Exemple V 1 7 Soit ~u= (1;3)~v= (1;4) Alors il existe une unique application linéairef: R2
Previous PDF | Next PDF |
[PDF] Applications linéaires, matrices, déterminants - Licence de
Montrer que est une application linéaire 2 Déterminer les dimensions de ℐ ( ) et de ker( ) Allez à : Correction exercice 22 Exercice 23
[PDF] Exercices Corrigés Applications linéaires Exercice 1 – On consid
1) Quelle est la matrice de f dans les bases canoniques de R2 et R4 ? 2) Déterminer le noyau de f L'application linéaire f est-elle injective ? 3) Quelle est l' image
[PDF] Espaces vectoriels et applications linéaires Correction des exercices
18 mar 2015 · et linéaire, donc son noyau N est un sous-espace vectoriel de L(E) Exercice 9 : Soit F l'ensemble des applications de classe C1 de R dans R
[PDF] TD 5: Applications linéaires
c) Quel est le rang de f ? Exercice 9 Soit f l'application linéaire de R4 dans lui- même, dont la matrice dans la base canonique est :
[PDF] Version corrigée
Alors il existe une unique application linéaire f : R2 → R3 telle que f( u)=(−1, 2, 3 ), f( v) = (0, 0, 0) Exercice V 1 8 Soit (x, y) ∈ R2 Calculer f(x, y) où f est l'
[PDF] 6-applications-lineaires-corrige - Optimal Sup Spé
Exercice de base, à maîtriser parfaitement (* s'il s'agit d'un exercice classique) Etude d'une application linéaire sur un espace vectoriel de fonctions continues
[PDF] 6 Applications lineaires Corriges - Optimal Sup Spé
Exercice de base, à maîtriser parfaitement (* s'il s'agit d'un exercice classique) Etude d'une application linéaire sur un espace vectoriel de fonctions continues
[PDF] MAT 201
25 fév 2021 · Exercice corrigé Applications linéaires et sous-espaces, noyau et image Matrice d'une application linéaire, matrice de la composée
[PDF] 70 exercices dalg`ebre linéaire 1 Espaces vectoriels - Pierre-Louis
Exercice 32 Soit h l'application linéaire de R3 dans R2 dont la matrice par rapport aux bases (a1,a2,a3) de R3 et (b1,b2) de R2 est : A = (2 −1 1 3 2 −3 ) (A = M(
pdf Applications linéaires matrices déterminants
Soit :?3??2définie pour tout =( 1 2 3)??3par ( )=( 1+ 2+ 32 1+ 2? 3) 1 Montrer que est linéaire 2 Déterminer ker( ) Allez à : Correction exercice 1 Exercice 2 Soit :?3??2définie par ( )=( + + ? +2 +2 ) On appelle =( 1 2 3)la base canonique de ?3(et ?= 1 2)la base canonique de ?2 1
V Applications linéaires - Université Sorbonne Paris Nord
Exemple V 1 7 Soit ~u= (1;3)~v= (1;4) Alors il existe une unique application linéairef: R2
[PDF] application piano numérique
[PDF] application sportcash pour android
[PDF] application working holiday visa australia
[PDF] application zimbra mail
[PDF] applications linéaires exercices corrigés
[PDF] apply for itec scaap course
[PDF] apport de la civilisation greco-romaine ? l'humanité
[PDF] apport du controle de gestion dans la performance de l'entreprise
[PDF] apposition mention de divorce sur acte de naissance
[PDF] appréciation bulletin classe
[PDF] appréciation bulletin maternelle
[PDF] appréciation bulletin prof principal
[PDF] appréciation bulletin scolaire collège
[PDF] appréciation bulletin scolaire cp
V. Applications linéaires
Référence pour ce chapitre : Liret-Martinais 1.On notera comme d"habitudeK=RouC.
Une application linéaire est une application d"un espace vectoriel dans un autre qui est compatible avec la structure d"espace vectoriel. Une base de l"espace vectoriel de départ et une base de l"espace vectoriel d"arrivée étant données, ces applications linéaires s"identifient aux matrices, vues au chapitre II, la composition des applica- tions s"identifiant au produit matriciel. La partie V.1 de ce chapitre est consacréeà des définitions et des propriétés élémentaires, la partie V.2 à la correspondance
entre les applications linéaires et les matrices. En V.3, on définit des opérations sur les applications linéaires et on identifie ces opérations aux opérations matricielles. La suite du chapitre est consacrée au lien des applications linéaires avec les objets étudiés au chapitre IV : bases, sous-espaces vectoriels, dimension. V.1. Définitions et premières propriétésV.1.a. Définitions et exemples
SoitEetFdes espaces vectoriels surK. On notera~0E(respectivement~0F) le vecteur nul deE(respectivementF). Définition V.1.1.Soitfune application deEdansF. On dit quefest uneap- plication linéairedeEdansFquand les deux conditions suivantes sont respectées :8(~x;~y)2E2; f(~x+~y) =f(~x) +f(~y)(V.1)
8~x2E;82K; f(~x) =f(~x):(V.2)
On noteL(E;F)l"ensemble des applications linéaires deEdansF. Une application linéaire deEdansEest appeléeendomorphismedeE. On note pour simplifierL(E)(au lieu deL(E;E)) l"ensemble des endomorphismes deE. ExemplesV.1.2.i. Si2Kn f0g, l"applicationh:~x7!~xest un endomor- phisme deE, appeléehomothétiede rapport. L"applicationh1est simple- ment l"identité deE. ii. L"application constante nulle,~x7!~0Fest une application linéaire deEdansF, notée0.
iii. L"applicationfdéfinie parf(x;y) = 3x4yest une application linéaire de R2dansR. La même formule définit une application linéaire deC2dansC.1. François Liret et Dominique Martinais.Algèbre 1ère année - Cours et exercices avec
solutions.Dunod, deuxième édition, 2003iv. La fonctionf:R!Rdéfinie parf(x) =x3n"est pas une application linéaire
deRdansR. En effet, f(21) =f(2) = 8mais2f(1) = 26= 8: v. Soit2R. La rotationRdeR2de centre(0;0)et d"angleest une appli- cation linéaire deR2dansR2. En effet, on a la formule (à vérifier) : R (x;y) = (xcosysin;xsin+ycos); dont on déduit facilement le résultat annoncé. Voir aussi l"exercice V.1.4 plus loin.V.1.b. Quelques propriétés
Proposition V.1.3.Sif2 L(E;F),f(~0E) =~0F.
Démonstration.
f(~0E) =f(0~0E) = 0f(~0E) =~0F:ExerciceV.1.4.SoitMun point du planR2, différent de l"origine(0;0), et2
(0;2). La rotationfdeR2de centreMet d"angleest-elle une application linéaire? (cf correction p. 66). Proposition V.1.5.Soitf2 L(E;F)et~u1,...,~ukdes éléments deE. Alors f(1~u1+:::+k~uk) =1f(~u1) +:::+kf(~uk): Démonstration.Sik= 2, on démontre la formule en utilisant successivement les conditions (V.1) et (V.2) de la définition V.1.1 : f(1~u1+2~u2) =f(1~u1) +f(2~u2) =1f(~u1) +2f(~u2):Le cas général se démontre par récurrence surk.Corollaire V.1.6.On supposeEde dimensionn. SoitB= (~u1;:::;~un)une base
deE, et(~v1;:::;~vn)des vecteurs deF. Alors il existe une unique application liné- rairef2 L(E;F)telle que (V.3)8j= 1:::n; f(~uj) =~vj: 53V. Applications linéaires
Démonstration.Supposons quef2 L(E;F)vérifie (V.3). Soit~xun élément deE et(x1;:::;xn)ses coordonnées dans la baseB. Alors par la proposition V.1.5 (V.4)f(x1~u1+x2~u2+:::+xn~un) =x1~v1+:::+xn~vn; ce qui montre l"unicité defvérifiant (V.3). Pour montrer l"existence, il suffit de définirfpar la formule (V.4), ce qui a un sens puisqueBest une base deE. Onvérifie aisément que l"application obtenue est un élément deL(E;F).ExempleV.1.7.Soit~u= (1;3),~v= (1;4). Alors il existe une unique application
linéairef:R2!R3telle quef(~u) = (1;2;3),f(~v) = (0;0;0). ExerciceV.1.8.Soit(x;y)2R2. Calculerf(x;y)oùfest l"application de l"exemple précédent. (Correction p. 66).V.2. Applications linéaires et matrices
V.2.a. Matrice de représentation d"une application linéaire On montre ici que sur les espaces vectoriels de dimension finie2, une base de
l"espace de départ et une base de l"espace d"arrivée étant données, une application linéaire s"identifie à une matrice. On rappelle que l"on identifieKnà l"espace vectorielMn;1(K)des matrices co- lonnes ànlignes : un élément deKnsera noté indifféremment(x1;x2;:::;xn)ou2 6 664x1 x 2 x n3 7
775(cf par exemple la formule (V.5) plus bas : la première notation est utilisé
pour le terme de gauche de la première égalité, la seconde notation est utilisée pour tous les autres termes). Définition V.2.1.SoitE;Fdes espaces vectoriels de dimensions respectivesnet p. SoitB= (~u1;~u2;:::;~un)une base deEetC= (~v1;~v2;:::;~vp)une base deF. Soitf2 L(E;F). Lamatrice de représentation defdans les basesBetC(ou plus simplementmatricedefdans les basesBetC), notéeMatB;C(f)est la matrice pndont le coefficient(i;j)est donné par lai-ème coordonnée def(~uj)dans la baseC. En d"autres termes, laj-ième colonne deMatB;C(f)est donnée par les coordonnées def(~uj)dans la baseC. Les basesBetCétant fixées, on montre facilement que pour toute matriceA deMp;n(K), il existe une unique application linéairef2 L(E;F)telle queA= MatB;C(f)3. Il est donc équivalent de considérer les applications linéaires deEdans2. On rappelle que tous les exemples d"espaces vectoriels vus dans ce cours sont de dimension
finie.3. En d"autres termes, l"applicationf7!MatB;C(f)deL(E;F)dansMp;n(K)est une bijec-
tion, cf V.4.c p. 59 pour un rappel sur les bijections.Fet les matricespn. Le point de vue "application linéaire" est intrinsèque : il ne
dépend pas du choix de bases deEetF. Le point de vue matriciel n"a pas cette propriété, mais est plus adaptée aux calculs explicites.V.2.b. Exemple : cas des bases canoniques
Soitfune application linéaire deKndansKp,A= [ai;j]1ip1jnsa matrice dans
les bases canoniques deKnetKp. Alors, en notant(~e1;:::;~en)la base canonique deKn: (V.5)f(x1;x2;:::;xn) =f(x1~e1+:::+xn~en) =x1f(~e1) +:::+xnf(~en) =x12 6 664a11 a 21
a p13 7
775+x22
6 664a12 a 22
a p23 7
775+:::+xn2
6 664a1n a 2n a pn3 7 775=2
6 664a
11x1+a12x2+:::+a1nxn
a21x1+a22x2+:::+a2nxn
a p1x1+ap2x2+:::+apnxn3 7 775:On peut donc facilement reconnaître une application linéaire deKndansKp: cha- cune de ses coordonnées dansKpest donnée, comme dans (V.5), par une combinai- son linéaire de coordonnées dansKn. De plus, on lit sur cette formule les coefficients de la matrice de l"application linéaire dans les bases canoniques.
ExempleV.2.2.La formule
(V.6) f(x1;x2;x3;x4;x5) = (x1+4x3+x5;ix3+p2x4+x5;x1+x2;x1+3x2+4x3+x4) que l"on peut encore écrire : (V.7)f(x1;x2;x3;x4;x5) =2 6 64x1+ 4x3+x5
ix3+p2x4+x5
x1+x2 x1+ 3x2+ 4x3+x43
7 75définit une application linéaire deC5dansC4. Sa matrice dans les bases canoniques est :2 6
640 4 0 1
0 0ip2 1
1 1 0 0 0
1 3 4 1 03
7 75:ExempleV.2.3.La matrice de représentation de la rotationRde centre0et d"angle (cf Exemple V.1.2, v) est : cossin sincos 54
V.2. Applications linéaires et matrices
V.2.c. Cas général
Donnons un exemple de calcul de matrice de représentation dans des bases autres que les bases canoniques.ExempleV.2.4.Soitf2 L(R2;R3)défini par
(V.8)f(x1;x2) =12 2 4x1+ 3x2
3x1+ 5x2
x1+x23 5SoitB= (~u1;~u2),C= (~v1;~v2;~v3), où
~u 1=1 1 ; ~u 2=1 1 ; ~v 1=2 411 13 5 ; ~v2=2 41
2 03 5 ; ~v3=2 41
0 03 5 On vérifie facilement queBetCsont des bases deR2etR3respectivement. Calculons
A= MatB;C(f):
La formule (V.8) nous donne :
f(~u1) =2 411 13 5 =~v1; f(~u2) =2 42
4 03 5 = 2~v2:
D"où
MatB;C(f) =2
41 00 2 0 03 5 Remarquons que cette matrice est complètement différente de la matrice defdans les bases canoniques deR2etR3,12 2 41 3
3 5 1 13 5 , qui se lit sur la formule (V.8). La matrice defdans les basesBetCest beaucoup plus simple que sa matrice dans les bases canoniques. On voit ici l"intérêt de choisir une autre base que la base canonique pour écrire la matrice d"une application linéaire. Comme le montre l"exemple précédent, le calcul de la matrice de représentation d"une application linéairefdans les bases(~u1;:::;~un),(~v1;:::;~vp)se décompose en deux étapes : - le calcul def(~u1), ...,f(~un); - le calcul des coordonnées def(~u1),...,f(~un)dans la base(~v1;:::;~vp): soit, en général, la résolution densystèmes de Cramer, chacun àpéquations etp inconnues. Dans l"exemple précédent, ce calcul était immédiat. Il est aussi possible de déterminer la matrice de représentation defpar des calculs matriciels, à l"aide de la formule de changement de bases qui n"est pas au programme
du cours cette année mais est donnée en complément (cf partie V.6).V.2.d. Un exemple de changement de base
SoitEetFdes espaces vectoriels de dimensions finies etf2 L(E;F). On se donne deux bases deE,BeteBet deux bases deF,CeteC. Peut-on exprimer Mat B;C(f)en fonction deMateB;eC(f)? La formule de changement de bases (cf partie V.6), hors programme cette année, permet de répondre à cette question. On peut aussi le faire par des calculs directs. On donne ici un exemple d"un tel calcul. On supposeE=R2,F=R3,B= (~u1;~u2),eB= (~~u1;~~u2),C= (~v1;~v2;~v3), eC= (~~v1;~~v2;~~v3)avec ~u 1=1 1 ; ~u 2=1 1 ~~u1=1 1 ~~u2=1 0 et ~v 1=2 411 03 5 ; ~v2=2 41
1 03 5 ; ~v3=2 40
0 13 5 ;~~v1=2 41
0 03 5 ;~~v2=2 41
1 03 5 ;~~v3=2 41
0 13 5
On suppose de plus
MatB;C(f) =2
41 12 0 3 23 5
On chercher à calculerMateB;eC(f).
Première étape.On commence par calculerf(~~u1)etf(~~u2). Puisqu"on connaîtf(~u1) etf(~u2), il suffit de trouver les coordonnées de~~u1et~~u2dans la baseB. On a : ~u1=~u1et~~u2=12 ~u1+12 ~u2 (la deuxième égalité s"obtient par résolution du systèmex1+x2= 1,x1x2= 0).Donc, en utilisant l"expression deMatB;C(f),
f(~~u1) =f(~u1) =~v1+ 2~v2+ 3~v3; f(~~u2) =12 f(~u1) +12 f(~u2) =12 (~v1+ 2~v2+ 3~v3) +12 (~v1+ 2~v3) =~v2+52 ~v3: Deuxième étape.On a obtenu les coordonnées def(~~u1)etf(~~u2)dans la baseC. On a besoin des coordonnées de ces vecteurs dans la base eC. Il suffit pour cela d"écrire les vecteurs~v1,~v2et~v3en fonction de~~v1,~~v2et~~v3. En résolvant pour chaque vecteur unsystème linéaire (dans ce cas précis, échelonné) de trois équations à trois inconnues,
on obtient ~v1= 2~~v1~~v2; ~v2=~~v2; ~v3=~~v1+~~v3:
D"où, en utilisant la première étape,
f(~~u1) =(2~~v1~~v2) + 2~~v2+ 3(~~v3~~v1) =5~~v1+ 3~~v2+ 3~~v3; 55V. Applications linéaires
et f(~~u2) =~~v2+52 (~~v1+~~v3) =52 ~~v1+~~v2+52 ~~v3:On en déduit
Mat eB;eC(f) =2 45523 1 3 52
3 5 V.2.e. Applications linéaires et multiplication par une matrice La proposition suivante donne une façon plus concrète d"interpréterMatB;C(f). Proposition V.2.5.Sous les conditions de la définition V.2.1, on se donne un vecteur~xdeEde coordonnéesX=" x1...xn# dans la baseB. On noteY=" y1...yp# les coordonnées def(~x)dans la baseC. Alors
Y= MatB;C(f)X:
Démonstration.NotonsMatB;C(f) =A= [aij]1ip
1jn. Alors
f(~x) =f(x1~u1+x2~u2+:::+xn~un) =x1f(~u1) +x2f(~u2) +:::+xnf(~un) =x1 pX i=1a i1~vi! +x2 pX i=1a i2~vi! +:::+xn pX i=1a in~vi! En regroupant les termes de la dernière ligne de l"inégalité précédente, on voit que pouri= 1:::p, la coordonnéeyide~viest donnée par y i=nX j=1a ijxj;ce qui signifie bien queY=AXau sens du produit matriciel.ExempleV.2.6.Reprenons l"application linéairefde l"exemple V.2.4. Les coor-
données def(2~u1+~u2)dans la baseC= (~v1;~v2;~v3)sont données par le produit matriciel : MatB;C(f)2
1 =2 41 00 2 0 03 52
1 =2 42
2 03 5
En d"autres termes :
f(2~u1+~u2) = 2~v1+ 2~v2: En identifiantKnàMn;1(K), une matriceA2 Mp;n(K)définit une application linéaire X7!AXdeKndansKp. En fait, toute application linéaire deKndansKpest de cette forme :Proposition V.2.7.Soitfune application linéaire deKndansKp. SoitA2
M p;n(K)la matrice defdans les bases canoniques deKnetKp. Alorsfest l"ap- plication linéaireX7!AX:
Démonstration.Ceci découle immédiatement de la proposition V.2.5. SiXest un vecteur deRn(respectivement deRp), le vecteur de ses coordonnées dans la basecanonique deRn(respectivementRp) est égalementX.ExempleV.2.8.L"application linéairefdeR2dansR3définie parf(x1;x2) =2
42x1+x2
x 1x2 3x23 5 est l"applicationX7!AX, avec A=2 42 111 0 33 5 V.3. Opérations sur les applications linéaires