Feuille 3 : Quelques corrections

Documents pareils
Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Université Paris-Dauphine DUMI2E 1ère année, Applications

Exercices Corrigés Premières notions sur les espaces vectoriels

Cours de mathématiques

CCP PSI Mathématiques 1 : un corrigé

Résolution d équations non linéaires

Commun à tous les candidats

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

[ édité le 30 avril 2015 Enoncés 1

La fonction exponentielle

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Calcul différentiel sur R n Première partie

Fonctions de plusieurs variables

Théorème du point fixe - Théorème de l inversion locale

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Calcul fonctionnel holomorphe dans les algèbres de Banach

Amphi 3: Espaces complets - Applications linéaires continues

Étudier si une famille est une base

Capes Première épreuve

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Simulation de variables aléatoires

Introduction à l étude des Corps Finis

I. Polynômes de Tchebychev

Intégration et probabilités TD1 Espaces mesurés Corrigé

Équations non linéaires

Chapitre 1 : Évolution COURS

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

I. Ensemble de définition d'une fonction

Fonctions de plusieurs variables. Sébastien Tordeux

Continuité en un point

Différentiabilité ; Fonctions de plusieurs variables réelles

Continuité d une fonction de plusieurs variables

RO04/TI07 - Optimisation non-linéaire

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

3 Approximation de solutions d équations

Moments des variables aléatoires réelles

Développements limités, équivalents et calculs de limites

Problèmes de Mathématiques Filtres et ultrafiltres

Polynômes à plusieurs variables. Résultant

Espérance conditionnelle

1 Définition et premières propriétés des congruences

Dualité dans les espaces de Lebesgue et mesures de Radon finies

3. Conditionnement P (B)

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Programmation linéaire et Optimisation. Didier Smets

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

CHAPITRE IV. L axiome du choix

Fonctions holomorphes

Fonctions de plusieurs variables et applications pour l ingénieur

Image d un intervalle par une fonction continue

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v t

Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

O, i, ) ln x. (ln x)2

Cours d Analyse. Fonctions de plusieurs variables

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Le produit semi-direct

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

Calcul différentiel. Chapitre Différentiabilité

Corrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2

Construction de l'intégrale de Lebesgue

Dérivées d ordres supérieurs. Application à l étude d extrema.

Partie 1 - Séquence 3 Original d une fonction

Logique. Plan du chapitre

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Notion de fonction. Résolution graphique. Fonction affine.

Structures algébriques

Cours arithmétique et groupes. Licence première année, premier semestre

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés

Chapitre VI Fonctions de plusieurs variables

Intégration et probabilités TD1 Espaces mesurés

Fonctions de plusieurs variables et changements de variables

Théorèmes de Point Fixe et Applications 1

Algorithmes pour la planification de mouvements en robotique non-holonome

OM 1 Outils mathématiques : fonction de plusieurs variables

Premiers exercices d Algèbre. Anne-Marie Simon

NOMBRES COMPLEXES. Exercice 1 :

Probabilités sur un univers fini

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

spé MP POLYCOPIÉ D EXERCICES

1 Complément sur la projection du nuage des individus

Problème 1 : applications du plan affine

Intégrale de Lebesgue

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET

Chapitre 2 Le problème de l unicité des solutions

Développements limités. Notion de développement limité

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

Cours 02 : Problème général de la programmation linéaire

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Transcription:

Université de Poitiers Mathématiques L1 SPIC, Module 2L02 2010/2011 Feuille : Quelques corrections Exercice 5 : 1. Existence : commençons par regarder à quoi f doit ressembler si elle existe. On suppose donc qu une telle fonction f existe. Si x E, comme E est une base de E, x s écrit (de manière unique) x = x 1 e 1 + x 2 e 2 + x e avec x 1, x 2, x K. Comme f est linéaire, on a alors f(x) = f(x 1 e 1 + x 2 e 2 + x e ) = x 1 f(e 1 ) + x 2 f(e 2 ) + x f(e ), ce qui donne, en remplaçant f(e 1 ), f(e 2 ) et f(e ) par leur valeur, f(x) = x 1 e 1 + x 1 e 2 x 1 e + x 2 e 1 + x 2 e 2 + 2x 2 e + x e 1 + 2x e 2 + x e 1 + 2x e 2 + x e = (x 1 + x 2 + x )e 1 + (x 1 + x 2 + 2x )e 2 + ( x 1 + 2x 2 + x )e. Soit donc f : E E définie par f(x 1 e 1 + x 2 e 2 + x e ) = (x 1 + x 2 + x )e 1 + (x 1 + x 2 + 2x )e 2 + ( x 1 + 2x 2 + x )e. Montrons que f est linéaire : Soient x = x 1 e 1 + x 2 e 2 + x e et y = y 1 e 1 + y 2 e 2 + y e E. Alors f(x + y) = f((x 1 + y 1 )e 1 + (x 2 + y 2 )e 2 + (x + y )e = ((x 1 + y 1 ) + (x 2 + y 2 ) + (x + y ))e 1 + ((x 1 + y 1 ) + (x 2 + y 2 ) + 2(x + y ))e 2 +( (x 1 + y 1 ) + 2(x 2 + y 2 ) + (x + y ))e = (x 1 + x 2 + x )e 1 + (x 1 + x 2 + 2x )e 2 + ( x 1 + 2x 2 + x )e +(y 1 + y 2 + y )e 1 + (y 1 + y 2 + 2y )e 2 + ( y 1 + 2y 2 + y )e = f(x) + f(y) Soient x = x 1 e 1 + x 2 e 2 + x e et λ K. Alors f(λx) = f(λx 1 e 1 + λx 2 e 2 + λx e ) = (λx 1 + λx 2 + λx )e 1 + (λx 1 + λx 2 + λ2x )e 2 + ( λx 1 + 2λx 2 + λx )e = λ((x 1 + x 2 + x )e 1 + (x 1 + x 2 + 2x )e 2 + ( x 1 + 2x 2 + x )e ) = λf(x) Donc f est bien linéaire, et f(e 1 ) = f(1e 1 + 0e 2 + 0e ) = e 1 + e 2 e f(e 2 ) = f(0e 1 + 1e 2 + 0e ) = e 1 + e 2 + 2e f(e ) = f(0e 1 + 0e 2 + 1e ) = e 1 + 2e 2 + e

L application f vérifie donc bien les conditions voulues. Unicité : l unicité de cette application découle du théorème.19 du cours. On peut aussi la prouver de la manière suivante : on suppose qu il existe deux applications linéaires f et g vérifiant Si x = x 1 e 1 + x 2 e 2 + x e E, alors f(e 1 ) = g(e 1 ) = e 1 + e 2 e f(e 2 ) = g(e 2 ) = e 1 + e 2 + 2e f(e ) = g(e ) = e 1 + 2e 2 + e f(x) = f(x 1 e 1 + x 2 e 2 + x e ) = x 1 f(e 1 ) + x 2 f(e 2 ) + x f(e ) car f est linéaire = x 1 g(e 1 ) + x 2 g(e 2 ) + x g(e ) car f(e i ) = g(e i ) = g(x 1 e 1 + x 2 e 2 + x e ) car g est linéaire = g(x) Ainsi x E, f(x) = g(x). On en déduit que g = f, d où l unicité de f. Bilan : On définit entièrement une application linéaire en se donnant l image d une base de l espace de départ. 2. Déterminons ker(f). Soit x = x 1 e 1 + x 2 e 2 + x e E. alors x ker(f) f(x) = 0 (x 1 + x 2 + x )e 1 + (x 1 + x 2 + 2x )e 2 + ( x 1 + 2x 2 + x )e = 0 x 1 + x 2 + x = 0 x 1 + x 2 + 2x = 0 car (e 1, e 2, e ) est une base de E x 1 + 2x 2 + x = 0 x 1 + x 2 + x = 0 x 1 = 0 x = 0 (L 2 L 2 L 1 ) x = 0 x = 0. x 2 + 4x = 0 (L L + L 1 ) x 2 = 0 Ainsi ker(f) = {0} (et f est injective). Déterminons Im(f). Ici, on peut utiliser deux méthodes : (a) Utilisation du théorème du rang. Comme dim(ker(f)) + dim(im(f)) = dim(e), et puisque dim(e) = et dim(ker(f)) = 0 (car on vient de montrer que ker(f) = {0}), on a dim(im(f)) = dim(e) dim(ker(f)) = 0 =. Ainsi Im(f) E (sev) dim(im(f)) = dim(e) } Im(f) = E, (et f est surjective). On peut donc prendre comme base de Im(f) n importe quelle base de E, par exemple E.

(b) Calcul classique de Im(f). Comme E est une base de E, Im(f) = Vect(f(e 1 ), f(e 2 ), f(e )), c est à dire Im(f) = Vect(e 1 + e 2 e, e 1 + e 2 + 2e, e 1 + 2e 2 + e ). On dispose alors des deux méthodes classiques pour déterminer une base de cet espace vectoriel. Trouver une sous-famille libre maximale. Comme e 1 + e 2 e est un vecteur non nul, il forme une famille libre de E. La famille (e 1 + e 2 e, e 1 + e 2 + 2e ) est-elle libre? On suppose que x(e 1 + e 2 e ) + y(e 1 + e 2 + 2e ) = 0. Alors (x + y)e 1 + (x + y)e 2 + ( x + 2y)e = 0. On a ainsi une combinaison linéaire nulle des vecteurs e 1, e 2 et e. La famille (e 1, e 2, e ) étant libre (car c est une base), on en déduit que x + y = 0 x + y = 0 x + 2y = 0 { x + y = 0 x + 2y = 0 (L 2 L 2 + L 1 ) { x + y = 0 y = 0 La famille (e 1 + e 2 e, e 1 + e 2 + 2e ) est donc libre. On vérifie de même que la famille (e 1 +e 2 e, e 1 +e 2 +2e, e 1 +2e 2 +e ) est libre, c est donc une sous famille libre maximale (d elle même), et une base de Im(f). Echelonner. On pose u = e 1 +e 2 e, v = e 1 +e 2 +2e et w = e 1 +2e 2 +e. On écrit les corrdonnées des vecteurs u, v, w dans la base E, et on échelonne la famille ainsi obtenue : x = y = 0. u v w e 1 1 1 1 e 2 1 1 2 e 1 2 (C 2 C 2 C 1 ) (C C C 1 ) 1 0 0 1 0 1 1 4 u v w e 1 1 0 0 e 2 1 1 0 e 1 4 Exercice 6 : Ainsi Im(f) = Vect(u, v, w) = Vect(u, v, w ) où u = e 1 +e 2 e, v = e 2 +4e w = e. La famille (u, v, w ) est donc une famille génératrice de Im(f). C est également une famille libre puisqu elle est échelonnée. Conclusion : (u, v, w ) est une base de Im(f). On trouve donc que dim(im(f)) =. On a alors Im(f) E (sev) dim(im(f)) = dim(e) } Im(f) = E. 1. On vérifie facilement que f est linéaire, c est à dire que si (x, y, z), (x, y, z ) R et λ R, f((x, y, z) + (x, y, z )) = f(x, y, z) + f(x, y, z ) f(λ(x, y, z)) = λf(x, y, z)

Montrons que F 1 est un sous-espace vectoriel de R. Comme f est linéaire, f(0) = 0 et 0 F 1. Soient u, v F 1 et λ R. Comme u, v F 1, et par définition de F 1, on a f(u) = u et f(v) = v. Alors f(u + v) = f(u) + f(v) = u + v car f est linéaire Par conséquent, (u + v) F 1. De même f(λu) = λf(u) = λu car f est linéaire et λu F 1. Conclusion : F 1 est un sous-espace vectoriel de R. Déterminons une base de F 1. Soit (x, y, z) R. (x, y, z) F 1 f(x, y, z) = (x, y, z) On en déduit que 12x 8y 12z = 0 12x 8y 12z = 0 6x 4y 6z = 0 { x 2y z = 0 x 2y z = 0 1x 8y 12z = x 12x 7y 12z = y 6x 4y 5z = z { 12x 8y 12z = 0 6x 4y 6z = 0 x 2y z = 0 x = 2y + z (x, y, z) = (2 y + z, y, z) y, z R (x, y, z) = ( 2, 1, 0)y + (1, 0, 1)z, y, z R F 1 = { ( 2, 1, 0)y + (1, 0, 1)z, y, z R} = Vect(( 2, 1, 0), (1, 0, 1)) La famille (( 2, 1, 0), (1, 0, 1)) est donc génératrice de F 1. Cette famille étant de plus échelonnée (par le bas), elle est libre et forme une base de F 1. Conclusion : une base de F 1 est (( 2, 1, 0), (1, 0, 1)) et dim(f 1) = 2.. Montrons que F 2 est un sous-espace vectoriel de R. Comme f est linéaire, f(0) = 0 = 0 et 0 F 2. Soient u, v F 1 et λ R. Comme u, v F 2, et par définition de F 2, on a f(u) = u et f(v) = v. On vérifie alors de même que précédemment que f(u+v) = u v = (u + v) et que f(λu) = λu = (λu). On en déduit que (u + v) F 2, λu F 2 et donc que F 2 est un sous-espace vectoriel de R.

Déterminons une base de F 2. Soit (x, y, z) R. 1x 8y 12z = x (x, y, z) F 2 f(x, y, z) = (x, y, z) 12x 7y 12z = y 6x 4y 5z = z 14x 8y 12z = 0 7x 4y 6z = 0 12x 6y 12z = 0 2x y 2z = 0 6x 4y 4z = 0 x 2y 2z = 0 On en déduit que 2x y 2z = 0 x 2y 2z = 0 7x 4y 6z = 0 { 2x y 2z = 0 y + 2z = 0 (L 2 2L 2 L 1 ) (L 2L 7L 1 ) { x = 2z y = 2z 2x y 2z = 0 y + 2z = 0 y + 2z = 0 (x, y, z) = (2z, 2z, z), z R (x, y, z) = (2, 2, 1)z, z R F 1 = {(2, 2, 1)z, z R} = Vect(2, 2, 1) Le vecteur (2, 2, 1) est donc générateur de F 2. Ce vecteur étant non nul, il forme également une famille libre, donc une base de F 2. Conclusion : une base de F 2 est (2, 2, 1) et dim(f 2 ) = 1. 2. On a dim(f 1 ) + dim(f 2 ) = 2 + 1 = = dim(r ). Soit u F 1 F 2. Comme u F 1, f(u) = u. De même, comme u F 2, f(u) = u. On en déduit que u = u, c est à dire que 2u = 0 et u = 0. Par conséquent F 1 F 2 {0}. Réciproquement, comme 0 F 1 et 0 F 2, {0} F 1 F 2. Finalement F 1 F 2 = {0}. Conclusion : F 1 et F 2 sont supplémentaires dans R : F 1 F 2 = R. Exercice 7 : Pour montrer que f est surjective, il faut prouver que Im(f) = K. On sait que Im(f) est un sous-espace vectoriel de K, donc dim(imf) dim(k). Or dim(k) = 1 (dim(k n ) = n n N ). Donc dim(imf) 1. Il n y a alors que deux possibilités : soit dim(imf) = 0, soit dim(imf) = 1. On raisonne par l absurde : si on avait dim(imf) = 0, cela voudrait dire que Im(f) = {0}. Or f étant non nulle, il existe x K n tel que f(x) 0. Par définition de Im(f), f(x) Im(f), ce qui est absurde puisque f(x) 0 et Im(f) = {0}. On en déduit que dim(imf) 0, et donc que dim(imf) = 1. Ainsi } dim(im(f)) = 1 = dim(k) Im(f) = K, Im(f) K et f est surjective.

Exercice 8 : Rappel : Soient E, E des ensembles et f : E E une fonction. Si F E, f(f) = {f(x), avec x F }. Montrons que ker(f) est stable par g. Nous devons donc montrer que g(ker(f)) ker(f). Soit x g(ker(f)). Par définition, il existe y ker(f) tel que x = g(y). Nous devons montrer que x ker(f), c est à dire que f(x) = 0. Calculons donc f(x). f(x) = f(g(y)) = f g(y) = g f(y) car f et g commutent = g(f(y)) = g(0) car y ker(f) donc f(y) = 0 = 0 car g étant linéaire, g(0) = 0 On a donc bien f(x) = 0, on en déduit que x ker(f). On a prouvé que x g(ker(f)), x ker(f), autrement dit que g(ker(f)) ker(f). Conclusion : ker(f) est stable par g. Montrons que Im(f) est stable par g. Nous devons donc montrer que g(im(f)) Im(f). Soit x g(im(f)). Par définition, il existe y Im(f) tel que x = g(y). Or comme y Im(f), il existe un certain z E tel que y = f(z). On a donc x = g(y) = g(f(z)) = g f(z) = f g(z) car f et g commutent = f(g(z)) = f(u) où u = g(z) E. Ainsi x = f(u) appartient à Im(f) (par définition de Im(f)). On a prouvé que x g(im(f)), x Im(f), autrement dit que g(im(f)) Im(f). Conclusion : Im(f) est stable par g. Exercice 10 : 1. On suppose que Im(f) ker(f) = {0}. x ker(f) f(x) = 0 et donc f 2 (x) = f(f(x)) = f(0) = 0, ie x ker(f 2 ). Ainsi ker(f) ker(f 2 ). Soit x ker(f 2 ), f 2 (x) = 0 ie f(f(x)) = 0. Ainsi f(x) ker(f). D autre part f(x) Im(f), donc f(x) ker(f) Im(f) = {0}. On en déduit que f(x) = 0 et x ker(f). Conclusion : ker(f) = ker(f 2 ). On suppose que ker(f) = ker(f 2 ). Soit y Im(f) ker(f). Comme y Im(f), x E, y = f(x), et étant donné que y ker(f), f(y) = 0, ie f 2 (x) = 0. Ainsi x ker(f 2 ) = ker(f) et f(x) = 0, ie y = 0. Par conséquent, Im(f) ker(f) = {0}. 2. On suppose que Im(f) + ker(f) = E.

Si y Im(f 2 ), x E, y = f 2 (x) = f(f(x)), donc y Im(f) et Im(f 2 ) Im(f). Réciproquement, si y Im(f), x E, y = f(x). Comme x E = Im(f) + ker(f), x s écrit x = x 1 + x 2 avec x 1 Im(f) (donc x 1 = f(x 0 )), et x 2 ker(f). Ainsi y = f(x 1 + x 2 ) = f(x 1 ) + f(x 2 ) = f(f(x 0 )) + 0 = f 2 (x 0 ) Im(f 2 ), et Im(f) Im(f 2 ). Finalement, Im(f) = Im(f 2 ). On suppose que Im(f) = Im(f 2 ). Soit x E. On a f(x) Im(f) = Im(f 2 ), donc il existe x 0 E tel que f(x) = f 2 (x 0 ), de sorte que f(x) f(f(x 0 )) = 0, ie f(x f(x 0 )) = 0, et x f(x 0 ) ker(f). On peut ainsi décomposer x de la manière suivante : x = x f(x 0 ) + f(x 0 ), avec x f(x 0 ) ker(f) et f(x 0 ) Im(f). On a donc bien E = Im(f) + ker(f). On suppose de plus que E est de dimension finie. Si Im(f) = Im(f 2 ), alors d après ce qu on vient de faire, Im(f)+ker(f) = E. Ainsi, dim(im(f)+ker(f)) = dim(e), c est à dire dim(im(f))+dim(ker(f)) dim(im(f) ker(f)) = dim(e). Oe d après le théorème du rang, dim(im(f)) + dim(ker(f)) = dim(e), donc dim(im(f) ker(f)) = 0 et Im(f) ker(f) = {0}. Ainsi on a bien Im(f) ker(f) = E. Réciproquement, on suppose que Im(f) ker(f) = E. En particulier, on a donc Im(f) + ker(f) = E, c est à dire, d après le début de la question, Im(f) = Im(f 2 ). Conclusion : Im(f) = Im(f 2 ) si et seulement si Im(f) et ker(f) sont supplémentaires dans E.. Si f est un projecteur, f = f 2, donc ker(f) = ker(f 2 ) et d après 1. Im(f) ker(f) = {0}. D autre part, comme Im(f) = Im(f 2 ), Im(f) + ker(f) = E (d après 2.). Finalement, Im(f) ker(f) = E et ker(f) et Im(f) sont supplémentaires dans E. Exercice 11 : Montrons que la famille {x, ϕ(x), ϕ 2 (x)} est libre : on suppose que λ 0 x + λ 1 ϕ(x) + λ 2 ϕ 2 (x) = 0. (1) On applique ϕ à cette égalité : ϕ(λ 0 x + λ 1 ϕ(x) + λ 2 ϕ 2 (x)) = ϕ(0) = 0, ce qui donne, par linéarité de ϕ, λ 0 ϕ(x) + λ 1 ϕ 2 (x) + λ 2 ϕ (x) = 0, et comme ϕ = 0, λ 0 ϕ(x) + λ 1 ϕ 2 (x) = 0. (2) On applique à nouveau ϕ : ϕ(λ 0 ϕ(x) + λ 1 ϕ 2 (x)) = ϕ(0) = 0, ie λ 0 ϕ 2 (x) +λ 1 ϕ (x) = 0, et comme ϕ = 0, λ 0 ϕ 2 (x) = 0. () Or ϕ 2 (x) 0, donc λ 0 = 0. En reportant ceci dans (2), on obtient que λ 1 ϕ 2 (x) = 0, ce qui donne λ 1 = 0 (car ϕ 2 (x) 0). Finalement, (1) devient λ 2 ϕ 2 (x) = 0, et on en déduit que λ 2 = 0. Ainsi λ 0 = λ 1 = λ 2 = 0 et {x, ϕ(x), ϕ 2 (x)} est libre. Or cette famille libre comporte vecteurs et E est de dimension, donc {x, ϕ(x), ϕ 2 (x)} est une base de E.