Chapitre 2 Applications linéaires Dans ce chapitre, qui est un peu l'axe de tout le reste du cours, nous allons donner essentiellement les définitions et les résultat mentaires de base. 2.1 Applications linéaires Définition 2.1 Soient E ot E’ deux espaces vectoriels sur le méme corps K et f une application de E dans E’. On dit que f est linéaire, si 1 f(e@t+y) = F(x) + fly), Vey ek. 2. f(Ax) = Af (a), Ve € BWA EK. Lrensemble des applications linéaires de E dans E! est noté £x(B, E’) ou plus simplement, £(E, E’). Remarque 2.1 Si f est linéaire, on a: f(0) = 0. Il suffit, en effet, de faire X = 0 dans f (Ax) = Af (x). Définition 2.2 1. On appelle endomorphisme de E, une application linéaire de E dans E (méme espace de départ et d’arrivée). L’ensemble des endomorphismes de E est noté Endx(E) ou, plus simplement End(E) ou encore £x(E) ou £(E). 2. On appelle isomorphisme de E sur E! unc application linéaire bijective de B dans BE’. Exemple 2.1 f: E> # vr o est une application linéaire dite application mulle Exemple 2.2 idg: E —> E vr est un endomorphisme de E dit identité sur E. Exemple 2.3 R® = R (x1,22,23) > (201 + a2, a2 — 23) 1516 CHAPITRE 2. APPLICATIONS LINEAIRES est une application linéaire. En effet, si v = (a1, 22,3) ct w = (yi, y2, ys), on a F((e1 + 122 + y2, 3 + ys) (2(a1 +m) + (x22 + 2), (2 + ¥2) — (#3 + 93) (2x1 + x2) + (2y: + 2), (@2 — #3) + (y2 — ys)) f(vt+w) F(v) + fw). FAv) = F (Ati, Ate, Aas) = (2Aa + Ate, Ave — Aas) A(2x1 + ata, seo — a3) Af(v) Exemple 2.4 L’application fe R? = R? (a1, 22,03) + (af —@2,a2 +23) n’est pas linéaire (ni 1, ni 2 de la Définition 2.1 ne sont satisfaites A cause du terme an carzé). Exemple 2.5 Soient ©°([0, 1],R) et Cx((0, 1], R) les espaces vectoriels des applications f : [0,1] — R respectivement continues et 4 dérivée continue. L’application D: C'((0,1],R) —+ €°((0,1],R) f — f est une application linéaire, puisque D(ft+9) =(ft+9)' =f +9! =DS+Dg Daf) =f)’ sid € Ret f,g € C\([0, 1], R). Exemple 2.6 Soit E = Ey © Ez, alors tout vecteur x € E s’écrit d'une maniére unique x = x1 + x2 ot 1 € By et x2 € Ep. L’application pry: E — (1) waate, > 2 ) est une application linéaire dite projecteur (ou une projection) sur Ey parallélement 4 Ez. De ln méme maniére, on définit le projecteur sur Ez parallélement 4 E;, par Pry: E — w= ata, > a” ENSAM Casablanca2.2. IMAGE ET NOYAU. IMAGE D’UNE FAMILLE DE VECTEURS uy FIGURE 2.1 Exemple 2.7 Soit vp # 0 un vecteur de B, lapplication translation définie par ti E> BE vor vt nest pas linéaire (noter, par exemple, que : ty,(0) = v9 # 0). Exercice 2.1 1. Soit B = C((0,1],R) espace vectoriel des applications continues de [0,1] dans R. Montrer que application oi: EE froorF ott F(x [ f(t)dt, est un endomorphisme de B. 2. L’application suivante go: E > E frog oit G(x) = f£ [F(t)|dt, est-elle linéaire? o 2.2. Image et noyau. Image d’une famille de vecteurs Proposition 2.1 Soit f : E —+ E’ une application linéaire et F un sous-espace vectoriel de E. Alors f (F) est un sous-espace vectoriel de E’. En particulier f(E) est un sous-espace vectoriel de E’ appelé image de f et noté Im(f). Sa dimension est appelée rang de f et est notée re(f) == dim(Imf) = dim(f(£)). (2.3) ENSAM Casablanca18 CHAPITRE 2. APPLICATIONS LINEAIRES Démonstration. En effet, soient yi, y2 € f(F); il existe alors 21,22 € F tels que i = f(a) ct yz = f (a2). Ona: yt+ye = (a1) + (2) = f(wi+.22); donc y+ y2 € f(F). De plus, si y € f(F) (alors F(Qz € {a € E; f(x) = 0gy} est un sous-espace vectoriel de E eF y = f(x) avec & € F), alors pour tout A € K, ona: Ay = Af(w sainsi Ay € f(F). A Proposition 2.2 Soit f € £(E, E’) et ker f appelé noyau de f. Démonstration. Soient x,y € ker f,ona f(a +y) = f(x) + f(y) =0+0 = 0; donc e+ y € ker f. De plus, VA € K et Ve € ker f, ona f(Ax) = Af (x) = AO =O. Ainsi, Aw € ker f.D Proposition 2.3 Soit f € £(E, B'). Alors f ost injective si ct sculoment si ker f := {Op}. Démonstration. En effet, soient ker f = {Og} et x,y € E tels que f(x) = f(y). Cela implique que f(z) — f(y) = 0, doa f(a —y) = 0. Ainsi — y € ker f = {0g} et done x = y c'est-a-dire f est injective Réciproquement, supposons que f est injective et soit # € ker f, cest-A-dire f(x) = 0. Puisque f(0) = 0 pour toute application linéaire, on a f(x) = f (0). Le fait que f est injective implique x = 0. On en déduit que ker f = {0g}. Exemple 2.8 Soit fs Ro + RB (yz) > (ey, 2') ot a =aty— yo =e +y—3z z! = 8x4 2y—4z ker f ost l'ensemble des triplets (x, y, 2) € R® qui vérifient le systéme aty-z =0 Qe+y—32 =0 3e+2y—d4z =0. On trouve facilement x = 24,y = —A,z = A; c'est-A-dire ker f est la droite vectorielle engendrée par le vecteur (2,—1,1). Pour ce qui est de Imf, on a: (2/,y’,2") € Imf si ct sculement si, il existe (x,y,z) € RR? vérifiant le systéme zty-z a! 2e+y—3z2 =y' Ba4+2y—4z =2! Il s'agit done de savoir pour quelles valeurs de a’, y’, 2’. On a ety-z =2! ety—z -y-z2 Syl-2e! Sl ytez = 2a! -y' -y-z 2! 3a! 0 se! — y! + 2! — 3a! la condition de compatibilité est 2a’ — y! + 2! — 3a’ = 0 c’est-d-dire x + y’ — z! = 0. L'image de f est done le plan de R? d’équation x! + y! — z! = 0. Ainsi rg(f) = 2. ENSAM Casablanca2.2. IMAGE ET NOYAU. IMAGE D’UNE FAMILLE DE VECTEURS 1g Exercice 2.2 Soient E un espace voctoriel et Ey et Ez deux sous espaces vectoriels de E tels que E E, ® Ep. Soient pr, le projecteur sur Ey parallélement 4 Ey et pr, le projecteur sur Ep parallélement & Ey. 1. Montrer que pr; © pr; = prj, Vj = 1,2 et pr, 0 pry = pry 0 pry 2. Montrer que E = Im(pr;) @ ker(pr;), Vj = 1,2. Proposition 2.4 Soit f € £(E, E’) et {vj}jer une famille de vecteurs de E. 1. Si f est injective et la famille de {v;}jcy est libre, alors la famille { f(v;)}jc1 de E’ est libre. 2. Si f est surjective et la famille {v3} jer est de E’. En particulier si f est bijective image d’une base de E est une base de E’. énératrice de E, alors la famille { f (vj)} ex est génératrice Démonstration. 1. Supposons que la famille {vj}jez est libre et que f soit injective. Alors pour toute famille extraite {es Bars +++ Vag} la relation Mf (Vay) $e + AGF (Vag) = 0 => FAva +--+ + Agvay) = 0 > Ava +... + Agva, E ker f. Or ker f = {Og}, donc Ava, $+. + AgUag = OF et puisque la famille {v;},er est libre, on a Ar = 0,.. libre 4 = 0. Done la famille {F(vj)}jer est 2. Soit y € E’ quelconque; puisque f est surjective, il existe x € E tel que y = f(x). D'autre part la famille {v;}jer est génératrice de E, ainsi, x s‘écrit sous la forme = Away +o b Aptaps dot y = f(x) = Af(va:) +--+ Apf(Yap)- Alors y est une combinaison linéaire d’éléments de la famille {f(v;)}jer et, puisqu'il est choisi arbitrairement dans E’, la famille {f(vj)}jer est génératrice. A Théoréme 2.1 Deux espaces vectoriels de dimension finie sont isomorphes, si et seulement si, ils ont méme dimension Démonstration. En effet, s'il existe un isomorphisme f : E —+ B’, Vimage par f d’une base de E est une base de E’, donc E et E’ ont méme dimension Réciproquement, supposons que dim E = dim EY ct soicnt {e1, mn} ct {ef,-..e%,} deux bases respectivement de E et E’. Considérons Vapplication f : E —+ E’ construite de la maniére suivante 1. pour k = 1,...,n0n pose: f(ex) = ef; 2 argex on pose f(x) = So wef(ex) = So mee’. 1 me ms On vérifie facilement que f est linéaire et bijective. B Dans le cas ot les espaces E et E! sont de dimension finie, les dimensions du noyau et de l'image de l'ap- plication f sont liées par la relation donnée dans le théoréme suivant, l'un des plus importants en Algdbre Linéaire ENSAM Casablanca20 CHAPITRE 2. APPLICATIONS LINEAIRES Théoréme 2.2 (‘Théoréme du rang) Soient E et B! deux espaces vectoriels de dimension finie et f : E —+ E! une application linéaire. On a alors dim E = rg(f) + dim(ker f). (2.4) Démonstration. Supposons que dim E = n et dim(ker f) = r et montrons que dim(Imf) r Soit {wi,---, wp} une base de ker f, ct {v1,---, nr} une famille de vecteurs telle que {W1, +++, Wr, VI,.++,Un—r} soit une base de EB. Soit B = {f(v1),-..,f(vn—r)}- Montrons que B est une base de Imf. 1. B engendre Im. Soit, en effet y = f(x) € Imf. Comme x € B, alors x s‘écrit sous la forme © = aq +... + apwy + diy, +... + ba-rVp-r+ On a done y= Flaywr +... + awe + bY} +... + burr) + arf (wy) + bf (v1) + +6. + One f (Mr) = bf (v1) +... + barf (On); que B engendve Imf. 2. B est libre. Supposons que Arf (v1) +++. + AnorS (on Ops on aura f(Aru +... + Ane tn done Aiton. bAncrOncr € ker f. Par conséquent, il existe aj,...,a, € K tels que Avy fot AnarPnar = aw) $e faye clest-i-dire Avi fot AnorDnar = aL — -++ — ary = Og Puisque la famille {015 +++, Un—ry Wi; ++ Wr} s de cote combinaison linéaire sont tous nuls; en particulier At = 0, Az = dire B est libre. A Remarque 2.21. Si f est injective = ker f dim(f(E)) < dim EB’. 2. Si f est surjective > f(E) = E! => dim E’ = dim(f(E)) = rgf. Puisque dim(ker f) > 0, on obtient dim E’ < dim E. 3. Si f est bijective = f injective et surjective = dimE < dim E’ et dimE’ < dim E. Donc dim E = dim E’. Exercice 2.3. 1. Existe-t-il une application linéaire injective de R? dans R ? 2. Existe-t-il une application linéaire surjective de R dans R? ? 3. Existe-t-il une application linéaire f : Rt —+ R° telle que ker f = Vect{(1, 2,0, —3)} et Imf = {(z,y,z) ER's e—ytz=0}? ENSAM Casablanca2.2. IMAGE ET NOYAU. IMAGE D’UNE FAMILLE DE VECTEURS 21 Corollaire 2.1 Soient f € L(E, E'), E ot B! étant deux espaces vectoriels de méme dimension finie. Alors les propriétés suivantes sont équivalentes L. f est injective. 2. f est surjective 3. f est bijective Démonstration. II suffi, bien entendu de montrer que 1. est équivalent & 2. Comme on I’a vu f est injective si et seulement si ker f Og}. Puisque dim E gf +dim(ker f); donc f est injective si et seulement si dim E = rgf, cest--dire dim E = dim(Imf). Or, par hypothise, dim E = dim E’, done f est injective si et seulement si dim(Imf) = dim E’. Puisque Imf C E’ cela équivaut & Imf = E’, c’est--dire f est surjective. B ENSAM Casablanca