You are on page 1of 15

Laurent Garcin MPSI Lyce Jean-Baptiste Corot

A PPLICATIONS LINAIRES

1 Dfinition et premiers exemples


1.1 Dfinition

Dfinition 1.1 Application linaire

Soient E et F deux K-espaces vectoriels. On appelle application linaire de E dans F toute application
f : E F vrifiant :
(i) (x, y) E2 , f(x + y) = f(x) + f(y) i.e. f est un morphisme du groupe (E, +) dans le groupe (F, +) ;
(ii) K, x E, f(.x) = .f(x).
Cette dfinition quivaut la suivante :

(, ) K2 , (x, y) E2 , f(.x + .y) = .f(x) + .f(y)

Lensemble des applications linaires de E dans F est not L(E, F).


Une application linaire de E dans E est appel un endomorphisme (linaire) de E. Lensemble des endomor-
phismes de E est not L(E).
Une application linaire de E dans K est appel une forme linaire de E. Lensemble des formes linaires de
E est not E .

Remarque.
 On a en particulier f(0E ) = 0F .

E F
 Lapplication nulle est une application linaire de E dans F.
x 7 0F
 Lidentit IdE est un endomorphisme de E.

1.2 Exemples
1.2.1 Gomtrie

Exemple 1.1

On note ~E lensemble des vecteurs de lespace.



~E ~E
~
 Soit v E. Lapplication
~ est un endomorphisme de ~E.
~u 7 ~u ~v

~E R
~
 Soit ~v E. Lapplication est une forme linaire de ~E.
~u 7 ~u.~v

~E R
 Soit ~v, w
~ . Lapplication est une forme linaire de ~E.
~u 7 Det(~u,~v, w ~)

http://laurentb.garcin.free.fr 1
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

1.2.2 Suites

Exemple 1.2

CN CN
 Lapplication est un endomorphisme de CN .
(un ) 7 (un+1 )
 Notons E le R-espace vectoriel des suites convergentes. Lapplication qui (un ) E associe lim un
n+
est une forme linaire sur E.

1.2.3 Espaces fonctionnels

Exemple 1.3

Soit I un intervalle.
D(I, R) RI
 Lapplication est linaire.
f 7 f 0
 Soit a I. Notons
 E le R-espace vectoriel des fonctions dfinies sur I admettant une limite finie en a.
E R
Lapplication f 7 lim f est une forme linaire de E.
a
I
R R
 Soit a I. Lapplication est une forme linaire de RI .
f 7 f(a)

1.2.4 Polynmes

Exemple 1.4

K[X] K[X]
 Lapplication est un endomorphisme de K[X].
P7 P 0

K[X] K
 Soit a K. Lapplication est une forme linaire de K[X].
P 7 P(a)

K[X] K[X]
 Soit Q K[X]. Lapplication est un endomorphisme de K[X].
P 7 PQ

1.2.5 Espaces Kn

Exemple 1.5

R2 R3
 Lapplication est linaire.
(x, y) 7 (y 2x, 3y + x 2z, x + z)

R2 R
 Lapplication nest pas linaire.
(x, y) 7 x + y + 1

R2 R
 Lapplication nest pas linaire.
(x, y) 7 x2 + y2

http://laurentb.garcin.free.fr 2
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

1.3 Oprations sur les applications linaires

Thorme 1.1 Oprations sur les applications linaires

(i) Une combinaison linaire dapplications linaires est linaire :

(, ) K2 , (f, g) L(E, F)2 , f + g L(E, F)

(ii) La compose dapplications linaires est linaire.


Soient E, F et G trois K-espaces vectoriels, f L(E, F), g L(F, G). Alors g f L(E, G).
(iii) La composition gauche et droite est linaire.
Soient E, F et G trois K-espaces vectoriels.

(, ) K2 , f L(E, F), (g, h) L(F, G)2 , (g + h) f = g f + h f


(, ) K2 , (f, g) L(E, F)2 , h L(F, G), h (f + g) = h f + h g

Corollaire 1.1 Espace vectoriel L(E, F)

Soient E et F deux K-espaces vectoriels. L(E, F) est un K-espace vectoriel. Le vecteur nul de L(E, F) est
E F
lapplication nulle .
x 7 0F

Remarque. L(E, F) est un sous-espace vectoriel de FE .

Corollaire 1.2 Anneau L(E)

(L(E), +, ) est un anneau (non commutatif et non intgre en gnral). De plus, 1L(E) = IdE .

Remarque. Si u et v sont deux endomorphismes dun mme espace vectoriel, la compose u v sera parfois
note uv.

Exemple 1.6

C (R) C (R) C (R) C (R)
Les applications et sont deux endomorphismes de
f 7 f 0 f 7 (x
7 xf(x))

C (R) qui ne commutent pas.

Exemple 1.7

R2 R2 R2 R2
Considrons f : et g : . On a f, g L(R2 ) et gf = fg = 0L(R2 )
(x, y) 7 (x, 0) (x, y) 7 (0, y)
et pourtant f 6= 0L(R2 ) et g 6= 0L(R2 ) .

Comme (L(E), +, ) est un anneau, on a les deux formules suivantes.

Proposition 1.1

Soient f, g L(E) qui commutent.


Xn
n k
n
(i) (f + g) = f gnk
k
k=0

X
n1
(ii) fn gn = (f g) fk gn1k
k=0

http://laurentb.garcin.free.fr 3
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

La notion suivante nest pas au programme de MPSI.


Structure dalgbre
Soit K un corps. On appele K-algbre tout quadruplet (A, +, ., ) tel que :
(i) (A, +, .) est un K-espace vectoriel ;
(ii) (A, +, ) est un anneau ;
(iii) (, ) K2 , (x, y) A2 , (.x) (.y) = ().(x y).
Si est commutative, on dit que lalgbre est commutative.

Exemple 1.8

Si (E, +, .) est un K-espace vectoriel, (L(E), +, ., ) est une K-algbre non commutative en gnral.

1.4 Isomorphismes linaires

Dfinition 1.2 Isomorphisme linaire

Soient E et F deux K-espaces vectoriels. On appelle isomorphisme (linaire) toute application linaire
bijective de E sur F.
Un isomorphisme de E sur E est appel un automorphisme.
On dit que E est isomorphe F ou que E et F sont isomorphes sil existe un isomorphisme de E sur F.

Proposition 1.2 Proprits des isomorphismes

Soient E, F et G trois K-espaces vectoriels.


(i) Si f est un isomorphisme de E sur F, f1 est un isomorphisme de F sur E.
(ii) Si f est un isomorphisme de E sur F et g un isomorphisme de F sur G, alors g f est un isomorphisme de
E sur G.

Exemple 1.9

C R2
est un isomorphisme de du R-espace vectoriel C sur R2 disomorphisme rciproque
z 7 (Re(z), Im(z))

R2 C
.
(a, b) 7 a + ib

Corollaire 1.3 Groupe linaire

Soit E un K-espace vectoriel. Lensemble des automorphismes de E muni de la loi est un groupe. On lappelle
le groupe linaire de E et on le note GL(E). Plus prcisment, cest le groupe des lments inversibles de
L(E).

Exemple 1.10

Lespace vectoriel des suites rcurrentes linaires dordre 2 de polynme caractristique X2 +aX+b est isomorphe
K2 .

Exercice 1.1

Soit f L(E) tel que f2 2f + 3 IdE = 0. Montrer que f GL(E) et dterminer f1 en fonction de f.

http://laurentb.garcin.free.fr 4
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

2 Images directe et rciproque par une application linaire


2.1 Images directe et rciproque dun sous-espace vectoriel

Proposition 2.1 Images directe et rciproque dun sous-espace vectoriel

Soient E et F deux K-espaces vectoriels et f L(E, F). Soit A un sous-espace vectoriel de E et B un sous-espace
vectoriel de F. ALors
(i) f(A) est un sous-espace vectoriel de F ;
(ii) f1 (B) est un sous-espace vectoriel de E.

2.2 Noyau et image dune application linaire

Dfinition 2.1 Noyau et image dune application linaire

Soient E et F deux K-espaces vectoriels et f L(E, F).


(i) Le noyau de f not Ker f est dfini par Ker f = f1 ({0F }). Cest un sous-espace vectoriel de E.
(ii) Limage de f note Im f est dfinie par Im f = f(E). Cest un sous-espace vectoriel de F.

Mthode Montrer quun ensemble est un sous-espace vectoriel


Soit F une partie dun K-espace vectoriel E. Pour montrer que F est un sous-espace vectoriel de E, il suffit de
montrer que F est le noyau dune application linaire de E dans un autre K-espace vectoriel.

Exemple 2.1

R3 R
F = {(x, y, z) R3 | x + y + z = 0} est le noyau de la forme linaire . F est donc
(x, y, z) 7 x + y + z
un sous-espace vectoriel de R3 .

Exemple 2.2
2
C (R) C 0 (R)
Lapplication est linaire. Son noyau, savoir lensemble des fonctions affines de R
f 7 f 00
dans R est donc un sous-espace vectoriel de C 2 (R) et donc un espace vectoriel.

Exercice 2.1

Soient f L(E, F) et g L(F, G). Montrer que Ker f Ker(g f) et que Im(g f) Im g.
Montrer que g f = 0 si et seulement si Im f Ker g.

Thorme 2.1 Injectivit et surjectivit dune application linaire

Soient E et F deux K-espaces vectoriels et f L(E, F).


(i) f est injective si et seulement si Ker f = {0E }.
(ii) f est surjective si et seulement si Im f = F.

http://laurentb.garcin.free.fr 5
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Exemple 2.3

K[X] K[X]
Soit f : . Alors Ker f = K0 [X] et Im f = K[X]. Ainsi f est surjective mais pas injective.
P 7 P0

Exemple 2.4

KN KN
Soit f : . Alors Ker f = vect((1)) et Im f = KN .
(un ) 7 (un+1 un )

Exercice 2.2

Soit f L(E) nilpotent. Montrer que f est non injectif.

Exercice 2.3

Soient E un K-espace vectoriel et u1 , . . . , un E.


Kn P E
Notons : n . Dmontrer les assertions suivantes.
(1 , . . . , n ) 7 i=1 i ui
(i) La famille (u1 , . . . , un ) engendre E si et seulement si est surjective.
(ii) La famille (u1 , . . . , un ) est libre si et seulement si est injective.
(iii) La famille (u1 , . . . , un ) est une base de E si et seulement si est injective.

2.3 Image dune famille de vecteurs

Proposition 2.2

Soient E et F deux K-espaces vectoriels et f L(E, F). Soit A E. Alors f (vect(A)) = vect (f(A)).
En particulier, si (ui )iI est une famille gnratrice de E (notamment une base), (f(ui ))iI engendre Im f.

Proposition 2.3

Soient E et F deux K-espaces vectoriels et f L(E, F). Soit (ui )iI une base de E.
(i) f est surjective si et seulement si (f(ui ))iI engendre F.
(ii) f est injective si et seulement si (f(ui ))iI est libre dans F.
(iii) f est bijective si et seulement si (f(ui ))iI est une base de F.

Exercice 2.4

Soient E et F deux K-espaces vectoriels et f L(E, F).


1. Montrer que f est surjective si et seulement si limage dune famille gnratrice de E est une famille
gnratrice de F.
2. Montrer que f est injective si et seulement si limage de toute famille libre de E est une famille libre de E.

Proposition 2.4 Caractrisation dune application linaire par limage dune base

Soient E et F deux K-espaces vectoriels et f L(E, F). Soient (ei )iI une base de E et (fi )iI une famille de F.
Il existe une unique application linaire f L(E, F) telle que f(ei ) = fi pour tout i I.

http://laurentb.garcin.free.fr 6
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Remarque. Ce rsultat signifie que pour dfinir une application linaire, il suffit de la dfinir sur une base. Il
prendra toute son importance lors de ltude des matrices.

2.4 Cas dune application de Kn dans Kp


Une application linaire de Kn dans Kp est souvent donne sous forme dun p-uplet dexpressions linaires en
fonction des n coordonnes dun lment de Kn .
Exemple 2.5

R3 R3
f: .
(x, y, z) 7 (x + 2y + z, 2x + y z, x + 2y + z)

Mthode Dterminer le noyau



3 x + 2y + z = 0
Le noyau de f est le sous-espace vectoriel de R dfini par le systme linaire . On a vu au
2x + y z = 0
chapitre prcdent comment dterminer une base de ce sous-espace vectoriel.

Mthode Dterminer limage


Limage est form des vecteurs x(1, 2, 1) + y(2, 1, 2) + z(1, 1, 1) avec (x, y, z) R3 . Ainsi Im f =
vect((1, 2, 1), (2, 1, 2), (1, 1, 1)). On a vu au chapitre prcdent comment dterminer une base et un systme
dquations cartsiennes de ce sous-espace vectoriel.

http://laurentb.garcin.free.fr 7
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Mthode Dterminer le noyau et limage en mme temps !


On reprend la mthode matricielle utilise pour dterminer le noyau. On crit dabord la matrice correspondant
f puis on ajoute une matrice carre forme de zros et de 1 sur la diagonale.

1 2 1
2 1 1




1 2 1






1 0 0

0 1 0


0 0 1

Puis on pivote sur les colonnes.



1 0 0
2 3 3



1 0 0
C2 C2 2C1


C3 C3 C1




1 2 1

0 1 0


0 0 1

Encore une fois pour avoir la dernire colonne nulle.



1 0 0

2 3 0




1 0 0

C3 C3 C2





1 2 3

0 1 1


0 0 1

On a alors Im f = vect((1, 2, 1), (0, 3, 0)) et Ker f = vect((3, 1, 1)).

2.5 Restriction et corestriction dune application linaire

Proposition 2.5 Restriction et corestriction dune application linaire

Soit f L(E, F).


(i) Si G un sous-espace vectoriel de E, alors f|G L(G, F).
(ii) Si H est un sous-espace vectoriel de F contenant Im f, alors f|H L(E, H).
(iii) Si G est un sous-espace vectoriel de E et H est un sous-espace vectoriel de F contenant f(G), alors
|H
f|G L(G, H).

http://laurentb.garcin.free.fr 8
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Exemple 2.6

Soient f L(E, F) et G un sous-espace vectoriel de E. Alors Ker f|G = Ker f G et Im f|G = f(G).
Soient f L(E, F) et g L(F, G). Alors Im g| Im f = Im g f.

Remarque. Soit f L(E). Si F est un sous-espace vectoriel de E stable par f i.e. f(F) F, on dit que f induit
|F
un endomorphisme de F (qui nest autre que f|F ).

Proposition 2.6
p
M
Soient E et F des K-espaces vectoriels et E1 , . . . , Ep des sous-espaces vectoriels de E tels que E = Ek .
Qp k=1
Soient (u1 , . . . , up ) k=1 L(Ek , F). Il existe une unique application linaire u L(E, F) telle que u|Ek = uk
pour tout k J1, pK.

2.6 Formes linaires et hyperplans

Dfinition 2.2 Formes coordonnes dans une base

Soit E un K-espace vectoriel muni dune base (ei )iI . Pour tout i I, il existe une unique forme linaire sur
ei telle que ei (ej ) = ij pour tout j I.
La famille (ei )iI sappelle la famille des formes coordonnes relativement la base (ei )iI .

Proposition 2.7
P
Soit E un K-espace vectoriel muni dune base (ei )iI . Pour tout x E, x = iI ei (x)ei .

Remarque. De l vient le nom de formes coordonnes.

Dfinition 2.3 Hyperplan

Soit E un K-espace vectoriel. On appelle hyperplan de E tout noyau dune forme linaire non nulle sur E.

Exemple 2.7

R3 R
Lapplication est une forme linaire de R3 .
(x, y, z) 7 4x 5y + 3z
H = {(x, y, z) R3 | 4x 5y + 3z = 0} est donc un hyperplan de R3 .

Exemple 2.8

K[X] K
Soit a K. Lapplication est une forme linaire sur K[X].
P 7 P(a)
H = {P K[X] | P(a) = 0} est donc un hyperplan de K[X].

Proposition 2.8 Hyperplans et droites vectorielles

Soit E un K-espace vectoriel.


(i) Si H est un hyperplan de E et si D est une droite vectorielle de E non contenue dans H, alors E = H D.
(ii) Rciproquement tout supplmentaire dune droite vectorielle de E est un hyperplan.

http://laurentb.garcin.free.fr 9
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

3 Applications linaires en dimension finie


3.1 Isomorphisme et dimension

Thorme 3.1 Isomorphisme et dimension

(i) Si deux espaces vectoriels E et F sont isomorphes et si E est de dimension finie, alors F est de dimension
finie et dim E = dim F.
(ii) Deux espaces vectoriels de mme dimension finie sont isomorphes.

Remarque. Ce rsultat est dune importance capitale puisquil dit que tous les espaces vectoriels de dimension
n sont isomorphes Kn . Ltude dun espace vectoriel de dimension n se rsume par exemple ltude de Kn ,
ce quexploite fond la thorie des matrices.

Remarque. Soient E et F deux K-espaces vectoriels de dimension finie.


Si f L(E, F) est seulement injective, on peut tout de mme affirmer que dim E 6 dim F.
Si f L(E, F) est seulement surjective, on peut tout de mme affirmer que dim E > dim F.

Exemple 3.1

R2 et C sont isomorphes en tant que R-espaces vectoriels.

Exemple 3.2

KN nest pas de dimension finie. En effet, le sous-espace vectoriel des suites presque nulles K(N) est isomorphe
K[X]. Or K[X] nest pas de dimension finie donc K(N) non plus. Comme K(N) est un sous-espace vectoriel de
KN , ce dernier nest pas non plus de dimension finie.

Exemple 3.3

Soit
p N . Lensemble E des suites relles p-priodiques est un R-espace vectoriel de dimension car
E Rp
est un isomorphisme.
(un ) 7 (u0 , . . . , up1 )

3.2 Rang dune application linaire

Dfinition 3.1 Rang dune application linaire

Soit E et F deux K-espaces vectoriels et f L(E, F). On dit que f est de rang fini si Im f est de dimension
finie. On appelle alors rang de f la dimension de Im f et on la note rg f.

Remarque. Si (ui )iI est une famille gnratrice de E et si f L(E, F) est de rang fini, alors rg f = rg((f(ei )iI ).
Si f L(E, F) e E et F sont de dimensions finies, rg f 6 min(dim E, dim F).
Si f L(E, F) et si G est un sous-espace vectoriel de E de dimension finie, alors f(G) est de dimension finie et
dim f(G) 6 dim G (une application linaire fait toujours baisser la dimension).

Mthode Dterminer le rang dune application linaire de Kn dans Kp


On a vu au chapitre prcdent comment dterminer une base de limage dune telle application linaire. Le
cardinal de cette base est le rang de lapplication linaire.

http://laurentb.garcin.free.fr 10
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Thorme 3.2

Soit E et F deux espaces vectoriels avec E. Soit f L(E, F). Si S est un supplmentaire de Ker f dans E, alors f
induit un isomorphisme de S sur Im f.

Remarque. En termes savants, on dit quon factorise f par son noyau.

Corollaire 3.1 Thorme du rang

Soit E et F deux espaces vectoriels avec E de dimension finie. Soit f L(E, F). Alors

dim E = rg f + dim Ker f

Exemple 3.4

On peut prouver diffremment la formule dim E F = dim E + dim F en considrant lapplication



E F E
.
(x, y) 7 x

Exemple 3.5

On peut aussi prouver diffremment


la formule de Grassmann dim F + G = dim F + dim G dim F G en
F G E
considrant lapplication .
(x, y) 7 x + y

Corollaire 3.2 Injectivit, surjectivit et rang

Soient E et F deux espaces vectoriels de dimension finie et f L(E, F). Alors


(i) f est surjective si et seulement si rg f = dim F.
(ii) f est injective si et seulement si rg F = dim E.

Corollaire 3.3

Soient E et F deux espaces vectoriels de mme dimension finie et f L(E, F). Alors les propositions suivantes
sont quivalentes :
(i) f est bijective.
(ii) f est injective.
(iii) f est surjective.
Cest en particulier le cas lorsque f est un endomorphisme dun espace vectoriel de dimension finie.

Remarque. Soit f L(E, F).


I Si dim E < dim F, f ne peut tre surjective.
I Si dim E > dim F, f ne peut tre injective.

Mthode Prouver quune application linaire est un isomorphisme


Si on sait que les dimensions de lespace darrive et de lespace de dpart sont gales, pour montrer quune
application linaire est bijective, il suffit de montrer quelle est injective ou surjective (en pratique, on montre
plus souvent linjectivit). Encore une fois, travail divis par deux grce la dimension !

http://laurentb.garcin.free.fr 11
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Exercice 3.1

R3 R3
Montrer que est un automorphisme de R3 .
(x, y, z) 7 (x + y, x + y, z)

Proposition 3.1

Soient E et F deux espaces vectoriels de mme dimension finie et f L(E, F). Alors f est bijective si et
seulement si il existe g L(F, E) tel que g f = IdE ou f g = IdF . Dans ce cas g = f1 .

Remarque. En dimension finie, il suffit donc de prouver linversibilit gauche ou droite.


On suppose E de dimension finie. Pour montrer que f L(E) est un automorphisme dinverse g L(E), il suffit
de prouver que g f = IdE ou f g = IdE .

Proposition 3.2 Invariance du rang par composition avec un isomorphisme

Soient E, F et G trois espaces vectoriels de dimension finie, u L(E, F) et v L(F, G).


(i) Si u est un isomorphisme, alors rg v u = rg v.
(ii) Si v est un isomorphisme, alors rg v u = rg u.

Exercice 3.2

Soient E, F et G trois espaces vectoriels de dimension finie, u L(E, F) et v L(F, G). Montrer que rg(v u) 6
min(rg u, rg v).

3.3 Dimension de L(E, F)

Exercice 3.3

Soient E et F deux K-espaces vectoriels de dimension finie de bases respectives (ei )16i6n et (fj )16j6p .
 np
L(E, F) K
Montrer que lapplication u 7 fj (u(ei )) 16i6n est un isomorphisme.
16j6p

Proposition 3.3 Dimension de L(E, F)

Soient E et F deux K-espaces vectoriels de dimension finie. Alors L(E, F) est aussi de dimension finie et

dim L(E, F) = dim E dim F

Remarque. En particulier, si E est de dimension finie, dim E = dim E. On montre alors que si (e1 , . . . , en )
est une base de E, alors (e1 , . . . , en ) est une base de E .

3.4 Formes linaires et hyperplans en dimension finie

Proposition 3.4 Hyperplans en dimension finie

Soit E un K-espace vectoriel de dimension finie n N . Alors les hyperplans de E sont les sous-espaces vectoriels
de E de dimension n 1.

http://laurentb.garcin.free.fr 12
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Exemple 3.6

Les hyperplans de lespace vectoriel gomtrique sont les plans vectoriels. Les hyperplans du plan vectoriel
gomtrique sont les droites vectorielles.

Proposition 3.5 quations dun hyperplan en dimension finie

Soit E un K-espace vectoriel de dimension n N muni dune base (ei )16i6n .


Xn
(i) Tout hyperplan de E admet une quation de la forme ak xk = 0 o (a1 , . . . , an ) Kn \ {(0, . . . , 0)} et
k=1
(x1 , . . . , xn ) sont les coordonnes dans la base (ei )16i6n .
X
n X
n
(ii) Soient (a1 , . . . , an ) et (b1 , . . . , bn ) des n-uplets de Kn non nuls. Alors ak xk = 0 et bk xk sont
k=1 k=1
deux quations dun mme hyperplan si et seulement si les n-uplets (a1 , . . . , an ) et (b1 , . . . , bn ) sont
colinaires.

Exemple 3.7

Tout plan vectoriel de R3 admet une quation de la forme ax + by + cz = 0 o (a, b, c) 6= (0, 0, 0).
Pour tout R , ax + by + cz = 0 est galement une quation de ce mme hyperplan.

Proposition 3.6 Intersections dhyperplans

Soient E un K-espace vectoriel de dimension finie n N et m N .


(i) Lintersection de m hyperplans de E est de dimension au moins n m.
(ii) Tout sous-espace vectoriel de dimension n m est lintersection de m hyperplans.

Exemple 3.8

Une droite vectorielle de R3 est lintersection de deux plans vectoriels de R3 .


Elle admet donc un systme dquations cartsiennes form par deux quations de plans.

Exemple 3.9

Lensemble des solutions dun systme linaire homogne m quations coefficients dans K et n inconnues
dans K est un sous-espace vectoriel de Kn de dimension au moins n m.

http://laurentb.garcin.free.fr 13
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

4 Projecteurs, symtries, homothties


4.1 Projecteurs et symtries

Dfinition 4.1 Projecteur et symtrie

Soient F et G deux sous-espaces vectoriels suppl-


mentaires dans un K-espace vectoriel E. Tout vec- G
teur x de E se dcompose de manire unique sous la x
forme x = xF + xG .
(i) On appelle projecteur sur F paralllement
G lapplication qui x associe xF .
(ii) On appelle symtrie par rapport F paral-
llement G lapplication qui x associe
xF xG .
p(x)
Le sous-espace vectoriel G est appel la direction du G
projecteur ou de la symtrie.
F

s(x)

Remarque. Si p est le projecteur sur F paralllement G et q est le projecteur sur G paralllement F, alors
p + q = IdE .

Remarque. Si p et s sont le projecteur et la symtrie associs au mme couple de sous-espaces supplmentaires,


alors s = 2p IdE ou encore p = 12 (s + IdE ).

Proposition 4.1 Proprits des projecteurs

Soient F et G deux sous-espaces vectoriels supplmentaires dans un K-espace vectoriel E. Soit p le projecteur
sur F paralllement G.
(i) p est un endomorphisme de E.
(ii) p2 = p.
(iii) Ker p = Im(p IdE ) = G et Im p = Ker(p IdE ) = F.

Remarque. x G p(x) = 0E et x F p(x) = x.

Proposition 4.2 Caractrisation des projecteurs

Soit p L(E). Alors p est un projecteur si et seulement si p2 = p.


Dans ce cas, E = Ker p Im p et p est le projecteur sur Im p = Ker(p IdE ) paralllement Ker p.

Remarque. x Im p p(x) = x.

Exemple 4.1

Soit n N. Lapplication qui un polynme associe la somme de ses monmes de degr infrieur ou gal n
est le projecteur sur Kn [X] paralllement Xn+1 Kn [X].

http://laurentb.garcin.free.fr 14
Laurent Garcin MPSI Lyce Jean-Baptiste Corot

Projecteurs associs une dcomposition en somme directe


n
M
Soient E1 , . . . , En des sous-espaces vectoriels dun espace vectoriel E tels que E = Ei . Pour tout x E, il
i=1
Y
n
existe un unique (x1 ,d ots, xn ) Ei . Pour tout i J1, nK, on note pi lapplication qui x E associe xi .
i=1 M
Alors pi le projecteur sur Ei paralllement Ej et pour tout (i, j) J1, nK2 tel que i 6= j, pi pj = 0.
j6=i

Proposition 4.3 Proprits des symtries

Soient F et G deux sous-espaces vectoriels supplmentaires dans un K-espace vectoriel E. Soit s la symtrie
par rapport F paralllement G.
(i) s est un endomorphisme de E.
(ii) s2 = IdE .
(iii) Ker(s IdE ) = F et Ker(s + IdE ) = G.

Remarque. La dernire assertion signifie que x F s(x) = x et que x G s(x) = x.

Proposition 4.4 Caractrisation des symtries

Soit s L(E). Alors s est une symtrie si et seulement si s2 = IdE .


Dans ce cas, E = Ker(s IdE ) Ker(s + IdE ) et s est la symtrie par rapport Ker(s IdE ) paralllement
Ker(s + IdE ).

Exemple 4.2

Lapplication qui une fonction f de R dans R associe la fonction x 7 f(x) est la symtrie par rapport au
sous-espace vectoriel des fonctions paires paralllement au sous-espace vectoriel des fonctions impaires.

Remarque. Soient F et G deux sous-espaces vectoriels supplmentaires dans un espace vectoriel E. Si p est le
projecteur sur F paralllement G et s la symtrie par rapport F paralllement G, alors s = 2p IdE .

4.2 Homothties

Dfinition 4.2 Homothtie

Soient E un K-espace vectoriel et K. On appelle homothtie de E de rapport lapplication h :


E E
. Cest un endomorphisme de E. De plus, h un automorphisme de E si et seulement
x 7 .x
si 6= 0.

Exercice 4.1

Montrer que les endomorphismes de E commutant avec tous les endomorphismes de E sont les homothties.

http://laurentb.garcin.free.fr 15