Chapitre 4-Applications Linéaires

Définitions et généralités
Image et noyau d’une application linéaire

Applications linéaires en dimension finie
Rang d’une application linéaire
Matrices et applications linéaires
048ALLML2-Algèbre linéaire
Chapitre 4
Applications linéaires
Joanna Bodgi Tarazi
Faculté des sciences

Université Saint-Joseph de Beyrouth
2021-2022
Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Définition
Une application f : R −→ R est linéaire tout simplement si

c’est une droite qui passe par l’origine!
De manière générale, on a la définition suivante :
Définition
Soient E et F deux K-ev et f : E −→ F une application. On dit
que f est linéaire (ou est un morphisme d’espaces vectoriels) si :
(
∀x , y ∈ E , f (x + y ) = f (x ) + f (y )
∀α ∈ K, x ∈ E , f (αx ) = αf (x )

Proposition
Proposition
Soient E et F deux K-ev et f : E −→ F une application.
1 f est linéaire si, et seulement si,
∀α, β ∈ K, ∀x , y ∈ E , f (αx + βy ) = αf (x ) + βf (y )
2 f est linéaire si, et seulement si,

(
f (0E ) = 0F
∀α ∈ K, ∀x , y ∈ E , f (αx + y ) = αf (x ) + f (y )

Exemples
Soit E un K-ev.
IdE est une application linéaire bijective.

L’injection canonique :
Soit F un sev de E , l’application
j: F −→ E
x 7−→ x
est une application linéaire injective.

Exemples
Homothétie de rapport λ :
hλ : E −→ E
x 7−→ λx
est une application linéaire. En effet :
hλ (0E ) = λ0E = 0E
et pour tous
∀α ∈ K, ∀x , y ∈ E , hλ (αx + y ) = λ (αx + y )
= λ (αx ) + λy
= α (λx ) + λy
= αhλ (x ) + hλ (y )

Exemples
L’application
f : R3 −→ R2
(x , y , z) 7−→ (x + y , x + z)
est linéaire, en effet :

f (0R3 ) = f (0, 0, 0) = (0, 0) = 0R2
∀α ∈ R, ∀u1 = (x1 , y1 , z1 ) , u2 = (x2 , y2 , z2 ) ∈ R3 ,
f (αu1 + u2 ) = f (αx1 + x2 , αy1 + y2 , αz1 + z2 )

= (αx1 + x2 + αy1 + y2 , αx1 + x2 + αz1 + z2 )
= α (x1 + y1 , x1 + z1 ) + (x2 + y2 , x2 + z2 )
= αf (u1 ) + f (u2 ) .

Propriétés
Propriétés
Soient E , F deux K-ev et f : E −→ F une application linéaire.
Alors on a les propriétés suivantes:
1 f (0E ) = 0E
2 ∀x ∈ E , f (−x ) = −f (x )
3 ∀n ∈ Z, ∀x ∈ E , f (nx ) = nf (x ).
4 ∀n ∈ N∗ , ∀α1 , ..., αn ∈ K, ∀x1 , ..., xn ∈ E ,
n n
!
X X
f αi xi = αi f (xi )
i=1 i=1
Dans toute la suite, E et F désignent des K-espaces vectoriels.

Notations et terminologies
1 On note LK (E , F ) = {applications linéaires de E dans F }.
2 Une application linéaire de E dans E s’appelle un
endomorphisme de E .
On note LK (E ) = {endomorphismes de E }.
3 Une application linéaire bijective de E dans F s’appelle un
isomorphisme de E dans F . On dit dans ce cas que E et F
sont isomorphes. On note
E 'f F
et
IsomK (E , F ) = {isomorphismes de E dans F }
4 Un endomorphisme bijectif de E s’appelle un automorphisme
de E et on note :
GL(E ) = AutK (E ) = {automorphismes de E }
L’espace vectoriel L(E , F )
Proposition
Soient E et F deux K-ev. Alors L(E , F ) est un K-ev.
Idée de la preuve :
On démontre que L(E , F ) est un sev de F E .
Proposition
Soient E , F et G des K-ev.
1 Si f ∈ L(E , F ) et g ∈ L(F , G), alors g ◦ f ∈ L(E , G).
2 Si f est un isomorphisme d’ev de E dans F , alors f −1 est un
isomorphisme d’ev de F dans E .

L’espace vectoriel L(E , F )
Conséquences
1 (GL(E ), ◦) est un groupe appelé groupe linéaire de E : idE est
l’élément neutre et pour tout f ∈ GL(E ), f −1 ∈ GL(E ).
2 (L(E ), +, ◦) est un anneau et (L(E ), +, ·) est un K-ev.
f ◦ (g + h) = f ◦ g + f ◦ h.
On dit que (L(E ), +, ◦, ·) est une K-algèbre : anneau+ K-ev
+ (f ◦ (g + h) = f ◦ g + f ◦ h).

Définition
Rappel :
Soient X ⊂ E , Y ⊂ F et f : E −→ F .
f (X ) = {f (x ), x ∈ X } ⊂ F
f −1 (Y ) = {x ∈ E ; f (x ) ∈ Y } ⊂ E
Définitions
Soit f ∈ L(E , F ).
1 On appelle image de f la partie de F notée et définie par
Im f = {y ∈ F ; ∃x ∈ E , y = f (x )}
2 On appelle noyau de f la partie de E notée et définie par
Ker f = f −1 ({0F }) = {x ∈ E ; f (x ) = 0F }
Propriétés
Soit f ∈ L(E , F )
Proposition
1 Si V est un sev de E , alors f (V ) est un sev de F .
2 Si W est un sev de F , alors f −1 (W ) est un sev de E .
Corollaire
1 Im(f ) = f (E ) est un sev de F .
2 Ker f = f −1 ({0F }) est un sev de E .
Proposition
1 f est injective si, et seulement si, Ker f = {0E }.
2 f est surjective si, et seulement si, Im f = F .
Propriétés
Remarques
Soient f ∈ L(E , F ) et g ∈ L(F , G). Alors
g ◦ f = 0 ⇐⇒ Im f ⊂ Ker g
En effet,
Im f ⊂ Ker g ⇐⇒ ∀y ∈ Im f , y ∈ Ker g
⇐⇒ ∀x ∈ E , f (x ) ∈ Ker g
⇐⇒ ∀x ∈ E , g (f (x )) = 0G
⇐⇒ ∀x ∈ E , g ◦ f (x ) = 0G
⇐⇒ g ◦f =0

Théorème
Existence d’une application linéaire
Soient E un K-ev de dimension finie n ≥ 1, B = (ei )1≤i≤n une
base de E , F un K-ev quelconque et (yi )1≤i≤n une famille de
vecteurs de F . Alors il existe une application linéaire et une seule f
de E dans F vérifiant
∀i ∈ Nn , f (ei ) = yi
Dans la suite, E et F sont deux K-ev de dimensions finies, et

f ∈ L(E , F ).


Remarque
Si B engendre E , alors f (B) engendre Im f .
En effet, Im f étant un sev de F , alors Vect (f (B)) ⊂ Im f .

n
X
Soit y ∈ Im f , alors il existe x = αi ei ∈ E , tel que y = f (x ).
i=1
Par suite,
n
X
y = f (x ) = αi f (ei ) ∈ Vect (f (B))
i=1
D’où
Im f ⊂ Vect (f (B))
et
Im f = Vect (f (B))

Théorème
Soient B = (ei )1≤i≤n une base de E et f (B) = (f (e1 ) , ..., f (en )).
1 f est injective si, et seulement si, f (B) est libre dans F .
2 f est surjective si, et seulement si, f (B) engendre F .
3 f est bijective si, et seulement si, f (B) est une base de F .
Corollaire
1 f est un isomorphisme d’ev si, et seulement si, pour toute
base B de E , f (B) est une base de F .

2 Si dim E = n ≥ 1, alors E ' Kn .
3 Deux ev ont la même dimension si, et seulement si, ils sont
isomorphes.
Preuve :
On démontrera uniquement le deuxième point.
Soient B = (ei ) une base de E et B 0 = (ai ) une base de Kn . Il
existe une unique application linéaire f : E −→ Kn , telle que
∀i ∈ Nn , f (ei ) = ai
Ainsi,
B 0 = f (B)
et f est un isomorphisme d’après 1.

Soient E et F des K-ev et f ∈ L(E , F ).

Remarque
Si E est de dimension finie, alors Im f est de dimension finie.
En effet, soit B est une base de E , alors f (B) engendre Im f et

Card(f (B)) ≤ Card B.
Donc Im f est de dimension finie.
Définition
Si E est de dimension finie, on appelle rang de f , la dimension de
Im f . On note
rg(f ) = dim (Im f )

Remarque
Si B est une base de E , alors f (B) engendre Im f . D’où
rg(f ) = dim Im f = dim Vect (f (B)) = rg (f (B))

Ainsi, dans la pratique, pour calculer rg(f ), on calcule le rang de
f (B) par la méthode de Pivot-Gauss.
Théorème
Théorème du rang (ou théorème du noyau-image)
Si E un K-ev de dimension finie, alors
dim E = dim Im f + dim Ker f = rg f + dim Ker f

Corollaire
Soient E et F deux K-ev de même dimension finie et f ∈ L(E , F ),
alors les propriétés suivantes sont équivalentes :
1 f est injective
2 f est surjective
3 f est bijective
4 Ker f = {0E }
5 Im f = F .
Cas particulier : Si E est de dimension finie et f ∈ L(E ) alors
(f est injective ) ⇐⇒ (f est surjective ) ⇐⇒ f ∈ GL(E )

Définition
E et F sont deux ev de dimensions finies respectives n et m,
f : E −→ F une application linéaire,
B = (ei )1≤i≤n une base de E , B 0 = (ei0 )1≤i≤m une base de F .
On appelle matrice (représentative) de f dans les bases B et
B 0 la matrice de Mm,n (K) notée et définie par :
 
α11 α12 . . . α1n

 α21 α22 . . . α2n 

0
 .. .. .. 
M(f ; B, B ) =  . . .
 

 .. .. .. 
. . .
 
 
αm1 αm2 . . . αmn

où α1j , α2j,...,αmj sont les coordonnées de f (ej ) dans B 0 .

Cas particulier : Si E = F , f ∈ L(E ) et si B 0 = B, alors
M(f ; B, B 0 ) sera notée M(f , B).
Exemple :
f : R3 −→ R3
(x , y , z) 7−→ (y + z, x + z, x + y )
Soit B0 = (e1 , e2 , e3 ) la base canonique de R3 . Déterminons
M(f ; B0 ).
f (e1 ) = (0, 1, 1), f (e2 ) = (1, 0, 1), f (e3 ) = (1, 1, 0)

 
0 1 1
M(f ; B0 ) =  1 0 1 
 
1 1 0

Soit B = (e10 , e20 , e30 ) une autre base de R3 , avec e10 = (−1, 1, 1),
e20 = (1, −1, 1), e30 = (1, 1, −1). Déterminons M(f ; B 0 , B0 ).
f (e10 ) = (2, 0, 0), f (e20 ) = (0, 2, 0), f (e30 ) = (0, 0, 2)
 
2 0 0
M(f ; B; B0 ) =  0 2 0 
 
0 0 2
Déterminons maintenant M(f ; B). On a
f (e10 ) = 2e1 , f (e20 ) = 2e2 , f (e30 ) = 2e3
Or  
0 1 0 1 0
 e1 = −e1 + e2 + e3
  e1 = 2 e2 + 2 e3

e20 = e1 − e2 + e3 =⇒ 1 0
e2 = 2 e1 + 1 0
2 e3
 e0 = e + e − e
  e = 1 e0 +
 1 0
3 1 2 3 3 2 1 2 e2
D’où, après remplacement,
f (e10 ) = e20 + e30 , f (e10 ) = e10 + e20 , f (e30 ) = e10 + e20
et  
0 1 1
M(f ; B) =  1 0 1 
 
1 1 0
On verra par la suite, une méthode de passage d’une matrice à une
autre en utilisant les “matrices de passage”.


Soient
Soient E , F et G des espaces vectories de dimensions finies
respectives n, m et p.
Soient BE , BF et BG des bases respectives de E , F et G.
u, v ∈ L(E , F ), w ∈ L(F , G)
Alors on a les propriétés suivantes
Proposition
M(u + v ; BE , BF ) = M(u; BE , BF ) + M(v ; BE , BF )
(car pour tout x ∈ E , (u + v )(x ) = u(x ) + v (x )).
∀λ ∈ K, M(λu; BE , BF ) = λM(u; BE , BF )
(car pour tout x ∈ E , (λu)(x ) = λu(x )).
M(0L(E ,F ) ; B, B 0 ) = 0m,n et M(idE ; B) = In

Proposition
w ◦ u ∈ L(E , G), et
M(w ◦ u; BE , BG ) = M(w ; BF , BG ).M(u; BE , BF )
Si u est un isomorphisme (dans ce cas m = n), alors

A = M(u; BE , BF ) est inversible et
A−1 = M(u −1 ; BF , BE )

Isomorphisme entre Mm,n (K) et L(E , F )

E et F sont des evs tels que dim E = n et dim F = m.
Isomorphisme entre Mm,n (K) et L(E , F ) :
Soient B une base de E et B 0 une base de F .

ϕ : L(E , F ) −→ Mm,n (K) ψ : Mm,n (K) −→ L(E , F )
u 7−→ M(u; B; B 0 ) A = (aij ) 7−→ u
où
m
aij ei0
X
∀j ∈ Nn , u(ej ) =
i=1
i.e.
A = M(u; B, B 0 )
ϕ est linéaire.
Isomorphisme entre Mm,n (K) et L(E , F )
Elle est bijective car
ϕ ◦ ψ = idMm,n (K) et ψ ◦ ϕ = idL(E ,F )
L’isomorphisme est dit canonique si E = Kn , F = Km , et B et B 0

sont les bases canoniques de Kn et de Km respectivement.
Cas particulier :
L(E ) ' Mn (K)

u 7−→ M(u, B)
où dim E = n et B une base de E . Par exemple E = Kn .

Formule fondamentale
Propriété
Soient E et F deux K-ev tels que dim E = n et dim F = m.
On note B = (ei ) une base de E et B 0 = (ei0 ) une base de F .
n m
yi ei0 ∈ F et A = M(u; B; B 0 )
X X
Soient x = xi ei ∈ E , y =
i=1 i=1
x1 y1
   
 ..   .. 
On note X =  .  et Y =  .  resp. les coordonnées
xn ym
de x dans B et les coordonnées de y dans B 0 .
Alors
y = u(x ) ⇐⇒ Y = AX

Changement de base et matrices de passage

Définition
Soient E un K-ev de dimension finie n ≥ 1, B = (ei )1≤i≤n et
B 0 = (ei0 )1≤i≤n deux bases de E . On appelle matrice de passage de
B à B 0 la matrice carrée d’ordre n :
PB,B 0 = M(idE ; B 0 , B)
Exemple :
Soient E = R3 , B0 = (e1 , e2 , e3 ) la base canonique et
B = (u1 , u2 , u3 ) où u1 = (0, 1, 1), u2 = (1, 0, 1) et u3 = (1, 1, 0)
une autre base de R3 .
 
0 1 1
PB0 B =  1 0 1 
 
1 1 0
1

 
 e1 = (−u1 + u2 + u3 )
 u1 = e2 + e3 2


 

1
2 u =e +e
1 3 =⇒ e2 = (u1 − u2 + u3 )

 u =e +e  2
1

3 1 2 
 e3 = (u1 + u2 − u3 )


2
Donc  
−1 1 1
1
PBB0 =  1 −1 1 

2
1 1 −1

Propriétés
Soit E un K-espace vectoriel de dimension finie n ≥ 1.
1 Si B est une base de E , alors
PBB = M(idE , B) = In
2 Soient B et B 0 deux bases de E , alors PBB 0 est inversible et

son inverse est PB 0 B .
3 Soient B, B 0 et B 00 trois bases de E , alors
PBB 0 PB 0 B 00 = PBB 00

Formule de changement de coordonnées
Soit E un K-ev de dimension finie, B = (ei ) et B 0 = (ei0 ) deux

bases de E , et x ∈ E .
n n
xi0 ei0 .
X X
x= xi ei et x =
i=1 i=1
x1 x10
   
On note X =  . , X 0 =  ...  et P = PBB 0 ∈ Mn (K).

 ..   
xn xn0
Alors
X = PBB 0 X 0

Formule de changement de matrices
Soient u ∈ L(E , F ), dim E = n, dim F = m,

B et B1 deux bases de E , B 0 et B10 deux bases de F .
On note P = PBB1 et Q = PB 0 B10 .
Alors
M(u; B1 ; B10 ) = Q −1 M(u; B; B 0 )P

Cas particulier : F = E , B = B 0 et B1 = B10 , alors
M(u, B1 ) = P −1 M(u, B)P
Exemple :
E = K2 [X ], B0 = (1, X , X 2 ) et B = (1, X − 1, (X − 1)2 ) une autre
base de E .
u : E −→ E
, u ∈ L(E ). Déterminer M(u, B0 ), en déduire
P 7−→ P 0
M(u, B).


Déterminons d’abord M(u; B0 ).
u(1) = 0, u(X ) = 1, u(X 2 ) = 2X
Donc  
0 1 0
M(u; B0 ) =  0 0 2 
 
0 0 0
On pose P1 = 1, P2 = X − 1, P3 = (X − 1)2 = 1 − 2X + X 2
Donc  
1 −1 1
PB0 B =  0 1 −2 
 
0 0 1


De plus
 
 P1 = 1
  1 = P1

1 P =X −1 ⇐⇒ X = P1 + P2
 P = 1 − 2X + X 2
  X 2 = P + 2P + P

2 1 2 3
Donc  
1 1 1
PBB0 = 0 1 2 
 
0 0 1
et  
0 1 0
M(u; B) = PBB0 M(u; B0 )PB0 B = 0 0 2 
 
0 0 0

Propriétés du rang d’une matrice et d’une application

linéaire
Propriété
Caractéristiques du rang de A
Soit A ∈ Mm,n (K) et u : E −→ F l’unique application linéaire
associée à A relativement aux bases B de E et B 0 de F . Alors
rg A = rg u.


linéaire
Conséquences
1 Le rang de A est égal au rang de l’application linéaire
représentée par A dans des bases quelconques.
2 Le rang d’une application linéaire u est égal au rang de la
matrice représentative de u dans des bases quelconques.
3 Soit E un K-ev de dimension n ≥ 1 et F = (yi )1≤i≤p une
famille de vecteurs de E . Alors rang de F est égal au rang de
la matrice dont les colonnes sont formées par les coordonnées
de yi dans une base quelconque B de E .


linéaire
Proposition
Soit u l’unique endomorphisme de Kn associé à A dans la base
canonique B0 de Kn . Les propriétés siovantes sont équivalentes :
1 A = M(u, B0 ) est inversible
2 u est un automorphisme de Kn
3 Im u = Kn
4 rg u = n
5 rg A = n.

Matrices équivalentes et matrices semblables
Propriété
A et A0 sont équivalentes si, et seulement si, elles représentent la
même application linéaire dans des bases différentes :
A = M(u; B; B 0 ) et A0 = M(u; B1 ; B10 ).
Propriété
A et A0 sont semblables si, et seulement si, elles représentent le
même endomorphisme dans deux bases différentes.

Trace - équation linéaire

Trace :
Définition
Soit u ∈ L(E ). On appelle trace de u et on note tr (u) la trace de
la matrice qui représente u dans une base quelconque.
Equation linéaire :
Définition
On appelle équation linéaire toute équation de la forme u(x ) = b
où u ∈ L(E , F ), x ∈ E et b ∈ F . Cette équation admet des
solutions lorsque b ∈ Im u.

Déterminant d’un endomorphisme
Définition
Soit u ∈ L(E ). On appelle déterminant de u et on note det(u) le
déterminant de la matrice qui représente u dans une base
quelconque : soit B une base quelconque de E , alors
det(u) = det (M(u; B))

Chapitre 4-Applications Linéaires

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

Chapitre 4-Applications Linéaires

Transféré par

Droits d'auteur :

Formats disponibles

Définitions et généralités

Image et noyau d’une application linéaire

Joanna Bodgi Tarazi

Faculté des sciences

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Une application f : R −→ R est linéaire tout simplement si

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

2 f est linéaire si, et seulement si,

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

IdE est une application linéaire bijective.

est une application linéaire injective.

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

est linéaire, en effet :

f (αu1 + u2 ) = f (αx1 + x2 , αy1 + y2 , αz1 + z2 )

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Dans toute la suite, E et F désignent des K-espaces vectoriels.

L’espace vectoriel L(E , F )

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

L’espace vectoriel L(E , F )

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

2 On appelle noyau de f la partie de E notée et définie par

2 Ker f = f −1 ({0F }) est un sev de E .

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Applications linéaires en dimension finie

Dans la suite, E et F sont deux K-ev de dimensions finies, et

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Applications linéaires en dimension finie

En effet, Im f étant un sev de F , alors Vect (f (B)) ⊂ Im f .

Applications linéaires en dimension finie

base B de E , f (B) est une base de F .

Applications linéaires en dimension finie

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Rang d’une application linéaire

Soient E et F des K-ev et f ∈ L(E , F ).

En effet, soit B est une base de E , alors f (B) engendre Im f et

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Rang d’une application linéaire

rg(f ) = dim Im f = dim Vect (f (B)) = rg (f (B))

dim E = dim Im f + dim Ker f = rg f + dim Ker f

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Rang d’une application linéaire

(f est injective ) ⇐⇒ (f est surjective ) ⇐⇒ f ∈ GL(E )

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Matrices et applications linéaires

f (e1 ) = (0, 1, 1), f (e2 ) = (1, 0, 1), f (e3 ) = (1, 1, 0)

Matrices et applications linéaires

Matrices et applications linéaires

D’où, après remplacement,

f (e10 ) = e20 + e30 , f (e10 ) = e10 + e20 , f (e30 ) = e10 + e20

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Matrices et applications linéaires

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Matrices et applications linéaires

M(w ◦ u; BE , BG ) = M(w ; BF , BG ).M(u; BE , BF )

Si u est un isomorphisme (dans ce cas m = n), alors

Joanna Bodgi Tarazi 048ALLML2-Algèbre linéaire

Isomorphisme entre Mm,n (K) et L(E , F )

Soient B une base de E et B 0 une base de F .

Isomorphisme entre Mm,n (K) et L(E , F )

Elle est bijective car

ϕ ◦ ψ = idMm,n (K) et ψ ◦ ϕ = idL(E ,F )

L’isomorphisme est dit canonique si E = Kn , F = Km , et B et B 0