Exercices corrigés sur les espaces vectoriels |
On considère $\varphi$ l'application linéaire définie par $\varphi$ : $\mathbb{R}_n[X] \to \mathbb{R}[X]$ définie par
$\varphi(P) = (X+1) \times P(X) - X \times P(X+1) $
Question 1 :
Montrer que $\varphi$ est une application linaire. |
Indication
Par définition : $\varphi \ : \ E \to F$ est une application linéaire ssi
$$
\text{$\forall (u,v) \in E^2$, $\forall \lambda \in \mathbb{R}$ on a $\varphi( \lambda u + v ) =
\lambda \varphi( u ) + \varphi( v )$}
$$
Solution
$\forall (P,Q) \in \mathbb{R}_n[X]^2$, $\forall \lambda \in \mathbb{R}$ on a
$
\begin{eqnarray}
\varphi( \lambda P + Q )
&=&
(X+1) \times (\lambda P + Q) (X+1) - X \times (\lambda P + Q) (X+1) \qquad \text{ par définition de } \varphi
\\
&=&
\lambda ( (X+1) \times P(X) - X \times P(X+1) ) + ( (X+1) \times Q(X) - X \times Q(X+1) )
\\
&=&
\lambda \varphi( P ) + \varphi( Q )
\end{eqnarray}
$
donc $\varphi$ est une application linéaire.
|
Question 2 :
Calculer $\varphi(X^j)$ pour tout entier $j \in [\![ 0;n]\!]$. On discutera selon les valeurs de $j$.
En déduire que $\text{ Im } (\varphi) \subset \mathbb{R}_n[X]$ puis que $\varphi$ est un endomorphisme de $E =\mathbb{R}_n[X] $. |
Indication
isoler les cas $j=0$ et $j=1$ puis $j \geq 2$.
Solution
$\varphi(1) = (X+1) \times 1 - X \times 1 = 1$
$\varphi(X) = (X+1) \times X - X \times (X+1) = 0$
$
\varphi(X^2) = (X+1) \times X^2 - X \times (X+1)^2 = (X^3 +X^2) - (X^3 +2 X^2 +X) = -X^2 -X$
et de façon générale, pour tout $j \geq 2$ on a
$
\begin{eqnarray*}
\varphi(X^j) &=& (X+1) \times X^j - X \times (X+1)^j
\\
&=& (X^{j+1} + X^j) - X \times \sum\limits_{p=0}^{j} {{j}\choose{p}} X^p \text{ par développement du binôme de Newton }
\\
&=&
(X^{j+1} +X^j) - X \times \left( X^j + j X^{j-1} + \sum\limits_{p=0}^{j-2} {{j}\choose{p}} X^{p} \right)
\\
&=&
(1-j) X^j - \sum\limits_{p=0}^{k-2} {{j}\choose{p}} X^{p+1} \text{ par simplification}
\\
&=&
(1-j) X^j - \sum\limits_{i=1}^{k-1} {{j}\choose{i-1}} X^{i} \text{ changement d'indice $i=p+1$}
\end{eqnarray*}
$
et $j \geq 2$ donc $1-j \neq 0$ et donc $\varphi(X^j)$ est de degré $j$.
Par conséquent, $\forall j \in [\![ 0;n]\!]$, $\varphi(X^j) \in \mathbb{R}_n[X]$.
Les polynômes $(X^j)_{0 \leq j \leq n}$ forment la base canonique de $E = \mathbb{R}_{n}[X]$.
Donc $\text{Im}( \varphi) = Vect ( ( \varphi(X^j) )_{0 \leq j \leq n} )$ ; or si $j \in [\![0;n]\!]$ alors
$\varphi(X^j) \in \mathbb{R}_{n}[X]$.
Et $\mathbb{R}_{n}[X]$ est un espace vectoriel ;
par conséquent, $\text{Im}( \varphi) = Vect ( ( \varphi(X^j) )_{0 \leq j \leq n} ) \subset \mathbb{R}_{n}[X]$.
$\varphi$ est linéaire et définie sur $E = \mathbb{R}_{n}[X]$ et on a
$\text{Im}( \varphi) \subset \mathbb{R}_{n}[X]=E$ donc
$\varphi$ est un endomorphisme de $E =\mathbb{R}_n[X] $.
|
Question 3 :
Ecrire la matrice $A$ de $\varphi$ dans la base canonique ${\mathcal B}$ de $E$. |
Indication
Il s'agit d'exprimer les images des vecteurs $X^j$ de la base canonique par rapport à cette même base.
Solution
On a vu que :
$\varphi(1) = 1$
$\varphi(X) = 0$
et de façon générale, pour tout $j \geq 2$ on a
$\varphi(X^j) = (1-j) X^j - \sum\limits_{i=1}^{j-1} {{j}\choose{i-1}} X^{i}$
et $k \geq 2$ donc $1-k \neq 0$ et donc $\varphi(X^k)$ est de degré $k$.
Par conséquent, $Mat_{{\mathcal B}}(\varphi) $ est triangulaire suprieure, de dimension $(n+1) \times (n+1)$ :
$Mat_{{\mathcal B}}(\varphi) = A =
\left(
\begin{array}{cccccc}
1 & 0 & 0 & ... & ... & 0 \\
0 & 0 & -1 & -1 & ... & -1 \\
0 & 0 & -1 & -3 & ... & -n \\
0 & 0 & 0 & -2 & ... & \vdots \\
0 & 0 & 0 & 0 & \ddots & -n \\
0 & 0 & 0 & 0 & \ddots & -(n-1) \\
\end{array}
\right)
\ \in {\mathcal M}_{n+1} ( {\mathbb R} )
$
$$
\forall (i,j) \in [\![ 0 ;n ]\!]^2,
\quad a_{i,j} =
\left\lbrace
\begin{array}{lll}
0 & \quad \text{ si } i >j & \text{(sous la diagonale)} \\
1-j & \quad \text{ si } i=j & \text{(diagonale)} \\
0 & \quad \text{ si } i=0 \text{ et } 1 \leq j \leq n & \text{(ligne $0$)} \\
- {{j}\choose{i-1}} & \quad \text{ si } 1 \leq i \leq j-1
\end{array}
\right.
$$
|
Question 4 :
En déduire le rang de $\varphi$.
|
Indication
le rang de l'application linéaire est aussi le rang de la matrice écrite dans des bases de $E$ et $F$.
Solution
$\text{rg} (\varphi)= \text{rg} \left( Mat_{{\mathcal B}}(\varphi) \right) = \text{rg} \left( A \right)$.
$A = Mat_{{\mathcal B}}(\varphi)$ est une matrice de ${\mathcal M}_{n+1} ( {\mathbb R} )$, en notant $(C_1,C_2, \ldots, C_n)$ ses vecteurs colonnes,
on a :
$
\text{rg}
\left(
A
\right)
=
\text{rg}
\left(
\begin{array}{cccccc}
1 & 0 & 0 & ... & ... & 0 \\
0 & 0 & -1 & -1 & ... & -1 \\
0 & 0 & -1 & -3 & ... & -n \\
0 & 0 & 0 & -2 & ... & \vdots \\
0 & 0 & 0 & 0 & \ddots & -n \\
0 & 0 & 0 & 0 & \ddots & -(n-1) \\
\end{array}
\right)
=
\text{rg}
\left(
C_1,C_2,C_3, \ldots, C_n
\right)
$
en supprimant la colonne nulle $C_2$, on a :
$
\text{rg}
\left(
A
\right)
=
\text{rg}
\left(
C_1,C_3, \ldots, C_n
\right)
$
Donc
$
\text{rg}
\left(
A
\right)
=
\text{rg}
\left(
\begin{array}{cccccc}
\fbox{1} & 0 & ... & ... & 0 \\
0 & -1 & -1 & ... & -1 \\
0 & \fbox{-1} & -3 & ... & -n \\
0 & 0 & \fbox{-2} & ... & \vdots \\
0 & 0 & 0 & \ddots & -n \\
0 & 0 & 0 & \ddots & \fbox{-(n-1)} \\
\end{array}
\right)
$
et cette famille de $n$ vecteurs est libre à cause du décalage des termes non nuls encadrés.
On a donc $\text{rg}(\varphi) = n$.
|
Question 5 :
En déduire $\ker(\varphi)$. |
Indication
$E$ est un e-v de dimension finie, utiliser le théorème du rang... on trouve que le noyau est de dimension $1$.
Il ne reste plus qu'à trouver un vecteur non nul du noyau...
Solution
$E = \mathbb{R}_n[X]$ est un espace de dimension finie $n+1$ donc on peut appliquer le théorème du rang à $\varphi$ :
$\text{Im}( \varphi)$ est de dimension finie et $\dim(E) = \dim(\ker(\varphi) ) + \text{rg}( \varphi ) $
; ce qui donne ici
$$
n+1 = \dim(\ker(\varphi) ) + n
$$
donc $\dim(\ker(\varphi) ) = 1$.
On a vu à la question 2 (et aussi à la question 3) que $\varphi(X) = 0$ donc $X \in \ker(\varphi)$. Donc $Vect(X) \subset \ker(\varphi)$.
Mais $Vect(X)$ et $\ker(\varphi)$ sont de même dimension finie. Il sont donc égaux : $\ker(\varphi) = Vect(X) $.
|
Question 6 :
$\psi$ : $\mathbb{R}[X] \to \mathbb{R}[X]$ définie par $\psi(P) = (X+1) \times P(X) - X \times P(X+1) $.
Déterminer $\ker(\psi)$. |
Indication
Faire le lien avec $\varphi$ et choisir convenablement le $n$.
Solution
On remarque que si $n$ est choisi alors $\varphi$ est la restriction de $\psi$ à $\mathbb{R}_n[X]$ :
$\varphi = \psi_{\mid_{\mathbb{R}_n[X]}}$.
Si on considère un polynôme $P$ non nul tel que $P \in \ker(\psi)$, alors en posant $n$ son degré, on a $P \in \mathbb{R}_n[X]$ et
donc $P \in \ker(\varphi)$.
Et d'après la question 5, on a $P(X) = \lambda X$ avec $\lambda \in \mathbb{R}$.
Réciproquement, $X \in \ker( \psi)$ et $\ker(\psi)$ est un espace vectoriel donc $Vect(X) \subset \ker(\psi)$.
En conclusion, $ \ker(\psi) = Vect(X)$.
|
|