[PDF] Algèbre Linéaire PDF AlgebreLineaireElementaire.pdf

18 déc 2013 · 3 Exercices et corrigés 16 3 1 Exercices On appelle forme linéaire sur E un K -espace vectoriel toute ap- plication linéaire de E dans K On

Exercice 32 Soit ℳ3(ℝ) l'espace vectoriel des matrices à coefficients dans ℝ à 3 lignes et 3 colonnes Soit 3

[PDF] Exercices Corrigés Sous-espaces vectoriels Exercice 1 – On

Exercices Corrigés Sous-espaces vectoriels Exercice 2 – Soit E un R-espace vectoriel de dimension 3 et b = 1e1,e2,e3l une base de E Notons : u1 = e1

[PDF] Exercices corrigés Alg`ebre linéaire 1

En donner une base et la dimension Exercice 10 Soient (E,+,·) un R-espace vectoriel et A,B,C trois sous-espaces vectoriels de E

[PDF] 70 exercices dalg`ebre linéaire 1 Espaces vectoriels - Pierre-Louis

Exercice 14 Soit E un espace vectoriel de dimension finie n sur K, on consid`ere E1 et E2 deux sous-espaces vectoriels de E de dimensions respectives n1 et n2

[PDF] 5Espaces-vectorielsCorrigéspdf - Optimal Sup Spé

Déterminer En F B Familles libres, familles génératrices, bases 2 Familles libres de fonctions Dans cet exercice

[PDF] DS 2 - corrigé

Exercice 1 Soit E un espace vectoriel réel i) Donner la définition d'une famille finie libre de vecteurs de E ii) Donner la définition du rang d'une famille finie de

[PDF] Espaces Vectoriels - Cours, examens et exercices gratuits et corrigés

Exercices Corrigés Premi`eres notions sur les espaces vectoriels Exercice 1 – On considére le sous-espace vectoriel F de R4 formé des solutions du syst`eme

[PDF] Cours dAlgèbre I et II avec Exercices CorrigésOM DE VOTRE - USTO

Notion de Matrice Associée à une Application Linéaire et Calcul Algébrique sur les Matrices avec Exercices Corrigés 57 1 Espace vectoriel des matrices 57

[PDF] Algèbre Linéaire

18 déc 2013 · 3 Exercices et corrigés 16 3 1 Exercices On appelle forme linéaire sur E un K -espace vectoriel toute ap- plication linéaire de E dans K On

Algèbre Linéaire

18 décembre 2013

Table des matières

1 Généralités 2

1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3 Familles libres, génératrices, bases et dimension d"un espace vectoriel 5

1.4 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Réduction des endomorphismes et des matrices 10

2.1 Stabilité et polynômes d"endomorphisme . . . . . . . . . . . . . . . 10

2.2 Eléments propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . 13

2.4 Réduction en dimension finie . . . . . . . . . . . . . . . . . . . . . . 14

3 Exercices et corrigés 16

3.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.2 Indications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.3 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

1 Généralités

Il s"agit d"un rappel de certaines notions d"algèbre linéaire, non pas d"un cours complet sur le sujet.

1.1 Espaces vectoriels

On rappelle ici brièvement les premières définitions.

Le corpsKseraRouCen général.

Définition 1.On appelle espace vectoriel sur le corpsKtout triplet(E,+,.)où : -(E,+)est un groupe abélien (= commutatif). -.est une loi de composition externe à gauche, i.e une application

K×E→E

(λ,x)?→λ.x vérifiant :

1.?x?E,1Kx=x

2.?λ?K,?(x,y)?E2,λ(x+y) =λx+λy

Définition 2.Soit(E,+,.)unK-espace vectoriel. On appelle sous-espace vectoriel deEtoute partieFdeEstable pour+et.et qui, munie des lois induites, est un

K-espace vectoriel.

Pour démontrer qu"un espace est un sous-espace vectoriel, on utilise en général la caractérisation suivante :

Proposition 1.SoitF?E

Fest un sous-espace vectoriel deE???F?=∅

?(x,y)?F2,?(λ,μ)?K2,λx+μy?F Définition 3.SoitXune partie deE. On appelle sous-espace vectoriel deE engendré parX(on le noteVect(X)) le plus petit espace vectoriel contenantX. On pourra vérifier la maîtrise de cette définition en résolvant l"exercice 1 par exemple. 2 Définition 4.SoientFetGdeux sous-espaces vectoriels d"un même espace vec- torielE. On appelle somme deFetGet on noteF+G

F+G={x+y,(x,y)?F×G}

L"application somme

F×G→F+G

(a,b)?→a+b est surjective par définition. Lorsqu"elle est injective, on dit queF+Gest directe ou queFetGsont en somme directe. Dans ce cas, on noteF+G=F?G.

On dit queFetGsont supplémentairessi

F+G=F?G=E

Proposition 2.

F+G=F?G??F?G={0}

F?G=E???

?E=F+G

F?G={0}

Pour se familiariser avec ces différentes notions, les exercices 2 et 3 sont vive- ment conseillés. Remarque.(a) Il n"y a pas (en général) unicité du supplémentaire : R

2= Vect{(1,0)} ?Vect{(0,1)}= Vect{(1,0)} ?Vect{(1,1)}

(b) Ne pas confondre supplémentaire et complémentaire : R

2= Vect{(1,0)} ?Vect{(0,1)}mais(1,1)/?Vect{(1,0)}?Vect{(0,1)}

1.2 Applications linéaires

Définition 5.On appelle applicationK-linéaire deEversFtoute application f:E→Fvérifiant : ?(x,y)?E2,?(λ,μ)?K2,f(λx+μy) =λf(x) +μf(y) On noteLK(E,F)l"ensemble de ces applications. SiE=F, on le noteLK(E)et ces applications sont appelées endormorphismes. Lorqu"il n"y a pas de confusion possible, on omet souvent le corps de base pour alléger la notation.

Exemples :(a)IdE? LK(E)

(b) f:R→Rappartient àLK(R) x?→ax (c) f:C→Cappartient àLR(C)mais n"appartient pas àLC(C) z?→z (d)E=C∞(R)

D:E→Eappartient àLR(E)

f?→f? Définition 6.Sif? L(E,F), l"image def, notéef(E)ouImf, est un sous-espace vectoriel deF. Il en est de même pour le noyau def, notékerfet défini par kerf={x?E|f(x) = 0}

Proposition 3.

fest surjective??Imf=F fest injective??kerf={0} Définition 7.On noteGL(E)l"ensemble des isomorphismes (endomorphismes bijectifs) deE. Cet ensemble forme alors un groupe pour la loi de composition. Définition 8.On appelle forme linéaire surEunK-espace vectoriel toute ap- plication linéaire deEdansK. On noteE?=LK(E,K)l"ensemble de ces formes linéaires, autrement appelé l"espace dual deE. Définition 9.On appelle hyperplan deEtout noyau d"une forme linéaire non identiquement nulle surE. Remarque.On verra après avec la notion de dimension que cette définition d"hy- perplan rejoint bien en dimension finie celle d"un espace de dimensionn-1. 4

1.3 Familles libres, génératrices, bases et dimension d"un

espace vectoriel Définition 10.Soit(vi)i?Iune famille de vecteurs deE.

1. La somme

?λivi, où{λi?= 0}est fini, est appeléecombinaison linéaire (C.L) des{vi}.

2. On dit que les vecteursv1,...,vksontlinéairement indépendantsou

encore qu"ils forment unefamille libresi , pour tousλ1,...,λkdansK, on a l"implication

1v1+...+λkvk= 0?λ1=λ2=...=λk= 0.

3. On dit au contraire que les vecteursv1,...,vksontlinéairement dépen-

dantsou encore qu"ils forment unefamille liées"il existeλ1,...,λkdans

Ktels que :

1v1+...+λkvk= 0et(λ1,...,λk)?= (0,...,0).

4. Les vecteursv1,...,vkengendrentE, ou encore forme unefamille gé-

nératricedeEsi pour toutv?E, il existex1,...,xkdansKtels que v=x1v1+...+xkvk. Autrement ditVect(v1,...,vk) =E.

5. Une famille libre et génératrice est appelé unebasedeE.

Exemples :(a) Toute famille formée d"un unique vecteur non nul est libre. (b) Toute famille dont l"un des vecteur est nul est liée. (c)(1,i)est libre dans leR-espace vectorielC, mais liée dans leC-espace vectoriel C. (d) DansKn, posonsej= (0,...,0,1,0,...,0)avec le1enj-ème position. Alors les{ej}j=1...nforment une base, appelée la base canonique deKn. (e)(1,X,...,Xn)est la base canonique deKn[X]. Remarque.On a défini ces notions dans le cadre de famille finie, mais on peut aussi le faire pour des familles infinies. Une famille est dite libre si toute sous-famille finie l"est. Elle est génératrice lorsque tout élement peut s"exprimer comme une combinaison linéaire finie de ses élements. On peut par exemple se convaincre que (Xk)k>0est une base (infinie) deK[X]. Théorème 1.S"il existe une base deEde cardinaln <∞, toutes les bases deE ont ce même cardinaln, qu"on appelle alors la dimension deE. Dans ce cas,E est un espace de dimension finie. 5 Remarque.(i) La compréhension des familles libres ou génératrices et des bases est extrêmement importante car ce sont des outils très utilisés en algèbre linéaire. En effet, si on connaît une application linéaire sur une base, on la connaît sur l"espace entier (grâce à la linéarité de la fonction et au caractère générateur de la base). C"est pour cette raison que les applications linéaires peuvent être représentées dans un tableau de taille finie, qu"on appellera une matrice. (ii) Tout espace vectoriel admet des bases. (iii) En dimension finie, on peut compléter une famille libre en une base comme on peut extraire une base d"une famille génératrice. Il s"agit du théorème de la base incomplète. Théorème 2(de la base incomplète).Toute famille libre de vecteurs deEpeut être complétée en une famille libre et génératrice (i.e une base) deE. Inverse- ment, de toute famille génératrice deE, on peut extraire une sous-famille libre et génératrice. On peut s"entraîner à manipuler ces définitions pour démontrer les propriétés suivantes sur la dimension : Proposition 4.1. Soientn>2,E1,...,EndesK-espaces vectoriels de di- mension finie, alors?ni=1Eiest un espace vectoriel de dimension finie et dim n i=1E i=n i=1dimEi

2. SiEest de dimension finie etFun sous-espace vectoriel deE, alorsdimF6

dimEavec égalité si et seulement siF=E.

3. SiEest de dimension finie etFun sous-espace vectoriel deE, alorsF

admet au moins un supplémentaire dansEet pour tout supplémentaireGde

FdansE,

dimG= dimE-dimF

4.[Théorème de Grassman]SiFetGsont deux sous-espaces vectoriels deE

de dimension finie, alors dim(F+G) = dimF+ dimG-dim(F?G) Remarque.(a) On utilise très souvent le fait queF?EetdimF= dimEpour conclure queF=E. Voir l"exercice 10 par exemple. (b) On rappelle qu"il n"y a pas en général unicité du supplémentaire. Voir l"exercice 3. 6 (c) On peut tout de suite déduire du théorème de Grassman

E=F?G??dimF+ dimG= dimEetF?G={0}

(d) SiFetGsont supplémentaires et sib?est une base deF,b??une base deG, alorsb=b??b??est une base deF?G. Voir l"exercice 12. Proposition 5.DeuxK-espaces vectoriels de dimension finie sont isomorphes si et seulement s"ils ont la même dimension. Définition 11.1. On appellerang d"une famille de vecteursla dimension de l"espace vectoriel qu"il engendre (Rg(F) = dimVect(F)).

2. On appellerang d"une applicationla dimension de son image (Rg(f) =

dimImf). Cela nous permet d"arriver auThéorème du rang, très utile en algèbre li- néaire. Théorème 3.SoitEun espace vectoriel de dimension finie, etFun espace vec- toriel de dimension quelconque. Sif? L(E,F), alors

Rg(f) + dimkerf= dimE

Ce théorème fondamental a par exemple pour conséquence immédiate la pro- priété bien connue suivante : Proposition 6.SoientEetFdeux espaces vectoriels de dimension finie vérifiant dimE= dimF. Sif? L(E,F), alors fest injective??fest surjective??fest bijective Remarque.L"équivalence n"est pas vraie en dimension infinie. Par exemple, l"ap- plication dérivée sur l"espace des polynômes est surjective, mais pas injective. La multiplication parXsur ce même espace est injective, mais pas surjective. 7

1.4 Matrices

Dans ce paragraphe, on travaille dans des espaces de dimension finie. Définition 12.Soientf? L(E,F),B= (e1,...,en)une base deEetB?= (f1,...,fm)une base deF. Sif(ej) =? iaijfi, alorsA= (aij)?Mmn(K)est la matrice defrelativement aux basesBetB?, que l"on noteMB,B?(f). De plus, l"application qui à toute application linéaire associe sa matrice est un isomorphisme. Remarque.- Sixetysont des vecteurs, de vecteurs colonnes associésXetY, etfune application linéaire de matriceA, on a l"équivalence entrey=f(x) etY=AX. - L"image, le noyau et le rang d"une matrice sont ceux de l"application linéaire canoniquement associée àf. Le rang deAest aussi le rang de sa famille de vecteurs colonnes (ou lignes). - Dans le cas des matrices carrées (dimE= dimF),fest un isomorphisme si et seulement si sa matrice est inversible (la matrice de son inverse est alors l"inverse de sa matrice). L"ensemble des matrices inversibles forme alors un groupe pour la multiplication, que l"on noteGLn(K). - On a l"équivalence entre : (i)Aest inversible (ii) La transposée deA(tA= (Aji)) est inversible (iii) Les vecteurs colonnes (ou les vecteurs lignes) deAsont linéairement indépendants (iv)Rg(A) =n (v)detA?= 0 - On a aussi l"égalité entre le rang deA, celui de sa transposée, et celui la famille formée des ses vecteurs lignes ou colonnes. Définition 13.Pour(i,j)?J1,mK×J1,nK, on définit la matriceEijpar [Eij]kl=δikδjlquotesdbs_dbs17.pdfusesText_23

[PDF] [PDF] Algèbre Linéaire