MAT1600-Algèbre linéaire

Séance 5 - Transformations linéaires et leurs propriétés

1 / 18
Contenu de la séance

Note importante : Pour faciliter la compréhension de la matière

présentée dans ce document, il est fortement recommandé de
visionner d’abord les activités en ligne suivantes :
Activités 3, 4 et 6 du module 4.

- Transformation linéaire entre deux espaces vectoriels quelconques.

- Noyau et image d’une transformation linéaire.
- Transformation injective, surjective, isomorphisme.
- Retour sur le cas des espaces vectoriels de type Rn et matrice
associée à une transformation linéaire.
- Section couvertes dans Lay (1.8, 1.9 et 4.2)

2 / 18
Transformation linéaire entre deux espaces vectoriels
quelconques

Définition :
Soit V et W deux espaces vectoriels sur le corps des réels R.
L’application T : V → W est dite linéaire si

1)T (0V ) = 0W ;

2)T (u + v ) = T (u) + T (v ), ∀ u, v ∈ V ;
3)T (cu) = cT (u), ∀u ∈ V , c ∈ R.
Proposition : T est une transformation linéaire

⇐⇒ T (cu + dv ) = cT (u) + dT (v ), ∀ u, v ∈ V , c, d ∈ R.

3 / 18
Transformation linéaire entre deux espaces vectoriels
quelconques

Exercice : Les applications suivantes sont-elles linéaires ?

T1 : R2 → R : T1 (x, y ) = x + y + 1 (NON car T (0) = 1 6= 0);

T2 : R2 → R2 : T2 (x, y ) = (x − y , x + y ) (OUI , justifier );

T3 : R3 → R2 : T3 (x, y , z) = (x + y − z, x − y + z) (OUI , justifier );

4 / 18
Transformation linéaire entre deux espaces vectoriels
quelconques

Exercice : Les applications suivantes sont-elles linéaires ?

T4 : Mn×n → R : T4 (A) = det(A);

(NON car, par exemple, det(cA) = c n det(A) 6= c det(A) si n > 1)

T5 : Mn×n → R : T5 (A) = tr (A)(OUI , justifier );

T6 : P2 → P1 : T6 (p(t)) = p 0 (t)(OUI ) :
Justification : 1) si p(t) = 0(t) = 0 ⇒ p 0 (t) = 0(t) = 0 ;
2)
T6 ((p + q)(t) = (p + q)0 (t) = p 0 (t) + q 0 (t) = T6 (p(t)) + T6 (q(t)) ;
3) T6 ((cp)(t)) = (cp)0 (t) = cp 0 (t) = cT6 (p(t)).

5 / 18
Noyau et image d’une transformation linéaire

Soit V et W deux espaces vectoriels sur le corps des réels R et

l’application T : V → W . Le noyau de T est un sous-ensemble de
V défini comme :

Ker (T ) = {u ∈ V : T (u) = 0W }.

L’ image de T est un sous-ensemble de W défini comme :

Im(T ) = {w ∈ W : ∃u ∈ V |w = T (u)}.

Proposition : Si T : V → W est une transformation linéaire alors

1. Ker (T ) est un sous-espace vectoriel de V ;
2. Im(T ) est un sous-espace vectoriel de W .

6 / 18
Noyau et image d’une transformation linéaire

Proposition : Si T : V → W est une transformation linéaire alors

Ker (T ) est un sous-espace vectoriel de V .
Preuve : 1) T (0V ) = 0W ⇒ 0V ∈ Ker (T ) ;
2) Si u, v ∈ Ker (T ) ⇒ T (u + v ) = T (u) + T (v ) = 0W ⇒ u + v ∈
Ker (T ) ;
3) Si
u ∈ Ker (T ), c ∈ R ⇒ T (cu) = cT (u) = 0W ⇒ cu ∈ Ker (T ).

7 / 18
Noyau et image d’une transformation linéaire

Proposition : Si T : V → W est une transformation linéaire alors

Im(T ) est un sous-espace vectoriel de W .
Preuve : 1) ∃ 0V : 0W = T (0V ) ⇒ 0W ∈ Im(T ) ;
2) Supposons que
y , w ∈ Im(T ) ⇒ ∃ u ∈ V : y = T (u) et ∃ v ∈ V : w = T (v ).
Cela implique que
y +w = T (u)+T (v ) = T (u+v ) ⇒ ∃ u+v ∈ V : y +w = T (u+v ).
On en conclut que y + w ∈ Im(T ).
3) Supposons que w ∈ Im(T ), c ∈ R ⇒ ∃ v ∈ V : w = T (v ).
Cela implique que
cw = cT (v ) = T (cv ) ⇒ ∃ cv ∈ V : cw = T (cv ). On en conclut
que cw ∈ Im(T ).

8 / 18
Transformation linéaire injective, surjective, isomorphisme

Définition : Soit V et W deux espaces vectoriels sur le corps des

réels R. La transformation linéaire T : V → W est injective si
tout vecteur de W est l’image d’au plus un vecteur de V .
Cela se traduit de la façon suivante :

T : V → W injective ⇔ ∀u1 , u2 ∈ V | u1 6= u2 ⇒ T (u1 ) 6= T (u2 ).

ou de façon équivalente

T : V → W injective ⇔ ∀u1 , u2 ∈ V | T (u1 ) = T (u2 ) ⇒ u1 = u2 .

9 / 18
Transformation linéaire injective, surjective, isomorphisme

Théorème :

T : V → W injective ⇔ Ker (T ) = {0V }.

Preuve : Nous voyons par la définition (deuxième itération) que

T : V → W injective ⇔ ∀u1 , u2 ∈ V | T (u1 )−T (u2 ) = T (u1 −u2 ) = 0W .

Cela implique que u1 − u2 = 0V , ∀u1 , u2 . Nous en déduisons que

T (u) = 0W , ∀u ∈ V . Donc u = 0V et Ker (T ) = {0V }.

10 / 18
Transformation linéaire injective, surjective, isomorphisme

Définition : Soit V et W deux espaces vectoriels sur le corps des

réels R. La transformation linéaire T : V → W est surjective si
tout vecteur de W est l’image d’au moins un vecteur de V .
Théorème :

T : V → W surjective ⇔ Im(T ) = W .

En fait, dans ce cas, l’énoncé est équivalent à la définition.

Définition : Une transformation linéaire qui est à la fois injective
et surjective est appelée un isomorphisme.

11 / 18
Transformation linéaire injective, surjective, isomorphisme

Exercices
(1) Soit l’application linéaire T 
: P2→ R3 définie par
a0
T : p(x) = a0 + a1 x + a2 x 2 7→ a1 . Cette application est-elle un
a2
isomorphisme ?
Solution : La réponse est OUI car l’application est injective et
surjective.
1) Ker (T ) = {p(x) ∈ P2 : T (p) = 0 ∈ R3 } ⇒ a0 = a1 = a2 =
0 → p(x) = 0. Ainsi Ker (T ) = 0P2 et l’application est injective.
u0
2)Im(T ) = {u = u1  ∈ R3 : ∃p ∈ P2 : T (p) = u}. Il suffit de
u2
prendre p(x) = u0 + u1 x + u2 x 2 et T est donc surjective.

12 / 18
Transformation linéaire injective, surjective, isomorphisme

Exercices
(2) Soit l’application linéaire Ttr : Rnxn → R définie par
Ttr (A) = trA. Cette application est-elle injective ? Est-elle
surjective ?
Solution : Injective NON ; surjective OUI.
1) KerP(Ttr ) = {A ∈ Rnxn : Ttr (A) = trA = 0}. Cependant,
trA = ni=1 aii peut-être nulle sans que tous les aii soient nuls et
même les aij , en général. Elle n’est donc pas injective.
2) Im(Ttr ) P= {c ∈ R : ∃ A ∈ Rnxn : Ttr (A) P= trA = c}. On a donc
c = trA = ni=1 aii ou encore ann = c − n−1 i=1 aii . La seule
contrainte sur les éléments de la matrice A est cette dernière et
donc A existe sûrement. La transformation est donc surjective.

13 / 18
Transformation linéaire T : Rn → Rm et matrice associée

Théorème (démontré dans activité 4 du module 4)

Soit T : Rn → Rm une transformation linéaire, alors il existe une
unique matrice A de format mxn telle que T (u) = Au, ∀u ∈ Rn .
De plus, on peut montrer que cette matrice s’écrit sous la forme
A = (T (e1 )T (e2 )...T (en )), avec ej est la colonne j de la matrice
identité. Cette dernière est dite canonique.

14 / 18
Transformation linéaire T : Rn → Rm et matrice associée

Exemple :
1) Déterminer la matrice A associée à la transformation linéaire
T : R2 → R2 : (x1 , x2 ) → T (x) = (x1 + x2 , x1 − x2 ).
Solution : Ecrivons la transformation sous la forme
   
1 1 x
T (x) = x, x = 1 .
1 −1 x2
   
1 1
On a, en effet, T (e1 ) = T ( )= et
0 1
   
0 1
T (e2 ) = T ( )= .
1 −1
2) Calculer T (1, 2).
Solution : Il suffit de faire le calcul et T (1, 2) = (3, −1).

15 / 18
Transformation linéaire T : Rn → Rm et matrice associée

Proposition :
Si T : Rn → Rm est une transformation linéaire et A est la matrice
associée à T alors
Ker (T ) = Ker A
et
Im(T ) = Im A.
Nous avons vu (séance 4) que ce sont bien des sous-espaces
vectoriels.
Nous avons aussi que
T est injective ⇔ Ker A = {0} ou encore les colonnes de la
matrice associée sont linéairement indépendantes ;
T est surjective ⇔ Im A = Rm ou encore les colonnes de la
matrice associée engendrent Rm .

16 / 18
Transformation linéaire T : Rn → Rm et matrice associée

Exercice
Soit l’application linéaire T : R3 → R4 définie par
T : x 7→ T (x) = Ax où
 
3 2 0
0 −4 −1
A= .
0 0 −1
0 0 0

Cette application est-elle injective ? Est-elle surjective ?

17 / 18
Transformation linéaire T : Rn → Rm et matrice associée

Solution : La matrice A est échelonnée et on voit que ses colonnes

sont linéairement indépendantes
⇒ Ker (T ) = Ker A = 0 ⇒ T injectif .
Les colonnes de A ne peuvent engendrer R4 . Il en faudrait une de
plus, linéairement indépendante des autres. Un autre argument
serait qu’il existe une ligne dégénérée dans A et donc une condition
de compatibilité pour le système AX = b.
⇒ Im (T ) = Im A 6= R4 ⇒ T pas surjectif .

18 / 18