Applin

Applications lineaires
RAPPEL :
Nous avons vu plusieurs fois au cours de cette annee largument de linearite : mais o` u exactement ?
Par ordre dapparition :
linearite de la somme
linearite de la derivation
linearite de lintegrale
_
linearite de lesperance E
En fait, derrière ce mot, se cache une et une seule notion ... denie ci-dessous !
1 Generalites
Soient E et F deux espaces vectoriels.
1.1 Denition
D efinition
On dit quune application f : E F est lineaire si
1. (x, y) E
2
, f(x + y) = f(x) + f(y).
2. x E, R, f(x) = f(x).
Autrement dit, f doit preserver la structure despace vectoriel.
Remarque
Pour montrer que f est lineaire, on peut egalement montrer que :
(x, y) E
2
, R, f(x + y) = f(x) + f(y).
Notations :
Lensemble des applications lineaires de E dans F est note L(E, F).
On appelle endomorphisme de E une application lineaire de E dans E et lensemble des endomorphismes de E
est note L(E).
Exemples particuliers
Lapplication lineaire nulle notee 0 : E F
x
0.
Lendomorphisme identite Id : E E et plus generalement les homotheties (avec > 0) : E E
x x x x
Proprietes fondamentales des applications lineaires :
Soit f : E F une application lineaire.
1. Alors f(
0
E
) =
0
F
.
En eet,

0
E
=

0
E
+
0
E
donc f(
0
E
) = f(
0
E
+
0
E
) = f(
0
E
) + f(
0
E
) = 2 f(
0
E
). Donc f(
0
E
) = 2 f(
0
E
)
soit f(
0
E
) =
0
F
.
2. x E, f(x) = f(x) (cas particulier = 1)
3. Plus generalement, limage dune combinaison lineaire de vecteurs de lespace de depart est la combinaison
lineaire des images de ces vecteurs : (cette propriete peut se montrer par recurrence sur n)
(
1
, . . . ,
n
) R
n
, (x
1
, . . . , x
n
) E
n
, f(
1
x
1
+
2
x
2
+ +
n
x
n
) =
1
f(x
1
) +
2
f(x
2
) + +
n
f(x
n
).
Exemples :
Soit f : R
3
R f est lineaire et est appelee forme lineaire car lespace darrivee est R.
(x
1
, x
2
, x
3
) x
1
+ 2x
2
+ 5x
3
.
En eet, soit x = (x
1
, x
2
, x
3
) R
3
et y = (y
1
, y
2
, y
3
) R
3
. Alors x + y = (x
1
+ y
1
, x
2
+ y
2
, x
3
+ y
3
) et
f(x+y) = (x
1
+y
1
) +2(x
2
+y
2
) +5(x
3
+y
3
) = x
1
+2x
2
+5x
3
y
1
+2y
2
+5y
3
= f(x) +f(y). De meme
si R, x = (x
1
, x
2
, x
3
) do` u f(x) = (x
1
) + 2(x
2
) + 5(x
3
) = [x
1
+ 2x
2
+ 5x
3
] = f(x).
1
je t'aime cherie
Modifi avec la version de dmonstration de PDF Editor, un logiciel CAD-KAS (http://www.cadkas.com).
Soit D : R[X] R[X] loperateur de derivation à lordre 1.
P P
.
Alors D est une application lineaire : ce qui justie le terme de linearite de la derivation. De meme,
loperateur dintegration est lineaire ( linearite de lintegrale).
1.2 Noyau
Soit f une application lineaire de E dans F.
D efinition
Le noyau de f, note Ker(f), est lensemble des vecteurs de E qui ont pour image le vecteur nul de F :
Ker (f)={x E/ f(x) =
0
F
}
Remarque : Comme f est lineaire on sait que f(
0
E
) =
0
F
donc

0
E
Ker(f) et Ker(f) = .
Exemple :
Soit la forme lineaire precedente : f : R
3
R denie par f(x
1
, x
2
, x
3
) = x
1
+ 2x
2
+ 5x
3
.
Alors le noyau de f est Ker(f) = {(x
1
, x
2
, x
3
) R
3
/ x
1
+ 2x
2
+ 5x
3
= 0}.
Donc Ker(f) est lensemble solution du système lineaire homogène à une equation
_
x
1
+ 2x
2
+ 5x
3
= 0
_
x
1
= 2x
2
+ 5x
3
Do` u Ker(f) = {(2x
2
+ 5x
3
, x
2
, x
3
), (x
2
, x
3
) R
2
}.
En particulier Ker(f) est un sous-espace vectoriel : en fait cest le plan vectoriel engendre par ((5, 0, 1), (2, 1, 0)),
car (x
2
, x
3
) R
2
, (2x
2
+ 5x
3
, x
2
, x
3
) = x
2
(2, 1, 0) + x
3
(5, 0, 1).
Theorème
Ker(f) est un sous-espace vectoriel de E.
Demonstration On sait dejà que Ker(f) E est non vide.
Soient (x, y) Ker(f) et R : donc f(x) =
0 = f(y).
Montrons que x + y Ker(f) cest-à-dire montrons que f(x + y) =
0.
Or f(x + y) = f(x) + f(y) (par linearite de f) =
0 +
0 =
0
1.3 Image
D efinition (Rappel : cf chapitre Applications).
Limage de f note Im(f) est lensemble des images par f des vecteurs de E :
Im(f) = {f(x), x E} = {y F/ x E : f(x) = y}.
Remarque : Comme f(
0
E
) =
0
F
on a

0
F
Im(f) et Im(f) = .
Exemple :
Reprenons la forme lineaire denie sur R
3
par f(x
1
, x
2
, x
3
) = x
1
+ 2x
2
+ 5x
3
.
On sait dejà par denition que Im(f) F = R. Montrons ici que Im(f) = R.
Soit y R, on cherche x = (x
1
, x
2
, x
3
) R
3
tel que f(x) = y. Mais f(x) = y x
1
+ 2x
2
+ 5x
3
= y
donc le triplet (y, 0, 0) convient.
Conclusion : Im(f) = R.
Theorème
Im(f) est un sous-espace vectoriel de F.
Demonstration
On sait dejà Im(f) F et Im(f) = .
Soient (x, y) Im(f)
2
, et montrons que x + y Im(f).
x Im(f) a E/ f(a) = x. De meme,
b E/ f(
b) = y.
Montrons alors que a+
b est un antecedent de x+y par f : f(a+
b) = f(a) +f(
b) = x+y. Donc x+y Im(f).

Soit maintenant R, et montrons que x Im(f) : or f(a) = f(a) = x donc on a bien trouve un
antecedent de x et x Im(f).
Exemple : Soit lendomorphisme f : R
3
R
3
Determinons son image Im(f) R
3
.
(x, y, z) (x y, y z, z x)
2
(a, b, c) Im(f) (x, y, z) R
3
/ (a, b, c) = f(x, y, z) = (x y, y z, z x).
le système S =
_
_
_
x y = a
y z = b
x + z = c
est compatible.
Methode : resoudre par la methode du pivot de Gauss le système S dinconnues x, y, z :
S
_
_
_
x y = a
y z = b
y + z = c + a L
3
L
3
+ L
1
_
_
_
x y = a
y z = b
0 = c + a + b L
3
L
3
+ L
2
.
Donc le système S est compatible ssi a + b + c = 0 autrement dit, (a, b, c) admet un antecedent par f ssi
a + b + c = 0 ; donc Im(f) = {(a, b, c) R
3
/ a + b + c = 0}.
Im(f) est le plan vectoriel engendre par (1, 0, 1) et (1, 1, 0).
1.4 Applications lineaires bijectives
Theorème f est surjective Im(f) = F
Cette equivalence nest rien dautre que la denition de la surjectivite : cf chapitre Applications.
Exemple :
Soit f : R
2
R
2
f est une application lineaire : montrons quelle est injective.
(x, y) (2x + y, x + y)
Soient (x, y) R
2
et (x
, y
) R
2
tels que f(x, y) = f(x
, y
) : montrons que (x, y) = (x
, y
).
f(x, y) = f(x
, y
)
_
2x + y = 2x
+ y
x + y = x
+ y

_
x + y = x
+ y
2x + y = 2x
+ y

_
x + y = x
+ y
3y = 3y

_
x = x
y = y
Donc f est injective.

Theorème f est injective Ker(f) = {
0}.
Demonstration
: supposons que f est injective et montrons que Ker(f) = {
0}. On sait dejà

0 Ker(f) ; montrons que

0
est le seul element. Soit x Ker(f). Alors f(x) =
0. Dautre part, on sait f(
0) =
0. Do` u f(x) = f(
0) et comme
f est injective on obtient x =
0.
: Supposons que Ker(f)={
0}, et montrons que f est injective.

Soient (x, y) E
2
tels que f(x) = f(y). Montrons que x = y.
Mais f(x) = f(y) f(x) f(y) =
0 f(x y) =
0 (x y) Ker(f) = {
0} x y =
0 x = y.
et f est injective.
Retour exemple : soit x = (x, y) Ker(f) : f(x, y) =
0 = (0, 0)
_
2x + y = 0
x + y = 0

_
x = 0
y = 0
Donc Ker(f)={
0} et f est injective.
Ce theorème permet donc de montrer plus facilement linjectivite, sans revenir à la denition.
2 Cas particuliers des espaces de matrices colonnes
Dans toute cette section, E = M
p,1
(R) et F = M
n,1
(R) avec n, p deux entiers non nuls.
Theorème Soit M M
n,p
(R) quelconque. Alors f : M
p,1
(R) M
n,1
(R) est une application lineaire.
X M X
Demonstration
En eet, soient (X, Y ) M
p,1
(R) et soit R.
Alors f(X + Y ) = M (X + Y ) = M X + M Y = f(X) + f(Y ).
Reciproquement, on peut montrer que :
Theorème Soit f une application lineaire de M
p,1
(R) dans M
n,1
(R). Alors, il existe une matrice M M
n,p
(R),
appelee matrice associee à f, telle que X M
p,1
(R), f(X) = MX.
3
Exemple :
Soit f : M
2,1
(R) M
2,1
(R) denie par f(
_
x
y
_
) =
_
2x + y
x + y
_
. Alors si on pose M =
_
2 1
1 1
_
, on a que
M
_
x
y
_
=
_
2x + y
x + y
_
= f(
_
x
y
_
), donc M est la matrice associee à f.
En particulier, f est une application lineaire.
Remarque : posons e
1
=
_
1
0
_
et e
2
=
_
0
1
_
les vecteurs de la base canonique de M
2,1
(R).
Alors f(e
1
) =
_
2
1
_
et f(e
2
) =
_
1
1
_
. Ces deux images sont justement les colonnes de la matrice M trouvee !
Exercice : Soit f lapplication lineaire de M
2,1
(R) dans M
3,1
(R) telle que f(
_
1
0
_
) =
_
_
1
0
1
_
_
et f(
_
0
1
_
) =
_
_
1
1
2
_
_
.
Determinons f ainsi que sa matrice M associee.
Determiner f cest connatre f(X), pour tout X M
2,1
(R). Soit X =
_
x
y
_
M
2,1
(R).
Alors X = x
_
1
0
_
+ y
_
0
1
_
donc par linearite, f(X) = xf(
_
1
0
_
) + yf(
_
0
1
_
) = x
_
_
1
0
1
_
_
+ y
_
_
1
1
2
_
_
=
_
_
x + y
y
x + 2y
_
_
.
Posons alors, M =
_
_
1 1
0 1
1 2
_
_
. On verie facilement que MX = f(X) pour tout X M
2,1
(R).
Remarque : comme dans lexemple precedent, les colonnes de M sont formees des images des vecteurs de la base
canonique de lespace de depart....
Propriete de limage de f :
Soit (e
1
=
_
_
_
_
_
_
_
1
0
0
.
.
.
0
_
_
_
_
_
_
_
, e
2
=
_
_
_
_
_
_
_
0
1
0
.
.
.
0
_
_
_
_
_
_
_
, . . ., e
p
=
_
_
_
_
_
_
_
0
0
0
.
.
.
1
_
_
_
_
_
_
_
) la base canonique de M
p,1
(R) (ou une autre base).
Theorème
Im(f) = Vect(f(e
1
), f(e
2
), . . . , f(e
p
)).
Demonstration
En eet, soit X =
_
_
_
_
_
x
1
x
2
.
.
.
x
p
_
_
_
_
_
M
p,1
(R) Alors X = x
1
e
1
+ x
2
e
2
+ + x
p
e
p
;
donc f(X) = f(x
1
e
1
+x
2
e
2
+ +x
p
e
p
) = x
1
f(e
1
)+x
2
f(e
2
)+ x
p
f(e
p
) et f(X) secrit comme une combinaison
lineaire de (f(e
1
), . . . , f(e
p
)) do` u f(X) Vect(f(e
1
), . . . , f(e
p
)).
Do` u Im(f) Vect(f(e
1
), . . . , f(e
p
)).
Reciproquement si Y Vect(f(e
1
), . . . , f(e
p
)), alors par denition dun sous-espace vectoriel engendre, il existe
(
1
, . . . ,
p
) R
p
tel que Y =
1
f(e
1
) + +
p
f(e
p
).
Mais alors, Y = f(
1
e
1
) +f(
2
e
2
) + +f(
p
e
p
) = f(
1
e
1
+
2
e
2
+
p
e
p
) par linearite de f do` u Y Im(f).
Finalement, Vect(f(e
1
), . . . , f(e
p
)) Im(f). Do` u legalite.
Retour exercice precedent :
Im(f) = V ect(f(
_
1
0
_
), f(
_
0
1
_
)) = V ect(
_
_
1
0
1
_
_
,
_
_
1
1
2
_
_
). Or ces deux vecteurs sont libres (car non colineaires),
donc ils forment une base de Im(f). En particulier, dim(Im(f)) = 2.
4

Applin

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Applin

Transféré par

Droits d'auteur :

Formats disponibles

Applications lineaires

b est un antecedent de x+y par f : f(a+

b) = x+y. Donc x+y Im(f).

) : montrons que (x, y) = (x

Donc f est injective.

0}. On sait dej`a

0. Dautre part, on sait f(

0}, et montrons que f est injective.

Vous aimerez peut-être aussi