MAT 1200: Introduction à l’algèbre linéaire Saïd EL MORCHID Département de Mathématiques et de Statistique Chapitre 6: Les transformations linéaires (partie 2) Références Définitions-Exemples Définitions Remarque Exemple Matrices et applications linéaires Exemples Les espaces associés à une transformation linéaire Le noyau et l’image Les transformations linéaires et le changement de bases Notations La matrice d’une transformation linéaire dans des nouvelles bases Matrices semblables Définition Exemple Références: • Notes de cours chapitre 6 page 112 . • Livre: sections, 1.9 1.8. pages 68-86, sect 4.2. pages 213-223, section 5.4. pages 310-316. Les transformations linéaires Définition Une application T de Rn vers Rm est une transformation linéaire si les deux conditions suivantes sont vérifiées: a) pour tous vecteurs ~u , ~v ∈ Rn , T (~u + ~v ) = T (~u ) + T (~v ). b) pour tout ~u ∈ Rn , c ∈ R, T (c~u ) = cT (~u ). Remarque Si T est une transormation linéaire, alors a) T (~0) = ~0. b) pour tous vecteurs v~1 , v~2 , · · · , v~n ∈ Rn et pour tous scalaires c1 , c2 , · · · , cn ∈ R, on a T (c1 v~1 + c2 v~2 + · · · + cn v~n ) = c1 T (v~1 ) + c2 T (v~2 ) + · · · + cn T (v~n ). Exemple Exemple: On considère l’application T : R2 (x, y ) −→ 7−→ R3 (2x − 3y , x − 4y , y ) a) Montrer que T est une transformation linéaire. b) Donner T (~i) et T (~j). Matrices et applications linéaires Définition Soit A une matrice de type m × n, on appelle transformation linéaire (ou matricielle) associée à A, notée TA , la fonction de définie par TA : Rn ~v → 7 → Rm TA (~v ) = A~v Définition Soient B1 = {~u1 , ~u2 , · · · , ~un } une base de Rn , B2 = {~e1 , ~e2 , · · · , ~em } une base de Rm et T une transformation linéaire de Rn dans Rm . La matrice A de T par rapport aux bases B1 et B2 est la matrice dont les colonnes sont les composantes des images des vecteurs de B1 exprimées dans B2 . A = T (~u1 ) T (~u2 ) · · · T (~un ) . Exemples Exemple: On suppose que T est une transformation linéaire de 5 T (~i) = −7 et T (~j) = 2 R2 dans R3 telle que −3 8 0 Trouver l’ expression de T (~v ) si ~v = x~i + y~j de R2 . Exemple: On munit l’espace R2 de sa base canonique. Construisez la matrice A qui correspond à la dilatation T (~v ) = 3~v pour tout vecteur ~v de R2 . Exemple: On munit l’espace R2 de sa base canonique. On considère la transformation linéaire T qui consiste d’abord en un cisaillement horizontal tel que ~i 7→ ~i,~j 7→ ~j − 1~i, 2 puis en une symétrie orthogonale d’axe OY . Le noyau et l’image Définition Soient T : Rn −→ Rm une transformation linéaire et A une matrice associée à T. a) Le noyau de T , noté KerT , est le sous-ensemble de Rn défini par KerT = {~v ∈ Rn |T (~v ) = ~0} = KerA = Nul(A). b) L’image de T , noté ImT , est le sous-ensemble de Rm défini par ImT = {T (~v ) ∈ Rm |~v ∈ Rn } = ImA = Col(A). Proposition Soient T : Rn −→ Rm une transformation linéaire et A une matrice associée à T . Alors a) KerT c’est l’espace des solutions du système homogène A~x = ~0. b) KerT est un sous espace vectoriel de Rn . c) la dimension de KerT est égale au nombre des variables libres dans la résolution du système A~x = ~0. d) ImT c’est l’espace colonnes de la matrice A. e) ImT est un sous espace vectoriel de Rm . f) la dimension de ImT est égale au nombre des lignes non nulles dans une forme échelon de At et dim ImT = rang(A). g) les lignes non nulles dans une forme échelon de At forment une base de ImT . h) Théorème du rang: dim ImT + dim KerT = dim Rn = n. Exemple: On considère la transformation linéaire T : 4 R x y z t −→ 7−→ R3 x −y +z +t x + 2z − t x + y + 3z − 3t a) Donner la matrice de T relativement aux bases canoniques. b) Donner une base de ImT . Quelle est sa dimension? c) Donner une base de KerT . Quelle est sa dimension? d) Vérifier que dim ImT + dim KerT = 4. Les transformations linéaires et le changement de bases Notations • Soit Cn = {~e1 , ~e2 , · · · , ~en } la base canonique de Rn . • Soit B = {~v1 , ~v2 , · · · , ~vn } une autre base de Rn . • B la matrice de passage de la base B à la base Cn , B −1 la matrice de passage de la base Cn à la base B . Pour tout ~x ∈ Rn , on a • Soit Cm = {~u1 , ~u2 , · · · , ~um } la base canonique de Rm . ~ 2, · · · , w ~ m } une autre base de Rm . • Soit D = {~ w1 , w • D la matrice de passage de la base D à la base Cm , D −1 la matrice de passage de la base Cm à la base D. Pour tout ~y ∈ Rm . Proposition On a a) [~x ]B = B −1 [~x ]Cn , [~x ]Cn = B[~x ]B . b) [~y ]D = D −1 [~y ]Cm , [~y ]Cm = D[~y ]D . L’effet du changement de bases Soit T : Rn −→ Rm une transformation linéaire et A la matrice de T dans les bases canoniques. Pour tout vecteur ~z ∈ Rn , on a [T (~z )]Cm = [A~z ]Cm . Alors [T (~z )]D = = = D −1 [A~z ]Cm D −1 A[~z ]Cn . D −1 AB[~z ]B Proposition a) La matrice de T par rapport aux bases B et D est [T ]D,B = D −1 AB. b) Dans le cas où n = m et D = B, on a [T ]D,D = D −1 AD. Matrices semblables Définition On dira que deux matrices carrées, du même type, A1 et A2 sont semblables, si on peut trouver une matrice inversible D pour laquelle A2 = D −1 A1 D. Ce qui signifie, que ces deux matrices représentent la même transformation linéaire dans deux bases différentes. Exemple: On considère la transformation linéaire T : 4 R x y z t −→ 7−→ On considère une autre base de R4 −1 1 0 0 D= 1 , 0 1 0 4 R x − 2y + 3z − t 2x + y − 2z + t −x + 3y − z − t y − 4t 0 1 2 1 , 0 , 1 1 0 . Donner la matrice A de T dans la base canonique et la matrice base D. Or, on a [T ]D,D = D −1 AD. 1 −2 3 −1 1 −1 1 2 0 1 −2 1 0 2 ,D = A= −1 1 3 −1 −1 0 0 0 1 0 −4 0 1 0 de T dans la 0 1 1 1 Exemple (suite): On calcule D −1 puis on effectue le produit D −1 AD, 10 −11 −11 12 −15 −14 [T ]D,D = 6 −6 −6 −12 11 16 Cette dernière matrice est semblable à la matrice A. on obtient −7 −11 −4 8