← Accueil Fiches méthodes Cours Exercices créés Correction TD Documents donnés
Maths AM2 (2ᵉ année) · Chapitre 2

Applications linéaires

Pré-requis du cours « Matrices et applications linéaires » : rappels sur les espaces vectoriels (base, dimension, supplémentaires), puis applications linéaires, noyau et image. Cours de L. Graissot — ECAM AM2, 2026-2027. Le cours donné s'arrête pour l'instant à la notion de noyau/image, mais le TD2 est corrigé intégralement (10/10 exercices) ci-dessous.

Sommaire du chapitre
🛠️ Fiche méthodes 1/2 — Espaces vectoriels : sous-espaces, familles, bases, dimension
Montrer que \(F\) est un sous-espace1) \(0_E\in F\) ; 2) \(\forall x,y\in F,\ \forall\lambda\in\mathbb K\) : \(\lambda x+y\in F\). Ou plus rapide : écrire \(F=\mathrm{Vect}(\dots)\) ou \(F=\ker\) d'une application linéaire
Décrire \(F\) donné par des équationsrésoudre le système, paramétrer avec les variables libres, factoriser : \(F=\mathrm{Vect}(v_1,\dots,v_k)\) où \(v_i\) est le coefficient du paramètre \(i\)
Famille libreposer \(\sum\lambda_iv_i=0\) et montrer que tous les \(\lambda_i\) sont nuls : système homogène (vecteurs de \(\mathbb R^n\)), identification des coefficients (polynômes), évaluation en des points ou dérivation (fonctions)
Famille génératriceprendre un vecteur quelconque \(v\) du sous-espace (ex. \((a,b,c)\)), résoudre \(v=\sum\lambda_iv_i\) : le système doit avoir une solution pour tout second membre
Basefamille libre et génératrice. En dimension \(n\), il suffit de : \(n\) vecteurs libres, ou \(n\) vecteurs générateurs (compter d'abord la dimension !)
Coordonnées dans une baserésoudre \(v=\lambda_1e_1+\cdots+\lambda_ne_n\) : l'unique solution \((\lambda_1,\dots,\lambda_n)\) est le vecteur des coordonnées (unicité = base libre)
Dimensions à connaître\(\dim\mathbb R^n=n\) ; \(\dim\mathbb R_n[X]=n+1\) (base \(1,X,\dots,X^n\)) ; \(\dim\mathcal M_{n,p}=np\) ; \(\mathbb C\) comme \(\mathbb R\)-espace : dim 2 (base \(1,i\))
Extraire / compléter une based'une famille génératrice : retirer les vecteurs qui sont combinaisons des précédents (pivots de Gauss) ; d'une famille libre : ajouter des vecteurs de la base canonique jusqu'à atteindre la dimension
Somme directe / supplémentaires\(E=F\oplus G\) ssi \(F\cap G=\{0\}\) et \(F+G=E\) (ou \(F\cap G=\{0\}\) et \(\dim F+\dim G=\dim E\)) ; équivalent : tout \(x\) s'écrit de façon unique \(x=u+v\), \(u\in F\), \(v\in G\)
Décomposer \(x=u+v\)analyse-synthèse : écrire \(u=\sum\alpha_if_i\), \(v=\sum\beta_jg_j\), résoudre \(x=u+v\) (système carré, déterminant \(\neq0\) ⇒ existence et unicité)
Formule de Grassmann\(\dim(F+G)=\dim F+\dim G-\dim(F\cap G)\) ; pour \(F\cap G\) : résoudre le système formé des deux jeux d'équations
Égalité ou inclusion de sous-espacesdouble inclusion ; ou une inclusion + égalité des dimensions (\(F\subset G\) et \(\dim F=\dim G\Rightarrow F=G\))
🛠️ Fiche méthodes 2/2 — Applications linéaires : linéarité, noyau, image, projecteurs
Montrer que \(f\) est linéairevérifier \(f(\lambda x+\mu y)=\lambda f(x)+\mu f(y)\) pour des vecteurs et scalaires quelconques (une seule vérification suffit avec \(\lambda x+y\)) ; ou reconnaître une combinaison linéaire des coordonnées
Montrer que \(f\) n'est pas linéairecontre-exemple : \(f(0)\neq0\), ou \(f(2x)\neq2f(x)\), ou \(f(x+y)\neq f(x)+f(y)\). Signaux d'alerte : constante, carré, produit de coordonnées, valeur absolue
Définir \(f\) par l'image d'une baseune application linéaire est entièrement déterminée par \(f(e_1),\dots,f(e_n)\) : \(f(\sum x_ie_i)=\sum x_if(e_i)\) ; pour exprimer \(f(v)\), décomposer d'abord \(v\) dans la base
Noyaurésoudre \(f(x)=0\), paramétrer les solutions : \(\ker f=\mathrm{Vect}(\dots)\) ; la famille obtenue est une base du noyau
Image\(\mathrm{Im}\,f=\mathrm{Vect}\big(f(e_1),\dots,f(e_n)\big)\) ; en extraire une famille libre : base de l'image. Autre méthode : résoudre \(f(x)=y\) et chercher les conditions de compatibilité sur \(y\)
Injective\(f\) injective \(\Leftrightarrow\ker f=\{0\}\) (pas besoin de comparer \(f(x)=f(y)\))
Surjective\(f\) surjective \(\Leftrightarrow\mathrm{Im}\,f=F\) \(\Leftrightarrow\dim\mathrm{Im}\,f=\dim F\) (en dimension finie)
Bijective (isomorphisme)si \(\dim E=\dim F\) fini : injective \(\Leftrightarrow\) surjective \(\Leftrightarrow\) bijective — il suffit de prouver \(\ker f=\{0\}\) ; si \(\dim E\neq\dim F\), jamais bijective
Projecteursi \(p\circ p=p\) : \(E=\ker p\oplus\mathrm{Im}\,p\) et \(\mathrm{Im}\,p=\ker(p-\mathrm{id})\) ; décomposition \(x=\underbrace{p(x)}_{\in\mathrm{Im}\,p}+\underbrace{(x-p(x))}_{\in\ker p}\)
Projection sur \(F\) parallèlement à \(G\)décomposer \(x=u+v\) (\(u\in F,v\in G\)), puis \(p(x)=u\) ; symétrie associée \(s=2p-\mathrm{id}\) (\(s(x)=u-v\), \(s\circ s=\mathrm{id}\)) ; vérifier \(p^2=p\)
Image / image réciproque d'un sous-espace\(f(\mathrm{Vect}(v_i))=\mathrm{Vect}(f(v_i))\) ; pour \(f^{-1}(G)\) : résoudre \(f(x)\in G\), c'est un sous-espace contenant \(\ker f\)
Composée, inverse\(g\circ f\) linéaire ; \(\ker f\subset\ker(g\circ f)\) et \(\mathrm{Im}(g\circ f)\subset\mathrm{Im}\,g\) ; l'inverse d'un isomorphisme est linéaire : \(f^{-1}(y)\) = résoudre \(f(x)=y\)
Pièges\(f(0)=0\) est nécessaire pas suffisante ; \(\ker f\) est dans l'espace de départ, \(\mathrm{Im}\,f\) dans l'espace d'arrivée ; \(f\) injective n'implique rien sur la surjectivité si \(\dim E\neq\dim F\) ; ne pas confondre somme et somme directe

1. Résumé de cours détaillé

1.1 Espace vectoriel — rappels

\(\mathbb K\)-espace vectoriel Un ensemble non vide \(E\) muni d'une addition \(E\times E\to E\) et d'une multiplication externe \(\mathbb K\times E\to E\) (\(\mathbb K=\mathbb R\) ou \(\mathbb C\)) vérifiant les 8 axiomes usuels (commutativité/associativité de \(+\), neutre \(0_E\), symétrique \(-u\), \(1\cdot u=u\), \((\lambda\mu)u=\lambda(\mu u)\), distributivités \(\lambda(u+v)=\lambda u+\lambda v\) et \((\lambda+\mu)u=\lambda u+\mu u\)).
Il est souvent plus rapide de prouver qu'une partie \(F\) est un sous-espace vectoriel d'un espace déjà connu, plutôt que de revérifier les 8 axiomes.
Sous-espace vectoriel \(F\subset E\) est un sous-espace vectoriel de \(E\) si : \(0_E\in F\) (ou \(F\neq\varnothing\)) ; \(u+v\in F\) pour tous \(u,v\in F\) (stabilité par somme) ; \(\lambda\cdot u\in F\) pour tout \(\lambda\in\mathbb K,\,u\in F\) (stabilité par produit externe).

1.2 Famille libre, génératrice, base, dimension

Famille libre \(\{v_1,\dots,v_p\}\) est libre (linéairement indépendante) si \(\lambda_1v_1+\cdots+\lambda_pv_p=0\ \Rightarrow\ \lambda_1=\cdots=\lambda_p=0\). Sinon elle est liée, et toute combinaison nulle non triviale est une relation de dépendance linéaire.
Famille génératrice \(\{v_1,\dots,v_p\}\) est génératrice de \(E\) si tout \(v\in E\) s'écrit \(v=\lambda_1v_1+\cdots+\lambda_pv_p\) (on dit aussi qu'elle engendre \(E\), et \(E=\operatorname{Vect}(v_1,\dots,v_p)\)).
Base, dimension Une base est une famille à la fois libre et génératrice. Si \(\mathcal B=(v_1,\dots,v_n)\) est une base de \(E\), tout vecteur s'écrit de façon unique comme combinaison linéaire des \(v_i\). Toutes les bases d'un espace de dimension finie ont le même nombre d'éléments : ce nombre est la dimension \(\dim E\) (convention : \(\dim\{0\}=0\)).
Méthodologie Pour déterminer \(\dim E\) : trouver une base (une famille libre et génératrice) — son cardinal donne la dimension, quel que soit le choix de la base.
Exemples \(\dim\mathbb R^n=n\) (base canonique \((e_1,\dots,e_n)\)) ; \(\dim\mathbb R_n[X]=n+1\) (base \((1,X,\dots,X^n)\)). En revanche \(\mathbb R[X]\), \(\mathcal F(\mathbb R,\mathbb R)\) et l'espace des suites réelles \(\mathcal F(\mathbb N,\mathbb R)\) ne sont pas de dimension finie. L'ensemble des solutions d'un système linéaire homogène est un espace vectoriel, dont une base s'obtient en exprimant la solution générale comme combinaison des paramètres libres.

2. Compléments sur les espaces vectoriels

Sous-espace engendré Pour \(\{v_1,\dots,v_n\}\subset E\), l'ensemble des combinaisons linéaires des \(v_i\) est un sous-espace vectoriel de \(E\) — le plus petit contenant tous les \(v_i\) — noté \(\operatorname{Vect}(v_1,\dots,v_n)\) : \(u\in\operatorname{Vect}(v_1,\dots,v_n)\iff\exists\lambda_1,\dots,\lambda_n\in\mathbb K,\ u=\lambda_1v_1+\cdots+\lambda_nv_n\).
Sous-espaces supplémentaires \(F,G\) sont en somme directe dans \(E\) (noté \(F\oplus G=E\)) si \(F\cap G=\{0_E\}\) et \(F+G=E\). On dit alors que \(F\) et \(G\) sont supplémentaires dans \(E\).
\(F,G\) supplémentaires \(\iff\) tout \(w\in E\) s'écrit de manière unique \(w=u+v\) avec \(u\in F,\,v\in G\).

3. Application linéaire

Définition \(f:E\to F\) (espaces vectoriels sur \(\mathbb K\)) est linéaire si \(f(u+v)=f(u)+f(v)\) pour tous \(u,v\in E\), et \(f(\lambda\cdot u)=\lambda\cdot f(u)\) pour tout \(\lambda\in\mathbb K,\,u\in E\) : \(f\) « respecte » les deux lois de l'espace vectoriel. On note \(\mathcal L(E,F)\) l'ensemble des applications linéaires de \(E\) dans \(F\).
Caractérisation concentrée \(f\) est linéaire \(\iff\) \(f(\lambda u+\mu v)=\lambda f(u)+\mu f(v)\) pour tous \(u,v\in E\), \(\lambda,\mu\in\mathbb K\). Plus généralement, \(f\Big(\sum_{i=1}^n\lambda_iv_i\Big)=\sum_{i=1}^n\lambda_if(v_i)\) : une application linéaire préserve les combinaisons linéaires.
Conséquences immédiates (avec \(\lambda=0\) puis \(\lambda=-1\)) : \(f(0_E)=0_F\) et \(f(-u)=-f(u)\). Vocabulaire : une application linéaire de \(E\) dans \(F\) est aussi un morphisme (homomorphisme) d'espaces vectoriels ; de \(E\) dans \(E\), c'est un endomorphisme, et \(\mathcal L(E,E)\) se note \(\mathcal L(E)\).
Toutes les applications ne sont pas linéaires : \(f(x)=x^2\) sur \(\mathbb R\) donne \(f(2)=4\neq2f(1)=2\) — la linéarité échoue dès qu'il y a un terme non homogène de degré \(1\) (carré, constante non nulle, valeur absolue…).
Exemples géométriques Symétrie centrale \(f:u\mapsto-u\) (homothétie de rapport \(-1\)). Homothétie \(f_\lambda:u\mapsto\lambda u\) (\(\lambda=1\) : identité ; \(\lambda=0\) : application nulle). Projection sur \(F\) parallèlement à \(G\) (avec \(E=F\oplus G\)) : \(p(u)=v\) où \(u=v+w\), \(v\in F,\,w\in G\) ; \(p\) est linéaire et vérifie \(p\circ p=p\) (\(p^2=p\)).

4. Noyau et image d'une application linéaire

Image \(\operatorname{Im}f=f(E)=\{f(x)\mid x\in E\}\). Plus généralement, si \(E'\) est un sous-espace de \(E\), \(f(E')\) est un sous-espace de \(F\). En particulier \(\operatorname{Im}f\) est un sous-espace de \(F\), et \(f\) est surjective \(\iff\operatorname{Im}f=F\).
Noyau \(\operatorname{Ker}f=\{x\in E\mid f(x)=0_F\}=f^{-1}(\{0_F\})\). C'est un sous-espace vectoriel de \(E\) (il contient \(0_E\) et est stable par combinaison linéaire).
Caractérisation de l'injectivité \[ f\text{ injective}\iff\operatorname{Ker}f=\{0_E\}. \] En pratique, pour montrer que \(f\) est injective, il suffit de vérifier : « si \(f(x)=0_F\) alors \(x=0_E\) ».
Démonstration (à retenir) (\(\Rightarrow\)) Si \(x\in\operatorname{Ker}f\), \(f(x)=0_F=f(0_E)\), et l'injectivité donne \(x=0_E\). (\(\Leftarrow\)) Si \(f(x)=f(y)\), la linéarité donne \(f(x-y)=0_F\) donc \(x-y\in\operatorname{Ker}f=\{0_E\}\), d'où \(x=y\).

2. Exercices d'entraînement (créés)

Exercice A — Noyau et image♦♦◊
Soit \(f:\mathbb R^3\to\mathbb R^2\), \(f(x,y,z)=(-2x,\,y+3z)\) (application du cours, Exemple 5/7). Déterminer \(\operatorname{Ker}f\) et \(\operatorname{Im}f\), et dire si \(f\) est injective / surjective.

Noyau

\(f(x,y,z)=(0,0)\iff-2x=0\text{ et }y+3z=0\iff x=0\text{ et }y=-3z\). Donc \(\operatorname{Ker}f=\{(0,-3z,z)\mid z\in\mathbb R\}=\operatorname{Vect}\big((0,-3,1)\big)\), une droite vectorielle : \(\dim\operatorname{Ker}f=1\neq0\).

\(f\) n'est pas injective (le noyau contient d'autres vecteurs que \(0\)).

Image

Pour \((a,b)\in\mathbb R^2\) quelconque, on cherche \((x,y,z)\) tel que \(-2x=a\) et \(y+3z=b\) : il suffit de prendre \(x=-a/2\), \(z=0\), \(y=b\). Donc tout \((a,b)\) est atteint.

\(\operatorname{Im}f=\mathbb R^2\) : \(f\) est surjective.
Exercice B — Somme directe et projection♦♦♦
Dans \(\mathbb R^2\), on pose \(F=\operatorname{Vect}\big((1,1)\big)\) et \(G=\operatorname{Vect}\big((1,-1)\big)\). Montrer que \(F\oplus G=\mathbb R^2\) et donner l'expression de la projection \(p\) sur \(F\) parallèlement à \(G\).

Somme directe

\(F\cap G\) : si \(\lambda(1,1)=\mu(1,-1)\), alors \(\lambda=\mu\) et \(\lambda=-\mu\), donc \(\lambda=\mu=0\) : \(F\cap G=\{0\}\). De plus \((1,1)\) et \((1,-1)\) forment une famille libre de 2 vecteurs dans \(\mathbb R^2\) (dimension 2) donc génératrice : \(F+G=\mathbb R^2\).

\(F\oplus G=\mathbb R^2\).

Projection

Pour \((x,y)\in\mathbb R^2\), on cherche \(a,b\) tels que \((x,y)=a(1,1)+b(1,-1)\) : \(a+b=x\), \(a-b=y\), donc \(a=\dfrac{x+y}2\), \(b=\dfrac{x-y}2\). Le projeté sur \(F\) est \(a(1,1)\).

\(p(x,y)=\dfrac{x+y}2\,(1,1)=\Big(\dfrac{x+y}2,\,\dfrac{x+y}2\Big)\).

3. Correction TD2 — Applications linéaires (10/10)

TD2 de L. Graissot (ECAM AM2, 2026-2027), pas de corrigé officiel → tout résolu maison, méthode complète sans raccourci, avec vérifications croisées systématiques.
Deux coquilles repérées dans l'énoncé original (feuille scannée) : à l'exercice 4, la 4ᵉ application est déclarée « \(f_4:\mathbb R_3[X]\to\mathbb R^3\) » mais sa formule est étiquetée « \(f_5(P)=\dots\) » — il s'agit bien d'une seule et même 4ᵉ application, notée \(f_4\) ci-dessous. À l'exercice 5, l'énoncé renvoie « aux applications linéaires de l'exercice 6 » : il s'agit d'un renvoi à l'exercice 4 (l'exercice 6 traite d'un tout autre endomorphisme) — traité comme tel ci-dessous.
Exercice 1 — Sous-espaces vectoriels décrits en Vect(F)♦♦◊
Énoncé TD2 Exercice 1 — sept ensembles à décrire sous forme de Vect(F)
Énoncé (TD2, L. Graissot) — Exercice 1.
Méthode D'après le cours (théorème « Sous-espace engendré »), \(\operatorname{Vect}(v_1,\dots,v_n)\) est toujours un sous-espace vectoriel. Il suffit donc, pour chaque \(F_i\), de paramétrer un élément quelconque et de le réécrire comme combinaison linéaire d'un nombre fini de vecteurs fixes : cela prouve à la fois que \(F_i\) est un sev et donne directement son écriture \(\operatorname{Vect}(\dots)\).

1) \(F_1=\{P\in\mathbb R_3[X]\mid P(1)=0\}\)

\(\mathbb R_3[X]\) a pour base \((1,X,X^2,X^3)\) : \(P=a_0+a_1X+a_2X^2+a_3X^3\). La condition \(P(1)=0\) s'écrit \(a_0+a_1+a_2+a_3=0\), soit \(a_0=-a_1-a_2-a_3\). Donc

\[ P=(-a_1-a_2-a_3)+a_1X+a_2X^2+a_3X^3=a_1(X-1)+a_2(X^2-1)+a_3(X^3-1). \]
\(F_1=\operatorname{Vect}\big(X-1,\ X^2-1,\ X^3-1\big)\).

2) \(F_2=\{P'\mid P\in\mathbb R_n[X]\}\), \(n\in\mathbb N\)

\(\mathbb R_n[X]\) a pour base \((1,X,\dots,X^n)\). L'application \(P\mapsto P'\) est linéaire (dérivation), donc \(F_2\) est l'image de \(\mathbb R_n[X]\) par cette application linéaire — c'est un sous-espace vectoriel, engendré par les dérivées des vecteurs de base :

\[ (1)'=0,\quad (X)'=1,\quad (X^2)'=2X,\quad\dots,\quad (X^n)'=nX^{n-1}. \]

Le vecteur nul \(0\) et les facteurs multiplicatifs \(k\) ne changent pas le sous-espace engendré (\(\operatorname{Vect}(kX^k)=\operatorname{Vect}(X^k)\) pour \(k\neq0\)) :

\(F_2=\operatorname{Vect}\big(1,X,\dots,X^{n-1}\big)=\mathbb R_{n-1}[X]\) (pour \(n=0\) : \(F_2=\{0\}\)).

3) \(F_3=\{a(x^3-1)+b(x^2-2)+c(x+4)\mid(a,b,c)\in\mathbb R^3\}\)

Ici l'écriture sous forme de Vect est directement donnée par l'énoncé : \(F_3\) est par définition l'ensemble des combinaisons linéaires de \(x^3-1\), \(x^2-2\) et \(x+4\).

\(F_3=\operatorname{Vect}\big(x^3-1,\ x^2-2,\ x+4\big)\) — sev de \(\mathbb R_3[X]\) (théorème du cours : tout Vect est un sev).

4) \(F_4=\{P\in\mathbb R_4[X]\mid P(1)=P(2)=0\}\)

\(P=a_0+a_1X+a_2X^2+a_3X^3+a_4X^4\). Les deux conditions donnent le système

\[ \begin{cases} a_0+a_1+a_2+a_3+a_4=0 &(P(1)=0)\\ a_0+2a_1+4a_2+8a_3+16a_4=0 &(P(2)=0)\end{cases} \]

\((2)-(1)\) : \(a_1+3a_2+7a_3+15a_4=0\), donc \(a_1=-3a_2-7a_3-15a_4\). En reportant dans \((1)\) : \(a_0=-a_1-a_2-a_3-a_4=2a_2+6a_3+14a_4\). D'où, en regroupant par \(a_2,a_3,a_4\) (libres) :

\[ P=a_2\underbrace{(X^2-3X+2)}_{=(X-1)(X-2)}+a_3\underbrace{(X^3-7X+6)}_{=X(X-1)(X-2)} +a_4\underbrace{(X^4-15X+14)}_{=X^2(X-1)(X-2)} \]

(on vérifie \(P(1)=P(2)=0\) sur chacun des trois générateurs, par exemple \(2-3+1=0\) et \(2-6+4=0\) pour le premier).

\(F_4=\operatorname{Vect}\big(X^2-3X+2,\ X^3-7X+6,\ X^4-15X+14\big)\).

5) \(F_5=\big\{P\in\mathbb R_2[X]\mid\int_0^1P(t)\,dt=0\big\}\)

\(P=a+bX+cX^2\). \(\displaystyle\int_0^1P(t)\,dt=a+\frac b2+\frac c3=0\), donc \(a=-\dfrac b2-\dfrac c3\). D'où

\[ P=b\Big(X-\frac12\Big)+c\Big(X^2-\frac13\Big) \]

Pour éliminer les fractions, on choisit les générateurs proportionnels \(2X-1\) et \(3X^2-1\) (même droite/plan engendré) — vérification : \(\int_0^1(2t-1)\,dt=[t^2-t]_0^1=0\) et \(\int_0^1(3t^2-1)\,dt=[t^3-t]_0^1=0\).

\(F_5=\operatorname{Vect}\big(2X-1,\ 3X^2-1\big)\).

6) \(F_6=\{P\in\mathbb R_2[X]\mid P'(x)=0\}\)

\(P'=0\) pour un polynôme signifie que \(P\) est constant : \(P=a\cdot1\).

\(F_6=\operatorname{Vect}(1)=\mathbb R_0[X]\).

7) \(F_7=\{P\in\mathbb R_3[X]\mid P''(x)=0\}\)

\(P''=0\) signifie que \(P\) est de degré \(\leqslant1\) (affine) : \(P=a+bX\).

\(F_7=\operatorname{Vect}(1,X)=\mathbb R_1[X]\).
Exercice 2 — Bases de \(\mathbb R^3\), coordonnées, familles libres/génératrices♦♦♦
Énoncé TD2 Exercice 2 — bases de R3 et coordonnées
Énoncé (TD2, L. Graissot) — Exercice 2.

1) \(v_1=(0,1,1),\,v_2=(1,0,1),\,v_3=(1,1,0)\) : base de \(\mathbb R^3\) ? Coordonnées de \(w=(1,1,1)\)

3 vecteurs dans un espace de dimension 3 : il suffit de montrer qu'ils forment une famille libre (alors libre \(\iff\) génératrice \(\iff\) base). On calcule le déterminant :

\[ \det(v_1,v_2,v_3)=\begin{vmatrix}0&1&1\\1&0&1\\1&1&0\end{vmatrix} =0(0\cdot0-1\cdot1)-1(1\cdot0-1\cdot1)+1(1\cdot1-0\cdot1)=0+1+1=2\neq0 \]
Déterminant non nul \(\Rightarrow\) famille libre de 3 vecteurs en dimension 3 \(\Rightarrow(v_1,v_2,v_3)\) est une base de \(\mathbb R^3\).

On cherche \(\alpha,\beta,\gamma\) tels que \(w=\alpha v_1+\beta v_2+\gamma v_3\) :

\[ (1,1,1)=\alpha(0,1,1)+\beta(1,0,1)+\gamma(1,1,0)=(\beta+\gamma,\ \alpha+\gamma,\ \alpha+\beta) \]

D'où le système \(\beta+\gamma=1,\ \alpha+\gamma=1,\ \alpha+\beta=1\). En additionnant les trois équations : \(2(\alpha+\beta+\gamma)=3\), donc \(\alpha+\beta+\gamma=\frac32\). En retranchant chaque équation à cette somme : \(\alpha=\frac32-1=\frac12\), de même \(\beta=\gamma=\frac12\).

\(w=\dfrac12v_1+\dfrac12v_2+\dfrac12v_3\).

2) \(v_1=(1,1,1),\,v_2=(-1,1,0),\,v_3=(1,0,-1)\) : base ? Coordonnées de \(e_1,e_2,e_3,w=(1,2,-3)\)

\[ \det(v_1,v_2,v_3)=\begin{vmatrix}1&-1&1\\1&1&0\\1&0&-1\end{vmatrix} =1(1\cdot(-1)-0\cdot0)-(-1)(1\cdot(-1)-0\cdot1)+1(1\cdot0-1\cdot1)=-1-1-1=-3\neq0 \]
Déterminant \(=-3\neq0\Rightarrow(v_1,v_2,v_3)\) base de \(\mathbb R^3\).

On pose \(\alpha v_1+\beta v_2+\gamma v_3=(\alpha-\beta+\gamma,\ \alpha+\beta,\ \alpha-\gamma)\) et on résout pour chaque cible \((x,y,z)\) : \(x=\alpha-\beta+\gamma,\ y=\alpha+\beta,\ z=\alpha-\gamma\) donnent \(\beta=y-\alpha,\ \gamma=\alpha-z\), puis en reportant dans la 1ʳᵉ équation \(\alpha-(y-\alpha)+(\alpha-z)=x\Rightarrow3\alpha=x+y+z\Rightarrow\alpha=\dfrac{x+y+z}3\).

Pour \(e_1=(1,0,0)\) : \(\alpha=\frac13\), \(\beta=0-\frac13=-\frac13\), \(\gamma=\frac13-0=\frac13\). Vérif. : \(\alpha-\beta+\gamma=\frac13+\frac13+\frac13=1=x\) ✓, \(\alpha+\beta=0=y\) ✓, \(\alpha-\gamma=0=z\) ✓.

\(e_1=\dfrac13v_1-\dfrac13v_2+\dfrac13v_3\).

Pour \(e_2=(0,1,0)\) : \(\alpha=\frac13\), \(\beta=1-\frac13=\frac23\), \(\gamma=\frac13-0=\frac13\).

\(e_2=\dfrac13v_1+\dfrac23v_2+\dfrac13v_3\).

Pour \(e_3=(0,0,1)\) : \(\alpha=\frac13\), \(\beta=0-\frac13=-\frac13\), \(\gamma=\frac13-1=-\frac23\).

\(e_3=\dfrac13v_1-\dfrac13v_2-\dfrac23v_3\).

Pour \(w=(1,2,-3)\) : \(\alpha=\dfrac{1+2-3}3=0\), \(\beta=2-0=2\), \(\gamma=0-(-3)=3\). Vérif. : \(\alpha-\beta+\gamma=0-2+3=1\) ✓, \(\alpha+\beta=2\) ✓, \(\alpha-\gamma=-3\) ✓. Cohérence avec la linéarité des coordonnées : comme \(w=e_1+2e_2-3e_3\), on doit avoir coords\((w)=\)coords\((e_1)+2\)coords\((e_2)-3\)coords\((e_3)=(0,2,3)\) — même résultat.

\(w=0\cdot v_1+2v_2+3v_3=2v_2+3v_3\).

3) Dans \(\mathbb R^3\), famille libre qui n'est pas génératrice

\(\{(1,0,0),(0,1,0)\}\) : ces 2 vecteurs ne sont pas colinéaires, donc la famille est libre. Mais \(\operatorname{Vect}\) de 2 vecteurs a une dimension \(\leqslant2<3\), donc elle ne peut pas engendrer \(\mathbb R^3\) tout entier (elle n'engendre que le plan \(\{z=0\}\)).

Exemple : \(\{(1,0,0),(0,1,0)\}\) — libre, non génératrice.

4) Dans \(\mathbb R^3\), famille génératrice qui n'est pas libre

\(\{(1,0,0),(0,1,0),(0,0,1),(1,1,1)\}\) : elle contient la base canonique, donc elle est génératrice. Mais 4 vecteurs dans un espace de dimension 3 sont nécessairement liés (on ne peut pas avoir plus de vecteurs libres que la dimension) : par exemple \((1,1,1)=1\cdot(1,0,0)+1\cdot(0,1,0)+1\cdot(0,0,1)\) est une relation de dépendance non triviale.

Exemple : \(\{(1,0,0),(0,1,0),(0,0,1),(1,1,1)\}\) — génératrice, non libre.
Exercice 3 — Linéarité et noyau d'une application \(\mathbb R^3\to\mathbb R^2\)♦◊◊
Énoncé TD2 Exercice 3 — u(x)=(x1+x2+x3, 2x1+x2-x3)
Énoncé (TD2, L. Graissot) — Exercice 3.
\(u:\mathbb R^3\to\mathbb R^2\), \(u(x_1,x_2,x_3)=(x_1+x_2+x_3,\,2x_1+x_2-x_3)\).

1) Montrer que \(u\) est linéaire

Soient \(x=(x_1,x_2,x_3),\,y=(y_1,y_2,y_3)\in\mathbb R^3\) et \(\lambda,\mu\in\mathbb R\).

\[ \lambda x+\mu y=(\lambda x_1+\mu y_1,\ \lambda x_2+\mu y_2,\ \lambda x_3+\mu y_3) \] \[ u(\lambda x+\mu y)=\big((\lambda x_1+\mu y_1)+(\lambda x_2+\mu y_2)+(\lambda x_3+\mu y_3),\ 2(\lambda x_1+\mu y_1)+(\lambda x_2+\mu y_2)-(\lambda x_3+\mu y_3)\big) \]

On regroupe chaque composante par \(\lambda\) et par \(\mu\) :

\[ u(\lambda x+\mu y)=\lambda\underbrace{(x_1+x_2+x_3,\,2x_1+x_2-x_3)}_{=u(x)} +\mu\underbrace{(y_1+y_2+y_3,\,2y_1+y_2-y_3)}_{=u(y)}=\lambda u(x)+\mu u(y) \]
\(u(\lambda x+\mu y)=\lambda u(x)+\mu u(y)\) pour tous \(x,y,\lambda,\mu\) : \(u\) est linéaire.

2) Déterminer \(\operatorname{Ker}(u)\)

\[ u(x)=(0,0)\iff\begin{cases}x_1+x_2+x_3=0\\2x_1+x_2-x_3=0\end{cases} \]

De la 1ʳᵉ équation : \(x_1=-x_2-x_3\). On reporte dans la 2ᵉ :

\[ 2(-x_2-x_3)+x_2-x_3=0\iff-2x_2-2x_3+x_2-x_3=0\iff-x_2-3x_3=0\iff x_2=-3x_3 \]

Puis \(x_1=-x_2-x_3=3x_3-x_3=2x_3\). Donc \((x_1,x_2,x_3)=(2x_3,-3x_3,x_3)=x_3(2,-3,1)\).

\(\operatorname{Ker}(u)=\operatorname{Vect}\big((2,-3,1)\big)\) — droite vectorielle, \(\dim\operatorname{Ker}(u)=1\neq0\) : \(u\) n'est donc pas injective.
Exercice 4 — Linéarité de quatre applications♦♦◊
Énoncé TD2 Exercice 4 — f1, f2, f3, f4 à tester
Énoncé (TD2, L. Graissot) — Exercice 4.

\(f_1:\mathbb R^2\to\mathbb R^2,\ f_1(x,y)=(2x+y,\,x-y)\)

Chaque composante est une combinaison linéaire de \(x,y\) sans terme constant ni produit : pour \(\lambda,\mu\in\mathbb R\), \(f_1(\lambda(x,y)+\mu(x',y'))=f_1(\lambda x+\mu x',\lambda y+\mu y') =\big(2(\lambda x+\mu x')+(\lambda y+\mu y'),\,(\lambda x+\mu x')-(\lambda y+\mu y')\big) =\lambda(2x+y,x-y)+\mu(2x'+y',x'-y')=\lambda f_1(x,y)+\mu f_1(x',y')\).

\(f_1\) est linéaire.

\(f_2:\mathbb R^3\to\mathbb R^3,\ f_2(x,y,z)=(xy,\,x,\,y)\)

La première composante \(xy\) est quadratique (produit de deux coordonnées), donc pas homogène de degré 1. Contre-exemple : \(f_2\big(2\cdot(1,1,1)\big)=f_2(2,2,2)=(4,2,2)\) alors que \(2f_2(1,1,1)=2(1,1,1)=(2,2,2)\) : \(4\neq2\).

\(f_2\) n'est pas linéaire (l'homogénéité échoue à cause du terme \(xy\)).

\(f_3:\mathbb R^3\to\mathbb R^3,\ f_3(x,y,z)=(2x+y+z,\,y-z,\,x+y)\)

Les trois composantes sont des combinaisons linéaires de \(x,y,z\) : même argument que pour \(f_1\), chaque composante de \(f_3(\lambda u+\mu v)\) se sépare en \(\lambda\cdot(\text{composante de }f_3(u))+\mu\cdot(\text{composante de }f_3(v))\).

\(f_3\) est linéaire.

\(f_4:\mathbb R_3[X]\to\mathbb R^3,\ f_4(P)=(P(-1),\,P(0),\,P(1))\)

Pour \(P,Q\in\mathbb R_3[X]\), \(\lambda,\mu\in\mathbb R\) : l'évaluation d'un polynôme en un point fixé est linéaire, \((\lambda P+\mu Q)(a)=\lambda P(a)+\mu Q(a)\) pour tout \(a\). Donc

\[ f_4(\lambda P+\mu Q)=\big((\lambda P+\mu Q)(-1),(\lambda P+\mu Q)(0),(\lambda P+\mu Q)(1)\big) =\lambda\big(P(-1),P(0),P(1)\big)+\mu\big(Q(-1),Q(0),Q(1)\big)=\lambda f_4(P)+\mu f_4(Q) \]
\(f_4\) est linéaire.
Exercice 5 — Noyau, image, injectivité de \(f_1,f_3,f_4\)♦♦♦
Énoncé TD2 Exercice 5 — Ker et Im des applications de l'exercice 4
Énoncé (TD2, L. Graissot) — Exercice 5 (renvoie, malgré la coquille « exercice 6 », aux applications de l'exercice 4).

On traite \(f_1,f_3,f_4\) (les 3 applications linéaires de l'exercice 4 — \(f_2\) est exclue, elle n'est pas linéaire).

\(f_1(x,y)=(2x+y,x-y)\)

Noyau : \(2x+y=0\) et \(x-y=0\Rightarrow y=x\), puis \(2x+x=3x=0\Rightarrow x=0,\,y=0\).

\(\operatorname{Ker}f_1=\{(0,0)\}\Rightarrow f_1\) injective.

Image — matrice de \(f_1\) dans les bases canoniques : \(\begin{pmatrix}2&1\\1&-1\end{pmatrix}\), \(\det=2(-1)-1(1)=-3\neq0\). Par le théorème du rang, \(\dim\operatorname{Ker}f_1+\dim\operatorname{Im}f_1=\dim\mathbb R^2=2\) ; \(\dim\operatorname{Ker}f_1=0\Rightarrow\dim\operatorname{Im}f_1=2=\dim\mathbb R^2\).

\(\operatorname{Im}f_1=\mathbb R^2\Rightarrow f_1\) surjective, donc bijective (isomorphisme).

\(f_3(x,y,z)=(2x+y+z,\,y-z,\,x+y)\)

Noyau : \(2x+y+z=0,\ y-z=0,\ x+y=0\). De la 3ᵉ : \(y=-x\). De la 2ᵉ : \(z=y=-x\). On reporte dans la 1ʳᵉ : \(2x+(-x)+(-x)=0\) — toujours vraie, quel que soit \(x\). Donc pour tout \(x\in\mathbb R\), \((x,-x,-x)\) convient.

\(\operatorname{Ker}f_3=\operatorname{Vect}\big((1,-1,-1)\big)\), dimension 1 \(\neq0\Rightarrow f_3\) pas injective.

Image : \(\operatorname{Im}f_3=\operatorname{Vect}\big(f_3(e_1),f_3(e_2),f_3(e_3)\big) =\operatorname{Vect}\big((2,0,1),(1,1,1),(1,-1,0)\big)\). Par le théorème du rang, \(\dim\operatorname{Im}f_3=3-\dim\operatorname{Ker}f_3=3-1=2\) : ces 3 générateurs sont liés, 2 suffisent, par exemple \((2,0,1)\) et \((1,1,1)\) (non colinéaires). L'équation cartésienne du plan \(\operatorname{Im}f_3\) s'obtient via le vecteur normal \(n=(2,0,1)\times(1,1,1)\), calculé composante par composante :

\[ n=\big(0\cdot1-1\cdot1,\ 1\cdot1-2\cdot1,\ 2\cdot1-0\cdot1\big)=(-1,-1,2) \]

Équation de plan : \(-x-y+2z=0\), soit \(x+y-2z=0\). Vérification sur les 3 générateurs : \((2,0,1)\to2+0-2=0\) ✓ ; \((1,1,1)\to1+1-2=0\) ✓ ; \((1,-1,0)\to1-1-0=0\) ✓.

\(\operatorname{Im}f_3=\operatorname{Vect}\big((2,0,1),(1,1,1)\big) =\{(a,b,c)\in\mathbb R^3\mid a+b-2c=0\}\), dimension 2 \(\neq3\Rightarrow f_3\) pas surjective. Donc \(f_3\) n'est ni injective, ni surjective : pas bijective.

\(f_4(P)=(P(-1),P(0),P(1))\)

Noyau : \(P(-1)=P(0)=P(1)=0\) avec \(\deg P\leqslant3\). \(P\) admet 3 racines distinctes \(-1,0,1\) : dans \(\mathbb R[X]\), \(P\) est donc divisible par \((X+1)X(X-1)=X^3-X\), qui est déjà de degré 3 = degré maximal autorisé. Le quotient est donc une constante \(k\) : \(P=k(X^3-X)\).

\(\operatorname{Ker}f_4=\operatorname{Vect}(X^3-X)\), dimension 1 \(\neq0\Rightarrow f_4\) pas injective.

Image — théorème du rang : \(\dim\mathbb R_3[X]=4\), \(\dim\operatorname{Ker}f_4=1\Rightarrow \dim\operatorname{Im}f_4=4-1=3=\dim\mathbb R^3\).

\(\operatorname{Im}f_4=\mathbb R^3\Rightarrow f_4\) surjective (mais pas injective, donc pas bijective).
Exercice 6 — Endomorphisme défini par l'image de la base canonique♦♦♦
Énoncé TD2 Exercice 6 — endomorphisme u de R3
Énoncé (TD2, L. Graissot) — Exercice 6.
\(u\) endomorphisme de \(\mathbb R^3\) avec \(u(e_1)=(1,-1,2)\), \(u(e_2)=(-3,2,-1)\), \(u(e_3)=(-7,4,1)\).

1) Expression explicite de \(u\)

Pour \(x=(x_1,x_2,x_3)=x_1e_1+x_2e_2+x_3e_3\), la linéarité donne \(u(x)=x_1u(e_1)+x_2u(e_2)+x_3u(e_3)\) :

\[ u(x)=x_1(1,-1,2)+x_2(-3,2,-1)+x_3(-7,4,1) \]
\(u(x_1,x_2,x_3)=(x_1-3x_2-7x_3,\ -x_1+2x_2+4x_3,\ 2x_1-x_2+x_3)\).

2) Antécédents de \((-1,1,8)\) et de \((-2,1,3)\)

On calcule d'abord le déterminant de la matrice \(U\) de \(u\) (colonnes = images de \(e_1,e_2,e_3\)) pour savoir à quoi s'attendre :

\[ \det U=\begin{vmatrix}1&-3&-7\\-1&2&4\\2&-1&1\end{vmatrix} =1(2\cdot1-4\cdot(-1))-(-3)\big((-1)\cdot1-4\cdot2\big)+(-7)\big((-1)(-1)-2\cdot2\big) \] \[ =1(2+4)+3(-1-8)-7(1-4)=6-27+21=0 \]

\(\det U=0\) : \(u\) n'est pas bijective, il existe des vecteurs sans antécédent. On résout quand même les deux systèmes.

Pour \((-1,1,8)\) :

\[ \begin{cases}x_1-3x_2-7x_3=-1 &(1)\\-x_1+2x_2+4x_3=1 &(2)\\2x_1-x_2+x_3=8 &(3)\end{cases} \]

\((1)+(2)\) : \(-x_2-3x_3=0\Rightarrow x_2=-3x_3\). De \((3)\) : \(2x_1-(-3x_3)+x_3=8\Rightarrow 2x_1+4x_3=8\Rightarrow x_1=4-2x_3\). On reporte dans \((1)\) :

\[ (4-2x_3)-3(-3x_3)-7x_3=-1\iff4-2x_3+9x_3-7x_3=-1\iff4+0\cdot x_3=-1 \]

Contradiction (\(4\neq-1\)), quel que soit \(x_3\) : le système est incompatible.

\((-1,1,8)\) n'a aucun antécédent par \(u\) (il n'appartient pas à \(\operatorname{Im}u\)).

Pour \((-2,1,3)\) : même méthode, \((1)+(2)\Rightarrow x_2=1-3x_3\), \((3)\Rightarrow 2x_1-(1-3x_3)+x_3=3\Rightarrow x_1=2-2x_3\). On reporte dans \((1)\) :

\[ (2-2x_3)-3(1-3x_3)-7x_3=-2\iff2-2x_3-3+9x_3-7x_3=-2\iff-1+0\cdot x_3=-2 \]

Contradiction à nouveau (\(-1\neq-2\)).

\((-2,1,3)\) n'a aucun antécédent par \(u\) non plus.

Vérification indépendante — recherche de \(\operatorname{Im}u\) : comme \(\det U=0\), les colonnes sont liées. On vérifie \(u(e_3)=2u(e_1)+3u(e_2)\) : \(2(1,-1,2)+3(-3,2,-1)=(2-9,-2+6,4-3) =(-7,4,1)=u(e_3)\) ✓. Donc \(\operatorname{Im}u=\operatorname{Vect}\big(u(e_1),u(e_2)\big) =\operatorname{Vect}\big((1,-1,2),(-3,2,-1)\big)\), plan de normale \(n=(1,-1,2)\times(-3,2,-1)=(-1\cdot(-1)-2\cdot2,\ 2\cdot(-3)-1\cdot(-1),\ 1\cdot2-(-1)(-3))=(-3,-5,-1)\), d'équation \(3x+5y+z=0\) (après avoir multiplié par \(-1\)). Test : \(3(-1)+5(1)+8=10\neq0\) et \(3(-2)+5(1)+3=2\neq0\) — confirme dans les deux cas l'absence d'antécédent.

3) \(u\) injective / surjective / bijective ?

On calcule \(\operatorname{Ker}u\) pour appliquer le théorème du rang : \(u(x)=(0,0,0)\) donne (même système que ci-dessus avec second membre nul) \(x_2=-3x_3\), puis \(2x_1+4x_3=0\Rightarrow x_1=-2x_3\), et \((1)\) : \((-2x_3)-3(-3x_3)-7x_3=-2x_3+9x_3-7x_3=0\) — toujours vraie.

\(\operatorname{Ker}u=\operatorname{Vect}\big((-2,-3,1)\big)\), dimension 1 \(\neq0\Rightarrow u\) pas injective. \(\dim\operatorname{Im}u=3-1=2\neq3\Rightarrow u\) pas surjective (cohérent avec la question 2). Donc \(u\) n'est pas bijective.
Exercice 7 — Supplémentaires, projection et symétrie (1)♦♦♦
Énoncé TD2 Exercice 7 — F=Vect(1,1,1), G plan 2x+y-z=0
Énoncé (TD2, L. Graissot) — Exercice 7.
\(F=\operatorname{Vect}\big((1,1,1)\big)\), \(G=\{(x,y,z)\mid2x+y-z=0\}\), deux sev de \(\mathbb R^3\).

1) Montrer \(F\oplus G=\mathbb R^3\)

\(F\cap G=\{0\}\) : un élément de \(F\) s'écrit \(\lambda(1,1,1)\). Il appartient à \(G\) ssi \(2\lambda+\lambda-\lambda=2\lambda=0\), donc ssi \(\lambda=0\). Donc \(F\cap G=\{(0,0,0)\}\).

Dimensions : \(\dim F=1\). \(G\) est défini par une seule équation linéaire non triviale dans \(\mathbb R^3\) : \(z=2x+y\), donc \(G=\{(x,y,2x+y)\mid x,y\in\mathbb R\} =\operatorname{Vect}\big((1,0,2),(0,1,1)\big)\), \(\dim G=2\) (ces 2 générateurs ne sont pas colinéaires).

Par la formule des dimensions, \(\dim(F+G)=\dim F+\dim G-\dim(F\cap G)=1+2-0=3=\dim\mathbb R^3\). Comme \(F+G\subset\mathbb R^3\), on a \(F+G=\mathbb R^3\).

\(F\cap G=\{0\}\) et \(F+G=\mathbb R^3\ \Rightarrow\ F\oplus G=\mathbb R^3\).

2) Projection \(p\) sur \(F\) parallèlement à \(G\)

Pour \(w=(x,y,z)\in\mathbb R^3\), on écrit \(w=u+v\) avec \(u=\lambda(1,1,1)\in F\) et \(v\in G\). \(v=w-u=(x-\lambda,y-\lambda,z-\lambda)\) doit vérifier \(2x-y-z\)… l'équation de \(G\) :

\[ 2(x-\lambda)+(y-\lambda)-(z-\lambda)=0\iff2x+y-z-2\lambda=0\iff\lambda=\frac{2x+y-z}2 \]

Le projeté sur \(F\) est \(u=\lambda(1,1,1)\) :

\[ p(x,y,z)=\frac{2x+y-z}2\,(1,1,1) \]

Vérifications : pour \((1,1,1)\in F\), \(\lambda=\frac{2+1-1}2=1\Rightarrow p=(1,1,1)\) ✓ (identité sur \(F\)). Pour \((1,0,2)\in G\) (car \(2\cdot1+0-2=0\)), \(\lambda=\frac{2+0-2}2=0 \Rightarrow p=(0,0,0)\) ✓ (nul sur \(G\)).

\(p(x,y,z)=\Big(\dfrac{2x+y-z}2,\ \dfrac{2x+y-z}2,\ \dfrac{2x+y-z}2\Big)\).

3) Symétrie \(s\) par rapport à \(G\) parallèlement à \(F\)

Par définition, \(s(w)=v-u=w-2u=w-2p(w)\) (on garde la partie \(G\), on inverse la partie \(F\)). Avec \(2p(w)=(2x+y-z)(1,1,1)\) :

\[ s(x,y,z)=(x,y,z)-(2x+y-z,\,2x+y-z,\,2x+y-z) \] \[ =(x-2x-y+z,\ y-2x-y+z,\ z-2x-y+z)=(-x-y+z,\ -2x+z,\ -2x-y+2z) \]

Vérifications : pour \((1,0,2)\in G\), \(s=(-1-0+2,\,-2+2,\,-2-0+4)=(1,0,2)\) ✓ (identité sur \(G\)). Pour \((1,1,1)\in F\), \(s=(-1-1+1,\,-2+1,\,-2-1+2)=(-1,-1,-1)=-w\) ✓ (opposé sur \(F\)).

\(s(x,y,z)=(-x-y+z,\ -2x+z,\ -2x-y+2z)\).
Exercice 8 — Supplémentaires et projection (2)♦♦◊
Énoncé TD2 Exercice 8 — F plan 2x-y+z=0, G=Vect(1,2,-1)
Énoncé (TD2, L. Graissot) — Exercice 8.
\(F=\{(x,y,z)\mid2x-y+z=0\}\), \(G=\operatorname{Vect}\big((1,2,-1)\big)\), deux sev de \(\mathbb R^3\).

1) Base de \(F\), puis \(F,G\) supplémentaires

\(2x-y+z=0\iff y=2x+z\), donc \(F=\{(x,2x+z,z)\mid x,z\in\mathbb R\} =\operatorname{Vect}\big((1,2,0),(0,1,1)\big)\) — ces 2 vecteurs ne sont pas colinéaires : c'est une base de \(F\).

Base de \(F\) : \(\big((1,2,0),\,(0,1,1)\big)\), \(\dim F=2\).

\(F\cap G\) : élément de \(G\) : \(\mu(1,2,-1)\). Condition d'appartenance à \(F\) : \(2\mu-2\mu+(-\mu)=-\mu=0\Rightarrow\mu=0\). Donc \(F\cap G=\{0\}\).

\(\dim F+\dim G=2+1=3=\dim\mathbb R^3\) et \(F\cap G=\{0\}\Rightarrow F+G=\mathbb R^3\) (même argument par la formule des dimensions qu'à l'exercice 7).

\(F\oplus G=\mathbb R^3\) : \(F\) et \(G\) sont supplémentaires.

2) Projection sur \(F\) parallèlement à \(G\)

Pour \(w=(x,y,z)\), on écrit \(w=u+v\), \(v=\mu(1,2,-1)\in G\), \(u=w-v\in F\) :

\[ u=(x-\mu,\,y-2\mu,\,z+\mu)\ \text{et}\ 2(x-\mu)-(y-2\mu)+(z+\mu)=0 \] \[ \iff2x-2\mu-y+2\mu+z+\mu=0\iff2x-y+z+\mu=0\iff\mu=-2x+y-z \]

D'où \(p(w)=u=(x-\mu,\,y-2\mu,\,z+\mu)\) :

\[ x-\mu=x-(-2x+y-z)=3x-y+z,\quad y-2\mu=y-2(-2x+y-z)=4x-y+2z,\quad z+\mu=z+(-2x+y-z)=-2x+y \]
\(p(x,y,z)=(3x-y+z,\ 4x-y+2z,\ -2x+y)\).

Vérifications : pour \((1,2,0)\in F\), \(p=(3-2+0,\,4-2+0,\,-2+2)=(1,2,0)\) ✓. Pour \((1,2,-1)\in G\), \(p=(3-2-1,\,4-2-2,\,-2+2)=(0,0,0)\) ✓.

Exercice 9 — \(\mathbb C\) comme \(\mathbb R\)-espace vectoriel, un projecteur♦♦♦
Énoncé TD2 Exercice 9 — phi(z) = z/2 + i.zbar/2
Énoncé (TD2, L. Graissot) — Exercice 9.
\(\mathbb C\) vu comme \(\mathbb R\)-espace vectoriel, \(\varphi(z)=\dfrac12z+\dfrac i2\bar z\).

1) \(\varphi\) est un endomorphisme de \(\mathbb C\) (en tant que \(\mathbb R\text{-ev}\))

Lemme : la conjugaison est \(\mathbb R\)-linéaire. En effet, pour \(\lambda\in\mathbb R\) et \(z=a+ib\) : \(\overline{\lambda z}=\overline{\lambda a+i\lambda b}=\lambda a-i\lambda b =\lambda(a-ib)=\lambda\bar z\), et \(\overline{z+w}=\bar z+\bar w\) (propriété usuelle de la conjugaison). Donc pour \(\lambda,\mu\in\mathbb R\) : \(\overline{\lambda z+\mu w}=\lambda\bar z+\mu\bar w\).

Soient \(z,w\in\mathbb C\), \(\lambda,\mu\in\mathbb R\) :

\[ \varphi(\lambda z+\mu w)=\frac12(\lambda z+\mu w)+\frac i2\overline{(\lambda z+\mu w)} =\frac12(\lambda z+\mu w)+\frac i2(\lambda\bar z+\mu\bar w) \] \[ =\lambda\Big(\frac12z+\frac i2\bar z\Big)+\mu\Big(\frac12w+\frac i2\bar w\Big)=\lambda\varphi(z)+\mu\varphi(w) \]
\(\varphi(\lambda z+\mu w)=\lambda\varphi(z)+\mu\varphi(w)\) pour tous \(z,w\in\mathbb C,\ \lambda,\mu\in\mathbb R\) : \(\varphi\) est \(\mathbb R\)-linéaire, donc \(\varphi\in\operatorname{End}_{\mathbb R}(\mathbb C)\).

2) \(\varphi\) est un projecteur (\(\varphi\circ\varphi=\varphi\))

On calcule d'abord \(\overline{\varphi(z)}\) : \(\overline{\varphi(z)} =\overline{\dfrac12z+\dfrac i2\bar z}=\dfrac12\bar z+\overline{\Big(\dfrac i2\Big)}\cdot\overline{\bar z} =\dfrac12\bar z-\dfrac i2z\) (car \(\bar i=-i\) et \(\overline{\bar z}=z\)).

\[ \varphi(\varphi(z))=\frac12\varphi(z)+\frac i2\overline{\varphi(z)} =\frac12\Big(\frac12z+\frac i2\bar z\Big)+\frac i2\Big(\frac12\bar z-\frac i2z\Big) \] \[ =\frac14z+\frac i4\bar z+\frac i4\bar z-\frac{i^2}4z=\frac14z+\frac i4\bar z+\frac i4\bar z+\frac14z \qquad(\text{car }-i^2=1) \] \[ =\Big(\frac14+\frac14\Big)z+\Big(\frac i4+\frac i4\Big)\bar z=\frac12z+\frac i2\bar z=\varphi(z) \]
\(\varphi\circ\varphi=\varphi\) : par définition, \(\varphi\) est un projecteur.

3) Image et noyau de \(\varphi\), dimensions

On pose \(z=x+iy\) (\(x,y\in\mathbb R\)) et on calcule \(\varphi(z)\) explicitement :

\[ \varphi(x+iy)=\frac12(x+iy)+\frac i2(x-iy)=\frac x2+\frac{iy}2+\frac{ix}2+\frac y2 =\frac{x+y}2+i\,\frac{x+y}2=\frac{x+y}2(1+i) \]

Noyau : \(\varphi(z)=0\iff\dfrac{x+y}2=0\iff y=-x\iff z=x-ix=x(1-i)\).

\(\operatorname{Ker}\varphi=\operatorname{Vect}_{\mathbb R}(1-i)\) — droite réelle de \(\mathbb C\), \(\dim_{\mathbb R}\operatorname{Ker}\varphi=1\).

Image : \(\varphi(z)=k(1+i)\) où \(k=\frac{x+y}2\) décrit tout \(\mathbb R\) quand \(x,y\) varient (ex. \(y=0,\,x=2k\)).

\(\operatorname{Im}\varphi=\operatorname{Vect}_{\mathbb R}(1+i)\), \(\dim_{\mathbb R}\operatorname{Im}\varphi=1\).

Vérification (théorème du rang) : \(\dim_{\mathbb R}\mathbb C=2\) (base \((1,i)\)) et \(\dim\operatorname{Ker}\varphi+\dim\operatorname{Im}\varphi=1+1=2\) ✓.

Exercice 10 — L'application somme \(f:F\times G\to E,\ f(x,y)=x+y\)♦♦♦
Énoncé TD2 Exercice 10 — f(x,y)=x+y sur F×G
Énoncé (TD2, L. Graissot) — Exercice 10.
\(E\) un \(\mathbb K\)-espace vectoriel, \(F,G\) sev de \(E\), \(f:F\times G\to E\), \(f(x,y)=x+y\) (\(F\times G\) est lui-même un \(\mathbb K\text{-ev}\), avec les opérations composante par composante).

1) Montrer que \(f\) est linéaire

Soient \((x_1,y_1),(x_2,y_2)\in F\times G\), \(\lambda,\mu\in\mathbb K\). Dans \(F\times G\), \(\lambda(x_1,y_1)+\mu(x_2,y_2)=(\lambda x_1+\mu x_2,\ \lambda y_1+\mu y_2)\).

\[ f\big(\lambda(x_1,y_1)+\mu(x_2,y_2)\big)=(\lambda x_1+\mu x_2)+(\lambda y_1+\mu y_2) =\lambda(x_1+y_1)+\mu(x_2+y_2)=\lambda f(x_1,y_1)+\mu f(x_2,y_2) \]
\(f\) est linéaire.

2) Noyau et image de \(f\)

Noyau : \(f(x,y)=0\iff x+y=0\iff y=-x\), avec \(x\in F\) et \(y\in G\). La condition \(y=-x\in G\) équivaut à \(x\in-G=G\) (car \(G\) est un sous-espace vectoriel, stable par \(-1\cdot\)). Donc la condition complète est \(x\in F\) et \(x\in G\), c'est-à-dire \(x\in F\cap G\).

\(\operatorname{Ker}f=\{(x,-x)\mid x\in F\cap G\}\) (isomorphe à \(F\cap G\) via \(x\mapsto(x,-x)\)).

Image : \(\operatorname{Im}f=\{x+y\mid x\in F,\,y\in G\}\), qui est précisément la définition de la somme de sous-espaces.

\(\operatorname{Im}f=F+G\).

3) Condition nécessaire et suffisante d'injectivité / surjectivité / bijectivité

Injective \(\iff\operatorname{Ker}f=\{(0,0)\}\iff F\cap G=\{0\}\) (d'après la description de \(\operatorname{Ker}f\) ci-dessus, réduite au seul \(x=0\)).

Surjective \(\iff\operatorname{Im}f=E\iff F+G=E\) (par définition de la surjectivité et l'expression de \(\operatorname{Im}f\)).

\(f\) bijective \(\iff\) injective et surjective \(\iff F\cap G=\{0\}\) et \(F+G=E\) \(\iff F\oplus G=E\) : \(F\) et \(G\) sont supplémentaires dans \(E\). (Cet exercice justifie a posteriori la définition même des sous-espaces supplémentaires : \(F\oplus G=E\) équivaut exactement à ce que l'application « somme » \(F\times G\to E\) soit un isomorphisme.)

📂 Documents donnés

Fichier original lié à ce chapitre. Cliquez pour ouvrir.

Scan complet du cours (L. Graissot)

TD2 — Applications linéaires (L. Graissot)

Cursus AM2 · Mathématiques · L. Graissot, 2026-2027. Cours en cours (s'arrête au Noyau/Image), TD2 corrigé intégralement (10/10 exercices, pas de corrigé officiel disponible — résolu maison). Voir aussi Ch1 — Analyse asymptotique (même scan, p.5 → 16).