Chapitre 3 Applications linéaires 3.1 Définition ; noyau ct image d’unc application linéaire Définition 3.1. Soit K un corps et E, F deux K-espaces veetoriels. Une fonetion y: E> F est une application linéaire sion a: © (0 © Pour tout u,v € E g(u +») = o(u) + (0). # Pour tout we B et tout 4 € K y(du) = Apu). Cette définition pourrait s'énoncer de maniére beaucoup plus condensée, comme la définition d’un sous espace vectoriel : : E > F est une application linéaire si, et seulement si, Wve BVAEK g(du +a) =dglu) +e) ‘Une application linéaire entre deux K-espaces vectoriels est souvent appelée un morphisme de EB vers F si E = F on parle d’endomorphisme. Notons que si y, v: E+ F sont des applications linéaires et € K alors y + Av est encore une application linéaire. On voit ainsi que espace des applications linéaires est. un sous-espace veetoriel de l'espace vectoriel formé par toutes les fonctions de F dans F. Cidlessous, on utilisera simplement le fait. que si g,¥ sont des applications linéaires alors y ~ y est aussi une application linéaire. ‘Vous avez déja rencontré énormément d’applications linéaires! Exemple. 1. Les applications + + ax (de R dans I) ; (x, y) + ax + by (de R? dans B) ou (21,.. 2) 4 4,2; +...a_2,, (de R" dans R) sont des applications linéaires. 2, Plus généralement, si A € Myyo(K) alors on @ une application linéaire y: K" + K” définie par PCBs tm) = (Ee At, On verra dans ce chapitre que toute application linéaire de K" dans I est de cette forme 3. La dérivation de polynémes peut étre vue comme une application linéaire D: K(X] -+ K[X]. Notons que cette application est surjective : pour tout polyndme P il existe un polynéme Q tel que Q’ = P. Mais, elle n'est pas injective : on a D(1) = D(0) = 0 mais 1 # 0. 4. Sur espace des suites IRN, on peut considérer "application $ qui décale les indices une suite : $(u) est la suite définie par $(u)(n) = u(n + 1). De nouveau cette application est surjective mais pas injective 5. Toujours sur RN, on peut considérer ‘application T qui & une suite w associe la suite T(u) définie par T(u}(0) = 0, et T(u)(n) = u(n ~ 1) pour n > 1. Cette fois T est injective mais n'est pas surjective ine suite » telle que u(0) # 0 n'est pas dans Vimage de T. Notons que pour toutes suites u,v on a SoT(u) =u; pourtant, 0 sin=0 Tos(y)=ner (ey sinon done To S(u) est different de u alors que $0 T(u) =u! a6. Si on note E l'espace vectoriel formé par toutes les fonctions continues de vers R, l'application qui a F associe rpiens [soa est une application linéaire de B dans E, Cette application est injective (si deux fonctions continues ont une primitive commune, elles sont égales) mais pas surjective (toutes les fonctions continues ne sont pas dérivables). Les exemples 3 & 6 ci-dessus illustrent des phénomenes qui ne peuvent se produite quand on a affaire A des endomorphismes d'espaces vectoriels de dimension finie; dans ce cours on va continuer A se concentrer sur le cas de Ia dimension fini. Définition 3.2. Soit IK un corps, E, F deux K-espaces vectoriels et y: E+ F une application linéaire. # Le noyau dey, noté ker(g), est défini par ker(¢) = (2 € B: yz) = 0} + On note Im(y) Vimage de E par yj rappelous que par définition d'une image on a Im(y) = { Proposition 3.3. Soit K un corps, BF deur KK-espaces vectoriels et y: E+ F une application linéaire. Alors kor() est un sous-espace vectoriel de E, et Im(y) est un sous-espace vectoriel de F. F:3ee B (2) =u) Démonstration. Commengons par le noyau : il est non vide puisque (0) = 0 done 0 € ker(i). Ensuite, soit uv €ker(y) et X€K. Ona eu + v) = Apu) + e(0) = A0+0=0 Done Au+v € ker(y), et ker() est un sous-espace vectoricl. Passons & Im() : de nouvean il est non vide puisque 0 = (0) € Im(). Si vi,y2 appartiennent & Im(y) et. AE K, alors il existe 21,22 € K tels que (zi) = yi et (a2) = yo. Alors on a dui tz = Av(a1) + olaa) = ofAn +22) € im(y) o Définition 3.4. Soit K un corps, E, F deux K-espaces vectoriels de dimension finie, et p: E> F. Le rang de y est la dimension de Im(y). Proposition 3.5. Soit K un corps, BE, F deur K-espaces vectoriels et e: B+ F une application linéaire. Alors pout tout m1,...)%, € Bona v(Veet(z1,---,2n)) = Veet(e(zi),---,%(tn)) Bn particulier, si (1,..,22,) est une famille génératrice de B, alors (g(21),-..,~(#}) est une famille géné- ratrice de Im(‘p) Démonstration. Notons pour commencer que (x1), ..-, (n) appartiennent bien a lespace ¢(Veet (x1, -.. tn). Reste & montrer que ces vecteurs en forment une partie génératrice Soit y € ip(Vect(z2,...,2)). On peut trouver a € Vect(21,...,2n) tel que (2) = yi et il existe A1,...,An tels que x= 7 Aisi. Alors on a y= lz) = oS An) Awe(ai) t On vient de montrer que y € Veet(y(21),...,49(¢n)), qui est done bien une famille génératrice de y(Vect(#1,...,2n)). o 22Exercice 3.6. Soit K un corps, E, F deux K-espaces vectoriels de dimension finie et y: E > F une application linéaire, Montrer que les propriétés suivantes sont équivalentes L. yest surjective. 2, Pour toute famille génératrice (21,...,2) de B, (y(21),..-,(¢n)) est une famille génératzice de F. 3. existe une famille génévatrice (2,...,2,) de B telle que (p(21),---,(#n)) est une farnille génératrice de F. Proposition 9.7. Soit K un comps, E,F deur K-espaces vectoriels de dimension finie, et p: E> F. Alors on a rang(¢) < dim(B). En effet, sin = dim(B) > 1, alors # a une famille génératrice & n vecteurs; daprés la propriété précélente, Vimage de cette partie est une partie génératrice de Im() contenant m vecteurs, done la dimension de Im(p) doit étxe inférieure an, Bt si dim(#) = 0, alors E ~ {0} et Im(y) = {0} est aussi de dimension 0. Proposition 3.8. Soit K un corps, E,F deus K-espaces veetoriels et y: # + F une application linéaire. Alors y est injective si, et seulement si, ker(e) = {0} Démonstration. Supposons y injective, et que x € E est tel que y(z) = 0. Alors on a g(x) = (0), et comme y est injective on en déduit x = 0. Par conséquent si g est injective on a ker() Réciproquement, supposons ker() = {0}, et que zy € E sont tels que g(x) = gly). Alors on a 0 = (2) — oy) = v(e—y), par conséquent 2 —y < ker(e) et done 2 — y= 0, cest-adire x = y. on vient de montrer que y est injective. o Proposition 3.9. Soit K un comps, EF deur K-espaces vectoriels de dimension finie et p: B > F une application linéaire. Alors les propriétés suivantes sont équivalentes 1. & est injective 2, Pour toute famille libre (x1,...,2») de B la famille (p(z1),...,¢(zn)) est libre dans F. 3. Hexiste une base (21,..-,2n) de E telle que la famille (y(21),...,ie(%m)) est libre dans F. Demonstration. Supposons que ¢ est injective et que x1, ..,y est une famille libre dans E. Soit As,...,dn €K tels que Arg(1i) +. Ane(n On utilise tout dabord la linéarite de y pour voir que ¢(A171 +... + Anta) = 05 pats comme est injective nen déduit que Aiz1 +... +Antn = 0. Engin, comme (21,...,n) est libre, on conclut que A: Dn = On vient de montrer que (p(21),-.-,¢(#n)} est libre. Il est clair que la deuxiéme propriété est plus forte que la troisigme; reste & montrer que la troisiéme implique la premigre. Soit (2r,....n) une base de E telle que (e(21),...,¢(@n)) soit libre, et x © ker(y). Il existe A1,...,An tels que z = > Aszy. Bt on a 0 = (z) = Yrvela. 4 Comme (p(e1),---.en)) est libre, on en déduit Ay =... = Ay =0, done x =0. On vient de montrer que ker(y) = {0} : y est injective, a Corollaire 3.10. Soit K un corps, F, F deux K-espaces vectoriels de dimension finie, et g: E> F une application linéaire. Si y est injective alors Vimage d'une base de E est une base de Im(), et en particulier rang(y) = dim(E). Réciproquement, si rang(y) = dim(E) alors y est injective, Démonstration, On sait que Pimage d'une partie génératrice de E est une partie génératrice de lm(y); et si y fest injective alors Pimage d’une famille libre est encore libre. Par conséquent, si y est injective Pimage d’une dase de F est une partie a la fois libre et génératrice de Im(y), autrement dit. une base de Im(). Réciproquement, supposons que rang(~) = dim(E) = n et considérons une base (x1,...,n) de B la famille (y(11),...,p(ap)) est génératrice de Im(i), et a n éléments; comme n = rang(y) = dim(Im(y)). (y(21),-..,(2n)) doit étre une base de Im(). En particulier on vient de trouver une famille libre dont Pimage est une famille libre, done ¢ est injective oO Définition 3.11. Soit K un corps, E, F deux K-espaces vectoriels, et g: B + F une application linéaire. Si & est bijective on dit que y est un isomorphisme de E sur F. Si de plus E = F alors on dit que y est un ‘automorphisme.‘Théoreme 3.12. Soit K un corps, E,F deux K-espaces vectoriels de dimension finie, et p: B+ F. Sig est un isomorphisme de E sur F alors dim(#) = dim(F) Sidim(Z) = dim(F) alors les proprietés suivantes sont équivalentes 1. g est bijective. 2. g est injective 8. ¢ est surjective. ‘Toutes ces propriétés sont aussi 6quivalentes A dire que y envoie une base de F sur une base de F. Ce théoréme peut étre vu comme un cas particulier du théoréme du rang qu’on verra dans la prochaine section, Démonstration, Si y est un isomorphisme, alors y est injective et done rang(y) = dim(E); mais y est aussi surjective done rang(e) = dim(F). Par conséquent, on doit. bien avoir dim(E) = dim(F) s'il existe un isomor- phisme de £ sur. Supposons maintenant que dim(E) = dim(F) et montrons que les propriétés (1), (2) et (3) sont équivalentes. Manifestement, (1) est plus forte que (2) et (3). Notons dans In suite n = dim() = dim(F), Supposons injective, et soit (#1,...,2q) une base de E. Alors, d’aprés 3.9, on sait que (2(21),-..,¢(#n)) est une famille libre de F, et cette famille libre am = dim(F) éléments. C'est done une base. On vient de montrer que l'image dune base de E est une base de F : ¢ est bijective. Reste & montrer que si y est surjective alors y est bijective; le raisonnement est trés proche du précédent si (21,--.yq) est une base de E alors 3.6, on sait que (g(21),-.-,¢(#m}) est une famille génératrice de F, et cette famille génératrice an = dim(F) éléments. C'est done ane base. On vient de montrer que Vimage dune base de E est une base de F : y est bijective. a En particulier : il ne peut y avoir d’isomorphisme entre K" et K™ que sin =m; et une application linéaire de K” dans lui-méme est bijective ssi elle est injective ssi elle est surjective. 3.2 Le théoréme du rang Lemme 3.13. Soit K un corps, E,F deus K-espaces vectoriels, et y: E+ F une application linéaire. Supposons que E = ker(y) ® H. Alors la restriction de y a H induit un isomorphisme de Ht sur Im() Démonstration, Commengons par montrer que la restriction de vy Hest injective : si x appartient & son noyau, alors on a a la fois (2) = Oot x H; autrement dit, x ¢ ker(y) NH = {0} puisque H ct ker() sont en somme directe. Pour montrer que application est surjective de IT sur Im(e), considérons y € Im(ip); ilexiste x € E tel que (2) = y, et puisque ker(y) H = E on pent écrire x = 21 +2 avec 21 € ker() et 22 € H. Mais alors on a p(t) = vlai + t2) = eli) + ¢(t2) = 04 ele2) = vle2) Par conssquent y appartient a Nimage de H par y, ce qu'on souhaitait démontrer, o ‘Théorame 3.14 (Théoreme du rang). Soit K un corps, L, F deur K-espaces vectoriels de dimension finie, et : B+ F une application linéaire. Alors on a rang(y) + dim(ker(g)) = dim(2) En particulier, si dim(#) < dim(F) alors y ne peut pas etre surjective; et si dim(E) > dim(F) alors s noyaul ne peut pas etre réduit a {0}, done y ne peut pas tre injective. Démonstration. Comme E est de dimension finie et ker(e) est un sous-espace vectoriel de B, on peut trouver un supplémentaire H de ker(y) dans B. Alors la formule de Grassmann nous dit que dim (Xer(y)) + dim(1) = dim() Mais puisque ¢ induit un isomorphi bien .e de H sur Im(y), on a dim(H) = dim(Im(¢)) = rang(y), et on obtient rang( ¢) + dim(ker(y)) = dim(E) m43.3. Définition d’une application linéaire 4 partir de ses valeurs sur une base Proposition 3.15. Soit K un corps, B,F deur K-espaces vectoriels et (21,.-.1,) ume base de E. Alors pour toute famille (y1,..-,9n) de vecteurs de F il existe une unique application linéaire y: B+ F telle que (21) = iss P(tn) = Ye. Démonstration, Commengons par montrer qu'une telle application, si elle existe est unique = si, ¥! sont deux applications linéaires telles que (xi) = Y(2i) = vs pour tout i € {1,...,n}, alors ( — y)(x:) = 0 pour tout 4 € {I,...,n}; par conséquent ker(g — ¥) est un sous-espace vectoriel de E qui contient tous les 2; : cest E tout entier puisque la famille (21, ..,2,) est génératrice. Done (p — ¥)(x) = 0 pour tout x € B, autrement dit eae. Cet argument nous dit que, pour définir y, on n'a pas beaucoup de choix : tout vecteur x s'écrit de maniére unique sous la forme 2 = Ayzr +... Anta, et on pose v(t) = Auv(zi) +... + Ane(tn) Reste A vérifier que ¢ ainsi définie est linéaire ; pour 2,y € E et 1 € K, on a des sealaires At,.-.,An et $61,---5 fe teh que seSan et y= Sun Done dnt y= SOOM + mi) Par définition de y, on obtient eOxt+y) = (Sen) DO + adele) Avle) + oavle) (a) + (uy) a Corollaire 3.16. Soit K un corps et E un K-espace vectoriel de dimension n > 1. Alors £ est isomorphe & K Démonstration. Soit (e1,-.-,€n) la base canonique de K", et (x1,.-.,22,) une base de F. Par la proposition précédente, il existe une unique application linéaire de K” sur B telle que g(ei) = 2:5 par construction, cette application envoie une base de K sur une base de E et est done un isomorphisme. o On voit done que deux K-espaces vectoriels de méme dimension sont isomorphes. Dans la suite, on fera la convention que K" = {0}. Proposition 3.17. Soit E un K-espace vectoriel de dimension finie n, et F un sous-espace vectoriel de dimen- sion k. Alors il eriste une application linéaire y: B+ K"-* tel que F = ker() (Notons quion convient que K® = {0}, ce qui est cobérent aver le fait que dim(K") =n) Démonstration. Si k =n, autrement dit si F = E, V'application B > {0} qui envoie tout « sur 0 convient. Sinon, partons d'une base (e1,...,¢e) de F et complétons-la (grace au théoréme de la base incomplete) en une base (ex)icn de B. Soit fi,..., au la base canonique de K*-£, et y unique application linéaire telle que gles) = 0 pour tout i a;,.r4, qui est bien le coefficient sur la é i-ame ligne de AX, o Rappelons que, étant données dewx matrices A € Moym(K) et B © Mmap(K), si on appelle By,..-,By les colonnes de B, alors AB est la matrice de My, »() dont les colonnes sont AB;,...,ABp, Au cas ob ce ne serait, hg pas clair, refaisons le calcul : pour tout j € {1,...,p}, B; est la matrice a m lignes et 1 colonne ; done bens AB, est In matrice A lignes et 1 colonne dont le coefficient sur la Kigne i est egal A D3Y a,abey- On voit done que, comme annoneé, AB; est In j-iéme colonne de AB. Proposition 3.20. Soit K un corps, Ey, E2, Hs trois espaces vectoriels de dimension finie et By, Ba, By des bases de Hy, Ez, Ey respectivement, Alors, pour toutes applications linéaires y: E> Hy et W: Ey > By on a Meo). +8, = M(y)B,>8) MW) 5, +82 On retrouve ici le lien entre composition d'applications et produit de matrices qui nous a servi a introduire le produit de matrices Démonstration. Notons B = (2,...,2n,)- Soit nm la dimension de E). Alors M( 9 )n,-+n est la matrice & ny lignes et n, colonnes dont la j-iéme colonne est formée des coordonnées de y 0 Y(z,) dans la base By, Quant &M()n, s0:M(W)n- spy, est la matrice & ny lignes et m; colonnes dont la j-iéme colonne est égale au produit M(), +1,G), oi G, est Ia j-idme colonne de M(V).1,->1,, Cest-A-dire In matrice colonne formée des coordonnées de ¥(z,) dans la base Bp. La j-iéme colonne de M().2,+2,M(W)es,-+2, est donc formée des coordonnées de y(v(2;}) dans la base By, oo qui nous démontre bien ’égalité attendue Oo 27Définition 3.21. Soit K un corps, E un K-espace vectoriel de dimension finie n > 1, et B= (e:,..-s€n), BY (fis. fa) deux bases de B. La matrice de passage Pr. de BAB! est la maatrice M(id) 1 autrement dit, Crest Ia matrice de M,() dont la j-iéme colonne donne les coordonnées de f; dans la base B. Attention aux conventions! La matrice de passage de B a B" est bien définie comme la matrice de Videntité de BY vers B! Pour cette raison je recommanderais d'utiliser la notation Iourde mais explicite M(id) +4 plutot que la notation Pp,y-. Ci-dessous on va tout de méme énoncer quelques propriétés des matrices de passage en utilisent la notation Pp,nr, qui est la plus communément utilisé Proposition 3.22. Soit K un corps, E un K-espace veetoriel de dimension finie n > 1, et B, BY deux bases de E. Alors la matrice de passage Pp,x est inversible, et son inverse est la matrice de passage Pry, de BY a B. Démonstration. Si on raisonne en termes d’applications linéaires, ce résultat est immédiat Poss Posts = M(id) 558M (id) 15-4 = M(id) 55 o Notons, que, réciproquement, toute matrice inversible peut étre vue comme une matrice de passage : si Ac K" est inversible, ses vocteurs colonnes forment une base de K" (si on pense que A est la matrice représentant ‘une application linéaire dans la base canonique B = (€,..» en) de IK, ses vecteurs colonnes sont les vecteurs (v(er),-.-.e(en)), qui forment une base B’ puisque y est un automorphisme) et A est la matrice dont les colonnes expriment les coordonnées des vecteurs de B” dans la base B, autrement dit la matrice de passage de Bas Proposition 3.28. Soit K un corps, E un K-espace veetoriel de dimension finie n> 1, et BB! deur bases de E. Six € B, et X,X’ désignent les vecteurs colonnes donnant les coordonnées de x dans les bases B, B’ respectivernent, alors on a X = Pp,aX" Démonstration. Par définition, Pp.mX' = M(id).nX" est la matrice colonne listant les coordonnées de id(z) =< dans la base B : c'est X. o Proposition 3.24. Soit K un corps, E,F deur K-espaces vectoriels de dimension finie > 1, et ¢: B+ F une application linéaire. Soit Br, Bly deur bases de E; Bp, Bp deur bases de F, et P,Q les matrices de passage de By @ Bly et By a Bp respectivement. Si M est la matrice de y de By dans By, et M’ est la matrice de y de Bi dans Bip, alors on a Bn particulier, quand E = F, que M désigne la matrice de y dans Ia base B, M’ la matrice de y dans la base BY et P la matrice de passage de B&B’ alors on a PMP Démonstration. On écrit M' = Mle), on, = M(id) yy, Mle) be15»M (id) oy, +05 qoMp Par exemple, considérons l'application linéaire de R° dans R° définie par ele,ys2) = (92 ~y ~ 62,52 + By — 62,2 —y +22) Cette application est linéaire, et sa matrice dans la base canonique (e1,€2,¢3) est 9 1 8 5 3 -6 1-12 28