Académique Documents
Professionnel Documents
Culture Documents
Applications linéaires
56
1. Espace vectoriel ( rappels ) 57
λ1 u1 + λ2 u2 + ...... + λp up
Définition 1.3 (Familles libres - Indépendance linéaire) Une famille finie {u1 , · · · , up }
de p vecteurs de E est libre si et seulement si :
λ1 u1 + λ2 u2 + ...... + λp up = 0E ⇒ λ1 = · · · = λp = 0
Propriétés :
a) Toute famille non vide extraite d’une famille libre est libre.
b) Toute famille qui contient une famille liée est liée.
c) Si {u1 , · · · , up } est une famille libre et {u1 , · · · , up , w} est une famille liée, alors w
est combinaison linéaire de u1 , · · · , up .
Propriétés :
a) Toute famille qui contient une famille génératrice est génératrice.
b) Si S = (u1 , · · · , up ) est une famille génératrice et si up est combinaison linéaire de
u1 , · · · , up−1 , alors u1 , · · · , up−1 est génératrice.
Proposition 1.1 .
Soit B = {u1 , · · · , up } une famille de p vecteurs de F .
∀ u ∈ F ∃ !(λ1 , · · · , λp ) ∈ IK p :
B est une base de F ⇔
u = λ1 u1 + λ2 u2 + ...... + λp up
Théorème 1.3 .
Soit E un IK-espace vectoriel de dimension finie avec dim E = n.
B est composée de n vecteurs B est composée de n vecteurs
B est une base de E ⇔ ⇔
B est libre dans E B est génératrice deE
Théorème 1.4 .
i) Soit E un IK-espace vectoriel de dimension fini. Si F est un sous espace vectoriel
de E, alors dim F ≤ dim E.
ii) Soient F1 et F2 deux sous espaces vectoriels de E
F1 ⊂ F2
⇒ F1 = F2
dim F1 = dim F2
Définition 2.1 .
On appelle rang d’une famille S de vecteurs de E, noté rang(S), la dimension du sous-
espace F = vect(S) engendré par S : rang(S) = dim vect(S)
Le rang d’une famille S est le nombre maximum de vecteurs linéairement indépendants
que l’on peut extraire de S.
Propriétés :
Soit S une famille de p vecteurs d’un espace vectoriel E de dimension finie n, alors :
a)
rang(S) ≤ min(p, n)
b)
rang(S) = p ⇔ S est libre et p ≤ n
c)
rang(S) = n ⇔ S est génératrice de E et n ≤ p
Définition 2.2 .
Soit A ∈ Mnp (IK) et soit
Théorème 2.1 .
Soit E un IK-espace vectoriel de dimension finie n et B une base de E.
Soient S = (u1 , . . . , un ) est une famille de n vecteurs de E, P la matrice représentant
S dans la base B et R sa réduite de Gauss, alors :
Preuve :
l’équation λ1 u1 + · · · + λn un = 0
S est une base de E ⇔ S est libre ⇔
admet l’unique solution λ1 = · · · = λn = 0
donc S est une base de E si et seulement si le système :
λ1 0
.. ..
P . = . admet l’unique solution λ1 = · · · = λn = 0
λn 0
D’après le thórème 7.1 et le corollaire 7.1 du chapitre II :
Remarque 2.1 .
Le rang de la matrice A est égale au rang de sa transposée t A, cela signifie que le rang
des colonnes et le rang des lignes de la matrice A sont égaux.
u1 = (1, 3, −1, 2); u2 = (−1, 2, 1, 2); u3 = (3, −1, −3, −2) et u4 = (−1, 0, 1, 3).
1 −1 3 −1
3 2 −1 0
La famille S est représentée par la matrice A = −1 1 −3 1
2 2 −2 3
1 −1 3 −1
0 5 −10 3
La matrice R = 0 0 1 est une réduite de Gauss de A.
0 5
0 0 0 0
Montrons que {u1 , u2 , u4 } est libre et une base de vectS.
• {u1 , u2 , u4 } est libre :
3 Applications linéaires
∀ x, x0 ∈ E, f (x) = f (x) =⇒ x = x0
∀ y ∈ F, ∃ x ∈ E f (x) = y
∀ y ∈ F, ∃ ! x ∈ E f (x) = y
Remarque 3.1 .
i) f : E → F est une application linéaire ssi :
∀ u ∈ E et ∀ λ ∈ IK f (λ u) = λ f (u)
∀ u, v ∈ E f (u + v) = f (u) + f (v)
ii) f (0E ) = 0F
Notation :
On note L(E, F ) l’ensemble des applications linéaires de E dans F .
Si f ∈ L(E, F ) est bijective, on dit que f est un isomorphisme de E dans F .
Si f ∈ L(E, E), on dit que f est un endomorphisme de E, L(E, F ) = End(E) .
Si f ∈ End(E) est bijective, on dit que f est un automorphisme de E.
Proposition 3.1 .
( L(E, F ), +, . ) muni de l’addition et la multiplication par un scalaire de IK est un
espace vectoriel sur IK. Si f , g ∈ L(E, F ) et λ ∈ IK alors f + λ g ∈ L(E, F ).
Proposition 3.2 .
Soient E et F deux IK-espaces vectoriels, et soit f ∈ L(E, F ) une application linéaire.
Soient G un sous-espace vectoriel de E et H un sous-espace vectoriel de F , alors :
i) f (G) = { f (u) ∈ F : u ∈ G } est un sous-espace vectoriel de F .
ii) f −1 (H) = { u ∈ E : f (u) ∈ H } est un sous-espace vectoriel de E.
Preuve :
i) Soient v1 , v2 ∈ f (G) et soit λ ∈ IK. Il existe u1 , u2 ∈ G tels que : f (u1 ) = v1 et
f (u1 ) = v2 . Alors u1 + λu2 ∈ G et w = v1 + λv2 = f (u1 + λu2 ) ∈ f (G), d’où f (G) est
sous espace vectoriel de F .
ii) Soient u1 , u2 ∈ f −1 (H) alors f (u1 ) + λf (u2 ) ∈ H, donc f (u1 + λu2 ) ∈ H. D’où
u1 + λu2 ∈ f −1 (H) et f −1 (H) est sous espace vectoriel de F .
Proposition 3.3 .
Soient E et F deux IK-espaces vectoriels, et soit f ∈ L(E, F ) une application linéaire.
i)
f est injective ⇐⇒ ker(f ) = {OE }
ii)
f est surjective ⇐⇒ Im(f ) = F
Preuve : Exercice.
S = {u1 , . . . , up } est une base de E =⇒ f (S) = {f (u1 ), . . . , f (up )}est une base de F
Preuve : Exercice.
Proposition 3.5 .
Soient E et F deux IK-espaces vectoriels où l’espace E est de dimension finie, dim E = n.
Soient B = {e1 , . . . , en } une base de E et f ∈ L(E, F ) une application linéaire.
Soit {w1 , . . . , wn } une famille de n vecteurs de F , alors il existe une unique application
linéaire f ∈ L(E, F ) telle que f (e1 ) = w1 , . . . , f (en ) = wn .
Une application linéaire f est entièrement déterminée par les images des vecteurs d’une
base, f (B) = {f (e1 ), . . . , f (ep )}.
Preuve :
Soit u = λ1 e1 + · · · + λn en ∈ E, comme f est linéaire, alors :
Donc f est entièrement déterminée par la donnée des vecteurs f (e1 ), . . . , f (ep ).
Vérifions que {f (w1 ), . . . , f (wn−q )} est libre. Soit α1 , . . . , αn−q dans IK tels que :
Corollaire 3.1 .
Soient E et F deux IK-espaces vectoriels de même dimension n.
Soit f : E −→ F une application linéaire, alors :
f (e1 ) · · · f (en )
a11 · · · a1n 1
MatB,C (f ) = ... .. ..
. .
ap1 · · · apn n
Propriétés :
x1
Soient u = x1e1 + · · · + xnen ∈ E et X = ... ses com-
xn
posantes dans la base B.
y1
Soient v = f (u) = y11 + · · · + ypp ∈ F et Y = ... ses
yp
composantes dans la base C.
f (e1) · · · f (en)
a11 · · · a1n 1
A = ... ... ...
ap1 · · · apn n
Lhassane Saddek Faculté des Sciences - UMI SMPC S2, 2020/2021
68 Ch. IV: Applications linéaires
Ecriture analytique
y1 a11 a1n
v = f (u) = x1 f (e1 ) + · · · + xn f (en ) ⇔ ... = x1 .. + · · · + x ..
. n .
yp ap1 apn
y1 = a11 x1 + · · · + a1p xn
⇔ ..
.
y = a x + ··· + a x
p p1 1 pn n
Ecriture matricielle
y1 x1
v = f (u) ⇔ Y = A X ⇔ ... = A ...
yp xn
f (u) = OF ⇔ A X = O ⇔ R X = O
Lhassane Saddek Faculté des Sciences - UMI SMPC S2, 2020/2021
3. Applications linéaires 69
donc
f (e1 − 2e2 − e3) = O
par suite u0 = e1 − 2e2 − e3 ∈ ker f et ker f = vect{u0}
Lhassane Saddek Faculté des Sciences - UMI SMPC S2, 2020/2021
70 Ch. IV: Applications linéaires
MatC,D (g) ∈ Mq,p (IK) , MatB,C (f ) ∈ Mp,n (IK) et MatB,D (g o f ) ∈ Mq,n (IK)
Dans ce cas on a :
MatB (f −1) = ( MatB (f ) )−1
Preuve :
On a :
f est un isomorphisme ⇐⇒ f −1 o f = f o f −1 = idE (∗)
Alors :
(∗) ⇐⇒ MatB (f −1)MatB (f ) = MatB (f ) MatB (f −1) = In
Donc
(∗) ⇐⇒ MatB (f ) est inversible et MatB (f −1) = ( MatB (f ) )−1
Proposition 3.8 .
La matrice de passage P = MatB B 0 est inversible et son in-
verse
P −1 = MatB0 B
est la matrice de passage de la base B 0 à la base B.
Lhassane Saddek Faculté des Sciences - UMI SMPC S2, 2020/2021
3. Applications linéaires 73
Proposition 3.9 .
x01
x1
Pour tout vecteur u de E, soient X = ... et X 0 = ...
xn x0n
les composantes de u respectivement dans la base B et dans la
base B 0. Soit
P = MatB B 0
la matrice de passage de la base B à la base B 0, alors :
X = P X0
On a :
X 0 = P −1 X où P −1 = MatB0 B
Preuve :
On a :
u = x1e1+· · ·+xnen = x01e01+· · ·+x0ne0n ⇐⇒ X = MatB B 0 X 0 = P X 0
⇐⇒ MatB0 B X = P −1 X = X 0
D’ou le résultat.
Preuve :
Pour tout vecteur u de E, soit v = f (u).
Soient X ∈ Mn,1(IK) et Y ∈ Mn,1(IK) les composantes
respectivement de u et v dans la base B.
Soient X 0 ∈ Mn,1(IK) et Y 0 ∈ Mn,1(IK) les composantes
respectivement de u et v dans la base B 0.
On a :
X 0 = P X et Y 0 = P Y, où P = MatB B 0
Alors :
v = f (u) ⇔ Y 0 = A0 X 0 ⇔ P Y = A0 P X ⇔ Y = P −1 A0 P X ⇔ A = P −1 A0 P
Donc
A0 = P A P −1