ESTIA 1eAnn e - Math matiques Cours dÕalg bre lin aire
ESTIA 1eAnn e - Math matiques Cours dÕalg bre lin aire Edition 2008 Xa vier Dussa u, Jea n Esterle, F oua d Za ro uf et Ra chid Za ro uf 1 26 no vem bre 2008 1 I H arlouc het-en eskuhartzearekin
ALGEBRE LINEAIRE Cours et exercices
ISPB, Faculté de Pharmacie de Lyon Année 2014 - 2015 Filière ingénieur 3ème année de pharmacie ALGEBRE LINEAIRE Cours et exercices
Algèbre linéaire et bilinéaire I
lien entre les notions de produit scalaire, d’aire, de longueur et d’angle et on donne une application à l’étude des coniques du plan et des quadriques de l’espace Le dernier chapitre est consacré à l’étude des applications linéaires dé-finies sur un espace vectoriel de dimension finie Après quelques résultats
Cours - Applications lineaires
Définition (Application linéaire) Soient E et F deux K-espaces vectoriels On appelle application linéaire de E dans F toute application f: E −→F qui préserve les combinaisons linéaires : ∀x, y ∈E, ∀λ,µ∈K, f (λx +µy)=λf (x)+µf (y) L’ensemble des applications linéaires de E dans F est noté L(E,F)
3 Alg`ebre lin´eaire et matrices - French National Centre
MA202N – Notes de cours 36 / 58 1–Espaces vectoriels 1 1 D´efinition Un espace vectoreil est un ensemble sur lequel est d´efini — une addition interne — une multiplication externe D´efinition On dit que E est un espace vectoriel sur R (ev), ou un R-espace vectoriel
Algèbre Géométrique et Informatique Graphique
aire parallélogramme On peut voir un nombre complexe comme la somme d’une quantité scalaire et d’une quantité qui représente un élément du plan On aurait “moralement” zw = z w + i(z w) 17/46
Intégrales Multiples et Algèbre Linéaire
Modalités d’application de cette règle d’or Les étudiants qui contreviendront à cette règle seront exclus sur le champ de la salle de cours Le cours ne reprendra que lorsque les étudiants en question seront sortis de la salle de cours Lecture régulière du cours Chaque étudiant s’imposera de lire, relire et étudier
Sujets des dossiers d’arithmétique, algèbre et géométrie
Université Paris–Sud Mathématiques Centre d’Orsay Préparation au CAPES Sujets des dossiers d’arithmétique, algèbre et géométrie Archives 2005-2009
§ 3 Produit vectoriel - delezename
représente l'aire du parallélogramme sous-tendu par les vecteurs a fi,b fi, ce que nous notons comme suit: Aire Kparallélogramme Ka fi,b fi OO=þa fi ·b fi þ Cas particulier de deux vecteurs colinéaires Si, par exemple, b fi =l×a fi, alors a1 a2 a3 · b1 b2 b3 = a2b3-a3b2 a3b1-a1b 3 a1b2-a2b1 = a2la3-a3 la2 a3la1-ala a1la2-a2la1
[PDF] rapport de stage application mobile
[PDF] rapport projet android pdf
[PDF] rapport de stage developpement application android
[PDF] conception d'une application mobile pdf
[PDF] rapport projet application android
[PDF] conception uml d'une application android
[PDF] conception et réalisation d'une application mobile
[PDF] conception et realisation d'une application android
[PDF] application partition musique android
[PDF] guide utilisateur iphone 6 pdf
[PDF] guide de l'utilisateur iphone 6s
[PDF] guide utilisateur iphone 6 plus
[PDF] guide utilisateur iphone 6 apple
[PDF] iphone 6 user guide pdf
Christophe Bertault Mathématiques en MPSI
APPLICATIONS LINÉAIRES
Dans ce chapitre,?est l"un des corps?ou?etIest un ensemble non vide quelconque. Tous les résultats présentés
demeurent cela dit vrais sur un corps?quelconque à l"exception de ceux du paragraphe sur les symétries.
1 APPLICATIONS LINÉAIRES,ÉQUATIONS LINÉAIRES
1.1 DÉFINITION ET PREMIERS EXEMPLES
Définition(Application linéaire)SoientEetFdeux?-espaces vectoriels. On appelleapplication linéaire de E dans
Ftoute applicationf:E-→Fqui préserve les combinaisons linéaires : ?x,y?E,?λ,μ??,f(λx+μy) =λf(x)+μf(y). L"ensemble des applications linéaires deEdansFest noté?(E,F).LorsqueE=F, on dit plutôt quefest unendomorphisme de E. L"ensemble des endomorphismes deEest noté?(E).
LorsqueF=?, on dit plutôt quefest uneforme linéaire de E. Toute application linéairef? ?(E,F)est unMORPHISME DE GROUPES ADDITIFS, donc : f(0E) =0F.Ensuite, siAest un sous-espace vectoriel deE, l"application restreintefAest elle aussi linéaire. En effet, s"il est vrai pour
tousx,y?Eetλ,μ??que :f(λx+μy) =λf(x)+μf(y), c"est a fortiori vrai pour tousx,y?A.Enfin, pour vérifier quefest linéaire, il est suffisant de vérifier quef(λx+y) =λf(x) +f(y)pour tousx,y?Eet
λ?? avecUN SEUL SCALAIRE. Dans ce cas :f(λx) =f(λx+0E) =λf(x)+f(0E) =λf(x)+0F=λf(x)pour tous
x,y?Eetλ,μ??, puis de mêmef(λx+μy) =f(λx)+f(μy) =λf(x)+μf(y).Définition(Homothétie)SoientEun?-espace vectoriel etλ??. L"applicationλIdEest un endomorphisme deE
appelé l"homothétie de E de rapportλ. En particulier IdE? ?(E).DémonstrationPour tousx,y?Eetα??:(λIdE)(αx+y) =λ(αx+y) =α(λIdE)(x)+(λIdE)(y).
ExempleL"application(x,y)f?-→x,x+y,x-2yest linéaire de?2dans?3. DémonstrationPour tous(x,y),(x?,y?)??2etλ??: fλ(x,y)+(x?,y?)
=fλx+x?,λy+y?=Exemple
Pour toutx??, l"applicationP?-→P(x)d"évaluation enxest uneFORMElinéaire de?[X]. Pour toutA??[X], l"applicationP?-→APde multiplication parAest un endomorphisme de?[X].Pour toutQ??[X], l"applicationP?-→P◦Qde compositionÀ DROITEparQest un endomorphisme de?[X].
L"applicationP?-→P?de dérivation est un endomorphisme de?[X].Exemple
Pour tout intervalleI, l"applicationf?-→f?est linéaire de?(I,?)dans??ou de?1(I,?)dans?(I,?). Comme elle
envoie?∞(I,?)dans lui-même, c"est également un endomorphisme de?∞(I,?).L"applicationf?-→?
1 0 fest uneFORMElinéaire de?[0,1],?.L"applicationu?-→limn→+∞unest uneFORMElinéaire de l"espace vectoriel des suites réelles convergentes.
1Christophe Bertault Mathématiques en MPSI
Exemple
L"application(x,y)??-→x+y+1N"estPASlinéaire de?2dans?car?(0,0) =1?=0.L"application(x,y)ψ?-→x2+y2N"estPASlinéaire de?2dans?carψ2(1,1)=ψ(2,2) =8?=4=2ψ(1,1).
Définition-théorème(Application linéaire canoniquement associée à une matrice)SoitA? ?n,p(?). L"application
X?-→AXest linéaire de?pdans?net appelée l"application linéaire canoniquement associée à A. Je la noterai souvent?A
dans ce cours mais il ne s"agit pas là d"une notation universelle.L"applicationX?-→AXest définie de?pdans?net non l"inverse pour une simple raison de compatibilité desformats.
Pour tousA? ?p,q(?)etB? ?q,r(?):
?AB=?A◦?Bcar pour toutX??r: AB(X) = (AB)X=A(BX) =?A(BX) =?A?B(X)=?A◦?B(X). ExempleL"application linéaire canoniquement associée à 0 1 23 4 5 est l"application(x,y,z)?-→(y+2z,3x+4y+5z) de?3dans?2.Définition-théorème(Formes coordonnées relativement à une base)SoitEun?-espace vectoriel. On suppose
queEpossède une base?= (ei)i?I. Pour touti?I, l"application qui associe à tout vecteur deEsa coordonnée dans?
selon le vecteureiest une forme linéaire deEappelée laièmeforme coordonnée de E(dans?).DémonstrationSoientx,y?Ede coordonnées respectives(xi)i?I,(yi)i?Idans?etλ??. Le vecteurλx+y
admetλxi+yi i?Ipour coordonnées dans?car :λx+y=λ? i?Ix iei+? i?Iy iei=? i?Iλxi+yiei. En
particulier, pour touti?I, la coordonnée seloneideλx+yestλxi+yi. C"est la linéarité souhaitée!
Exemple
Les formes coordonnées de?npour sa base canonique sont, dans cet ordre, les applications(x1,...,xn)?-→x1,
(x1,...,xn)?-→x2, ...,(x1,...,xn)?-→xn.Les formes coordonnées de?n[X]pour sa base canonique sont, dans cet ordre, les applicationsP?-→a0,P?-→a1,
...,P?-→ansi on notea0,...,anles coefficients deP:P=anXn+...+a1X+a0. Définition(Isomorphisme, espaces vectoriels isomorphes)SoientEetFdeux?-espaces vectoriels.Isomorphisme (d"espaces vectoriels) :On appelleisomorphisme(d"espace vectoriel)de E sur Ftouteapplication
linéaire bijective deEsurF.LorsqueE=F, on parle plutôt d"automorphisme(d"espace vectoriel)de E. L"ensemble des automorphismes deE
est noté GL(E)et appelé legroupe linéaire de E.Espaces vectoriels isomorphes :On dit queFestisomorphe à E(en tant qu"espace vectoriel) s"il existe un
isomorphisme deEsurF.Le fait que deux espaces vectoriels soient isomorphes signifie qu"à défaut d"être identiques au sens propre, ils le sont au
moins d"un point de vue vectoriel. Tout isomorphisme entre eux est comme un dictionnaire parfait pour passer de l"un à
l"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. Nous verrons bientôt queles isomorphismes préservent la dimension.
L"application linéaire(a,b,c)??-→a+bX+cX2est par exemple un isomorphisme de?3dans?2[X]. Cet isomorphisme
" géométrise »?2[X]en en faisant une sorte de copie parfaite de?3. La coplanarité des vecteurs(0,1,0),(0,0,1)et!
0,1,1 2! se traduit dans?2[X]par celle des vecteursX,X2etX+X2 2. ?3 (1,0,0)(0,0,1) (0,1,0) 0,1,12!Isomorphisme?
?2[X] 1X 2 X X+X22 2Christophe Bertault Mathématiques en MPSI
ExempleL"applicationfS?-→f?,f(0)est un isomorphisme de?1(?,?)sur?(?,?)×?. Cet isomorphisme est un peu
surprenant car?1(?,?)est à la fois beaucoup plus petit que?(?,?)et isomorphe à?(?,?)×?, donc plus gros que
DémonstrationL"applicationSest linéaire car pour tousf,g? ?1(?,?)etλ??:S(λf+g) =
(λf+g)?,(λf+g)(0)λf?+g?,λf(0)+g(0)
=λf?,f(0)+g?,g(0)=λS(f)+S(g).Ensuite, il n"est pas dur de comprendre que l"applicationTqui associe à tout couple(g,a)? ?(?,?)×?la
fonctionx?-→a+? x 0 g(t)dtde classe?1admetSpour réciproque.1.2 OPÉRATIONS SUR LES APPLICATIONS LINÉAIRES
Théorème(Composition d"applications linéaires, réciproque d"un isomorphisme)SoientE,FetGtrois?-espaces
vectoriels. (i)Composition :Pour tousf? ?(E,F)etg? ?(F,G):g◦f? ?(E,G). En particulier, sifest un isomorphisme deEsurFetgun isomorphisme deFsurG,g◦fest un isomorphisme deEsurG. (ii)Réciproque :Sifest un isomorphisme deEsurF,f-1est un isomorphisme deFsurE.En particulier, la relation d"isomorphisme entre espaces vectoriels est une relation d"équivalence pour la réflexivité,
remarquer simplement que Id Eest un isomorphisme deEpour tout?-espace vectorielE.Démonstration
(i) Soientf? ?(E,F)etg? ?(F,G). Pour tousx,y?Eetλ??:g◦f(λx+y) =gf(λx+y)=gλf(x)+f(y)=λgf(x)+gf(y)=λg◦f(x)+g◦f(y).
(ii) Nous savons quef-1est bijective deFsurE, mais est-elle linéaire? Pour tousy,y??Fetλ??: f -1λy+y?=f-1λff-1(y)+ff-1(y?)
=f-1 fλf-1(y)+f-1(y?) =λf-1(y)+f-1(y?). ExempleL"applicationP?-→XP?X2est un endomorphisme de?[X].DémonstrationLes applicationsPα?-→P?,Pβ?-→PX2etPγ?-→XPsont linéaires, doncγ◦β◦αaussi.
ExempleL"applicationf?-→?
1 0 ft2dtest linéaire de?[0,1],?dans?. DémonstrationLes applicationsfα?-→f◦t?-→t2etfβ?-→? 1 0 f(x)dxsont linéaires, doncβ◦αaussi.Théorème(Traduction de l"inversibilité en termes d"application linéaire canoniquement associée)Une matrice
A? ?n(?)est inversible si et seulement si l"application linéaire?Acanoniquement associée àAest un automorphisme
de?n. Dans ce cas :?A-1=?A-1.DémonstrationD"après la caractérisation de l"inversibilité en termes desystèmes linéaires :
Aest inversible?? ?Y??n,?!X??n,Y=AX?? ?Y??n,?!X??n,Y=?A(X) ?Aest un automorphisme de?n.Dans ce cas
?A◦?A-1=?A A-1=?In=Id?net de même?A-1◦?A=Id?n, donc en effet?A-1=?A-1. ExempleL"application(x,y)?-→(3x+y,5x+2y)est un automorphisme de?2. Sa réciproque est l"application(x,y)?-→(2x-y,-5x+3y)car la matrice 3 15 2 est inversible d"inverse 2-1 -5 3Théorème(Combinaisons linéaires d"applications linéaires)SoientEetFdeux?-espaces vectoriels. L"ensemble
?(E,F)est un sous-espace vectoriel deFE, donc un?-espace vectoriel. En d"autres termes, toute combinaison linéaire
d"applications linéaires deEdansFest une application linéaire deEdansF. 3Christophe Bertault Mathématiques en MPSI
DémonstrationPour commencer?(E,F)?FEet l"application nullex?-→0Fest linéaire deEdansF.Pour la stabilité par combinaison linéaire, soientf,g? ?(E,F)etλ??. Montrons queλf+g? ?(E,F), i.e.
queλf+gest linéaire. Pour tousx,y?Eetα??:λf+g(αx+y) =λf(αx+y)+g(αx+y) =λαf(x)+f(y)+αg(x)+g(y)
ExempleL"applicationPf?-→PX2+2P?(1)est un endomorphisme de?[X].DémonstrationL"applicationP?-→PX2est linéaire. Ensuite,Pd?-→P?etPe?-→P(1)sont linéaires, donc
Pe◦d?-→P?(1)aussi par composition. Par combinaison linéaire,fest comme voulu un endomorphisme de?[X].
Observons à présent que pour toutesf,f?? ?(E,F)etg,g?? ?(F,G):Attention cependant! La relationg+g?◦f=g◦f+g?◦fest vraie en toute généralité sans linéarité alors que la
relationg◦f+f?=g◦f+g◦f?requiert à tout prix la linéarité deg. Faites l"effort de vous en convaincre.
L"énoncé qui suit repose entièrement sur l"idée que pour tout?-espace vectorielE, la composée de deux endomorphismes
deEest encore un endomorphisme deE. En d"autres termes, la composition est uneLOI INTERNEsur?(E). Théorème(Anneau?(E))SoitEun?-espace vectoriel.Le triplet?(E),+,◦est un anneau d"élément neutre multiplicatif 1?(E)=IdE, non commutatif en général.
GL(E)est le groupe des inversibles de l"anneau?(E): U?(E)=GL(E).On omet souvent de noter le symbole◦de composition en notantgfà la place deg◦fpour tousf,g? ?(E).
La loi produit de?(E)est laCOMPOSITION. Pour tousf? ?(E)etn??,fndésigne donc IdEsin=0 etf◦f◦...◦f?
ntermessin?1. Comme dans tout anneau, deux formules importantes sont vraies dans?(E): (f+g)n=n k=0! n k! f kgn-k(formule du binôme)etfn-gn= (f-g)n-1? k=0f kgn-k-1pour tousf,g? ?(E)QUI COMMUTENT. Il est essentiel quefetgcommutent. Pour montrer que(f+g)(f-g) =f2-g2
par exemple, il faut pouvoir simplifierf gavecgf. DémonstrationPour commencer,?(E)est un groupe commutatif pour l"addition en tant que sous-espace vectoriel deEE.Ensuite,lacompositionestuneloidecompositioninterne sur?(E)carlacomposéededeuxapplications linéaires
est linéaire. Cette loi est associative et admet Id E, qui est linéaire, pour élément neutre. Enfin, nous avons vu juste avant que la composition est distributive sur l"addition. ExempleLes endomorphismesPD?-→P?etPM?-→XPde?[X]NEcommutentPAS, donc l"anneau??[X]N"estPAS
commutatif. Par exempleD◦M(X) =X2?=2Xalors queM◦D(X) =X×X?=X. Définition(Endomorphisme nilpotent)SoitEun?-espace vectoriel etf? ?(E). On dit quefestnilpotentsi fk=0?(E)pour un certaink???. Le plus petit de ces entierskest alors appelé l"indice de nilpotence de f.
ExemplePour toutn??, l"endomorphismePD?-→P?de?n[X]est nilpotent d"indicen+1. DémonstrationPour toutP??n[X]:P(n+1)=0, doncDn+1=0?(?n[X]), doncDest nilpotent d"indiceinférieur ou égal àn+1. L"égalitéXn(n)=n! montre cependant queDn?=0?(?n[X]), doncDest d"indicen+1
(exactement). 4Christophe Bertault Mathématiques en MPSI
1.3 IMAGE D"UN SOUS-ESPACE VECTORIEL
Théorème(Image d"un sous-espace vectoriel par une application linéaire)SoientEetFdeux?-espaces vectoriels
etf? ?(E,F). Pour tout sous-espace vectorielAdeE, l"imagef(A)deAparfest un sous-espace vectoriel deF.
En particulier, l"imagef(E)est un sous-espace vectoriel deFnoté Imfetfest surjective deEsurFsi et seulement si
Imf=F.
DémonstrationSoitAun sous-espace vectoriel deE. Montrons quef(A)est un sous-espace vectoriel deF. Pour
commencerf(A)?Fet 0F=f(0E)?f(A). Ensuite, soienty,y??f(A)etλ??, disonsy=f(a)ety?=f(a?) pour certainsa,a??A. Par linéarité def:λy+y?=λf(a)+f(a?) =fλa+a?avecλa+a??AcarAest un sous-espace vectoriel deE, doncλy+y??f(A).ExempleL"image de l"endomorphisme(x,y,z)g?-→x+2y+z,2x+y-z,x+2y+zde?3est le plan d"équationz=x.
DémonstrationPour tout(x,y,z)??3:(x,y,z)?Img???(a,b,c)??3,C"est l"EXISTENCE
d"un antécédent qui compte.(x,y,z) =g(a,b,c) ?? ?(a,b,c)??3,???a+2b+c=x2a+b-c=y
a+2b+c=z ?? ?(a,b,c)??3,???a+2b+c=x3b+3c=2x-y
0=z-xL
2←2L1-L2
L3←L3-L1??z=x.
La dernière équivalence dans laquelle le système disparaîtn"est pas un tour de passe-passe à reproduire bêtement.
Le système final possède une solution EXISTENCE si et seulement siz=x. Il est clair qu"il n"a pas de solution
siz?=x, et on en obtient siz=xen utilisantccomme paramètre.Théorème(Image d"un Vect par une application linéaire)SoientEetFdeux?-espaces vectoriels etf? ?(E,F).
Pour toute partieXdeE:fVect(X)=Vectf(X).
En particulier, siEpossède une base(ei)i?I: Imf=Vectf(ei) i?I. DémonstrationfVect(X)est un sous-espace vectoriel deFcontenantf(X), donc Vectf(X)?fVect(X).Inversement, pour touty?fVect(X):y=f(λ1x1+...+λnxn)pour certainsx1,...,xn?Xetλ1,...,λn??,
donc par linéarité def:y=λ1f(x1)+...+λnf(xn)?Vectf(X). Enfin, siEpossède une base(ei)i?I: Imf=f(E) =fVect(ei)i?I=Vectf(ei) i?I. ExempleOn notefl"application linéaire(x,y)?-→2x+y,3x+5y,yde?2dans?3. Alors (2,3,0),(1,5,1) est une base de Imf.DémonstrationLa famille
(1,0),(0,1) est une base de?2, donc f(1,0),f(0,1) (2,3,0),(1,5,1) engendre Imfd"après le théorème précédent, et cette famille est évidemment libre. ExemplePour toutn???, l"image de la dérivationDdes polynômes sur?n[X]est?n-1[X]. DémonstrationComme1,X,...,Xnest une base de?n[X]:ImD=Vect
D(1),D(X),...,DXn
=Vect0,1,2X,...,nXn-1
=Vect1,X,...,Xn-1
=?n-1[X].Définition-théorème(Image d"une matrice)SoitA? ?n,p(?)de colonnesC1,...,Cp. On appelleimage de Aet on
note ImAl"image de son application linéaire canoniquement associéeX?-→AXde?pdans?n. L"image deAse calcule aisément à partir desCOLONNESdeA: ImA=Vect(C1,...,Cp). DémonstrationEn notant(E1,...,En)la base canonique de?n:ImA=Vect?A(E1),...,?A(En)
=VectAE1,...,AEn=Vect(C1,...,Cn). 5Christophe Bertault Mathématiques en MPSI
Les Vect tolèrent très bien qu"on y permute les vecteurs et qu"on y remplace un vecteurxpar une combinaison linéaire
des autres à condition de ne pas faire disparaîtrexcomplètement. Pour ces raisons, l"image d"une matrice peutêtre calculée
rapidement par des opérations élémentaires sur lesCOLONNES.ExempleIm"
1 2 4 0
1-1 0 1
2 1 4 1"
=Im"1 0 0 0
1 3 4 1
2 3 4 1"
C2←2C1-C2
C3←4C1-C3=Im"
1 0 1 1 2 1" =Im" 1 0 0 1 1 1" C1←C1-C2
=Vect (1,0,1),(0,1,1)1.4 ÉQUATIONS LINÉAIRES ET NOYAU
Nous avons déjà rencontré beaucoup d"équations linéaires,mais nous n"avions pas jusqu"ici un concept clair de linéarité.
On approfondit dans ce paragraphe en les généralisant quelques-unes de vos connaissances antérieures, dont le fameux
principe " Solution générale de l"équation complète=solution particulière+solution générale de l"équation homogène ».
Théorème(Image réciproque d"un sous-espace vectoriel par une application linéaire)SoientEetFdeux?-
espaces vectoriels,f? ?(E,F)etBun sous-espace vectoriel deF. L"image réciproquef-1(B)deBparfest alors un
sous-espace vectoriel deE. DémonstrationPour commencerf-1(B)?Eet 0E?f-1(B)carf(0E) =0F. Ensuite, soientx,x??f-1(B)etλ??. Par hypothèsef(x)?Betf(x?)?BetBest un sous-espace vectoriel deF, doncλf(x) +f(x?)?B. Or
fλx+x?=λf(x)+f(x?)par linéarité def, doncfλx+x??B, i.e.λx+x??f-1(B).Pour bien comprendre ce qui suit, n"oublions pas que toute application linéaire est un morphisme de groupes additifs,
donc possède un noyau à ce titre et on sait déjà que celui-ci caractérise l"injectivité.
Définition-théorème(Noyau d"une application linéaire ou d"une matrice)Noyau d"une application linéaire :SoientEetFdeux?-espaces vectoriels etf? ?(E,F). On appellenoyau
de fet le sous-espace vectoriel deE: Kerf=f-10F x?E|f(x) =0F En outre,fest injective si et seulement si Kerf=0E.Noyau d"une matrice :SoitA? ?n,p(?). On appellenoyau de Ale noyau de son application linéaire canoni-
quement associée, noté KerA, qui est donc un sous-espace vectoriel de?p.LesLIGNESdeAdécrivent les équations du système linéaire homogène dont KerAest l"ensemble des solutions.
Le noyau defn"est jamais que l"ensemble des solutions de l"ÉQUATION LINÉAIRE HOMOGÈNEf(x) =0Fd"inconnuex?E.
On peut dire aussi que Kerfest l"ensemble des éléments deEqui ne comptent pas aux yeux def, qu"elle ne voit pas. En
effet, pour tousx?Eetk?Kerf:f(x+k) =f(x)par linéarité. Le noyau d"une matrice se lit souvent bien sur ses coefficients. Notons par exempleAla matrice"1 2 3-6
0 1 1-2
1 1 2-4"
et C1,C2,C3,C4ses colonnes. Assurez-vous que vous comprenez parfaitement les observations suivantes :
D"abord :C3=C1+C2, doncC1+C2-C3=0, doncA((
1 1 -1 0)) 0 0 0" , i.e.(( 1 1 -1 0)) ?KerA. De même :C1+C2+C3+C4=0, donc((
1 1 1 1)) ?KerA. ExempleLa dérivation polynomialePD?-→P?sur?[X]a pour noyau KerD=?0[X]. ExempleNotonsfl"application linéaire(x,y,z)?-→2x+y-z,x-yde?3dans?2. Alors Kerf=Vect (1,1,3) , mais on peut aussi dire, de façon équivalente, que Ker 2 1-1 1-1 0 =Vect (1,1,3) DémonstrationPourtout(x,y,z)??3:(x,y,z)?Kerf??f(x,y,z) = (0,0) ??!2x+y-z=0 x-y=0??!y=x z=3x, donc Kerf= (x,x,3x)|x?? =Vect (1,1,3) 6Christophe Bertault Mathématiques en MPSI
ExempleOn poseA= 1 22 1
. L"endomorphismeM??-→AM-tr(M)Ade?2(?)est injectif. DémonstrationL"inclusion Ker??0suffira. Pour toutM= a c b d ?Ker?:?(M) = 2b-d c-2a b-2d2c-a =0, donc 2b-d=b-2d=c-2a=2c-a=0, puis après calcula=b=c=d=0, i.e.M=0. ExempleL"endomorphismefS?-→f×sin de??N"estPASinjectif, mais sa restrictionS?(?,?)l"est.Démonstration
Le noyau KerSdeSest l"ensemble des fonctionsfpour lesquellesf(x)sinx=0 pour toutx??, i.e.l"ensemble des fonctions de?dans?qui sont nulles sur?\π? et qui prennent des valeurs quelconques
surπ?. En particulier KerS?=0??, doncSN"estPASinjective.Ensuite : KerS
f? ?(?,?)|S(f) =0?? =?(?,?)∩KerS. Or dans KerS, seule la fonction nulle estCONTINUE, donc KerS ?(?,?)=0??, ce qui montre bien queS?(?,?)est injective. Que faut-il en retenir? SoientEetFdeux?-espaces vectoriels,f? ?(E,F)etAun sous-espace vectoriel deE. KerfA=A∩Kerfmais par contreATTENTION:ImfA=f(A) =A∩Imf, ne serait-ce que parce que Imf?Falors queA?E.Théorème(Solutions d"une équation linéaire)SoientEetFdeux?-espaces vectoriels,f? ?(E,F)ety0?F.
Siy0/?Imf, l"équationf(x) =y0d"inconnuex?En"a pas de solution. Siy0?Imf, l"ensemble des solutions de l"équationf(x) =y0d"inconnuex?Eest un sous-espace affine deE
de direction Kerf.Solution générale
de l"équation complèteSolution particulièreSolution généralede l"équationHOMOGÈNE
DémonstrationDans le cas oùy0?Imf:y0=f(x0)pour un certainx0?E, donc pour toutx?E: y0=f(x)??f(x0) =f(x)??f(x-x0) =0F??x-x0?Kerf??x?x0+Kerf.
L"ensemble des solutions de l"équationf(x) =y0d"inconnuex?Eest ainsi l"ensemblex0+Kerf, donc un sous-espace affine deEde direction Kerf. ExempleOn note(un)n??la suite définie paru0=0 etu1=5 ainsi queun+2=3un+1-2un-4 pour toutn??.Pour toutn??:un=2n+4n-1.
n??est linéaire de??dans??. La suite(un)n?? étudiée est donc solution de l"équationLINÉAIRET(xn)n??= (-4)n??d"inconnue(xn)n??. Les solutions de l"équation homogène associée sont toutesles suites récurrentes linéaires d"ordre 2 de po-
lynôme caractéristiqueX2-3X+2, i.e. les suites2nλ+μ n??,λetμdécrivant?. Il est facile de vérifier que la suite(4n)n??est solution de l"équation complète étudiée. Notre suite(un)n??
est donc de la forme2nλ+μ+4n n??pour certainsλ,μ??, oru0=0 etu1=5, doncλ=1 etμ=-1.quotesdbs_dbs23.pdfusesText_29