Kerp. Concrétement, pour tout x € E: x= p(x) + (1+ p(x) avec p(x) € Imp et (x p(x) €Kerp. = Exemple 3.32 (i) Le premier sens onbtenu grace au théoréme précédent. (ii) Supposons que p est linéaire et p? = p. Montrons que Ker p et Imp sont suplémentaires. Soit x € E, posons h = p(x) € Imp et h’ = x= p(x) or ph’) = p(x p(x) = p(x) p?(x) = Oe donc h’ € Kerp par conséquent x = h-h € Imp+Kerp +L = Imp+Kerp(+). soit x€ ImpnkKerp alors p(x) = 0g et il existe r€ E tel que x p(x) = 0p => ImpnKerp= (ImpnKerp}(«*) (+) et (#*#) => E=ImpeKerp Théoréme 3.5.3 (Caractérisation des symétries) Soit E un K-espace vectoriel et s: E— E une46 Chapter 3. APPLICATIONS LINEAIRES application. s est une symétri ide. Dans ce cas, Ker(s—Idg) et Ker(s+Idz) sont supplémentaires dans E et s est la symeétrie par rapport a Ker(s~Idg) parallélement a Ker(s+Idp).. et seulement si s est linéaire et = Exemple 3.33, ( Le premier sens onbtenu grace au théoréme précédent. (ii) Supposons que s est linéaire et s* = Idp. Pour achever la démonstration on pose, pour chaque x € Eh = **3 € Ker(s—Idg) et hi 1 € Ker(s+Idg). Dans ce cas s vérifie les proptiété d'une symétrie par rapport a Ker(s— ide) parallélement a Ker(s+ Ids) Ihéoreme 3.5.4 (Lien projecteur/symetrie) Soit E un -espace vectoriel et H et H’ deux sous-espaces vectoriels supplémentaires de E.On note p la projection sur H parallélement & H,, p' la projection sur H parallelement & Het s la symétrie par rapport a H parallélement H’. Dans ces conditions ptp'=ldz, pop'=plop=Oem) et s=2p—ldp. Exercise 3.6 Onconsidére f € £(R*) définie par f(x, y) = (x+2y,-y). 1) Montrer que f est une symétrie vectorielle. Préciser ses éléments caractéristiques. 2) Onconsidere g € £(R®) définie par g(x,y) = (x+y,0). Déterminerla nature géométrique deg. 3) En déduire que id-+ f estla composée de deux endomorphismes (de nature géométrique) que l'on précisera, Réponse: 1) Comme f est déclarée linéaire, il reste juste a démontrer que f? = idge. W(x, y) ER, f(x,y) = flx+2y,—y) = (x42y+2(-y) —(-Y)) = (05 y) = Edge (4 y) done f? = idge et par conséquent f est une symétrievectorielle rapport a Ker(f —Idg:) — Vect({(1,0)}) parallélement a Ker(f + Idge) = Veet(((1,-D)) 2) Comme g est déclarée linéaire, il reste juste a démontrer que g* = g. (x,y) € R, g2(x, y) = g(x+ y,0) = (x+y + 0,0) = g(x,y) done g? = g. Donc g est un projecteur sur Im(g) = Vert({(1,0)}) parallélement a Ker(g) = Veet({(1,—D), 3) (id + f)(x,y) = (2x4 2y,0) =2g(x, y). soit h:R? +R: h(x, y) =2(4, y) alors id+f = hog avec h une homothétie de rapport2 et g un projecteur sur Im(g) = Vect({(1,0)}) parallelement & Ker(g) = Vect({(1,—1)}) 3.6 Annulateur d’un sous-espace Définition-Théoréme 3.6.1 Soit E un K-espace vectoriel de dimension finie et F un sous- espace vectoriel de E. l'ensemble F° des formes linéaires qui s'annulent sur tous les vecteurs deF, F° = {pe E*/plv) =0, Vv F},3.6 Annulateur d'un sous-espace 47 est un sous espace vectoricl de E* ct est appelé annulateur de F. Proposition 3.6.2 (une approche calculatoire) Si {v,...., Yp} est une base de F. alors: FPS (PEE (uy p(vp) =01, = Exemple 3.34 Eneffet si € F° alors p(v) = 0. Reciproquement si p(v1 yaa Ap EK tels que X= Oy 04 +... + GpyUp et donc —(x) (Up) = Oalors Vix F il existe APU) + + yP(Up Proposition 3.6.3 (annulateur et dimension) Sort i un K-espace vectoriel de dimension finte et F un sous-espace vectoriel de E. dime = dimF +dimr® = Exemple 3.35 Soit E un K-espace de dimension n, F un sous-espace de dimension p et {¥,.... Yp} une base de E. {v},...., Up} étant libre donc elle peut étre complétée en une base B = (Vj)... Ups Un} de E, Soient alors {¢},...., Pn] la base duale de B. Montrons que {(Pp+1,--...Pn} est une base de F°, {pots On} © F° car PV) = 0,...s(Pk(Up) = 0 pour tout p +1 # k # n. Comme on sait que (pot) (Pn) est libre alors il nous & prouver l’engendrement: Soityp € F et xe Ealors p(y (Vp) =O etx = Pi (X) U1 +... Pun > PL) = Pr AP(U)+ -F PnlIPUn) = PU pe Ppt) +. + PWn)Pnl2) = [PUpe)Ppet +--+ PWn) Pal) par con- séquent : = PUperdppsr ++ Wn) Pn = pst} engendre F° donc une hase de par sa libeté alors dimF® = n= p d'oit dimk = dimF + dimkr® Exercise 3.7 Soit W un sous espace vectoriel de R engendré par les vecteurs: Wy =e) +2ep + e3, We = 7 +303 +324 + C5, Wy =e +402 +603 +404 +05 ‘Trouver une base de W" I'annulateur de W. . Réponse : wi, wo, ws} est un systéme générateur de W donc on peut y extraire une base, Considérons la matrice dont les lignes sont formées des vecteurs w; 12100 12100 21 0 0 0133 1}~/0 13 3 1]~{0 1 3 3 1 Jechélonnéetaucuneligne 0 14641 02541 o -1 Fal nulle alors {w1, w2, ws} est une base de W. 5 = dim{(®®) = dimW? + dimW = dimW? +3 alors dimW? =2. Done il s’agit de trouver deux formes linéaires inéairement indépendantes qui s'annulent sur {Wy}, We, W3}. Soit —px1, x2, X3, Xa, Xs) = 1X, + @aXy + Ag.Xy + 4X4 + a5X5 tq p € W° alors (p(w) = a + ay + a3 = 0, P(We) = az +33 + Bay + As = 0 up(Ws) = a) +42 +65 +404 + a5 =0 a +2ay + a3 =0 a) +3a3+3ay+a5=0 4, +4ay +603 +4; +45 =048 Chapter 3. APPLICATIONS LINEAIRES On a systéme de 3 équations a5 inconnues alors on essai de tirer trois variables en fonction des deux restants. a= ~2a,-ay Bastas= -a-3a3 Ady + a5 = a, 4a, —6a3 Apres quelques opérations, on tire a1, as,.a5 en ay = 2a ay ay ~2ay 5 = 2a +303 alors (p(x, X2, ¥3,X4,X5) = (-2a9 — g)xX] + Ay Xp + 3X3 + (Ay — 24g) X4 + (2p + 3.43) X5 Done p(ar,X24-X3, X45 X5) = dp(—2.0) + x2 — x4 + 2N5) + ag(—-x1 +43 — 244 + 3.15) Par conséquent p € Vect({(p,.p2}) tel que Pi Xe, Xp, ay XG) = 2K + Kz — Ky + 2x5 P2(X1y Xp» 3 XayX5) = —X1 HAZ 2xy + 3.5 {1,2} est aussi contenu dans W° done W® = Vect({1,p2))- fp1,@2) est donc un systéme générateur de W" et que ces deux formes linéaires sont linéaire- ment indépendantes alors la famille {(p1,«p2} est libre et génératrice donc une base de W°, =